برای توصیف شکبه های عصبی مقاله ها و مطالب بسیار در فضای مجازی موجود هست، در این مقاله سعی شده یک تعریف کلی از هوش مصنوعی(Artificial intelligence)، یادگیری، یادگیری ماشین(Machine learning)، یادگیری عمیق(Deep learning)، شبکه های عصبی(Neural Network)، انواع شبکه های عصبی، کاربرد ها، پایتون، شبکه عصبی با پایتون، شبکه عصبی و نانو ربات ها، هوشمند سازی و در نهایت معرفی پروژه ی اجرایی و تحقیقاتی کاس(KAS)، توصیف شود.
هوش مصنوعی
هوش مصنوعی از مطالعه این که چگونه رایانهها را میتوان برنامه ریزی به کارهایی کرد که انسانها آنها را بهتر انجام میدهند، هوش مصنوعی به هوشی که یک ماشین از خود نشان میدهد سعی در ایجاد آن دارد گفته میشود.
یادگیری
شبکه های عصبی با پردازش دادههای علمی، عملی، تجربی، دیداری، دانش و دیگر داده ها را به ساختار شبکه منتقل میکند که به این عمل یادگیری میگویند، توانایی یادگیری مهم ترین ویژگی یک سیستم هوشمند است که منعطف تر و ساده تر برنامهریزی میشود و بهتر میتواند در مشکلات، مسائل و معادلات جدید پاسخگو باشد.
یادگیری ماشین
یادگیری ماشین علمی که میتوان توسط رایانهها بدون نیاز به یک برنامه واضح در مورد موضوعات مختلف یاد بگیرند.
یادگیری عمیق
بخشی از روشهای یادگیری ماشین که بر روشهایی تمرکز دارد مبتنی بر شبکههای عصبی مصنوعی، یادگیری عمیق به رایانهها میآموزد آنچه را که به طور طبیعی برای انسان انجام میشود، انجام دهند.
شبکه عصبی
شبکه عصبی مصنوعی روشی برای دانش ارتباط بین چندین مجموعه ی داده که از طریق آموزش فراگرفته و برای استفاده در موارد مشابه و ضروری ذخیره میکند تا بتواند از آن استفاده کند، شبکه عصبی مصنوعی از نورونها یا گرههای مصنوعی تشکیل شده است.
انواع شبکه های عصبی
پرسپترون چندلایه یا MLP، شبکههای عصبی شعاعی یا RBF، ماشینهای بردار پشتیبان یا SVM، شبکه عصبی کوهونن (Kohonen) یا SOM (Self-Organizing Map)، یادگیرنده رقمیساز بردار یا LVQ، شبکه عصبی هاپفیلد یا Hopfield
کاربرد
در تمام زمینه های موجود، در آینده بسیار نزدیک به هر آنچه که شما فکر کنید و تصمیم به انجام دادن کاری داشته باشید و برای جایگزینی با نیروی انسانی و کمک به انسان ها مورد استفاده قرار میگیرد.
پایتون
یکی از زبانهای چندمنظوره شی گراست، پایتون به صورتی طراحی شده است که برنامه نویس میتواند به صورت کاملا واضح و بدون ابهام پروژههای برنامهنویسی بزرگ و کوچک ایجاد کند، خوانایی بالای کدها یکی از مهمترین دلایل ایجاد زبان برنامهنویسی است.
شبکه های عصبی با پایتون
شبکه های عصبی نوعي مدلسازي ساده از سيستمهاي عصبي واقعي هستند كه كاربرد فراواني در حل مسائل مختلف در علوم دارند، به کمک پایتون میتوانیم این شبیه سازی ها، دستورات، و هر آنچه که نیاز به ماشین وارد کرده و توسعه دهیم.
شبکه های عصبی و نانو ربات ها و پروژه ی کاس
شروع تحقیقات پروژه ی کاس (KAS) از تخیل تا واقعیت است. در بیشتر فیلم ها، کمیک ها و انیمیشن ها همیشه با ابر انسان ها و وسایل و تجهیزات فرا انسانی که ساخته تخیل انسان هست روبرو شدیم و همیشه سعی شده تا آن تخیل به واقعیت به پیوندد، در حال حاضر این پروژه در ابتدای راه خود و تحقیقات قرار دارد تا بتواند نانو ربات های هوشمند تولید کند، ساختار این پروژه بسیار وسیع بوده و از شکبه های انسانی متنوعی تشکیل خواهد شد، هدف اصلی آن کمک به انسان ها و سلامتی می باشد، توسط شبکه های عصبی و هوشمند سازی نانو ربات ها در بیشتر زمینه های علمی میتوان ورود کرد، بسیار نزدیک است که بتوان خیلی از کار های خطرناک که تلفات جانی برای انسان ها دارد توسط این پروژه جایگزین شود تا از پیشامد های غیر قابل جبران جلوگیری کرد.
بر خلاف تصور های ذهنی در این راه تفاوت های بسیاری با تخیلات وجود دارد ولی در طراحی و اجرای آن به بهترین نحو ممکن سعی شده تا کیفیت و خروجی بسیار بالا و امنی برای انسان ها آماده شود تا بتوانند زندگی راحت و آسوده داشته باشند.
یک توصیف کلی برای آشنایی با ساختار سازمانی پروژه که از چهار بخش بنیادی، میانی، عملی و نمایی تشکیل شده است.
گروه بندی ها
نیروی کار بخش بنیادی تمام زیرساخت ها و تحقیقات پروژه را بر عهده دارند.
نیروی کار بخش میانی خروجی و امنیت پروژه را بر عهده دارند.
نیروی کار بخش عملی آزمایشات و نهایی سازی پروژه را بر عهده دارند.
نیروی کار بخش نمایی تولید و مارکت پروژه را بر عهده دارند.
کسری کِنشلو. دانشجوی علوم کامپیوتر از دانشگاه آزاد اسلامی تهران مرکز
Kasra Keneshlou
دکتر مریم حاجی اسمعیلی. دکترای علوم کامپیوتر از دانشگاه کینگستون لندن
Dr.Maryam Hajiesmaeili
PhD of computer science from Kingston university of London
https://ir.linkedin.com/in/dr-maryam-hajiesmaeili-90930743