استفاده از هوش مصنوعی در طراحی سایت

هوش مصنوعی امروزه به عنوان یکی از شاخه های علوم کامپیوتر، درموارد زیادی کاربرد دارد و هر روز نوآوری های جدیدی به وجود می آید که وقتی با دقت بیشتری آن ها را بررسی می کنیم، متوجه رد و اثری از artificial intelligence در آن خواهیم شد.

در واقع از طریق AI می توان بسیاری از علوم و فرآیند ها را بسط و گسترش داد و سیستم های اطلاعاتی هوشمند را پیاده سازی نمود یا ارتقا داد. همانطور که گفتیم هوش مصنوعی توانسته است که تاثیر قابل توجهی در موضوعات مختلف زندگی امروزی داشته باشد و به همین دلیل شمار فعالان در این خصوص روز به روز در حال افزایش است. دنیای طراحی سایت نیز بی تاثیر از آن نبوده و در برنامه نویسی پیشرفته می توان از این فناوری جدید و سودمند استفاده نمود.

برخی از مباحث در هوش مصنوعی وجود دارند که می توانند به صورت جزیی یا کلی در مقوله ی طراحی وب مورد استفاده قرار گیرند.

با توجه به نیازمندی های وب سایت های پیشرفته می توان تشخیص داد که آن نیاز در حوزه ی کدامیک از مباحث (Constaint Logic Programming, Fuzzy Logic, Definite Clause Grammars , Expert Systems  ) مرتبط با AI قرار می گیرد و برای مرتفع سازی آن چه راهکاری باید اندیشید.

همانطور که گفتیم با افزایش محبوبیت و آگاهی اکثر افراد نسبت به مزایا و قابلیت های استفاده از هوش مصنوعی در طراحی سایت، شرکت های مختلفی اقدام به ارائه ی خدمات مبتنی بر artificial intelligence نموده اند، اما مجموعه ای قابل اطمینان است که علاوه بر برخورداری از دانش فنی لازم، تجربه ی کافی و پروژه های موفقی در این خصوص داشته باشد و بتواند یک رزومه ی حرفه ای به مشتریان ارائه دهد.

با توجه به اینکه معمولا وب سایت هایی که به نوعی مرتبط با هوش مصنوعی هستند به عنوان پروژه های حساس، پیچیده و سنگین به حساب می آیند، کارفرمایان عزیز توجه داشته باشد که قبل از برون سپاری پروژه ی خود، نسبت به اعتبار و توانمندی های آن شرکت طراحی سایت اطمینان لازم را کسب نمایند.

 

هوش مصنوعی در طراحی سایت
هوش مصنوعی در طراحی سایت

 

بیشتر بخوانید »»» کامپیوتر ها به زودی انسان را در استدلال شکست خواهند داد

 

زبان های برنامه نویسی قابل تطبیق با هوش مصنوعی

 

از جمله متداول ترین زبان های برنامه نویسی AI می توان به ( lisp ,Prolog, clips , VP-Expert) اشاره داشت. در حوزه ی طراحی وب نیز زبان های دستوری C++, C# و C#.Net بیشتر در ارتباط با این فناوری مورد استفاده قرار می گیرند،.

با استفاده از این زبان ها می توان سیستم های اطلاعاتی هوشمندی را ایجاد نمود که یک سری اعمال خاص را از طریق مراحل الگوریتمی ( برای پردازش نمودن اطلاعات مختلف )به انجام برسانند و واکنش هایی مشابه با رفتار های هوشمندانه ی انسانی داشته باشند.

در بسیاری از اعمالی که در حوزه ی وب صورت می گیرد نیاز به درک، استدلال، تصمیم گیری و پاسخ می باشد که سیستم هایی که از هوش مصنوعی استفاده می کنند، قادرند تا چنین واکش هایی را از خود نشان دهند.

از طریق این زبان ها بسیاری از جنبه های انسانی واکنش های تحت وب، می تواند شبیه سازی شود اما برای این کار ابتدا لازم است که بر اساس نوع پروژه، جزئیات لازم برای انجام هر فرآیند بررسی شود تا بتوان به طور کامل آن را پیاده سازی نمود.

در زبان های دستوری که برای تلفیق کردن هوش مصنوعی و طراحی وب سایت مورد استفاده می گیرند، بر مبنای برنامه نویسی تابعی و منطقی ریاضی بسیاری از واکنش ها تعریف می شوند و در هنگامی که کاربر از یک صفحه ی وب مبتنی بر AI استفاده می نماید، آن توابع در صورت لزوم فراخوانی شده و عملیات لازم را دنبال می کنند.

