در سالار بر خط ایرانیان شما با جدیدترین موضوعات هوش مصنوعی آشنا می شوید.
10 مرداد 1403مردم از مدل‌های زبانی بزرگ برای مجموعه‌ای از وظایف، از ترجمه مقاله گرفته تا شناسایی کلاهبرداری مالی، استفاده می‌کنند. با این حال، با وجود قابلیت های باورنکردنی و تطبیق پذیری این مدل ها، گاهی اوقات پاسخ های نادرستی ایجاد می کنند.
علاوه بر این مشکل، مدل‌ها می‌توانند نسبت به پاسخ‌های اشتباه بیش از حد یا در مورد پاسخ‌های صحیح اعتماد به‌نفس نداشته باشند. که تشخیص اینکه چه زمانی می‌توان به یک مدل اعتماد کرد برای کاربر دشوار می‌کند.
محققان معمولاً یک مدل یادگیری ماشینی را کالیبره می‌کنند. و اطمینان حاصل کنند که سطح اطمینان آن با دقت آن همخوانی دارد. یک مدل به خوبی کالیبره شده باید در مورد یک پیش بینی نادرست اعتماد کمتری داشته باشد و بالعکس. اما از آنجایی که مدل‌های زبان بزرگ (LLM) را می‌توان برای مجموعه‌ای به ظاهر بی‌پایان از وظایف متنوع اعمال کرد، روش‌های کالیبراسیون سنتی بی‌اثر هستند.
اکنون، محققان MIT و آزمایشگاه هوش مصنوعی MIT-IBM Watson یک روش کالیبراسیون متناسب با مدل‌های زبانی بزرگ معرفی کرده‌اند. روش آنها که دماسنج نام دارد. و شامل ساختن یک مدل کوچکتر و کمکی است که روی یک مدل زبان بزرگ اجرا می شود تا آن را کالیبره کند.
دماسنج نسبت به روش‌های دیگر کارآمدتر است – به محاسبات کمتر نیاز دارد – در حالی که دقت مدل را حفظ می‌کند و آن را قادر می‌سازد تا پاسخ‌های کالیبره‌شده‌تری را در کارهایی که قبلاً ندیده است تولید کند.
با فعال کردن کالیبراسیون کارآمد یک LLM برای کارهای مختلف، دماسنج می‌تواند به کاربران کمک کند موقعیت‌هایی را که در آن مدل نسبت به پیش‌بینی‌های نادرست بیش از حد مطمئن است. مشخص کنند، و در نهایت از به کارگیری آن مدل در موقعیتی که ممکن است شکست بخورد، جلوگیری می‌کند. [...]
Read more...
9 مرداد 1403مدل های تصادفی
سازمان ها به طور فزاینده ای، از مدل های یادگیری ماشینی برای تخصیص منابع یا فرصت های کمیاب استفاده می کنند. به عنوان مثال، چنین مدل‌هایی می‌توانند به شرکت‌ها در بررسی رزومه‌ها برای انتخاب نامزدهای مصاحبه شغلی و یا کمک به بیمارستان‌ها در رتبه‌بندی بیماران پیوند کلیه بر اساس احتمال بقایشان کمک کنند.
هنگام استقرار یک مدل، کاربران معمولاً تلاش می‌کنند تا با کاهش سوگیری، از عادلانه بودن پیش‌بینی‌های آن اطمینان حاصل کنند. اغلب این موارد شامل تکنیک‌هایی مانند تنظیم ویژگی‌ها است که یک مدل برای تصمیم‌گیری استفاده می‌کند و یا کالیبره کردن امتیازهایی که ایجاد می‌کند.
با این حال، محققان MIT و دانشگاه نورث ایسترن استدلال می کنند که این روش های عادلانه برای رسیدگی به بی عدالتی های ساختاری و عدم قطعیت های ذاتی کافی نیستند. در یک مقاله جدید، آنها نشان می‌دهند که چگونه تصادفی‌سازی تصمیمات یک مدل، به روشی ساختاریافته می‌تواند انصاف را در موقعیت‌های خاص بهبود بخشد.
به عنوان مثال، اگر چندین شرکت از یک مدل یادگیری ماشینی برای رتبه‌بندی قطعی نامزدهای مصاحبه شغلی استفاده کنند (بدون هیچ گونه تصادفی‌سازی ) در آن صورت یک فرد شایسته می‌تواند کاندیدای رتبه پایین برای هر شغل باشد، شاید به این دلیل که مدل چگونه پاسخ‌های ارائه شده در یک موقعیت را می‌سنجید. فرم آنلاین معرفی تصادفی سازی، در تصمیمات یک مدل می تواند مانع از آن شود که یک فرد یا گروه شایسته همیشه از منابع کمیاب، مانند مصاحبه شغلی محروم شود.
محققان از طریق تجزیه و تحلیل خود دریافتند که، تصادفی‌سازی می‌تواند به ویژه زمانی مفید باشد که تصمیمات یک مدل شامل عدم قطعیت باشد یا زمانی که همان گروه به طور مداوم تصمیمات منفی دریافت می‌کنند.
آنها چارچوبی را ارائه می‌کنند که می‌توان با تخصیص منابع از طریق قرعه‌کشی وزنی، مقدار مشخصی از تصادفی‌سازی را در تصمیم‌های یک مدل معرفی کرد. این روش، که یک فرد می تواند متناسب با موقعیت خود تنظیم کند، می تواند انصاف را بدون آسیب رساندن به کارایی یا دقت مدل بهبود بخشد. [...]
Read more...
8 مرداد 1403محققان MIT پروژه قابلیت تفسیر خودکار را در مدل‌های هوش مصنوعی با سرعت به پیش می برند.
MAIA یک عامل چندوجهی است. و می تواند به طور تکراری آزمایش هایی را برای درک بهتر اجزای مختلف سیستم های هوش مصنوعی طراحی کند.
از آنجایی که مدل‌های هوش مصنوعی به طور روز افزون رایج شده اند، و در بخش‌های مختلفی مانند مراقبت‌های بهداشتی، مالی، آموزش، حمل‌ونقل و سرگرمی ادغام گردیده اند، درک نحوه عملکرد آنها بسیار مهم است. با عمیق‌تر کردن درک خود از مدل های نوشتاری الگوریتم های هوش مصنوعی و تفسیر مکانیسم‌های زیربنایی مدل‌های هوش مصنوعی ما قادر خواهیم بود تا آنها را از نظر ایمنی و سوگیری بررسی کنیم.
برای مثال تصور کنید که اگر بتوانیم مستقیماً مغز انسان را با دستکاری هر یک از نورون های فردی آن بررسی کنیم تا نقش آنها را در درک یک شی خاص بررسی کنیم. در حالی که چنین آزمایشی در مغز انسان بسیار تهاجمی خواهد بود، در نوع دیگری از شبکه عصبی در مدل های هوش مصنوعی امکان پذیرتر است، البته شبکه ای که مطمئنا مصنوعی خواهد بود. با این حال، تا حدودی شبیه به مغز انسان مدل‌های مصنوعی حاوی میلیون‌ها نورون برای مطالعه دستی بسیار بزرگ و پیچیده هستند، و تفسیرپذیری در مقیاس را به یک کار بسیار چالش برانگیز تبدیل می‌کند.
برای رسیدگی به این موضوع، محققان آزمایشگاه علوم کامپیوتر و هوش مصنوعی MIT (CSAIL) تصمیم گرفتند رویکردی خودکار برای تفسیر مدل‌های بینایی مصنوعی که ویژگی‌های مختلف تصاویر را ارزیابی می‌کنند، اتخاذ کنند. آنها «MAIA» (معاون تفسیرپذیری خودکار چند وجهی) را توسعه دادند. سیستمی که انواع وظایف تفسیرپذیری شبکه عصبی را، با استفاده از ستون فقرات و (مدل زبان بینایی ) بر روی سایر سیستم‌های هوش مصنوعی خودکار می‌کند.
