خدمات شبکه و پشتیبانی شبکه

پیش‌بینی اختلافات خانوادگی با تلفن همراه و الگوریتم جدید

اردیبهشت ۴, ۱۳۹۶/در خبر, هوش مصنوعی, گوناگون, یادگیری ماشین /توسط ادمین

اپلیکیشن‌های تلفن‌های هوشمند سرانجام می‌توانند مشاجره بین زوج‌ها را پیش‌بینی و قبل از اینکه مشکل جدی ایجاد شود به آن‌ها کمک کنند. برای اولین بار بیرون از محیط آزمایشگاهی، پژوهشگران با استفاده از هوش مصنوعی توانسته‌اند الگوهایی را در حرف‌ها و علائم فیزیولوژیکی زوج‌ها شناسایی و با استفاده از آن امکان بروز اختلاف در رابطه میان آن‌ها را پیش‌بینی کنند.

بیشتر آزمایش‌های مربوط به تشخیص بروز اختلاف با زوج‌های واقعی در شرایط کنترل شده و در آزمایشگاه‌های روانشناسی انجام شده است.

پژوهشگران دانشگاه کالیفرنیای جنوبی (USC) در پروژه Couple Mobile Sensing رویکرد متفاوتی را اتخاذ کرده‌اند، آن‌ها زوج‌ها را در شرایط زندگی عادی مورد مطالعه قرار داده و از ابزارهای پوشیدنی و گوشی‌های هوشمند برای جمع‌آوری داده‌ها استفاده کرده‌اند. نتایج اولیه آن‌ها در این حوزه با مطالعه روی 34 زوج نشان داده است که می‌توان با ترکیب ابزارهای پوشیدنی و هوش ‌مصنوعی مبتنی بر یادگیری ماشین (AI) در آینده از برنامه‌های گوشی‌های هوشمند به عنوان مشاور برای رابطه‌ میان زوج‌ها استفاده کرد.

آدلا تیمونز، دانشجوی دکتری روانشناسی کلینیکی دانشگاه USC بیان کرد که با مدلی که در حال حاضر در اختیار داریم می‌توانیم بروز اختلاف را در زمان اتفاق افتادن تشخیص دهیم اما هنوز نتوانسته‌ایم قبل رخ دادن آن را پیش‌بینی کنیم.

او همچنین گفت: در قدم بعدی ما امیدوار هستیم که بتوانیم بروز اختلاف را پیش‌بینی کنیم و به صورت زمان واقعی برای زوج‌ها پیام‌های هشداری را بفرستیم تا در نهایت بتوانیم بروز اختلاف را کاهش داده یا حتی از وقوع آن جلوگیری کنیم.

پیش‌بینی مسائل پیچیده‌ای مثل اختلاف میان زوج‌ها در دنیای واقعی کار ساده‌ای نیست، برای همین الگوریتم‌های یادگیری ماشینی که به طور خودکار می‌توانند الگوها را از داده‌ها استخراج کنند به محققان کمک می‌کنند تا گفتار زوج‌ها و سایر شاخص‌های فیزیولوژیکی مثل ضربان قلب یا میزان هدایت (الکتریکی) پوست را بررسی کنند.

قبل از آموزش الگوریتم مبتنی بر یادگیری ماشین با استفاده از داده‌ها، محققان باید ویژگی‌های کلیدی را که با تمرکز بر آن‌ها می‌توان نتایج بهتری را به دست آورد مشخص کنند.

مطالعات روان‌شناختی گذشته نشان داده ‌است که بروز اختلاف میان زوج‌ها با علائم فیزیولوژیکی برانگیخته شده مثل بالا رفتن ضربان قلب و میزان هدایت الکتریکی پوست همراه است. تیمونز بیان می‌کند که در هنگام مشاجره، زوج‌ها از بعضی جمله‌‌های خاص استفاده می‌کنند، مثلا ضمایر دوم شخص مثل “تو” و کلمات احساسی منفی و همچنین کلماتی که بیان‌گر یقین هستند مثل “همیشه” و “هرگز”.

به 34 زوجی که به طور شبانه‌روزی در این آزمایش شرکت کردند ابزار‌های پوشیدنی مثل مچ‌بند برای اندازه‌گیری میزان هدایت الکتریکی پوست و دمای بدن داده شده است. سنسور دیگری برای اندازه‌گیری ضربان قلب روی سینه فرد قرار می‌گیرد. علاوه بر این به هرکدام از زوج‌ها یک گوشی همراه هوشمند برای جمع‌آوری صدای مکالمه بین آن‌ها داده ‌شده است. وقتی که یک مشاجره واقعی بین زوج‌‌ها رخ می‌دهد، آن‌ها باید گزارش دهند.

نتایج اولیه به دست آمده امیدبخش بوده ‌است و به طور کلی با مطالعات گذشته روانی و تئوری‌های که در مورد بروز اختلاف میان زوج‌ها بیان شده‌، همخوانی دارد. به طور مثال میزان صحت تشخیص بروز مشاجره بین زوج‌ها با استفاده از کلمات احساسی منفی که در گفتار آن‌ها بیان می‌شود، 62.3 درصد است. زمانی که الگوریتم یادگیری ماشین همه داده‌هایی را که از شاخص‌های مختلف به دست آورده، همراه با کلمات احساسی منفی آنالیز می‌کند درصد صحت 79.3 حاصل می‌شود.

تیمونز بیان می‌کند که این الگوریتم مبتنی بر یادگیری ماشین است و برای طبقه‌بندی صحیح و تشخیص درست بروز اختلاف نیاز به داده‌های بیشتری دارد.

