هوش مصنوعی: همه آنچه که باید درباره پردازش زبان طبیعی (NLP) بدانید

al هوش مصنوعی: همه آنچه که باید درباره پردازش زبان طبیعی (NLP) بدانید

تا به‌حال مقالات متعددی درباره هوش مصنوعی نوشته شده که این فناوری را از جنبه‌های مختلفی بررسی کرده‌اند. اما در اینجا ما قصد داریم نگاهی ساده به این موضوع بیندازیم تا درک روشنی از آن‌چه که در اطراف ما می‌گذرد، داشته باشیم.

زمانی که متن یا صوتی را جهت پردازش در اختیار کامپیوتری قرار می‌دهید، تنها مورد مهم، داده (Data) است. ورودی‌ها تبدیل به صفر و یک‌هایی می‌شوند که قابل درک برای کامپیوتر است. برای آن‌که هوش مصنوعی حرف‌های شما را بفهمد، کافی است آن‌ها را تبدیل به رفتار کنید. در نهایت قادر به درک خروجی‌ دریافتی از آن خواهید بود و همه این‌ها چیزهایی هستند که بر پایه اصلی به نام پردازش زبان طبیعی (NLP) شکل گرفته‌اند.

شما نیازی به این ندارید تا برای تعامل با یک برنامه یادگیری ماشین، دارای مدرکی تخصصی در علوم کامپیوتر باشید. در واقع بیش از آنکه نیازی به یادگیری نحوه صحبت با ماشین‌ها داشته باشید، میلیون‌ها نفر از ما از مزیت یادگیری ماشین‌ها جهتِ صحبت کردن با ما، که توسط شرکت‌هایی مانند آمازون، اپل، گوگل، مایکروسافت و کمپانی‌های بی‌شمار دیگری محقق شده است، بهره می‌بریم.

چند سال پیش، قبل از آنکه دستیار هوشمند سیری در سال ۲۰۱۱ راه‌اندازی شود، انسان و کامپیوترها به زبان مشترکی نمی‌توانستند باهم حرف بزنند. اما چه باور کنید یا نه، حالا اگر کامپیوتری را تنها با گفتن «برایم آهنگی از اسکینرد (Skynyrd) پخش کن» خطاب قرار دهید، لحظه‌ای طول نمی‌کشد که دستور شما را اجرا کند.

چیزی که کامپیوترها پیش از این، از آن بی‌بهره بودند، وجود شبکه‌های یادگیری عمیق (Deap Learning) بود تا امکان پردازش زبان طبیعی را برای آن‌ها فراهم سازد. درست است همه چیز به یک‌باره از سال ۲۰۱۰ دچار تغییر شد، اما ایده پشت دستیارهای هوشمندی مانند سیری حتی بسیار زودتر از آن یعنی در دهه ۱۹۴۰ توسعه پیدا کرد.

حالا اکثر گوشی‌های آی‌فون قدرت پردازش بیشتری از آی‌بی‌ام مین‌فریم (IBMmainframe) دارند که در نیم قرن اخیر بسیاری از توسعه دهندگان یادگیری ماشین از آن استفاده می‌کرده‌اند و الگوریتم‌ها حتی از بیش از آنچه که چند دهه پیش فکرش را می‌کردیم، توانمندتر و پیشرفته‌تر شده‌اند.

این پیشرفت‌های تکنولوژیک، انقلابی در یادگیری عمیق بودند و از طریق آن بود که پردازش زبان طبیعی از یک پروسه زمان‌گیر که در آن فرامین به‌طور دستی توسط انسان نوشته می‌شد، به مرحله‌ای رسیده است که کامپیوترها بسیار بیشتر از ما انسان‌ها می‌دانند که چگونه ارتباط برقرار کنند.

