پردازش تصوير

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.

آيا خريد سورس كد كار درستي است يا يك تصميم اشتباه است ؟ در علوم كامپيوتر، سورس كد ، مجموعه اي از كد ها است كه با يا بدون نظر است كه با استفاده از يك زبان برنامه نويسي قابل خواندن توسط انسان ، معمولاً به صورت متن ساده ، نوشته شده است. سورس كد يك برنامه به ويژه براي تسهيل كار برنامه نويسان رايانه طراحي شده است كه اكثر اقدامات را توسط رايانه با نوشتن سورس كد مشخص مي كنند. سورس كد غالباً توسط يك اسمبلر يا كامپايلر به كد ماشين باينري تبديل مي شود كه مي تواند توسط رايانه اجرا شود. كد ماشين ممكن است بعداً براي اجرا ذخيره شود. متناوباً ، سورس كد ممكن است تفسير شود و بنابراين بلافاصله اجرا شود.

آيا خريد سورس كد كار درستي است ؟

وقتي شما براي خريدن سورس كد اقدام مي كنيد و از كد هاي باز يا به اصطلاح Open Source Code استفاده نمي كنيد. به دنبال يك برنامه هستنيد كه به درستي كار كند اما به ياد داشته باشيد كه خريد آن به معني اين نيست كه شما ديگر نياز به بهينه سازي آن نداريد. در واقع شما عملكرد اصلي يك برنامه را در اختيار داريد اما براي اينكه بتوانيد به درستي از آن استفاده كنيد و برنامه مطابق خواسته هاي خودتان باشد بايد به برنامه نويسي مصلط باشيد. استفاده از سورس كد باعث مي شود كه شما در زمان صرفه جويي كنيد ولي از طرفي امكان دارد كه از نظر خاص بودن به پروژه شما لطمه وارد شود. اما به طور كلي بسياري از برنامه نويسان از اين راهكار استفاده مي كنند.

مزايا و معايب برنامه هاي اپن سورس

مزاياي اپن سورس يا منبع باز بسيار زياد است و در سالهاي اخير محبوبيت زيادي در زمينه IT كسب كرده است. اين عمدتا به اين دليل است كه يكي از بزرگترين مزاياي نرم افزار منبع باز استفاده رايگان از آن است.البته همانطور كه توسط يك جامعه غيرانتفاعي توسعه يافته است ، معايبي نيز دارد. نرم افزار منبع باز براي استفاده ، توزيع و اصلاح رايگان است. ايتفاده از اين كد ها هزينه كمتري دارد و در بيشتر موارد اين تنها كسري از هزينه هاي مشابه آنها است. نرم افزار منبع آزاد از امنيت بيشتري برخوردار است زيرا كد براي همه قابل دسترسي است. هر كسي مي تواند اشكالات را پيدا كند و كاربران لازم نيست منتظر نسخه بعدي باشند. اين واقعيت كه به طور مداوم توسط يك جامعه بزرگ مورد تجزيه و تحليل قرار مي گيرد ، كدي امن و پايدار توليد مي كند. اپن سورس كد ها وابسته به شركت يا نويسنده اي آن يست كه در ابتدا آن را ايجاد كرده است. حتي اگر اين شركت يا فرد دست از كار بكشد ، كد همچنان وجود دارد و توسط كاربران آن توسعه مي يابد. همچنين ، از استانداردهاي باز قابل دسترسي براي همه استفاده مي كند. بنابراين ، اين يك مشكل از قالب هاي ناسازگار است كه در نرم افزار اختصاصي وجود ندارد. عيب اصلي نرم افزار منبع باز ، پيچيدگي استفاده از آن است. سيستم عامل هاي منبع باز مانند لينوكس را نمي توان در يك روز آموخت. قبل از اينكه بتوانيد بر آنها مسلط شويد ، احتمالاً نياز به آموزش دارند. براي سهولت كار ممكن است لازم باشد فردي آموزش ديده استخدام كنيد ، اما اين كار هزينه هاي اضافي را متحمل مي شود.تصميم گيري در مورد پذيرش نرم افزار منبع باز نبايد فقط بر اساس هزينه پايين انجام شود. اين مستلزم تجزيه و تحليل و درك دقيق نيازها قبل از استفاده از كد هاي منبع باز براي استفاده كامل از مزاياي آن است.

هوش مصنوعي و يادگيري ماشين انقلابي در صنايع ، بازارها و خدمات مختلف ايجاد مي كند. با اين وجود صنايع خلاق و دنياي هنر هنوز نتوانسته اند از پتانسيل كامل اين فناوري استفاده كنند. با اين حال ، دو كارآفرين شيليايي بستري را ابداع كردند تا استفاده از هوش منصوعي  را در اين صنعت پيش مي برند. با استفاده از آخرين فن آوري ، آنها به سازندگان ، فيلمسازان آماتور ، هنرمندان تجسمي ، حتي صنعت فيلم و موسيقي اجازه مي دهند تا از الگوريتم هاي هوش مصنوعي در كارهاي خود استفاده كنند. نام اين نرم افزارRunway است ، بستري كه يادگيري ماشيني و هوش مصنوعي را با دنياي هنر و خلاقيت ادغام مي كند.

تلفيق هنر با هوش مصنوعي و يادگيري ماشين ايده چه كساني بود؟

Runway در پايان سال 2018 توسط كريستوبال والنزوئلا،  ، آلخاندرو ماتمالا و آنستاسيس گرمانيديس تاسيس شد ، آنها  اين پروژه را به عنوان تز در دانشگاه NYU جايي كه با هم آشنا شدند  ايجاد كردند.سازندگان اين پلتفرم را بخشي از نسل جديد ابزارهاي خلاقانه تعريف مي كنند. اگر چند دهه پيش فتوشاپ و اّدوب انقلابي در بازار هنر و خلاقيت ايجاد كردند ، Runway براي سالهاي آينده به دنبال ايجاد اينچنين تحولي در كار هاي هنري و خلاقانه است. در اين حالت ، ادعا اين استارت آپ اين است كه آنها با نرم افزار خود در فضاي ابري مي توانند “محتواي مصنوعي” را توسعه دهند ، يعني به طور خودكار محتواي سمعي و بصري را با الگوريتم هاي هوش مصنوعي توليد ، اصلاح و ويرايش كنند. والنزوئلا  گفت: “ما به توليد محتواي سمعي و بصري به همان روشي كه دهه ها انجام داده ايم ادامه مي دهيم و اين روند را بي مورد كند ، گران و دشوار مي كند. با الگوريتم هاي هوش مصنوعي هركسي مي تواند در عرض چند ثانيه انيميشن هاي بسيار واقعي ايجاد كند و آنها را به طور خودكار ويرايش كند. چيزي كه فقط هاليوود يا شركتهاي بزرگ توليدي و جلوه هاي ويژه تاكنون توانسته اند اين كار را انجام دهند “. در همان زمان ، Runway امكان كوتاه كردن زمان توسعه ، علاوه بر دموكراتيك سازي دسترسي به اين فناوري را براي بيشترين سازندگان فراهم مي كند. كريستوبال توضيح مي دهد: “اين فناوري ها به طور بنيادي نحوه توليد محتوا را تغيير مي دهند زيرا الگوريتم ها از قبل قادر به توليد تصاوير ، متن ، فيلم و صدا به روشي فوق واقع گرايانه هستند”. كه آلخاندرو اضافه مي كند “اگر اين ابزارها را در دست افرادي قرار دهيم كه قبلاً به آنها دسترسي نداشته اند ، آنها به فكر روشهاي جديدي براي توليد هنر ، توليد محتوا و داستان گويي خواهند بود”.