صحت 79.3 درصد برای اینکه در آینده اپلیکیشن‌ها بتوانند به عنوان مشاور همراه عمل کنند، هنوز درصد پایینی است. تئودورا چسپاری دانشجوی دکتری تجزیه‌وتحلیل سیگنال دانشگاه USC و مسئول دیگر این پروژه بیان کرد که تشخیص اشتباه بروز اختلاف می‌تواند هشداری غیرضروری را ایجاد کند، اما صحت بالایی که از ترکیب داده‌های مختلف حاصل شده، رویکرد کلی را تایید می‌کند.

یکی از چالش‌هایی که محققان با آن روبه‌رو هستند این است که داده‌های زندگی واقعی زوج‌ها را چگونه بررسی کنند زیرا این اطلاعات بسیار آشفته‌تر از اطلاعاتی است که در آزمایشگاه جمع‌آوری می‌شود. همیشه امکان دارد که مقداری از اطلاعات از بین برود، به طور مثال ممکن است زوج‌ها گوشی‌های هوشمند خود را برای حفظ حریم شخصی خاموش کنند. چسپار امیدوار است با داده‌های بیشتری که جمع‌آوری می‌کند بتواند به الگوریتم یادگیری ماشین کمک کند تا اشکالات خود را برطرف کرده و میزان صحت آن را بالا ببرد.

سرانجام تشخیص صحیح، الگوریتم را قادر می‌سازد تا بروز اختلاف را قبل از این‌که حتی خود زوج‌ها مطلع شوند، پیش‌بینی کند. قدم بعدی تیم این است که داده‌های اضافی را جمع کند تا میزان صحت الگوریتم فعلی را بالا ببرد.

نوشته پیش‌بینی اختلافات خانوادگی با تلفن همراه و الگوریتم جدید اولین بار در پدیدار شد.

هوش مصنوعی در پیش‌بینی حملات قلبی از پزشکان دقیق‌تر عمل ‌می‌کند

فروردین ۲۷, ۱۳۹۶/در حمله قلبی, خبر, هوش مصنوعی, پیش‌بینی حملات قلبی, گوناگون, یادگیری ماشین /توسط ادمین

هر ساله نزدیک به ۲۰ میلیون نفر در جهان بر اثر بیماری‌های قلبی عروقی جان خود را از دست می‌دهند. خوشبختانه گروهی از محققان در دانشگاه ناتینگهام انگلستان موفق به توسعه یک الگوریتم یادگیری ماشین شده‌اند که قادر به پیش‌بینی احتمال حمله قبلی در افراد همانند یک پزشک است.

کالج قلب شناسی آمریکا (ACC) به همراه انجمن قلب و عروق آمریکا (AHA) پیش از این با استفاده از چندین دستورالعمل موفق به پیش‌بینی احتمال وقوع حمله قلبی در بیماران شده بود. این پیش‌بینی بر اساس هشت فاکتور از جمله سن، میزان کلسترول و فشار خون عمل می‌کند. به طور کلی این این روش در ۷۲.۸ درصد موارد پیش‌بینی درستی از احتمال وقوع حملات قلبی در بیماران انجام می‌دهد.

اگرچه این مقدار دقت در پیش‌بینی را می‌توان قابل قبول و دقیق دانست، با این حال استفان ونگ و تیمش توانسته‌اند این پیش‌بینی را دقیق‌تر صورت دهند. در حقیقت آن‌ها با توسعه چهار الگوریتم یادگیری ماشین و استفاده از داده‌های مرتبط با ۳۷۸،۲۵۶ بیمار از انگلستان توانستند به این موفقیت دست یابند. در این روش از داده‌های ۲۹۵ هزار بیمار برای یادگیری یا ساخت مدل و از بقیه داده‌ها برای آزمون و تست مدل استفاده شده است. نتایج حاصل از تست روش پیشنهادی ونگ و تیمش نشان از پیش‌بینی دقیقتر نسبت به روش‌ ACC/AHA دارد. به عبارت دیگر میزان دقت این روش در پیش‌بینی بین ۷۴.۵ تا ۷۶.۴ درصد متغیر است.

به جز ۸۳ هزار بیماری که از داده‌های مرتبط با آن‌ها برای تست مدل یادگیری شده استفاده گردید، این روش پیشنهادی می‌تواند ۳۵۵ هزار زندگی را نجات بخشد. در حقیقت روش‌های مبتنی بر هوش مصنوعی می‌توانند با شناسایی برخی از فاکتورهای پرخطر مانند بیماری‌های روانی و مصرف کورتیکواستروئید‌ها، پیش‌بینی‌ها را بهتر از دستورالعمل‌های پزشکی موجود انجام دهند.

به گفته استفان ونگ، در سیستم‌های بیولوژیکی از جمله بدن انسان ارتباط گسترده‌ای بین اجزای آن وجود دارد و به کمک علوم کامپیوتر می‌توان این ارتباطات را به خوبی کشف کرد.

نوشته هوش مصنوعی در پیش‌بینی حملات قلبی از پزشکان دقیق‌تر عمل ‌می‌کند اولین بار در پدیدار شد.

ربات‌ها در بازاریابی هوشمندتر می‌شوند

آبان ۲۶, ۱۳۹۵/در بازاریابی, خبر, ربات, گوناگون, یادگیری ماشین /توسط ادمین

بازاریابی زمانی مفید است که به یک نیاز پاسخ دهد. ساده بنظر می‌رسد، اما برخی از نیازها را به سختی می‌توان پاسخ داد. مانند هر مصرف‌کننده دیگری، نیازهای من نیز در هر روز تکامل پیدا می‌کند، حتی ممکن است هر دقیقه تغییر کند. من تبلیغاتی که به خوبی هدف یابی نشده و پیام‌های بی‌ربط به خود را تحمل نمی‌کنم.

ماشین‌ها نحوه بازاریابی را تغییر داده‌اند. درباره بات‌هایی که به مشتریان سرویس می‌دهند، صحبت نمی‌کنیم. درباره نرم‌افزارهایی صحبت می‌کنیم که به برندها کمک می‌کنند تا نیازهای کاربران را فهمیده و به آنها پاسخ دهند، حتی ممکن است که نیازهای کاربران را پیش‌بینی کنند.