نحوه کار آن‌ها می‌تواند بسته به سیستم مورد استفاده متغیر باشد. نمی‌توان به‌سادگی همه آن فرایندهایی را که منجر به ارایه یک دستیار هوش‌های مصنوعی‌ مانند گوگل اسیستنت می‌شود، توضیح داد. اما ایده پشت‌سر آن‌ها آن‌طور که فکر می‌کنید، پیچیده نیست.

nobrain_language_ai-796x396 هوش مصنوعی: همه آنچه که باید درباره پردازش زبان طبیعی (NLP) بدانید

اما اگر بخواهیم ساده‌تر توضیح دهیم، ایده اولیه آن در واقع ایجاد یک شبکه عصبی است که می‌تواند هزاران و میلیون‌ها داده و اطلاعات را دریافت کند. این داده‌ها می‌توانند فایل‌های صوتی باشد یا هر چیز دیگری. با تعریف الگوریتم‌های مشخصی، کامپیوتر یاد می‌گیرد که این داده‌ها را تفسیر کرده و براساس چیزی‌هایی که یاد گرفته پاسخ شما را بدهد.

یک تعامل متداول بین کامپیوتر-انسان براساس روش NLP ممکن است این‌گونه باشد:

  • انسان چیزی به کامپیوتر می‌گوید.
  • کامپیوتر صدا یا صوت را دریافت می‌کند.
  • صدا تبدیل به متن (تکست) می‌شود.
  • داده متنی پردازش می‌گردد.
  • داده پردازش شده به‌صورت صوت درمی‌آید.
  • کامپیوتر یک فایل صوتی را در پاسخ به درخواست انسان پخش می‌نماید.

البته اشکال دیگری از مراحل بالا نیز می‌تواند وجود داشته باشد. شما می‌توانید حتی با تعریف یک الگوریتم ساده‌، فایل‌های بزرگ متنی و صوتی را به کلمات و اجزا خاصی تبدیل نمایید.

اما کاربردهای زیادی برای پردازش زبان طبیعی می‌توان نام برد از جمله:

  • چت‌بات‌هایی مانند Woebot از NLP برای فهمیدن پرسش‌های انسان بهره برده و به او پاسخ می‌دهند.
  • گوگل سرچ می‌تواند هر چیزی را که از آن می‌پرسید، تجزیه و تحلیل کند.
  • قابلیت Auto-correct این روزها به لطف یادگیری عمیق و NLP کمتر حوصله‌بر است.
  • دستیارهای مجازی به قدری در NLP پیشرفت کرده‌اند که می‌توانید بازی Skyrim را بر روی یک اسپیکر هوشمند بازی کنید.

و البته این لیست می‌تواند ادامه داشته باشد. بخش عمده‌ای از گجت‌های مبتنی بر هوش مصنوعی که در دسترس مردم قرار دارد، در واقع از محصولات NLP هستند.

شما می‌توانید با مراجعه به سایت‌هایی مانند Coursera course و Udacity course درباره پردازش زبان طبیعی و کاربردهای آن بیشتر یاد بگیرید و از سایت artificial intelligence، همه خبرها و تحلیل‌های مربوط به آخرین تحولات یادگیری ماشین و هوش مصنوعی را دنبال نمایید.

نوشته هوش مصنوعی: همه آنچه که باید درباره پردازش زبان طبیعی (NLP) بدانید اولین بار در وب‌سایت فناوری پدیدار شد.

هر آنچه که باید در مورد هوش مصنوعی و شبکه عصبی بدانید

هوش مصنوعی

هوش مصنوعی یکی از پیچیده‌ترین و ناآشناترین سر فصل های مطرح این روزها است. افرادی مثل ایلان ماسک (Elon Musk) مدت‌هاست از خطر نابودی انسان توسط روبات‌ها صحبت به میان آورده‌اند، این در حالی است که تعداد زیادی از متخصص‌ین بر این باور هستند که هوش مصنوعی در مراحل اولیه است و هیچ‌وقت به خطری برای انسان‌ها تبدیل نخواهد شد.