هوش مصنوعی در طراحی سایت
هوش مصنوعی در طراحی سایت

 

در واقع در برنامه نویسی هوش مصنوعی در هنگام استفاده از زبان های تابعی مثل LISP لازم است تا تابعی را بر اساس پارامترهای کامپیوتری تعریف نمود تا به ارزیابی عبارات لازم بپردازد.

 وب سایت می تواند یک ابزار موفق باشد، برای این که کاربر از این توابع استفاده نموده و در پایان نتایج و مقادیر حاصل از محاسبات را در یک صفحه ی وب مشاهده نماید.

پس به طور کلی سایت اینترنتی روشی برای استفاده و یا نمایش هوش مصنوعی به کار رفته در یک پروژه ی مبتنی بر وب خواهد بود.

اما آیا AI نیز می تواند یک ابزار برای ایجاد یا توسعه ی وب سایت ها باشد؟

در دنیای فناوری امروزی هیچ چیزی عجیب و دور از دسترس نیست.

 هوش مصنوعی طراحی (ADI2) سیستمی است که می تواند برای مشاغل کوچک با دریافت برخی از پارامتر ها مثل نوع شغل، مکان و ویژگی های ظاهری نظیر (طرح، رنگ، فونت  و … ) یک سایت برای کاربر طراحی نماید.

به کار گیری و عمومیت یافتن این قابلیت به صورت پیشرفته تر و عمومی تر در آینده ی دنیای طراحی وب، آن قدر ها هم دور از تصور نیست و شاید روزی برسد که سیستم های مبتنی بر هوش مصنوعی، بتوانند بسیار دقیق تر و حرفه ای تر و هنرمندانه تر از طراحان وب، سایت هایی با کیفیت، کاربر پسند و متناسب با استاندارد های گوگل را طراحی نمایند.

 

طراحی سایت بهینه متناسب با هوش مصنوعی گوگل

 

از آن جایی که seo به طور مستقیم در ارتباط با طراحی وب می باشد، بسیاری از طراحان حرفه ای سعی دارند تا از ابتدا طراحی متناسب با استانداردهای سئو ارائه دهند.

با توجه به تجهیز شدن الگوریتم های گوگل به هوش مصنوعی، بررسی های google در خصوص اقداماتی که به منظور بهینه سازی صفحات وب بر روی سایتتان انجام داده اید، بسیار دقیق تر شده است و به آسانی می تواند رفتارهای نا درست، روش های غیر استاندارد و متقلبانه، لینک سازی های غیر اصولی و کلیه ی موارد با balck hat seo را کشف نماید.

هوش مصنوعی در طراحی سایت
هوش مصنوعی در طراحی سایت

 

هوش مصنوعی گوگل موجب شده است تا ریسک پنالایز شدن و اسپم شدن بسیاری از سایت های متقلب افزایش یابد و به همین دلیل شاهد هستیم که وب مستران و سئو کاران تا حد امکان از روش های اصولی تر استفاده می کنند و به غنی سازی سایت خود از نظر محتوایی و سودمند بودن برای کاربران می پردازند.

 

بیشتر بخوانید »»» به رویای ساخت تراشه ای شبیه مغز انسان چیزی نمانده است!!!


 

سایر مقالات مفید سایت:

مهم ترین مزایا و خطرات هوش مصنوعی

AI چیست؟

هوش مصنوعی (AI) از شرکت SIRI به ماشین های خود رانندگی به سرعت در حال پیشرفت است. در حالی که علم تخیلی اغلب AI را به عنوان روبات هایی با ویژگی های انسان مانند نشان می دهد، AI می تواند از الگوریتم های جستجوی گوگل به Watson IBM به سلاح های خودمختار برسد.

هوش مصنوعی امروز به درستی شناخته شده است به عنوان AI ضعیف (یا ضعیف AI) ، در آن طراحی شده است برای انجام یک کار باریک (به عنوان مثال تنها تشخیص صورت و یا فقط جستجوهای اینترنتی و یا فقط رانندگی یک ماشین).

با این حال، هدف بلند مدت بسیاری از محققان ایجاد  AI عمومی (AGI یا AI قوی) است . در حالی که AI باریک ممکن است در هر کار خاصی مانند انسان بازی در شطرنج یا معادلات حل شود، انسان AGI در تقریبا هر وظیفه شناختی بهتر عمل می کند.

بیشتر بخوانید »»» معرفی شش صنعت که کمک بسیار زیادی از هوش مصنوعی میگیرند!!!

 

چرا ایمنی AI تحقیق می شود؟

 

در کوتاه مدت، هدف حفظ تاثیر AI بر سودآوری جامعه، تحقیق را در بسیاری از زمینه ها، از اقتصاد و قانون به موضوعات فنی مانند اعتبار، اعتبار، امنیت و کنترل انگیزه می دهد. در صورتی که اگر لپ تاپ شما سقوط کرد یا هک شد، ممکن است کمی بیشتر از یک مزاحمت جزئی باشد، مهم تر آن است که یک سیستم هوش مصنوعی کاری را که می خواهید انجام دهید، انجام دهید، اگر آن را کنترل ماشین، هواپیما، ضربان ساز خود، تجارت خودکار خود سیستم یا شبکه برق شما.