[...]
Read more...
6 مرداد 1403در این مطلب برای روشنگری نقشه راه علم داده به توضیح ساده و به اختصار 6 مرحله اساسی در یادگیری پرداخته ایم.
گام 1: یادگیری برنامه نویسی یا مهندسی نرم افزار
-درک خوبی از زبانهای برنامه‌نویسی، ابزارها و مفاهیم علوم کامپیوتر داشته باش(حداقل یکی از زبانهای زیر ):
پایتون
R
اسکالا
SQL
Mongo DB
لینوکس
گیت
ساختمان داده
خزیدن در وب
برنامه‌نویسی شی گرا
گام 2:جمع‌آوری و پاک‌سازی داده‌ها
باید حتما بدانی که چگونه داده‌ها را به طور کارآمد جمع‌آوری و پاک‌سازی کنی.
از جمله ابزارهای پاک‌سازی داده عبارت‌اند از ( حداقل 2 مورد رو باید کاملا مسلط باشی):
Python
data visualization
Microsoft Excel
OpenRefine
Ruby
SQL
Trifacta
گام 3: آموزش هوش تجاری، تجزیه‌وتحلیل اکتشافی داده‌ها و مهارت ارائه‌دادن
تجزیه‌وتحلیل اکتشافی داده‌ها شامل تجزیه‌وتحلیل داده‌ها برای شناسایی الگوهای مختلف، روندها و نقاط پرت با استفاده از تکنیک‌هایی مانند خلاصه‌سازی، فیلترکردن و سایر روش‌های آماری میشود. باید برای ارائه این موضوعات کاملا مسلط باشی .
گام 4: ریاضیات پیشرفته‌تر، یادگیری عمیق و مستقر کردن کدها
یادگیری و تقویت موارد زیر حتما توصیه میشود که در سه بخش ( ریاضیات ،یادگیری عمیق، استقرار) برای تو دسته بندی کردم
ریاضیات
جبر خطی
ماتریس
تحلیل ابعادی
رگرسیون
بهینه‌سازی
طبقه‌بندی
تخمین چگالی
یادگیری عمیق
تنسور فلو و کراس
شبکه‌های عصبی مصنوعی
شبکه‌های عصبی بازگشتی
شبکه‌های عصبی پیچشی
طبقه‌بندی باینری و دودویی
PyTorch
استقرار
Microsoft Azure
Django
پلتفرم ابری گوگل
Flask
گام 5: دستیابی به ابزارهای کلیدی برای علم دادهبه سه دسته تقسیم کردم که کار با ابزارهای مصور سازی برای ارائه بسیار مهم هستش
(احتمال ، آمار، ابزارهای مصورسازی)
احتمال: این مساله شامل مفاهیم کلیدی مانند متغیر تصادفی یک‌بعدی، توزیع گسسته و توزیع پیوسته میشود.
آمار: درک شبیه‌سازی کامپیوتری، توصیف داده‌ها، نمودارها و توزیع نمونه
ابزارهای مصورسازی داده: دانش کار با ابزارهایی مانند Excel VBA، Tableau، Qlik Sense و Power BI برای ارائه مؤثر داده‌ها
گام 6: آموزش یادگیری ماشین و هوش مصنوعی
هوش مصنوعی (AI) و یادگیری ماشین یا ماشین لرنینگ (ML) پیشرفت‌های قابل‌توجهی را در صنایع مختلف داشته .افرادی که در هوش مصنوعی و یادگیری ماشین مهارت دارند می‌توانند با استفاده از این تکنولوژی‌ها مشکلات پیچیده در صنایع را حل کرده و تصمیم‌گیری‌های مبتنی بر داده را به همراه بیاورند [...]
Read more...
4 مرداد 1403نحوه کار ربات های چت با کتابخانه های پایتون مانند ( Rasa ) و ( Dialogflow )
چت ربات ها برنامه های کامپیوتری هستند. و مکالمات انسان مانند با کاربران را شبیه سازی می کنند.
در اینجا یک نمای کلی ساده از نحوه کار آنها با کتابخانه های پایتون مانند ( Rasa ) و ( Dialogflow ) را برایتان می آورم.
و اما اجزای کلیدی:
**پردازش زبان طبیعی (NLP) **
ورودی کاربر (متن یا گفتار) را به قالبی تبدیل می کند که چت بات می تواند آن را درک کند.
**Intent Identification **
قصد یا هدف کاربر را مشخص می کند.
**مدیریت گفتگو**
پاسخی را بر اساس هدف و زمینه کاربر ایجاد می کند.
**Rasa NLU** (درک زبان طبیعی)
از یادگیری ماشینی برای استخراج هدف و موجودیت ها از ورودی کاربر استفاده می کند.
**Rasa Core **
مدیریت گفتگو را مدیریت می کند و پاسخ ها را تولید می کند.
**Action Server **
اقداماتی را بر اساس قصد کاربر (به عنوان مثال رزرو بلیط) انجام می دهد.
**جریان گفتگو**
نهادها: شناسایی اطلاعات خاص در ورودی کاربر (به عنوان مثال، نام، تاریخ).
مقاصد: نقشه ورودی کاربر به یک هدف یا اقدام خاص.
تحقق: یک پاسخ تولید می کند یا یک عمل را بر اساس هدف شناسایی شده آغاز می کند.
کاربر پیامی را وارد می کند ، (NLP (Rasa NLU یا ( Dialogflow) intent موجودیت ها را استخراج می کند.
پس مدیریت گفتگو ( (Rasa Core یا Dialogflow)) پاسخ را تعیین می کند.
پاسخ تولید شده و به کاربر ارسال می شود.
کتابخانه های پایتون:
*Rasa*
از پایتون برای ساخت هوش مصنوعی محاوره ای استفاده می کند.
*Dialogflow *
یک کتابخانه کلاینت پایتون برای تعامل با API آن فراهم می کند.
کد مثال (راسا):
از عامل واردات rasa_core.agent
agent = Agent(“domain.yml”)
user_input = “سلام، خوبی؟”
پاسخ = agent.handle_text(user_input)
چاپ (پاسخ)
کد مثال (Dialogflow):
از google.cloud import dialogflow
client = dialogflow.SessionsClient()
session = client.session_path(“Your-project-id”، “your-session-id”)
user_input = “سلام، خوبی؟”
answer = client.detect_intent (session, user_input)
print(response.query_result.fulfillment_text)
این کتابخانه ها ساخت رابط های مکالمه با پایتون را آسان می کنند. می‌توانید روی ایجاد تجربیات کاربر تمرکز کنید و در عین حال از قدرت یادگیری ماشینی و NLP استفاده کنید. [...]
Read more...
28 تیر 1403چه کسی شما را کنترل می کند؟
چرا وقتی با یک دستگاه نظارتی در جیب خود راه می روید باید نگران شناسه دیجیتال خود باشید؟
برای پاسخ به این سوال با مهندس مصطفی لاری لواسانی رئیس هیئت مدیره شرکت سالار بر خط ایرانیان به گفتگو اجمالی پرداخته ایم که در ادامه نظرات ایشان را مرور می کنیم. ایشان پس از مرور سوال و اشاره به اهمیت موضوع صیانت از اطلاعات کاربران خاطر نشان کردند:
تلفنی که با خود حمل می‌کنید جریان ثابتی از داده‌های بسیار شخصی درباره شما تولید و نشر می‌کند. این منبع اطلاعاتی بسیار غنی تر از کارت شناسایی، پاسپورت یا سایر اسناد رسمی است.
