هوش مصنوعی

هوش مصنوعی چیست؟

هوش مصنوعی به توانایی ماشین ها در انجام وظایف شناختی مانند تفکر، درک، یادگیری، حل مسئله و تصمیم گیری گفته می شود. هوش مصنوعی در آغاز به فناوری اطلاق می شد که از هوش انسانی تقلید می کرد، اما با گذشت زمان این فناوری چنان متحول شده که از مفهوم اولیه خود بسیار فراتر رفته است. به مدد پیشرفت های شگفت انگیز در حوزه جمع آوری داده، توان محاسباتی و پردازش، امروزه می توان سیستم های هوشمند که عامل افزایش بهره وری و ایجاد ارتباط هستند را برای انجام وظایف مختلف به کار گرفت. با توجه به اینکه قابلیت های هوش مصنوعی به طور چشمگیری گسترش یافته است، کاربرد آن نیز در رشته های مختلف به شدت رو به افزایش است.

باآنکه هوش مصنوعی قابلیت ارزش آفرینی فزاینده ای در طیف وسیعی از بخش ها را دارد، اما تا به امروز به کارگیری آن بیشتر از منظر تجاری بوده است. فناوری های برافکن 2 پدیده های نادری هستند که ممکن است تنها یک بار برای هر نسل اتفاق بیافتد و لذا لازم است راهبردهای به کارگیری کلان و به ویژه راهبردهای ملی، بین تعاریف اثرات اقتصادی و اثرات گسترده این نوع فناوری ها توازن برقرار نماید.

فناوری هوش مصنوعی به مجموعه ای از ماشین ها و سیستم های کامپیوتری گفته می شود که می توانند فرآیندهای هوش طبیعی انسانی را شبیه سازی کنند. این فناوری دارای زیرمجموعه هایی مانند یادگیری ماشین، فناوری های مرتبط با زبان انسان و روباتیک است و پیشرفت سریع آن طی ۱۰ سال اخیر به دلیل انقلاب در الگوریتم های محاسباتی، توسعه روش های یادگیری ماشین و نیز به کارگیری شبکه عصبی در فرآیندهای یادگیری، صورت گرفته است.

هشت مؤلفه اصلی فناوری هوش مصنوعی در شکل زیر معرفی شده اند. این مؤلفه ها، در برگیرنده حوزه های نرم افزار، سخت افزار و کاربردهای فناوری می باشد.

مؤلفه های کلیدی فناوری هوش مصنوعی



تعاریف و مثال های زیر، به درک بهتر مؤلفه های هشت گانه فناوری های هوش مصنوعی کمک خواهد کرد:

۱. پردازش دانش (Knowledge Processing):

این حوزه، شامل بازنمایی و استخراج حقایقی در خصوص جهان و استفاده از این اطلاعات در سیستم های خودران است. در این سیستم ها الگوریتمی تعریف شده که از یک «پایگاه دانشی» از پیش تعریف شده، برای تشخیص خودکار خطاهای حسابداری استفاده می کند. به عبارت بهتر، یک کاربرد این مؤلفه، تشخیص خطا در زمان واقعی، برای تهیه آنلاین مالیات بر درآمد است.

۲. گفتار (Speech):

تشخیص گفتار، شامل تکنیک هایی برای درک دنباله ای از کلمات است که یک سیگنال صوتی را شکل می دهد. برای مثال دستیار صوتی اپل (Siri)، آمازون (Alexa) و مایکروسافت (Cortana) که به سؤالات کاربران پاسخ داده و دستورات گفتاری آن ها را به اجرا درمی آورند.

۳. سخت افزار هوش مصنوعی (AI Hardware):

الگوریتم های مدرن هوش مصنوعی، به قدرت محاسباتی قابل توجهی نیاز دارند. سخت افزارهای هوش مصنوعی، شامل اجزای فیزیکی کامپیوتری هستند که برای رفع این نیاز و افزایش کارایی و سرعت پردازش طراحی شده اند. برای مثال دستگاهی که برای پردازش اطلاعات کارآمد که از سیناپس های بین نورون های بیولوژیکی (مشابه مغز انسان) تقلید می کند.

