شبکه‌های هوش مصنوعی و آینده یادگیری عمیق

یادگیری عمیق (Deep Learning) زیرشاخه‌ای از یادگیری ماشینی است که از لایه‌های متعدد تبدیلات خطی به‌منظور پردازش سیگنال‌های حسی مانند صدا و تصویر استفاده می‌کند. ماشین در این روش هر مفهوم پیچیده را به مفاهیم ساده‌تری تقسیم می‌کند و با ادامه این روند به مفاهیم پایه‌ای می‌رسد که قادر به تصمیم‌گیری برای آن‌ها است و بدین ترتیب نیازی به نظارت کامل انسان برای مشخص کردن اطلاعات لازم ماشین در هرلحظه نیست. 
 
موضوعی که در یادگیری عمیق اهمیت زیادی دارد، نحوه ارائه اطلاعات است. ارائه اطلاعات به ماشین باید به نحوی باشد که ماشین در کمترین زمان، اطلاعات کلیدی را که می‌تواند با استناد به آن‌ها تصمیم بگیرد؛ دریافت کند.
 
 
هنگام طراحی الگوریتم‌های یادگیری عمیق می‌بایست به عوامل متغیر تأثیرگذار که اطلاعات مشاهده‌شده را توضیح می‌دهند؛ توجه کنیم، این عوامل معمولاً عوامل قابل‌مشاهده‌ای نیستند، بلکه عواملی هستند که بر روی دسته قابل‌مشاهده تأثیرگذار بوده یا زاده ساختارهای ذهنی انسان برای ساده‌تر کردن مسائل‌اند. برای مثال در هنگام پردازش گفتار عوامل متغیر تأثیرگذار می‌توانند لهجه گوینده، سن یا جنسیت او باشند. در هنگام پردازش تصویر یک ماشین، میزان درخشش خورشید یک عامل متغیر تأثیرگذار است.
 
 یکی از مشکلات هوش مصنوعی تأثیر زیاد عوامل متغیر تأثیرگذار بر روی اطلاعات دریافتی است. برای مثال بسیاری از پیکسل‌های دریافتی از یک ماشین قرمز در شب ممکن است سیاه دیده بشوند. برای حل این مشکلات بعضاً به درک بالای اطلاعات (در حدود انسان) نیازمندیم و درواقع گاهی یافتن نحوه مناسب نمایش اطلاعات به‌اندازه خود مسئله سخت و زمان‌بر است.
 
 
هوش مصنوعی مشکل خاصی دارد و آن‌هم به‌طور ویژه فقط به کاربران و انسان‌هایی که قصد استفاده از آن را دارند، مربوط است و از آن‌ها نشأت می‌گیرد. اخیراً آمازون تصمیم گرفت پرده از ابزار سری هوش مصنوعی خود بردارد. درحالی‌که آمازون همیشه برای تأمین منابع مدارهای جدید خود از این ابزار استفاده می‌کرده است.
 
 این غول اینترنتی شبکه‌های خود را به‌گونه‌ای آموزش داده است که بتوانند با مشاهده الگوهای موجود در رزومه‌هایی که در طول ۱۰ سال جمع‌آوری‌شده‌اند؛ امور محوله را به‌خوبی ساماندهی کنند. البته ازآنجایی‌که اغلب رزومه‌ها از طرف مردان بوده است الگوهای برداشته‌شده از آن‌ها بیشتر مردانه بوده و لذا شبکه به حالت حاکمیت مردانه درآمده است.
 
همین امر سبب شده، هوش مصنوعی حاکم بر این سیستم نامزدهای کاری مرد را ترجیح دهد و روزمه های دریافت شده‌ای که در آن‌ها جنسیت زن قیدشده باشد را کنار بگذارد. آیا این امر بدین معنی است که هوش مصنوعی به‌نوعی نسبت به جنسیت به‌صورت جانب‌داری رفتار می‌کند و یا اینکه آیا این رفتار نشان‌دهنده این است که یادگیری ماشینی هنوز هم محصولی از محیط پیرامون خود است؟
 
در اصل باید گفت که یادگیری عمیق عبارت است از تحلیل دیتایی که از قبل در دسترس است برای پیش‌بینی و درک آینده. لذا درصورتی‌که فرهنگ خاصی مورد تحلیل قرار گیرد کامپیوتر ممکن است حتی به تقویت آن فرهنگ نیز بپردازد. شرکت آمازون نیز یکی از جدیدترین نمونه‌هایی است که ثابت کرد چگونه این ماشین‌ها و هدایت‌کنندگان آن‌ها هنوز هم به یادگیری نیاز دارند.
 
با توجه به اینکه محتوای تصویری و به‌خصوص شناسایی صورت افراد هرروز بیش از گذشته در برنامه‌های کاربردی مختلف مورداستفاده قرار می‌گیرد، تأثیر دیتای متعصبانه و دارای جانبگیری از موضعی خاص می‌تواند اهمیت هدایت کردن این نوع مشکلات را به‌سوی مسیر صحیح، بیش‌ازپیش نمایان کند.
 در حال حاضر سیستم‌های آموزشی عمیق موردنیاز است تا بتوان اطمینان حاصل کرد که کامپیوترهای ما به دیتای صحیح دست پیدا می‌کنند. چراکه کیفیت خوب دیتا است که می‌تواند عملیات بهینه و منطقی را نتیجه دهد و سبب رشد و توسعه کسب‌وکارها شود و از سوی دیگر دیتای بدون کیفیت می‌تواند سبب رخ دادن عملیاتی شود که می‌تواند به ضرر کسب‌وکارها باشد.
 
سرمایه‌گذاری در هوش مصنوعی
 
برای استفاده بهینه از هوش مصنوعی در توسعه کسب‌وکارها مدیران باید اطمینان حاصل کنند که کارکنان مهارت‌های لازم برای سرمایه‌گذاری در این حوزه را کسب کرده‌اند.
 
دنیای ما امروزه در ۲.۵ کوئینتیلیون بایت دیتا در هرروز احاطه‌شده است، این مقیاس دیتا که برای یادگیری ماشینی غیرقابل استفاده است به علت فاقد شناسه و برچسب بودن یا فاقد ساختار مناسب بودن برای یادگیری نظارت‌شده نیز مناسب نمی‌باشد.
 