این‌که کدام عقیده در رابطه با هوش مصنوعی محتمل‌تر باشد موضوعی است که نمی‌توان جواب قاطعی حداقل در حال حاضر برای آن پیدا کرد. برای آشنایی با این موضوع بهترین مکان برای شروع یادگیری عمیق (Deep Learning) است.

هوش مصنوعی نقطه عطف جامعه تکنولوژی جهان امروز است و این محبوبیت تماما مدیون پیشرفت روزافزون یادگیری عمیق است. پیشرفت مباحثی از جمله بینایی کامپیوتر (Computer Vision) و پردازش زبان ها دو کاربرد مهم هوش مصنوعی هستند که می‌توان هر دوی این‌ها را مدیون شبکه عصبی دانست.

لازم به ذکر است که تکنیک‌های یادگیری عمیق بر اساس الگوبرداری از شبکه عصبی مغز انسان و حیوانات دیگر به دست آمده‌اند.

شبکه عصبی چیست؟

دانشمندان هوش مصنوعی بر این عقیده‌اند که مغز یک موجود زنده اطلاعات را توسط یک شبکه عصبی بیولوژیکی پردازش می‌کند. مغز انسان به اندازه ۱۰۰ بیلیون پیوندگاه نرونی (synapses) دارد که به هنگام فعالیت الگوهای خاصی را تشکیل می‌دهند. زمانی که یک شخص به یک پدیده خاص فکر می‌کند، چیزی را به خاطر می‌آورد یا با یکی از حس‌های پنج‌گانه‌اش تجربه‌ای به دست می‌آورد یک الگوی خاص عصبی در ذهنش شکل می‌گیرد.

دوران کودکی خود را در نظر بگیرید، زمانی که حروف را به شما یاد دادند بارها مجبور بودید برای خواندن یک کلمه آن را به صورت شمرده و با صدای بلند برای خود تکرار کنید تا مغز جوان شما بتواند آن کلمه را بشنود و در نهایت بعد از تکرار فراوان ثبت کند. اما زمانی که به عنوان مثال کلمه گربه را بارها شنیدید دیگر نیازی به تکرار شمرده و با صدای بلند نداشتید. در این مرحله به قسمتی از مغز خود دسترسی داشتید که بیشتر به حافظه مربوط بوده تا حل مسئله، به این ترتیب مجموعه دیگری از پیوندگاه نرونی موجود در مغز شما فعال شدند که کلمه گربه را می‌شناختند.

در حوزه هوش مصنوعی و به طور دقیق‌تر در بخش یادگیری عمیق ، یک شبکه عصبی متشکل از لایه‌های متعدد تعریف می‌شود که مانند پیوندگاه نرونی مغز عمل می‌کند. محققان برای این‌که عکس یک گربه را برای کامپیوتر تعریف کنند تعداد زیادی از عکس‌های گوناگون گربه‌ها را به کامپیوتر می‌خورانند، در نهایت شبکه عصبی تمامی بخش‌های مشابه را در میان این تصاویر درون خود نگاه می‌دارد تا در صورت مشاهده یک تصویر جدید بتواند آن را بفهمد.

دانشمندان از شبکه  عصبی برای یادگیری ماشین (machine learning) استفاده می‌کنند؛ به این ترتیب کامپیوترها می‌توانند بصورت مستقل و بدون کمک انسان کارها را انجام دهند.

به چند مثال ساده در رابطه با شبکه های عصبی توجه کنید:

  1. شبکه عصبی می‌تواند تصاویر تیره را بگیرد و آن‌ها را روشن می‌کند.
  2. شبکه عصبی می‌تواند با استفاده از MRI مغز شما بفهمد که به چه فکر می‌کنید.
  3. این یکی Super Mario بازی می‌کند.
  4. در نهایت با شبکه عصبی آشنا شوید که خود را تکرار می‌کند.

