https://virgool.io/AIFABlog/feed در آیفا ما در مورد هوش مصنوعی، کاربردهای آن در جهان واقعی و مجازی، مزایا و معایب و آینده هوش مصنوعی در جهان صحبت می‌کنیم. fa 2026-06-16 06:57:37 https://files.virgool.io/upload/publication/4laodysihofc/j3b0pe.jpeg https://virgool.io/AIFABlog https://virgool.io/AIFABlog/agi-mlwquy5kdhwl سال‌هاست که انسان‌ها در نقاط مختلف این کره‌ی خاکی رویای خلق هوشی مصنوعی را در سر می پرورانند. اما اولین‌بار در اواخر دهه 1950 بود که گام‌های اولیه برای این منظور به‌طورجدی برداشته شد. زمانی که دوازده دانشمند در کارگاه آموزشی دو‌ماهه کالج دارتموث، گرد هم جمع شدند تا ماشینی بسازند که بتواند از زبان استفاده کند. این کارگاه به‌عنوان آغاز رسمی تاریخ هوش مصنوعی شناخته می‌شود.پیشرفت‌های زیادی در این زمینه صورت گرفت تا جایی که امروز متخصصان، هوش مصنوعی را بر اساس ظرفیت تقلید از خصوصیات انسانی در دسته‌های مختلف زیر طبقه بندی میکنند:· هوش باریک مصنوعی (ANI) – قابلیت‌های محدودی از توانایی‌های انسان‌· هوش عمومی مصنوعی (AGI) - همتراز با توانایی‌های انسان‌· ابر هوش مصنوعی (ASI) - توانمندتر از یک انساندر مقاله‌های گذشته به معرفی هوش مصنوعی باریک پرداختیم. در این مقاله قصد داریم شما را با AGI ها که هوش عمومی مصنوعی یا هوش قوی نیز شناخته می‌شوند آشنا کنیم. تا انتهای مقاله با ما همراه باشید.هوش عمومی مصنوعی (AGI)چیست؟در حال حاضر تعاریف مختلفی برای AGI وجود دارد زیرا متخصصان حوزه‌های مختلف، هوش انسان را از دیدگاه‌های متفاوتی تعریف می‌کنند. محققان علوم کامپیوتر اغلب هوش انسان را بر اساس توانایی دستیابی به اهداف تعریف می‌کنند. درحالیکه روان‌شناسان تعریف دیگری از هوش دارند و اغلب هوش عمومی را بر حسب سازگاری یا بقا تعریف می‌کنند. اما به‌طورکلی AGI یک شکل تئوری از هوش مصنوعی است که برای توصیف ذهنیت خاصی از توسعه هوش مصنوعی به کار می‌رود. درواقع هوش عمومی مصنوعی، به ماشینی گفته می‌شود که می‌تواند هوش انسان و قابلیت‌‌های تفکر، درک و یادگیری انسان‌ها را تقلید ‌کند به‌طوری‌که قادر باشد مانند انسان‌ها به‌تنهایی مشکلات را حل کند و برای آینده برنامه‌ریزی کند.هدف اصلی هوش مصنوعی قوی ساخت ماشین‌های هوشمندی است که از انسان‌ها قابل تمایز نباشد. برای این کار ماشین باید درست مانند یک کودک به‌تدریج از طریق ورودی و تجربیات جدید یاد بگیرد و توانایی‌های خود را در طول زمان ارتقا دهد. برای تحقق این رؤیا محققان زیادی در هر دو بخش دانشگاهی و خصوصی تا به امروز سرمایه‌گذاری‌های زیادی کردند اما هنوز این نوع هوش تنها به‌عنوان یک مفهوم نظری مطرح می‌شود.برخی دانشمندان حوزهٔ علوم شناخت و هوش مصنوعی نظیر ماروین مینسکی نسبت به پیشرفت‌های هوش مصنوعی در سال‌های آتی بسیار خوش‌بین هستند. اما دانشمندان دیگری بر این باورند که هوش مصنوعی قوی نمی‌تواند تحقق یابند. در هرصورت تا زمانی که معیارهای موفقیت در زمینه هوش و درک به‌صراحت تعریف نشوند، باور هریک از آن‌ها می‌تواند صحیح باشد.هوش عمومی مصنوعی چه کاری می‌تواند انجام دهد؟در علوم کامپیوتر AGI یک سیستم هوشمند با دانشی کامل و قابلیت‌های محاسبات شناختی تعریف می‌شود. همان‌طور که اشاره کردیم در حال حاضر، ردپای هوش مصنوعی قوی را تنها در فیلم‌های علمی و تخیلی به صورت ربات‌های مختلف با عملکردی مشابه انسان می‌توانید ببینید. باتوجه‌به توانایی آن‌ها در پردازش مجموعه‌ای عظیم داده با سرعتی باورنکردنی، ظرفیت‌های فکری AGIها از ظرفیت انسانی فراتر خواهد رفت.یک AGI واقعی باید توانایی اجرای وظایف در سطح انسانی را داشته باشد اما تاکنون هیچ هوش مصنوعی نتوانسته است به این سطح از موفقیت دست یابد تا بتوان آن به‌عنوان هوش انسانی یا عمومی طبقه‌بندی کرد.چه قابلیت‌هایی AI را به AGI تبدیل می‌کند؟خلاقیت: یک سیستم AGI از نظر تئوری قادر به خواندن و درک کدهای تولید شده توسط انسان و بهبود آن‌ها است. به اعتقاد برخی از مفسران زمانیکه هوش مصنوعی تا سطح ما انسان‌ها پیشرفت کند، قادر است به‌سرعت خود را ارتقا دهد و به سطوحی بسیار فراتر از هوش انسانی دست یابد. اما برای انجام این کار، سیستم‌های هوش مصنوعی باید بتوانند کدهای خود را بازنویسی کنند. تغییر کدها هم نیازمند درک کامل آن‌ها و شناسایی روشی برای بهبود کدهاست. ماشین‌های موجود در دنیای امروز توانایی کشیدن تصاویر و آهنگ‌سازی را دارند، اما برای رسیدن به چنین سطحی از خلاقیت پیشرفت‌های زیادی هنوز نیاز است.ادراک حسی. AGI می‌بایست در تشخیص رنگ که نوعی ادراک ذهنی است بسیار کارآمد باشد و عمق و اشیای سه‌بعدی را در تصاویر ثابت درک کند. تا به امروز بینایی ماشین پیشرفت‌های زیادی در این زمینه داشته است اما هنوز تا رسیدن به قابلیت‌های ادراکی فاصله زیادی داریم. سیستم‌هایی که از طریق یادگیری عمیق آموزش داده شده‌اند، هنوز تشخیص رنگ ضعیفی دارند: برای مثال خودروهای بدون سرنشین با قرار دادن تکه‌های کوچک نوار سیاه یا برچسب‌ بر روی تابلوی توقف فریب می‌خورند. به ‌علاوه سیستم‌های کامپیوتری کنونی قادر به استخراج عمق و اطلاعات سه‌بعدی از تصاویر استاتیک نیستند.مهارت‌های حرکتی: هر انسانی به‌راحتی می‌تواند تعدادی کلید را از جیب خود بیرون بیاورد و کمتر کسی انجام این کار را به یک ربات واگذار می‌کند. اما دانشمندان به دنبال پیاده‌سازی قابلیتی برای ربات‌ها و دست‌های انسان‌نما هستند تا این کار را انجام دهند. به‌تازگی از یک ربات دست رونمایی شد که قادر بود با استفاده از یادگیری تقویتی مکعب روبیک را مرتب کند.درک زبان طبیعی (NLU): ما انسان‌ها مهارت‌ و دانش‌ خود را از طریق کتاب‌ها، مقاله‌ها، پست‌های وبلاگ، و ویدیو‌‌های آموزشی ضبط کرده و انتقال می‌دهیم. هوش مصنوعی باید بتواند این منابع اطلاعاتی را کامل درک کند و به‌خوبی استفاده کند. خیلی از نویسنده‌ها با فرض اینکه خواننده از سطحی از دانش عمومی برخوردار است می‌نویسند و مقدار زیادی از اطلاعات ناگفته باقی می‌ماند . اگر هوش مصنوعی فاقد این دانش باشد، نمی‌تواند در دنیای واقعی کار کند.جهت‌یابی: درحال حاضر GPS با فراهم‌کردن قابلیت‌هایی مانند مکان‌یابی و نقشه‌برداری هم‌زمان (SLAM) پیشرفت خوبی در این زمینه داشته است. اما هنوز سال‌ها کار برای پیاده‌سازی سیستم‌هایی قابل‌اعتماد نیاز است تا AGIها بدون نیاز به کمک‌های انسان‌ها بتوانند در فضای فیزیکی حرکت کنند.مشارکت اجتماعی و عاطفی: برای اینکه ربات‌ها و هوش مصنوعی در دنیای ما به طور موفق حضور داشته باشند انسان‌ها نباید از آن‌ها بترسند و مایل باشند با آنها تعامل داشته باشند. به همین دلیل ربات باید بتوانند انسان‌ها را درک کند و حالات چهره یا تغییرات در لحن را که نمایانگر احساسات نهفته انسان‌هاست تفسیر کنند. در حال حاضر برنامه‌های کاربردی محدودی در این زمینه وجود دارند، مانند سیستم‌هایی که در مراکز تماس مستقر هستند و می‌توانند مشتریان عصبانی یا نگران را تشخیص دهند و برای کمک فوری به صف مناسب هدایت کنند. اما باتوجه‌به مشکلاتی که حتی خود انسان‌ها در تفسیر صحیح احساسات دارند، به نظر می‌رسد پیاده‌سازی هوش مصنوعی که قادر به همدلی باشد بسیار دور از دسترس باشد.حل مسئله: یک ربات باید بتواند مشکلات را شناسایی و سپس به آنها رسیدگی کند. برای مثال یک ربات خانگی باید تشخیص دهد که یک لامپ خراب است و تصمیم بگیرد لامپ را تعویض کند و یا باید به تعمیرکار اطلاع دهد. برای انجام این وظایف، ربات باید از عقل سلیمی برخوردار باشد و یا قادر به انجام شبیه‌سازی‌هایی برای تعیین احتمالات باشد. امروزه، هیچ سیستم شناخته شده‌ای با چنین قابلیت‌هایی وجود فیزیکی ندارد.آیا AGIها باعث نابودی نسل بشر خواهند شد؟همان‌طور که در این مقاله شرح دادیم ظهور AGI‌ها نیازمند پیاده‌سازی توانایی‌های زیادی در ماشین‌هاست به همین دلیل بسیاری از کارشناسان تردید دارند که تحقق آن‌ها روزی ممکن شود. بااین‌حال، برخی از کارشناسان هوش مصنوعی پیش‌بینی می‌کنند هوش مصنوعی به طور مداوم توسعه می‌یابد و انتظار دارند تا سال 2029 کامپیوترها به هوش انسانی دست یابند.استیون هاوکینگ، فیزیک‌دان، کیهان‌شناس و نویسنده انگلیسی در سال 2014 در مصاحبه‌ای در مورد پیشرفت هوش مصنوعی هشدار داد: «توسعه هوش مصنوعی کامل می‌تواند به معنای پایان نسل بشر باشد چراکه می‌تواند خود را با سرعت زیادی بازطراحی کند. اما ما انسان‌ها محدود به تکامل بیولوژیکی آهسته هستیم بنابراین، نمی‌توانیم رقابت کنیم و جایگزین خواهیم شد.»نظر شما در مورد آینده AGIها چیست؟ آیا شما هم درمورد پیشرفت‌های صورت گرفته در حوزه‌ی هوش مصنوعی نگران هستید؟ شما می‌توانید نظرات خود را بخش کامنت‌ها با ما به اشتراک بگذارید.با آیفا آشنا شوید!با توجه به نقش مهم سرویس‌های هوش مصنوعی در ابعاد مختلف زندگی امروز، مجموعه فناپ به‌عنوان یکی از اعضای برتر سازمان نظام صنفی رایانه‌ای کشور و برخوردار از گواهینامه رتبه یک سازمان برنامه و بودجه کشور برای اجرا و مشاوره پروژه‌ها و طرح‌های انفورماتیک در زمینه‌های مختلف، بر اساس مسئولیت خود در زمینه حمایت و توسعه طرح‌های نوآورانه انفورماتیک در کشور، اقدام به توسعه سامانه‌های کاربردی به‌روز تحت برند «آیفا» نموده است که قابلیت هوشمندسازی فرآیندهای کسب‌وکارها و سازمان‌ها را دارد. سرویس‌های برچسب‌گذاری داده، پردازش تصویر و نویسه‌خوان (OCR)، پردازش زبان طبیعی، و کشف تقلب از جمله سرویس‌های موجود در شرکت فناپ هستند که در طراحی آن‌ها از به‌روزترین الگوریتم‌های یادگیری ماشین و هوش مصنوعی استفاده شده است و ساختار آن‌ها به گونه‌ای است که از انعطاف لازم برای اضافه شدن به سایر سیستم‌های نظارتی، مدیریتی، خدماتی و CRM برخوردار هستند. برای کسب اطلاعات بیشتر می‌توانید به وبسایت مرکز مطالعات و تحقیقات فناپ و همین‌طور صفحه مربوط به گروه هوش مصنوعی آیفا مراجعه کنید.دانلود کاتالوگ سرویس‌های هوش مصنوعی آیفا· Instagram: aifa.pod· Linkedin: fanap-aifa· Website: research.fanapsoft.com· Email: Fanapsoft.research@fanap.ir AIFA ریحانه احمدی Sun, 31 Jul 2022 08:55:31 +0430 https://virgool.io/AIFABlog/what-is-the-difference-between-iot-and-ioe-iplbxphhhrbe شاید شما هم نام اینترنت اشیا یا همان IoT را زیاد شنیده باشید و درباره‌ی ماهیت و چیستی آن بدانید اما کمتر کسی نام IoE ( اینترنت همه چیز) را شنیده و از تفاوت آن با IoT آگاه است. در این مقاله قصد داریم تا بیشتر درباره‌ی ماهیت این دو مورد و تفاوت میانشان صحبت کنیم پس با ما همراه باشید.اینترنت اشیا (IoT) چیست؟اگر در یک جمله بخواهیم اینترنت اشیا را توصیف کنیم باید بگوییم که اینترنت اشیا شامل ارتباط بین اشیا در زندگی روزمره است. فناوری‌ که به عنوان فناوری ارتباطی ماشین به ماشین (M2M) هم شناخته شد. تمامی سخت‌افزارهای امروزی از جمله ساعت‌های هوشمند، لپ‌تا‌پ‌ها، رایانه‌ها و همچنین دستگاه‌های مختلف هوشمند مانند بلندگوهای هوشمند، دستیارهای خانگی، ترموستات‌های هوشمند و … که به اینترنت یا شبکه محلی متصل هستند و می‌توانند با یکدیگر تبادل اطلاعات کنند، در دسته و حیطه اینترنت اشیا قرار می‌گیرند.اینترنت همه چیز (IoE) چیست؟در دنیای امروز، تکنولوژی هر لحظه در حال تغییر و پیشرفت است و مفهوم اینترنت همه چیز (Internet of Every things/IoE) در واقع چیزی بسیار گسترده‌‌تر و فراتر از اینترنت اشیا تلقی می‌شود. بگذارید اینطور شرح دهیم که اینترنت اشیا جزئی از اینترنت همه چیز است. اینترنت اشیا با پیشرفت فناوری گسترش می‌یابد و در نهایت با اینترنت همه چیز جایگزین می‌شود.«سیسکو» اینترنت همه چیز را چنین تعریف می‌کند: “اتصال هوشمند افراد، فرآیندها، داده‌ها و اشیاء.”مفهومی که علاوه بر ارتباط بین اشیاء یا دستگاه‌ها ارتباطات بین (افراد و ماشین‌ها) و (افراد با افراد) بواسطه ابزارهای فناوری را شامل می شود.چهار عنصر اصلی اینترنت همه چیز (IoE) کدام‌اند؟افراد: افراد گره‌های انتهایی متصل به اینترنت هستند.فرایندها: فرایندها اطمینان حاصل می‌کنند که اطلاعات صحیح برای شخص مناسب ارسال می‌شود.داده‌ها: داده‌های خام مورد بررسی و تحلیل قرار می‌گیرند و می‌توانند در پیدایش راه‌حل و پاسخ‌های بهتر کمک کنند.اشیا: دستگاه‌هایی که با یک سری حسگر جاسازی شده و داده تولید می‌کند.پس دریافتیم که اینترنت همه‌چیز برای توصیف یک سیستم پیچیده‌تر، علاوه بر افراد و فرایند‌ها به ارتباطات ماشین به ماشین در اینترنت اشیا نیز نیازمند است. اینترنت اشیا یک عنصر سازنده برای گسترش اینترنت همه‌چیز محسوب می‌شود. طراحی ایده اینترنت همه‌چیز بر این اساس بوده که در آینده، همه‌چیز به یکدیگر متصل و ارتباطات اینترنتی بسیار گسترده‌تر می‌شود. از آنجایی که دستگاه‌های بیشتری به یکدیگر متصل می‌شوند و با سخت‌افزارهای هوشمند مانند سنسورها و نرم‌افزارها از جمله یادگیری ماشین و هوش‌مصنوعی جاسازی می‌شوند؛ اینترنت همه‌چیز قرار است جایگزین اینترنت اشیا شود.تفاوت اینترنت اشیا (IoT) با اینترنت همه‌چیز (IoE) چیست؟در مورد تفاوت میان اینترنت اشیا با اینترنت همه‌چیز باید گفت که اینترنت اشیا فقط بر روی اشیا فیزیکی تمرکز دارد و بخش کوچکی از اینترنت همه‌چیز است. اینترنت همه‌چیز اصطلاحی بسیار وسیع و گسترده است که به غیر از اینترنت اشیا، شامل بسیاری از فناوری‌ها و افراد است. اما اینترنت اشیا، در واقع ارتباط متقابل اشیا فیزیکی است که داده‌ها را ارسال و دریافت می‌کنند.با آیفا آشنا شوید!با توجه به نقش مهم سرویس‌های هوش مصنوعی در ابعاد مختلف زندگی امروز، مجموعه فناپ به‌عنوان یکی از اعضای برتر سازمان نظام صنفی رایانه‌ای کشور و برخوردار از گواهینامه رتبه یک سازمان برنامه و بودجه کشور برای اجرا و مشاوره پروژه‌ها و طرح‌های انفورماتیک در زمینه‌های مختلف، بر اساس مسئولیت خود در زمینه حمایت و توسعه طرح‌های نوآورانه انفورماتیک در کشور، اقدام به توسعه سامانه‌های کاربردی به‌روز تحت برند «آیفا» نموده است که قابلیت هوشمندسازی فرآیندهای کسب‌وکارها و سازمان‌ها را دارد. سرویس‌های برچسب‌گذاری داده، پردازش تصویر و نویسه‌خوان (OCR) و پردازش زبان طبیعی از جمله سرویس‌های موجود در شرکت فناپ هستند که در طراحی آن‌ها از به‌روزترین الگوریتم‌های یادگیری ماشین و هوش مصنوعی استفاده شده است و ساختار آن‌ها به گونه‌ای است که از انعطاف لازم برای اضافه شدن به سایر سیستم‌های نظارتی، مدیریتی، خدماتی و CRM برخوردار هستند. برای کسب اطلاعات بیشتر می‌توانید به وبسایت مرکز مطالعات و تحقیقات فناپ و همین‌طور صفحه مربوط به گروه هوش مصنوعی آیفا مراجعه کنید.