یکی دیگر از چالش های کوتاه مدت این است که جلوگیری از مسابقه تسخیر تسلیحات در سلاح های اتمسفر مرگبار . در دراز مدت یک سوال مهمی است که اگر تلاش برای AI قوی موفق شود و سیستم AI بهتر از همه انسانها در همه وظایف شناختی باشد، اتفاق می افتد.

همانطور که توسط IJ Good در سال 1965 اشاره شد، طراحی دقیق سیستم های هوش مصنوعی به خودی خود یک کار شناختی است. چنین سیستمی می تواند به طور بالقوه خود بهبودی بازگشتی را به وجود آورد، که موجب انفجار اطلاعاتی می شود که اخلاق انسانی را به عقب رهنمون می شود.

هوش مصنوعی
هوش مصنوعی

 

با اختراع فن آوری های جدید انقلابی، چنین سوپر هوش ممکن است به ما برای  ریشه کن کردن جنگ، بیماری و فقر کمک کند، بنابراین ایجاد AI قوی ممکن است بزرگترین رویداد در تاریخ بشر باشد.

بعضی از کارشناسان نگرانی را ابراز کرده اند، که ممکن است آخرین بار باشد، مگر اینکه یاد بگیریم که اهداف AI را با خودمان هماهنگ کنیم تا قبل از آن، هوشمندانه شود. بعضی از افراد می پرسند که آیا AI قوی تا چه حد به دست می آید و دیگران که اصرار دارند که ایجاد AI هوشمند هوشمندانه مفید باشد.

در FLI ما هر دو از این امکانات را می شناسیم، اما همچنین پتانسیل سیستم هوش مصنوعی را به طور عمدی یا غیرمستقیم آسیب بزرگی می شناسیم. ما بر این باوریم که امروزه تحقیقات ما به ما در پیشگیری از چنین عواقب بالقوه منفی در آینده کمک خواهد کرد و لذا از مزایای AI در حین اجتناب از مشکلات، بهره مند خواهیم شد.

 

چگونه AI خطرناک است؟

 

اکثر محققان بر این باورند که یک AI سوپر هوشمند بعید است که احساسات انسانی مانند عشق و نفرت را به نمایش بگذارد و هیچ دلیلی وجود ندارد که AI عملا خیرخواهانه یا بدخواه باشد. در عوض، با توجه به اینکه چگونه هوش مصنوعی ممکن است به یک خطر تبدیل شود، کارشناسان به احتمال زیاد دو سناریو را تصور می کنند:

  1. AI برنامه ریزی شده برای انجام کاری ویرانگر است:  سلاح های مستقل، سیستم های هوش مصنوعی هستند که برای کشتن برنامه ریزی شده اند. در دستان افراد ناشایست، این سلاح ها به راحتی می توانند باعث تلفات جمعی شوند. علاوه بر این، یک مسابقه تسلیحاتی AI به طور ناگهانی منجر به جنگ AI می شود که باعث تلفات جمعی می شود. برای جلوگیری از نابودی دشمن، این سلاح ها به سادگی “خاموش کردن” بسیار دشوار خواهد بود، بنابراین انسان ها احتمالا کنترل این وضعیت را از دست می دهند.این خطر یکی از آنهایی است که حتی با AI باریک نیز موجود است، اما به عنوان سطح هوش هوش مصنوعی و افزایش استقلال رشد می کند.
  2. AI برنامه ریزی شده برای انجام کاری مفید است، اما یک روش مخرب برای دستیابی به هدف خود را ایجاد می کند:  این می تواند هر زمانی که ما نتوانیم اهداف AI را با خودمان هماهنگ کنیم، که به طور قابل توجهی دشوار است. اگر از ماشین هوشمند مطیع بخواهید تا به سرعت به فرودگاه برسد، ممکن است شما را با هلیکوپتر تحت تعقیب قرار می دهد و در معرض استفراغ قرار می گیرد، انجام آنچه که شما می خواست، بلکه به معنای واقعی کلمه آنچه که شما درخواست کردید.
هوش مصنوعی
هوش مصنوعی

اگر یک سیستم فوق هوشمند با یک پروژه ژئودینامیک بلندپرواز مشغول به کار باشد، ممکن است با اکوسیستم ما یک عارضه جانبی را از بین ببرد و تلاش های انسانی را متوقف کند تا آن را به عنوان تهدیدی برای متوقف سازد. همانطور که این مثال ها نشان می دهند، نگرانی در مورد پیشرفته AI، خشونت نیست بلکه صلاحیت است.