همچنین استفاده از مجموعه‌های کوچک دیتا در یادگیری ماشینی می‌تواند منجر به پدیده‌ای شود که بنابر آن دیتای محدود و کم به یک ماشین یاد می‌دهد که درختان را مشاهده کند، اما چوب درختان را نشناسد. مجموعه دیتای بزرگ‌تر و متنوع‌تر دیتایی هستند که در صورتی خواهان جلوگیری از محدودیت‌های دیتا و استفاده از یادگیری عمیق درروش موردنظر در آینده‌ای نزدیک باشیم، بیشتر به‌کارآمده و مناسب‌تر هستند.
 
برای مثال درصورتی‌که به دنبال آموزش دادن به یک شبکه به‌منظور شناسایی چهره‌های جذاب باشیم اما به این شبکه فقط صورت‌های سفید را نشان دهیم این ماشین یاد می‌گیرد که چهره‌های جذاب فقط می‌توانند چهره‌ای سفید باشند. این امر مسئله‌ای است که سال گذشته برنامه «فیس اپ» به‌نوعی با فیلتر عکس مخصوص خود از آن استفاده کرد و گزینه‌ای را ارائه داد که با استفاده از آن کاربر می‌توانست عکس خود را جذاب‌تر کند. با انتخاب این گزینه یکی از تغییراتی که روی عکس ایجاد می‌شد این بود که چهره فرد سفیدتر نشان داده می‌شد.
 
یادگیری نظارت‌شده در مقابل یادگیری نظارت‌نشده
 
در بسیاری از روش‌ها یک شبکه عصبی بیشتر شبیه بچه‌ای است که پاسخ‌های متفاوتی به یک نظارت هدایت‌شده و هدایت نشده می‌دهد. درصورتی‌که به یک کودک به‌سادگی اجازه دهید بدون هیچ‌گونه راهنمایی در یک مکان حرکت کند، او این کار را یاد خواهد گرفت. آنچه او می‌خواهد یاد بگیرد به‌صورت غیرقابل‌پیش‌بینی است. این روش در حقیقت یادگیری به روش غیر نظارت‌شده است؛ اما یادگیری نظارت‌شده که رایج‌ترین تکنیک آموزش در هوش مصنوعی است به معنی ارائه راهنمایی و نشان دادن مسیرها و جهت‌های حرکت به کودک اشاره‌شده، است تا بتواند هر چیزی را از روی تصاویر بشناسد و از طریق نشانه‌های مشخص مسیر موردنظر را پیدا کند.
 
تغییر مثبت در روش انجام وظایف
 
هوش مصنوعی، تغییرات مثبتی در روش انجام وظایف انسان ایجاد می‌کند. امروزه ماشین‌ها چنان برنامه‌ریزی‌شده‌اند که با استفاده از تکنیک‌های یادگیری نظارت‌شده می‌توانند حتی بهتر از انسان‌ها وظایف خود را درباره مسئولیت‌های شناختی به‌خوبی انجام دهند. یادگیری غیر نظارت‌شده به ماشین‌ها امکان می‌دهد به روش برنامه‌ریزی‌شده دیتای موردنیاز خود را کسب کنند و به دنبال الگوها بوده و اتصالاتی را ترسیم کنند و بدون نیاز به راهنما به نتایج مطلوب برسند. یادگیری غیر نظارت‌شده معمولاً نمی‌تواند دقت و کارآمدی یادگیری نظارت‌شده را داشته باشد و این در حالی است که یادگیری عمیق هنوز در مراحل اولیه شکوفایی خود قرار دارد و کارآمدی‌های خود را بروز نداده است.
 
به‌تدریج هوش مصنوعی و یادگیری عمیق امکان درک تصاویر بدون برچسب تعیین‌شده از قبل را نیز پیدا خواهد کرد. به‌محض عبور از این مرز فقدان دیتای مناسب برای یادگیری دیگر معنی خود را از دست خواهد داد و دیگر نیازی به اتکا به این نوع دیتا نیست.
 
پر کردن خلأهای دیتایی، راهی برای توسعه یادگیری عمیق
 
باید به این نکته توجه داشت که دیتای در دسترس، مشکلاتی دارد و از ویژگی¬های موردنیاز برای یادگیری عمیق برخوردار نیست. لذا به‌جای جمع‌آوری دیتای هر چه بیشتر، شاید آینده موفق یادگیری عمیق در یادگیری غیر نظارت‌شده نهفته باشد. گذشته از همه این مسائل شاید دغدغه اصلی ما در این دوران آموزش دادن اصول پایه هوش مصنوعی به فرزندانمان باشد اما مسئله مهم‌تر یادگیری و تجربه مسائل مهم این حوزه توسط خود ما هست.
 
اجرای موفق هوش مصنوعی در سه‌گام
 
موفقیت در یادگیری عمیق به میزان بسیار زیادی به کیفیت دیتای جمع‌آوری‌شده، نظم روند جمع‌آوری دیتا و علامت‌گذاری دیتایی بستگی دارد که برای آموزش به ماشین‌های ما و یادگیری اموری که باید توسط آن‌ها به‌صورت دقیق و منظم انجام شود، به کار گرفته می‌شود.
 
برای شکوفای و ظهور موفق یادگیری عمیق باید تمرکز اصلی بر وابستگی هرچه کمتر بر دیتای آموزشی و توجه بیشتر بر فن‌های یادگیری غیر نظارت‌شده‌ای متمرکز باشد که نه‌تنها به پردازش دیتا می‌پردازند بلکه رفتار یادگیری انسان‌ها را نسخه‌برداری و تکرار می‌کنند. تنها بدین طریق است که ما خواهیم توانست به ماشین‌های خود اجازه دهیم به‌جای ما فکر کنند.
 

چه کسی از خط عبور خواهد کرد؟ هوش مصنوعی برای بشر/ پیشرفت فعالان هوش مصنوعی

مسابقه شروع‌شده است؛ همه کشورها می‌خواهند در حوزه هوش مصنوعی پیشتاز باشند. ایالات‌متحده آمریکا، روسیه، کانادا، چین، دانمارک، فنلاند، فرانسه، آلمان، بریتانیا، سوئد، نیوزلند، لهستان، استرالیا، ایتالیا، ژاپن، مکزیک، سنگاپور، مالزی، هند، کره جنوبی، تایوان، امارات متحده عربی استراتژی‌هایی را برای استفاده از هوش مصنوعی و توسعه آن، ارائه داده‌اند. 
 