دانلود کاتالوگ سرویس‌های هوش مصنوعی آیفادر این مقاله درباره‌ی ماهیت اینترنت اشیا و اینترنت همه‌چیز بحث کردیم همچنین به تفاوت میان این دو پرداختیم. خوشحال می‌شویم اگر موارد بیشتری می‌دانستید و یا ابهامی درباره‌ی آنچه که گفته شد داشتید، با ما مطرح کنید. مطابق رسم همیشگی‌مان، نظراتتان را می‌بینیم، می‌خوانیم و پاسخ می‌دهیم.راه‌های ارتباطی با ما· Instagram: aifa.pod· Linkedin: fanap-aifa· Website: research.fanapsoft.com· Email: Fanapsoft.research@fanap.ir AIFA یاسمن عیسایی Wed, 20 Jul 2022 17:33:46 +0430 https://virgool.io/AIFABlog/fraud-detection-with-artificial-intelligence-smpbalztqgri رشد سریع تجارت الکترونیکی و دیجیتالی شدن فرایندهای مالی از جهات مختلف به نفع جامعه‌ی انسانی شد. اما همین رشد، خود می‌تواند عامل و بستری مخرب برای افزایش کلاهبرداری تلقی شود. همه ما می دانیم که در زمان همه‌گیری ‌19-COVID، حجم خریدهای دیجیتالی و به‌طبع آن کلاهبرداری و تراکنش­‌های تقلبی رشدی انفجاری پیدا کرد. تراکنش‌های تقلبی از جمله مواردی هستند که با گذر زمان پیچیده‌تر می‌شوند. حال با توجه به اهمیت امنیت مالی در عصر دیجیتال امروز، این مقاله آیفا سعی دارد کاربرد هوش مصنوعی را برای حل این مشکلات را بررسی کند.راهکارهای امنیتی معروف!واضح است که بخشی از امنیت فرآیندهای مالی، متکی بر خود کاربران است. در این سطح، افراد باید سعی کنند که اطلاعات بانکی خود را با فروشندگان مشکوک هرگز به اشتراک نگذارند و مراقب باشند تا کارت‌های فیزیکی بانکی آن‌ها سرقت یا گم نشوند. همچنین، اگر کارت بانکی آن‌ها گم (یا سرقت) شد، این مورد را با باطل کردن کارت از طرف بانک مربوطه دنبال کنند تا از کلاهبرداری‌های بعدی جلوگیری شود. با این حال، بسیاری از افراد به محض گم شدن کارت‌های خود، آن‌ها را نمی‌سوزاننند! چرا که فرض می‌کنند حساب بانکی آن‌ها از طرف بانک محافظت می‌شود و تحت هیچ شرایطی توسط شخص دیگری استفاده نمی‌شود که این باور کاملا اشتباه است چون کسی که اطلاعات و هویت کارت اعتباری فردی را به سرقت برده در حال کلاهبرداری است! باید بدانید که آن‌ها در کار خود خبره هستند و ممکن است اصلا توجهی را به خود جلب نکند، زیرا از شماره کارت مجاز و اطلاعات افراد معتبر استفاده می‌کند. بنابراین لازم است که بانک‌ها فرآیندهایی را برای جلوگیری از کلاهبرداری مالی از مشتریان خود در نظر بگیرند. اما معمولا اکثر فرایندهای سنتی، تراکنش‌های مالی را به عنوان کلاهبرداری فرض می‌کنند تا تحت چند مرحله بازبینی فرض مربوطه را نامعتبر کنند. این کار برای آن دسته از مشتریانی که سعی در انجام تراکنش‌­های معتبر دارند، مزاحمت ایجاد می‌کند. از طرفی دیگر، بانک‌ها باید با تهدیدات سریع، متغیر و پیچیده تخلفات مالی مانند پول‌شویی، تأمین مالی تروریسم و تقلب در پرداخت مبارزه کنند. با این وجود، متاسفانه سیستم‌های تصمیم‌گیری بشر و سامانه‌های سنتی دیگر به اندازه کافی برای تشخیص این کلاهبرداری‌ها، سریع و موثر نیستند.هوش‌مصنوعی دست بکار می‌شودیکی از راهبردهایی که امروزه بانک‌ها برای حل این مشکل دنبال می‌کنند، استفاده از تکنولوژی‌های هوش‌مصنوعی است. با استفاده از تکنولوژی هوش‌مصنوعی بانک‌ها می‌توانند تکنیک‌های در حال تغییر را بهتر تشخیص دهند. در حالی که شناسایی پول‌شویی اصلا کار آسانی نیست. توانایی هوش مصنوعی در نظارت بر هزینه‌ها و الگوهای سپرده‌گذاری در طول زمان می‌تواند کارکنان را از ناهنجاری‌ها آگاه کرده و پرداخت‌ها را قبل از تکمیل، مسدود کند. این الگوریتم‌ها می‌توانند از نقاط مختلف تراکنش، از مبدا تا مقصد نهایی آن، انحراف از الگوهای عادی تراکنش را شناسایی کنند.امروزه از یادگیری ماشین می‌توان به عنوان یکی از پرکاربردترین تکنولوژی‌های هوش مصنوعی یاد کرد. طبق تعریف، یادگیری ماشین مبتنی بر الگوریتم‌هایی است که می‌توانند اطلاعات جدیدی را از داده‌های جمع‌آوری شده «یاد بگیرند». به عبارتی، راهبرد مبتنی بر داده‌های ثبت شده یک فرآیند را مدل‌سازی می‌کند. بنابراین، داده‌های ثبت شده از تراکنش‌های بانکی، که حاوی دانش‌های پنهان و نهفته هستند، می‌توانند به کمک این روش برای تشخیص کلاهبرداری مورد استفاده قرار گیرند. روش‌های یادگیری ماشین در استخراج این اطلاعات بسیار کارآمد و سریع هستند و حجم بالایی از داده‌ها را می‌توانند برای تحلیل پوشش دهند.سرویس کشف تقلب مبتنی بر هوش مصنوعیخاستگاه‌های قانونی سامانهالزامات بالادستی موجود برای استقرار سامانه‌های کشف تقلب و شناسایی معاملات مشکوک مبتنی بر داده‌کاوی در مؤسسات مالی و اعتباریپیش‌نویس قواعد انتشار یافته توسط بانک مرکزی و شرکت کاشف در شهریور 1399 در خصوص شناسایی عملیات مشکوکلایه‌های معماری سامانهاین لایه‌ها به سه دسته آفلاین، نیمه‌آفلاین و آنلاین تقسیم می‌شوند.آفلاین: بر اساس جمع و میانگین واریزها، برداشت‌ها و ... در دوره‌های زمانی روزانه، هفتگی، ماهانه و چند ماههنیمه آفلاین: برای تحلیل اطلاعات تراکنش‌هایی که بلافاصله پس از ثبت نهایی تراکنش در دسترس قرار می‌گیرد.آنلاین: برای بررسی تراکنش‌ها و تشخیص جهش‌های نامتعارف بر اساس داده‌هایی از قبیل تاریخچه رفتاریعلاوه بر به‌کارگیری سند پیش‌نویس قواعد انتشار یافته توسط بانک مرکزی اعم از فاصله زمانی و مکانی تراکنش‌ها، قواعد فازی و معطوف به گذشته طراحی شده در سطح تیم هوش مصنوعی فناپ با همکاری شرکت داتین مورد استفاده قرار می‌گیرد و به این ترتیب، ناهنجاری‌های رفتاری کارت بر اساس پروفایل هر کارت بررسی و امتیاز احتمال مشکوک بودن تراکنش، محاسبه می‌شود.پارامترهای این سامانه، ناظر به تعداد و حجم تراکنش‌ها و گردش مالی کارت‌های بانکی در مقاطع زمانی روزانه، هفتگی و ماهانه است و حسب مورد، آستانه‌های مجاز، توالی زمانی تراکنش‌ها، پراکندگی جغرافیایی و ضریب افت یا جهش موجودی کارت‌های بانکی را در درگاه‌های مجازی و فیزیکی، خودپردازها، پایانه‌های فروش و غیره رصد می‌نماید.مزایای استفاده از هوش‌مصنوعیدر ادامه چند مورد از مزایای استفاده از هوش‌مصنوعی در تشخیص تقلب به صورت خلاصه ارائه می‌شود:به دلیل دقت بالاتر و پیش‌بینی خودکار، زمان و هزینه جهت بازبینی هشدارها کاهش می‌یابد.می‌تواند به سرعت با رفتارهای جدید تراکنش‌­های تقلبی تطبیق داده شود و به بهبود واکنش‌ها نسبت به موارد مشکوک کمک ­کند.در مقابل راهبردهای سنتی، می‌تواند موجب کاهش هشدارهای مشکوک اشتباه شود.در پردازش مجموعه داده‌های کلان بهتر از انسان عمل می‌کند.هوش‌مصنوعی از دید «فناپ»با عنایت به اهمیت این موارد، تیم هوش مصنوعی فناپ اقدام به توسعه‌ی سرویس کشف تقلب هوشمند کرده است. این سامانه با استفاده از زیرساخت کلان‌داده امکان توزیع‌پذیری و مقیاس‌پذیری حجم بالای داده‌های بانکی را فراهم می‌کند. در طراحی این سامانه‌ی تشخیص تقلب از انواع روش‌های یادگیری ماشین (از جمله یادگیری نظارت شده و یادگیری بی نظارت) استفاده شده است. همچنین این سامانه قابلیت تشخیص ناهنجاری را نیز دارد. در واقع این ویژگی اقدام به شناسایی عدم تطابق الگوهای نابه‌هنجار از الگوهای بهنجار (از پیش مقرر شده) در یک پایگاه داده می‌کند. لازم است اشاره شود که هدف سامانه آیفا، تشخیص تقلب در تراکنش‌های مربوط به کارت‌­های بانکی بوده، و علاوه بر قوانین ثابت بانک مرکزی (فاصله زمانی و مکانی تراکنش‌ها)، میزان ناهنجاری‌های رفتاری کارت را نیز بر اساس پروفایل هر کارت بررسی و امتیاز احتمال مشکوک بودن تراکنش محاسبه می‌کند.با آیفا آشنا شوید!با توجه به نقش مهم سرویس‌های هوش مصنوعی در ابعاد مختلف زندگی امروز، مجموعه فناپ به‌عنوان یکی از اعضای برتر سازمان نظام صنفی رایانه‌ای کشور و برخوردار از گواهینامه رتبه یک سازمان برنامه و بودجه کشور برای اجرا و مشاوره پروژه‌ها و طرح‌های انفورماتیک در زمینه‌های مختلف، بر اساس مسئولیت خود در زمینه حمایت و توسعه طرح‌های نوآورانه انفورماتیک در کشور، اقدام به توسعه سامانه‌های کاربردی به‌روز تحت برند «آیفا» نموده است که قابلیت هوشمندسازی فرآیندهای کسب‌وکارها و سازمان‌ها را دارد. سرویس‌های برچسب‌گذاری داده، پردازش تصویر و نویسه‌خوان (OCR)، پردازش زبان طبیعی، و کشف تقلب از جمله سرویس‌های موجود در شرکت فناپ هستند که در طراحی آن‌ها از به‌روزترین الگوریتم‌های یادگیری ماشین و هوش مصنوعی استفاده شده است و ساختار آن‌ها به گونه‌ای است که از انعطاف لازم برای اضافه شدن به سایر سیستم‌های نظارتی، مدیریتی، خدماتی و CRM برخوردار هستند. برای کسب اطلاعات بیشتر می‌توانید به وبسایت مرکز مطالعات و تحقیقات فناپ و همین‌طور صفحه مربوط به گروه هوش مصنوعی آیفا مراجعه کنید.دانلود کاتالوگ سرویس‌های هوش مصنوعی آیفاراه‌های ارتباطی با ما:Instagram: aifa.pod· Linkedin: fanap-aifa· Website: research.fanapsoft.com· Email: Fanapsoft.research@fanap.ir AIFA یاسمن عیسایی Sat, 16 Jul 2022 17:00:38 +0430 https://virgool.io/AIFABlog/ai-in-games-saywnqjelp62 اگر شما هم علاقه‌مند به اخبار تکنولوژی هستید حتما می‌دانید که یکی از داغ‌ترین مباحث امروزه موضوع داغ هوش مصنوعی است. شايد براي شما هم جالب باشد كه بدانيد هوش مصنوعی علاوه برورود موفق به حوزه‌های مختلف پزشکی، نظامی و … در حال تبدیل شدن به ابزاری ضروری در صنعت روبه‌رشد بازی‌هاست. علیرغم اینکه هوش مصنوعی در بازی های ویدیویی هنوز در مراحل ابتدایی خود قرار دارد، اما شرکت های معروف دنیا به سودآوری این تکنولوژی در بازی‌ها پی برده‌اند .بعد از اینکه در دهه 50 اولین برنامه شطرنج رونمایی شد، برنامه‌نویسان بازی های ویدیویی، همیشه به نحوی برای حل چالش‌های رایانه‌ها در رقابت با انسان‌ها با هوش مصنوعی درارتباط بوده اند. به لطف تلاش‌های این مهندسان امروزه شاهد پیشرفت چشمگیر بازی‌های رایانه‌ای هستیم. در این مقاله قصد داریم به نقش هوش مصنوعی در بازی‌های رایانه‌ای بپردازیم. بنابراین اگر در این زمینه کنجکاو هستید پیشنهاد می‌کنیم به خواندن این مقاله ادامه دهید.نقش هوش مصنوعی در بازی هاتوسعه دهندگان بازی‌های رایانه‌ای به کمک عناصر مهم بازی‌ نظیر گرافیک، صدا، زمان‌بندی، چالش‌های بازی‌ و سایر مواردی که بازیکنان با آن‌ها در تعامل هستند ( شامل متحدان، مخالفان یا سایر موجودیت‌ها) تلاش می‌کنند تجربیات تعاملی ارزشمندی برای مخاطبان فراهم کنند. به همین دلیل، هوش مصنوعی به ابزاری ضروری برای طراحان و توسعه‌دهندگان بازی تبدیل شده‌است زیرا امکانات لازم برای پویاسازی بیشتر بازی‌ها را فراهم می‌کند.محبوبیت روزافزون هوش مصنوعی در بازی‌ها و مزایای تجاری آن توجه خیلی از شرکت‌ها را به خود جلب کرده است. صنعت بازی در حال تبدیل شدن به یکی از سودآورترین بخش‌ها است و پیش‌بینی می شود ارزش بازار آن تا سال 2026 به حدود 314 میلیارد دلار برسد. در نتیجه، بودجه توسعه بازی‌های مبتنی بر هوش مصنوعی و تعداد استارتاپ هایی که در این زمینه فعالیت دارند در سراسر جهان روز به روز در حال افزایش است. برای مثال، latitude، استارت‌آپی است که بازی‌هایی داستان محور نامحدود به کمک هوش مصنوعی تولید می‌کند. این شرکت در سال 2021 توانست 3.3 میلیون دلار سرمایه اولیه جذب کند.شرکت Osmo، نمونه‌ی دیگری است که در زمینه طراحی بازی تعاملی فعالیت دارد و تاکنون توانسته‌است 32.5 میلیون دلار سرمایه جذب کند. شرکت Gosu Data Lab، در لیتوانی نیز یکی‌دیگر از استارتاپ‌های بازی هوش مصنوعی است که 5.1 میلیون دلار تاکنون سرمایه جذب کرده است.کاربردهای رایج هوش مصنوعی در بازی‌هاهوش مصنوعی در بازی ها کاربردهای متنوعی می‌تواند داشته باشد. برای مثال از آن می توان برای بهبود تصاویر، تولید خودکار سطح بازی، سناریوها، متعادل کردن پیچیدگی‌های بازی و افزودن هوش به شخصیت های غیربازی (NPC) استفاده کرد.1. بهبود تصاویربا پیاده‌سازی سیستم یادگیری عمیق می‌توان گرافیک سه بعدی رندرشده را به تصاویر واقعی تبدیل کرد. برای مثال در بازی Grand Theft Auto 5 ، شبکه عصبی توسعه یافته قادر است مناظر لس آنجلس و جنوب کالیفرنیا را با جزئیات کامل و مشابه با دنیای واقعی بازسازی کند. همچنین هوش مصنوعی قادر است گرافیک بازی‌های کلاسیک را بهبود بخشد. برای این کار تصاویر با وضوح پایین توسط الگوریتم‌های خاصی به نسخه‌هایی با پیکسل‌های بیشتر تبدیل می‌شوند. به این فرایند افزایش مقیاس یا AI upscaling می گویند.2. تولید سطوح مختلف بازیاین ویژگی یکی از مهم‌ترین نقاط قوت استفاده از هوش مصنوعی در طراحی بازی‌هاست. بازی های جهان باز(Open world) یا نقشه باز(open map) یکی از محبوب ترین انواع بازی‌ها هستند و به بازیکنان این امکان را می‌دهند تا سرزمین‌های وسیعی در بازی کشف کنند. ساخت چنین بازی‌هایی از نظر طراحی و توسعه بسیار زمان‌بر است. اما الگوریتم‌های هوش مصنوعی می‌توانند مناظر جدیدی را باتوجه وضعیت و شرایط بازی تولید کنند. به عنوان مثال، No Man’s Sky یک بازی مبتنی بر هوش مصنوعی با بی‌نهایت سطوح جدید است که در حین انجام بازی تولید می شوند.3. سناریوها و داستان‌هایکی دیگر از کاربردهای هوش مصنوعی تولید داستان، ایجاد یک روایت تعاملی و سناریوی بازی‌هاست. در بازی‌های تعاملی، کاربران از طریق فعالیت‌ها و آنچه که در حین بازی می‌گویند، یک خط داستانی جدید ایجاد می‌کنند و یا برروی آن تأثیر می گذارند. برنامه‌های هوش مصنوعی با استفاده از تحلیل متن می‌توانند سناریوهایی را بر اساس داستان‌هایی که قبلا آموخته‌اند تولید کنند. AI Dungeon 2 یکی از معروف‌ترین نمونه‌ها در این زمینه است و از پیشرفته ترین سیستم تولید متن باز استفاده می کند.4. ایجاد تعادل در پیچیدگی بازییکی از مهم‌ترین مزیت‌های الگوریتم‌های هوش مصنوعی توانایی آنها در مدل‌سازی سیستم‌های پیچیده است. همان‌طور که می‌دانید مدل‌سازی یک‌دنیای واقعی، پیچیدگی‌های زیادی دارد و توسعه‌دهندگان بازی برای ایجاد بازی‌های واقعی تر به طور مداوم در تلاش هستند. الگوریتم‌های هوش مصنوعی می‌توانند اثرات اقدامات گیمرها را پیش‌بینی کنند و حتی موجودیت‌هایی نظیر آب‌وهوا و احساسات را برای متعادل کردن پیچیدگی بازی مدل‌سازی کنند.