برای مثال شما یک کارمند اداری جوان در آمریکا هستید. وقتی زنگ ساعت ۶ صبح به صدا در می‌آید، همان کاری را می‌کنید که بیشتر مردم انجام می‌دهند: تلفنتان را برمی‌دارید. شما رسانه های اجتماعی خود را بررسی می کنید. به تقویم خود نگاه می کنید، چند پیام را ارسال می کنید، از رختخواب بیرون می روید و صبحانه خود را میل می کنید. همانطور که آماده رفتن به سمت محل کار می شوید، گوشتان را، با برنامه پخش موسیقی مورد علاقه خود از گوشی هوشمندتان نوازش می دهید.
در طول روز، صدها تعامل کوچک انجام می‌دهید. هر کدام به دقت توسط تلفن شما ردیابی شده و در مزرعه سرورهای دور ذخیره می‌شوند. تلفن شما می داند که چه مسیری را برای رسیدن به محل کار طی کرده اید. می داند که زمانی که قرار بود در یک کنفرانس تلفنی باشید، 15 دقیقه را صرف مطالعه درباره سیاست و «لایک کردن» عکس های آخر هفته دوستان خود کرده اید. و همینطور می داند وقتی که به قرار ملاقات بعد از ساعت کاری می روید با چه کسی قرار دارید.
هر اطلاعات و داده شما به پرونده دیجیتالی گسترده ای اضافه می شود که درک آن برای اکثر مردم دشوار است. و این تنها تلفن شما نیست که این اطلاعات را تولید و نشر می دهد. ماشین شما، ساعت هوشمند شما، برنامه تناسب اندام شما، وحتی دستگاه خود پردازی که کارت اعتباری و یا نقدی خود را برای خرید یک فنجان قهوه می‌کشید، همه اطلاعات مربوط به شما را به دفتر مرکزی ارسال می‌کنند، جایی که می‌توان آنها را جمع‌آوری و تجزیه و تحلیل کرد.
رئیس هیئت مدیره شرکت سالار بر خط ایرانیان در ادامه خاطر نشان کردند که این اشراف اطلاعاتی تنها معطوف به چند کشور خاص نبوده و تقریبا در حال حاضر تمامی دولت ها و سازمان های ملل مختلف اقدام به این امر می کنند.
مهندس مصطفی لاری لواسانی در ادامه افزود : حال تصور کنید که یک کارمند اداری جوان در چین هستید. شما یک روال صبحگاهی مشابه دارید. اما در راه رفتن به محل کار، از کنار یک سری دوربین های نظارتی مجهز به نرم افزار تشخیص چهره رد می شوید. دوربین ها حضور شما را در پایگاه داده ای که با یک پست پلیس محلی به اشتراک گذاشته شده است ثبت می کنند. در هفته گذشته، ماموران مردی را پس از اینکه دوربین‌ها او را در میان جمعیت دیدند، با حکم قضایی بازداشت کردند.
در چند سال آینده ، دولت ها و سازمان های دولتی می‌خواهند دوربین‌های نظارتی شهر شما را در سیستمی ادغام کند که انواع فعالیت‌های آنلاین و آفلاین را ردیابی می‌کند، تا به افرادی که رفتارهای اجتماعی مطلوبی دارند پاداش دهند و سایر افرادی را که کارهای مخرب انجام می‌دهند مجازات کنند.
مهندس مصطفی لاری لواسانی در ضمینه بررسی تاریخی اطلاعات هوییتی به این مبحث اشاره کردند که:از لحاظ تاریخی و قبل از عصر دیجیتال، دولت ها با استفاده از انگشت شماری در نشانگرهای رسمی شهروندان خود را شناسایی می کردند: شناسنامه، کارت ملی، گذرنامه، گواهی تولد و فوت، شماره تامین اجتماعی و امثال این مدارک. در برخی کشورها، مجموعه ای از اثر انگشت ها هستند که حتی در پرونده پلیس مخفی ثبت شده است.
وی در ادامه افزود: وقتی نمی‌توانید بدون نشان دادن نوعی شناسه مورد تایید دولت ها سوار هواپیما شوید، و یا حساب بانکی باز کنید، و یا وام بگیرید و یا حتی درخواست بازپرداخت مالیات را بدهید، این قدرت دولت ها و سازمان ها را نشان می دهد.
هویت دیجیتالی شما، مجموع تمام اطلاعات شخصی درباره شما است که شرکت‌ها و دولت‌ها می‌توانند دسترسی داشته باشند و بسیار غنی‌تر و شخصی‌تر از هر سند کاغذی است.
مهندس مصطفی لاری لواسانی خاطر نشان کرد:
این امر لزوما چیز بدی نیست.
در هند، میلیون‌ها شهروند فقیرکه هرگز گواهی تولد کاغذی برایشان صادر نشده، از شناسنامه‌های دولتی مبتنی با اثر انگشت و اسکن چشم‌شان برای دسترسی به مزایای دولتی و افتتاح حساب‌های بانکی استفاده می‌کنند.
اما همچنین هویت دیجیتال می تواند در دستان افراد اشتباهی و بدون بررسی و تعادل مناسب، یک سلاح قدرتمند باشد.
بسیاری از آمریکایی‌ها وقتی متوجه شدند که عوامل سیاسی ، از اطلاعات شخصی به‌دست‌آمده نامناسب، برای هدف قرار دادن میلیون‌ها رای‌دهنده با تبلیغات سیاسی در طول رقابت‌های ریاست‌جمهوری ۲۰۱۶ استفاده کرده‌اند، دچار مشکل شدند.
در کشورهای اقتدارگرا که می‌خواهند جمعیت‌های ناآرام را کنترل کنند یا مخالفان را از بین ببرند، خطرات حتی بیشتر هم است.
در ادامه برخی از سوالات بزرگی را که دولت ها، شهروندان و شرکت ها با این شکل جدید و قدرتمند هویت، دست و پنجه نرم می کنند را از ایشان پرسیدیم و مورد بررسی قرار دادیم کهدر ذیل به آنها میپردازیم:
هویت دیجیتال شما متعلق به چه کسی است؟
مهندس مصطفی لاری لواسانی گفتند: اگر بخواهیم ساده توضیح بدهیم، عکس شما و یا موقعیت جغرافیایی شما. و حتی آهنگ مورد علاقه شما که امروز صبح از خواب بیدار شده اید و آن را تکرار کرده اید. تکه‌های اطلاعاتی که توسط برنامه‌ها تولید میشود و شما در زندگی روزمره به آنها تکیه می‌کنید، ممکن است که بخشی از هویت رسمی شما مانند شماره شناسایی دولتی یا اسکن عنبیه در پرونده با گشت مرزی نباشد. اما از برخی جهات، آنها حتی قدرتمندتر هستند. شرکت‌ها یا دولت‌هایی که می‌توانند به اندازه کافی به آنها دسترسی داشته باشند، نه تنها می‌توانند اطلاعات شما را کنار هم بگذارند، بلکه می‌توانند اطلاعات ارزشمندی درباره وابستگی‌های سیاسی و ترجیحات و علاقه مندی مصرفی شما به دست آورند.
هویت دیجیتال شما متعلق به چه کسی است؟ و این مالکیت چه حقوقی را اعطا می کند؟
ایشان فرمودند: پاسخ تا حد زیادی به محل زندگی شما بستگی دارد. در ایالات متحده، شرکت ها معمولاً اطلاعات شخصی کاربران خود را کنترل می کنند. شرایط خدمات بسیاری از وب‌سایت‌ها بیان می‌کند که وقتی حساب خود را باز می‌کنید، به شرکتی که آن را اداره می‌کند اجازه می‌دهید تا داده‌های شخصی شما را جمع‌آوری کند و از آن سود ببرد. در اروپا، تنظیم‌کننده‌ها تلاش کرده‌اند آنچه را که به‌عنوان عدم تعادل قدرت بین مصرف‌کنندگان و شرکت‌های اینترنتی بزرگ می‌دانند، با کنترل بیشتر افراد بر روی داده‌های شخصی‌شان تصحیح کنند.