توجه صنعت و سرمايه گذاران به اين فناوري

تأثير اين سيستم عامل از زماني آغاز شد كه آنها توئيتي را منتشر كردند و در آن پرسيدند كه چه تعداد از مردم از ابزاري مانند آنچه كه اين تيم در ذهن داشتند استفاده مي كنند. در كمتر از 48 ساعت ، آنها از طرف مهندسان فيس بوك ، گوگل ، دانشگاه ها و حتي رسانه ها پاسخ دريافت كردند، كه نشان مي دارد همه مخاطبان امكان استفاده از يك ابزار خلاقانه براي اشغال الگوريتم هاي هوش مصنوعي را بسيار جالب مي دانند. بلافاصله پس از اين ، آنها اين شركت را ايجاد كردند و تا كنون رو به جلو حركت كردند. مسيري كه آنها طي كرده اند بسيار سريع بوده است. در نتيجه كارشان ، آنها توانستند از صندوق هاي مختلف سرمايه گذاري، سرمايه كسب كنند. در همان سالي كه آنها Runway را ايجاد كردند ، آنها يك دور سرمايه گذاري 2 ميليون دلاري را با سرمايه هاي ايالات متحده متخصص در زمينه راه اندازي تحقيقات فناوري به پايان رساندند:. همچنين در سطح عملي ، آنها پروژه هاي مهمي مانند همكاري با New Balance براي طراحي كفش را انجام داده اند. همچنين نرم افزاري توليد كردند كه گروه راك YACHT با آن بخشي از محتواي سمعي و بصري آخرين آلبوم خود را ايجاد كرده است و  نامزد دريافت جايزه گرمي شدند. آنها در ايجاد فيلم هاي كوتاه توليد شده توسط IA كار كردند و حتي در حال حاضر با هنرمندان تجسمي و هنر هفتم همكاري مي كنند. همراه با اين ، پاسخ نرمافزار ابري نيز از سوي دنياي آكادميك آمده است ، كه باعث شده آنها با دانشگاه هاي مختلف ايالات متحده مانند NYU ، MIT و UCLA همكاري كنند. در حالي كه در شيلي از اين نرم افزار در دانشگاه آدولفو ايبانس ، دانشگاه د لاس آمريكاس ، و دانشگاه كتاب مقدس Pontificia استفاده شده است.

پيش از اين ، هر آژانس مسافرتي مي توانست كاملاً آفلاين كار كند. در حال حاضر ، با پيشرفت روندهاي پيشرفته فناوري ، هيچ آژانس مسافرتي بدون حضور آنلاين نمي تواند يك موفقيت كسب كند. احتمالاً اين دليل پر شدن اينترنت از وب سايت هاي مسافرتي است. با اين حال ، همه آنها خدمات مفيد و قابل اعتمادي ارائه نمي دهند. آيا مي دانيد بهترين وب سايت هاي گردشگري به بازديدكنندگان سايت چه قابليت هايي را ارائه مي دهند. ما در مورد ويژگي هاي بهترين وب سايت هاي مسافرتي بحث خواهيم كرد و اهميت آنها را در رشد تجارت گردشگري را خواهيم گفت.

داشتن سايت آژانس مسافرتي چه ويژگي هايي را به كار شما مي دهد ؟

اعتبار

اولين ويژگي كه يك وبسايت به كار شما مي دهد اعتبار است. امروزه مردم از تحقيق خسته شده اند. اگر كسي به هر محصول يا خدمتي نياز داشته باشد، به راحتي در اينترنت جستجو مي كند. با پيدا كردن وبسايت شركت مورد نظر شروع به تحليل خدمات و محصولات آن شركت مي كنند. در غير اين صورت ، آنها فكر مي كنند ، “اين شركت حتي يك وب سايت ندارد. پس چرا بايد به آنها اعتماد كنم؟ ” وب سايت شما چهره تجارت شما در دنياي ديجيتال است. به بازديد و كنندگان شما كمك مي كند تا در وقت و انرژي خود صرفه جويي كنند. در نتيجه ، آنها به شما اعتماد مي كنند.

شخصي سازي برند

يك وب سايت به شما فرصتي مي دهد تا برند خود را شخصي سازي كرده و خود را به روشي كه ترجيح مي دهيد به مخاطب معرفي كنيد. در اين محيط شما خدمات خود و هر اطلاعاتي كه مسافران مي خواهند در سيستم عامل هاي مختلف يا رسانه هاي اجتماعي بدست آورند را به اشتراك نمي گذاريد. در واقع شما يك پورتال كامل داريد كه همه چيز در مورد مارك و خدمات شما است را ارائه مي دهيد و همه ماجرا اين نيست: بازديد كنندگان وب سايت شما مشتريان بالقوه شما هستند و شما با شخصي سازي نام تجاري خود مشتريان جديدي را درگير مي كنيد.

به اشتراك گذاري دانش

بهترين سايت هاي سفر شامل يك بخش وبلاگ هستند كه در آن اطلاعات مورد نياز مسافران را ارائه مي دهند. اين محتوا ممكن است به اطلاعات مربوط به مكانهاي ديدني ، آثار تاريخي و فرهنگي ، جاذبه هاي گردشگري اشاره داشته باشد و يا ممكن است در مورد مكان هاي تفريحي ، سنت ها ، غذاهاي ملي و بسياري از نكاتي كه مسافر دوست دارد در نظر بگيريد صحبت كند. همچنين ممكن است برخي از مقالات وبلاگ در مورد نكات و راخكار هايي باشد كه سفر مسافران را راحت تر كند.