این مرحله جدیدی بوده و آن را می‌توان بازاریابی ۳ نام نهاد. بازاریابی ۱ اوایل قرن بیستم بود که تنها فروختن کالا به کسانی که به آن نیاز داشتند را شامل می‌شد. بازاریابی ۲ از دهه ۱۹۵۰ میلادی آغاز شد و در این مرحله، تبلیغات نقش عمده‌ای داشت. یادگیری ماشین به بازاریاب‌ها کمک می‌کند تا از این مدل عبور کرده و به هدف اصلی بازاریابی برگردند.

بازاریابی ۱: تامین نیازهایی که کاربر عنوان کرده است.
بازاریابی ۲: ایجاد نیاز و سپس پاسخ دادن به آنها
بازاریابی ۳: ماشین‌ها نیازها را آنالیز کرده و سپس به آنها پاسخ می‌دهند.

بازاریابی ۳ از یادگیری ماشین استفاده کرده تا بتواند کالا و کاربر را سریع‌تر و دقیق‌تر تطبیق دهد. این کار پیش از آن صورت می‌گیرد که کاربر نیاز خود را به صورت علنی اعلام کرده باشد. ماشین‌های با استفاده از داده‌های واقعی، قادر خواهند بود که نیازها و رفتار کاربران را پیش‌بینی کنند. به این ترتیب، بازاریاب‌ها نیازی ندارند که روند دقیق را در داده‌های زیاد تشخیص داده یا قوانینی که بر رفتار کاربران حاکم است را تشخیص دهند. به عبارت دیگر، یادیگری ماشین نقش بازاریاب‌ها را از دستکاری نیاز کاربران به پاسخ دادن دقیق با آنها تغییر داده است.

به عنوان مثال یک فروشنده BMW را در نظر بگیرید که قصد دارد یک مدل خاص را بفروشد. این فروشنده می‌تواند علایم افرادی که یک ماشین سری ۵ را قبلا خریداری کرده‌اند، شناسایی کنند. به عنوان مثال، این خریداران در مورد آئودی A6 و مرسدس E Class نیز تحقیق کرده‌اند. خریداران همچنین در مورد میزان مصرف بنزین نیز تحقیق کرده‌اند و ویژگی‌های مشترکی داشته‌اند. حال فرض کنید که کسی می‌خواهد BMW سری ۵ بخرد و دوستی دارد که قبلا این ماشین را خریده است. این شخص عبارت BMW 5 Series را جستجو کرده و نمایندگی‌هایی که تا فاصله ۱۰ مایلی قرار دارند، نشان داده می‌شود. سپس این شخص دقیقا به نمایندگی هدایت شده که دوستش نیز ماشن خود را از آنجا خریده است. سپس برنامه فردی را به کار معرفی می‌کند که سال پیش همین ماشین را به دوست او فروخته است و این دو می‌توانند در مورد خرید جدید صحبت کنند.

فرصت‌های زیادی برای پیش‌بینی نحوه تعامل آنلاین و آفلاین وجود دارد. گوگل، اپل، فیسبوک و آمازون سرمایه‌گذاری زیادی بر روی تشخیص صدا و پردازش زبان طبیعی دارند. آمازون حتی سعی دارد به الکسا یاد دهد که پاسخ‌های عاطفی‌تری داشته باشد. صدا برای اینکه بازاریاب‌ها با استفاده از یادگیری ماشین تجربه کاربری ایجاد کنند، حیاتی‌ است. حتی اگر ماشین‌ها بتوانند پیشنهادهایی دقیق داشته باشند، بازهم کاربران به مکالمه نیاز دارند. کاربران شاید دوست داشته باشند با استفاده از الکسا پیتزا سفارش دهند، اما سفارش ماشین نیاز به صحبت و گفتگوی بیشتری دارد.

نقش ماشین‌ها این خواهد بود که بین رفتار کاربران و خواسته نهایی آنها، ارتباط پیدا کنند. نقش بازاریاب این است که تشخیص دهد که چه چیزی را می‌توان اتوماتیک کرد. بازاریابی ۴، نیازهای بیان‌شده و بیان‌نشده کاربر را پاسخ می‌دهد.

ما به سمت دنیایی حرکت می‌کنیم که یادگیری ماشین بیشتر تعامل بین برندها و مشتریان را بر عهده دارد. این تضادی با تجربه اصیل و ارتباطات انسانی ندارد. بازاریابی فراگیر و مبتنی بر داده خواهد بود.

نوشته ربات‌ها در بازاریابی هوشمندتر می‌شوند اولین بار در پدیدار شد.

نگاهی به فناوری هوش مصنوعی و آینده آن

آبان ۳, ۱۳۹۵/در آموزش, آینده هوش مصنوعی, انسان و هوش مصنوعی, برگزیده‌ها, گوناگون, یادگیری ماشین /توسط ادمین

چند ماه قبل و در یکی از برنامه‌های تلویزیونی آمریکا، مجری برنامه درباره رسانه‌هایی که سرمایه زیادی را برای هر کلیک کاربران خود خرج می‌کنند بحثی را باز کرد. این موضوع با تبدیل شدن به یک پدیده ویروسی باعث شد تا مشکلات ناسازگاری سرویس یوتیوب در سرویس‌دهی به ۶ میلیون بازدید به چشم بیاید. پس از گذشت ۱۰ دقیقه، صحبتی در مورد یک شرکت تازه تاسیس به نام Tronc شد که در زمینه انتشارات فعالیت می‌کند. این شرکت برای فیلم‌های تبلیغاتی خود از یک روبات سخنگو استفاده می‌نماید و به وسیله آن توضیحاتی را درباره مزایای بکارگیری هوش مصنوعی در روزنامه‌نگاری به عنوان پدیده‌ای نو مطرح می‌کند. Tronc تنها شرکتی نیست که از هوش مصنوعی با آغوش باز استقبال کرده‌ است. این موضوع بسیار مهم و داغی است که هر سازمانی از تاثیرات شگرف آن آگاه است.