یک مثال واقعی در این زمینه حالت ultimate دربازی‌های فیفا است. فیفا به طور خودکار امتیاز تیم را بر اساس ویژگی‌های شخصیتی بازیکنان یک تیم فوتبال محاسبه می‌کند. روحیه تیم بر اساس اتفاقات داخل بازی (ازدست‌دادن توپ، پاس به‌موقع و ...) از مقدار پایین‌به‌بالا در نوسان است. به‌این‌ترتیب تیم‌هایی که بازیکنان بهتری دارند ممکن است به دلیل برخورداری از روحیه پایین، بازی‌ها را مقابل تیم‌های ضعیف‌تر ببازند. به‌این‌ترتیب برای افزودن لایه‌ای از پیچیدگی به بازی‌ها می‌توان از هوش مصنوعی استفاده کرد.5. افزودن هوش به شخصیت‌های غیر بازیکن (NPC)در اکثر بازی‌های فعلی، شخصیت‌های فرعی موجود در بازی از پیش برنامه‌ریزی‌شده هستند. اما با استفاده از هوش مصنوعی می‌توان به این شخصیت‌ها هوش اعطا کرد. این ویژگی باعث می‌شود که آنها کمتر قابل‌پیش‌بینی باشند و بازیکنان از حضور آن‌ها در بازی لذت بیشتری ببرند. علاوه بر این، هوش مصنوعی به NPCها اجازه می‌دهد تا باتوجه‌به سطح بازی به روش‌های منحصربه‌فردی نسبت به شرایط موجود واکنش نشان دهند. در حال حاضر بسیاری از شرکت‌های بزرگ بازی‌سازی کار بر روی NPCهای مبتنی بر هوش مصنوعی را آغاز کرده‌اند. به‌عنوان‌مثال، SEED (EA) با تقلید از بازیکنان برتر بازی، کاراکترهای NPC را آموزش می‌دهد. این رویکرد باعث کاهش چشمگیر زمان لازم برای توسعه NPCها می‌شود، زیرا کدگذاری رفتار آنها یک فرایند بسیار خسته‌کننده و طولانی است.آینده بازی‌های هوش مصنوعیبه‌طورکلی هدف اصلی هوش مصنوعی در بازی‌ها طراحی موجودیت‌هایی است که به طور مداوم در طول بازی تکامل یابند. انتظار می‌رود که پیشرفت‌های هوش مصنوعی در آینده بسیار فراتر رود و نقش پررنگ‌تری در تکامل شخصیت‌های مستقل، یادگیری و سازگاری داشته باشد. در نتیجه پیش‌بینی رفتار NPCها دشوارتر خواهد شد و طول عمر بازی‌ها و پیچیدگی‌های آن‌ها به‌مراتب افزایش خواهد یافت.با آیفا آشنا شوید!با توجه به نقش مهم سرویس‌های هوش مصنوعی در ابعاد مختلف زندگی امروز، مجموعه فناپ به‌عنوان یکی از اعضای برتر سازمان نظام صنفی رایانه‌ای کشور و برخوردار از گواهینامه رتبه یک سازمان برنامه و بودجه کشور برای اجرا و مشاوره پروژه‌ها و طرح‌های انفورماتیک در زمینه‌های مختلف، بر اساس مسئولیت خود در زمینه حمایت و توسعه طرح‌های نوآورانه انفورماتیک در کشور، اقدام به توسعه سامانه‌های کاربردی به‌روز تحت برند «آیفا» نموده است که قابلیت هوشمندسازی فرآیندهای کسب‌وکارها و سازمان‌ها را دارد. سرویس‌های برچسب‌گذاری داده، پردازش تصویر و نویسه‌خوان (OCR)، پردازش زبان طبیعی، و کشف تقلب از جمله سرویس‌های موجود در شرکت فناپ هستند که در طراحی آن‌ها از به‌روزترین الگوریتم‌های یادگیری ماشین و هوش مصنوعی استفاده شده است و ساختار آن‌ها به گونه‌ای است که از انعطاف لازم برای اضافه شدن به سایر سیستم‌های نظارتی، مدیریتی، خدماتی و CRM برخوردار هستند. برای کسب اطلاعات بیشتر می‌توانید به وبسایت مرکز مطالعات و تحقیقات فناپ و همین‌طور صفحه مربوط به گروه هوش مصنوعی آیفا مراجعه کنید.دانلود کاتالوگ سرویس‌های هوش مصنوعی آیفا· Instagram: aifa.pod· Linkedin: fanap-aifa· Website: research.fanapsoft.com· Email: Fanapsoft.research@fanap.ir AIFA ریحانه احمدی Tue, 12 Jul 2022 18:50:38 +0430 https://virgool.io/AIFABlog/ocr-se2bcbcf5knw امروزه داده‌ها بخش جدایی‌ناپذیر هر سازمانی هستند و دسترسی و جمع‌آوری سریع و راحت به آن‌ها یک مزیت رقابتی مهم شناخته می‌شود. در خیلی از سازمان­ها، اطلاعات اسنادی نظیر گذرنامه و کارت شناسایی اغلب به‌صورت دستی یادداشت می‌­شوند. معمولاً این کار وقتی قرار باشد برای جمعیت زیادی از طریق یادداشت دستی انجام شود بسیار زمان‌بر خواهد شد. ازاین‌رو، برای کارآمد کردن این فرایند، اکثر سازمان­ها از سامانه‌های تشخیص کاراکتر نوری (OCR) استفاده می‌کنند. در این مقاله قصد داریم سرویس OCR کارت ملی آیفا را معرفی کنیم اما قبل از شروع به معرفی تکنولوژی کاراکترخوان نوری( OCR) می‌پردازیم.کاراکترخوان نوری(OCR) چیست؟کاراکتر خوان نوری یا (OCR (Optical Character Recognition به فرایند تبدیل متن چاپ شده یا دست‌نویس به فرمت دیجیتال گفته می‌شود. تشخیص کاراکتر نوری یکی از حوزه‌های تحقیقاتی قدیمی در هوش مصنوعی و بینایی ماشین است. جرقه اولیه این تکنولوژی در سال 1913 زده شد، زمانی که دکتر ادموند فورنیر دستگاهی به نام d’Albe Optophone را برای اسکن و تبدیل متن به صدا برای افراد کم‌بینا اختراع کرد. از آن زمان، فناوری OCR مراحل مختلفی جهت تکامل طی کرده است.یکی از محبوب‌ترین و پرکاربردترین موتورهای OCR یا کاراکترخوان نوری Tesseract نام دارد که سال‌ها پیش توسط گوگل توسعه پیدا کرد و در ابتدا به‌منظور تشخیص رسید خرید از روی عکس‌ها کاربرد داشت. درحال حاضر حتی این ابزار محبوب نیز در برخی از سناریوهای پیچیده، قادر به استخراج صحیح متن به طور کامل نیست. زیرا این‌گونه ابزارها بدون هیچ‌گونه پردازش یا قانونی متن را از تصاویر داده شده، استخراج می‌کنند. به‌عنوان‌مثال، فرایند استخراج اطلاعات از گذرنامه و کارت شناسایی را در نظر بگیرید. در این سناریو ما فقط به چند ویژگی ضروری مانند نام، شماره شناسایی، جنسیت، سن و آدرس نیاز داریم. اما خروجی ابزار Tesseract تمامی اطلاعات متنی موجود در تصویر خواهد بود. همان‌طور که در تصویر زیر مشاهده می‌کنید متن‌های استخراج شده توسط OCR در سمت راست، شامل اطلاعات ناخواسته نیز می‌باشد؛ بنابراین به‌کارگیری یک سامانه‌ی OCR به‌تنهایی برای کاربرد مطرح شده در این مقاله کافی نخواهد بود. ازاین‌رو، باید از تکنولوژی‌های تکمیلی یادگیری ماشین برای هوشمندتر کردن این سامانه استفاده نمود. الگوریتم‌ها قادرند به OCR برای استخراج دقیق بخش موردنظر کمک کنند. بااین‌وجود، مسئله تنها به این مورد محدود نمی‌شود.به طورکلی OCR عملکرد بهتری بر روی تصاویر اسکن شده باکیفیت دارد و قادر است با دقت بالایی فایل‌های قابل ویرایش تولید کند. اما گاهی اوقات هنگام اسکن تصاویر کارت‌های شناسایی یا گذرنامه، با مسائل مختلفی مانند عکس‌برداری در زوایای اشتباه یا شرایط نور کم مواجه می‌شویم. بعلاوه، هنگامی که یک اسکن از شکل طبیعی خود خارج می­شود یا زمانی که متن محو می‌شود، ابزارهای OCR ممکن است در خواندن آن مشکل داشته باشند و گاهی نتایج نادرستی تولید کنند. همچنین، پس از گرفتن تصاویر، بررسی اصلی یا جعلی بودن آنها به همان اندازه مهم می‌شود. خوشبختانه تمام این موارد به کمک هوش مصنوعی قابل بهبود و پیگیری هستند.احراز هویت مجازی با سرویس OCR کارت ملی آیفاباتوجه‌به اهمیت روزافزون احراز هویت دیجیتال و تأمین امنیت آن در زندگی هوشمند، فناپ به‌­عنوان سکوی خلق آینده نسبت به ارائه سرویس کاربردی در این زمینه توسط تیم هوش مصنوعی خود (آیفا) اقدام نموده است. این خدمت، با به‌کارگیری الگوریتم‌­های نوین شبکه‌های عصبی عمیق، بستری امن، کارا و بادقت بسیار بالا برای احراز هویت مجازی بر اساس کارت ملی هوشمند را فراهم آورده است. سرویس OCR کارت ملی آیفا به‌صورت SDK و برای سیستم‌عامل‌های موبایل عرضه شده‌است و می­‌تواند به‌سادگی در سناریوهای مختلفی نظیر احراز هویت کاربر در سامانه­‌های ارائه خدمت بانک­‌ها، سازمان‌ها و نهادهای دولتی و غیردولتی، اپراتورهای همراه، کسب‌وکارهای آنلاین و در تمامی حوزه­‌های خدماتی متنوعی که مسئله شناسایی و احراز هویت کاربر برای ارائه خدمات لازم است استفاده شود. این سرویس می تواند با حداقل‌سازی ورود اطلاعات دستی توسط کاربر به بهبود تجربه مشتری کمک کند و به‌صورت مستقل و یا به­‌عنوان فاز اولیه احراز هویت دیجیتال بر حسب نیاز کارفرما برای تأیید هویت مورداستفاده قرار گیرد.با آیفا آشنا شوید!با توجه به نقش مهم سرویس‌های هوش مصنوعی در ابعاد مختلف زندگی امروز، مجموعه فناپ به‌عنوان یکی از اعضای برتر سازمان نظام صنفی رایانه‌ای کشور و برخوردار از گواهینامه رتبه یک سازمان برنامه و بودجه کشور برای اجرا و مشاوره پروژه‌ها و طرح‌های انفورماتیک در زمینه‌های مختلف، بر اساس مسئولیت خود در زمینه حمایت و توسعه طرح‌های نوآورانه انفورماتیک، اقدام به توسعه سامانه‌های کاربردی به‌روز تحت برند «آیفا» نموده است که قابلیت هوشمندسازی فرآیندهای کسب‌وکارها و سازمان‌ها را دارد. سرویس‌های برچسب‌گذاری داده، پردازش تصویر و نویسه‌خوان (OCR)، پردازش زبان طبیعی و کشف تقلب از جمله سرویس‌های موجود در شرکت فناپ هستند که در طراحی آن‌ها از به‌روزترین الگوریتم‌های یادگیری ماشین و هوش مصنوعی استفاده شده است و ساختار آن‌ها به گونه‌ای است که از انعطاف لازم برای اضافه شدن به سایر سیستم‌های نظارتی، مدیریتی، خدماتی و CRM برخوردار هستند. برای کسب اطلاعات بیشتر می‌توانید به وبسایت مرکز مطالعات و تحقیقات فناپ و همین‌طور صفحه مربوط به گروه هوش مصنوعی آیفا مراجعه کنید.دانلود کاتالوگ سرویس‌های هوش مصنوعی آیفا· Instagram: aifa.pod· Linkedin: fanap-aifa· Website: research.fanapsoft.com· Email: Fanapsoft.research@fanap.ir AIFA ریحانه احمدی Sun, 10 Jul 2022 10:30:37 +0430 https://virgool.io/AIFABlog/what-is-a-iot-pkdcne0dfndv برای فهمیدن دنیای اینترنت اشیا کافی است فقط کمی با دقت بیشتر به دور و بر و اطرافمان نگاه کنیم. در خانه‌های هوشمند، این گجت‌های مجهز به اینترنت ما را از شر انجام کارهای روزمره خانه رها می‌کنند؛ زمان را به ما برمی‌گردانند و روح تازه‌ای به زندگی می‌بخشند. اما باید بدانیم که اینترنت اشیا فقط در این چیزها خلاصه نمی‌شود و فراتر از گرم کردن فر با صدا یا خاموش کردن چراغ‌ها با گوشی هوشمند است. تقریبا هر چیزی که بتواند به شبکه اینترنت متصل شود؛ اطلاعات و دیتاها را جمع‌آوری کند و آن را با کاربر و سایر دستگاه‌های متصل به اشتراک گذارد؛ بخشی از اینترنت اشیا محسوب می‌شود.به عبارت دیگر، اگر در واقعیت مجازی ما انسان‌ها هستیم که به دنیای دیجیتال کامپیوترها قدم گذاشتیم، در جهان فیزیکی این اینترنت اشیا است که پا به آنجا گذاشته است.تاریخچه بامزه اینترنت اشیاشاید برای شما هم جالب باشد که بدانید اولین نمونه‌ای که واقعا می‌شود از آن به عنوان اینترنت اشیا نام برد، دستگاه وندینگ حاوی قوطی‌های کوکاکولا باشد که در دهه ۸۰، یعنی بیش از ده سال قبل از ظهور نام اینترنت اشیا روی کاغذ! در دانشگاه کارنگی ملون در پیتسبورگ پنسیلوانیا ساخته شد.ماجرا از این قرار بود که یکی از دانشجویان این دانشگاه به نام «دیوید نیکولز» از این مسئله که باید برای خرید نوشیدنی، هر بار مسیری طولانی از دفترش تا یخچال را طی کند و در اغلب موارد با یخچال خالی یا نوشابه گرم روبه‌رو شود، به ستوه آمده بود. پس از مدتی کلنجار رفتن با خود ناگهان اولین دستگاه وندینگ را که با کامپیوتر کنترل می‌شد و در دانشگاه استنفورد قرار داشت را به خاطر آورد و متوجه شد تکنولوژی که برای حل مشکل یخچال کوکاکولا دانشگاه خود به دنبال آن بود، از قبل وجود داشته است. چند روز بعد، جناب نیکولز به همراه چند تن از دوستان نزدیکش، سیستمی برای اتصال به دستگاه وندینگ از طریق آرپانت (پیش‌درآمد اینترنت امروزی) طراحی کرد که توسط آن می‌توانستند از راه دور وضعیت موجودی یخچال را بررسی کنند. از نظر بسیاری، این دستگاه وندینگ اولین دستگاه واقعی اینترنت اشیا بود. اما در اصل ماجرای نظریه اینترنت اشیا به سال ۱۹۹۹ میلادی برمی‌گردد که توسط کوین اشتون علنی شد.تاثیر اینترنت اشیا روی دنیای IT بسیار بسیار زیاد است و در حال حاضر اکثر کسب‌وکارها در حال حرکت به سمت و سوی استفاده وسیع از این تکنولوژی هستند IOT و یا همان اینترنت اشیا موضوع جدید و نا آشنایی نیست چون اولین نمونه استفاده از این تکنولوژی؛ تولید و رونمایی از توستر متصل به اینترنت توسط یک کمپانی در کنفرانسی در سال ۱۹۸۹ میلادی بود.اینترنت اشیا به عنوان انقلاب صنعتی بعدی مطرح شده است و پیاده سازی پروژه‌های اینترنت اشیا، روش تعامل تمام کسب‌وکارها، دولت‌ها و مصرف‌کنندگان را با دنیای فیزیکی تغییر خواهد داد.کاربرد اینترنت اشیاتقریبا تمامی اجسام فیزیکی می‌توانند به اینترنت اشیا تبدیل شوند، به شرط اینکه قابلیت اتصال به اینترنت داشته و از این طریق بتوانند کنترل شوند و یا با کاربر و سایر دستگاه‌ها، اطلاعات رد و بدل کنند.بگذارید با ذکر یک مثال شفاف اینترنت اشیا را برایتان کامل شرح دهیم. یکی از جالب‌ترین کاربردهای اینترنت اشیا را یخچال هوشمند! دارد. به عنوان مثال فرض کنید در حال بازگشت از محل کارتان هستید. خودرو شما به گوشی هوشمند و تلفن همراه شما به یخچال هوشمندتان در خانه متصل است. در این لحظه از سمت یخچال، پیغامی به سمت گوشی شما فرستاده می‌شود و شما را از تمام شدن محصولی مانند پنیر آگاه می‌کند! این پیام روی داشبورد خودرو به نمایش در می‌آید و به شما نزدیک‌ترین سوپرمارکت برای خرید پنیر را روی نقشه نشان می‌دهد. قفسه‌های سوپرمارکت بهم متصل هستند و حالا روی داشبورد خودرو شما با این پیام روبه‌رو می‌شوید که «سوپرمارکت، برند پنیر مورد علاقه شما را ندارد».مزایای اینترنت اشیادسترسی سریع به داده‌هااین دسترسی سبب تسهیل و سرعت بخشیدن به فرایند تصمیم‌گیری و مدیریت آسان‌تر زندگی می‌شود.خودکارسازیخودکارسازی باعث یکنواختی و کنترل فعالیت‌های روزمره و تکراری بدون دخالت انسان می‌شود. مانند چراغ‌های راهنمایی هوشمند که بر اساس ترافیک، زمان خود را تنظیم می‌کنند.افزایش بهره‌وریامکانی که IoT به افراد می‌دهد این است که بر روی مشاغل دیگر متمرکز شوند و به ماشین نیز اجازه می‌دهد که عملکرد بهتری داشته باشد.هزینه کمتراستفاده بهینه‌تر از انرژی و منابع و همچنین کاهش خرابی‌ها و مشکلات سیستم از دیگر فواید IoT محسوب می‌شود.ارتباطات بیشترارتباط تجهیزات به یک بستر مناسب باعث افزایش کنترل بر کیفیت آن‌ها می‌شود.معایب اینترنت اشیاحریم خصوصی و امنیت ضعیفاستاندارد بین المللی سازگاری وجود ندارداستانداردی که بتواند بر ارتباط دستگاه‌های تولیدکنندگان مختلف، نظارت کامل داشته باشد.پیچیدگیبه گونه‌ای که در صورت بروز خطا در نرم‌افزار و یا سخت‌افزار واحد، عواقب ناگوار و بدی رخ خواهد داد.مشاغل کمتربعضی از فعالیت‌ها به دلیل اتوماسیون‌سازی حذف خواهند شد.وابستگی بیشتر به تکنولوژیوابستگی سبب کاهش مهارت‌های اساسی تعامل ما نیز می‌شود.آینده اینترنت اشیابا ادامه کاهش قیمت حسگرها و ارتباطات اینترنتی، افزایش دستگاه‌های بیشتر به سمت اینترنت اشیا مقرون‌به‌صرفه می‌شود. بیشتر شرکت‌هایی که با اینترنت اشیا سروکله می‌رنند، اکنون در مرحله آزمایشی هستند، چون تکنولوژی لازم برای پروژه‌های آن‌ها از جمله تکنولوژی حسگر، اینترنت 5G و ابزارهای آنالیز مبتنی بر یادگیری ماشین، خود هنوز در مراحل اولیه توسعه هستند.رقابت بین پلتفرم‌های مختلف، فروشندگان و شرکت‌های نرم‌افزاری و اپراتورهای شبکه برای گرفتن سهم بیشتر در بازار اینترنت اشیا بسیار جدی و تنگاتنگ است در حدی که پیروز این نبرد همچنان مشخص نیست. اما بدون وجود استانداردها و پروتکل‌های لازم، به احتمال خیلی زیاد در چند سال آینده شاهد فجایع امنیتی بزرگی در حوزه IoT خواهیم بود.