یک ماشین با توانایی انجام عملکردهای شناختی مانند درک ، یادگیری ، استدلال و حل مشکلات ، دارای یک هوش مصنوعی است.
هوش مصنوعی زمانی وجود دارد که ماشین توانایی شناختی داشته باشد. معیار هوش مصنوعی سطح انسانی در مورد استدلال ، گفتار و بینایی است.
1.هوش مصنوعی باریک : گفته می شود هوش مصنوعی زمانی باریک است که دستگاه بتواند کار خاصی را بهتر از انسان انجام دهد. تحقیقات فعلی AI اکنون در اینجا است.
2. هوش مصنوعی عمومی : هوش مصنوعی زمانی به وضعیت عمومی می رسد که بتواند هر وظیفه فکری را با همان سطح دقت انسانی انجام دهد
3.هوش مصنوعی قوی : هوش مصنوعی زمانی قوی است که بتواند انسان را در بسیاری از کارها شکست دهد
امروزه ، هوش مصنوعی تقریباً در همه صنایع مورد استفاده قرار می گیرد و به تمام شرکتهای ادغام کننده هوش مصنوعی در مقیاس ، برتری تکنولوژیکی می دهد. به گفته مک کینزی ، هوش مصنوعی این توانایی را دارد که 600 میلیارد دلار ارزش خرده فروشی ایجاد کند ، در مقایسه با سایر تکنیک های تجزیه و تحلیل ، 50 درصد ارزش افزوده بیشتری در بانکداری دارد. در حمل و نقل و لجستیک ، جهش بالقوه درآمد 89 درصد بیشتر است.
به طور مشخص ، اگر سازمانی از هوش مصنوعی برای تیم بازاریابی خود استفاده کند ، می تواند کارهای روزمره و تکراری را به طور خودکار انجام دهد ، به نماینده فروش اجازه می دهد تا روی وظایفی مانند ایجاد رابطه ، پرورش سرب و غیره تمرکز کند. نام شرکت Gong یک سرویس اطلاعاتی مکالمه را ارائه می دهد. هر بار که نماینده فروش یک تماس تلفنی برقرار می کند ، دستگاه ضبط و تجزیه و تحلیل چت را ضبط می کند. VP می تواند از تجزیه و تحلیل و توصیه AI برای تدوین استراتژی پیروزی استفاده کند.
به طور خلاصه ، هوش مصنوعی یک فناوری پیشرفته را برای مقابله با داده های پیچیده فراهم می کند که مدیریت آن توسط یک انسان غیرممکن است. هوش مصنوعی مشاغل زائد را خودکار می کند و به کارگر اجازه می دهد تا روی کارهای سطح بالا و ارزش افزوده تمرکز کند. وقتی هوش مصنوعی در مقیاس اجرا شود ، منجر به کاهش هزینه و افزایش درآمد می شود.
هوش مصنوعی امروزه یک کلید واژه است ، اگرچه این اصطلاح جدید نیست. در سال 1956 ، گروهی از متخصصان آوانگارد از زمینه های مختلف تصمیم گرفتند یک پروژه تحقیقاتی تابستانی درباره هوش مصنوعی ترتیب دهند. چهار ذهن روشن پروژه را رهبری کردند. جان مک کارتی (کالج دارتموث) ، ماروین مینسکی (دانشگاه هاروارد) ، ناتانیل روچستر (IBM) و کلود شانون (آزمایشگاه های تلفن بل).
هدف اصلی این پروژه تحقیقاتی مقابله با “همه جنبه های یادگیری یا سایر ویژگی های هوش است که در اصل می توان آنقدر دقیق توصیف کرد ، به طوری که می توان برای شبیه سازی آن دستگاه ساخت”.
پیشنهاد اجلاسات گنجانده شده است
این ایده منجر به ایجاد رایانه های هوشمند شد. دوره جدیدی آغاز شد ، پر از امید – هوش مصنوعی.
?
یادگیری ماشین هنر مدرن الگوریتم هایی است که از مثالها و تجربیات می آموزد .
یادگیری ماشین بر اساس این ایده که بر اساس وجود برخی الگوهای موجود در داده ها که به شناسایی و استفاده برای آینده پیش بینی .
تفاوت آن با قوانین سخت افزار این است که دستگاه یاد می گیرد که چنین قوانینی را پیدا کند.