تاثير بصري

محتواي بصري مانند عكس ها و فيلم ها بيشتر از متن ها جلب توجه مي كنند و معاني را انتقال مي دهند. تصاويري كه در وب سايت تعاملي خود معرفي مي كنيد ، علاقه كاربران شما را برمي انگيزد. آنها مي بينند كه شما چقدر مكان هاي جذابي را ارائه مي دهيد و تمايل به بازديد از آنها را در مخاطب خود شكل مي دهيد. با اين حال ، محتواي بصري تأثير مثبتي بر كيفيت و ظاهر وب سايت شما دارد.

نظرات مشتري

يكي ديگر از مزاياي بهترين سايت هاي مسافرتي ، بخش بررسي مشتري است. افراد بيش از خود شركت، به ديگر مشتريان كه تجربه كار با يك شركت را دارند اعتماد مي كنند. اين افراد كه قبلاً از خدمات شما استفاده كرده اند ، نظرات خود را به اشتراك مي گذارند و ديگران را نيز مطلع مي كنند. اين نظرات به متقاعد كردن مردم و بدست آوردن مشتريان وفادارتر كمك مي كند.

موتور رزرو آنلاين

مهم نيست آژانس هاي كوچك يا بزرگ ، مديريت تورم دردناك است. با اين حال ، به دليل سيستم مديريت رزرو ما ، شما اين فرصت را داريد كه رزروهاي خود را كنترل كنيد. قسمت رزرو آنلاين به كاربران شما امكان رزرو آنلاين از قبل را مي دهد. نيازي نيست كه با سيستم عامل هاي ديگر رزرو كنيد اما يك موتور رزرو را در نرم افزار خود قرار دهيد كه ارائه مي دهد:

جستجوي تعاملي
فيلتر كردن
ويرايش آسان
. تقويم رزرواسيون

شبكه همسفر

به قوا معروف يك دست صدا ندارد ! يك تجارت مسافرتي با همكاري با ساير شركت ها و خدمات از طريق بستر وب سايت ، سطح موفقيت خود را افزايش مي دهد. اگر قصد همكاري با آژانس هاي مسافرتي خارجي را داريد ، شبكه همسفر بسيار ضروري است. تصور كنيد كه مشتريان آژانس مسافرتي خارج از كشور به يكي از تورهاي شما علاقه مند هستند. بنابراين ، شبكه شما به يك پل همكاري تبديل مي شود. شركت همسفر شما ، با در نظر گرفتن تقويم در دسترس بودن و اطلاعات بيشتر ، به شبكه و تورهاي مسافرتي، مشتريان خود را تامين مي كند و دسترسي مطمئنيتري نيز خواهد داشت.

دسترسي

وب سايت هاي مسافرتي برتر ممكن است به عنوان بسترهاي بازاريابي آژانس هاي مسافرتي در نظر گرفته شوند. اين مكاني است كه شما خدمات خود را ارائه مي دهيد و از طريق محتواي هيجان انگيز بازديدكنندگان خود را جذب مي كنيد. طراحي وب سايت مسافرتي شما بايد پاسخگو ، كاربر پسند و استفاده از آن بسيار آسان باشد. خدمات پشتيباني به كاربران امكان مي دهد صفحات خود را به روز كنند ، نسبت به فن آوري هاي جديد واكنش نشان دهند و بدون هيچ زمينه فناوري اطلاعات ، تغييرات عملي ايجاد كنند.

ارتقا فروش

وب سايت هاي آژانس مسافرتي منبع خوبي براي اطلاعات مسافران است. محتواي قابل اعتماد شما ممكن است نكته مهمي براي بازديد كنندگان وب سايت آژانس مسافرتي شما باشد. مهمترين مزيت يك وب سايت مسافرتي اين است كه به شما فرصتي مي دهد تا بسته هاي تور را ارائه دهيد و آنها را از سيستم عامل خود بفروشيد.

تمامي اين موارد باعث مي شود كه شما مخاطب و در نتسجه مشتريان وفادار زيادي داشته باشيد و هر روز نيز به تعدارد آنها اضافه خواهد شد . در نتيجه كسب و كار شما رونق روز افزوني را خواهد داشت

با ويرا سگال كارو همراه باشيد

 به لطف پيشرفت هاي انجام شده در قدرت محاسباتي و برنامه هاي يادگيري ماشين ، انسانها واقعاً در يك انقلاب جهاني فناوري زندگي مي كنند. دو دهه اول قرن 21 شاهد پيشرفتهاي چشمگيري در تحقيقات هوش مصنوعي (AI) بوده ايم. ثابت شده است كه يادگيري ماشيني يكي از موفق ترين و گسترده ترين كاربردهاي فناوري است كه دامنه وسيعي از صنايع را تحت تأثير قرار داده و ميلياردها كاربر را هر روز تحت تأثير قرار مي دهد. يادگيري ماشين زيرمجموعه اي از هوش مصنوعي است كه شامل مطالعه و استفاده از الگوريتم ها و مدل هاي آماري براي سيستم هاي رايانه اي براي انجام كارهاي خاص بدون تعامل انسان است. استفاده از يادگيري ماشيني دريچه اي را براي فناوري هاي آينده گرايانه باز مي كند كه مردم در زندگي روزمره خود از آن استفاده مي كنند.

مواردي كه در زندگي روزمره از يادگيري ماشين استفاده مي كنيم

دستيار صوتي

دستيارهاي صوتي در حال حاضر در همه جا حضور دارند. دستيارهاي صوتي مشهوري مانند Apple’s Siri ، Google Assistant ، Amazon’s Alexa و … راه را براي بخشي از مكالمه عمومي افراد هموار مي كنند. الگوريتم يادگيري ماشين در پشت همه اين دستيارهاي صوتي كار مي كند تا گفتار را با استفاده از پردازش زبان طبيعي (NLP) تشخيص دهد. سپس ، گفتار را با استفاده از يادگيري ماشين به اعداد تبديل كرده و بر اين اساس پاسخي را تنظيم مي كند. همچنين از NLP براي ترجمه اطلاعات غير قانوني لغات در قراردادها به زبان ساده براي تهيه اطلاعات استفاده مي شود. محققان انتظار دارند با پيشرفت تكنيك هاي يادگيري ماشين ، اين فناوري در آينده هوشمندانه تر شود.