مفهوم هوش مصنوعی

مانند بسیاری از مفاهیم از جمله “فضای ابری”‌، “داده‌های عظیم”‌،”یادگیری ماشین”‌، فناوری هوش مصنوعی توسط بازاریابان و شرکت‌های تبلیغاتی بسیار مورد استفاده قرار می‌گیرد. خیلی از مردم زمانی که از هوش مصنوعی سخن می‌گویند، منظورشان تجزیه و تحلیل داده‌هاست. اگر این سوال بزرگ در ذهن شما هم بوجود آمده که “معنای واقعی هوش مصنوعی چیست؟” باید بگوییم در این مورد تنها نیستید. نظری که اکثر کارشناسان در این رابطه دارند آن است که هوش مصنوعی مجموعه‌ای از فناوری‌هاست که سعی می‌کند تا از هوش انسانی تقلید کند یا آن را تقویت بنماید. در کنار این مورد، نرم‌افزارهای هوشمند وجود دارند که به ما کمک می‌کنند تا با دنیای دیجیتالی پیرامون خود تعامل بهتری داشته باشیم.

در حدود ۳۰ سال پیش، مردم روزنامه‌هایی را می‌خواندند که توسط ماشین تحریر برقی به چاپ می‌رسید و کمتر کسی پیدا می‌شد که کانال‌های تلویزیونی را دنبال کند. امروزه، پخش آنلاین ویدیو از سرویس‌هایی مثل Netflix و یوتیوب، انتخاب‌های بی‌شماری را برای دنبال کردن مسایل روز جامعه و یا سرگرمی پیش رو گذاشته است. اکنون رسیدگی به همه ایمیل‌ها، پیامک‌ها و قرارهای ملاقات بسیار دشوار شده‌ است. هوش افزوده‌شده امکانی را ارایه می‌کند که توسط آن تعداد فزاینده‌ای از ورودی‌ها غربال ‌می‌شوند و قابلیت‌هایی را در اختیار می‌گذارد که به کمک نیروی انسانی قادر به فراهم کردن آن‌ها نخواهیم بود.

ارتباطی نو

به طور کلی کامپیوترها و نرم‌افزارهای اختصاصی آن‌ها، بسیار پیچیده‌تر از چیزی است که اکثر مردم درباره آن تصور می‌کنند و خیلی راحت از کنار آن می‌گذرند. زمانی بود که مجبور بودید یک نامه یا سند را روی دستگاه ضبط صوت ثبت کنید و در عین حال شخصی آن را رونویسی می‌کرد. امروزه می‌توانید به کمک فناوری تبدیل متن به گفتار نوشته مورد نظر خود را برای گوشی هوشمند بخوانید تا در زمان بسیار کم، ماشین آن را به پیام برگرداند. این تنها یکی از مسیرهایی است که به طی آن، ارتباطات و فعالیت‌های خود را بهبود داده‌ایم.

اکنون کافی است برای اطلاع از علاقه‌مندی‌ها یا خبر گرفتن از دوستان خود به صفحه اجتماعی او بروید. قبل از اینکه اینترنت بدین شکل رشد کند، مجبور بودیم تا برای حفظ رابطه با دوستان خود تماس تلفنی داشته باشیم یا نامه بفرستیم. این فرآیند خسته کننده‌ای بود تا دو طرف بتوانند از احوالات یکدیگر باخبر شوند. نتیجه این بود که به دلیل هزینه‌های زیاد برای تماس با راه دور و رسیدن نامه به دست گیرنده، تعاملات کمتری برقرار می‌شد. با ظهور اینترنت، ایمیل به عنوان روشی برای تسهیل و سرعت بخشیدن به ارتباطات معرفی شد. فیس‌بوک امکانات آن را بهتر کرد و باعث شد تا همه مخاطبین در یکجا جمع شوند و بتوانند همزمان با صدها و حتی هزاران نفر در تماس باشند. الگوریتم به ما اجازه داد تا با صرف هزینه‌ای بسیار اندک نسبت به گذشته، روابط اجتماعی خود را حفظ کنیم.

تقسیم‌بندی هوش مصنوعی

Michelle Zhou که بیش از ده سال در مرکز تحقیقاتی آی‌بی‌ام و آی‌بی‌ام واتسون گروپ فعالیت می‌کرد، در زمینه هوش مصنوعی و تعامل کامپیوتر با انسان از افراد نخبه به شمار می‌آید. او A.I (هوش مصنوعی) را به سه بخش تقسیم می‌کند. اولین مورد شناسایی هوشمندانه‌ای است که الگوریتم‌ها روی رایانه‌های قدرتمند آن را انجام می‌دهند و می‌توانند الگوهای مختلف را از یکدیگر تفکیک کنند و موضوع خاصی را از قطعات نوشتاری استخراج نمایند یا حتی قادر باشند معنای کلی یک متن را از چند جمله آن بفهمند. دومین مرحله هوش شناختی است که در آن ماشین می‌تواند بعد از تشخیص الگو شروع به استنتاج از داده‌ها کند. گام سوم تنها زمانی در دسترس قرار خواهد گرفت که بتوانیم انسان‌های مجازی بسازیم که قادر باشند در مورد مسایل تفکر کنند و همانند انسان رفتار نمایند.