یک هوش مصنوعی فوق هوشمند در دستیابی به اهداف خود بسیار خوب عمل می کند و اگر این اهداف با ما هماهنگ نباشد، ما یک مشکل داریم.

شما احتمالا یک مورچه خائن نیستید که روی مورچه ها از بدبختی پیروی می کند، اما اگر شما مسئولیت پروژه انرژی سبز انرژی هیدرولیک را داشته باشید، در این منطقه یک مگس در آب وجود دارد که برای مورچه ها خیلی بد است. هدف اصلی تحقیقات ایمنی AI این است که هرگز بشریت را در موقعیت آن مورچه قرار ندهیم.

 

علت علاقه اخیر به ایمنی AI 

 

استفن هاوکینگ، الون ماسک، استیو ووزنیاک، بیل گیتس و بسیاری از نامهای بزرگ دیگر در زمینه علم و فناوری اخیرا نگرانی در رسانه ها و نامه های باز در مورد خطرات ناشی از AI ، که توسط بسیاری از محققان برجسته AI پیوسته اند، ابراز نگرانی کرده اند .

چرا موضوع به طور ناگهانی در سرفصل ها قرار دارد؟ این ایده که تلاش برای AI قوی در نهایت موفق بود، به عنوان علمی تخیلی، قرن ها یا بیشتر دور از تصور است. با این حال، به لطف پیشرفت های اخیر، بسیاری از نقاط قوت AI، که کارشناسان تنها پنج سال پیش از آن چندین دهه به آن توجه کرده اند، در حال حاضر به دست آمده است، و بسیاری از کارشناسان به طور جدی به امکان سوق دادن اطلاعات در طول عمر خود می پردازند.

در حالی که بعضی از کارشناسان هنوز حدس می زنند که هوش مصنوعی انسان در طول قرن ها دورتر است، اکثر تحقیقات AI در کنفرانس پورتوریکو 2015 تصور می شود که این اتفاق پیش از سال 2060 اتفاق خواهد افتاد.

هوش مصنوعی
هوش مصنوعی

 

از آنجا که ممکن است چندین دهه طول بکشد تا تحقیقات ایمنی لازم را انجام دهد، . از آنجا که AI توانایی تبدیل شدن به هوشمندانه تر از هر انسان دارد، ما هیچ راهی مطمئن برای پیش بینی رفتار آن نداریم. ما نمیتوانیم از یک پیشرفت تکنولوژیکی گذشته استفاده کنیم چرا که هرگز چیزی را ندیده ایم که توانایی آگاهانه یا ناخواسته ما را از بین ببرد.

بهترین نمونه از آنچه ما می توانیم روبرو شویم، تکامل ماست. مردم اکنون سیاره را کنترل می کنند، نه به این خاطر که ما قوی ترین، سریع ترین یا بزرگترین ها هستیم، اما چون ما باهوش ترین ها هستیم. اگر ما دیگر هوشمندانه نیستیم، آیا اطمینان داریم که در کنترل باقی بمانیم؟ موضع FLI این است که تمدن ما تا زمانی که مسابقه بین نیروی در حال رشد فن آوری و حکمت که ما آن را مدیریت می کنیم، شکوفا می شود.

در مورد فناوری AI، موضع FLI این است که بهترین راه برای برنده شدن در مسابقه این است که مانع از دستیابی به آن شود، بلکه با ترویج دومی با حمایت از تحقیقات ایمنی AI.

 

 

افسانه ها درباره ی AI پیشرفته

 

مکالمه فریبنده در مورد آینده هوش مصنوعی و آنچه که برای بشریت اهمیت دارد / باید باشد.

اختلافات جالب توجه وجود دارد که کارشناسان برجسته جهان در این زمینه مخالف هستند، مانند: تاثیر آتی AI در بازار کار؛ اگر / هنگامی که AI در سطح انسان توسعه یابد؛ آیا این امر منجر به انفجار اطلاعاتی خواهد شد؟ و این که آیا این چیزی است که ما باید از آن خوشحال باشیم یا از آن بترسیم.

اما نمونه های بسیاری از شبه اختلافات خسته کننده ای که از سوءتفاهم ها و صحبت کردن از یکدیگر پیش می آید وجود دارد. برای کمک به خودمان در مورد جنجال های جالب و سوالات باز – و نه در مورد سوء تفاهم ها – اجازه دهید برخی از اسطوره های رایج را روشن کنیم.

 

افسانه های گاهشمار

 

اسطوره اول جدول زمان بندی را در نظر می گیرد: چه زمانی طول می کشد تا زمانی که ماشین ها به طور هوشمندانه در سطح انسان جایگزین شوند؟ تصور غلط رایج این است که ما با قطعنامه می دانیم که پاسخ یکی از اسطوره های محبوب این است که می دانیم که قرن بیست و یکم AI فوق العاده انسان را می گیریم.