بازاريابي شخصي سازي شده

فناوري در سيستم بازاريابي در حال بدست آوردن جايگاه خود است. با استفاده از ويژگي هاي يادگيري ماشيني ، صنعت بازاريابي مشتريان را بر اساس داده هاي رفتاري و مشخص تقسيم مي كند. سيستم عامل هاي تبليغات ديجيتال به بازاريابان اجازه مي دهد تا بر روي مجموعه مخاطبان با تأثير محصول مرتبط تمركز كنند. آنها نيازهاي مشتري را درك مي كنند و بر اين اساس با تبليغات بهتر اقدام به فروش كالا و خدمت مي كنند.

تشخيص كلاهبرداري

شركت هاي بزرگي كه درگير تعاملات مالي و بانكي هستند از يادگيري ماشيني براي كشف تقلب و كلاهبرداري استفاده مي كنند. اين امر به شركت ها كمك مي كند تا مصرف كنندگان را در امان نگه دارند. يادگيري ماشيني همچنين مي تواند براي شركتهايي كه معاملات كارت اعتباري را انجام مي دهند ارزشمند باشد. اين فناوري براي پرچم گذاري معاملات كه براساس قوانين خاص  و بر طبق قوانين شركت جعلي است ، آموزش ديده است. با شناسايي چنين امور بعد مي توان جلوي گرفتار شدن شركت ها در برابر ضرر بزرگ را گرفت. علاوه بر اين ، يك شركت همچنين مي تواند با چشم انداز رقابتي و وفاداري مصرف كننده خود ، اطلاعات كسب كند و فروش يا تقاضا را در زمان واقعي با يادگيري ماشين پيش بيني كند.

اتومبيل هاي خودران

اتومبيل هاي خودران يكي از فن آوري هاي جذاب در زندگي روزمره امروزه است كه در آن يادگيري ماشين در سطح بالايي استفاده مي شود. زيبايي اتومبيل هاي خودران اين است كه از هر سه جنبه اصلي يادگيري ماشين يعني يادگيري نظارت شده ، بدون نظارت و تقويتي در كل طراحي ماشين استفاده مي شود. اتومبيل هاي هوشمند از ويژگي هاي يادگيري ماشين مانند تشخيص اشيا اطراف ماشين ، يافتن فاصله با ماشين جلويي ، محل روسازي و سيگنال ترافيك ، ارزيابي وضعيت راننده و طبقه بندي صحنه استفاده مي كنند. يادگيري ماشيني همچنين مي تواند در مورد شرايط جاده و ترافيك در زمان واقعي به راننده مشاوره دهد.

بهينه سازي حمل و نقل

شركت هايي كه براي ايجاد اعتماد بيشتر به صنعت حمل و نقل كار مي كنند يادگيري ماشيني را به عنوان منبع اصلي براي كار خود انتخاب مي كنند. برنامه هاي پر مصرفي مانند Uber ، Lyft ، Ola و غيره در بسياري از محصولات خود از برنامه ريزي مسيرهاي بهينه تا تعيين قيمت ها از يادگيري ماشين استفاده مي كنند. قيمت پويا در سفر ، هزينه مسافر را با تغيير شرايط بازار تنظيم مي كند. قيمت ها بسته به عواملي مانند زمان ، مكان ، آب و هوا ، تقاضاي مشتري و غيره متفاوت است. يادگيري ماشين همچنين به رانندگان كمك مي كند تا بهترين مسير را براي رسيدن مسافران از نقطه A به B پيدا كنند.

پيش بيني رفتار

سازمان ها مي توانند از مدل هاي يادگيري ماشيني براي پيش بيني رفتار مشتري بر اساس داده هاي گذشته وي استفاده كنند. شركت ها به دنبال صحبت با مردم در شبكه هاي اجتماعي مي باشند  و سپس افرادي را كه در جستجوي محصول يا خدمات داده شده هستند ، شناسايي مي كنند. به عنوان مثال ، Zappos از تجزيه و تحليل و يادگيري ماشين براي كمك به ارائه اندازه گيري شخصي و نتيجه جستجو براي مشتريان و همچنين مدل هاي رفتار پيش بيني كننده استفاده مي كند.

مراقبت هاي بهداشتي

ارزش يادگيري ماشيني در مراقبت هاي بهداشتي در توانايي آن در پردازش مجموعه داده هاي عظيم فراتر از توانمندي انسان است و همچنين  تجزيه و تحليل اين داده ها را به بينش باليني قابل اعتماد تبديل مي كند كه به پزشكان در درمان كمك مي كند. يادگيري ماشيني در برنامه ريزي و ارائه مراقبت كمك مي كند ، در نهايت منجر به نتايج بهتر ، هزينه هاي كمتر مراقبت و افزايش رضايت بيمار مي شود. با كمك رايانه (CAD) ، يك برنامه يادگيري ماشيني نيز مي تواند براي بررسي اسكن ماموگرافي زنان در پيش بيني سرطان مورد استفاده قرار بگيرد.

خودكارسازي فرايندها

اتوماسيون فرآيند هوشمند (IPA) محصول همگرايي هوش مصنوعي و فناوري هاي مرتبط از جمله ديد رايانه ، اتوماسيون شناختي و يادگيري ماشيني است. با گردآوري اين فناوري ها در يك فرآيند واحد ، شركت ها امكان اتوماسيون غني تري را پيدا مي كنند و قفل هر ارزش تجاري را براي شركت باز مي كنند. از الگوريتم يادگيري ماشين مي توان در اتوماسيون ارزيابي ريسك بيمه بدون خطا از كار دستي ورود اطلاعات استفاده كرد.

چت بات ها

يادگيري ماشيني با استفاده از چت بات هاي گفتگويي كه به درخواست هاي مشتري پاسخ مربوطه را مي دهند ، به پشتيباني مشتري كمك مي كند. با استفاده از مفاهيم پردازش زبان طبيعي (NLP) و تجزيه و تحليل احساسات ، الگوريتم هاي يادگيري ماشين قادر به درك نياز مشتري و لحن گفتن آنها هستند. سپس سيستم درخواست را به شخص پشتيباني كننده مناسب مشتري هدايت مي كند.

حفاظت فيزيكي

يادگيري ماشيني نقشي محوري در تأمين امنيت در اجتماعات بزرگ دارد. اين فناوري يك دارايي براي كمك به جلوگيري از هشدارهاي جعلي و مشكل هايي را فراهم مي كند كه ممكن است در محافل انساني در رويدادهاي بزرگ عمومي از امنيت بي بهره باشند. به عنوان مثال ، Evolv Technology ادعا مي كند كه يك سيستم امنيتي فيزيكي ارائه مي دهد كه 600 تا 900 نفر را در هر ساعت براي راهپيمايي ها  نمايش مي دهد.