۴. محاسبات تکاملی (Evolutionary Computation):

محاسبات تکاملی، شامل مجموعه ای از روال های محاسباتی، با استفاده از جنبه های طبیعت و به طور خاص تکامل است. به عنوان مثال رویکردی که تکاملی برای پیش بینی ذخایر موجود نفتی را توصیف کند. این روش خلاقانه و منحصربه فرد، تعداد زیادی از مدل های رقابتی را ارزیابی نموده و با استفاده از یک الگوریتم الهام گرفته از توالی های ژنتیکی، بهترین مدل را انتخاب می کند.

۵. پردازش زبان طبیعی (Natural Language Processing):

تمرکز این حوزه، بر درک و استفاده از داده های رمزگذاری شده به زبان نوشتاری است. برای مثال از داده های متنی برای شبیه سازی رویکردهای مختلف حافظه انسانی استفاده کند. از این فناوری، می توان برای افزایش کارایی فرآیندهای اداری مراقبت های بهداشتی، نظیر تخصیص کدهای صورتحساب به سوابق بالینی استفاده نمود.

۶. یادگیری ماشین (Machine Learning):

حوزه یادگیری ماشین، شامل طبقه وسیعی از مدل های محاسباتی بوده که از داده ها یاد می گیرند. به عنوان مثال می توان با استفاده از طبقه بندی توصیف محصول، بررسی ها و سایر ویژگی های محصول، الگوریتمی برای بهینه سازی پلتفرم های تجارت الکترونیکی ایجاد کرد.

۷. بینایی (Vision):

بینایی ماشین یا بینایی کامپیوتری، اطلاعات ارزشمندی را از تصاویر و فیلم ها استخراج و درک می کند. برای مثال تشخیص ناهنجاری در تصاویر کولونوسکوپی را به طور خودکار انجام دهد.

۸. برنامه ریزی و کنترل (Planning and Control):

برنامه ریزی و کنترل، شامل فرآیندهایی برای شناسایی، ایجاد و اجرای فعالیت ها به منظور دستیابی به اهداف مشخص است. برای مثال کمک به کاهش تجزیه وتحلیل جریان کار (به عنوان یک فرآیند پرهزینه)، در صورت بروز شرایط غیرعادی در کارخانه ها از کاربردهای این فناوری است. این روش نوآورانه، روشی برای شناسایی مشکلات احتمالی از طریق بینایی، صوتی یا سایر شرایط محیطی توصیف نموده و از یک سیستم تخصصی برای رفع این مشکلات استفاده می کند.

چشم انداز و مأموریت:

موانع تحقق استفاده حداکثری از منافع به کارگیری هوش مصنوعی به شرح ذیل می باشد:
1. فقدان متخصصان ماهر در حوزه تحقیقات و به کارگیری هوش مصنوعی
2. فقدان عوامل فعال کننده اکوسیستم های داده (توانمند ساز)- دسترسی به داده های هوشمند
3. هزینه های بالای منابع و آگاهی کم نسبت به استفاده از هوش مصنوعی
4. حریم خصوصی و امنیت ازجمله فقدان مقررات قانونی درباره بی نام سازی داده ها
5. فقدان رویکرد همکاری جمعی نسبت به به کارگیری و کاربردهای هوش مصنوعی
در طول تاریخ، آرمان های پیش گامی در فناوری های نوظهور همواره نیازمند توانمندی های تحقیقاتی برتر کشورها بوده اند و لذا تحقق مؤثر ظرفیت رشد مستلزم تخصص در تحقیقات پایه و کاربردی است.