استراتژی کشورها مشابه نیستند و هرکدام بر جنبه‌های مختلف خط‌مشی خوش مصنوعی تمرکز کرده‌اند، جنبه‌هایی مثل تحقیقات علمی، بهبود آموزش، زیرساخت دیجیتالی، داده‌ها، استانداردها، مقررات و اخلاق.
 
پیش‌بینی‌ها، تحقیقات و مطالعات اخیر و دیگر ارزیابی‌های مربوط به هوش مصنوعی، نشان می‌دهد که این فناوری در حال پیشرفت است، هرچند هنوز قواعد مشخص و یکسانی در زمینه حریم خصوصی داده‌ها در کسب‌وکارهای جهانی وجود ندارد.
 
به گزارش فوربس حداقل ۷۵ کشور از ۱۷۶ کشور جهان، از فناوری‌های هوش مصنوعی فعالانه استفاده می‌کنند؛ این موارد استفاده اهداف مختلفی دارد: ۵۶ کشور از هوش مصنوعی برای ایجاد پلتفرم‌های شهر هوشمند و امن استفاده می‌کنند و ۶۴ کشور از سیستم‌های تشخیص چهره استفاده می‌کنند.
 
در ادامه به کشورهایی می‌پردازیم که در این رقابت، حضور پررنگ‌تری دارند و به وضعیت ایران نیز نگاهی می‌اندازیم.
 
چین
 
دولت چین بارها اشاره‌کرده است که می‌خواهد تا سال ۲۰۳۰ نوآور پیشتاز هوش مصنوعی باشد. استراتژی ملی چین سرمایه‌گذاری میلیاردها دلار روی تحقیق و توسعه هوش مصنوعی است.
 
به گزارش CB Insights در سال ۲۰۱۷ استاتر‌های هوش مصنوعی ۴۸ درصد از سرمایه‌گذاری کارآفرینی جهان روی هوش مصنوعی را به خود اختصاص دادند.
گزارش‌شده است که چین بعد از آمریکا بیشتری شرکت‌های هوش مصنوعی را دارد و خانه بسیاری از شرکت‌های پیشرفته و ارزشمند در این حوزه است.
 
 
فرانسه
 
 
استراتژی ملی فرانسه در مورد هوش مصنوعی در سال ۲۰۱۸ با عنوان «هوش مصنوعی برای بشر» منتشر و ۱.۵ میلیارد یورو به این طرح اختصاص یافت.
برنامه فرانسه در حوزه هوش مصنوعی متمرکز بر اکوسیستم داده باز، مؤسسات تحقیقاتی و تبیین مصائب اخلاقی و ارتقای بخش‌هایی مشخص از اقتصاد فرانسه است.
 
در حال حاضر دو کشور چین و آمریکا دارای بیشترین و بزرگ‌ترین لابراتوارهای صنعتی تولید هوش مصنوعی در زمینه‌های نظامی و دستگاه‌های تولیدی هستند. به گزارش رویترز، دولت مکرون می‌خواهد فرانسه را به‌عنوان یک کشور جدید در زمینه استفاده از هوش مصنوعی معرفی بکند تا از این راه ضمن فراهم کردن تسهیلات مربوط به قوانین کارگری به جذب سرمایه‌گذاری خارجی در این فناوری دست یابد تا هم‌زمان از سلطه‌ غول‌های الکترونیکی مانند گوگل و فیس‌بوک در کشور بکاهد.
 
آلمان
دولت آلمان به دنبال تسریع توسعه و استفاده از فناوری‌های هوش مصنوعی است و برنامه دارد از سال ۲۰۱۸ تا ۲۰۲۵ حدود ۳ میلیارد دلار یورو روی هوش مصنوعی سرمایه‌گذاری کند. آلمان امیدوار است این سرمایه‌گذاری اقتصادش را بهبود بیشتری بخش. مطالعه نشان می‌دهد که فناوری هوش مصنوعی می‌تواند ۳۲ میلیارد یورو به خروجی تولید کشور کمک کند.
 
دغدغه‌های موجود در کشور آلمان بر اساس اولویت‌ها در درجه اول اخلاق استفاده از هوش مصنوعی و در درجه دوم کاهش مشاغل به دلیل روی کار آمدن هوش مصنوعی است. به‌این‌ترتیب تمرکز زیادی بر آموزش مهارت‌ها شده است تا کارکنان بتوانند با شرایط جدید و نحوه استفاده از فناوری‌های نوظهور تطبیق یابند.
 
بریتانیا
 
بریتانیا با یک میلیارد پوند سرمایه‌گذاری دولتی سعی دارد از دانشگاهیان و آکادمی در زمینه هوش مصنوعی حمایت کند. بریتانیا بیشتر از کشورهای دیگر بر نوآوری تمرکز دارد.
 
به گزارش سرویس آی‌تی و فناوری انتخاب، آژانس اقتصادی لندن بین سال‌های ۲۰۱۵ تا ۲۰۱۷ افزایش سرمایه مالی ۲۰۰ درصدی را در حوزه هوش مصنوعی ثبت کرده است. این موضوع در راستای برنامه «ترزا می» نخست‌وزیر انگلیس برای شناسایی صنایعی است که به تبدیل اقتصاد و افزایش بهره‌وری کمک می‌کند.
 
دولت انگلیس همچنین قصد دارد حوزه‌هایی مثل بیوتکنولوژی و شبکه تلفن همراه را هدف قرار دهد که فکر می‌کند می‌تواند در آینده در آن‌ها به برتری برسد.
 
آمریکا
ایالات‌متحده آمریکا سال‌ها پیشتاز تحقیقات هوش مصنوعی بوده است و در سال ۲۰۱۲ سرمایه‌گذارهای کارآفرین ۲۸۲ میلیون دلار روی نوآوری‌های هوش مصنوعی سرمایه‌گذاری کردند. این رقم بر اساس گزارش موسسه Statisca در سال ۲۰۱۷ به ۵ میلیارد دلار و در سال ۲۰۱۸ به ۸ میلیارد دلار رسید.
 
طبق آمارهایی که در گزارش توسعه هوش مصنوعی سال ۲۰۱۸ میلادی منتشرشده، ایالات‌متحده آمریکا میزبان بیش از ۲۰۰۰ شرکت و استارتاپ مبتنی بر هوش مصنوعی و یادگیری ماشین است.
 