با افزایش تعداد دستگاه‌های متصل، محیط زندگی و کار ما با محصولات هوشمند اشباع خواهد شد و ما با دو دسته‌ شدن جامعه طرف خواهیم بود. عده‌ای با آغوش باز از عصر جدید اشیا هوشمند استقبال خواهند کرد؛ درحالی‌که برخی دیگر همچنان در حال مقاومت هستند و برای روزهایی گذشته دل‌تنگ خواهند شد.آیفا؛ چراغ روشن این روزهاامروزه با توجه به نقش مهم سرویس‌های هوش مصنوعی در ابعاد مختلف، مجموعه فناپ به‌عنوان یکی از اعضای برتر سازمان نظام صنفی رایانه‌ای کشور و برخوردار از گواهینامه رتبه یک سازمان برنامه و بودجه کشور برای اجرا و مشاوره پروژه‌ها و طرح‌های انفورماتیک در زمینه‌های مختلف، بر اساس مسئولیت خود در زمینه حمایت و توسعه طرح‌های نوآورانه انفورماتیک در کشور، اقدام به توسعه سامانه‌های کاربردی به‌روز تحت برند «آیفا» نموده است که قابلیت هوشمند سازی فرآیندهای کسب‌وکارها و سازمان‌ها را دارد. سرویس‌های برچسب‌گذاری داده، پردازش تصویر و نویسه‌خوان (OCR)، پردازش زبان طبیعی، و کشف تقلب از جمله سرویس‌های موجود در شرکت فناپ هستند که در طراحی آن‌ها از به‌روزترین الگوریتم‌های یادگیری ماشین و هوش مصنوعی استفاده شده است و ساختار آن‌ها به گونه‌ای است که از انعطاف لازم برای اضافه شدن به سایر سیستم‌های نظارتی، مدیریتی، خدماتی و CRM برخوردار هستند. برای کسب اطلاعات بیشتر می‌توانید به وب‌سایت مرکز مطالعات و تحقیقات فناپ و همین‌طور صفحه مربوط به گروه هوش مصنوعی آیفا مراجعه کنید.در نهایتبه پایان این مقاله از ویرگول رسیدیم. سعی کردیم در این مقاله به بررسی تاریخچه و چیستی جهان اینترنت اشیا بپردازیم. شما چه اطلاعات جدی در این حیطه دارید؟خوشحال می‌شویم که تجربیاتتان در این زمینه را با در اختیار ما و مخاطبانمان بگذارید.مطابق رسم همیشگیمان، نظراتتان را می‌بینیم، می‌خوانیم و پاسخ می‌دهیم. پس لایک و کامنت یادتوننره! AIFA یاسمن عیسایی Sun, 03 Jul 2022 18:39:48 +0430 https://virgool.io/AIFABlog/license-plate-recognition-with-artificial-intelligence-velbw2i6pdfn مدیریت تردد امری بسیار مهم و حیاتی برای برقراری نظم و تامین امنیت در دنیای امروز است. در بسیاری از ادارات و سازمان‌ها، مجتمع‌های مسکونی، بیمارستان‌ها، اماکن گردشگری و … برای برقراری امنیت، نظارت بر تردد افراد و خودروها و همچنین پیشگیری از بروز حوادث از دوربین‌های مداربسته استفاده می‌شود. در گذشته نظارت بر رفت‌وآمد بیشتر به صورت نظارت مستقیم بر تصاویر دوربین‌های مدار بسته و حضور دائمی نگهبان شکل می‌گرفت و در صورت بروز حادثه‌ای مانند تصادف و یا سرقت، باید در میان تعداد زیادی ویدیوی ضبط شده توسط دوربین‌ها جستجو صورت می‌گرفت و زمان زیادی صرف می‌شد تا تصاویر خودروی مورد نظر یافت شود. این روش کنترل تردد و تشخیص خودروها از طریق تصاویر ضبط شده‌ی دوربین بسیار سخت، زمان‌بر و غیر بهینه است. با استفاده از نرم‌افزار پلاک‌خوان، وظیفه نظارت بر دوربین‌ها و تشخیص پلاک خودروها در تصاویر بر دوش رایانه قرار می‌گیرد تا تمامی تردد‌ها را در لحظه و با سرعت بالا ثبت و ضبط کند.اگر می‌خواهید بدانید چطور شماره پلاک‌ خودروها به کمک پردازش تصویر ثبت و خوانده می‌شود، این مقاله برای شما است!نرم افزار پلاک‌خوان چیست؟پلاک خودرو یکی از مناسب‌ترین گزینه‌های اطلاعاتی جهت احراز هویت خودروها است.نرم‌افزار پلاک‌خوان علاوه بر ثبت و شناسایی پلاک خودرو، سوابق ورود و خروج آن‌ها را نیز در گزارش‌های خود ارائه می‌نماید. ورودی این نرم‌افزار تصویر و خروجی آن متن پلاک است. به کمک چنین نرم‌افزارهایی، می‌توان تمامی اطلاعات مربوط به خودروهای وارد شده به سامانه را بازیابی و از این طریق امنیت و آرامش کامل را با نظارت بر ورود و خروج خودروها تامین کرد.خواندن یک پلاک‌ چطور امکان‌پذیر است؟فرایند ثبت پلاک از سه مرحله تشکیل می شود.تشخیص حرکت وسیله نقلیهتشخیص پلاک وسیله نقلیهخواندن شماره پلاک وسیله نقلیهدر این فرآیند، تصویر پلاک خودرو با استفاده از الگوریتم‌های پیشرفته پردازش تصویر و OCR در کوتاه‌ترین زمان ممکن، پردازش و در قالب متن به صورت گزارش نوشته می‌شود. پلاک‌خوان سیستم‌های هوشمند، یکی از نرم‌افزارهای کاربردی در زمینه تامین امنیت است. این نرم‌افزارها از طریق ارتباط با دوربین پلاک‌خوان فعالیت می‌کنند. این نرم‌افزارها که مبتنی بر پردازش تصویر هستند، وظیفه شناسایی پلاک خودرو از روی تصاویر دریافتی از دوربین‌های ثبت پلاک را دارند. یکی از مهم­‌ترین چالش‌های سامانه‌های پلاک‌خوان، تشخیص و جداسازی درست اعداد و حروف شماره پلاک در شرایط نوری نامطلوب و سرعت تردد بالا است؛ اما پیشینه علمی و عملی ارزشمند «گروه آیفا» در توسعه موفق سیستم­‌های پردازش تصویر در حوزه‌­های کاربردی مختلف (کنتورخوان، احراز هویت، نظارت تصویری، تشخیص امضا و ...)، این چالش را به یک فرصت برای آیفا تبدیل کرده و منجر به ارائه سیستمی بسیار دقیق و قابل اعتماد شده است. علاوه بر این، پیاده‌سازی این سیستم بر روی بردهای جتسون نانو، منجر به کاهش چشم­گیر هزینه سخت افزار، افزایش توان پردازش و کاهش مصرف انرژی شده که حاکی از مزیت رقابتی بدون تردید این سرویس نسبت به سایر گزینه‌های موجود در بازار است.مزایای نرم‌افزار پلاک‌خواندوربین‌های پلاک‌خوان با این قابلیت‌ها قطعا مزایای بسیار زیادی نیز دارند. در ادامه به معرفی و بررسی چند مزیت مهم از دوربین‌های پلاک‌خوان می‌پردازیم.افزایش امنیتاولین و مهم‌ترین مزیت دوربین‌های پلاک‌خوان، افزایش امنیت است. از این نرم‌افزارها معمولا برای کنترل عبور و مرور وسیله‌های نقلیه در مکان‌های پر تردد استفاده می‌شود. پلیس با استفاده از این دوربین‌های پلاک خوان می‌تواند خودروهای سرقت شده را پیدا کند.کنترل هوشمندبا استفاده از دوربین‌های پلاک‌خوان و این نرم‌افزارهای پلاک‌خوان می‌توان پلاک وسیله‌های نقلیه‌ای را که از مکان مورد نظر تردد می‌کنند ثبت و خودرو‌هایی که تخلف انجام داده‌اند را اعمال قانون کرد.عدم نیاز به نیروی انسانییکی دیگر از ویژگی‌های خیلی مهم دوربین‌های پلاک‌خوان، این است که برای انجام عملیات پلاک‌خوانی و ثبت پلاک و یا تخلفات، نیازی به نیروی انسانی نیست. استفاده از نیروی انسانی چند ایراد بزرگ دارد. از جمله استفاده از نیروی انسانی در هر کاری این است که در صورت افزایش حجم کار نیروی انسانی دیگر قادر به انجام آن نخواهد بود. دومین ایراد استفاده از نیروی انسانی داشتن درصد خطای بالاتر نسبت به نرم‌افزار است. و در نهایت سومین مشکل، تامین حقوق آنان است که در یک مدت زمان طولانی هزینه‌ی سنگینی را در پی خواهد داشت.آیفا، چراغ این مسیر مدیریت هوشمند تردد وسایل نقلیه، به‌عنوان یکی از ارکان مهم مدیریت شهری هوشمند به ویژه در کلان شهرها، نقش مهمی در برقراری نظم و امنیت شهری ایفا می‌­کند.در این راستا، فناپ به‌عنوان سکوی خلق آینده، نسبت به توسعه سرویس هوشمند تشخیص پلاک خودرو توسط تیم هوش‌مصنوعی خود یعنی «آیفا» اقدام نموده است. این سرویس، برای تشخیص، شناسایی و استخراج خودکار شماره پلاک انواع خودروها و وسایل نقلیه با استفاده از ابزار پردازش تصویر طراحی و پیاده‌سازی شده است.سامانه تشخیص خودکار پلاک آیفا از قابلیت‌هایی نظیر تشخیص نوع خودرو، تشخیص سرعت خودرو، تشخیص محل پلاک و قرائت انواع پلاک در کلاس‌های مختلف خودرو، برخوردار است. این سامانه قابل استفاده در سیستم‌های مدیریت پارکینگ‌، مدیریت عوارض آزادراه‌ها، اجرای طرح‌های کنترل ترافیک شهری و پلاک خوان سیار بوده و به سادگی قابل بهره‌برداری در نرم افزارهای موبایل است.از دیگر مزایای این سرویس می‌­توان به پشتیبانی از پلاک‌های جدید، عدم وابستگی به نوع دوربین و بهره­‌مندی از مدل یادگیری عمیق بومی، اشاره نمود.برای کسب اطلاعات بیشتر می‌توانید به وب‌سایت مرکز مطالعات و تحقیقات فناپ و همین‌طور صفحه مربوط به گروه هوش مصنوعی آیفا مراجعه کنید. AIFA یاسمن عیسایی Sat, 02 Jul 2022 21:06:29 +0430 https://virgool.io/AIFABlog/ai-and-content-production-uo8rcl4zkh0s اگر شما هم در زمینه تولید محتوا فعالیت دارید حتماً جمله «محتوا پادشاه است» را بارها شنیده‌اید. شاید بازاریابی محتوا درگذشته فقط به‌عنوان روشی برای متمایزکردن برند شما از رقبایتان بود، اما امروزه تولید محتوا برای هر برند مدرنی تبدیل به یک ضرورت شده است. به همین دلیل این روزها درخواست برای انجام این کار روزبه‌روز در حال افزایش است و کمبود منابع و تولید محتوای کافی به چالشی اساسی تبدیل شده است. اکثر شرکت‌ها به اهمیت تولید محتوا و ترافیک ارگانیک پی برده‌اند و در تلاش‌اند از طریق آن با مشتری‌های خود تعامل بیشتری ایجاد کنند. پیشرفت‌های چشمگیر هوش مصنوعی در چند دهه اخیر باعث شده است که AIبتواند به صنایع مختلفی ورود پیدا کند و حوزه‌ی تولید محتوا نیز از این قاعده مستثنی نیست.جالب است بدانید که در حال حاضر چندین سازمان برجسته در دنیا از جمله نیویورک‌تایمز، آسوشیتدپرس، رویترز، واشنگتن‌پست و یاهو از هوش مصنوعی برای تولید محتوا استفاده می‌کنند؛ بنابراین هیچ بعید نیست برخی از مقالات و مطالب انگلیسی که تا به امروز خوانده‌اید تولید شده توسط این تکنولوژی شگفت‌انگیز باشند!مهم نیست که چه محتوایی می‌نویسید یا نام تجاری شما چه داستان‌هایی برای گفتن دارد، هوش مصنوعی این شانس را به شما می‌دهد از پس تولید حجم زیاد محتوا بربیایید و این کار را باکیفیت بهتری انجام دهید.در ادامه قصد داریم به معرفی 5 روشی که می‌توان از هوش مصنوعی در فرایند تولید محتوا استفاده کرد بپردازیم. پس اگر کنجکاوید بیشتر با این فرایندها آشنا شوید تا آخر مقاله با ما همراه باشید.1. نوشتن پیش‌نویس اولیه متن خود را خودکار کنیدطبق آخرین پیش‌بینی‌ها، استفاده از هوش مصنوعی در رسانه‌های اجتماعی تا سال 2023 از 2 میلیارد دلار فراتر خواهد رفت. این اعداد نشان‌دهنده نقش مهم این تکنولوژی در رسانه‌های اجتماعی است.در حال حاضر هوش مصنوعی قادر است برای انتشار صدای برند شما در سراسر پلتفرم‌های اجتماعی محتوا تولید کند تا تعامل خود با کاربران را در رسانه‌های اجتماعی افزایش دهید. اما هنوز نمی‌توان انتظار داشت که پاراگراف‌های نوشته شده بی‌نقص باشند زیرا آنها صرفاً پیش‌نویس‌های اولیه هستند. درهرصورت وجود نویسنده‌ای حرفه‌ای برای ویرایش نوشته‌های تولید شده توسط هوش مصنوعی لازم است تا حس انسانی را به پیش‌نویس نهایی اضافه کند. هیجان‌انگیزترین بخش این روش این است که هوش مصنوعی قادر است بر اساس تجزیه‌وتحلیل داده‌های گذشته پست‌های جدیدی با بیشترین تعامل بنویسد.2. موضوعات و کلمات کلیدی تازه پیدا کنیدیکی از چالش‌های اغلب نویسندگان، تولید محتوای طولانی است زیرا اغلب نمی‌دانند در مورد چه موضوعاتی باید بنویسند. اما خبر خوب این است که هوش مصنوعی تنها در چند ثانیه و با چند کلیک می‌تواند به شما کمک کند تا صدها ایده و کلمه کلیدی برای موضوع محتوای خود پیدا کنید. شاید بپرسید چرا باید به صدها ایده نیاز داشته باشید؟یکی از بخش‌های مهم استراتژی کلی محتوای شما داشتن یک لیست بی‌پایان از ایده‌هاست. این ویژگی به شما کمک می‌کند تا درک بهتری درمورد دغدغه مخاطبان خود داشته باشید و ایده‌های بهتری برای ایجاد پیوندهای داخلی مقاله خود که تأثیر زیادی در بهبود سئو دارد پیدا کنید.برخی از ابزارهای محبوبی که می‌توانند برای الهام گرفتن به شما کمک کنند عبارت‌اند از: HubSpot's Blog Topic Generator، Content's Content Idea Generatorو ContentIdeator. تنها کاری که باید انجام دهید این است که کلمات کلیدی مدنظر خود را در ژنراتور وارد کنید تا شاهد لیستی تقریباً نامحدود از ایده‌ها باشید.3. محتوای تولید شده توسط کاربران را جمع‌آوری کنیدمطالعات اخیر نشان می‌دهد که 90٪ از مشتریان تصمیمات خرید خود را بر اساس محتواهای تولید شده توسط کاربران (UGC) می‌گیرند. باتوجه‌به نقش مهمی که UGC بر کمپین بازاریابی شما دارد، نباید از پست‌های مرتبط با نام تجاری خود و یا نظر مشتریان در رسانه‌های اجتماعی غافل شوید. خوشبختانه، هوش مصنوعی می‌تواند به شما در شناسایی و جمع‌آوری بازخورد مشتریان بسیار کمک کند.هوش مصنوعی به کمک فناوری تشخیص بصری تصاویر می‌تواند محصولات شما را در وب شناسایی کند و به کمک پردازش زبان طبیعی، حجم زیادی از محتوای نوشته شده درمورد برند شما را دنبال کند.4. محتوای خود را برای سئو بهینه کنیدرقابت برای رتبه‌بندی در سرچ گوگل روزبه‌روز شدیدتر می‌شود و به همین دلیل تولید محتوایی که بتواند به بهبود رتبه شما کمک کند کار سختی است. خوشبختانه، سئوی مبتنی بر هوش مصنوعی می‌تواند رتبه‌بندی و ترافیک ارگانیک شما را با پیداکردن کلمات کلیدی مرتبط و بک‌لینک‌ها بهبود بخشد.سرعت بالای پردازش اطلاعات در الگوریتم‌های سئوی هوش مصنوعی آن‌ها را قادر می‌سازد تا در کوتاه‌ترین زمان ممکن وب را برای یافتن محتواهایی که دارای کلمه کلیدی مشابه هستند جستجو کنند و موضوعاتی که به آن‌ها کمتر پرداخته شده و بخش‌ها و میزان کلماتی که باید در محتوای جدید خود در نظر بگیرید مشخص کنند. حتی الگوریتم‌های هوش مصنوعی می‌توانند پاراگراف‌های موجود را برای اضافه‌کردن کلمات کلیدی بیشتر و بهبود رتبه‌ شما بازنویسی کنند.5. بهبود محتوای لندیگ‌پیج و کمپین‌های تبلیغاتیهوش مصنوعی به تولیدکنندگان محتوا کمک می‌کند تا فرایند بازاریابی لندینگ‌پیج‌ها را که نقش مهمی در تعامل شرکت با مشتریان دارند را از طریق یادگیری فرمول‌های کپی‌رایتینگ اثبات شده و به‌کارگیری آنها در فرایند تولید محتوا و طراحی باکیفیت صفحات فرود بهبود بخشند.برای این کار کلمات کلیدی کاربران با تصاویری که علایق آنها را نشان می‌دهد تطبیق داده می‌شود. اگر لندینگ‌پیج شما از قبل موجود باشد، الگوریتم هوش مصنوعی می‌تواند تجزیه‌وتحلیل عمیقی از محتوای صفحه انجام دهد و توصیه‌هایی برای بهبود طراحی و عبارات استفاده شده ارائه دهد.آیا هوش مصنوعی به‌زودی جایگزین نویسندگان خواهد شد؟این سؤال که آیا هوش مصنوعی در آینده نزدیک جایگزین خلاقیت انسان‌ها می‌شود یا خیر باعث ایجاد نگرانی‌هایی در میان برخی از نویسندگان حرفه‌ای شده است. اما این حقیقت را نمی‌توان نادیده گرفت که هوش مصنوعی همیشه محدودیت‌های خاص خود را خواهد داشت. خلاقیت، اشتیاق و همدلی ویژگی‌های کاملاً انسانی هستند و ماشین‌ها نمی‌توانند آن‌ها را تکرار کنند؛ بنابراین نویسنده‌ها همیشه در تولید محتوا جایگاه خود را حفظ خواهند کرد زیرا تنها آنها می‌توانند به‌تنهایی و کاملاً مستقل تجربه‌ها را به بهترین و جذاب‌ترین شیوه ارائه دهند.یکی از ویژگی‌های منحصربه‌فردی که هوش مصنوعی در زمینه تولید محتوا خواهد داشت این است که می‌تواند هزاران صفحه وب را برای انجام تحقیقات لازم و تأیید صحت برخی مطالب اسکن کند. اما مسلماً نوشتن یک جوک یا یک داستان تخیلی برای ماشین‌ها یک مصیبت چالش‌برانگیز خواهد بود زیرا انجام این کار نیازمند درک ریشه‌های فرهنگی است؛ بنابراین به‌جای اینکه هوش مصنوعی را به‌عنوان یک رقیب در نظر بگیریم، بهتر است از آن به‌عنوان یک همکار در فرایند تولید محتوا استفاده کنیم.