در بسياري از مقالات در مورد بهينه سازي موتور جستجو (SEO) طوري صحبت مي شود كه انگار يك موضوع ساده است. در حقيقت ، كد گذاري براي سئو بسيار حياتي است ، اما به زمان و مهارت نياز دارد. با اين حال ، ما عمداً از كلمه “مهارت” براي توصيف اين فرآيند استفاده مي كنيم ، زيرا كاملاً قابل آموزش است و اجراي آن كار خارق العاده اي نيست. بيشتر مطالبي كه با موضوع سئو مطالعه مي كنيد مربوط به تكنيك هاي داخل صفحه است. اين شامل تغيير گزينه هاي وب سايت با استفاده از يك افزونه backend مانند Yoast SEO يا The SEO Framework است. به اين ترتيب ، شما اغلب توصيه هايي مانند اين را در اينترنت مي بينيد كه براي تصاوير خود از “متن alt” مناسب استفاده كنيد. پست هاي خود را حول يك كلمه كليدي با تمركز قوي بسازيد و پاراگراف هاي خود را به صورت انبوه ننويسيد و از عناوين زيادي استفاده كنيد.

بهينه سازي كد چه تاثيري بر روي سئو دارد ؟

تمامي اين دستور العمل ها بسيار كاربردي هستند اما فقط هنگامي قابل استفاده هستند كه بتوانيد كد نويسي سايت را به درستي انجام دهيد در واقع اولين كاري كه براي سئو كردن انجام مي دهيد كد نويسي متناسب است. اگر همه كارهايي كه هنگام توليد محتوا انجام مي دهيد درست باشد اما سايت از نظر كد نويسي ضعيف باشد، در واقع هيچ پيشرفتي در سايت شما حاصل نمي شود و توليد محتواي خوب شما بيهوده بوده است. رايانه ها براي تجزيه كد شما به فضاي سفيد نياز ندارند اما بايد بتوانند منطق شما را دنبال كنند. همانطور كه كوچك سازي يك راه عالي براي بهبود SEO بدون تأثير بر خوانايي كامپيوتر است ، نوشتن كدهاي قابل فهم و قابل خواندن توسط انسان نيز اين خاصيت را دارد.

كدام سايت ها براي ربات هاي متور جستجو مناسب است ؟

قبل از اينكه از كد بهينه استفاده كنيد بايد بدانيد كه اين دسته از كد ها چگونه هستند ؟ براي اينكه يك نمونه خوب ببينيد مي توانيد در صفحه سرچ گوگل بر روي فلش كنار URL كليك كنيد و از گزينه cached استفاده كنيد تا ببينيد اين گونه كد ها چگونه هستند. در اين گزينه دو حالت سايت را به شما نسان مي دهد يا به صورت متني و يا به صورت سورس كد.

اگر به سورس كد در هر صفحه وب نگاه كنيد ، چيزي شبيه به عكس زير را خواهيد ديد.سورس كد ترسناك نيست. اين فقط كدي است كه مرورگرهاي وب “مي خوانند” تا بدانند چگونه محتواي يك صفحه وب را نشان مي دهند. گوگل و ساير موتورهاي جستجو كد منبع شما را مي خوانند تا بفهمند سايت شما چيست.

مورد بعدي برچسب عنوان يا Title Tag مي باشد در سورس كد اين قسمت را با titlr نشان مي دهد. به ياد داشته باشيد كه براي هر صفحع بايد يم برچسب عنوان داشته باشيد تا گوگل متوجه شود كه اين مطلب در مورد چه چيزي است. گوگل كمي تغيير را در اين مورد آزمايش كرده است ، اما بيشتر اوقات آنها دقيقاً آنچه را كه در برچسب عنوان شما است ، در صفحه موتور جستجو، جستجو مي كنند ، ينا بر اين اين بخش بسيار مهم است شما همچنين بايد كلمه كليدي خود را در آن بگنجانيد تا افرادي كه آن كلمه را جستجو مي كنند بر روي آن كليك كنند. اما در اين مورد مراقب باشيد. نبايد بر روي كلمات كليدي وسواس داشته باشيد. هر چه اين كلمات طبيعي تر باشند باز خورد بهتري بر روي سايت شما ايجاد خواهند كرد. سعي كنيد به صورت بسيار مختصر تماميت مطلب موجود را بيان كنيد. هرچه اين مطالب به طور طبيعي تر نوشته شده باشد ، احتمال بيشتري وجود دارد كه مردم روي آن كليك كنند.

كد بهينه سازي شده چه تاثيري بر روي سئو دارد ؟

هر چه كدي كه مي نويسيد سبك تر باشد و صفحه وب شما را راحت تر نمايش دهد براي شما بهتر است. وقتي از ديد يك كاربر به يك وبسايت نگاه مي كنيد انتظار داريد كه كمترين زمان را براي نمايش صرف كنيد. از عكس هايي كه حجم بالا دارند استفاده نكنيد و در حد امكان از ويژگي هايي استفاده نكنيد كه كد نويسي شما را سنگين كند. تمامي اين اقدامات در مرحله اول قرار دارد سپس بايد از تكنيك هاي توليد محتوا استفاده كنيد تا بتوانيد در رنك هاي بالاي موتور جستوجو مانند گوگل قرار بگيريد.

با ويرا سگال كارو همراه باشيد

پردازش و يادگيري زبان طبيعي (NLP) زمينه مطالعه اي است كه از سه رشته علوم كامپيوتر ، هوش مصنوعي و زبان شناسي محاسباتي تشكيل شده است. اين رايانه را قادر مي سازد تا به روشي هوشمندانه و مفيد ، معيار را از زبان انسان ارزيابي ، درك و استخراج كند. با استفاده از NLP ، برنامه نويسان راه را براي سازماندهي و انجام وظايفي مانند خلاصه سازي خودكار،  ترجمه ، شناسايي شخص ، تجزيه و تحليل احساسات ، تشخيص گفتار و تقسيم بندي موضوع ،هموار كرده اند. با استفادهاز پيشرفت هاي اخير در دسترسي به داده ها و قدرت محاسباتي ، NLP بسيار بيشتر پيشرفت كرده است و به متخصصين امكان مي دهد نتايج قابل توجهي در زمينه هايي مانند مراقبت هاي بهداشتي ، مالي ، منابع انساني و ساير موارد بدست آورند.

