يادگيري عميق

اينترنت اشيا ، همراه با هوش مصنوعي ، تحولي در آينده بشريت خواهد بود. در اين مطلب ما بيان مي كنيم. دوره انقلابي بعدي جهان در حال حاضر است. دوره اي كه به اندازه رنسانس و انقلاب صنعتي قابل توجه خواهد بود. هوش مصنوعي و IoT دو چشم انداز از اين دست هستند كه مردم معتقدند جهان را به چيزي مدرن مي كند كه در چند دهه آينده ذهن ما را به باد خواهد داد. اين دو ركن در آينده دامنه عظيمي خواهند داشت. با اينكه اين دو فناوري نوظهور نيستند اما در حال تغيير آينده جهان هستند.

اينترنت اشيا چيست ؟

IoT شبكه اشيا فيزيكي را توصيف مي كند – “اشيا” – كه به منظور اتصال و تبادل داده با ساير دستگاه ها و سيستم ها از طريق اينترنت ، با حسگرها ، نرم افزار و ساير فناوري ها تعبيه شده است. تعريف Iot به دليل همگرايي فناوري هاي متعدد ، تجزيه و تحليل هاي بي درنگ ، يادگيري ماشين ، حسگرهاي كالا و سيستم هاي جاسازي شده تكامل يافته است. زمينه ه سنتي سيستم هاي جاسازي شده ، شبكه هاي حسگر بي سيم ، سيستم هاي كنترل ، اتوماسيون (از جمله اتوماسيون خانگي و ساختمان) و ساير موارد همگي به امكان دسترسي در اينترنت كمك مي كنند. در بازار مصرف ، فناوري IoT مترادف با محصولات مربوط به مفهوم “خانه هوشمند” است ، از جمله دستگاه ها و لوازم خانگي (مانند وسايل روشنايي ، ترموستات ، سيستم هاي امنيتي خانه و دوربين ها و ساير لوازم خانگي) كه از يك يا اكوسيستم هاي رايج تر ، و از طريق دستگاه هاي مرتبط با آن اكوسيستم مانند تلفن هاي هوشمند و بلندگوهاي هوشمند قابل كنترل است. هوش مصنوعي به انداره كهكشان راه شيري گسترده است. هوش مصنوعي (AI) يك زمينه گسترده با بسياري از زير مجموعه ها مانند پردازش زبان طبيعي (NLP) ، شبكه هاي عصبي مصنوعي ، بينايي كامپيوتر ، يادگيري ماشين ، يادگيري عميق ، رباتيك و غيره است.

َAIOT چيست؟

تركيبي از هوش مصنوعي همراه با اينترنت اشيا، شاخه جديدي از مطالعه ، جالب و منحصر به فرد را تشكيل مي دهد كه اينترنت مصنوعي اشيا يا به اختصار AIOT ناميده مي شود. IoT فعال شده با هوش مصنوعي قادر به ايجاد ماشين هاي هوشمندي است كه مي تواند رفتار هوشمند را شبيه سازي كند و در عين حال توانايي تصميم گيري را با  دخالت كم يا بدون دخالت انسان پشتيباني كند. با ادغام هوش مصنوعي در دستگاه هاي IoT  مانند raspberry pi و Nvidia Jetson Nano , و بسياري از دستگاه هاي مشابه قادر به ايجاد برخي از شاهكارها هستند كه بسيار سودآور و براي كل جامعه مفيد خواهد بود. برخي از مثالهاي دستيارهاي مجازي مانند الكسا ، سيري يا Google AI ، سطح بالاي عقل و امكانات اين فناوري را در آينده نشان مي دهند.

همانطور كه در اين مقاله به آن پرداخته شده است ، هوش مصنوعي همراه با اينترنت اشيا بسيار قدرتمند است و ما مي توانيم با ايده هاي نوآورانه پروژه هاي منحصر به فردي را توسعه و ايجاد كنيم. دامنه IoT و AI فوق العاده است و اين فناوري ها قدرت تغيير چشم انداز آينده را دارند. تأثير AIoT در سالهاي آينده فرا تر از ذهن خواهد بود و اختراعات جديدي كه در آينده  مي شود بسيار هيجان انگيز خواهند بود.

يادگيري ماشيني به طور گسترده اي در علوم و آزمايشگاه هاي شيمي براي طراحي دارو و ساير فرايندها مورد استفاده قرار گرفته است. مدل هايي كه به طور آينده نگر براي نتايج واكنش جديد آزمايش مي شوند و براي تقويت درك انسان براي تفسير تصميمات واكنش شيميايي گرفته شده توسط چنين مدل هايي مورد استفاده قرار مي گيرند ، بسيار محدود هستند. گوراو چوپرا ، استاديار شيمي تجزيه و فيزيك در كالج علوم پوردو گفت: “ايجاد واكنش هاي جديد و سريع براي طراحي كتابخانه هاي شيميايي در كشف دارو ضروري است.” “ما يك واكنش چندكاره اي جديد ، سريع و يك گلدان از N-sulfonylimines ايجاد كرده ايم كه به عنوان يك مورد نماينده براي توليد داده هاي آموزشي براي مدل هاي يادگيري ماشين ، پيش بيني نتايج واكنش و آزمايش واكنش هاي جديد به روش آينده نگرانه كور استفاده شده است.

 يادگيري ماشيني در آزمايشگاه هاي شيمي چه نقشي دارد

چوپرا گفت كه رويكرد يادگيري ماشين قابل تفسير توسط تيم Purdue ، كه به عنوان نمودار جريان واكنش شيميايي معرفي شده است ، مي تواند براي بررسي واكنش هر MCR يا هر واكنش شيميايي گسترش يابد. اين به روباتيك در مقياس بزرگ نياز ندارد ، زيرا اين روش ها مي توانند توسط شيمي دانان هنگام آزمايش غربالگري در آزمايشگاه هاي خود مورد استفاده قرار گيرند. اين كار با ساير نوآوري ها و تحقيقات آزمايشگاه هاي Chopra كه اعضاي تيم آن براي ثبت اختراع فن آوري هاي متعدد با دفتر بنياد تحقيقات Purdue همكاري مي كنند ، همسو است. براي كسب اطلاعات بيشتر در مورد اختراعات ثبت شده آنها ، با otcip@prf.org تماس بگيريد.كروپال جتهاوا ، دانشجوي فوق دكترا در آزمايشگاه Chopra ، كه يكي از نويسندگان اين اثر است ، گفت: “استفاده بي سابقه از يك مدل يادگيري ماشين در توليد نمودار جريان واكنش شيميايي به ما كمك كرد تا واكنش واكنش هاي مختلف N-sulfonylimin مختلف را كه به طور سنتي در MCR ها استفاده مي شوند ، درك كنيم.” “ما معتقديم كه كار دستي با شيمي دانهاي آلي و محاسباتي راهي جديد براي حل مشكلات پيچيده واكنش شيميايي براي ساير واكنش ها در آينده خواهد داشت.”