همان‌طور که می‌بینید شبکه‌ عصبی می‌تواند مسائل گوناگونی را حل کند. برای این‌که با کارکرد بهتر این شبکه ها آشنا شوید و بدانید که یادگیری کامپیوتر چگونه محقق می‌شود می‌خواهیم نگاه دقیق‌تری به سه نوع ساده از شبکه های عصبی بیاندازیم.

در حوزه هوش مصنوعی می‌توان نمونه‌های گوناگونی از یادگیری ماشین و شبکه های عصبی را معرفی کرد. در این مقاله تمرکز ما بر سه شاخه GANs، CNNs و RNNs خواهد بود:

Generative Adversarial networks (GANs)

در سال ۲۰۱۴ یکی از کارمندان بخش هوش مصنوعی گوگل GAN را اختراع می‌کند؛ GAN یک شبکه عصبی متشکل از دو بخش متضاد است، یک تولید کننده و یک مهاجم، این دو بخش با یک‌دیگر در جنگ هستند تا این‌که تولید کننده بتواند پیروز میدان گردد. اگر می‌خواهید یک هوش مصنوعی بسازید تا بتواند از آثار هنری مثل کارهای پیکاسو تقلید کند می‌توانید تعدادی از آثار این هنرمند را به یک GAN تزریق کنید.

یک بخش شبکه نقاشی‌های جدید می‌سازد و قصدش گول زدن بخش مهاجم است، تولید کننده یک نقاشی جدید پیشنهاد می‌کند و کار بخش مهاجم تشخیص واقعی بودن این نقاشی است، این فرآیند تا زمانی که مهاجم نقاشی تولید کننده را از نقاشی پیکاسو تشخیص ندهد ادامه پیدا می‌کند، در واقع این روند تا زمانی ادامه پیدا می‌کند که هوش مصنوعی بتواند خود را گول بزند.

Convolutional Neural Networks (CNNs)

تئوری شبکه های عصبی کانولوشنال به سال ۱۹۴۰ بر می‌گردد اما با توجه به پیشرفت روزافزون سخت افزار و بهینه شدن الگوریتم‌های مورد استفاده، تا به امروز هوش مصنوعی بهره‌ای از این تکنولوژی نبرده بود. برخلاف GANs که در آن با یک مهاجم روبه‌رو بودیم در CNNs لایه‌های گوناگونی وجود دارند که اطلاعات را به صورت طبقه‌بندی شده درون خود ذخیره می‌کنند. این نمونه از شبکه های عصبی برای تشخیص تصویر و پردازش زبان مورد استفاده قرار می‌گیرد.

به عنوان مثال اگر یک بیلیون ساعت ویدئو در دست دارید می‌توانید آن را به یک CNN وارد کنید تا این الگوریتم با استفاده از آنالیز فریم‌ها دریابد که در این ویدئو چه خبر است. هوش مصنوعی می‌تواند ماشین‌، درخت، علامت‌های راهنمایی و … را با توجه به اطلاعات از پیش تعریف شده، از درون ویدئو تشخیص دهد.

یکی از مهم‌ترین کاربردهای CNN کمک‌رسانی به پزشکان در تشخیص بیماری‌ها است.

Recurrent Neural Networks (RNNs)

در نهایت نگاهی به RNN می‌اندازیم. این الگوریتم برای یک هوش مصنوعی کاربرد دارد که با استفاده از بافت تعریف شده، ورودی را بشناسد.

برای فهم بهتر RNN بیایید یک هوش مصنوعی را تصور کنیم که بر اساس ورودی انسان بتواند یک قطعه موسیقی را بسازد. اگر نت اول را برای آن بنوازید این الگوریتم نت بعد را پیش‌بینی خواهد کرد، با زدن نت ورودی جدید توسط شما این الگوریتم بیشتر و بیشتر در عمق موسیقی پیش می‌رود و در نهایت با استفاده از مقادیر ورودی مشخص یک قطعه کامل موسیقی را به شما تحویل می‌دهد، در واقع RNN به طور پیوسته خود را بر اساس ورودی‌ها به‌روز می‌کند. کلمه لاتین Recurrent به معنی تکرار نیز بر همین اساس در آغاز این الگوریتم هوش مصنوعی قرار گرفته است.