کمک به انسان

ما راهی طولانی را برای ساخت انسان مجازی در پیش داریم. برخلاف آنچه که شما در رسانه‌ها می‌بینید، تکنولوژی بی عیب و نقص نیست و قوی‌ترین توابع در هوش مصنوعی در برابر هوش انسان حرفی برای گفتن ندارند. حتی زمانی که به این نقطه از تکامل برسیم، لازم است تا حالات انسانی را به کامپیوترها آموزش دهیم. در آوریل ۲۰۱۶، موضوعی جالبی از شرکت Bloomberg Business مطرح شد. این کمپانی توضیح داد که چگونه شرکت‌های مختلف می‌توانند با ارایه دستیاران شخصی هوشمند توسط هوش مصنوعی (برای کمک به تنظیم ترتیب زمانی یا خرید آنلاین) مربیان انسانی برای آن‌ها استخدام کنند تا به بررسی و ارزیابی این دستیاران پیش از ارسال هرکدام بپردازند.

فرقی نمی‌کند که این مورد سرویس Spotify یا نت‌فلیکس یا هر نسل جدید دیگری از ربات‌های چت مبتنی بر هوش مصنوعی باشد؛ همه این ابزارها برای فراهم کردن داده‌های مختلف به توانایی انسانی وابسته هستند. هنگامی که در حال گوش دادن به موسیقی هستیم، آن را به لیست پخش اضافه می‌کنیم و یا با دوستان خود به اشتراک می‌گذاریم، سیگنال‌هایی برای اسپاتیفای ارسال می‌شود تا علاوه بر کشف آهنگ‌‌هایی که ممکن است مورد علاقه‌ ما باشد، بازدید از آن‌ها را نیز پیش‌بینی کند.

صحبت‌های زیادی که در مورد “بینایی کامپیوتر” می‌شود تنها به این دلیل اثربخش بوده که افراد مختلف میلیاردها عکس تگ شده را با کمک ابرداده‌ها تگ می‌کنند تا بتوانند محتوای تصاویر را به شکل بهتری توصیف نمایند. قدرت رو به افزایش رایانه‌ها می‌تواند این عکس‌ها را بررسی کرده و الگوها و معناهای مرتبط با آن‌ها را پیدا کند. به طور مشابه، گوگل می‌تواند با بکارگیری میلیاردها نمونه از صدای اشخاص مختلف، سیستم هوشمندی را طراحی کند که لهجه‌ها و تفاوت‌های ظریف هرکدام را تشخیص دهد و بتواند امکانی را برای جستجوی صوتی فراهم آورد.

چشم‌انداز آینده

با توجه به معیار سه مرحله‌ای بیان شده توسط Zhou، اکنون به فاز “تشخیص هوشمندانه” رسیده‌ایم. رایانه‌های امروزی با استفاده از یادگیری عمیق می‌توانند الگوهای مختلف را خیلی سریع و بهتر کشف کنند. با این حال، همچنان برخی از شرکت‌ها روی فناوری‌هایی کار می‌کنند که بتواند معنای مفاهیم را استنباط کنند. Zhou درباره آینده این فناوری اینگونه نظر می‌دهد:

مهم نیست که به گام سوم از مراحل هوش مصنوعی دست پیدا می‌کنیم یا خیر. من هنوز هم از طرفداران بزرگ همزیستی انسان و ماشین هستم و معتقدم که کامپیوترها می‌توانند حداکثر توانایی خود را برای تداوم و دقت بیشتر بکار گیرند و در کنار آن نیز انسان از خلاقیت خود استفاده کند.

نوشته نگاهی به فناوری هوش مصنوعی و آینده آن اولین بار در - آی‌تی‌رسان پدیدار شد.

اپل ادعا می‌کند که هوش مصنوعی زیادی در iOS به کار رفته است!

شهریور ۴, ۱۳۹۵/در اپل, خبر, هوش مصنوعی, گوناگون, یادگیری ماشین /توسط ادمین

هوش مصنوعی بدون تردید یکی از بزرگترین روندهای دنیای کامپیوتر خواهد بود. تمام شرکت‌های بزرگ کامپیوتری مانند گوگل، فیسبوک و مایکروسافت بر این موضوع تاکید زیادی داشته و سرمایه‌گذاری زیادی نیز در این بخش دارند، اما اپل در ورود به این مبحث مهم کمی با تاخیر عمل کرده است.

اما حالا برخی از مدیران اپل در مصاحبه‌ای که انجام داده‌اند، گفته‌اند که هوش مصنوعی همین الان نیز در iOS وجود دارد و شاید کاربران آن را حس نکرده‌اند. البته این مدیران معتقدند که هوش مصنوعی اپل چندان در آینده پیشگام نخواهد بود، اما آنها گفتند که اپل چندین پروژه هوش مصنوعی و فراگیری ماشین دارد. به عنوان مثال، سیستم Siri در سال ۲۰۱۴ به شبکه‌های عصبی تغییر پیدا کرد. این مدیران مثال‌های دیگری از استفاده هوش مصنوعی را عنوان کردند. برخی از این مثال‌ها عبارتند از: پیشنهاد نام تماس گیرنده ناشناس با استفاده از پیام‌های قبلی، نشان‌دادن گروهی از اپلیکیشن‌ها که ممکن است استفاده کنید، نشان دادن هتلی که قبلا رزرو کرده‌اید زمانی که وارد نقشه می‌شوید و … .

یادگیری ماشین نیز در تمام محصولات و سرویس‌های اپل دیده می‌شود. اپل با استفاده از یادگیری عمیق، فریب‌کاری را در اپ استور تشخیص داده، عمر باتری را افزایش داده و بهترین فیدبک‌ها را در نسخه‌های بتا پیدا می‌کند. برخی از کارهای دیگری که یادگیری ماشین در محصولات اپل انجام می‌دهد، عبارتند از: شناسایی بهترین اخبار برای کاربر، شناسایی چهره‌ها و صورت‌ها در عکس و … .