پردازش زبان و يادگيري طبيعي براي چه چيز هايي استفاده مي شود؟

NLP تقريباً در هر صنعت كاربردهاي متنوعي دارد. اين فناوري توانايي مديريت خودكار زبانهاي طبيعي انسان مانند گفتار يا متن را دارد. همچنين مي تواند به يك كارمند ادارات يا شركت ها در انجام كارهاي متعدد كمك كند و در نهايت باعث تقويت عملكرد كار مي شود. بسياري از توسعه دهندگان معمولاً از الگوريتم هاي NLP براي جمع آوري بلوك هاي متن براي برداشتن ايده هاي    ضروري و اصلي استفاده مي كنند. ايجاد ربات هاي چت براي پرس و جو و پاسخ مناسب. تجزيه و تحليل احساسات و كمك شناختي و موارد ديگر صورت مي پذيرد. به عنوان مثال ، شركت هايي مانند ياهو و گوگل از پردازش زبان طبيعي براي فيلتر كردن و طبقه بندي ايميل ها و ارزيابي متن ايميل هايي كه از طريق سرورهاي كاربران عبور مي كند استفاده مي كند و از ارسال هرزنامه ، حتي قبل از ورود به صندوق ورودي ايميل جلوگيري مي كند. اكثر اطلاعاتي كه سازمان هاي اطلاعاتي اعم از خصوصي يا عمومي جمع آوري مي كنند، متني بدون ساختار ، از جمله مكالمات شبكه هاي اجتماعي ، نظرات در وب سايت ها ، گزارش هاي داستاني و ساير موارد است. دريافت بينش عملي از اين داده ها مي تواند چالش برانگيز باشد. 

آژانس پروژه هاي تحقيقاتي پيشرفته دفاعي (DARPA) در تلاش براي كاهش اين نوع چالش ها ، برنامه كاوش و فيلتراسيون متن (DEFT) عميق را ساخت. اين برنامه با استفاده از NLP به طور خودكار اطلاعات مربوط به وابسطه را استخراج مي كند و به تحليلگران كمك مي كند تا بينش هاي عملي را از آنها بدست آورند. هدف DEFT پرداختن به شكاف هاي باقي مانده توانايي مربوط به استنباط ، روابط علي و تشخيص ناهنجاري است.

پيشرفت ها در NPL

NPL توانايي ماشين ها را در تفسير موثر متن ، گفتار و كلمات تقويت مي كند. اين امر باعث پيشرفت تجزيه و تحليل داده ها ، كشف بدافزار و جلوگيري از انتشار اخبار جعلي مي شود. با تكامل چت بات هاي مجهز به هوش مصنوعي مانند الكسا ، سيري ، كورتانا و دستيار Google و غيره ، استفاده از پردازش زبان طبيعي بسيار زياد شده است. پيشرفت هاي اخير در كاربردهاي اين فناوري به طور قابل توجهي نحوه درك و يادگيري هوش مصنوعي از چيزهاي پيرامون آن را تغيير داده است. يكي از مهمترين پيشرفتها در زمينه NLP استفاده از يادگيري انتقالي بود. Fast.ai’s ULMFiT Universal Language Model Fine Tuning مفهوم يادگيري انتقالي را به جامعه NLP معرفي كرد. طبق گفته اين شركت ، ULMFiT يك روش يادگيري انتقالي موثر است كه مي تواند براي هر كاري در NLP اعمال شود. در سال 2018 ، Google AI مدل جديدي را براي NLP به نام BERT (نمايندگي هاي رمزگذار دو طرفه از ترانسفورماتورها) معرفي كرد. اين مدل از مفهوم ترانسفورماتور و يادگيري انتقالي استفاده مي كند و آموزش كامل دو طرفه ترانسفورماتور را انجام مي دهد. 

بعلاوه ، در سال 2018 ، محققان دانشگاه كالج اطلاعات و علوم رايانه اي دانشگاه ماساچوست و Google AI Language ، (LISA) ، يك مدل شبكه عصبي خود-توجه به زبانشناسي را معرفي كردند. اين امر يادگيري عميق و فرم گرايي زباني را با هم ادغام مي كند ، بنابراين از تجزيه نحوي براي دستيابي به معناي دقيق ، به طور موثرتري استفاده مي كند.به طور گسترده تر ، قدرت NLP در سال هاي آينده به تكامل ، درك و زمينه سازي داده هايي ادامه خواهد داد كه مي تواند منجر به سود بهتر يك تجارت شود.

پردازش و يادگيري زبان طبيعي (NLP) زمينه مطالعه اي است كه از سه رشته علوم كامپيوتر ، هوش مصنوعي و زبان شناسي محاسباتي تشكيل شده است. اين رايانه را قادر مي سازد تا به روشي هوشمندانه و مفيد ، معيار را از زبان انسان ارزيابي ، درك و استخراج كند. با استفاده از NLP ، برنامه نويسان راه را براي سازماندهي و انجام وظايفي مانند خلاصه سازي خودكار،  ترجمه ، شناسايي شخص ، تجزيه و تحليل احساسات ، تشخيص گفتار و تقسيم بندي موضوع ،هموار كرده اند. با استفادهاز پيشرفت هاي اخير در دسترسي به داده ها و قدرت محاسباتي ، NLP بسيار بيشتر پيشرفت كرده است و به متخصصين امكان مي دهد نتايج قابل توجهي در زمينه هايي مانند مراقبت هاي بهداشتي ، مالي ، منابع انساني و ساير موارد بدست آورند.

پردازش زبان و يادگيري طبيعي براي چه چيز هايي استفاده مي شود؟

NLP تقريباً در هر صنعت كاربردهاي متنوعي دارد. اين فناوري توانايي مديريت خودكار زبانهاي طبيعي انسان مانند گفتار يا متن را دارد. همچنين مي تواند به يك كارمند ادارات يا شركت ها در انجام كارهاي متعدد كمك كند و در نهايت باعث تقويت عملكرد كار مي شود. بسياري از توسعه دهندگان معمولاً از الگوريتم هاي NLP براي جمع آوري بلوك هاي متن براي برداشتن ايده هاي    ضروري و اصلي استفاده مي كنند. ايجاد ربات هاي چت براي پرس و جو و پاسخ مناسب. تجزيه و تحليل احساسات و كمك شناختي و موارد ديگر صورت مي پذيرد. به عنوان مثال ، شركت هايي مانند ياهو و گوگل از پردازش زبان طبيعي براي فيلتر كردن و طبقه بندي ايميل ها و ارزيابي متن ايميل هايي كه از طريق سرورهاي كاربران عبور مي كند استفاده مي كند و از ارسال هرزنامه ، حتي قبل از ورود به صندوق ورودي ايميل جلوگيري مي كند. اكثر اطلاعاتي كه سازمان هاي اطلاعاتي اعم از خصوصي يا عمومي جمع آوري مي كنند، متني بدون ساختار ، از جمله مكالمات شبكه هاي اجتماعي ، نظرات در وب سايت ها ، گزارش هاي داستاني و ساير موارد است. دريافت بينش عملي از اين داده ها مي تواند چالش برانگيز باشد. 