در واقع، تاریخ پر از فن آوری بیش از حد hyping است. کجا هستیم این نیروگاه های همجوشی و اتومبیل های پروازی بود که ما تا به حال وعده داده بودیم؟ AI نیز در گذشته، حتی برخی از بنیانگذاران این حوزه، بارها و بارها درگیر شده است.

به عنوان مثال، جان مک کارتی (که اصطلاح “هوش مصنوعی” را تعریف کرد)، ماروین مینسکی، ناتانیل روچستر و کلود شانون این پیش بینی بسیار خوش بینانه را درباره چگونگی انجام این کار در دو ماه با کامپیوترهای سنگی نوشتند:  “ما پیشنهاد می کنیم که 2 ماه ، 10 دانش آموخته هوش مصنوعی در تابستان 1956 در کالج دارتموث […] تلاش برای پیدا کردن چگونگی استفاده از ماشین ها از زبان، شکل گیری انتزاع ها و مفاهیم، ​​حل انواع مشکالت در حال حاضر برای انسان ها و بهبود خود انجام خواهد شد.

هوش مصنوعی
هوش مصنوعی

 

ما فکر می کنیم که اگر یک گروه با دقت انتخاب شده از دانشمندان برای یک تابستان با هم کار کنند، پیشرفت قابل توجهی در یک یا چند این مشکلات ممکن خواهد بود. ” از سوی دیگر، یک ضد افسانه رایج این است که ما می دانیم که این قرن، AI فوق العاده انسان نمی شود.

محققان طیف گسترده ای از تخمین ها را برای اینکه چقدر از AI فوق انسانی هستند، ساخته اند، اما ما مطمئنا نمی توانیم با اعتماد به نفس کامل بگوییم که احتمال این صفر در قرن حاضر صفر است، با توجه به نتایج پیش پا افتاده چنین پیش بینی هایی از نظر تکنوکروی.

به عنوان مثال، ارنست رادرفورد، مسلما بزرگترین فیزیکدان هسته ای زمان خود، در سال 1933، کمتر از 24 ساعت قبل از اختراع واکنش زنجیرۀ هسته ای Szilard، گفت: انرژی هسته ای «موشن» است. ریشر ووللی، ستاره شناسی سلطنتی، گفت: سفر بین پلاتینی «مطلق بیگ “در سال 1956 است.

شکل افراطی این افسانه این است که AI فوق العاده انسان هرگز وارد نخواهد شد، زیرا از لحاظ جسمی غیرممکن است.

با این حال، تعدادی از نظرسنجی هایی که از محققان AI می پرسند چند سال است که فکر می کنند، AI سطح انسانی حداقل با 50٪ احتمال دارد. همه این نظرسنجی ها نتیجه مشابهی دارند: کارشناسان پیشرو در جهان اختلاف نظر دارند، بنابراین ما به سادگی نمی دانیم.

به عنوان مثال، در چنین نظرسنجی از محققان AI در کنفرانس AI پورتوریکو 2015 ، پاسخ متوسط ​​(متوسط) تا سال 2045 بود، اما برخی محققان صدها سال یا بیشتر را حدس زدند. اسطوره ای هم وجود دارد که افرادی که در مورد AI نگران هستند، فکر می کنند تنها چند سال از آن دور هستند. در حقیقت، اکثر مردم در مورد ضبط نگرانی در مورد AI فوق العاده انسان حدس می زنند این هنوز هم حداقل دهه دور است.

اما آنها استدلال می کنند که تا زمانی که ما 100٪ مطمئن نیستیم که این قرن در این قرن رخ ندهد، برای شروع تحقیقات ایمنی در حال آماده سازی برای این واقعیت است. بسیاری از مشکلات امنیتی مرتبط با AI در سطح انسان بسیار دشوار است که ممکن است چندین دهه حل شوند.

بنابراین محتاطانه شروع به تحقیق در حال حاضر آنها را به جای شب قبل از برخی از برنامه نویسان نوشیدن ردبول تصمیم به تغییر یکی درشوند .

 

شایعات جنجالی

 

یکی دیگر از تصورات غلط رایج این است که تنها افرادی که نگرانی در مورد AI دارند و حمایت از تحقیقات ایمنی AI را دارند، افرادی هستند که در مورد AI زیاد بدانند. هنگامی که استوارت راسل، نویسنده کتاب استاندارد AI ، در طی سخنرانی خود در پورتوریکو سخنرانی کرد ، مخاطب با صدای بلند خندید.

