×
جستجو
درباره نظربین
نظربین نظرات کاربران را به صورت هوشمند و خودکار بررسی و نظرات نا متعارف را فیلتر می کند. سرویس نظربین با بهره گیری از هوش مصنوعی، یادگیری ماشین و پردازش زبان طبیعی قابلیت هایی را به شما ارائه می دهد: تشخیص زبان محاوره، غلط املایی و تکرار لیست کلمات وجملات سفارشی راه‌اندازی آسان به‌روزرسانی لحظه‌ای ارایه سرویس به صورت 24 / 7 حذف ایمیل، تلفن و آدرس تبلیغاتی
گالری تصاویر
جستجو
درباره نظربین
نظربین اولین بستر سالم سازی هوشمند محتوای تولید شده کاربران در اینترنت (UGC) به زبان فارسی است که محتوای تولید شده توسط کاربران، از جمله متن و عکس را پیش از انتشار به صورت هوشمند و خودکار بررسی کرده و تنها محتوای سالم را منتشر می‌کند؛ همچنین در این سامانه از الگوریتم‌های هوشمند بومی استفاده شده است.
گالری تصاویر
آخرین پیشرفت‌های هوش مصنوعی، انقلابی در دنیای کسب‌و‌کارها
شنبه 8 ارديبهشت 1397

هوش مصنوعی، توانایی یادگیری ماشین‌ها از تجربیات و انجام وظایفی است که فقط انسان‌ها قادر به انجام دادن آن‌ها هستند. هوش مصنوعی، واقعیتی است که در عصر حاضر باعث بهبود زندگی انسان‌ها شده است.

یادگیری ماشین

یادگیری ماشین از دهه 1950، بخشی از دنیای تکنولوژی بوده است؛ از زمانی که برنامه‌نویسان قابلیت درک داده‌ها را به سیستم‌های کامپیوتری اضافه کردند. اکنون برنامه‌نویسان توانایی سیستم‌ها را در بررسی داده‌ها، برای شناسایی الگوهای جدید، به طور فزاینده‌ای بهبود بخشیدند. سیستم‌ها با استفاده از این الگو‌ها می‌توانند اطلاعات را سازماندهی کنند، روابط را شناسایی و مسائل را پیش‌بینی کنند. در‌حال‌حاضر یادگیری ماشین، یکی از اجزای اصلی در هوش مصنوعی است.
در زمینه‌های متفاوت، از هوش مصنوعی و یادگیری ماشین استفاده می‌شود؛ مانند: رانندگی خودکار اتومبیل‌ها، دستیاران مجازی، فروش آنلاین، مدیریت مصرف منابع همچون برق، حوزه ورزش، فعالیت‌های بانکی، بخش تولید و مراقبت‌های پزشکی. در یادگیری ماشین، داده‌های ورودی حرف اول را می‌زنند؛ هر چه دقت کمی و کیفی داده‌ها بیشتر باشد امکان بهبود سیستم‌های فعلی بسیار زیاد است.
وظایف و کارها در سیستم‌های یادگیری ماشین به 4 روش اصلی انجام می‌شوند:
•    ماشین‌هایی که نیاز به آموزش و یادگیری دارند؛ در واقع سیستم‌هایی که وظایف مشابه و تکرار شونده را انجام می‌دهند، نیاز به آموزش دارند.
•    ماشین‌هایی که الگوهای کلی را استخراج و برای داده‌های دیگر استفاده می‌کنند.
•    ماشین‌هایی که بدون نظارت، داده‌ها را خوانده، الگوهای آن‌ها را درمی‌یابند و با گذر زمان و کسب تجربه، عملکردشان را بهبود می‌بخشند. (این ماشین‌ها هیچ‌گاه خود مختار نخواهند بود.)
•    ماشین‌هایی که با استفاده از مجموعه‌ای از قواعد، خروجی‌های مطلوبی را ارائه می‌دهند.