حتی کشور چین نیز در حال بررسی سیاست‌هایی است که وب‌سایت‌ها را ملزم می‌کند تا قبل از استفاده از اطلاعات شخصی‌شان رضایت کاربر را جلب کنند. اگرچه خود دولت برای محافظت از نظم عمومی و امنیت ملی، آزادی عمل گسترده‌ای برای جاسوسی از شهروندان دارد.
آیا باید حق داشته باشید که فراموش شوید؟
جواب مهندس مصطفی لاری لواسانی به این شکل بود، فرض کنید پنج سال پیش شما را به خاطر یک جرم کوچک دستگیر کرده اند. روز بعد، عکس شما در یک وب سایت خبری محلی ظاهر شد. جریمه ای پرداخت کرده اید و در نهایت آن را فراموش کردید. اما اینترنت این کار را نمی کند. اکنون می‌خواهید برای یک شغل جدید درخواست دهید، و هر زمان که شخصی نام شما را تایپ کند، عکس شما همچنان در بالای نتایج یک موتور جستجوی محبوب ظاهر میشود.
آیا باید حق درخواست حذف عکس و نتایج جستجو را داشته باشید؟ اتحادیه اروپا چنین فکر می‌کند.
قوانین حفاظت از داده‌ها شامل «حق فراموش شدن» میشود که به افراد اجازه می‌دهد تا از وب‌سایت‌ها بخواهند اطلاعات شخصی قدیمی را حذف کنند یا اجازه ندهند دیگران ببینند.
اما حق فراموشی در کجا از مرز خفه کردن آزادی بیان عبور می کند؟
اگر فردی که از یک سایت رسانه اجتماعی می خواهد اطلاعات شرم آور را حذف کند، یک سیاستمدار باشد که برای منصب ملی شرکت می کند، آنوقت چه؟
ایشان توضیح دادندکه: قوانین اتحادیه اروپا به وب‌سایت‌ها اجازه می‌دهد تا درخواست‌هایی را که آزادی بیان را خفه می‌کنند یا خلاف منافع عمومی هستند، رد کنند. این موضوع که آیا افراد باید بر هویت مجازی خود کنترل داشته باشند، همیشه واضح نیست.
جوامع باید مرز بین حریم خصوصی و امنیت را از کجا داشته باشند؟
اطلاعاتی که مردم به طور داوطلبانه در مورد خودشان به صورت آنلاین ارائه می کنند، تازه شروع کار است. در تعداد فزاینده ای از شهرها در سراسر جهان، فقط رانندگی در خیابان یا نشان دادن صورت خود می تواند، منجر به جمع آوری اطلاعات شخصی شما به طور غیرارادی توسط رایانه شود.
مقامات چینی با اشتیاق از فناوری تشخیص چهره برای نظارت عمومی استقبال کرده اند. حتی برخی از شهرها نرم افزار “تشخیص راه رفتن” را آزمایش کرده اند که می تواند افراد را بر اساس نحوه راه رفتن آنها شناسایی کند. در شهر سونگدو کره جنوبی، نمونه اولیه «شهر هوشمند» در نزدیکی بندر شلوغ اینچئون، شبکه‌ای از دوربین‌های امنیتی می‌توانند پلاک‌های خودرو را بخوانند تا به‌طور خودکار هنگام پارک کردن خودروهای متقلبان مالیاتی به مقامات هشدار دهند.
در پاکستان، شرکت‌های چینی به مقامات کمک می‌کنند تا «شهرهای امن» را با دوربین‌های نظارتی بسازند که می‌تواند افراد را در فهرست‌های نظارتی ردیابی کند. چنین فناوری‌هایی پتانسیل این را دارند که مردم را از تروریست‌ها و سایر تهدیدات امنیت عمومی در امان نگه دارند، اما بدون کنترل‌های مناسب، می‌توان آنها را به راحتی علیه جمعیت‌ها نیز معطوف کرد.
چگونه شهروندان می توانند اطمینان حاصل کنند که وقتی این فناوری ها گسترده شدند، محدودیت هایی در مورد کارهایی که دولت ها می توانند با اطلاعاتی که جمع آوری می کنند انجام دهند وجود دارد؟
مهندس مصطفی لاری لواسانی در پایان گفتند: این سوالی است که هنوز به آن پاسخ داده نشده و برای اطمینان بخشیدن به صیانت اطلاعات افراد هنوز راه حل مناسبی تبیین و به صورت قانون در نیامده است. [...]
Read more...
15 تیر 1403ما با Accor Hotels در Cannes Lions صحبت کردیم تا بدانیم غول مهمان‌نوازی چگونه قصد دارد از قدرت متاورس استفاده کند.
هتل ها و پتانسیل متاورس برای بهبود تجربه مهمانان. دیجیتالی شدن روزافزون و فناوری در حال تکامل، صنعت هتل ها جهانی را تکان می دهد. اکنون، غول هتل‌داری فرانسوی Accor در حال فرو رفتن در دنیای هتل ها و پتانسیل متاورس برای بهبود تجربه مهمانان برای ایجاد تجربیات جدید برای مشتریان است.تصور کنید قبل از رزرو یک اتاق یا سوئیت هتل غوطه ور شده اید، یا یک فضای جلسه را برای رویداد تجاری بزرگ بعدی خود امتحان کنید، بدون اینکه خانه یا محل کار خود را ترک کنید.متاورس در حال ظهور، دنیای دیجیتالی با فناوری‌های سه بعدی، واقعیت مجازی و واقعیت افزوده، قرار است انواع تجربیات جدید «قبل از خرید را امتحان کنید» را برای مشتریان هتل در آینده باز کند.
رویا و کشف
گروه Accor یکی از شرکت‌های مهمان‌نوازی است که در مورد پتانسیل خود هیجان زده است و مشتاق است مهمانان خود را به بعد جدیدی ببرد. این شرکت قبلاً به متاورس وارد شده است و بر جنبه “رویاپردازی و کشف” رزرو اتاق هتل تمرکز کرده است.
آنتوان دوبوا، رئیس ارتباطات بازاریابی، “فرصت های زیادی در آنجا وجود دارد و ما شروع به انجام این کار با Ibis Styles کردیم، برای مثال، زمانی که از مردم دعوت می کنیم تا بخشی از Metaverse باشند تا کشف کنیم که از لحاظ فیزیکی از چه چیزی لذت خواهند برد.” ، تجربه و وفاداری مهمان (اروپا و آفریقای شمالی)، در Accor، به Euronews Next گفت. ما فضاها و چند اتاق خواب را در Metaverse ساختیم و متوجه شدیم که مردم نیز مشتاق هستند.
افزایش تجربه مهمان
Accor نه تنها بر بعد “قبل از خرید امتحان کنید” تمرکز می کند، بلکه بر تجربیات مهمان در طول سفر نیز تمرکز دارد. در پمپئی، ایتالیا، تاریخ شهر را از طریق متاورس زنده می کند. دوبوا توضیح داد: «شما در MGallery در کنار مکان‌های پمپئی می‌مانید و متاورس به شما کمک می‌کند ببینید شهر قبل از وقوع بحران آتشفشان چگونه بوده است. متاورس می تواند به شما کمک کند و تجربه شما را در زمان ماندن تقویت کند و این ابزار عالی برای استفاده است.
آکور تنها غول مهمان‌نوازی نیست که متاورس را کشف کرده است. سال گذشته، Millennium Hotels and Resorts هتلی را در دنیای مجازی راه‌اندازی کرد و این حرکت را برای اولین بار در جهان معرفی کرد. با آواتاری که مهمانان را راهنمایی می کند، M Social Decentraland به عنوان تعریف مجدد هتل ها از طریق ایجاد “ماجراجویی های آنلاین که با رویدادهای زندگی واقعی ادغام می شود” توصیف شد.