هوش مصنوعی برای اپل جدید نیست. اپل از سال‌های ۱۹۹۰، با استفاده از هوش مصنوعی دست‌خط افراد را تشخیص می‌داد. بقایای این تلاش را هنوز هم می‌توان در محصولات اپل یافت. البته در آن زمان، یادیگری ماشین پیشرفت الان را نداشت و به طور گسترده استفاده نمیشد.

با این وجود، مدیران اپل گفته‌اند که اپل تیم اختصاصی برای هوش مصنوعی یا یادگیری ماشین ندارد. کرگ فدریقی می‌گوید:

ما هیچ تیم متمرکزی برای یادیگری ماشن در اپل نداریم. ما سعی می‌کنیم که آن را نزدیک تیم‌ها نگه داریم تا هر زمان لازم شد، برای بهبود تجربه کاربری از آن استفاده کنند.

التبه این بدین معنا نیست که افراد بر روی یادگیری ماشین کار نمی‌کنند، اتفاقا بر عکس افراد زیادی بر روی آن کار می‌کنند. بیشتر افرادی که اپل برای اینکار استخدام می‌کند، تحصیلات تخصصی در یادگیری ماشین ندارند. کرگ فدریقی می‌گوید:

ما افرادی را استخدام می‌کنیم که در زمینه‌های ریاضی، آمار، برنامه‌نویسی و رمزنگاری دانش خوبی دارند. بسیاری از این استعدادها در زمینه‌های مختلف را به راحتی می‌توان به یادگیری ماشین تبدیل کرد. گرچه ما افراد زیادی نیز در زمینه یادگیری ماشین استخدام می‌کنیم، ولی همیشه به دنبال افرادی با استعداد و شایستگی‌های بنیادین هستیم.

اپل سالانه شرکت‌های زیادی را در زمینه هوش مصنوعی خریداری می‌کند تا بتواند از استعدادهای‌ آنان استفاده کند. کو یکی از مدیران اپل می‌گوید:

ما سالانه ۲۰ تا ۳۰ شرکت را خریداری می‌کنیم تا بتوانیم از نیروی انسانی آنها استفاده کنیم. ما به دنبال افرادی هستیم که استعداد دارند، اما بر روی ارایه تجربه منحصربفرد نیز متمرکز هستند.

جدیدترین خرید اپل، شرکت Turi بود که به مبلغ ۲۰۰ میلیون دلار خریداری شد. Turi تول‌کیتی برای یادگیری ماشین ساخته که با TensorFlow گوگل قابل مقایسه است.

گرچه یادگیری ماشین و هوش مصنوعی محصولات اپل را تغییر داده‌اند، اما معلوم نیست که توانسته باشند که خود اپل را تغییر بدهند. حتی می‌توان گفت که یادگیری ماشین با اخلاقیات اپل در تضاد است. اپل شرکتی است که به شدت تجربه کاربری را کنترل می‌کند. همه چیز از قبل طراحی و کدنویسی شده است. اما زمانی که مهندسان از یادگیری ماشین استفاده می‌کنند، باید منتظر باشند که کد، برخی از کارها را انجام دهد. آیا اپل می‌تواند خود را با این واقعیت سازگار کند که یادگیری ماشین، دستی در طراحی محصولات داشته باشند؟!

نوشته اپل ادعا می‌کند که هوش مصنوعی زیادی در iOS به کار رفته است! اولین بار در - آی‌تی‌رسان پدیدار شد.

چگونه هوش مصنوعی می‌تواند دقت پزشکی را بالا ببرد؟!

تیر ۳۰, ۱۳۹۵/در آموزش, هوش مصنوعی, هوش مصنوعی در پزشکی, گوناگون, یادگیری ماشین /توسط ادمین

امروزه از ماشین‌‌های هوشمند استفاده‌های زیادی مانند اتومبیل‌های خودران و جستجوگر آنلاین می‌شود. اما چگونه هوش مصنوعی می‌تواند بر زندگی و نجات جان ما تاثیرگذار باشد؟ Suchi Saria، از اساتید دانشگاه جانز هاپکینز در این رابطه می‌گوید:

تغییر بزرگی در زمینه بهداشت و درمان به زودی انجام می‌گیرد.

این تفییر با راه‌اندازی و بهره‌برداری از داده‌های الکترونیکی سلامت برای کمک به پزشکان اتفاق می‌افتد تا آن‌ها بتوانند از این طریق در تصمیم‌گیری‌های حیاتی و گسترش خدمات به بیماران بهتر عمل کنند. در این مطلب به ۵ روشی اشاره می‌کنیم که به وسیله آن علم “یادگیری ماشین” دقت مضاعف و تازه‌ای را در اختیار علم پزشکی می‌گذارد.

۱. ساخت دارو

ایجاد داروهای درحال توسعه می‌تواند تا ده‌ها سال طول بکشد. شرکت Atomwise این فرآیند را به وسیله ابررایانه‌‌ها و با فراهم‌کردن راه‌حل‌های درمانی از پایگاه‌ داده ساختارهای مولکولی تسریع می‌کند. در همین حال، Berg Health با جمع‌آوری داده‌های عظیم سعی دارد در مورد اینکه چگونه بعضی از افراد از بیماری‌های سخت نجات پیدا می‌کنند، سرنخ‌هایی را بیابد تا بدین وسیله به روش‌های درمانی جدید دست پیدا کنند.

۲. تشخیص بیماری

شرکت Enlitic هزاران تصاویر مختلف پزشکی از جمله عکس‌برداری‌های اشعه ایکس و سی‌تی اسکن را جمع‌آوری کرده‌ است تا به رادیولوژیست‌ها برای یافتن شکستگی و تومورهای کوچک کمک نماید. Cardiogram یکی از برنامک‌های اپل‌ واچ است که با استفاده از الگوریتم‌های خاص، زمانی که تغییراتی در ضربان قلب کاربر ایجاد می‌شود او را مطلع می‌کند تا از اختلالات احتمالی و جدی در سلامت شخص جلوگیری نماید.