یادگیری عمیق زیرمجموعه یادگیری ماشین است. منظور از یادگیری عمیق این نیست که ماشین دانش عمیق تری را یاد بگیرد. این بدان معناست که دستگاه از لایه های مختلف برای یادگیری از داده ها استفاده می کند. عمق مدل با تعداد لایه های موجود در مدل نشان داده می شود. به عنوان مثال ، مدل Google LeNet برای تشخیص تصویر 22 لایه دارد.
در یادگیری عمیق ، مرحله یادگیری از طریق یک شبکه عصبی انجام می شود. شبکه عصبی معماری است که لایه ها روی هم قرار می گیرند.
بیشتر تلفن های هوشمند ، دستگاه روزانه یا حتی اینترنت ما از هوش مصنوعی استفاده می کنند. غالباً ، شرکتهای بزرگی که می خواهند آخرین نوآوری خود را اعلام کنند ، از هوش مصنوعی و یادگیری ماشین به جای یکدیگر استفاده می شود. با این حال ، یادگیری ماشین و هوش مصنوعی از جهاتی متفاوت است .
هوش مصنوعی هوش مصنوعی- علمی در زمینه آموزش ماشین ها برای انجام وظایف انسانی است. این اصطلاح در دهه 1950 اختراع شد ، زمانی که دانشمندان شروع به کاوش کردند که چگونه کامپیوترها می توانند به تنهایی مشکلات را حل کنند.
?
هوش مصنوعی رایانه ای است که خصوصیاتی مانند انسان به آن داده می شود. مغز ما را بگیرید این بدون زحمت و یکپارچه برای محاسبه دنیای اطراف ما کار می کند. هوش مصنوعی مفهومی است که کامپیوتر می تواند همان کار را انجام دهد. می توان گفت AI علم بزرگی است که استعدادهای انسان را تقلید می کند.
یادگیری ماشینی زیرمجموعه ای متمایز از هوش مصنوعی است که به ماشین آموزش می دهد چگونه یاد بگیرد. مدل های یادگیری ماشینی به دنبال الگوهایی در داده ها هستند و سعی می کنند نتیجه بگیرند. به طور خلاصه ، دستگاه نیازی به برنامه ریزی صریح توسط افراد ندارد. برنامه نویسان مثالهایی می زنند و کامپیوتر قرار است از این نمونه ها یاد بگیرد که چه کاری انجام دهد.
هوش مصنوعی کاربردهای گسترده ای دارد-
هوش مصنوعی در همه صنایع از بازاریابی گرفته تا زنجیره تأمین ، امور مالی ، بخش فرآوری مواد غذایی استفاده می شود. طبق نظرسنجی مک کینزی ، خدمات مالی و ارتباطات با فناوری پیشرفته در زمینه های هوش مصنوعی پیشرو هستند.
?
?
شبکه عصبی از دهه نود با مقاله اصلی Yann LeCun خارج شده است. با این حال ، از سال 2012 شروع به معروف شدن کرد. سه عامل مهم برای محبوبیت آن توضیح داده شده است:
یادگیری ماشین یک زمینه تجربی است ، به این معنی که برای آزمایش ایده ها یا رویکردهای جدید نیاز به داشتن داده دارد. با رونق اینترنت ، داده ها به راحتی در دسترس قرار گرفتند. علاوه بر این ، شرکت های عظیمی مانند NVIDIA و AMD تراشه های گرافیکی با عملکرد بالا برای بازار بازی ها تولید کرده اند.
سخت افزار
در بیست سال گذشته ، قدرت پردازنده منفجر شده است و به کاربر اجازه می دهد تا مدل کوچک یادگیری عمیق را روی هر لپ تاپ آموزش دهد. با این حال ، برای پردازش یک مدل یادگیری عمیق برای دید کامپیوتر یا یادگیری عمیق ، شما به یک ماشین قدرتمند تر نیاز دارید. به لطف سرمایه گذاری NVIDIA و AMD ، نسل جدیدی از GPU (واحد پردازش گرافیکی) در دسترس است. این تراشه ها امکان محاسبات موازی را دارند. این بدان معناست که دستگاه می تواند محاسبات را از طریق چندین GPU برای سرعت بخشیدن به محاسبات جدا کند.
به عنوان مثال ، با NVIDIA TITAN X ، دو روز طول می کشد تا مدلی به نام ImageNet را برخلاف هفته ها برای یک پردازنده مرکزی آموزش دهیم . علاوه بر این ، شرکت های بزرگ از مجموعه GPU برای آموزش مدل یادگیری عمیق با NVIDIA Tesla K80 استفاده می کنند زیرا به کاهش هزینه مرکز داده و ارائه عملکرد بهتر کمک می کند.