ایران
ایران در سال‌های اخیر به هوش مصنوعی توجه خاصی داشته است. پروفسور کارو لوکس (۱۳۸۹-۱۳۲۸) پدر هوش مصنوعی ایران و یکی از چهره‌های ماندگار علمی در کشور با ایجاد مرکز «کنترل و پردازش هوشمند» در دانشگاه تهران این علم را رسماً پایه‌گذاری کرد. 
 
او در خلال دهه هشتاد به‌تدریج تمركز پژوهش‌‌هاى خود را به سمت سيستم‌‌هاى هوشمند انتقال داد و جزو نخستين پژوهشگران بين‌المللى بود كه ارتباط ميان شبكه‌‌هاى عصبى، منطق فازى و الگوريتم‌‌هاى ژنتيك را محقق كردند. با وجود این‌که رشته هوش مصنوعی و رباتیک از سال ۱۳۸۱ در ایران تدریس می‌شود و فارغ التحصیلانی زیادی داشته است اما هنوز این رشته در بین آحاد مردم گمنام مانده است.
 
با این وجود در سال‌های اخیر تلاش شده است از هوش مصنوعی در فناوری‌های مختلف، استفاده شود. یکی از نمونه‌هایی که هوش مصنوعی امروز در ایران به کار گرفته شده راه‌اندازی اپلیکیشنی برای کمک به ناشنوایان است. در این اپلیکیشن، هوش مصنوعی به ناشنوایان کمک می‌کند تا با محیط اطراف خود ارتباط برقرار کنند. هوش مصنوعی در این اپلیکیشن، با تبدیل صداها به علامت، به ناشنوایان نشان می‌دهد چه اتفاقی در حال رخ دادن است.
 
به صورت کلی می‌توان گفت اصلی‌ترین راه پیشرفت در این زمینه ورود استارت‌آپ‌ها و شرکت‌های دانش‌بنیان هستند. اپلیکیشن‌های مسیریابی مثل نشان و بلد در ایران و همچنین بسیاری از پلت‌فرم‌های اقتصاد اشتراکی مثل اپلیکیشن‌های تاکسیرانی اسنپ و تپ‌سی، نرم‌افزارهای هوشمند دارند. 
 
همه این‌ها به دلیل الگوریتم‌های هوشمندشان، ذیل هوش مصنوعی قرار می‌گیرند. در حال حاضر، برخی از استارت‌آپ‌های دانش‌بنیان در حال کار روی فناوری هوش مصنوعی هستند، اما این فناوری علیرغم رشد تئوریک خود در فضای دانشگاهی ایران، رشد کاربردی چندانی نداشته است و هنوز بسیاری از ایده‌ها به واقعیت پیوند نخورده‌اند.
 
بر اساس گزارش موسسه تحقیقاتی Expertenkommission Forschung und Innovation (EFI) ایران در سال ۲۰۱۹، رتبه ششم را از نظر تولید مقاله و پژوهش در زمینه هوش مصنوعی به خود اختصاص داده است.
 

دوش حمام‌تان را با صدای خود کنترل کنید!

 
 
اگر از کنترل دوش حمام و سرعت ریزش آب و گرمای آن با دست خسته شده اید، می‌توانید از دوش تولید شده توسط یک شرکت آلمانی استفاده کنید که با فرامین صوتی کنترل می‌شود.
 
به گزارش انگجت، دوش هوشمند شرکت کهلر با بلندگوی هوشمند شرکت الکسا سازگاری دارد و مجهز به هوش مصنوعی برای تطبیق دادن خود با سلایق و علایق خاص افراد است.
 
دوش یادشده که Moxie نام دارد، کاملاً ضدآب است و مانند یک آهن ربا به دیوار چسبانده می‌شود. بی سروصدا بودن، دکمه‌هایی برای کنترل شدت ریزش آب و دمای آن و قابلیت شارژ بی سیم از جمله مزایای این دوش آب است.
 
دوش یادشده علاوه بر دریافت فرامین به صورت صوتی، قابلیت پخش اخبار، موسیقی و غیره را نیز دارد و با هر بار شارژ به مدت ۶ تا ۷ ساعت قابل استفاده است. عرضه عمومی این محصول تا پایان سال ۲۰۲۰ رخ می‌دهد و قیمت مدل‌های مختلف آن بسته به امکاناتی که دارند از ۹۹ دلار تا ۲۹۹ دلار در نوسان است.
 
شرکت کهلر این محصول را همراه با برخی محصولات هوشمند دیگر خود در نمایشگاه سی ای اس ۲۰۲۰ عرضه می‌کند. از جمله این محصولات می‌توان به سیستم تصفیه آب دارای قابلیت ارتباطی وای – فای، شیر آب آشپرخانه لمسی با امکان مدیریت بهینه مصرف آب و سیستم هوشمند مدیریت مصرف آب سرویس‌های بهداشتی اشاره کرد.

آشنایی با مسایل حقوقی استفاده از هوش مصنوعی: جهانی که انسان در آن کار نکند

 
هوش مصنوعی مانند یک انسان قدرت یادگیری دارد و قادر است از تجربیات خود استفاده کند.
با صنعتی شدن جامعه و نیاز انسان به تسهیل و تسریع امور جاری خود، استفاده از هوش مصنوعی بیش از گذشته در جوامع امروزی رواج پیدا کرده است. گسترش استفاده از این فناوری در حوزه های مختلف موجب بروز آسیب ها و خسارت هایی نیز شده است. 
 
یکی از این فناوری ها هوش مصنوعی است که صرفنظر از نقش و کاربرد موثری که در زندگی بشر دارد، توجه به مسوولیت مدنی ناشی از آن به ویژه در نظام حقوقی ایران، موضوعی است که مورد غفلت واقع شده است.
 
اهمیت این موضوع از آن جهت است که تا زمانی که اشخاص مسوول و مبنای مسوولیت  خسارات  ناشی  از  هوش  مصنوعی  مشخص نشود، امکان  جبران زیان آسیب دیده مبهم باقی می ماند. از سوی دیگر، از آنجا که در ایران در مقایسه با کشورهای پیشرفته از این فناوری کمتر استفاده شده با کمبود قوانین و مقررات در این حوزه مواجه هستیم.
 