۳. مدیریت دارویی

موسسه ملی سلامتی، نرم‌افزاری به نام AiCure را توسعه داده‌ است که با استفاده از دوربین جلوی گوشی‌های هوشمند و هوش‌ مصنوعی به طور مستقل استفاده درست بیماران از نسخه‌ها را تایید می‌کند. این موضوع برای افراد مبتلا به بیماری‌های جدی و کسانی که در آزمایش‌های بالینی شرکت می‌کنند امری حیاتی است.

۴. دستیار سلامت

استارتاپ Sense.ly یک سری از مشتریان خاص مانند خدمات بهداشت ملی و دانشگاه کالیفرنیا را در اختیار دارد تا پرستار مجازی خود به نام Molly را در اختیار آن‌ها قرار دهد. رابط کاربری آن به گونه‌ای است که با استفاده از یادگیری ماشین می‌توان از بیماران مبتلا به امراض مزمن حین ملاقات با پزشک حمایت کرد.

۵. صراحت در پزشکی

بخشی از تلاش گسترده‌ای که در علم پزشکی انجام می‌گیرد برای ارایه تشخیص دقیق بیماری و درمان است. استارتاپ Deep Genomics الگوهای موجود در مجموعه عظیمی از اطلاعات ژنتیکی را شناسایی می‌کند تا با این روش جهش‌های ژنتیکی و ارتباط آن با بیماری فرد را پیدا کند.

نوشته چگونه هوش مصنوعی می‌تواند دقت پزشکی را بالا ببرد؟! اولین بار در - آی‌تی‌رسان پدیدار شد.

گوشی‌های اندرویدی آینده اشیا اطراف شما را شناسایی می‌کنند

تیر ۱۷, ۱۳۹۵/در Moodstocks, خبر, هوش مصنوعی, گوناگون, گوگل, یادگیری ماشین /توسط ادمین

گوگل جدیدا استارتاپ فرانسوی Moodstocks که بر شناخت اشیا توسط اسمارت‌فون متمرکز است را خریداری کرده است. تکنولوژی این شرکت با استفاده از یادگیری عمیق و هوش مصنوعی اشیا و تصاویر را شناسایی می‌کند. تفاوت مهم این است که این شرکت این کارها را به صورت محلی انجام می‌دهد. پیش از این سرورهای گوگل این کار را انجام می‌دادند. یه عبارت دیگر، این تکنولوژی درون گوشی قرار داده می‌شود.

گوگل هم‌اکنون نیز دارای قابلیت‌های زیادی در هوش مصنوعی و یادگیری ماشین است، اما هنوز کارهای زیادی دز این حوزه باقی مانده است. Moodstocks الگوریتم‌های جدیدی برای یادگیری ماشین و تشخیص تصویری و همچنین تکنولوژی‌هایی برای تشخیص تصاویر و اشیا را توسعه داده است. Moodstocks در وبسایت خود می‌گوید:

امروز، ما بسیار هیجان‌زده هستیم، چون به توافقی رسیدیم تا با گوگل همکاری کنیم و کار خود را توسعه دهیم. ما انتظار داریم که خرید ما تا چند هفته آینده تکمیل شود. تمرکز اصلی ما بر روی ساخت ابزارهای تشخیص تصویر با گوگل است، اما مشتریان پولی ما تا آخر دوره اشتراک، همچنان به ما دسترسی دارند. از زمانی که Moodstocks را شروع کردیم، هدف ما این بوده است که دوربین گوشی را تبدیل به چشم‌هایی بکنیم که قادرند محیط اطراف خود را درک کنند.

اگر خوب نگاه کنیم، می‌توانیم شباهت‌هایی بین کارهای Moodstocks و پروزه تانگو گوگل ببینیم. این شرکت تکنولوژی تشخیص تصویر را در سال ۲۰۱۲ ارایه کرده و از آن پس در حال توسعه تکنولوژی تشخیص اشیا است. همچنین این شرکت به گوگل کمک می‌کند تا ابزار جستجو توسط عکس خود را گسترش دهد.

تیم Moodstocks نیز همراه با شرکت خریده شده‌اند و به مرکز توسعه و تحقیق گوگل در فرانسه منتقل می‌شوند. این خرید قدرت هوش مصنوعی گوگل در اسمارت‌فون‌ها را افزایش می‌دهد. از طرف دیگر، موقعیت فرانسه در هوش مصنوعی و یادگیری ماشین را تثبیت می‌کند.

نوشته گوشی‌های اندرویدی آینده اشیا اطراف شما را شناسایی می‌کنند اولین بار در - آی‌تی‌رسان پدیدار شد.

دست رباتیکی بسیار نزدیک به دست انسان تولید شد

خرداد ۵, ۱۳۹۵/در تکنولوژی, دست رباتیکی, دست مصنوعی, ربات, رباتیک, گوناگون, یادگیری ماشین /توسط مونا شریفی

محققان یک دست رباتیکی ایجاد کرده اند که به طرز مرموزی شبیه به دست انسان است و می تواند به خودی خود یاد بگیرد و هر بار اعمال را بهتر انجام دهد.

ما اغلب احساس می کنیم که تکمیل وظایف پایه ای با استفاده از دست، بسیار آسان است. تایپ کردن یک ایمیل و یا دم کردن یک قوری قهوه کارهایی است که ما می توانیم به محض باز کردن چشم انجام دهید، اما حرکات دست برای تکمیل این وظایف واقعا پیچیده اند و از مهارت های انسانی خاص محسوب می شوند.

به همین دلیل برای روبات ها انجام دادن اعمالی مثل انتقال یک شیء یا مراقبت از افراد مسن و کمک برای تمیز کردن خانه با همان سطح از ظرافتی که ما انجام می دهیم، مشکل است.