با آیفا آشنا شوید!با توجه به نقش مهم سرویس‌های هوش مصنوعی در ابعاد مختلف زندگی امروز، مجموعه فناپ به‌عنوان یکی از اعضای برتر سازمان نظام صنفی رایانه‌ای کشور و برخوردار از گواهینامه رتبه یک سازمان برنامه و بودجه کشور برای اجرا و مشاوره پروژه‌ها و طرح‌های انفورماتیک در زمینه‌های مختلف، بر اساس مسئولیت خود در زمینه حمایت و توسعه طرح‌های نوآورانه انفورماتیک در کشور، اقدام به توسعه سامانه‌های کاربردی به‌روز تحت برند «آیفا» نموده است که قابلیت هوشمندسازی فرآیندهای کسب‌وکارها و سازمان‌ها را دارد. سرویس‌های برچسب‌گذاری داده، پردازش تصویر و نویسه‌خوان (OCR)، پردازش زبان طبیعی، و کشف تقلب از جمله سرویس‌های موجود در شرکت فناپ هستند که در طراحی آن‌ها از به‌روزترین الگوریتم‌های یادگیری ماشین و هوش مصنوعی استفاده شده است و ساختار آن‌ها به گونه‌ای است که از انعطاف لازم برای اضافه شدن به سایر سیستم‌های نظارتی، مدیریتی، خدماتی و CRM برخوردار هستند. برای کسب اطلاعات بیشتر می‌توانید به وبسایت مرکز مطالعات و تحقیقات فناپ و همین‌طور صفحه مربوط به گروه هوش مصنوعی آیفا مراجعه کنید. دانلود کاتالوگ سرویس‌های هوش مصنوعی آیفا· Instagram: aifa.pod· Linkedin: fanap-aifa· Website: research.fanapsoft.com· Email: Fanapsoft.research@fanap.ir AIFA ریحانه احمدی Sun, 26 Jun 2022 21:10:43 +0430 https://virgool.io/AIFABlog/aibasedimageautocrop-mjo0atvyvo4m اگر توسعه‌دهنده یک فروشگاه آنلاین، یک سایت خبری، تولیدکننده محتوا برای رسانه‌های اجتماعی و یا هر وب‌سایت دیگری هستید که به طور منظم به محتوای تصویری جدید نیاز دارید، احتمالاً با چالش‌های آماده‌سازی تصاویر، شناسایی و برش دقیق اشیاء به‌خوبی آشنایی دارید. با توجه به اهمیت تولید محتوای تصویری در عصر حاضر، هوش مصنوعی برای تسهیل و حل برخی از چالش‌های موجود در این زمینه ورود پیدا کرده است. اگر مایلید بدانید چگونه می‌توانید به کمک این تکنولوژی به کار خود سرعت بیشتری ببخشید به خواندن این مقاله ادامه دهید.روش‌های رایج حذف اشیای ناخواسته از عکسبرش تصویر یکی از رایج­‌ترین روش‌هایی است که برای بهبود زیبایی عکس به کار می‌رود و از مهم­ترین ابزارهایی است که طراحان گرافیک حرفه ای برای حذف مناطق ناخواسته عکس از آن استفاده می­کنند. هدف اصلی این کار، تاکید بیشتر بر ناحیه مورد نظر و بهبود ترکیب کلی تصویر و زیبایی آن است. ابزارهایی که برای برش دستی تصاویر اغلب مورد استفاده قرار می‌گرفتند با استفاده از یک مستطیل (Rectangle) یا یک چند ضلعی (Lasso)، اشیاء مورد نظر در تصویر را برش می دادند بطوریکه بخشی از پس زمینه اشیاء انتخاب شده، در تصویر باقی می‌ماند. بنابراین برای انجام این کار خسته‌کننده ساعت­ها کار نیاز بود تا پس زمینه تصویر برش خورده به‌طور کامل حذف گردد. این برش‌ها تنها با توجه به انتخاب کاربر صورت می‌گیرد و محتوای تصویر در نظر گرفته نمی‌شود. شکل 1 برش­های دستی ایجاد شده توسط نرم افزارهای ویرایش تصویر را نشان می‌­دهد.شکل1: برش دستی با پیشرفت روزافزون فناوری و گستردگی کاربرد الگوریتم­‌های هوش مصنوعی، برش تصویر هم از این تکنولوژی بی‌نصیب نمانده است و طراحان تازه‌کار و متخصصان می‌توانند به کمک این تکنولوژی، ویرایش تصاویر موردنظر خود را به‌مراتب راحت‌تر و دقیق‌تر از قبل انجام دهند. چراکه الگوریتم‌های هوش مصنوعی، هوشمندی را به این فرایند اضافه می‌کنند و موجب افزایش دقت در کشف و شناسایی اجسام موردنظر در تصویر می‌شوند.باتوجه‌به مطالب بیان شده، برش خودکار عکس یک ابزار مهم و کارآمد برای بهبود کیفیت بصری عکس­‌های دیجیتال است که می‌توان آن را جایگزین ابزارهای دستی خسته‌کننده کرد.برای این منظور تکنیک‌های مختلفی برای شناسایی اجسام موجود در تصاویر و برش دقیق آن‌ها ارائه شده است. یک رویکرد شناخته شده در این حوزه، شناسایی موارد موردنظر از طریق تشخیص چهره یا تشخیص لبه­‌ها است. در رویکرد رایج دیگر پیکسل­‌ها بر اساس تن و رنگ آن‌ها انتخاب می­شوند. هرکدام از این رویکردها نقاط قوت و ضعف خاص خود را دارند.برش هوشمند اشیاء محصول جدید آیفابا توجه به اهمیت بصری‌سازی در عصر دیجیتال، تیم آیفا محصولی جدید با عنوان «برش هوشمند اشیا» طراحی و معرفی کرده که می‌تواند به‌عنوان ابزاری مؤثر در صنعت بازاریابی دیجیتال (Digital Marketing)، در اختیار طراحان گرافیک قرار گیرد. نرم افزار ارائه شده با بهره‌مندی از جدیدترین ابزار‌های هوش مصنوعی، امکان شناسایی و برش اشیا موردنظر در تصویر را بادقت و سرعت بالا و تنها با چند کلیک ساده فراهم می‌کند. مزیت محصول طراحی شده در مقایسه با سایر ابزارهای موجود، حذف اجزای ناخواسته تنها با کلیک بر روی نواحی موردنظر، برخورداری از رابط کاربری بسیار ساده و الگوریتم‌هایی با پردازش سریع و حداقلی است که قابلیت اجرای سرویس را در انواع پردازنده‌های موجود در بازار مهیا می‌کند. این سرویس با ارائه خروجی برش به‌صورت تصاویر Mask، این امکان را فراهم می‌کند تا سرویس در سناریوهای مختلفی کاربرد داشته باشد. شکل 2 خروجی Mask محصول برش هوشمند اشیا را در تصاویر مختلف نمایش می­دهد.شکل 2: خروجی Mask محصول برش هوشمند اشیاء سخن پایانیباتوجه‌به اینکه در دنیای امروز هوش مصنوعی در طیف گسترده‌ای از زمینه‌ها ورود پیدا کرده است، مجموعه فناپ به‌عنوان یکی از اعضای برتر سازمان نظام صنفی رایانه‌ای و برخوردار از گواهینامه رتبه یک سازمان برنامه‌وبودجه کشور برای اجرا و مشاوره پروژه‌ها و طرح‌های انفورماتیک در زمینه‌های مختلف و به‌منظور حمایت و توسعه طرح‌های نوآورانه انفورماتیک، اقدام به توسعه سامانه‌های کاربردی به‌روز تحت برند «آیفا» نموده است.در این مقاله به معرفی یکی از سرویس‌های کاربردی این تیم جهت برش هوشمند اشیا در تصاویر پرداختیم. همان‌طور که در این مقاله اشاره شد این محصول به طراحان گرافیک و علاقه‌مندان به ویرایش تصاویر اجازه می‌دهد در زمان بسیار کوتاه‌تری تصاویر مورد نظرشان را برش بزنند و تصاویر اشیا یا افراد ناخواسته را از پس‌زمینه حذف کنند. برای مثال، به‌منظور نمایش کالاهای موردنظر برای فروش در شبکه‌های اجتماعی یا فروشگاه‌های اینترنتی، می‌توانید به‌سادگی پس‌زمینه عکس‌ها را حذف کنید و تصویر کالا را با زمینه یکدست سفید به نمایش بگذارید. در حال حاضر، این محصول کاربردی به‌صورت کیت توسعه نرم‌افزار (SDK) و مبتنی بر وب (Web-Based) در اختیار شما قرار دارد.با آیفا آشنا شوید!با توجه به نقش مهم سرویس‌های هوش مصنوعی در ابعاد مختلف زندگی امروز، مجموعه فناپ به‌عنوان یکی از اعضای برتر سازمان نظام صنفی رایانه‌ای کشور و برخوردار از گواهینامه رتبه یک سازمان برنامه و بودجه کشور برای اجرا و مشاوره پروژه‌ها و طرح‌های انفورماتیک در زمینه‌های مختلف، بر اساس مسئولیت خود در زمینه حمایت و توسعه طرح‌های نوآورانه انفورماتیک در کشور، اقدام به توسعه سامانه‌های کاربردی به‌روز تحت برند «آیفا» نموده است که قابلیت هوشمندسازی فرآیندهای کسب‌وکارها و سازمان‌ها را دارد. سرویس‌های برچسب‌گذاری داده، پردازش تصویر و نویسه‌خوان (OCR)، پردازش زبان طبیعی، و کشف تقلب از جمله سرویس‌های موجود در شرکت فناپ هستند که در طراحی آن‌ها از به‌روزترین الگوریتم‌های یادگیری ماشین و هوش مصنوعی استفاده شده است و ساختار آن‌ها به گونه‌ای است که از انعطاف لازم برای اضافه شدن به سایر سیستم‌های نظارتی، مدیریتی، خدماتی و CRM برخوردار هستند. برای کسب اطلاعات بیشتر می‌توانید به وبسایت مرکز مطالعات و تحقیقات فناپ و همین‌طور صفحه مربوط به گروه هوش مصنوعی آیفا مراجعه کنید.دانلود کاتالوگ سرویس‌های هوش مصنوعی آیفا· Instagram: aifa.pod· Linkedin: fanap-aifa· Website: research.fanapsoft.com· Email: Fanapsoft.research@fanap.ir AIFA ریحانه احمدی Wed, 22 Jun 2022 17:36:24 +0430 https://virgool.io/AIFABlog/robotic-vs-ai-lsoyftgfu7t4 یکی از پرطرف‌دارترین شخصیت‌های فیلم‌های علمی تخیلی در دنیای سینما ربات‌های انسان‌نما با قابلیت‌هایی خارق‌العاده و هیجان‌انگیز هستند. اینگونه تصویرسازی از ربات‌ها باعث بروز سردرگمی‌ و برداشت‌های اشتباهی درخصوص ربات‌ها و هوش مصنوعی شده است.با اینکه رباتیک و هوش مصنوعی اهدافی کاملاً متفاوت را دنبال می‌کنند، اما اغلب مردم تصور می‌کنند رباتیک همان هوش مصنوعی است و یا زیرشاخه‌ای از آن است. در این مقاله قصد داریم به پرسش‌های زیر یکبار برای همیشه پاسخ دهیم:آیا رباتیک بخشی از هوش مصنوعی است یا هوش مصنوعی بخشی از رباتیک است؟ تفاوت بین این دو اصطلاح چیست؟اولین نکته مهم دراین‌خصوص این است که رباتیک و هوش مصنوعی تقریباً دو حوزه‌ جدا از هم هستند. برای درک این مسئله به نمودار زیر دقت کنید:همانطور که مشاهده می‌کنید به‌احتمال زیاد این هم‌پوشانی مختصر تحت عنوان ربات‌های هوش مصنوعی باعث شده است که اغلب افراد این دو را باهم اشتباه بگیرند. برای درک بهتر ارتباط این سه اصطلاح پیشنهاد می‌کنیم به مطالعه‌ی این مقاله ادامه دهید. در ادامه قصد داریم به هر یک از این موارد به‌صورت جداگانه بپردازیم.رباتیک چیست؟رباتیک شاخه‌ای از فناوری است که با ربات‌ها سروکار دارد. ربات‌ها ماشین‌های قابل‌برنامه‌ریزی هستند که معمولاً قادر به انجام یک سری اقدامات به‌صورت مستقل یا نیمه مستقل هستند.آن‌ها سه ویژگی مهم دارند:1. از طریق حسگرها و عملگرها با دنیای فیزیکی تعامل دارند2. قابل‌برنامه‌ریزی هستند3. معمولاً خودمختار یا نیمه مستقل عمل می‌کنندبرخی از تله ربات‌ها(ربات از راه دور) تحت کنترل کامل یک اپراتور انسانی عمل می‌کنند. بااین‌حال، آن‌ها هنوز به‌عنوان شاخه‌ای از رباتیک طبقه‌بندی می‌شوند و تعریف رباتیک در آن چندان واضح نیست. به همین دلیل می‌گوییم ربات‌ها «معمولاً» مستقل هستند.جالب است بدانید که کارشناسان هنوز درمورد اینکه دقیقاً چه چیزی یک «ربات» نامیده می‌شود به توافق نرسیده‌اند. برخی از افراد اعتقاد دارند یک ربات باید قادر به «فکرکردن» و تصمیم‌گیری باشد. بااین‌حال، هیچ تعریف استانداردی از «تفکر رباتی» وجود ندارد. نیازمندی یک ربات به فکرکردن نشان‌دهنده این است که این ربات دارای سطحی از هوش مصنوعی است.اما به‌طورکلی، رباتیک شامل طراحی، ساخت و برنامه‌نویسی ربات‌های فیزیکی است و تنها بخش کوچکی از آن شامل هوش مصنوعی می‌شود.هوش مصنوعی چیست؟هوش مصنوعی (AI) شاخه‌ای از علوم کامپیوتر است و بر روی توسعه برنامه‌های کامپیوتری جهت تکمیل وظایفی که نیاز به هوش انسانی دارد تمرکز دارد. الگوریتم‌های هوش مصنوعی قادر به یادگیری، ادراک، حل مسئله، درک زبان یا استدلال منطقی هستند.هوش مصنوعی کاربردهای مختلفی در دنیای مدرن امروز دارد. به‌عنوان‌مثال، الگوریتم‌های هوش مصنوعی در جستجوهای گوگل، موتور توصیه آمازون و مسیریاب‌های SatNav به کار گرفته می‌شوند و اکثر آن‌ها در کنترل ربات‌ها هیچ نقشی ندارند.در مواردی هم که از هوش مصنوعی برای کنترل ربات‌ها استفاده شود الگوریتم‌های هوش مصنوعی نقش کوچکی در سیستم گسترده رباتیک شامل حسگرها‌، عملگرها و برنامه‌نویسی بازی می‌کنند.چیزی که هوش مصنوعی را از سایر شیوه‌های برنامه‌نویسی معمول متمایز می‌کند کلمه «هوش» است. برنامه‌های غیر AI تنها یک توالی تعریف شده از دستورالعمل‌ها را انجام می‌دهند. اما برنامه‌های هوش مصنوعی نوعی از هوش انسانی را تقلید می‌کنند.ربات هوش مصنوعی چیست؟ربات هوش مصنوعی در واقع نوعی پل ارتباطی بین رباتیک و هوش مصنوعی است. به‌عبارت‌دیگر آن‌ها ربات‌هایی هستند که توسط برنامه‌های هوش مصنوعی کنترل می‌شوند.بسیاری از ربات‌ها فاقد هوش مصنوعی هستند. تا همین اواخر، تمام ربات‌های صنعتی فقط می‌توانستند برای انجام یک سری حرکات تکراری برنامه‌ریزی شوند و همان‌طور که قبلاً گفتیم، حرکات تکراری نیازی به هوش مصنوعی ندارند.ربات‌های غیرهوشمند از نظر عملکرد بسیار محدود هستند. بنابراین برای انجام کارهای پیچیده‌تر توسط ربات‌ها استفاده از الگوریتم‌های هوش مصنوعی ضروری است. در ادامه به چند نمونه از ربات‌ها نگاهی می‌اندازیم.مثال1: کوبات (ربات همکار) غیرهوشمندربات ساده همکار (cobot) نمونه‌ای از یک ربات غیر هوشمند است. این ربات می‌تواند به‌راحتی برای برداشتن یک شی و قراردادن آن در جای دیگری برنامه‌ریزی شود. سپس کوبات دقیقاً به همان روش به انتخاب و قرار دادن اشیاء ادامه می‌دهد تا زمانی که آن را خاموش کنید. این نمونه‌ای از عملکرد مستقل است.زیرا ربات پس از برنامه‌ریزی به هیچ ورودی دیگری توسط انسان‌ها نیاز ندارد و درعین‌حال انجام این کار نیازمند برخورداری از هوش نیست.مثال2: کوبات مجهز به هوش مصنوعیبا استفاده از هوش مصنوعی می‌توانید قابلیت‌های کوبات را افزایش دهید. فرض کنید قصد دارید دوربینی به کوبات خود اضافه کنید. بینایی ربات در دسته «ادراک» قرار می‌گیرد و معمولاً نیازمند پیاده‌سازی الگوریتم‌های هوش مصنوعی است.در این سناریو می‌خواهید که کوبات شیئی را شناسایی کند و بسته به نوع، آن را در مکان مناسبی قرار دهد. یک روش برای انجام این کار، استفاده از الگوریتم هوش مصنوعی به نام تطبیق الگو است. همچنین انجام این کار نیازمند آموزش یک برنامه بینایی تخصصی برای تشخیص انواع مختلف شی است.سخن پایانیهمان‌طور که در این مقاله شرح دادیم رباتیک و هوش مصنوعی دو حوزه‌ی مجزا هستند. رباتیک شامل ساخت ربات‌ها است درحالی‌که به پیاده‌سازی و برنامه‌نویسی هوش انسانی هوش مصنوعی گفته می‌شود. در انتها شاید بد نباشد به ربات‌های نرم‌افزاری که اخیراً در اینترنت بسیار مرسوم شده‌اند بپردازیم.ربات‌های نرم‌افزاری که استفاده از آن‌ها در چند سال اخیر بسیار رایج شده است حوزه‌ای کاملاً متفاوت از دنیای رباتیک هستند. به عبارت دیگر «ربات نرم‌افزاری» به‌نوعی برنامه کامپیوتری گفته می‌شود که برای تکمیل یک کار مجازی به طور مستقل عمل می‌کند و ماهیت فیزیکی ندارند. یکی از نمونه‌های معروف، ربات‌ها خزنده‌ موتورهای جستجو است که در اینترنت پرسه می‌زند، وب‌سایت‌ها را اسکن کرده و آن‌ها را برای جستجو دسته‌بندی می‌کند. برخی از ربات‌های نرم‌افزاری پیشرفته حتی ممکن است از الگوریتم‌های هوش مصنوعی نیز استفاده کنند. اما به این نکته توجه کنید که اینگونه ربات‌ها به عنوان بخشی از رباتیک شناخته نمی‌شوند.امیدواریم بعد از مطالعه‌ی این مقاله مفهوم ربات‌ها و تفاوت آن‌ها با هوش مصنوعی را درک کرده باشید. چنانچه نظر یا سوالی در این زمینه دارید خوشحال می‌شویم با ما به اشتراک بگذارید.