ازآنجایی که فناوری همواره ماهیت مشاغل را متحول می کند و معیارهای توانمندی فناورانه را تغییر می دهد، مهارت آموزی و بازآموزی مهارتی نیروی کار بخش مهمی از رویکرد ما را نسبت به به کارگیری هوش مصنوعی تشکیل می دهد. کشور نیاز ضروری به بازآموزی مهارتی نیروی کارهای فعلی و تربیت استعدادهای آینده مطابق نیازهای متغیر بازار کار دارد. این امر می تواند از طریق به کارگیری مکانیسم های آموزشی غیرمتمرکز با همکاری مؤسسات آموزشی و دانشگاه ها و استفاده از اساتید مجرب و متخصص محقق گردد. بعلاوه، بایستی اشتغال زایی در حوزه های جدید توسعه داده شود، زیرا این حوزه ها می توانند بخش بزرگی از نیروی کار که به دلیل گسترش دستگاه های خودکار محکوم به بیکاری هستند را جذب نمایند. جدیدترین بررسی از وضعیت تولیدات علمی در حوزه هوش مصنوعی ایران و جهان توسط مرکز نوآوری و توسعه هوش مصنوعی پژوهشگاه ارتباطات و فناوری اطلاعات که در اختیار خبرگزاری مهر قرار گرفته، نشان می دهد که بین سال های ۱۹۹۵ تا ۲۰۲۰ میلادی ۳۵۴ هزار و ۴۴۳ مدرک علمی در جهان در حوزه هوش مصنوعی منتشر شده که سهم ایران از این تعداد ۴ هزار و ۵۴۲ مدرک علمی است. آمریکا، چین، بریتانیا، هند، آلمان، فرانسه، ژاپن، ایتالیا، اسپانیا و کانادا از نظر تولید مدارک علمی ۱۰ کشور برتر دنیا در حوزه هوش مصنوعی هستند و در این رده بندی ایران در رتبه ۱۴ قرار دارد.

دکتر راحتی

دکتر امین راحتی

عضو

استادیار گروه علوم کامپیوتر دانشگاه سیستان و بلوچستان

دکتر رضایی

دکتر حسن رضایی

عضو

استادیار گروه علوم کامپیوتر دانشگاه سیستان و بلوچستان

	دکتر یحیی کرد تمندانی

دکتر یحیی کرد تمندانی

عضو

استادیار گروه علوم کامپیوتر دانشگاه سیستان و بلوچستان

	دکتر محمد مهدی کیخا

دکتر محمد مهدی کیخا

عضو

استادیار گروه علوم کامپیوتر دانشگاه سیستان و بلوچستان

	دکتر پوریا جعفری

دکتر پوریا جعفری

عضو

استادیار گروه مهندسی برق الکترونیک دانشگاه سیستان و بلوچستان

	دکتر سمیرا نوفرستی

دکتر سمیرا نوفرستی

عضو

استادیار گروه مهندسی فناوری اطلاعات دانشگاه سیستان و بلوچستان

	دکتر مهری رجایی

دکتر مهری رجایی

عضو

استادیار گروه مهندسی فناوری اطلاعات دانشگاه سیستان و بلوچستان

	مهندس احسان اسلامی

مهندس احسان اسلامی

عضو

مربی گروه مهندسی کامپیوتر دانشگاه ولایت

فروزان فاروقی

مهندس فروزان فاروقی نیا

عضو

کارشناس فناوری اطلاعات پارک علم و فناوری سیستان و بلوچستان















مزایای عضویت

-

شرایط عضویت

-

فرم عضویت

ردیف نام ایمیل تلفن مدرک

خدمات آموزشی

تقویم آموزشی دوره ها:
ردیف نام دوره مدرس دوره رزومه مدرس مدت دوره تاریخ برگزاری ساعت شهریه سرفصل دوره


دوره های برگزار شده:
ردیف نام دوره مدرس دوره تاریخ برگزاری فایل ها و مستندات دوره


خدمات مشاوره ای

هوش مصنوعی

مشاور کانون :
- -

مدرک تحصیلی :
زیر دیپلم

زمینه مشاوره :
-

ساعات حضور :
-

جهت استفاده از خدمات مشاوره فرم مذکور را از اینجا دانلود و پس از تکیمل به ایمیل - ارسال فرمائید.


خدمات آزمایشگاهی


ردیف عنوان دستگاه قابلیت دستگاه خدمات قابل ارائه با دستگاه

اخبار و مقالات

-