محققان در دانشگاه واشنگتن مشغول کار برای ساخت دستی هستند که به یک دست واقعی نزدیک تر باشد. سیستم نرم افزاری آنها به نام سیستم ادریوت، انرژی لازم برای این دست رباتیکی را که یکی از مهمترین و قوی ترین بخش های بدن است تامین می کند. دست رباتیکی تولید شده توسط آنها، یک ماهر پنج انگشتی است که نه تنها به صورت استادانه اعمال را انجام می دهد، بلکه می تواند از اشتباهات خود یاد بگیرند برای انجام عملکردی بهتر در روز بعد، آن آموخته را بکار بندد.

این سیستم بر روی یک فرم هوش مصنوعی به نام یادگیری ماشین، اجرا می شود که زمانی که ماشین آلات، که در این مورد دست رباتیکی است، به مرحله یادگیری برسند، عملکرد آنها بهبود می یابد.

ویکاش کومار، دانشجوی دکترا UW در علوم کامپیوتر و مهندسی، فرایند یادگیری این دست رباتیکی را به یک کودکی که به مهد کودک می رود، تشبیه کرد.

او می گوید: “کودک به یک کلاس می رود و به او گفته می شود که آنچه امروز برای یادگیری تو در نظر گرفته ایم این است و سپس تمرین هایی را انجام می دهد. روز بعد با درک بهتری نسبت به موضوع آن کار را بهتر انجام می دهد. پس بسیاری از یادگیری ها با آزمون و خطا همراه است، بنای این دست رباتیکی نیز بر اساس یادگیری گذاشته شده است.”

دست رباتیکی رفتارهای بازتابی نیز نشان می دهد به این معنا که به همان شیوه ای که دست انسان به لمس اشیاء واکنش نشان می دهد این دست نیز چنین توانایی دارد. همچنین می تواند مهارت های بسیار پیچیده مانند چرخاندن دانه های قهوه بدون انداختن آنها، را انجام دهد.

این دست هنوز در روزهای اولیه تولید به سر می برد. پلت فرم ادرویت با هزینه ی ۳۰۰ هزار دلاری همراه است که دست رباتیکی را برای تولید تجاری بسیار گران می کند. حتی اگر در مورد قیمت نگرانی وجود نداشته باشد، این دست آماده ی تولید انبوه نیست.

به عنوان مثال، می تواند در یک ربات، توانایی دم کردن یک قوری قهوه را ایجاد کند. اما تنها می تواند گام های لازم را برای انجام این کار را یکبار نشان دهد، نمی تواند رشته ای از این اعمال را برای دم کردن قهوه بدون وقفه بکار بندد.

با عضویت در کانال رسمی تکرا در تلگرام از آخرین اخبار روز تکنولوژی مطلع باشید.

منبع: techinsider

عصر تکنولوژی، تکرا

نوشته دست رباتیکی بسیار نزدیک به دست انسان تولید شد اولین بار در عصر تکنولوژی - تکرا پدیدار شد.

ابزار جدید مایکروسافت می تواند حدس بزند که در یک عکس ساده چه احساساتی دارید

آبان ۲۱, ۱۳۹۴/در تشخیص چهره, مایکروسافت, هوش مصنوعی, پردازش الگوریتم چهره, پردازش تصویر, گوناگون, یادگیری ماشین /توسط مونا شریفی

به تازگی شاهد وب ویدجت های بسیار جالبی از مایکروسافت هستیم که قادرند یک عکس را تجزیه و تحلیل کنند و اطلاعاتی در مورد افراد موجود در عکس ها بر اساس چهره آنها، بیان کنند. این اطلاعات شامل حدس زدن سن، جنس فرد، دو قلو بودن یا تک قول بودن، و اخیرا، امتیاز دهی به چهره و موها می باشد.

امروز، مایکروسافت، یک قابلیت جدید به API های چهره خود، اضافه کرده است و این بار به گونه ای طراحی شده که احساسات را واکاوی می کند. در واقع نرم افزار بر اساس چهره یک کاربر، احساسات او را در مبنای ۸ در مقیاس ۰ تا ۱ نمایش می دهد. مایکروسافت تعدادی نمودار های یوز کیس که در لغت به معنای موارد استفاده هستند، فراهم می کند، به صورت اختصاصی در صنعت مصرف کننده، مانند رتبه دهی به واکنش مردم به تبلیغات است. می توانید تست مختصری را که انجام شده است، در تصاویر زیر ببینید. همچنین می توانید آن را در اینجا بر روی عکس های خود امتحان کنید.

این شناخت و پردازش الگوریتم های چهره، توسط تیم پروژه آکسفورد مایکروسافت با استفاده از یادگیری ماشین و هوش مصنوعی توسعه یافته است. از آنجا که بسیاری از توسعه دهندگان کوچک به این منابع دسترسی ندارند، این تیم در حال انتشار آن در یک مجموعه ابزار هستند که توسعه دهندگان را قادر به استفاده از این قابلیت در برنامه های خود را می کند.
این قابلیت ها در محدوده بررسی کننده اسپلینگ هوشمند است که در زبان عامیانه و رایج مانند استفاده از their, there, they’re، تست بر اساس ساختار جمله تشخیص داده می شود(منظور کلماتی است که ساختار تلفظی یا یا اسپل آن ها شبیه به یکدیگر است ولی در گفتار فقط در جمله معنی آنها مشخص می شود). همچنین شامل پردازش نرم افزار Hyperlapse خود مایکروسافت برای ایجاد ثبات ویدئو و پیگیری حرکت نیز می باشد.
همچنین تعدادی از قابلیت تشخیص گفتار و پردازش اعم از شناسایی صدای یک فرد خاص برای استفاده در برنامه های امنیتی یا فیلتر کردن نویز پس زمینه در محیط های با صدای بلند نیز وجود دارد. این نرم افزار حتی قدرت تشخیص صدا برای افرادی که به زبان غیر مادری صحبت می کنند و افراد معلول را نیز دارد.