یادگیری عمیق

به منظور عمق بخشیدن به یادگیری ماشین، قدم بعدی را در راستای توسعه هوش مصنوعی پیچیده‌تر بر‌می‌داریم که همان یادگیری عمیق است.
به طور ساده‌تر، یادگیری عمیق به این معنی است که یک ماشین می‌تواند با یک لنز تحلیلی کاملا متفاوت از همتای انسانی خود، به یک مسئله نگاه کند و توانایی بالایی در حل تمام مسائل داشته باشد. این سیستم‌ها، تحلیل‌هایی را انجام می‌دهند که انسان نمی‌تواند از طرق دیگر به آن دست یابد.
تجزیه و تحلیل‌های پیچیده، در سیستم‌های یادگیری عمیق، از طریق شبکه‌های عصبی میسر می‌شود. دلیل استفاده از اصطلاح شبکه‌های عصبی این است که از ساختار مغز انسان، برای ارائه قابلیت چند لایه‌ای در سیستم‌ها، الهام گرفته شده است. شبکه‌های عصبی بسیار پیچیده هستند و درک مسیری که ماشین طی می‌کند تا به نتیجه برسد، بسیار سخت است.
یادگیری عمیق، به منظور رسیدن به الگوهای پیچیده، همچون تشخیص صدا یا تصویر، از شبکه‌های عصبی عظیم و خود بهبود دهنده استفاده می‌کند. یادگیری عمیق، قدرت محاسباتی بسیار پیشرفته‌ای دارد؛ به همین دلیل تنها هنگامی از آن استفاده می‌شود که نیاز به تشخیص متغیرهای پنهان و روابط پیچیده‌ی میان حجم وسیعی از داده‌ها باشد.

پردازش زبان طبیعی

جز اصلی دیگر در هوش مصنوعی، پردازش زبان طبیعی (NLP) است که به درک زبان طبیعی می‌پردازد. NLP، توانایی ترجمه زبان گفتاری یا نوشتاری به شکل یک الگوریتم با قابلیت درک زبان، است؛ این الگوریتم می‌تواند نتایج را در قالب زبان گفتاری یا نوشتاری قابل فهم برای انسان برگرداند.

از یادگیری ماشین استفاده کنیم!

کسب‌و‌کارهایی هستند که تلاش می‌کنند در زمینه یادگیری ماشین پرچم‌دار باشند، بنابراین، ابزار مناسب را باید در جای مناسب خود، استفاده کنند و هدف استفاده از هوش مصنوعی را در کسب‌و‌کار خود مشخص کنند. کسب‌و‌کارهایی نیز وجود دارند که مانع ورود هوش مصنوعی به درون خود می‌شوند و دیدی منفی نسبت به آن دارند. این که دیدگاه ما کدام است فرقی نمی‌کند؛ چون، همه‌ی ما در‌حال‌حاضر در زندگی روزمره، از اشکال مختلف یادگیری ماشین استفاده می‌کنیم؛ جست‌و‌جو در اینترنت، بارگذاری عکس در شبکه‌های اجتماعی یا خرید از فروشگاه‌های آنلاین، همگی فعالیت‌هایی هستند که در آن‌ها به نوعی از یادگیری ماشین استفاده می‌شود.

تغییر فرهنگ کار گروهی

هوش مصنوعی می‌تواند بهره‌وری زیادی ایجاد کند؛ با این حال همچنان به جهت‌دهی‌های انسانی نیاز دارد. در راه‌اندازی و نگهداری سیستم‌های یادگیری ماشین نیاز به تعامل و بینش انسانی است که بتواند اعتبار خروجی‌های هوش مصنوعی را در برابر داده‌های جدید مورد سنجش قرار دهد. علاوه بر آن، انتخاب الگوریتمی متناسب با وظایف سیستم، تنظیم الگوریتمی برای ارائه عملکرد بهتر، پالایش داده‌های ورودی، برقراری تعادل میان پیچیدگی ماشین و توانایی آن در استفاده از داده‌ها و تفسیر خروجی‌ها، همگی فعالیت‌هایی هستند که در سیستم‌های یادگیری ماشین باید توسط یک انسان انجام شوند. تعامل میان انسان و ماشین به نوعی کار گروهی محسوب می‌شود. کار گروهی انسان و ماشین، بهره‌وری را افزایش می‌دهد، امکان تشخیص مسائل را قبل از وقوع فراهم و در زمان نیز صرفه‌جویی می‌کند. برای رسیدن به این اهداف، نیازمند تغییرات اساسی در فرهنگ کار گروهی هستیم. هوش مصنوعی در پس زمینه، کارها را برای ما انجام می‌دهد و ما می‌توانیم به فعالیت‌های دیگر شرکت که به توجه 100% نیروی انسانی نیاز دارند، بپردازیم. این همان تغییر اساسی گفته شده در فرهنگ کسب‌و‌کار امروزی است.

 

3 دیدگاه
ناشنا س
:|
 
 
شنبه 15 ارديبهشت 1397
علی اشرفی
بسیار کامل و جامع و جالب ممنون
 
 
شنبه 15 ارديبهشت 1397
مانی محمدی
آخرش واقعا می خواد چی بشه؟
 
 
شنبه 15 ارديبهشت 1397