امروزه ربات ها و تجهیزات مکانیکی جایگزین فعالیت های انسانی شده اند و اتوان انجام کارهایی را دارند که بشر قادر به انجام آنها نیست. تا پیش از مطرح شدن مفهومی به نام هوش مصنوعی ویژگی‌‌‌‌‌‌هایی مانند خلاقیت، خودآگاهی، هوشیاری، احساسات و... وجه تمایز میان انسان و ربات ها قلمداد می شد.این در حالیست که با گسترش فناوری هوش مصنوعی احتمالا بسیاری از این وجوه تمایز از بین می روند.
 
ماجرای اصلی در اینجاست که آیا یک ربات مجهز به هوش مصنوعی باید مسوول اعمالی که انجام می‌‌‌‌‌‌دهد، باشد؟ به طورکلی، در تعریف هوش اتفاق نظر وجود ندارد و نمی توان آن را به درستی تعریف کرد و به همین دلیل امکان تعریف دقیق هوش مصنوعی نیز میسر نیست.
 
با مطرح شدن هوش مصنوعی و کارکردهای آن، برخی این فناوری را تهدیدی برای جامعه‌‌‌‌‌‌ جهانی تلقی می‌‌‌‌‌‌کنند. عده ای از منتقدان این فناوری معتقدند که پیشرفت هوش مصنوعی مسائل حقوقی و امنیتی بیشماری در پی دارد و به همین دلیل نمی توان از پیشرفت چنین تکنولوژی ابراز رضایت صددرصد کرد.
 
منتقدان این فناوری معتقدند که هوش مصنوعی در نهایت منجر به عدم نافرمانی ربات ها از انسان شده و از آنجا که هوش مصنوعی توان یادگیری و تصمیم‌‌‌‌‌‌گیری را دارد می تواند غیرقابل کنترل شود.
 
با در نظر گرفتن این فرضیه پای مسائل حقوقی به میان می آید و خلاء این مقوله در روند گسترش چنین فناوری به چشم می خورد.
 
یک استاد دانشگاه فردوسی مشهد در رابطه با مباحث حقوقی مرتبط با هوش مصنوعی در گفتگو با خبرنگار سیناپرس گفت: با توجه به گسترش تعاملات اجتماعی و رواج استفاده از هوش مصنوعی، نیاز به بررسی مسوولیت در حوادث ناشی از سیستم‌های هوش مصنوعی خودمختار بسیار بیشتر از گذشته احساس می شود. از این رو، نبود قانون مشخص در حوزه فناوری هوش مصنوعی از آن دست مسایلی است که در عصر حاضر موجب بروز نگرانی هایی شده است.
 
دکتر اعظم انصاری ادامه داد: سوال اساسی که در این رابطه به وجود می آید، این است که هوش مصنوعی در علم حقوق چه ماهیتی دارد؟ در پاسخ به این سوال بررسی و شناخت مبانی، آثار و شرایط تحقق مسوولیت آن‌ها موضوع مهمی است که باید به آن توجه شود.
 
این استاد علم حقوق تصریح کرد: بر اساس نظام مسوولیت ناشی از مالکیت و نگهداری اشیاء، مالک یا متصرف هوش مصنوعی باید مسوول خسارت‌های ناشی از آن باشد. این مسوولیت در رابطه با هوش مصنوعی اعم از خطرناک و غیرخطرناک در حقوق ایران بر پایه مبنای استناد عرفی قابل توجیه است.
 
وی اظهار کرد: ضمن اینکه، بر خلاف سایر اشیاء، افعال سلبی و غیرقابل‌پیش‌بینی هوش مصنوعی نیز می‌تواند موجب مسوولیت شود. تحت نظام مسوولیت ناشی از تولید و عرضه کالا، تولیدکننده یا عرضه‌کننده هوش مصنوعی مسوول زیان‌های ناشی از عیب آن است.
 
این مسوولیت در رابطه قراردادی با نظریه تعهد ایمنی هوش مصنوعی و فرض علم فروشنده به عیوب پنهانی هوش مصنوعی و در رابطه غیر قرادادی در حقوق ایران با نظریه استناد عرفی و تقصیر و در حقوق کامن‌لا با نظریه عیب محصول (نظریه مسئولیت محض) قابل توجیه است.
 
انصاری ادامه داد: تحقق مسوولیت مدنی اعم از قراردادی و غیرقراردادی تحت نظام مذکور وابسته به احراز عیب در هوش مصنوعی، بروز ضرر و رابطه سببیّت میان آن دو است. در رابطه با مسوولیت قراردادی علاوه بر عناصر یادشده، وجود قرارداد و نقض آن نیز لازم است.
 
وی تاکید کرد: ضمن اینکه، مسوولیت مدنی تولیدکننده و عرضه‌کننده در جبران زیان‌های مالی، خسارت وارده به هوش مصنوعی معیوب را در بر نمی‌گیرد. بلکه ناظر به خسارت‌های وارد به دیگر اموال و نیز خسارت‌های بدنی و معنوی ناشی از عیب هوش مصنوعی است.
 
در صورت تعدد اشخاص مسوول در چرخه تولید و توزیع هوش مصنوعی، مسوولیت آن‌ها در حقوق ایران اشتراکی و در حقوق کامن‌لا(نظام رویه قضایی و سابقه قضایی ) تضامنی است.
 
به گزارش سیناپرس، علیرغم وجود قوانین کلی در رابطه با فناوری هوش مصنوعی اینگونه به نظر می رسد که به دلیل نوظهور بودن این فناوری در ایران، در صورت تحقق و اجرایی شدن آن در کشورمان نیازمند تدوین نظام حقوقی مشخصی هستیم که به جزئیات امر بپردازد.