آژانس پروژه هاي تحقيقاتي پيشرفته دفاعي (DARPA) در تلاش براي كاهش اين نوع چالش ها ، برنامه كاوش و فيلتراسيون متن (DEFT) عميق را ساخت. اين برنامه با استفاده از NLP به طور خودكار اطلاعات مربوط به وابسطه را استخراج مي كند و به تحليلگران كمك مي كند تا بينش هاي عملي را از آنها بدست آورند. هدف DEFT پرداختن به شكاف هاي باقي مانده توانايي مربوط به استنباط ، روابط علي و تشخيص ناهنجاري است.

پيشرفت ها در NPL

NPL توانايي ماشين ها را در تفسير موثر متن ، گفتار و كلمات تقويت مي كند. اين امر باعث پيشرفت تجزيه و تحليل داده ها ، كشف بدافزار و جلوگيري از انتشار اخبار جعلي مي شود. با تكامل چت بات هاي مجهز به هوش مصنوعي مانند الكسا ، سيري ، كورتانا و دستيار Google و غيره ، استفاده از پردازش زبان طبيعي بسيار زياد شده است. پيشرفت هاي اخير در كاربردهاي اين فناوري به طور قابل توجهي نحوه درك و يادگيري هوش مصنوعي از چيزهاي پيرامون آن را تغيير داده است. يكي از مهمترين پيشرفتها در زمينه NLP استفاده از يادگيري انتقالي بود. Fast.ai’s ULMFiT Universal Language Model Fine Tuning مفهوم يادگيري انتقالي را به جامعه NLP معرفي كرد. طبق گفته اين شركت ، ULMFiT يك روش يادگيري انتقالي موثر است كه مي تواند براي هر كاري در NLP اعمال شود. در سال 2018 ، Google AI مدل جديدي را براي NLP به نام BERT (نمايندگي هاي رمزگذار دو طرفه از ترانسفورماتورها) معرفي كرد. اين مدل از مفهوم ترانسفورماتور و يادگيري انتقالي استفاده مي كند و آموزش كامل دو طرفه ترانسفورماتور را انجام مي دهد. 

بعلاوه ، در سال 2018 ، محققان دانشگاه كالج اطلاعات و علوم رايانه اي دانشگاه ماساچوست و Google AI Language ، (LISA) ، يك مدل شبكه عصبي خود-توجه به زبانشناسي را معرفي كردند. اين امر يادگيري عميق و فرم گرايي زباني را با هم ادغام مي كند ، بنابراين از تجزيه نحوي براي دستيابي به معناي دقيق ، به طور موثرتري استفاده مي كند.به طور گسترده تر ، قدرت NLP در سال هاي آينده به تكامل ، درك و زمينه سازي داده هايي ادامه خواهد داد كه مي تواند منجر به سود بهتر يك تجارت شود.

سامسونگ ويژگي ردياب مكان را براي رقيب يافتن مزاياي Find My iPhone در اپل راه اندازي مي كند. سامسونگ الكترونيك، نسخه مخصوص خود از ويژگي Find My Apple را براي يافتن دستگاه ها معرفي كرده است – اگرچه طبيعتاً اين ويژگي فقط با دستگاه هاي Galaxy كار خواهد كرد ، از تلفن هاي هوشمند گرفته تا تبلت ها، ساعت هاي هوشمند و هدفون هاي مختلف گوش. اين ويژگي كه SmartThings Find نام دارد ، مكان دستگاه ها را با استفاده از بلوتوث كم انرژي (BLE) و Ultra Wideband (UWB) پيدا ميكند – يك روش رديابي بدون WiFi ، مشابه آنچه اپل در حال توسعه دارد. اين شركت در بيانيه مطبوعاتي اعلام كرد SmartThings Find اكنون پس از آزمايش اين سرويس توسط 6 ميليون كاربر در كره جنوبي ، ايالات متحده و انگليس ، در حال حاضر در دستگاه هاي Galaxy سامسونگ در دسترس است.

فناوري پشت ردياب مكان سامسونگ

پس از انجام مراحل ثبت نام سريع ، كاربران SmartThings به راحتي مي توانند دستگاه هاي Galaxy خود را از طريق تلفن هاي هوشمند ، تبلت ها و ساعت هاي هوشمند ، تا هر گوشي هدفون را جداگانه پيدا كنند. در حالي كه اين برنامه از فناوري BLE و UWB براي رديابي دستگاه ها استفاده مي كند ، اما مكان آنها را در يك رابط AR نشان مي دهد تا به كاربران كمك كند ببينند محصولات گلكسي آنها واقعاً كجاست.جائئئون يونگ ، معاون رئيس جمهور و رئيس تيم SmartThings ، تجارت ارتباطات سيار در سامسونگ الكترونيك. گفت: “SmartThings Find با استفاده از مزيت اضافي استفاده از AR6 همراه با نقشه ها و اصوات براي هدايت شما به دستگاه هايتان ، يك راه حل ساده و بصري است كه به شما كمك مي كند تا دستگاه هاي مورد علاقه خود را به راحتي پيدا كنيد. اين فقط يك نمونه تجاربي است كه در تلفن همراه خود داريد كه فناوري UWB براي مردم سراسر جهان به ارمغان مي آورد” به گفته سامسونگ: هرگاه دستگاهي به مدت 30 دقيقه آفلاين باشد ، سيگنال BLE توليد مي كند كه مي تواند توسط دستگاه هاي ديگر دريافت شود. اگر دستگاه خود را از دست داده ايد از طريق SmartThings Find گزارش كنيد ، هر تلفن هوشمند يا تبلت Galaxy كه در نزديكي آن قرار دارد براي يافتن دستگاه هاي مفقود شده مي توانند سرور سامسونگ را در مورد مكان آن مطلع سازد كه به نوبه خود به شما اطلاع مي دهد. ” اين سرويس همچنين قرار است جهت ها و صداهاي يكپارچه نقشه خوان را به كاربران ارائه دهد تا بتوانند به سرعت دستگاه گمشده خود را پيدا كنند. هنگامي كه به دستگاه خود نزديك شديد ، مي توانيد با استفاده از عملكرد جستجوي مبتني بر واقعيت افزوده در نزديكي دستگاه خود ، “زنگ” بخوريد يا آن را مكان يابي كنيد ، كه گرافيك هاي رنگي را نشان مي دهد كه هنگام نزديك شدن به دستگاه ، شدت آنها افزايش مي يابد. نكته برجسته اين سرويس اين است كه به كاربران امكان مي دهد دستگاه هاي گمشده خود را حتي در صورت آفلاين بودن پيدا كنند.