با آیفا آشنا شوید!با توجه به نقش مهم سرویس‌های هوش مصنوعی در ابعاد مختلف زندگی امروز، مجموعه فناپ به‌عنوان یکی از اعضای برتر سازمان نظام صنفی رایانه‌ای کشور و برخوردار از گواهینامه رتبه یک سازمان برنامه و بودجه کشور برای اجرا و مشاوره پروژه‌ها و طرح‌های انفورماتیک در زمینه‌های مختلف، بر اساس مسئولیت خود در زمینه حمایت و توسعه طرح‌های نوآورانه انفورماتیک در کشور، اقدام به توسعه سامانه‌های کاربردی به‌روز تحت برند «آیفا» نموده است که قابلیت هوشمندسازی فرآیندهای کسب‌وکارها و سازمان‌ها را دارد. سرویس‌های برچسب‌گذاری داده، پردازش تصویر و نویسه‌خوان (OCR)، پردازش زبان طبیعی، و کشف تقلب از جمله سرویس‌های موجود در شرکت فناپ هستند که در طراحی آن‌ها از به‌روزترین الگوریتم‌های یادگیری ماشین و هوش مصنوعی استفاده شده است و ساختار آن‌ها به گونه‌ای است که از انعطاف لازم برای اضافه شدن به سایر سیستم‌های نظارتی، مدیریتی، خدماتی و CRM برخوردار هستند. برای کسب اطلاعات بیشتر می‌توانید به وبسایت مرکز مطالعات و تحقیقات فناپ و همین‌طور صفحه مربوط به گروه هوش مصنوعی آیفا مراجعه کنید.دانلود کاتالوگ سرویس‌های هوش مصنوعی آیفا· Instagram: aifa.pod· Linkedin: fanap-aifa· Website: research.fanapsoft.com· Email: Fanapsoft.research@fanap.ir AIFA ریحانه احمدی Sat, 18 Jun 2022 13:56:20 +0430 https://virgool.io/AIFABlog/what-is-a-blockchain-ka4tssra3hrb قبل از اینکه به سراغ تعریف بلاک‌چین و نحوه عملکرد آن بپردازیم، باید در ابتدا سری به دنیای ارزهای دیجیتال بزنیم. رمز ارزهایی که در این چند سال اخیر خیلی رونق و طرفدار پیدا کرده‌اند. شاید برای شما هم دانستن این موضوع جالب باشد که تمام ارزهای دیجیتال از حمله بیت‌کوین از فناوری بلاک‌چین استفاده می‌کنند اما ارزهای دیجیتال تنها بخشی از دنیای شگفت‌انگیز بلاک‌چین را تشکیل می‌دهند. با ما همراه باشید تا در ادامه با این جهان وسیع و کاربردهایش کمی آشنا شویم.بلاک‌چین چیست؟مارک اندرسون (Marc Andreessen)، مؤسس شرکت خدمات رایانه‌ای «نت‌اسکیپ» (Netscape) درباره‌ی بلاک‌چین می‌گوید:«بلاک‌چین روشی برای کاربران اینترنتی است تا قطعه‌ای از دارایی‌های دیجیتالی یکتای خود را به دیگر کاربران انتقال بدهند. این انتقال تضمین شده، امن است و هیچ‌کس نمی‌تواند مشروعیت آن را به چالش بکشد. عواقب این پیشرفت بسیار اغراق‌آمیز است».بیایید کمی ساده‌تر این مطلب را بازگو کنیم. با مثالی از بانک شروع می‌کنیم که احتمال تا حدودی از سیستم آن اطلاع دارید. در حالت عادی ما برای انجام یک تراکنش پولی باید از یک واسطه و شخص ثالث همچون بانک‌های دولتی و خصوصی استفاده کنیم؛ اما در بلاک‌چین مکانیزم همتا به همتا برقرار است! یدسن صورت که بلاک‌چین این امکان را به خریداران و فروشندگان خود (ارسال‌کنندگان و دریافت‌کنندگان پول دیجیتال) می‌دهد تا به‌صورت مستقیم و بدون هیچ واسطه‌ای با یکدیگر در ارتباط باشند و به راحتی ارزهای دیجیتال خود را معامله کنند.از دیگر تفاوت‌های نظام بانکی با بلاک‌چین می‌توان به این موضوع اشاره کرد که فعالیت سیستم‌های بانکی، متمرکز و دارای موقعیت مشخص است اما دقیقا آن روی سکه مرکز داده‌ای است که شبکه‌های بلاک‌چین در آن قرار دارند! چون آن‌ها به‌طور کامل غیرمتمرکز هستند و در سراسر جهان توزیع شده‌اند. (به محل نگهداری و حفظ اطلاعات بلاک‌چین‌ها، دفتر کل توزیع‌شده گفته می‌شود).نکته‌ای که وجود دارد این است که این دفتر کل توزیع شده، برای تمام اعضای حاضر در شبکه با جزئیات کامل، قابل دسترسی است و کوچکترین و جزئی‌ترین تغییرات در تبادلات، برای همه به صورت شفاف قابل مشاهده و بررسی است. در واقع این شبکه زنجیره‌ای از کامپیوتر و سیستم‌هایی است که درستی تراکنش‌های صورت گرفته بین کاربر اول و کاربر دوم را بررسی و تایید می‌کنند و سپس آن اطلاعات تراکنش در شبکه بلاکچین به شکل «بلوک‌ها» وارد پایگاه داده می‌شوند. این بلوک‌ها به هم وابسته‌ هستند به این معنا که هر بلاک در ادامه بلاک قبلی ایجاد شده و شامل اطلاعاتی است که آن را به بلوک قبلی متصل می‌کند. پس بلاک‌ها به ترتیب ساخت و با کمک اطلاعاتی در کنار هم قرار می‌گیرند و یک زنجیر یا چِین (Chain) را تشکیل می‌دهند.بلاک‌چین چگونه کار می‌کند؟فناوری بلاک‌چین بسیار امنیت بالایی دارد و از رمزنگاری برای افزایش امنیت در خرید و فروش ارز دیجیتال و حتی تبادلات خود استفاده می‌کند. به این شکل که همه‌ داده‌ها و جزئیات یک‌به‌یک تراکنش‌های انجام شده با رمز ارزها را در خود ذخیره می‌کند و اگر یک کاربر بخواهد مثلا یک بیت‌کوین را بیش از دوبار معامله کند (قصد کلاهبرداری داشته باشد) مانع از آن می‌شود. یک بلوک پس از اینکه اطلاعات جدیدی را ذخیره می‌کند به بلاک‌چین افزوده می‌شود و این‌طور بلاک‌چین (مجموعه‌ای بهم‌پیوسته از چندین بلاک) تشکیل می‌شود. این قسمت که یک بلاک قرار است به بلاک‌چین افزوده شود چهار مرحله دارد.در مرحله‌ی اول، یک معامله باید صورت بگیرد.پس از خرید، معامله‌ی شما باید از نظر درستی بررسی و تایید شود. این کار توسط شبکه‌ای از هزاران سیستم کامپیوتری که در سراسر جهان توزیع شده‌اند، انجام می‌گیرد. این شبکه از طریق رایانه‌ها بررسی می‌کند که معامله حتما براساس سفارش شما انجام شده باشد.محل ذخیره هر معامله باید در دل یک بلاک باشد. پس از بررسی و تایید صحت معامله شما اطلاعات در یک بلوک اختصاصی ثبت و نگهداری می‌شود. در آنجا، داده‌های معامله شما در کنار تعداد بسیار زیادی تراکنش مشابه قرار می‌گیرد.به هر بلوک، باید هَش (کد) داده شود: پس از تأیید تمام معامله‌های یک بلوک، به آن بلوک یک کد شناسایی منحصر به فرد به نام هَش داده شود. پس از اخذ هش اختصاصی، آن بلاک به شبکه‌ی بلاک‌چین اضافه می‌شود (هش برای امنیت بیشتر داده‌ها استفاده می‌شود).مزایای تکنولوژی بلاک‌چینانجام تراکنش‌ها بدون حضور واسطهعدم نیاز به دریافت اجازه از شخص یا سازمان هر شخص تنها با اتصال به اینترنت و داشتن نرم‌افزار مورد نظر شبکه می‌تواند به راحتی وارد شبکه شود و از امکانات آن استفاده کند.مقاومت بالا در برابر سانسور یا حذف شبکه به وسیله افراد یا سازمان‌ها در سیستم‌های متمرکز برای انجام خراب‌کاری تنها کافی است سرور شبکه مورد حمله قرار گیرد. اما در شبکه همتا به همتای بلاک چین اینطور نیست! هر گره به عنوان یک سرور عمل می‌کند و در نتیجه حذف آن راحت نیست.معایب تکنولوژی بلاک‌چینمقیاس‌پذیری: از آنجایی که همه گره‌ها در شبکه باید همگام و همسو با هم باشند، اطلاعات نمی‌توانند خیلی سریع به بلاک‌چین اضافه شوند. بنابراین در این سیستم‌ها به منظور حفظ ویژگی غیرمتمرکز بودن شبکه، از قابلیت مقیاس‌پذیری آن صرف نظر شده است.ارتقای سیستم‌های بلاک‌چین: یکی دیگر از بدی‌های این فناوری این است که شما با ایجاد کوچکترین تغییری در گره خود از شبکه اصلی دور می‌افتید چون همه همزمان و همسو با هم پیش‌ می‌روند و در حالتی که نرم‌افزار بروز شده با سایر گره‌ها ناسازگار باشد، آن‌ها از برقراری ارتباط با شما دوری خواهند کرد.چرا بلاک‌چین مهم است؟فناوری بلاک‌چین و کاربردهایش، دنیای بسیار وسیع و گسترده‌ای هستند که به‌طور تقریبی می‌تواند در هر صنعتی که تراکنش پذیر است، مثل تبادل پول، کالا یا املاک استفاده شود و به طور کلی می‌توان گفت آینده در دستان زیرساخت‌های بلاک‌چین است!کلام پایانیدر این مقاله درباره‌ بلاک‌چین و نقش و کاربردش حرف زدیم و سعی کردیم کمی دید و نگاه شما را به این جهان بازتر کنیم. اگر شما هم در این زمینه مقاله مطالعه کردید یا اطلاعاتی دارید خوشحال می‌شویم تا نظراتتان را یا ما به اشتراک بگذارید. مطابق رسم همیشگی‌مان، نظراتتان را می‌بینیم، می‌خوانیم و پاسخ می‌دهیم. پس لایک و کامنت فراموش نشود! AIFA یاسمن عیسایی Sun, 12 Jun 2022 13:01:49 +0430 https://virgool.io/AIFABlog/intelligence-search-kus97akpanwi امروزه حجم زیادی اطلاعات و مستندات در حوزه‌های مختلفی در دسترس انسان‌ها قرار دارد و اکثر تعاملات در بستر دیجیتال بر پایه‌ی اشتراک‌گذاری اسناد الکترونیکی صورت می‌گیرد. اطلاعات و مستندات به‌صورت مداوم در حال تولید و اضافه‌شدن هستند و معمولا مستندات جدید اهمیت بالاتری دارند. یک فرد برای یافتن اطلاعات موردنیاز در یک حوزه‌ی خاص، با انبوهی از اطلاعات مختلف در فضای مجازی مواجه می‌شود. در نتیجه افراد گزینه‌ها و اطلاعات بسیار بیشتری نسبت به قبل برای بررسی دارند.در چنین شرایطی توانایی استنباط اهداف مشتریان و کاربران در برآوردن نیازهای آنها از اهمیت فوق‌العاده‌ای برخوردار است. ازاین‌رو، جستجوی هوشمند به‌سرعت در حال تبدیل‌شدن به روشی گسترده برای همگام شدن با انتظارات کاربرانی است که گزینه‌های نامحدودی دارند. برای آشنایی بیشتر با جستجوی هوشمند تا انتهای مقاله با ما همراه باشید.جستجوی هوشمند چیست؟عملکرد اصلی سرویس‌های جستجوی سنتی بدین صورت است که با دریافت کلمات ورودی، آن‌ها را با بانک اسناد مقایسه می‌کنند و مواردی که از لحاظ آماری بیشترین انطباق را با مورد جستجو دارند را به‌عنوان بهترین نتایج ارائه می‌دهد. اما به دلایلی مانند تنوع در بیان یک عبارت، گاهی اوقات متن ورودی برای جستجو با ابهاماتی همراه است که این ویژگی امر جستجو را با پیچیدگی‌هایی همراه می‌کند. امروزه محققان سعی می‌کنند این مسئله را با بکار بردن هوش مصنوعی حل کنند.به‌طورکلی جستجوی هوشمند، جستجویی مبتنی بر هوش مصنوعی است که برای درک هدف کاربر طراحی شده است و بر اساس استنتاج آن هدف، نتایجی را برمی‌گرداند. در نتیجه انجام این کار مستلزم فراتر رفتن از پیاده‌سازی کوئری‌های مستقیم است.درواقع جستجوی هوشمند عناصر جستجوی بردار معنایی (Semantic Vector Search) و یادگیری ماشین را ترکیب می‌کند تا به تصویری از هدف کلی کاربر در هنگام ورود به وب‌سایت و انجام جستجو دست یابد. به‌عنوان‌مثال، هنگامی که کاربر در یک وب‌سایت شیرینی‌پزی، «پای سیب» را جستجو می‌کند، این سؤال پیش می‌آید که کاربر در جستجوی کدام یک از این موارد است: مواد تشکیل‌دهنده، دستورالعمل پخت یا یک پای سیب کامل؟هنگامی که تنها بر روی استفاده از یک روش جستجوی واژگانی نظیر استفاده از کلمات کلیدی متمرکز می‌شویم پاسخ‌های به‌دست‌آمده لزوماً واضح نیستند. اما جستجوی هوشمند تمام سیگنال‌های مختلفی که کاربر می‌دهد را برای درک بهتر هدف جستجو در نظر می‌گیرد.جستجوی هوشمند چگونه کار می‌کند؟جستجوی هوشمند با ترکیب پردازش زبان طبیعی (NLP)، یادگیری ماشینی و جستجوی برداری معنایی، اهداف و مقاصد مشتریان را می‌تواند بهتر درک کند.در اجرای این فرایندها به موارد زیادی باید دقت کرد که مهم‌ترین آنها درک ارتباط کلامی بین کلمه‌های جمله، سابقه فعالیت کاربر، جستجوهای قبلی، موقعیت مکانی، زمان و انواع دیگر فراداده‌هاست. هرچقدر این فرایندها بادقت بالاتری صورت‌پذیرند، موتورهای جستجوی هوشمند نیاز کاربر را از عبارت جستجو شده بهتر درک می‌کنند و می‌توانند نتایج بهتر و کاربردی‌تری را ارائه دهند.چه چیزی جستجوی هوشمند را مهم می‌کند؟جستجوی هوشمند برای بهبود تجربیات معنادارتر حیاتی است. همان‌طور که گفتیم امروزه مشتریان با تعداد بی‌شماری منابع در اینترنت روبرو هستند و همین مسئله یافتن آنچه را که واقعاً می‌خواهند چالش‌برانگیز می‌کند.در واقع، حجم انبوه اطلاعات موجود بر روی مشتریان نیز تأثیر منفی می‌گذارد.همچنین کسب‌وکارها نمی‌توانند از گوگل یا سایر موتورهای جستجوی سنتی برای یافتن پاسخ‌های سؤالاتی نظیر «چرا ارسال محصول جدید ما به تأخیر افتاده است؟» یا " مشکلات گزارش شده مشتریان ما در هفته گذشته چه بوده است؟" استفاده کنند. جستجوی هوشمند، بر خلاف موتورهای جستجوی وب (مانند بینگ، جستجوی گوگل یا AskJeeves)، اطلاعات و پاسخ‌های مختص به کسب‌وکار شما را نشان می‌دهد و به کارکنان و مشتریان کمک می‌کند تا پاسخ‌های موردنیاز خود را سریع و آسان دریافت کنند.این فناوری پیشرفته به مشتریان کمک می‌کند تا مزایای کامل جستجوی سازمانی را تجربه کنند. به همین علت این تکنولوژی جدید هر روز بیشتر و بیشتر توسط سازمان‌ها و کسب‌وکارها استفاده می‌شود زیرا می‌تواند اطلاعات را در نوک انگشتان کارمندان شما قرار دهد تا بتوانند سریع و آسان به آن‌ها دسترسی داشته باشند.سخن پایانیهمانطور که می‌دانید در عصر دیجیتال با حجم زیادی از اطلاعات مواجه هستیم و بزرگ‌ترین چالش افراد و کسب‌وکارها دریافت اطلاعات به نحو مطلوب و در زمان مناسب است. متأسفانه، اگر نتوانید اطلاعات موردنظر خود را در زمان مناسب پیدا کنید، دسترسی به چنین حجم زیادی از داده‌ها اهمیتی ندارد. اینجاست که جستجوی هوشمند، به‌عنوان راه حلی مؤثر برای جستجوی سنتی و ناکارآمد وارد عمل می‌شود.برای این منظور مجموعه‌ی فناپ به‌­عنوان یکی از برترین اعضای سازمان نظام صنفی رایانه‌ای کشور با در اختیار گذاشتن بسترهای لازم برای گروه هوش مصنوعی خود (تحت نام آیفا -AIFA)، اقدام به توسعه‌ی سرویس جستجوی هوشمند «IntelliSearch» نموده است. این سرویس بر پایه روش‌های مختلف متن‌کاوی، موتور جستجوی هوشمندی را با قابلیت‌های متنوع در اختیار کاربران قرار می‌دهد تا بتوان توسط آن سند فارسی موردنظر را به‌راحتی در یک پایگاه اسناد جستجو و نتیجه‌ی موردنیاز را دریافت کرد. این سرویس متن ورودی را با داده‌های تکمیلی دیگر (مانند اطلاعات کاربری و تاریخچه‌ی اسناد) ترکیب می‌کند تا بتواند نیاز کاربر را برای جستجو بهتر تحلیل و شناسایی کند.با آیفا آشنا شوید!با توجه به نقش مهم سرویس‌های هوش مصنوعی در ابعاد مختلف زندگی امروز، مجموعه فناپ به‌عنوان یکی از اعضای برتر سازمان نظام صنفی رایانه‌ای کشور و برخوردار از گواهینامه رتبه یک سازمان برنامه و بودجه کشور برای اجرا و مشاوره پروژه‌ها و طرح‌های انفورماتیک در زمینه‌های مختلف، بر اساس مسئولیت خود در زمینه حمایت و توسعه طرح‌های نوآورانه انفورماتیک در کشور، اقدام به توسعه سامانه‌های کاربردی به‌روز تحت برند «آیفا» نموده است که قابلیت هوشمندسازی فرآیندهای کسب‌وکارها و سازمان‌ها را دارد. سرویس‌های برچسب‌گذاری داده، پردازش تصویر و نویسه‌خوان (OCR)، پردازش زبان طبیعی، و کشف تقلب از جمله سرویس‌های موجود در شرکت فناپ هستند که در طراحی آن‌ها از به‌روزترین الگوریتم‌های یادگیری ماشین و هوش مصنوعی استفاده شده است و ساختار آن‌ها به گونه‌ای است که از انعطاف لازم برای اضافه شدن به سایر سیستم‌های نظارتی، مدیریتی، خدماتی و CRM برخوردار هستند. برای کسب اطلاعات بیشتر می‌توانید به وبسایت مرکز مطالعات و تحقیقات فناپ و همین‌طور صفحه مربوط به گروه هوش مصنوعی آیفا مراجعه کنید. دانلود کاتالوگ سرویس‌های هوش مصنوعی آیفا· Instagram: aifa.pod· Linkedin: fanap-aifa· Website: research.fanapsoft.com· Email: Fanapsoft.research@fanap.ir AIFA ریحانه احمدی Sat, 11 Jun 2022 14:14:17 +0430 https://virgool.io/AIFABlog/ai-machine-learning-deep-learning-thv81cbedgya اگر شما هم یکی از کسانی هستید که درباره‌ی تفاوت هوش مصنوعی و ماشین لرنینگ و یادگیری عمیق دچار سردرگمی شده‌اید نگران نباشید و دست خود را بالا ببرید!