سرمایه‌گذاری ۷ میلیارد دلاری شیائومی

شرکت چینی از تصمیم خود برای سرمایه‌گذاری ۱۸/۷ میلیارد دلاری (۵۰ میلیارد یوآن) در فناوری‌های نوظهوری همچون ۵G و هوش مصنوعی طی پنج سال آینده خبر داد تا بتواند با توجه به داغ شدن رقابت میان شرکت‌ها در سال‌های اخیر، حرفی برای گفتن و محصولی برای عرضه داشته باشد. خبرگزاری رویترز در این رابطه نوشت لی جون مدیرعامل شیائومی ‌از طریق انتشار پستی در اکانت رسمی‌این شرکت در شبکه‌های اجتماعی، این موضوع را تایید کرد، اما متاسفانه جزئیاتی را درخصوص این حجم گسترده از سرمایه‌گذاری منتشر نکرد.
لی جون با اشاره به ضرورت ترکیب هوش مصنوعی و فناوری‌های مبتنی بر اینترنت گفت که این شرکت نیازمند تداوم پیشرفت خود در زمینه‌های هوش مصنوعی و اینترنت اشیا است؛ چراکه زندگی انسان‌ها در حال هوشمند شدن است و آن را در تمامی‌ابعاد مشاهده خواهیم کرد. ما باید جایگاه خود را در این حوزه تثبیت کنیم. این میزان سرمایه‌گذاری در حالی انجام می‌شود که شیائومی ‌در سال گذشته برای پروژه All in AIoT، حدود ۱۰ میلیارد یوآن پیش‌بینی کرده بود که با رشدی پنج برابری همراه شده است. شیائومی ‌در ابتدا کار خود را با عرضه گوشی‌های ارزان‌قیمت آغاز کرد، اما به مرور فعالیت خود را گسترش داد و به تولید انواع محصولات الکترونیکی و هوشمند همانند تلویزیون‌ها، روبات‌ها و... روی آورد. با این حال، شیائومی ‌در خاک چین، با رقیب قدرتمندی به نام هوآوی مواجه است که طبق آخرین گزارش‌ها، در سه ماه سوم سال ۲۰۱۹ توانست چیزی حدود ۴۲ درصد از کل فروش گوشی‌های هوشمند در چین را برای خود تصاحب کند. طبق آخرین شنیده‌ها، شیائومی ‌قصد دارد در سال جاری میلادی، بیش از ۱۰ میلیارد دلار گوشی هوشمند مجهز به فناوری ۵G را به بازار عرضه کند.

هوش مصنوعی گوگل در تشخیص سرطان سینه رادیولوژیست ها را شکست داد

 
 
طبق یک مقاله تحقیقاتی که روز گذشته در نشریه نیچر منتشر شد گوگل برای کمک به پزشکان در تشخیص ساده تر سرطان سینه مشغول توسعه هوش مصنوعی جدیدی است. این مدل که عکس های گرفته شده با پرتو اکس (موسوم به ماموگرافی) را اسکن می کند، تشخیص های منفی کاذب را تا ۹.۴ درصد کاهش می دهد که این مقدار جهشی امیدوارکننده و رو به جلو برای تستی است که هم اکنون ۲۰ درصد از موارد سرطان سینه را به غلط تشخیص نمی دهد.
 
امروزه سرطان سینه دومین علت شایع مرگ زنان پس از سرطان ریه محسوب می شود. در این افراد تشخیص اولیه بهترین مکانیزم دفاعی در شناسایی و درمان محسوب می شود. از طرفی با وجود آنکه تصاویر ماموگرافی رایج ترین ابزار تشخیص سرطان سینه به شمار می روند، وجود بیماری در بسیاری افراد از طریق این عکس ها تشخیص داده نمی شود. به گفته Shravya Shetty از محققان گوگل که در تالیف این مقاله همکاری داشته، تصاویر ماموگرافی بسیار اثرگذار هستند اما تشخیص های منفی کاذب و مثبت کاذب همچنان مشکلی جدی و مهم در تشخیص این بیماری با کمک ماموگرافی به شمار می روند.
 
 
 
در این پژوهش که گوگل بودجه تحقیقاتی آن را تامین کرده محققان از ماموگرافی های ناشناس متعلق به بیش از ۲۵ هزار زن بریتانیایی و ۳ هزار زن آمریکایی استفاده کردند. آنها در ابتدا هوش مصنوعی را به نحوی آموزش دادند که عکس های گرفته شده با پرتو اکس را اسکن کند و بعد با تشخیص تغییرات در اندام های ۲۸ هزار زن به دنبال علائم مربوط به سرطان سینه بگردد. محققان در مرحله بعدی حدسیات این الگوریتم را با نتایج واقعی آزمایشات داوطلبان مقایسه کردند.
 
دانشمندان در نهایت موفق شدند نرخ منفی های کاذب را تا ۹.۴ درصد و نرخ مثبت های کاذب را تا ۵.۷ درصد برای زنان آمریکایی کاهش دهند. در انگلستان نیز که دو رادیولوژیست نتایج ماموگرافی را بررسی مجدد میکردند نرخ منفی های کاذب ۲.۷ درصد و نرخ مثبت کاذب ۱.۲ درصد کاهش پیدا کرد. این الگو در کل عملکردی بهتر از رادیولوژیست ها را هم در آمریکا و هم در انگلستان از خود به نمایش گذاشت.
 
البته سیستم مورد بحث بدون نقص هم نبود. با وجود آنکه محققان دریافتند عملکرد هوش مصنوعی در تشخیص سرطان سینه در اغلب موارد بهتر از پزشکان بوده، مواردی هم مشاهده شد که پزشکان سرطان را در بدن افراد شناسایی کردند و الگوریتم موفق به این کار نشد.
 
با این همه گوگل اعلام کرده که امیدوار است این سیستم در نهایت در درمانگاه ها مورد استفاده قرار بگیرد. دکتر Daniel Tse از مدیران محصول گوگل که در تالیف این مقاله نیز مشارکت داشته در این باره گفت:
 
ما از مشاهده این نتایج بسیار هیجان زده و خوشحالیم.
 
به گفته او تیم محققان هم اکنون در تلاش است تا اطمینان حاصل کند که امکان عمومی سازی نتایج در جمعیت های مختلف وجود دارد چراکه باور دارد تفاوت های اندکی در زمان استفاده عملی از این سیستم در مراکز درمانی مختلف وجود خواهد داشت.

جایگاه ایران در هوش مصنوعی خوب نیست

معاون فناوری و نوآوری وزیر ارتباطات و فناوری اطلاعات تاکید کرد ایران آمادگی لازم برای توسعه هوش مصنوعی را ندارد.
 
 ستار هاشمی در مراسم افتتاحیه دهمین کنفرانس فناوری اطلاعات و دانش با اشاره به افزایش حجم داده‌ها در سال‌های آینده و همچنین توسعه پلتفورم‌های پردازش داده، بر اهمیت توسعه هوش مصنوعی در کشور تاکید کرد.
 