?
داده ها
یادگیری عمیق ساختار مدل است و داده ها سیال برای زنده نگه داشتن آن هستند. داده ها به هوش مصنوعی نیرو می دهند. بدون داده نمی توان کاری کرد. آخرین فناوری ها مرزهای ذخیره اطلاعات را تحت فشار قرار داده اند. ذخیره مقدار زیادی داده در یک مرکز داده از همیشه آسان تر است.
انقلاب اینترنتی ، جمع آوری و توزیع داده ها را برای تغذیه الگوریتم یادگیری ماشین در دسترس قرار می دهد. اگر با فلیکر ، اینستاگرام یا هر برنامه دیگری با تصاویر آشنا هستید ، می توانید توانایی هوش مصنوعی آنها را حدس بزنید. میلیون ها عکس با برچسب در این وب سایت ها موجود است. از این تصاویر می توان برای آموزش یک مدل شبکه عصبی برای شناسایی یک شی object روی تصویر بدون نیاز به جمع آوری دستی و برچسب گذاری داده ها استفاده کرد.
هوش مصنوعی همراه با داده ها طلای جدید است. داده ها یک مزیت رقابتی منحصر به فرد است که هیچ شرکتی نباید آن را نادیده بگیرد. هوش مصنوعی بهترین پاسخ را از داده های شما ارائه می دهد. وقتی همه شرکت ها می توانند از فناوری های یکسانی برخوردار باشند ، یکی با داده دارای مزیت رقابتی نسبت به دیگری خواهد بود. برای ارائه ایده ، جهان هر روز حدود 2.2 اگزابایت یا 2.2 میلیارد گیگابایت ایجاد می کند.
یک شرکت به منابع داده فوق العاده متنوع نیاز دارد تا بتواند الگوها را بیابد و در حجم قابل توجهی یاد بگیرد.
?
الگوریتم
سخت افزار از هر زمان دیگری قدرتمندتر است ، داده ها به راحتی در دسترس هستند ، اما چیزی که شبکه عصبی را قابل اعتمادتر می کند ، توسعه الگوریتم های دقیق تر است. شبکه های عصبی اولیه یک ماتریس ضرب ساده و بدون خواص آماری عمیق هستند. از سال 2010 ، کشف های چشمگیری برای بهبود شبکه عصبی صورت گرفته است
هوش مصنوعی از الگوریتم یادگیری تدریجی برای اجازه دادن به داده ها برای برنامه نویسی استفاده می کند. این بدان معناست که کامپیوتر می تواند به خود یاد دهد که چگونه کارهای مختلفی را انجام دهد ، مانند یافتن ناهنجاری ها ، تبدیل به یک بات چت شود.
خلاصه
هوش مصنوعی و یادگیری ماشینی دو اصطلاح گیج کننده هستند. هوش مصنوعی علم ماشین آموزش برای تقلید یا تولید مثل وظیفه انسان است. یک دانشمند می تواند از روشهای مختلفی برای آموزش ماشین استفاده کند. در ابتدای سنین هوش مصنوعی ، برنامه نویسان برنامه هایی را با کد سخت می نوشتند ، یعنی هر امکان منطقی که دستگاه با آن روبرو می شود و نحوه پاسخگویی را تایپ می کنند. وقتی یک سیستم پیچیده شود ، مدیریت قوانین دشوار می شود. برای غلبه بر این مسئله ، دستگاه می تواند با استفاده از داده ها یاد بگیرد که چگونه از یک شرایط خاص مراقبت از همه موقعیت ها را انجام دهد.
مهمترین ویژگی برای داشتن هوش مصنوعی قدرتمند داشتن اطلاعات کافی با ناهمگنی قابل توجه است. به عنوان مثال ، یک ماشین می تواند زبانهای مختلف را یاد بگیرد به شرط آنکه کلمات کافی برای یادگیری داشته باشد.
دوستان نوجه کنید که هوش مصنوعی یکی ازپیشرفته ترین فناوری است.
نوشته شده درمقالات
برچسب زده شده چرا هوش مصنوعی اکنون در حال رونق است؟مقدمه ای بر سطح هوش مصنوعیهوش مصنوعی چیست؟هوش مصنوعی چیست؟ آموزش هوش مصنوعی برای مبتدیانهوش مصنوعی در کجا استفاده می شود؟ مثال ها