چالش بازار انبوه
Dubois گفت: “مساله ای که ما در مورد Metaverse داریم دسترسی و استفاده مصرف کننده است.”
“اگر به داده‌ها نگاه کنیم، برخی از اهداف خرد را لمس کرده‌ایم و بازار انبوه، عمدتاً برای برندها هستیم. بنابراین، باید مطمئن شویم که وقتی چیزها را مستقر می‌کنیم و چیزهایی را در متاورس توسعه می‌دهیم، می‌توانیم به مردم در مقیاس دسترسی داشته باشیم.”
بر اساس تحقیقات منتشر شده توسط McKinsey در سال گذشته، متاورس می تواند تا سال 2030 بیش از 4.5 تریلیون یورو ارزش تولید کند. این مطالعه همچنین به داده‌هایی اشاره کرد که نشان می‌دهد حدود 60 درصد از مصرف‌کنندگان در مورد انتقال فعالیت‌های روزمره به متاورس هیجان‌زده هستند.
دوبوآ به یورونیوز نکست گفت: «امروز قطعا دو دنیا وجود دارد. “به علاوه 45، البته شما چند نفر به اضافه 45 را دارید که کنجکاو هستند و از Metaverse لذت می برند و آن را امتحان می کنند، اما نه به صورت گسترده و نسل جوان، امروز از دنیای اینفلوئنسرها و رسانه های اجتماعی قدم به قدم به سمت Metaverse حرکت می کنند. بنابراین، ما باید مسیر را دنبال کنیم و آنها را در آن فضا دنبال کنیم.”
ارتقاء مهارت کارکنان در متاورس
Accor می‌گوید که پتانسیل Metaverse را برای پذیرش فرم‌های سنتی آموزش در گروه مهمان‌نوازی، ایجاد فضاهای یادگیری مجازی و ایجاد مسیری جدید برای آینده کاری به رسمیت می‌شناسد.
Dubois توضیح داد: “یک چیز در متاورس که واقعاً به خوبی کار می کند این است که شما نه تنها به B2C، بلکه B2B فکر می کنید. به عنوان مثال، ایجاد یک جهان کامل از Metaverse برای همه کارمندان هتل که هنگام پیوستن به شرکت، خودشان را آموزش دهند.” استقبال از مردم، بررسی مناسب، حل یک مشکل و آموزش دیده شدن در آن فضای متاورس، بدون هیچ مفهومی برای مشتری واقعی، چیزی است که بسیار خوب کار می کند.
آیا این پایان سفر «آیه واقعی» است؟
در سال 2021، مارک زاکربرگ، بنیانگذار فیس بوک، متاورس را به عنوان فکر بزرگ بعدی برای اینترنت ستود، حتی نام امپراتوری رسانه های اجتماعی خود را به Meta تغییر داد. سفر آنلاین یکی از نمونه هایی بود که او در مورد آن صحبت کرد. اما از آن زمان، صداهای مشکوک این سوال را مطرح کردند که آیا متاورس به تمام هیاهوها عمل خواهد کرد یا خیر. حریم خصوصی و امنیت کاربران نیز مورد بحث است. دوبوا با نگاهی به چهره بلندمدت مهمان نوازی پیش‌بینی کرد: «قطعاً متاورس فرصتی برای پیش‌تر رفتن است، اما فکر نمی‌کنم قطعاً در آینده مانع از سفر مردم شود.
“در پایان، جهان هتل، در پایان سفر مصرف کننده شما، یک تجربه فیزیکی است. شما باید جایی بخوابید، باید جایی غذا بخورید، باید لذت ببرید، باید جایی به شکل فیزیکی ملاقات کنید.”
منبع: https://www-euronews-com.translate.goog/next/2023/06/22/how-hotels-are-tapping-into-the-potential-of-the-metaverse-to-improve-guest-experiences?_x_tr_sl=en&_x_tr_tl=fa&_x_tr_hl=fa&_x_tr_pto=sc
[...]
Read more...
11 تیر 1403با تلاقی هوش مصنوعی و متاورس، صنعت زیبایی دستخوش دگرگونی قابل توجهی است.
صنعت زیبایی در آستانه تحولی است که هوش مصنوعی (AI) و متاورس به نیروها می پیوندند.
فن‌آوری‌های جدید در حال حاضر تعاملات مشتری با برندهای زیبایی را تغییر می‌دهند. و تجربیات شخصی‌سازی شده و فراگیر را به ارمغان می‌آورند.
Shiseido – برند زیبایی مشهور ژاپنی و شرکت مادر برندهایی از جمله NARS، Drunk Elephant و Tory Burch – نمونه بارز آینده این صنعت است.
آنجلیکا مانسون، مدیر ارشد دیجیتال در Shiseido، می‌گوید: از آرایش مجازی و محصولات مبتنی بر هوش مصنوعی گرفته تا برنامه‌های واقعیت افزوده، زیبایی فردا «زنده و زنده» است. و افزود که فناوری‌های هوش مصنوعی «از قبل» در فرآیندهای آنها ادغام شده‌اند.
Shiseido با استفاده از هوش مصنوعی نه تنها تحقیقات خود را تقویت می‌کند، بلکه به مصرف‌کنندگان این امکان را می‌دهد تا نگرانی‌های مربوط به مراقبت از پوست را قبل از تبدیل شدن به یک مشکل پیش‌بینی کرده و به آنها رسیدگی کنند.
طولانی ترین موفقیت این شرکت در سال 2019 آغاز شد، زمانی که Shiseido شروع به همکاری پیشگامانه با Revieve کرد – یک مبتکر پیشرو در تجربیات AI/AR.
هوش مصنوعی به عنوان مشاور پوست
این شرکت ها یک ابزار پیشرفته هوش مصنوعی به نام Skincare Advisor معرفی کردند.
یک پرسشنامه ساده سلفی و تعاملی می تواند اهداف زیبایی را تعیین کند و به مشاور مراقبت از پوست قدرت می دهد تا به طور جامع چهره کاربر را تجزیه و تحلیل کند و در نهایت لیستی از محصولات توصیه شده را ارائه دهد که به بهترین وجه با نیازهای فردی کاربر مطابقت دارد.
نرم افزار پس از تجزیه و تحلیل یک سلفی – که متعهد می شود فوراً حذف کند – قبل از ارائه یک پیشنهاد سفارشی، نتیجه می گیرد: “تن شما گرم است، رنگ چهره شما زیتونی است، شکل صورت شما بلند است.”
در نهایت، مشاور مبتنی بر هوش مصنوعی – هم به صورت آنلاین و هم در فروشگاه‌های فیزیکی موجود است – امکان آزمایش مجازی را فراهم می‌کند و کاربران را قادر می‌سازد تا محصولات را قبل از انتخاب، به عنوان مثال، رنگ رژ لب ایده‌آل خود، به صورت مجازی امتحان کنند.
Shiseido آن را به عنوان ابزاری توصیف می کند “برای ایجاد گفتمان بین مصرف کننده و متخصص زیبایی شخصی”، و گزینه هایی را برای مشتریانی ارائه می دهد که ممکن است احساس راحتی بیشتری نسبت به فناوری داشته باشند.
مونسون گفت: این شرکت در حال حاضر در حال کار برای شناسایی بینش از محتوای تولید شده توسط کاربر در رسانه های اجتماعی و متاورس است تا تصمیمات خود را در مورد محصولات بعدی معرفی کند، مانند “تولید دسته ای کوچک سایه های قابل تنظیم”.