خبر خوب این است که این مشکل تنها برای شما نیست و اغلب افراد در تشخیص تفاوت این سه اصطلاح گیج می‌شوند زیرا با یکدیگر بسیار هم‌پوشانی دارند و در برخی منابع و سخنرانی‌ها از آن‌ها به‌جای هم استفاده می‌شوند.در تصویر زیر می‌توانید به طور خلاصه تفاوت آن‌ها را مشاهده کنید:همان‌طور که در تصویر سه دایره متحدالمرکز بالا مشاهده می‌کنید، یادگیری عمیق (DL) زیرمجموعه‌ای از یادگیری ماشین(ML)است و یادگیری ماشین هم زیرمجموعه‌ای از هوش مصنوعی (AI) است.به‌طورکلی هوش مصنوعی مفهومی جامع است که سال‌ها پیش هسته اولیه آن با ارائه نظریه‌هایی در مورد منطق توسط فلاسفه و ریاضی‌دانانی نظیر جرج بول شکل گرفت و سپس به دنبال آن مفهوم ماشین لرنینگ و یا یادگیری ماشین رشد پیدا کرد. در حال حاضر با ظهور یادگیری عمیق شاهد ارتقای هوش مصنوعی به سطحی بالاتر هستیم. اگر کنجکاوید به‌طور دقیق‌تر با این سه مفهوم آشنا شوید پیشنهاد می کنیم تا آخر مقاله با ما همراه باشید.هوش مصنوعی چیست؟همان‌طور که از نام آن قابل حدس است، هوش مصنوعی را می‌توان ادغام هوش انسانی در ماشین‌ها تفسیر کرد. این واژه مفهومی بسیار گسترده است و مانند چتری دربرگیرنده مفاهیم قدیمی هوش مصنوعی(GOFAI) و فناوری‌های نوظهوری نظیر یادگیری عمیق است.به‌طورکلی، به رفتارهای هوشمندانه یک ماشین نظیر تکمیل وظایف خود بر اساس مجموعه‌ای از قوانین تعیین شده برای حل مسائل (الگوریتم‌ها) هوش مصنوعی گفته می‌شود. برای مثال، به کمک هوش مصنوعی ماشین‌ها می‌توانند اشیاء را حرکت داده، دست‌کاری کنند، تشخیص دهند که آیا کسی دست خود را بالا برده است و غیره.ماشین‌های مجهز به هوش مصنوعی اغلب به دو گروه تقسیم می‌شوند:هوش مصنوعی ضعیف Narrow AIهوش مصنوعی عمومی (Artificial General Intelligence)هوش مصنوعی عمومی که با عنوان هوش مصنوعی قوی یا AGI هم شناخته می‌شود مجموعه‌ای الگوریتم است که می‌تواند همه وظایف انسان را و حتی وظایفی که انسان‌ها قادر به انجام آن نیستند را به طور خودکار انجام دهند. مشابه مواردی که در بالا به آن اشاره شد.ماشین‌های مجهز به هوش مصنوعی ضعیف در زمینه‌های محدودی عمل می‌کند و به‌نوعی شبیه‌سازی هوش انسانی هستند. با اینکه دامنه آنها محدود است اما گاهی می‌توانند وظایف خاصی را حتی بهتر از انسان‌ها انجام دهند. فناوری مورداستفاده برای طبقه‌بندی تصاویر در Pinterest نمونه‌ای از این نوع هوش مصنوعی است.یادگیری ماشینی (Machine Learning) چیست؟یادگیری ماشین را می‌توان توانمندسازی سیستم‌های کامپیوتری با قابلیت «یادگیری» تفسیر کرد. هدف ML این است که ماشین‌ها را قادر سازد به‌تنهایی و با استفاده از داده‌های ارائه شده یاد بگیرند و پیش‌بینی‌های دقیقی انجام دهند.باتوجه‌به توضیحات داده شده می‌توان نتیجه گرفت که ML زیرمجموعه‌ای از هوش مصنوعی است و یا به عبارت ساده‌تر، تکنیکی برای تحقق هوش مصنوعی است.درواقع، به کمک ML الگوریتم‌ها می توانند یاد بگیرند که چگونه تصمیم بگیرند. آموزش یادگیری ماشین مستلزم ارایه حجم زیادی داده به الگوریتم و اجازه دادن به آن برای یادگیری بیشتر در مورد اطلاعات پردازش شده است.به‌عنوان‌مثال، در زیر جدولی می‌بینید که نوع میوه‌ها را بر اساس ویژگی‌هایشان دسته‌بندی می‌کند:همان‌طور که در جدول بالا مشاهده می‌کنید، میوه‌ها بر اساس وزن و بافتشان متمایز می‌شوند. اما در ردیف آخر این جدول فقط وزن و بافت مشخص شده است و به نوع میوه اشاره‌ای نشده است.حالا می‌توانیم یک الگوریتم یادگیری ماشین برای شناسایی اینکه میوه موردنظر پرتقال یا سیب است توسعه دهیم. بعد از اینکه الگوریتم با داده‌های آموزشی در مورد وزن و بافت میوه‌ها تغذیه شود می‌تواند ویژگی‌های متفاوت بین پرتقال و سیب را به طور دقیق تشخیص دهد.یادگیری عمیق (Deep learning) چیست؟همان‌طور که قبلا شرح دادیم، یادگیری عمیق زیرشاخه‌ای از‌ یادگیری ماشین است و به تحقق و پیاده‌سازی آن کمک می‌کند. به‌عبارت‌دیگر، DL نسخه‌ی تکامل‌یافته‌ی یادگیری ماشین است. الگوریتم‌های DL از الگوهای پردازش اطلاعات در مغز انسان الهام گرفته شده‌اند. همان‌طور که ما از مغز خود برای شناسایی الگوها و طبقه‌بندی انواع مختلف اطلاعات استفاده می‌کنیم، الگوریتم‌های یادگیری عمیق را هم می‌توان برای انجام کارهای مشابهی در ماشین‌ها آموزش داد.مطالعات نشان می‌دهد مغز سعی می‌کند اطلاعاتی را که دریافت می‌کند از طریق برچسب زدن و تخصیص اقلام به دسته‌های مختلف رمزگشایی کند. بنابراین، هر زمان که ما اطلاعات جدیدی را دریافت می‌کنیم مغز سعی می‌کند قبل از اینکه آن را معنا کند در ابتدا آن را با یک مورد شناخته‌شده مقایسه کند. همین روش در الگوریتم‌های یادگیری عمیق به کار برده می‌شود.شبکه‌های عصبی مصنوعی (ANN) نمونه‌ای از الگوریتم‌های یادگیری عمیق هستند که هدف آن تقلید از روش تصمیم‌گیری مغز ما است.خلق موجودی هوشمند، هدف نهایی هوش مصنوعی!در این مقاله سعی کردیم تفاوت AI ، ML و DL را به زبان ساده توضیح دهیم. همان‌طور که در این مقاله اشاره شد هوش مصنوعی (AI) مفهومی گسترده در مورد ماشین‌هایی است که می‌توانند وظایف خود را به‌گونه‌ای انجام دهند که ما آن‌ها را «هوشمند» در نظر بگیریم.هوش مصنوعی به دودسته قوی و ضعیف تقسیم‌بندی می‌شود. در حال حاضر هوش مصنوعی قوی وجود ندارد اما نمونه‌های آن را بارها در داستان‌ها و فیلم‌های تخیلی مشاهده کرده‌اید.هوش مصنوعی ضعیف نیز قادر است با انجام کارهای زمان‌بر و وقت‌گیر در بازه‌های زمانی کوتاه به انسان خدمت‌رسانی کند.همچنین در مورد یادگیری ماشین توضیح دادیم که این علم زیرشاخه‌ای از هوش مصنوعی است و ایده اصلی آن این است که ماشین‌ها بتوانند خودشان یاد بگیرند.یادگیری عمیق (DL) نیز زیرمجموعه‌ای از یادگیری ماشین (ML) است و در آن شبکه عظیمی از الگوریتم‌ها به نام شبکه‌های عصبی مصنوعی (ANNs) در تلاش برای تقلید عملکرد شبکه‌های عصبی موجود در مغز انسان هستند.در نهایت امیدواریم بعد از مطالعه‌ی این مقاله تفاوت‌های ظریف بین هوش مصنوعی در مقابل یادگیری ماشین و یادگیری عمیق را درک کرده باشید. چنانچه نظر یا سوالی در این زمینه دارید دست خود را بالا ببرید. ما درحال پیاده‌سازی هوش مصنوعی هستیم که هر زمان کسی دست خود را بالا می‌برد به ما اطلاع دهد!با آیفا آشنا شوید!مجموعه فناپ به‌عنوان یکی از اعضای برتر سازمان نظام صنفی رایانه‌ای کشور و برخوردار از گواهینامه رتبه یک سازمان برنامه و بودجه کشور برای اجرا و مشاوره پروژه‌ها و طرح‌های انفورماتیک در زمینه‌های مختلف، بر اساس مسئولیت خود در زمینه حمایت و توسعه طرح‌های نوآورانه انفورماتیک در کشور، اقدام به توسعه سامانه‌های کاربردی به‌روز تحت برند «آیفا» نموده است که قابلیت هوشمندسازی فرآیندهای کسب‌وکارها و سازمان‌ها را دارد. سرویس‌های برچسب‌گذاری داده، پردازش تصویر و نویسه‌خوان (OCR)، پردازش زبان طبیعی، و کشف تقلب از جمله سرویس‌های موجود در شرکت فناپ هستند که در طراحی آن‌ها از به‌روزترین الگوریتم‌های یادگیری ماشین و هوش مصنوعی استفاده شده است و ساختار آن‌ها به گونه‌ای است که از انعطاف لازم برای اضافه شدن به سایر سیستم‌های نظارتی، مدیریتی، خدماتی و CRM برخوردار هستند. برای کسب اطلاعات بیشتر می‌توانید به وبسایت مرکز مطالعات و تحقیقات فناپ و همین‌طور صفحه مربوط به گروه هوش مصنوعی آیفا مراجعه کنید.دانلود کاتالوگ سرویس‌های هوش مصنوعی آیفا· Instagram: aifa.pod· Linkedin: fanap-aifa· Website: research.fanapsoft.com· Email: Fanapsoft.research@fanap.ir AIFA ریحانه احمدی Wed, 01 Jun 2022 15:44:41 +0430 https://virgool.io/AIFABlog/learning-with-iot-mv5uhbn7osq2 حتماً شما هم تجربه کردید که در حین نوشتن مطالب درسی از روی تخته‌ی کلاس، ناگهان معلم تخته را پاک کند و دست شما را در پوست گردو باقی بگذارد! اما امروزه بچه‌های نسل جدید دیگر این مشکل را نخواهند داشت. به کمک تخته‌های هوشمند مطالب درسی و تمام یادداشت‌ها در لحظه ذخیره می‌شوند و در دسترس تمامی دانش‌آموزان قرار خواهند گرفت.با توجه به اینکه Smartboardها به عنوان یک مرکز برای همه‌ی دستگاه‌های متصل در یک کلاس درس عمل می‌کنند. می‌توان گفت که تخته‌های هوشمند بخش مهمی از کلاس‌های درسی را تشکیل می‌دهند. به عنوان مثال، در یک کلاس موسیقی دارای تخته هوشمند معلم نت‌ها را بر روی تخته هوشمند می‌نویسد و همزمان صدای نت‌ها پخش می‌شود! پس متوجه می‌شویم که این روش می‌تواند در یادگیری موثر دانش‌آموزان نقش به‌سزایی داشته باشد. علاوه بر این، تخته‌ی هوشمند می‌تواند مرجع خیلی خوبی برای یادداشت‌های ترکیبی و تدریس‌های قدیمی باشد اما مشکل اصلی که مانع از فراگیری این تکنولوژی‌ها در نقاط مختلف شده متاسفانه هزینه‌ی زیاد به‌کارگیری آن در مدارس است.ورود اینترنت اشیا به دنیای آموزشظهور اینترنت اشیا به این معنا است که واقعا هر چیزی از آرام‌پز تا ماشین‌آلات‌ مختلف صنعتی می‌توانند به اینترنت متصل شوند. بر اساس گزارش موسسه EDUCAUSE، تنها در سال 2015 بیش از 13.4 میلیارد دستگاه در سراسر جهان به اینترنت متصل شده‌اند که این میزان تقریبا دو برابر جمعیت انسانی‌ است. «فلورانس هادسون»، مدیر اجرایی تحقیق و توسعه سازمان Internet2، در مقاله‌ای در وب‌سایت EDUCAUSE می‌نویسد: «جامعه آموزش عالی می‌تواند در توسعه فناوری، مدل‌های کسب‌وکار و رهبری تکنولوژی‌های اینترنت اشیا نقش ممتازی داشته باشد». برخي از دانشگاه‌های دنیا اين چالش را با پردازش داده‌های IoT، ايجاد محوطه‌‌های هوشمند و تحقيقات جديد به طور جدی آغاز کرده‌اند. از جمله این دانشگاه‌ها می‌توان به دانشگاه کالیفرنیا جنوبی اشاره کرد. به گزارش Technology Campus، محققان داده‌های تولید شده از فناوری IoT را برای بهبود آموزش و یادگیری دانشجویان خود استفاده کردند و توانستند نتایج خوب و قابل قبولی را کسب کنند. هر چه تعداد این دستگاه‌ها بیشتر بیشتر باشد، فرصت‌ برای پردازش داده‌ها و اطلاعات بیشتر خواهد بود. داده‌ها در چند سال گذشته با ظرفیت بالاتری در فضاهای دانشگاهی برای پیشرفت دانشجویان و کمک به تصمیم‌گیری استفاده شده‌اند. نشریه فوربس در سال 2014 میلادی در گزارشی دانشگاه‌هایی که در زمینه‌ نوآوری‌های IoT فعال بوده‌اند را معرفی کرد که از جمله آن‌ها دانشگاه سیراکیوز با یک دهه فعالیت است.کاربرد اینترنت اشیا در آموزشدر کلاس درس IoT ترکیبی از مزایای اینترنت اشیا در زمینه تحویل محتوا ، کسب‌وکار و بهداشت و درمـان است. مرکز مشـاغل کاربـردی و اینترنـت اشیا (CHARIOT) با مشـارکـت USC Rossier و Viterbi School of Engineering، قصد دارد روش‌های مدل‌سازی که توسط دوربین‌ها با سنسورها ردیابی می‌شود را به‌دست آورده و از داده‌ها و اطلاعات برای بهینه‌سازی و شخصی‌سازی یادگیری برای تمامی دانش‌آموزان، استفاده کند. محوطه های هوشمند دانشگاهی، علاوه بر بهبود تجربه دانشجویان، می‌تواند سبب کاهش چشم‌گیر هزینه‌ها شود. در مجموع IoT، آموزش را با استفاده از امکان بهینه‌سازی تمام محتویات و فرم‌های تحویل، ارتقا می‌دهد.سازمان‌های آموزشیچیزی که عموما سازمان‌های آموزش‌ و پرورش از آن رنج می‌برند و ناراضی هستند، بودجه کم و محدود، مسائل مربوط به نیروی کار و توجه ضعیف و کم به تحصیلات است. چیزی که با ورود IoT به آموزش حل شده است! IoT این اطلاعات که از طریق هزینه‌های پایین، دستگاه‌های خرد و کوچک با مصرف کم اما عملکرد بالا ارائه می‌دهد را دموکراتیزه می‌کند. کمک گرفتن از این تکنولوژی در مدیریت هزینه‌ها، بهبود کیفیت آموزش، توسعه حرفه‌ای و بهبود مدیریت امکانات با استفاده از بررسی‌های غنی در زمینه‌های کلیدی بسیار موثر است.پاسخ، عملکرد و رفتار دانشجوپاسخ‌گر، عملکرد و رفتار مربینظارت و نگهداری امکاناتداده‌ها از امکانات دیگرمعلماناطلاعاتی که توسط IoT ارائه شده، معلمان و مربیان را قادر می‌سازد تا بتوانند بر مأموریت اصلی خود متمرکز شوند و با کیفیت بهتری آموزش‌ها را ارائه دهند. به صورت شفاف‌تر IoT دسترسی آسان مربیان را به ابزارهای قدرتمند آموزشی فراهم می‌کند و استفاده از تکنولوژی‌های پیشرفته و حرفه‌ای بازدهی مربیان را بهبود می‌بخشد زیرا آن‌ها متوجه می‌شوند که چه عواملی در کار با بچه‌ها می‌تواند تاثیرگذار باشد. این روش از تکرار مجدد چرخه بی‌هوده و بی‌اثر روش‌های قدیمی نیز جلوگیری می‌کند.یک مدرسه در ریچموند کالیفرنیا، تراشه‌های RFID را در کارت‌های شناسایی جاسازی می‌کند تا حضور دانش‌آموزان را زیرنظر داشته باشد و مشاهده کند. حتی اگر دانش آموزان در هنگام ورود دسترسی به سیستم حضور نداشته باشند،سیستم حضورشان را در محوطه دانشگاه پیگیری و ثبت می‌کند.همچنین IoT اساس دانش مورد استفاده برای ایجاد استاندارد و شیوه های آموزشی را بهبود می‌بخشد.آموزش شخصیمدرسان می‌توانند از IoT به عنوان یک معلم یک به یک با دانش آموز استفاده کنند که طرح‌های آموزشی خاصی را برای هر دانش‌آموز ارائه می‌دهد؛ برای مثال، دادن تکالیفی به هر دانش‌آموز به‌طوری که موثرترین بازدهی را داشته باشد. در واقع ما سفارشی‌سازی آموزش را خواهیم داشت! به این معنی که دیگر دانش‌آموزان به هر آنچه که نیاز پیدا کند در اختیارشان قرار خواهد گرفت. هر دانش‌آموز می‌تواند تجربه خود را نظارت کند و در طراحی آموزشی مشارکت نماید. در این طرح دانش‌آموز به سادگی از سیستم استفاده می‌کند و داده‌های عملکردی اغلب طرحشان را شکل می دهد که این کار در کنار بهینه‌سازی سازمانی و آموزشی، آموزش عالی و بسیار موثر را در حین کاهش هزینه‌ها ارائه خواهد داد.کلام پایانیدر این مقاله درباره‌ی اینترنت اشیا و نقش و تاثیرش در اصلاح نظام آموزش حرف زدیم و سعی کردیم کمی دید شما را در این زمینه باز کنیم. اگر شما هم در این زمینه مقاله مطالعه کردید یا اطلاعاتی دارید خوشحال می شویم تا نظرتان را یا ما به اشتراک بگذارید. مطابق رسم همیشگیمان، نظراتتان را می‌بینیم، می‌خوانیم و پاسخ می‌دهیم. پس لایک و کامنت فراموش نشود! AIFA یاسمن عیسایی Sun, 29 May 2022 10:00:22 +0430 https://virgool.io/AIFABlog/why-should-we-use-nsfw-dfbb48uwuavz واژه "NSFW" به معنای «برای کار بی‌خطر نیست» می‌باشد که از عبارت “not safe for work" گرفته شده است. برنامه‌ای رایج که وظیفه دارد تصاویر نامناسب برای محیط کار را فیلتر ­کند. از این سرویس می‌توان در موقعیت‌هایی مانند زمان بارگذاری تصویر جدید روی یک وب‌سرویس توسط کاربر استفاده کرد به این صورت که سرویس می‌تواند به‌طور خودکار تأیید کند که «آیا نمایش این تصویر به سایر کاربران مناسب است یا خیر؟» یا «آیا یک تصویر حاوی برهنگی است و باید برایش NSFW در نظر گرفته شود یا نه؟» با ما همراه باشید تا در این مقاله پاسخ این دست از سوالاتتان را پیدا کنید و کمی با الگوریتم NSFW و دنیای یادگیری ماشین آشنا شوید.