با ويرا سگال كارو همراه باشيد

انقلاب مدرن هوش مصنوعي در طي يك مسابقه تحقيقات مبهم آغاز شد. سال 2012، سومين سال مسابقه سالانه ImageNet ، بود، تيم ها را براي ساخت سيستم هاي بينايي رايانه اي به چالش كشيدند كه مي بايست  1000 شي از حيوانات گرفته تا مناظر و مردم را تشخيص بدهد. در دو سال اول ، بهترين تيم ها نتوانسته اند حتي به 75٪ دقت برسند. اما در سال سوم ، گروهي متشكل از سه محقق ( يك استاد و دانشجويانش ) ناگهان از اين حدعبور كردند. آنها با درصد خيره كننده 10.8 در مسابقه برنده شدند. آن استاد جفري هينتون بود و روشي كه آنها به كار برده بودند، يادگيري عميق ناميده شد.

يادگيري عميق انقلاب مدرن هوش مصنوعي

هينتون از دهه 1980 در واقع با يادگيري عميق كار مي كرد ، اما اثربخشي آن به دليل كمبود داده و قدرت محاسباتي محدود شده بود. اعتقاد راسخ وي به اين تكنيك در نهايت سودهاي كلاني را پي داشت. چهارمين سال مسابقات ImageNet ، تقريباً همه تيم ها از يادگيري عميق استفاده مي كردند و به موفقيت هاي معجزه آسايي دست يافتند. به زودي يادگيري عميق در مورد وظايفي فراتر از شناسايي تصوير و همچنين در طيف وسيعي از صنايع نيز اعمال شد. سال گذشته ، به دليل كمك هاي بنيادي خود در اين زمينه ، هينتون در كنار ساير پيشگامان هوش مصنوعي يان لكون و يوشوا بنگيو جايزه تورينگ را دريافت كرد.

متن زير مصاحبه كارن هاو با هينتون در تاريخ بيست اكتبر و در كنفرانس سالانه EmTech MIT MIT Technology Review مي باشد كه البته تدوين شده است.

شما فكر مي كنيد يادگيري عميق براي باز سازي تمام جنبه هاي هوش انسان كافي خواهد بود. چه چيزي باعث مي شود كه انقدر مطمئن باشيد ؟

من معتقدم يادگيري عميق قادر به انجام همه كارها خواهد بود ، اما فكر مي كنم كه بايد چندين پيشرفت مفهومي داشته باشد. به عنوان مثال ، در سال 2017 Ashish Vaswani و همكاران. ترانسفورماتورهايي را معرفي كرد كه بردارهاي بسيار خوبي را براي معني كلمات نشان مي دهند. اين يك موفقيت مفهومي بود. اكنون تقريباً  اين ترانسفورماتور در بهترين پردازش هاي زبان طبيعي مورد استفاده قرار مي گيرد. ما به تعداد  بيشتري از اين موقفيت ها نياز داريم.

و اگر اين پيشرفت ها را داشته باشيم ، آيا مي توانيم با يادگيري عميق ،هوشي نزديك به هوش انسان بسازيم؟

آره. به ويژه پيشرفت هايي كه در زمينه دستيابي به ناقلين بزرگ فعاليت عصبي براي پياده سازي مواردي مانند منطق ايجاد مي شود. اما ما همچنين به افزايش گسترده مقياس نيز نياز داريم. مغز انسان حدود 100 تريليون پارامتر يا همان سيناپس دارد. آنچه اكنون ما آن را يك مدل واقعاً بزرگ مي ناميم ، مانند GPT-3 ، 175 ميليارد پارامتردارد. هزار برابر كوچكتر از مغز . GPT-3 اكنون مي تواند متني كاملاً قابل قبول توليد كند ولي همچنان در مقايسه با مغز هنوز كوچك است.

وقتي مي گوييد مقياس ، منظور شما شبكه هاي عصبي بزرگتر است يا داده هاي بيشتر يا هر دو؟

هر دو. نوعي اختلاف بين آنچه در علوم كامپيوتر اتفاق مي افتد و آنچه در مورد انسان اتفاق مي افتد وجود دارد. انسان در مقايسه با مقدار داده اي كه دريافت مي كنند ، مقدار زيادي پارامتر دارد. شبكه هاي عصبي به طرز حيرت انگيزي در پردازش به مقدار كمي داده با تعداد زيادي پارامتر مهارت دارند ، اما انسان ها در اين مورد حتي بهتر  ماشين ها هستند.

بسياري از افراد در اين زمينه معتقدند كه عقل سليم توانايي بزرگ بعدي براي ورود به آن است. قبول داريد؟

موافقم كه اين يكي از موارد بسيار مهم است. من همچنين فكر مي كنم كنترل موتور بسيار مهم است و شبكه هاي عصبي عميق اكنون در اين زمينه مهارت پيدا مي كنند. به ويژه ، برخي از كارهاي اخير در Google نشان داده است كه شما مي توانيد كنترل حركتي خوبي داشته باشيد و آن را با زبان تركيب كنيد ، بنابراين مي توانيد يك كشو را باز كنيد و يك بلوك را بيرون بياوريد ، و سيستم مي تواند به زبان طبيعي به شما بگويد كه چه كاري انجام مي دهد. براي مواردي مانند GPT-3 ، كه اين متن شگفت انگيز را ايجاد مي كند ، واضح است كه براي توليد آن متن بايد چيزهاي زيادي درك كند ، اما كاملاً مشخص نيست كه چقدر آن را درك مي كند. اما اگر چيزي كشو را باز كند و يك بلوك را بيرون بياورد و بگويد ، “من فقط يك كشو را باز كردم و يك بلوك را بيرون آوردم” ، سخت است بگويم كه نمي فهمد چه كاري انجام مي دهد.