اقیانوسی از بینش زیبایی در ماوراء جهان:
مانسون می‌گوید: همانطور که کاربران آواتارهای دیجیتالی خود را ایجاد می‌کنند و نحوه ارائه خود را به دنیای آنلاین انتخاب می‌کنند، متاورس نیز فرصت قابل‌توجهی برای برندهای زیبایی ارائه می‌دهد.
او گفت: “متاورس در دست ساخت است، و آزمایش‌ها و آزمایش‌های شگفت‌انگیزی وجود دارد که ما را به آینده‌ی وب 3 می‌رسانند، اما ما شاهد جذابیت‌های زیادی در مورد استفاده کاربران از تجربیات و فناوری‌های خاص بوده‌ایم.”
شیسیدو در حال حاضر «بیش از 20 فعال سازی متاورس را در برندهای رنگی و برندهای مراقبت از پوست ما به کار گرفته است و خود را در خط مقدم این آزمایش قرار داده است».
متاورس در دست ساخت است، و آزمایش‌ها و آزمایش‌های آزمایشی شگفت‌انگیزی در حال انجام است تا ما را به آینده‌ی وب 3 برساند، اما ما شاهد جذابیت‌های زیادی در پذیرش تجربیات و فناوری‌های خاص توسط کاربران بوده‌ایم.
آنجلیکا مانسون مدیر ارشد دیجیتال، شیسیدو مونسون ادعا می کند که دارایی های دیجیتالی آرایش زنده هستند.
او گفت: «ما فعال‌سازی‌هایی داشته‌ایم که در آن مردم رنگ لب یا مژه را به همراه کالا و لوازم می‌خرند، و واقعاً خودشان را به این شکل بیان می‌کنند.
“من فکر می کنم فرصت در آینده این است که چگونه از این استفاده کنید – و ما این را در مورد مارک های مد می بینیم، جایی که مردم در حال خلق یا خلق چیزی هستند و سپس به عنوان یک کالای واقعی به فروش می رسد.”
او پیش‌بینی می‌کند: «من فکر می‌کنم این پلی است که زیبایی بعداً در آن آزمایش میشود»، او پیش‌بینی می‌کند که «چه چیزی برای مردم جالب است» و در نهایت متوجه میشود «چگونه می‌توانید آن محصول را در زندگی واقعی ایجاد کنید؟»
NFT ها همچنین به عنوان یک فرصت برای برند، به ویژه به عنوان وسیله ای برای نزدیک شدن به Gen Z تلقی می شوند.
در سال 2022، بازار زیبایی تقریباً 430 میلیارد دلار (394 میلیارد یورو) درآمد ایجاد کرد. امروزه، این صنعت در همه دسته‌ها – مراقبت از پوست، عطر، آرایش و مراقبت از مو – در مسیر صعودی قرار دارد و طبق گزارش اخیر McKinsey ، پیش‌بینی میشود تا سال 2027 به حدود 580 میلیارد دلار (531 میلیارد یورو) برسد.
مصرف‌کنندگان، به‌ویژه نسل‌های جوان‌تر، این تغییر را تحریک خواهند کرد و تأثیر Gen Z به‌عنوان «دینامیک کلیدی» شناخته میشود.
Gen Z بزرگترین نسل بعدی جهان است و طبق گفته Adecco Group، 62 درصد از Gen Zers نام متاورس را شنیده‌اند و 46 درصد از آنها معتقدند که در آینده این بخشی از شغل آنها خواهد بود.
کمپین NFT
در فوریه سال جاری، به مناسبت 150 سالگی، Shiseido کمپینی را برای اهدای 150 NFT معرفی کرد.
NFTها با استفاده از فناوری هوش مصنوعی ایجاد شدند، که از یک سیستم پردازش زبان برای تبدیل زیبایی و کلمات مرتبط با Web3 به خلاقیت های هنری استفاده می کرد، که سپس توسط Cult، یک آژانس Web3 مستقر در بریتانیا، مداخله کرد تا عنصر انسانی را به فرآیند اضافه کند. .
به صاحبان NFTها وعده داده شده بود که محصولات و نمونه های مراقبت از پوست به ارزش 1000 پوند (1172 یورو) در طول سال، دسترسی انحصاری به رویدادهای آنلاین و حضوری و جوایز اضافی با پیشرفت برنامه در طول زمان دریافت کنند.
علاوه بر این، Shiseido با پلتفرم NFT Exclusible شریک شده است، که ایجاد کیف پول برای مصرف کنندگان را تسهیل می کند و حتی کسانی را که از NFT ها و Web3 دانش قبلی ندارند، می توانند در کمپین شرکت کنند.
مانسون می‌گوید، رویکرد Shiseido بر یکپارچه‌سازی استراتژیک ابزارهای هوش مصنوعی متمرکز است، و اطمینان حاصل می‌کند که آنها به یک هدف خدمت می‌کنند و تجربه مشتری را بهبود می‌بخشند تا اینکه به یک حقه صرف تبدیل شوند.
همانطور که فناوری همچنان به پیشرفت خود ادامه می دهد و ترجیحات مصرف کنندگان تکامل می یابد، ادغام هوش مصنوعی و متاورس با صنعت زیبایی احتمالاً بیشتر خواهد شد.
مدیر ارشد دیجیتال Shiseido به Euronews Next در Cannes Lions، جشنواره بین المللی سالانه و رویداد جوایز که خلاقیت در تبلیغات را جشن می گیرد، گفت که برندها اکنون با چالش ایجاد توازن بین نوآوری و هویت برند روبرو هستند.
منبع : https://www-euronews-com.translate.goog/next/2023/06/21/getting-a-makeover-how-ai-and-metaverse-technology-are-transforming-the-beauty-industry?_x_tr_sl=en&_x_tr_tl=fa&_x_tr_hl=fa&_x_tr_pto=sc [...]
Read more...
3 تیر 1403آینده هوش مصنوعی مبحث بسیار جنجالی است. امروزه، ای آی در قالب نقش‌های مختلفی مثل معلم، راهنما، دوست، دستیار، همکار و بسیاری موارد دیگر به افراد در سرتاسر جهان کمک می‌کند. آی آی می‌تواند «فکر» کند و تا حد زیادی ذهنیت و فرایند تفکر انسانی را بازسازی کند. این فناوری تا به‌اینجا راهی طولانی را طی کرده است.
قابلیت‌های Artificial Intelligence در صنایع مختلف، چشم‌انداز آینده این حوزه در دنیا را تا حد زیادی روشن کرده است. در این مقاله، تلاش می‌کنیم تصویری از هوش مصنوعی در آینده نشان دهیم. همچنین، توضیح می‌دهیم که این فناوری در صنایع مختلف چه تفاوت‌هایی ایجاد خواهد کرد. در ادامه، به چند باور نادرست در مورد آینده هوش مصنوعی در جهان اشاره می‌کنیم و به برخی چالش‌هایی میپردازیم که می‌توانند بر روند آینده AI تأثیرگذار باشند. درنهایت هم، روی وضعیت احتمالی آینده هوش مصنوعی در ایران بررسی کوتاهی داریم.
وضعیت هوش مصنوعی از گذشته تاکنون
مفهوم هوش مصنوعی از دهه‌ها قبل از ابداع این اصطلاح، انسان را مجذوب خود می‌کرد. روند ایده‌پردازی و تحقیقات در خصوص توسعه قابلیت‌های کاربردپذیر این فناوری در صنعت از دهه ۱۹۸۰ سرعت گرفت و اندک‌اندک جایگاه خود را در انجام کارهای ساده مانند تشخیص مشکلات مدارهای الکترونیکی پیدا کرد.
به موازات این پیشرفت‌ها، شبکه‌های عصبی مصنوعی هم به‌تدریج وارد صحنه شدند تا یادگیری انسانی را مدل‌پردازی و درک کنند. یادگیری ماشینی در دهه ۹۰ میلادی شاهد انقلابی گسترده بود و توانست زیرساخت برخی از فناوری‌های پیشرفته فعلی را فراهم کند.