 
او با ارائه آمارهایی از تولید داده در سال‌های اخیر، گفت: «براساس پیش‌بینی‌ها، در سال ۲۰۲۰ هر کاربر اینترنت به صورت متوسط در هر ثانیه ۱.۷ مگابایت، داده تولید می‌کند.»
 
ستار هاشمی با اشاره به کاربردهای هوش مصنوعی در رشته‌ها و صنایع مختلف، میزان تولید ناخالص داخلی جهانی تا سال ۲۰۳۰ را ۱۵.۷ تریلیون دلار اعلام کرد و افزود: «پیش‌بینی شده است سهم کشورهای توسعه‌یافته آسیایی از این رقم، ۱۰.۴ درصد و سهم خاورمیانه ۲درصد باشد. با این حال، شرایط ایران در این زمینه، خوب نیست.»
 
معاون فناوری و نوآوری وزیر ارتباطات جایگاه ایران از نظر آمادگی در هوش مصنوعی را ۷۲ در جهان اعلام کرد و چالش‌های موجود در کشور برای توسعه این رشته را در ۶ دسته تقسیم‌بندی کرد و گفت: «ناآشنایی مدیران با هوش مصنوعی، اپن دیتا (Open Data)، لزوم اصلاح و تدوین قوانین مورد نیاز، کپی‌رایت محصولات نوآورانه، کمبود نیروی انسانی و کمبود آزمایشگاه‌های پردازش مهم‌ترین چالش‌های ما در زمینه هوش مصنوعی هستند.»
 
پیش‌بینی شده است سهم کشورهای توسعه‌یافته آسیایی از این رقم، ۱۰.۴ درصد و سهم خاورمیانه ۲درصد باشد. با این حال، شرایط ایران در این زمینه، خوب نیست.
 
ستار هاشمی، معاون فناوری و نوآوری وزارت ارتباطات
 
در مراسم افتتاحیه این کنفرانس، وحید یزادنیان، رئیس پژوهشگاه ICT و رئیس این کنفرانس نیز در سخنانی با اشاره به تاکید وزیر ارتباطات بر لزوم استفاده از ظرفیت‌های دانشگاهی و شرکت‌های دانش‌بنیان در انجام پروژه‌های تحقیقاتی، تاکید کرد: «اگر پروژه‌های تحقیقاتی‌ای که برای ما تعریف می‌شود، آورده علمی پژوهشگاه در آنها کم باشد، پروژه را برون‌سپاری می‌کنیم.»
 
 
یزدانیان همچنین تاکید کرد که پژوهشگاه ارتباطات و فناوری اطلاعات به دنبال انجام هرگونه فعالیت پژوهشی نیست و این مرکز، نقش حمایتی از فعالیت‌های اصلی وزارت ارتباطات و فناوری اطلاعات را برای خود قائل است.
 
او افزود: «این‌که در چه موضوعاتی تمرکز داشته باشیم، به اعلام نیاز بخش‌های دولتی و خصوصی و وزارت ارتباطات باز می‌گردد؛ اما از پژوهش روی موضوعات لبه فناوری استقبال می‌کنیم.»
 
دهمین کنفرانس فناوری اطلاعات و دانش (۲۰۱۹ IKT ) صبح امروز (۱۰ دی ماه) در پژوهشگاه ارتباطات و فناوری اطلاعات آغاز به کار کرد و تا روز پنج‌شنبه ادامه دارد. در حاشیه این کنفرانس نمایشگاهی با حضور شرکت‌های و سازمان‌های خصوصی و دولتی برپا شده است.

رونمایی از هوش مصنوعی که می تواند همنشین انسان باشد

 
 
قرار است یک سیستم هوش مصنوعی پیشرفته به نام «نئون» در نمایشگاه CES۲۰۲۰ رونمایی شود که می تواند همنشینی برای انسان باشد.
 
 به نقل از دیلی میل، سامسونگ قصد دارد از یک هوش مصنوعی جدید بسیار هوشمند رونمایی کند که می تواند بهترین دوست یا همنشین انسان باشد.
 
این سیستم هوش مصنوعی نئون( Neon) نام دارد و در نمایشگاه CES۲۰۲۰ رونمایی خواهد شد.  قابلیت های این سیستم هوش مصنوعی بسیار فراتر از دستیار صوتی آن(Bixby) است.
 
هرچند جزئیات درباره نئون بسیار اندک هستند اما شرکت تولید کننده ادعا می کند این سیستم هوش مصنوعی می تواند به نوعی همنشین انسان باشد. سامسونگ درباره معرفی این سیستم نیز با احتیاط عمل کرده و به جای دستیار مجازی یا هوش مصنوعی آن را «انسان مصنوعی» یا « موجودی با هوش مصنوعی» معرفی کرده است.
 
ساخت نئون احتمالا بخشی از هدف وسیع تر سامسونگ برای ساخت فناوری ها و پلتفرم های هوش مصنوعی هم تراز انسان است که قابلیت سخن گفتن، تشخیص و تفکر را دارند. 
 
 

رتبه ۷۲ ایران در آمادگی برای هوش مصنوعی

 
معاون وزیر ارتباطات با بیان اینکه رتبه ایران در آمادگی برای جذب هوش مصنوعی در دنیا ۷۲ است، گفت: ایران جایگاه مناسبی در بحث آماده بودن در این حوزه ندارد.
 
 ستار هاشمی امروز سه شنبه در مراسم افتتاحیه دهمین کنفرانس فناوری اطلاعات و دانش که در پژوهشگاه ارتباطات و فناوری اطلاعات برگزار شد، به نقش هوش مصنوعی در توسعه اقتصادی کشورها اشاره کرد و گفت: امروز موضوع بیگ دیتا و حجم داده به صورت شگفت انگیزی در حال رشد است و این مفهوم در کنار بسترهای پردازشی اطلاعات به عنوان مزیت رقابتی کشورها مورد توجه قرار گرفته است.
 
وی با بیان اینکه بسیاری از دانشمندان انقلاب صنعتی چهارم را معادل عصر محاسبات می دانند، گفت: هم اکنون شاهد رشد و تبادل اطلاعات در عصر فضای مجازی هستیم و آمارها نشان می دهد در هر دقیقه بیش از ۱۸۸ میلیون ایمیل در دنیا جابجا می شود. در همین حال میزان دانلود اپلیکیشن های کاربردی به ازای هر دقیقه ۱۹۰ هزار بار اعلام شده است و پیش بینی می شود تا پایان سال ۲۰۲۰ در هر ثانیه کاربران بیش از ۱.۷ مگابیت داده تولید کنند.
 