الگوریتم "NSFW" چگونه کار می‌کند؟الگوریتم NSFW از چندین مدل الگوریتم‌ یادگیری ماشین برای محاسبه مدلی استفاده می‌کند و از طریق آن طبقه‌بندی خود را انجام می‌دهد. در واقع آموزش یک مدل یادگیری ماشین یک کار پیش پا افتاده و ساده نیست. حجم عظیمی از داده‌ها باید قبل از پردازش (برای انتقال یادگیری و …) مرتب و برچسب‌گذاری شوند. الگوریتم عددی بین 0 و 1 را برمی‌گرداند، که 1 به احتمال 100% حاوی برهنگی و NSFW است. مدل، پیش از رسیدن به سطح قابل قبولی از دقت باید اصلاح شود که همه این‌ها به منابع عظیمی از جمله زمان و پول نیاز دارند.موارد مثبت کاذب (false positive) به شرطی برای برنامه‌های فیلترینگ محتوا مسئله مهمی نیستند که یک لایه انسانی ثانویه وجود داشته باشد. می‌توان API را با مدل «NSFW» فراخوانی نمود و به سادگی یک ورودی تصویر را با یک URL در دسترس عموم قرار داد یا تصویر را به صورت مستقیم ارسال کرد.هدف سرویس NSFWبه دلیل لزوم نظارت و کنترل بر محتواهایی که در معرض دید عموم (به ویژه کودکان و نوجوانان)، قرار می گیرد، سرویس NSFW با هدف جلوگیری از انتشار تصاویر حاوی برهنگی در فضای وب و شبکه‌های اجتماعی و جلوگیری از ذخیره تصاویر حاوی برهنگی در تلفن همراه ایجاد شده است.ویژگی­‌های NSFWتشخیص برهنگی در کمتر از 1 ثانیه: تشخیص برهنگی در تصاویر و ویدیوها به صورت خودکار و به راحتی امکان‌پذیر می‌­باشد. API تشخیص برهنگی، توسط شبکه‌های عصبی که توانایی بومی‌سازی اشیا مرتبط با برهنگی را دارند، تامین می‌شود.تشخیص ویدئوی بزرگسالان در مقیاس وسیع به کمک شبکه‌های عصبی: ویدیوها را برای اشیا مرتبط با برهنگی تجزیه و تحلیل می‌­کند و برای آن‌ها یک آستانه برهنگی ایجاد می‌­نماید تا بر اساس آن از NSFW استفاده کند.تشخیص خودکار برهنگی در تصاویر و ویدیوها: از API تشخیص برهنگی می­‌توان برای یافتن خودکار محتوای NSFW در تصویر و ویدیو استفاده نمود. این محتوا را می‌­توان بدون دخالت انسانی از محیط‌های آنلاین فیلتر کرد.تعریف آستانه قابل قبول برهنگی: با شناسایی اشیا (اعضای بدن) مرتبط با برهنگی و تعیین محتوای پیشنهادی و آستانه، می‌توان برهنگی را بر اساس نیازهای خاص فیلتر کرد.کاربردهای NSFWتشخیص NSFW در میان شمار متعددی از خدمات وب که به صورت مشارکتی بوده یا محتوایی عمومی را نمایش می‌­دهند، تقاضای بالایی دارد. مدل NSFW برای تشخیص محتوا، امتیازها را براساس احتمال اینکه یک تصویر حاوی برهنگی باشد، برمی‌­گرداند. کاربرد این مدل برای کاربرانی است که سعی می‌کنند به طور خودکار محتوای توهین‌آمیز را از پلتفرم خود اصلاح یا فیلتر کنند. کاربردهای این سرویس شامل موارد زیر می‌­باشد: پلتفرم­‌های اجتماعی: ساده نمودن کار مدیران محتوای وب سایت، برنامه با جلوگیری از ارسال تصاویر نامناسب یا انتخاب تصاویر نامناسب به عنوان تصویر پروفایل کاربری میزبانی تصویر یا ویدئو: ایمن نمودن میزبانی رسانه‌ای از انتشار تصاویر و ویدئوهای نامناسب اصلاح یا فیلتر محتوای نامناسب از پلتفرم کاربران به طور خودکار تشخیص برهنگی در تصاویر و ویدیوها به صورت خودکار توسط شبکه‌های عصبی عمیقسرویس تشخیص محتوای ناسالم آیفاسرویس تشخیص محتوای ناسالم (NSFW) که در تیم هوش مصنوعی «آیفا» توسعه داده شده است، می‌تواند تصاویر دریافتی در فرمت‌های مختلف را به کمک فناوری پردازش تصویر تحلیل کند. این سرویس قادر است احتمال تعلق داشتن تصاویر به پنج کلاس مختلف، از جمله دو کلاس محتوای سالم (Drawings و Neutral) و سه کلاس محتوای ناسالم (Hentai، Porn و Sexy)، را از طریق تخصیص عددی بین صفر و یک مشخص نماید. این سرویس به صورت Async بوده و با فراخوانی یک سرویس، لینک‌ تصویر دیجیتال را دریافت می‌نماید.این سرویس با بهره‌گیری از مدل­‌های یادگیری عمیق و استفاده از مدل پردازش تصویر دقیق و بومی خود از دقت بالای 98% و سرعت بالای پاسخگویی در تشخیص وضعیت تصاویر برخوردار است. سرویس NSFW می‌­تواند دقت خود را با گنجاندن موارد مثبت کاذب (False Positive) بیشتر در مجموعه داده‌های آموزشی به صورت مداوم ارتقاء بخشد.در نهایتدر این مقاله سعی کردیم تا درباره‌ی الگوریتم NSFW، کاربرد و نحوه عملکرد آن صحبت کنیم. این الگوریتم با شناسایی محتواهای نامناسب از انتشار آن‌ها جلوگیری می‌کند. شما می‌توانید این سرویس را از بازارچه پادیـوم خریداری و اطلاعات تکمیلی را از آنجا دریافت کنید.در نهایت ممنونیم که تا پایان این مقاله همراهمان بودید. AIFA یاسمن عیسایی Sat, 28 May 2022 09:50:41 +0430 https://virgool.io/AIFABlog/supervised-vs-unsupervised-learning-vaxqlhwk21jm شاید برای شما هم جالب باشد که بدانید بخش زیادی از پیشرفت‌های باورنکردنی در هوش مصنوعی را مدیون الگوریتم‌های یادگیری ماشین هستیم. این الگوریتم‌ها از آمار و محاسبات ریاضی برای یافتن الگوها در مقادیر زیادی داده استفاده می‌کنند.شما هر روز به طور مستقیم و غیرمستقیم با این الگوریتم‌ها سروکار دارید! اما چگونه؟در پشت صحنه‌ی خیلی از سرویس‌هایی که هر روز استفاده می‌کنیم سیستم‌های توصیه‌ای وجود دارند که براساس این الگوریتم‌ها ساخته‌شده اند. برای مثال به کمک این الگوریتم‌ها سیستمهای توصیه YouTube و Spotify ، گوگل، نتفلیکس و ... قادرند پیش‌بینی کنند که شما چه برنامه‌هایی را ممکن است دوست داشته باشید و آن‌ها را به شما پیشنهاد می‌دهند.از این الگوریتم‌ها می‌توان در حوزه‌های بسیار متنوعی استفاده کرد. برای مثال می‌توان از آن‌ها برای پیش‌بینی داشتن سرطان براساس تصاویر MRI شما و درک مکالمات شما هنگام صحبت با الکسا و غیره استفاده کرد.اگر کنجکاوید بیشتر با این الگوریتم‌ها آشنا شوید پیشنهاد می‌کنیم تا آخر این مقاله با ما همراه باشید. در ادامه قصد داریم دو الگوریتم مهم در مبحث یادگیری ماشین به نام‌های الگوریتم نظارت شده و بدون نظارت را معرفی کنیم!یادگیری ماشینی نظارت شده:یادگیری نظارت شده یکی از تکنیک‌های یادگیری ماشین است که در آن مدل‌ها با استفاده از داده‌های برچسب‌دار تحت تعلیم قرار می‌گیرند. مشابه دوران مدرسه که دانش‌آموزان در حضور یک معلم می‌آموزند در یادگیری تحت نظارت هم ما نیازمند یک ناظر برای آموزش‌دادن هستیم تا به مدل‌ها آموزش دهیم تابع نگاشت را برای ترسیم متغیر ورودی (X) با متغیر خروجی (Y) پیدا کنند.Y = f(x)برای درک این موضوع فرض کنید تصویری از دو نوع میوه داریم. وظیفه مدل تحت نظارت ما این است که میوه‌ها را بر اساس نوع آنها دسته‌بندی کند. برای اینکه مدل بتواند تصویر را تشخیص دهد داده‌های ورودی و خروجی صحیح را به آن می‌دهیم. به عبارتی دیگر مدل را به کمک ظاهر، اندازه، رنگ و طعم هرکدام از میوه‌ها آموزش می‌دهیم. هنگامی که آموزش ما به پایان برسد مدل را از طریق دادن مجموعه‌ای از میوه‌ها آزمایش می‌کنیم. مدل قادر است میوه را تشخیص دهد و با استفاده از الگوریتم مناسب خروجی را پیش‌بینی کند.بنابراین، هدف از یادگیری تحت نظارت، پیش‌بینی برچسب صحیح برای داده‌های ورودی جدید طبق آموزش‌های صورت‌گرفته است. این مدل الگوریتم حل برای دو نوع مسئله کاربرد دارد:طبقه‌بندی (Classification: طبقه‌بندی داده‌ها به گروه‌های از پیش تعیین شده)رگرسیون (Regression: پیش‌بینی مقادیر ازروی داده‌های عددی)1. طبقه‌بندیالگوریتم‌های طبقه‌بندی زمانی استفاده می‌شوند که متغیر خروجی قابلیت طبقه‌بندی شدن را داشته باشد، به این معنی که داده‌ها در دنیای واقعی به دو یا چند کلاس مانند بله - خیر، درست - نادرست، کودکان - بزرگسالان - سالمندان، دایره‌ها - مربع - مثلث و غیره گروه‌بندی شوند. از این نوع الگوریتم می‌توان برای تشخیص تقلب، طبقه‌بندی تصاویر، ارزیابی ریسک، فیلتر هرزنامه و غیره استفاده کرد.در زیر چند مدل طبقه‌بندی رایج آورده شده است:Random ForestDecision TreesLogistic RegressionSupport Vector MachinesConvolution Neural Networks (image deep learning)2. Regressionاگر رابطه‌ای بین متغیر ورودی و متغیر خروجی وجود داشته باشد از الگوریتم‌های رگرسیون استفاده می‌شود. اغلب این الگوریتم برای پیش‌بینی متغیرهای پیوسته (عددی) مانند پیش‌بینی آب‌وهوا، روند بازار و غیره استفاده می‌شود.برخی از الگوریتم‌های رگرسیون معروف موارد زیر هستند:(Simple and Multiple) Linear RegressionRegression Decision TreesRidge or Lasso Linear RegressionBayesian Linear RegressionPolynomial Regressionاز معایبی که این تکنیک دارد این است که داده‌ها باید تمیز و برچسب‌گذاری شوند اما داده‌هایی که در دنیای واقعی وجود دارند به‌ندرت برچسب‌گذاری می‌شوند. همچنین آموزش‌دادن نیاز به توان یا زمان محاسباتی بسیار زیادی دارد و برخلاف یادگیری بدون نظارت، این مدل‌های یادگیری برای انجام وظایف بسیار پیچیده مناسب نیستند. درصورتی‌که داده‌های تست تفاوت زیادی با مجموعه‌داده‌های آموزشی داشته باشد، مدل نمی‌تواند خروجی را به‌خوبی پیش‌بینی کند.یادگیری ماشینی بدون نظارت:یادگیری بدون نظارت یکی دیگر از روش‌های یادگیری ماشینی است و همان‌طور که از اسم آن قابل حدس است به هیچ ناظری برای آموزش نیاز ندارد و الگوها از داده‌های ورودی بدون برچسب استنتاج می‌شوند.هدف از یادگیری ماشینی بدون نظارت، یافتن پاسخ صحیح نیست. زیرا در این تکنیک مدل برای دانستن اینکه چه چیزی صحیح یا نادرست تلقی می‌شود اصلاً آموزش داده نمی‌شود. در عوض هدف آن استنتاج الگوها یا روابط از داده‌های ورودی بدون برچسب است و قادر است الگوها را به‌تنهایی از داده‌های بدون برچسب پیدا می‌کند. درواقع، با استفاده از این الگوریتم مدل می‌تواند خروجی‌ها را بر اساس تجربیات قبلی پیش‌بینی کند.برای درک بیشتر یادگیری بدون نظارت کودکی را تصور کنید که پس از آزمایش‌وخطاهای متعدد در کوچه‌ها و خیابان‌های فرعی محل زندگی‌اش سریع‌ترین مسیر به مدرسه را پیدا می‌کند و یا در مثال میوه‌ها که جلوتر به آن اشاره کردیم مدل می‌تواند به کمک یک الگوریتم مناسب، خود را آموزش دهد و میوه‌ها را باتوجه‌به مشابه‌ترین ویژگی‌های موجود بین آنها به گروه‌های مختلف تقسیم می‌کند.یادگیری بدون نظارت را می‌توان برای مواردی استفاده کرد که فقط داده‌های ورودی داریم و هیچ داده خروجی متناظر از پیش تعیین شده‌ای وجود ندارد.این الگوریتم برای دو نوع مسئله کاربرد دارد:Clustering خوشه‌بندی (گروه‌بندی داده‌ها بر اساس شباهت‌ها)Association(کشف قوانین دقیقی که الگوهای داده‌های شما را توصیف می‌کند)1. خوشه‌بندی(Clustering )خوشه‌بندی روشی برای گروه‌بندی اشیا در خوشه‌ها است، به‌طوری‌که اشیاء با بیشترین شباهت در یک گروه باقی می‌مانند و مواردی که شباهت کمتری با اشیاء گروه دیگر دارند دورتر نمایش داده می‌شوند. تجزیه‌وتحلیل خوشه‌ای اشتراک بین اشیاء داده را پیدا می‌کند و آنها را بر اساس وجود و عدم وجود جزئیات مشترک طبقه‌بندی می‌کند. موارد زیر برخی از این نمونه هستند:K-Means ClusteringMean-Shift ClusteringHierarchical ClusteringExpectation–Maximization (EM) Clustering using Gaussian Mixture Models (GMM) or EM GMMDeep Neural Networks2. Associationدرواقع Association یک تکنیک یادگیری بدون نظارت است که برای یافتن روابط بین متغیرها موجود در پایگاه‌داده‌ای بزرگ استفاده می‌شود و مجموعه‌ای از مواردی که با هم در دیتاست رخ می‌دهد را تعیین می‌کند. Association ، در استراتژی بازاریابی بسیار کاربرد دارد. برای مثال افرادی که اقلام X را می‌خرند (فرض کنید نان) تمایل به خرید اقلام Y (کره/مربا) هم دارند. یک مثال معمولی از این قانون، تحلیل سبد خرید است. برخی از الگوریتم‌های معروف آن موارد زیر هستند:Learning Classifier SystemAssociation Rule LearningApriori AlgorithmSingular-Value Decompositionمشکلی که یادگیری بدون نظارت دارد این است که این تکنیک با وظایف بسیار محدود یا با مجموعه‌داده‌های کوچک به‌خوبی کار نمی‌کند. همچنین نتایج آن‌ها ممکن است به‌دقت یادگیری تحت نظارت نباشد، زیرا خروجی دقیق را از قبل نمی‌دانند.عصر دیجیتال، عصر انفجار داده‌ها!همان‌طور که در این مقاله شرح دادیم یادگیری نظارت شده و بدون نظارت دو تکنیک مهم در مبحث یادگیری ماشین هستند که قادرند داده‌ها را بررسی کرده و الگوهای آن‌ها را پیدا کنند. اما هرکدام از آن‌ها در سناریوها و دیتاست‌های متفاوتی کاربرد دارند. این قابلیت‌ها باعث شده است که ماشین لرنینگ در دهه‌های اخیر توجه زیادی را به خود جلب کند زیرا در دنیایی که هر روز حجم زیادی داده تولید می‌شود الگوریتم‌ها می‌توانند باعث ارتقای کیفیت پیش‌بینی، سودآوری و بهره‌وری بالاتر در حوزه‌های مختلف شوند و یا به عبارتی دیگر داده‌ها را به گنج تبدیل کنند!با آیفا آشنا شوید! با توجه به نقش مهم سرویس‌های هوش مصنوعی در ابعاد مختلف زندگی امروز، مجموعه فناپ به‌عنوان یکی از اعضای برتر سازمان نظام صنفی رایانه‌ای کشور و برخوردار از گواهینامه رتبه یک سازمان برنامه و بودجه کشور برای اجرا و مشاوره پروژه‌ها و طرح‌های انفورماتیک در زمینه‌های مختلف، بر اساس مسئولیت خود در زمینه حمایت و توسعه طرح‌های نوآورانه انفورماتیک در کشور، اقدام به توسعه سامانه‌های کاربردی به‌روز تحت برند «آیفا» نموده است که قابلیت هوشمندسازی فرآیندهای کسب‌وکارها و سازمان‌ها را دارد. سرویس‌های برچسب‌گذاری داده، پردازش تصویر و نویسه‌خوان (OCR)، پردازش زبان طبیعی، و کشف تقلب از جمله سرویس‌های موجود در شرکت فناپ هستند که در طراحی آن‌ها از به‌روزترین الگوریتم‌های یادگیری ماشین و هوش مصنوعی استفاده شده است و ساختار آن‌ها به گونه‌ای است که از انعطاف لازم برای اضافه شدن به سایر سیستم‌های نظارتی، مدیریتی، خدماتی و CRM برخوردار هستند. برای کسب اطلاعات بیشتر می‌توانید به وبسایت مرکز مطالعات و تحقیقات فناپ و همین‌طور صفحه مربوط به گروه هوش مصنوعی آیفا مراجعه کنید.دانلود کاتالوگ سرویس‌های هوش مصنوعی آیفا· Instagram: aifa.pod· Linkedin: fanap-aifa· Website: research.fanapsoft.com· Email: Fanapsoft.research@fanap.ir AIFA ریحانه احمدی Sun, 22 May 2022 10:36:10 +0430