این ماجرا از قابلیت‌هایی مثل بررسی مجموعه داده‌های گسترده در میلیاردها صفحه وب برای افزایش کارایی موتورهای جستجو آغاز شد و اکنون، به مثال‌هایی مانند مدل زبانی قدرتمند چت‌جی‌پی‌تی (ChatGPT) رسیده است که قادر است در عرض چند ثانیه، متونی مشابه انسان تولید کند و به فضای مکالمه آگاه شود.
بر اساس شاخص پذیرش جهانی A.I در سال ۲۰۲۲ که توسط شرکت آی‌بی‌ام (IBM) ارائه شد، تقریبا ۴۴ درصد از شرکت‌های بزرگ از جمله گوگل، اپل، مایکروسافت و آمازون به‌دنبال سرمایه‌گذاری‌های کلان روی هوش مصنوعی و ادغام این فناوری با کار خود هستند. این گزارش همچنین اعلام کرد در سال ۲۰۲۱، از میان ۹,۱۳۰ نوآوری جدید ارائه‌شده به شرکت آی‌بی‌ام، ۲,۳۰۰ مورد مرتبط با ای‌آی بودند.
آینده هوش مصنوعی در صنایع مختلف
هوش مصنوعی به‌سرعت درحال پیشرفت است. هرروز، کاربردها و اپلیکیشن‌های بیشتری در زمینه رباتیک، یادگیری ماشینی و بینایی کامپیوتری (استخراج داده از تصاویر) عرضه میشود. فناوری‌های مرتبط با ای آی می‌توانند نیاز به مداخله انسانی را کمتر و وظایف تکراری را خودکارسازی کنند.
همچنین، افزایش سرعت تعامل و تصمیم‌گیری به‌ویژه برای سازمان‌های بزرگ‌تر و نهادهای دولتی در هزینه، زمان و انرژی منابع انسانی صرفه‌جویی می‌کند و به زندگی و تکامل بشر سرعت می‌بخشد. به‌این‌ترتیب، انسان‌ها می‌توانند بیش از گذشته بر خلاقیت و نوآوری تمرکز کنند. حاصل این فرایند پیشرفت‌های بیشتر و درنوردیدن مرزهایی است که پیش از این برای انسان دسترس‌ناپذیر بود.
با وجود تمام مزایای هوش مصنوعی در آینده، نگرانی‌هایی هم در مورد خطر امنیت داده‌ها، حفظ حریم خصوصی، دغدغه‌های اخلاقی و وضع قوانین جدید احساس میشود. در بخش‌های بعدی، به‌صورت مفصل مزایا و معایب AI در آینده را بررسی می‌کنیم.
این فناوری در زمینه‌هایی همچون مراقبت‌های بهداشتی، برنامه‌نویسی، آموزش، امور مالی، ساخت‌وساز، حمل‌ونقل، سرگرمی، امور حقوقی، املاک و مستغلات، اکتشاف فضا و فروش آنلاین پیشرفت‌های خارق‌العاده‌ای داشته است. پیشرفت‌های سریع هوش مصنوعی و خودکارسازی وظایف انسانی در زمینه‌ها و صنایع مختلف می‌تواند انقلابی در کیفیت کار ایجاد کند.
در این بخش، به تعدادی از صنایع و حوزه‌هایی اشاره می‌کنیم که تحت تأثیر ای‌آی در دنیا، شاهد تغییرات قابل‌توجهی خواهند بود.
پزشکی و مراقبت‌های بهداشتی
هوش مصنوعی در آینده صنعت درمان و پزشکی نقش بسزایی ایفا خواهد کرد. این فناوری می‌تواند ضامن تشخیص‌های سریع‌تر و دقیق‌تر باشد و با ارائه برنامه‌های درمانی شخصی‌سازی‌شده، در نتایج درمان بیماران بهبود خیره‌کننده‌ای ایجاد کند.
در این بین، یادگیری ماشینی هم می‌تواند به کمک متخصصان مراقبت‌های بهداشتی بیاید و حجم عظیمی از داده‌ها از جمله داده‌های ژنتیکی، سوابق الکترونیکی سلامت بیمار و تصاویر متعدد پزشکی را به‌منظور شناسایی الگوها و ارائه درمان‌های جدیدتر بررسی کند.
ای‌آی می‌تواند با انجام جراحی‌ها، تجویز شخصی‌سازی‌شده داروها و دستیارهای مجازی برای نظارت بر بیماران، تحول شگرفی در زمینه ارتباط پزشک با بیمار و ارائه بهترین مراقبت‌های درمانی ایجاد کند.
آموزش
هوش مصنوعی در آینده قادر است با انجام وظایف اضافی و تکراری، به معلم‌ها، دانش‌آموزها و مسئولین آموزشی کمک کند تا کیفیت آموزش را افزایش دهند. جلوه‌های تجسمی پیشرفته‌تر، افزایش دسترسی به اساتید و مواد درسی، ایجاد آزمایشگاه‌های مجهز و پیشرفته اما ایمن و دستیاری در آموزش برخی از تحولاتی است که می‌تواند به‌واسطه ای آی در آینده آموزش رخ دهد.
به کمک هوش مصنوعی آینده کلاس‌های درس برای دانش‌آموزان شخصی‌تر، تعاملی‌تر، کاربردی‌تر و هیجان‌انگیزتر خواهد بود. بنابراین، تغییرات آتی AI در جهان می‌تواند به ساخت و تجهیز کلاس‌ها و ساختمان‌های هوشمند برای آموزش منجر شود.
حمل و نقل
در آینده هوش مصنوعی ایلان ماسک می‌تواند یکی از افراد تأثیرگذار باشد. او که اکنون مدیریت شرکت پیشرفته خودروسازی تسلا را برعهده دارد، خودران شدن اتوموبیل‌ها را امری گریزناپذیر می‌داند و هوش مصنوعی را تنها گزینه ایمن‌تر از رانندگان انسانی معرفی می‌کند. باید اشاره کنیم که شرکت‌هایی مانند تسلا و وایمو (Waymo) اکنون در فناوری خودروهای خودران پیشتاز هستند.
طی سال‌های اخیر، ای‌آی و یادگیری ماشینی پیشرفت‌های چشمگیری در حمل‌ونقل ایجاد کرده‌اند. هدف اولیه متخصصان از ادغام هوش مصنوعی در حمل‌ونقل، اتومبیل‌های خودران است. درحال‌حاضر، هیچ خودروی خودرانی در دسترس نیست و مواردی که می‌توانند به‌صورت اتومات رانده شوند، هنوز تحت نظارت راننده‌ها کار می‌کنند.
هوش مصنوعی می‌تواند تحول عظیمی در صنعت اتومبیل‌های خودران، تقویت سیستم‌های حمل‌ونقل و بهینه‌سازی جریان ترافیک ایجاد کند. چنین شرایطی صنعت حمل‌ونقل را کارآمدتر، پایدارتر و کم‌خطرتر می‌کند.
علاوه‌براین، هوش مصنوعی با مدیریت موثر و پایدار ترافیک شهری می‌تواند نقش مهمی در مسائل زیست‌محیطی هم ایفا کند و تا حد زیادی از انتشار گازهای گلخانه‌ای بکاهد. از وسایل نقلیه خودران گرفته تا سیستم‌های مدیریت ترافیک هوشمند، Artificial Intelligence این پتانسیل را دارد که نحوه حرکت و سفر ما را کاملاً تغییر دهد.
خدمات مشتری
هوش مصنوعی قادر است خدمات مشتریان را شخصی‌سازی و کارآمدتر کند. این فناوری از طریق ربات‌های گفتگو، دستیارهای مجازی و پردازش زبان طبیعی به کمک ارائه‌دهندگان خدمات و کالاها می‌آید تا ۲۴ساعته پاسخگوی مشتریان خود باشند و رضایت مشتری را افزایش دهند.