هوش مصنوعی
هوش مصنوعی

یک تصور غلط مرتبط این است که حمایت از تحقیقات ایمنی AI بسیار بحث انگیز است. در حقیقت، برای حمایت از سرمایه گذاری مدرن در پژوهش ایمنی AI، مردم لازم نیست که متقاعد شوند که خطرات بالا هستند، صرفا غیر قابل ملاحظه نیست – فقط به عنوان یک سرمایه گذاری مدرن در بیمه خانه با یک احتمال غیر قابل انکار از خانه موجه است به آتش کشیدن.

ممکن است که رسانه ها مصاحبه امنیتی ایمنی AI را به نظر برساند، بحث برانگیزتر از آن چیزی است که واقعا وجود دارد. بالاخره ژانر ترس پر فروش است و مقالاتی که از نقل قول خارج از چارچوب برای اعلام قصور قریب الوقوع استفاده می کنند، می توانند کلیک های بیشتری را نسبت به محدوده های ظریف و متعادل ایجاد کنند.

 

مشاجرات جالب

 

صرف زمان زیادی در مورد تصورات غلطی که در بالا ذکر شد، به ما امکان می دهد تا در مورد اختلافات واقعی و جالب که حتی متخصصان مخالف آن هستند تمرکز کنیم.

چه نوع آینده ای را می خواهید؟ آیا باید سلاحهای اتمی خود را کشف کنیم؟ شما با اتوماسیون کار چه می کنید؟ چه توصیه شغلی به بچه های امروز می دهید؟ آیا شغل های جدید را ترجیح می دهید که جایگزین آن های قدیمی و یا یک جامعه بی بضاعت باشید که هرکدام از اوقات زندگی و اوقات فراغت و ثروت تولید شده را به دست می آورند؟

بیشتر از جاده، آیا می خواهی ما را برای ایجاد زندگی فوق العاده هوشمند و گسترش آن از طریق کیهان ما؟

ما ماشین های هوشمند را کنترل می کنیم یا ما را کنترل می کنند؟ ماشین آلات هوشمند ما را جایگزین، همکاری با ما و یا ادغام با ما می کنند؟ منظور این است که انسان در عصر هوش مصنوعی انسان باشد؟ به چه معناست که آن را دوست دارید؟ و چگونه می توانیم آینده را در این راه بسازیم؟ لطفا به گفتگو بپیوندید

بیشر بخوانید »»» کامپیوتر ها به زودی انسان را در استدلال شکست خواهند داد

Source


 

سایر مقالات مفید این سایت:

بهترین نکات یادگیری ماشین

یادگیری ماشین

به عنوان یکی از شاخه‌های وسیع و پرکاربرد هوش مصنوعی، یادگیری ماشین (Machine learning) به تنظیم و اکتشاف شیوه‌ها و الگوریتم‌هایی می‌پردازد که بر اساس آن‌ها رایانه‌ها و سامانه‌ها توانایی تعلٌم و یادگیری پیدا می‌کنند.

شما احتمالاً چندین بار در روز از یادگیری ماشین استفاده می‌کنید، حتی بدون آنکه بدانید. هر بار که شما یک جستجوی اینترنتی در گوگل یا بینگ انجام می‌دهید، یادگیری ماشینی انجام می‌شود چراکه نرم‌افزار یادگیری ماشینی آن‌ها چگونگی رتبه‌بندی صفحات وب را درک کرده‌ است.

شما را می‌شناسد، این نیز یادگیری ماشین است. هر بار که ایمیل خود را چک می‌کنید و فیلتر هرزنامه شما را از داشتن مجدد هزاران هرزنامه خلاص می‌کند نیز به همین دلیل است که کامپیوتر شما آموخته‌است که هرزنامه‌ها را از ایمیل غیراِسپم تشخیص دهد.

این همان یادگیری ماشین است. این علمی است که باعث می‌شود کامپیوترها بدون نیاز به یک برنامه صریح در مورد یک موضوع خاص یاد بگیرند.

 

اهداف و انگیزه ها

 

هدف یادگیری ماشین این است که کامپیوتر (در کلی‌ترین مفهوم آن) بتواند به تدریج و با افزایش داده‌ها کارایی بهتری در انجام وظیفهٔ مورد نظر پیدا کند. گسترهٔ این وظیفه می‌تواند از تشخیص خودکار چهره با دیدن چند نمونه از چهرهٔ مورد نظر تا فراگیری شیوهٔ گام‌برداری روبات‌های دوپا با دریافت سیگنال پاداش و تنبیه باشد.

طیف پژوهش‌هایی که در یادگیری ماشینی می‌شود گسترده‌است. در سوی نظری آن پژوهش‌گران بر آن‌اند که روش‌های یادگیری تازه‌ای به وجود بیاورند و امکان‌پذیری و کیفیت یادگیری را برای روش‌ هایشان مطالعه کنند و در سوی دیگر عده‌ای از پژوهش‌گران سعی می‌کنند روش‌های یادگیری ماشینی را بر مسایل تازه‌ای اعمال کنند.