 

نوشته هر آنچه که باید در مورد هوش مصنوعی و شبکه عصبی بدانید اولین بار در گويا آی‌ تی پدیدار شد.

هوش مصنوعی گوگل قادر به پیش‌بینی زمان مرگ بیماران خواهد بود

google1-1400x600 هوش مصنوعی گوگل قادر به پیش‌بینی زمان مرگ بیماران خواهد بود

هوش مصنوعی از زمان مرگ شما آگاهی دارد؛ اما اطلاعات مذکور برخلاف فیلم‌های علمی‌تخیلی می‌تواند به نجات جان انسان‌ها بیانجامد.

یک مقاله جدید که در نشریه Nature منتشر شده، نشان می‌دهد که ارایه داده‌های الکترونیکی ثبت شده درباره وضعیت سلامت به یک مدل یادگیری عمیق می‌تواند دقت پیش‌بینی‌های صورت گرفته را به میزان قابل توجهی ارتقا دهد. محققان با ارزیابی و بهره گیری از داده های به دست آمده از ۲ بیمارستان در ایالات متحده نشان دادند که این الگوریتم ها قادر به پیش بینی طول دوره درمان بیماران، زمان ترخیص و همچنین زمان مرگ آن‌ها است.

google1-1400x600 هوش مصنوعی گوگل قادر به پیش‌بینی زمان مرگ بیماران خواهد بود

شبکه‌ عصبی توصیف شده در این مطالعه به منظور ارائه پیش‌بینی‌های خود از داده‌های بسیار زیادی نظیر علائم حیاتی و سوابق پزشکی بیماران استفاده می‌کند. الگوریتم جدید، رویدادهای قبلی به ثبت رسیده برای هر بیمار را به صورت یک جدول زمانی در کنار یکدیگر قرار می‌دهد و این موضوع به مدل یادگیری عمیق امکان خواهد داد تا پیش‌بینی‌های آینده خود شامل زمان مرگ را با دقتی مناسب مشخص نماید. شبکه‌عصبی مذکور برای ارائه نتایج پیش‌بینی، حتی یادداشت‌ها و اظهارات دست‌نویس را نیز بررسی نموده و آن‌ها را به نمودارهای قدیمی ضمیمه می‌کند. البته کلیه محاسبات فوق در زمان ثبت داده‌ها انجام می‌شوند.

اما در کنار ترس اجتناب‌ناپذیر، با داده‌های گردآوری شده چه کارهایی می‌توان انجام داد؟ بیمارستان‌ها قادر به یافتن راه‌های جدیدی جهت اولویت‌بندی مراقبت از بیماران، تنظیم تدابیر درمانی و دسترسی به نیازمندی‌های اضطراری پزشکی حتی پیش از وقوع آن‌ها هستند. همچنین این پدیده می‌تواند کاهش مشغله کارکنان مراقب بهداشت را به دنبال داشته باشد؛ چرا که دیگر آن‌ها ناچار به دستکاری داده‌ها و استانداردسازی آن‌ها در یک قالب خوانا نخواهند بود.

البته در حال حاضر هوش مصنوعی دارای کاربردهای دیگری در زمینه مراقبت‌های بهداشتی است. ۲ الگوریتم اخیرا توسعه‌یافته می‌توانند سرطان ریه و بیماری قلبی را حتی با دقتی بیش‌تر از پزشکان معمول بشری تشخیص دهند. مراقبان بهداشت به منظور تعیین شانس ابتلای بیماران به یکی (یا بیش از یکی) از ۳ بیماری عمده چشمی، تصاویر شبکیه را به الگوریتم‌های هوش مصنوعی ارائه دادند. اما ارزیابی‌های اولیه صورت گرفته در مقیاسی بسیار کوچک‌تر نسبت به تلاش‌های فعلی گوگل اجرا شدند.