آینده هوش مصنوعی در دنیا می‌تواند روی بهبود تجربه مشتریان و رفع سریع‌تر نیازهای مخاطبان هم تأثیر مثبت داشته باشد. از دستیارهای صوتی گرفته تا تحلیل و پیش‌بینی نیازهای مشتریان، آینده ای‌آی در جهان بر نحوه تعامل با مشتری و مخاطب تأثیر بی‌بدیلی خواهد گذاشت.
بازاریابی
هوش مصنوعی در آینده با خودکارسازی وظایف تبلیغات و بازاریابی، دسترسی به مخاطب هدف را سرعت می‌بخشد. همچنین، استفاده از مدل‌های مبتنی بر پیش‌بینی و تحلیل رفتار مشتری می‌تواند ترجیحات و الزامات مخاطب را برجسته کند. به‌این‌ترتیب، تکنیک‌های بازاریابی جدیدتر و دستیابی به مخاطب هدف در زمان مناسب‌تری اتفاق می‌افتد.
در کنار این موارد، ایجاد محتوای خودکار و شخصی‌سازی‌شده برای افراد می‌تواند به جذب مخاطب‌های خاص‌تر با سلایق ویژه هم کمک کند. فناوری‌های مبتنی بر هوش مصنوعی همچون واقعیت افزوده، تشخیص تقلب، جستجوی صوتی دقیق‌تر و گفتگوی آنلاین کارآمد به بهبود کیفیت بازاریابی کمک می‌کند. درواقع، آینده A.I در دنیا به سمت ارائه خدمات بازاریابی پیشرفته‌تر بدون نیاز به مداخله انسانی پیش می‌رود.
مدیریت منابع انسانی
محاسبات شناختی مبتنی بر Artificial Intelligence می‌تواند روی شیوه استخدام، آموزش، مدیریت و حفظ کارمندان تأثیر مستقیم داشته باشد. هوش مصنوعی قابلیت خودکارسازی وظایف معمول منابع انسانی مانند غربالگری متقاضیان کار، ورود به سیستم و ارزیابی عملکرد کارمندان را دارد. ربات‌های چت و دستیارهای مجازی مبتنی بر ای‌آی نیز قادرند پاسخ‌های سریع و دقیقی به پرسش‌های کارکنان بدهند و از حجم کار متخصصان منابع انسانی بکاهند.
هوش مصنوعی در آینده می‌تواند فرایندهای جذب و مدیریت منابع انسانی را کارآمدتر، سریع‌تر و موثرتر کند. نتیجه این خودکارسازی و تغییر رویکرد، بهبود مشارکت کارکنان و ایجاد فرصت‌های جدید برای نوآوری و رشد خواهد بود.
منبع : https://bit24.cash/blog/ai-future/ [...]
Read more...
2 خرداد 1403به زبان ساده هوش مصنوعی چیست؟ آیا ربات‌ها همان هوش مصنوعی (AI) هستند که همه در موردشان صحبت می‌کنند؟ هوش مصنوعی چه کارهایی را انجام می‌دهد؟ آیا آینده نسل بشر در خطر است؟ AI چگونه فکر می‌کند؟ اگر شما هم جزء کسانی هستید که واژه AI به گوشتان خورده اما نمی‌دانید که AI چیست یا آشنایی شما با هوش مصنوعی از طریق فیلم‌های تخیلی است که دیده‌اید و درک درستی از هوش مصنوعی ندارید، ما در این مقاله قصد داریم تا مفهوم واقعی هوش مصنوعی و هر آن چه که باید در موردش بدانید را به شما بگوییم. پس در ادامه با ما همراه باشید.
هوش مصنوعی چیست؟
خیلی از افراد هنوز هم با شنیدن واژه AI به ربات ها فکر می کنند و تصور می کنند که منظور ازAI همان ربات های بی احساسی هستند که برای انجام راحت تر کارها طراحی شده‌اند و قرار است در آینده جای انسان ها را بگیرند. مسئول این نوع تفکر به احتمال زیاد فیلم های علمی و تخیلی است اما واقعیت با آنچه که تصور می شود تفاوت دارد.
هوش مصنوعی به انگلیسی Artificial intelligence که به طور مخفف آن را AI نیز می‌نامند، در واقع تکنولوژی است که به نحوی قابلیت تفکر دارد. البته این قابلیت تفکر با چیزی که ما به عنوان تفکر انسانی می‌شناسیم تا حد زیادی تفاوت دارد، اما در حقیقت سعی دارد تا از آن تقلید کند.
امروزه شاید AI به آن شکلی که تصور می‌کنیم وجود نداشته باشد اما باز هم بسیاری از کارهایی که روزانه انجام می‌دهیم، مانند جستجوی اینترنت یا گشت و گذار در صفحات شبکه‌های اجتماعی و غیره، همه متاثر از هوش مصنوعی است و در حقیقت در این مواقع داریم از آن استفاده می‌کنیم. انقدر این استفاده نا ملموس است و به آن عادت کرده ایم که در آن لحظه حس نمی‌کنیم که داریم از AI استفاده می‌کنیم. دلیل اصلی آن این است که نمی‌دانیم هوش مصنوعی واقعا چیست و چه کارهایی انجام می‌دهد. از آنجایی که آینده ازآن AI خواهد بود بهتر است به جای نگران بودن در مورد AI یاد بگیریم که چه کارهایی را می‌توانیم با آن انجام دهیم و اطلاعاتمان را در این زمینه بیشتر کنیم. پس بیایید از ابتدا ببینیم هوش مصنوعی چیست.
تعریف AI
هنوز تعریف دقیقی که تمامی دانشمندادن بر روی آن توافق داشته باشند از AI ارائه نشده ولی اکثر تعریف‌ها را می‌توان به شکل زیر دسته بندی کرد.
مانند انسان فکر می‌کند
منطقی فکر می‌کند
مانند انسان عمل می‌کند
منطقی عمل می‌کند
دو تعریف اول مربوط به فرآیندهای تفکر و استدلال است، در حالی دو تعریف دیگر با رفتار سر و کار دارند.
تعریف ساده ای از هوش مصنوعی
هوش مصنوعی یا artificial intelligence شاخه ای از علوم رایانه است که هدف اصلی آن تولید ماشین‌های هوشمندی است که توانایی انجام وظایفی که نیازمند به هوش انسانی است را داشته باشد. ai در حقیقت نوعی شبیه سازی هوش انسانی برای کامپیوتر است و منظور از آن در واقع ماشینی است که به گونه ای برنامه نویسی شده که همانند انسان فکر کند و توانایی تقلید از رفتار انسان را داشته باشد. این تعریف می تواند به تمامی ماشین هایی اطلاق شود که بگونه‌ای همانند ذهن انسان عمل می‌کنند و می‌توانند کارهایی مانند حل مسئله و یادگیری داشته باشند.
اهداف
اساس آن است که هوش انسان و طریق کار آن به‌گونه‌ای تعریف شود که یک ماشین بتواند آن را به راحتی اجرا کند و وظایفی که بر آن محول میشود را به درستی اجرا کند. هدف در حقیقت بر سه پایه استوار است:
یادگیری
استدلال
درک
هوش مصنوعی (AI) شاخه گسترده ای از علوم رایانه است که مربوط به ساخت ماشین های هوشمند با توانایی انجام وظایفی است که معمولاً به هوش انسان نیاز دارند. این علم یک علم میان رشته ای با چندین رویکرد است ، اما پیشرفت در یادگیری ماشین و یادگیری عمیق باعث ایجاد تغییر الگوی تقریباً در هر بخش از صنعت فناوری می شود. [...]
Read more...