معاون نوآوری وزیر ارتباطات با بیان اینکه امروز موضوع هوش مصنوعی و مباحث مربوط به پردازش و شبکه های عمیق مورد توجه کشورهای مختلف جهان قرار گرفته است، گفت: نفوذ هوش مصنوعی در زندگی بشر در حال رخ دادن است و اتفاقاتی که به واسطه این مفهوم در جهان در حال رخ دادن است، می تواند بسیاری از مفاهیم را دگرگون کند.
 
وی گفت: برای مثال مدیریت هوشمند حمل و نقل و ترافیک هم اکنون از طریق ابزارهای هوش مصنوعی با کمترین میزان اشتباه در حال انجام است. نقش این فناوری در پیش بینی بیماری ها نیز قابل توجه است.
 
هاشمی هوش مصنوعی را یکی از محورهای اصلی تحول دیجیتال عنوان کرد و گفت: دیر یا زود شاهد خواهیم بود که اتومبیل های خودران، صنعت بیمه را متوقف می کنند و یا حوزه پزشکی ما با هوش مصنوعی متحول می شود. مطالعه مرکز تحقیقاتی مک کینزی نشان می دهد که تا سال ۲۰۳۰ هوش مصنوعی جایگزین ۳۰ درصد از نیروی انسانی می شود و بسیاری از صنایع از این فناوری استفاده خواهند کرد.
 
وی درباره تأثیرات هوش مصنوعی در اقتصاد نیز گفت: سهم هوش مصنوعی در اقتصاد دنیا ۲۵.۵ تریلیون دلار تا سال ۲۰۳۰ پیش بینی می شود که ۱۰ درصد آن مربوط به کشورهای توسعه یافته آسیایی و ۲ درصد این سهم مربوط به خاورمیانه است.
 
هاشمی گفت: ایران جایگاه مناسبی در بحث آماده بودن برای جذب حوزه هوش مصنوعی ندارد و آمادگی لازم در این خصوص دیده نمی شود. ما امکان جذب فارغ التحصیلان این حوزه و نیز ایجاد انگیزه مشوقی برای این بخش نداریم.
 
معاون وزیر ارتباطات ادامه داد: ایران در آمادگی جذب هوش مصنوعی رتبه ۷۲ را در کل دنیا دارد.
 
وی گفت: با تأکید وزیر ارتباطات روی حوزه هوش مصنوعی انتظار می رود جهت گیری و راهبردهای این حوزه در پژوهشگاه ارتباطات و فناوری اطلاعات ترسیم شود.
 
معاون وزیر ارتباطات با اشاره به چالش های موجود بر سر راه هوش مصنوعی گفت: بسیاری از مدیران ما آشنایی کافی و لازم با این حوزه ندارند و آن را جدی نمی گیرند. در حوزه اُپن دیتا نیز اگر چه تلاش های خوبی انجام شده اما آمارها و خروجی ها خوب نیست.
 
هاشمی عدم توجه به رگولاتوری و قوانین مرتبط با هوش مصنوعی و نیز کپی رایت و مالکیت فکری را از دیگر چالش های این حوزه عنوان کرد و گفت: کمبود آزمایشگاه های پردازشی از دیگر مواردی است که در کشور در این حوزه باید به آن توجه شود و باید نیاز به بستر پردازش اطلاعات را رفع کنیم.
 
وی تصریح کرد: سرعت یادگیری ماشین بیشتر از انسان است و چنانچه این چالش ها را حل نکنیم، هوش مصنوعی تهدیدی جدی برای سیستم های هوشمند ما خواهد بود.

استفاده از هوش مصنوعی در سینمای خانگی ال‌جی

 سینماهای خانگی برند ال‌جی در سال ۲۰۲۰ از هوش مصنوعی برای تنظیم صدای خود با محیط استفاده خواهند کرد. به گزارش «ایسنا» و به نقل از انگجت، چیزی به آغاز نمایشگاه CES نمانده و این بدان معنی است که ما یک‌بار دیگر با فناوری‌ها و تجهیزات جدید شرکت‌های دنیای دیجیتال از جمله سینماهای خانگی روبه‌رو خواهیم شد. شرکت ال‌‌جی در همین راستا از ساندبار یا سینمای خانگی سال ۲۰۲۰ خود با عنوان جدید «کالیبراسیون هوش مصنوعی اتاق» رونمایی خواهد کرد. چیزی که دقیقا این فناوری را از کالیبراسیون اتوماتیک غیرهوش مصنوعی جدا می‌کند، نامشخص است، اما ال‌جی به‌طور جدی متعهد به استفاده از یادگیری ماشین و فناوری‌های مرتبط با آن در محصولات خود است.
به‌نظر می‌رسد این ویژگی جدید همراه با فراهم کردن ویژگی «Dolby Atmos» یا «DTS: X»، با صرف‌نظر از اتاق یا محیطی که در آن واقع شده است و میزان صدا و شلوغی محیط، همه صداها را با شفافیت بیشتری به گوش مخاطبان در جای‌جای اتاق می‌رساند. باید دید این فناوری در عمل چگونه کار می‌کند و چقدر موثر است، اما خانواده جدید سینماهای خانگی موسوم به «SN» شامل ، «YG۹SN»، «YG۱۰SN»،«RG۱۱SN» و «YG۸SN» امسال دارای گذرگاه K۴، eARC و فناوری‌های بیشتری هستند که برای اطمینان از عملکرد خود از آنها استفاده می‌کنند. سینمای خانگی «RG۱۱SN» در صدر این خانواده است که مجهز به یک بسته ۷.۱.۴ با بلندگوهای عقب بی‌سیم است که می‌تواند جلوه سه‌بعدی واقعی صدا را ایجاد کند. ال‌جی می‌گوید دستیار هوشمند گوگل را نیز در مدل‌های بیشتری در سال ۲۰۲۰ تعبیه می‌کند. در مورد قیمت‌گذاری یا تاریخ عرضه این سینماهای خانگی مجهز به هوش مصنوعی هنوز چیزی گفته نشده است، اما احتمالا هفته آینده در نمایشگاه CES ۲۰۲۰ راجع به آن بیشتر خواهیم فهمید.