داده‌های بهداشتی ما به تدریج بر روی سیستم‌های کامپیوتری متمرکز آپلود می‌شوند؛ اما اکثر این پایگاه داده‌ها به صورت مستقل از هم در میان سیستم‌های بهداشتی مختلف و آژانس‌های دولتی وجود دارند. یکی از راه‌حل‌ها، تجمیع کلیه داده‌های شخصی در قالب یک مدل قابل پیش‌بینی توسط یکی از بزرگ‌ترین شرکت‌های خصوصی در جهان است؛ اما این ایده چندان جالب نخواهد بود. داده‌های الکترونیکی مربوط به وضعیت سلامت میلیون‌ها نفر از بیماران در اختیار تعداد انگشت‌شماری از شرکت‌های خصوصی قرار دارند و کمپانی‌هایی نظیر گوگل قادر به دریافت سریع آن‌ها از صنایع بهداشتی و بدل شدن به قطب انحصاری در زمینه مراقبت‌های بهداشتی خواهند بود.

healthcare-e1529386785135 هوش مصنوعی گوگل قادر به پیش‌بینی زمان مرگ بیماران خواهد بود

به گفته موسسه TechCrunch، دقیقا هفته گذشته سیستم DeepMind Health تحت مالکیت کمپانی Alphabet به دلیل نگرانی‌ها پیرامون قدرت انحصاری بیش از حد این شرکت توسط دولت بریتانیا به صورت موشکافانه مورد بررسی قرار گرفت. در حال حاضر رابطه ۲ طرف به دلیل طرح ادعاهایی مبنی بر نقض قوانین بریتانیا از سوی سامانه DeepMind Health متشنج شده است. دولت بریتانیا مدعیست که کمپانی مذکور در سال ۲۰۱۷ بدون رضایت کامل بیماران اقدام به جمع‌آوری اطلاعات آن‌ها نموده است.

در حال حاضر و تا زمان تثبیت هوش مصنوعی در عرصه پزشکی، متخصصان مراقبت‌های بهداشتی در خصوص تاثیرات فناوری‌های هوشمند بر این حوزه نگران هستند؛ لذا پیش از آن، اجرای اقدامات احتیاطی برای شفاف‌سازی ضروری به نظر می‌رسد. انجمن پزشکی آمریکا در بیانیه‌ای اعلام می‌کند که ترکیب هوش مصنوعی و پزشکان نوع بشری می‌تواند منافع چشمگیری را به دنبال داشته باشد؛ اما این انجمن خاطرنشان کرده است که ابزارهای هوش مصنوعی بایستی در راستای ارضای چندین معیار کلیدی شامل شفافیت، عملکرد استاندارد محور و به دور از تعصب تلاش نمایند.

قانون مسئولیت‌پذیری و انتقال بیمه سلامت موسوم به HIPPA در سال ۱۹۹۶ توسط کنگره به تصویب رسید. در دنیای فناوری مدت ۲۲ سال، زمانی طولانی خواهد بود و تکنولوژی نیز این رویه را قطع نخواهد کرد. بدون یک چارچوب موثر قانونی که مشوق شفافیت در ایالات‌متحده است، پاسخگو نگاه داشتن این کمپانی‌ها امری تقریبا محال خواهد بود. به منظور اطمینان از تاثیرات مثبت هوش مصنوعی بر سلامت بیماران و تامین منافع شرکت‌ها، فعالیت‌های موسسات خصوصی رصد خواهند شد.

نوشته هوش مصنوعی گوگل قادر به پیش‌بینی زمان مرگ بیماران خواهد بود اولین بار در وب‌سایت فناوری پدیدار شد.