البته این طیف گسسته نیست و پژوهش‌های انجام‌شده دارای مولفه‌هایی از هر دو روی‌کرد هستند.

یادگیری ماشین کمک فراوانی به صرفه جویی در هزینه‌های عملیاتی و بهبود سرعت عمل تجزیه و تحلیل داده‌ها می‌کند.

به عنوان مثال در صنعت نفت و پتروشیمی با استفاده از یادگیری ماشین، داده‌های عملیاتی تمام حفاری‌ها اندازه‌گیری شده و با تجزیه و تحلیل داده‌ها، الگوریتم‌هایی تنظیم می‌شود که در حفاری‌های بعدی بیشترین نتیجه و استخراج بهینه‌ای را داشته باشیم.

یادگیری ماشین
یادگیری ماشین

 

تقسیم‌بندی مسایل

 

یکی از تقسیم‌بندی‌های متداول در یادگیری ماشینی، تقسیم‌بندی بر اساس نوع داده‌های در اختیار عامل هوش‌مند است. به سناریوی زیر توجه کنید:

فرض کنید به تازگی رباتی سگ‌نما خریده‌اید که می‌تواند توسط دوربینی دنیای خارج را مشاهده کند، به کمک میکروفن‌هایش صداها را بشنود، با بلندگوهایی با شما سخن بگوید (گیریم محدود) و چهارپایش را حرکت دهد.

هم‌چنین در جعبهٔ این ربات دستگاه کنترل از راه دوری وجود دارد که می‌توانید انواع مختلف دستورها را به ربات بدهید. در پاراگراف‌های آینده با بعضی از نمونه‌های این دستورها آشنا خواهید شد.

اولین کاری که می‌خواهید بکنید این است که اگر ربات شما را دید خرناسه بکشد اما اگر غریبه‌ای را مشاهده کرد با صدای بلند عوعو کند. فعلاً فرض می‌کنیم که ربات توانایی تولید آن صداها را دارد اما هنوز چهرهٔ شما را یادنگرفته‌است. پس کاری که می‌کنید این است که جلوی چشم‌های‌اش قرار می‌گیرید و به کمک کنترل از راه دورتان به او دستور می‌دهید که چهره‌ای که جلوی‌اش می‌بیند را با خرناسه‌کشیدن مربوط کند.

این‌کار را برای چند زاویهٔ مختلف از صورت‌تان انجام می‌دهید تا مطمئن باشید که ربات در صورتی که شما را از مثلاً نیم‌رخ ببیند بهتان عوعو نکند.

هم‌چنین شما چند چهرهٔ غریبه نیز به او نشان می‌دهید و چهرهٔ غریبه را با دستور عوعوکردن مشخص می‌کنید. در این حالت شما به کامپیوتر ربات گفته‌اید که چه ورودی را به چه خروجی مربوط کند. دقت کنید که هم ورودی و هم خروجی مشخص است و در اصطلاح خروجی برچسب‌دار است. به این شیوهٔ یادگیری، یادگیری با نظارت می‌گویند.

 

یادگیری ماشین
یادگیری ماشین
بیشتر بخوانید »»» الگوریتم Rank Brain

اینک حالت دیگری را فرض کنید. برخلاف دفعهٔ پیشین که به ربات‌تان می‌گفتید چه محرکه‌ای را به چه خروجی ربط دهد، این‌بار می‌خواهید ربات خودش چنین چیزی را یاد بگیرد.

به این صورت که اگر شما را دید و خرناسه کشید به نحوی به او پاداش دهید (مثلاً به کمک همان کنترل از راه دورتان) و اگر به اشتباه به شما عوعو کرد، او را تنبیه کنید (باز هم با همان کنترل از راه دورتان).

در این حالت به ربات نمی‌گویید به ازای هر شرایطی چه کاری مناسب است، بلکه اجازه می‌دهید ربات خود کاوش کند و تنها شما نتیجهٔ نهایی را تشویق یا تنبیه می‌کنید. به این شیوهٔ یادگیری، یادگیری تقویتی می‌گویند.

در دو حالت پیش قرار بود ربات ورودی را به خروجی مرتبط کند. اما گاهی وقت‌ها تنها می‌خواهیم ربات بتواند تشخیص دهد که آنچه می‌بیند (یا می‌شنود و…) را به نوعی به آنچه پیش‌تر دیده‌ است ربط دهد بدون این‌که به‌ طور مشخص بداند آن‌چیزی که دیده شده‌ است چه چیزی است یا این‌ که چه کاری در موقع دیدنش باید انجام دهد.