حضور پر رنگ تکنولوژی هوش مصنوعی در نمایشگاه CES 2017

حضور پر رنگ تکنولوژی هوش مصنوعی در نمایشگاه CES 2017
حضور تکنولوژی هوش مصنوعی در نمایشگاه CES 2017 بسیار پررنگ خواهد بود. برای بررسی بیشتر این موضوع در ادامه با تکرا همراه باشید.

به زودی فناوری هوش مصنوعی (AI) بیش از پیش به زندگی های روزمره افراد وارد خواهد شد؛ چراکه قرار است در نمایشگاه CES 2017 محصولات جدیدی مبتنی بر این تکنولوژی فوق پیشرفته ارائه شود. انتظار می رود که اکثر این محصولات توسط شرکت های پیشرو در این زمینه یعنی شرکت های سامسونگ و ال جی عرضه شوند. گفته شده است که این دو شرکت قصد دارند این تکنولوژی را در لوازم خانگی خود اعمال کنند.

در سال های اخیر نمایشگاه CES توانسته است با کمک نام های بزرگ در دنیای تکنولوژی و با معرفی جدیدترین و به روزترین قابلیت های موجود در این زمینه  جایگاه مناسبی را در میان دیگر رقبای خود  به دست بیاورد و تبدیل به یکی از معتبرترین نمایشگاه های تکنولوژی در سطح جهان شود.

این بار نیز  به نظر می رسد که قرار است هوش مصنوعی در نمایشگاه CES 2017 در صدر اخبار مربوط به این نمایشگاه قرار گیرد؛ چرا که بسیاری از تولیدکنندگان لوازم های هوشمند خانگی و یا سازندگان بزرگ خودروها به استفاده از تکنولوژی هوش مصنوعی در  محصولات خود اشاره کرده اند.  به عنوان مثال اعلام شده است که در خودروهای نسل آینده بیش از پیش از فناوری هوش مصنوعی استفاده خواهد شد و به وسیله این مغز الکترونیک می توان یک قدم به خودروهای بدون راننده نزدیک تر شد.

هوش مصنوعی در نمایشگاه CES 2017

عده زیادی از فعالان و تولیدکننده های محصولات هوشمند بیشتر از دوران قبل به تکنولوژی هوش مصنوعی روی آورده اند؛ چراکه به نظر می رسد رشد تکنولوژی در صنعت گوشی های هوشمند بسیار کند شده است. امسال فروش این دستگاه های هوشمند به ۱.۴۵ میلیارد دستگاه رسید. طبق آماری که از شرکت IDC منتشر شده است تعداد فروش گوشی های هوشمند نسبت به سال گذشته تنها ۰.۶ درصد افزایش یافته است. از عواملی که باعث شده اند تا صنعت گوشی های هوشمند به رکود نسبی دچار شوند می شود به عدم وجود نوآوری های قابل توجه و عرضه بیش از حد نیاز بازار تولیدکنندگان چینی اشاره کرد.

در حال حاضر در بقیه زمینه های تکنولوژی نیز این استقبال از فناوری هوش مصنوعی به چشم می خورد. به طوری که شرکت ال جی الکترونیک که یکی از نامدارترین برندهای تولیدکننده محصولات خانگی در جهان است، اعلام کرده که قصد دارد از جدیدترین محصولات هوشمند خانگی خود در نمایشگاه CES 2017 رونمایی کند.

ویژگی منحصر به فرد این لوازم خانگی این است که با استفاده از هوش مصنوعی در این محصولات، دستگاه های تولید شده قادر خواهند بود با دریافت داده ها و تحلیل آنها، در واقع به یادگیری مسائل جدید بپردازند. این شرکت پیش از این نیز از سیستم عامل مخصوص به لوازم خانگی خود رو نمایی کرده است. این سیستم عامل که SmartThinQ نام دارد به کاربر این امکان را می دهد تا بتواند دستگاه هایی مانند تهویه هوا را به تلوزیون هوشمند خود متصل کند.

به گفته مسئولین این شرکت برای آن که ال جی نیز بتواند سوار بر قطار هوش مصنوعی به سمت پیشرفته تر شدن حرکت کند، طراحان و مهندسین این شرکت قابلیت یادگیری عمیق (Deep learning) را به محصولات خانگی خود مثل ربات های نظافت چی و یا دستگاه های تصفیه هوای این شرکت اضافه کرده اند و قرار است از این دستگاهای فوق هوشمند مجهز به هوش مصنوعی در نمایشگاه CES 2017 رونمایی شود.

ال جی سیستم یادگیری عمیق دستگاه های خود را این گونه توصیف می کند که در دستگاه هایی که مجهز به این قابلیت هستند، خودآموز موجود در این دستگاه ها با استفاده از جمع آوری اطلاعات اطراف خود و با کمک سنسورهای وای فای، الگوی کلی سبک زندگی کاربر را دریافت کرده و آنها را در ابر اطلاعاتی خود ذخیره می کند. و در صورت لزوم از آنها برای ارائه خدمات بهتر استفاده خواهد کرد.

شرکت ال جی در این زمینه تنها نیست چراکه رقیب این شرکت، سامسونگ ، نیز پا به پای این شرکت در حال گسترش تولید وسایل هوشمند با استفاده از هوش مصنوعی است. این شرکت نیز قصد دارد که با طراحی و تولید اکوسیستم هوش مصنوعی منحصر به فرد خود بتواند محصولات بیشتری را به این تکنولوژی مجهز کند. با این وجود هوش مصنوعی در نمایشگاه CES 2017 می تواند بسیار قوی ظاهر شود.

در ماه گذشته، این شرکت از طرح اولیه تجهیز دستگاه های هوشمند خود رونمایی کرد. گوشی های هوشمند، یخچال ها و تلویزیون های هوشمند این شرکت شامل این طرح می شوند و قرار است عامل هوش مصنوعی فعلا در این دستگاه ها تعبیه شود.

هوش مصنوعی در نمایشگاه CES 2017

در نمایشگاه CES 2017 پیش رو شرکت سامسونگ قصد دارد که از یخچال هوشمند جدید خود رونمایی کند. این یخچال با استفاده از تکنولوژی هوش مصنوعی قادر خواهد بود که با تشخیص صدای هر یک از اعضای خانواده با آنها صحبت کند و به کاربران این امکان را می دهد که تنها با صحبت کردن غذا و یا نوشیدنی دلخواه خود را از یخچال دریافت کنند.

HIS Markit نیز در گزارشی در همین زمینه اعلام کرده است که هوش مصنوعی در آینده ای نزدیک به محبوب ترین قابلیت در دنیای تکنولوژی بدل خواهد شد.

یکی از شرکت های اقتصادی در لندن درباره این تکنولوژی می گوید: ” کمپانی های بسیار زیادی  همانند شرکت اپل با سیری و شرکت آمازون با الکسا توانسته اند دستیار هوشمند دیجیتال خود را در اختیار عده بسیار زیادی از کاربران قرار دهند؛ اما این تازه آغاز راه فناوری هوش مصنوعی است؛ چراکه ما معتقدیم در آینده شاهد آن خواهیم بود که با گسترش و پیشرفت این تکنولوژی نوپا ، ربات ها و ماشین های خودران تولید و برای استفاده عموم عرضه شوند. ” یادتان باشد تکنولوژی هوش مصنوعی در نمایشگاه CES 2017 بسیار دیدنی خواهد بود!

.

منبع: koreatimes

نوشته حضور پر رنگ تکنولوژی هوش مصنوعی در نمایشگاه CES 2017 اولین بار در تکرا - اخبار روز تکنولوژی پدیدار شد.