ربات هوش‌مند شما باید بتواند بین صندلی و انسان تفاوت قایل شود بی‌آنکه به او بگوییم این نمونه‌ها صندلی‌اند و آن نمونه‌های دیگر انسان. در این‌جا برخلاف یادگیری با نظارت هدف ارتباط ورودی و خروجی نیست، بلکه تنها دسته‌بندی‌ آن‌ها است.

این نوع یادگیری که به آن یادگیری بی نظارت می‌گویند بسیار مهم است چون دنیای ربات پر از ورودی‌هایی است که کسی برچسبی به آن‌ها اختصاص نداده اما به وضوح جزئی از یک دسته هستند. یادگیری بی‌نظارت را می‌توان به صورت عمل کاهش بعد در نظر گرفت.

از آن‌جا که شما سرتان شلوغ است، در نتیجه در روز فقط می‌توانید مدت محدودی با رباتتان بازی کنید و به او چیزها را نشان دهید و نام‌شان را بگویید (برچسب‌گذاری کنید).

اما ربات در طول روز روشن است و داده‌های بسیاری را دریافت می‌کند. در این‌جا ربات می‌تواند هم به خودی خود و بدون نظارت یاد بگیرد و هم این‌که هنگامی که شما او را راه‌نمایی می‌کنید، سعی کند از آن تجارب شخصی‌اش استفاده کند و از آموزش شما بهرهٔ بیش‌تری ببرد.

ترکیبی که عامل هوش‌مند هم از داده‌های بدون برچسب و هم از داده‌های با برچسب استفاده می‌کند به یادگیری نیمه نظارتی می‌گویند.

 

یادگیری با نظارت

 

یادگیری تحت نظارت، یک روش عمومی در یادگیری ماشین است که در آن به یک سیستم، مجموعه‌ای از جفت‌های ورودی – خروجی ارائه شده و سیستم تلاش می‌کند تا تابعی از ورودی به خروجی را فرا گیرد. یادگیری تحت نظارت نیازمند تعدادی داده ورودی به منظور آموزش سیستم است.

یادگیری تحت نظارت خود به دو دسته تقسیم می‌شود: رگرسیون و طبقه‌بندی. رگرسیون آن دسته از مسائل هستند که خروجی یک عدد پیوسته یا یک سری اعدا پیوسته هستند مانند پیش‌بینی قیمت خانه بر اساس اطلاعاتی مانند مساحت، تعداد اتاق خوابها، و غیره و دسته طبقه‌بندی به آن دسته از مسائل گفته می‌شود که خروجی یک عضو از یک مجموعه باشد مانند پیش‌بینی اینکه یک ایمیل هرزنامه هست یا خیر یا پیش‌بینی نوع بیماری یک فرد از میان ۱۰ بیماری.

با این حال رده‌ای از مسائل وجود دارند که خروجی مناسب که یک سیستم یادگیری تحت نظارت نیازمند آن است، برای آن‌ها موجود نیست. این نوع از مسائل چندان قابل جوابگویی با استفاده از یادگیری تحت نظارت نیستند. یادگیری تقویتی مدلی برای مسائلی از این قبیل فراهم می‌آورد.

در یادگیری تقویتی، سیستم تلاش می‌کند تا تقابلات خود با یک محیط پویا را از طریق آزمون و خطا بهینه نماید. یادگیری تقویتی مسئله‌ای است که یک عامل که می‌بایست رفتار خود را از طریق تعاملات آزمون و خطا با یک محیط پویا فرا گیرد، با آن مواجه است.

در یادگیری تقویتی هیچ نوع زوج ورودی- خروجی ارائه نمی‌شود. به جای آن، پس از اتخاذ یک عمل، حالت بعدی و پاداش بلافصل به عامل ارائه می‌شود. هدف اولیه برنامه‌ریزی عامل‌ها با استفاده از تنبیه و تشویق است بدون آنکه ذکری از چگونگی انجام وظیفه آن‌ها شود.

یادگیری ماشین
یادگیری ماشین

 

یادگیری بی نظارت

 

یادگیری بی نظارت یا یادگیری بدون نظارت (انگلیسی: Unsupervised machine learning، در مقابل یادگیری بانظارت)، یکی از انواع یادگیری در یادگیری ماشینی است.
اگر یادگیری بر روی داده‌های بدون برچسب و برای یافتن الگوهای پنهان در این داده‌ها انجام شود، یادگیری، بدون نظارت خواهد بود. از انواع یادگیری بدون نظارت می‌توان به الگوریتمهای خوشه‌بندی (Clustering)، تخصیص پنهان دیریکله (LDA) و جاسازی لغات (Word Embedding) اشاره کرد.

 

بیشتر بخوانید »»» 7 زبان برنامه نویسی فراگیر در سال 2018

Source


 

سایر مقالات مفید این سایت: