https://virgool.io/feed/@fanap.research از دانش دیروز تا نوآوری‌های فناورانه فردا fa 2026-04-14 09:06:08 https://files.virgool.io/upload/users/887555/avatar/gx1oqb.jpeg?height=120&width=120 https://virgool.io/@fanap.research https://virgool.io/@fanap.research/%D8%A7%DB%8C%D8%AC%D8%A7%D8%AF-%D8%A7%D8%B1%D8%B2%D8%B4-%D8%AF%D8%B1-%DA%A9%D8%B3%D8%A8-%D9%88%DA%A9%D8%A7%D8%B1-%D8%AA%D9%88%D8%B3%D8%B7-%D8%B9%D9%84%D9%85-%D8%AF%D8%A7%D8%AF%D9%87-co5wqy1amlhk چگونه علم داده می‌تواند داده‌های انبوه را به بینش‌های قابل اقدام تبدیل ‌کند؟اهمیت کاربردی علم داده در کسب و کار امروزه، بر کسی پوشیده نیست که کسب‌و‌کارهای نوین بر مبنای داده‌ها استوار هستند. کسب‌و‌کارهای مختلف در دنیا داده‌ها را در جهت تصمیم‌گیری درست به کار می‌گیرند و فعالیتهای خود را در مسیری رشد ‌می‌دهند که داده‌ها به آنها نشان می دهند. طبق گزارش مؤسسۀ گارتنر تا سال 2022 در حدود 90 درصد راهبردهای شرکت‌ها به صورت مستقیم اطلاعات را دارایی حیاتی سازمان و تجزیه و تحلیل را یک قابلیت ضروری خواهند دانست. اطلاعات در کسب‌وکار حکم قدرت را دارد و داده حکم سوختی را دارد که قدرت را ایجاد می کند. طبق تخمین‌ها تا سال 2020 حجم داده‌ها در دنیا به 44 تریلیون گیگا بایت می‌رسد. داده در حکم نفت یا ارز جدید است و سازمان‌‎های جدید با مجهز شدن به آن شیوۀ عملیات در کسب‌و‌کارهای سنتی را متحول می‌سازند. البته اینگونه نیست که تمام سازمان‌ها از تبدیل داده به ارزش به یک اندازه بهره‌مند شوند، اما توانایی آنها در انجام چنین کاری بر قدرت رقابت آنها اثرگذار است. توانایی در کنترل قدرت داده‌ها از طریق علم داده بسیار ارزشمند است. به گفته بروس دیلی، تحلیلگر در شرکت اطلاعاتی بازار تراکتیکا [1]و نویسنده «جاییکه اطلاعات حکم قدرت را دارد، داده ثروت است. داده به خودی خود اهمیت ندارد بلکه کاری که با داده انجام می‌دهیم از اهمیت برخوردار است.». سازمان‌های پیشگام در تفکر متفاوت درباره داده‌ها، مانند گوگل، فیس‌بوک، اوبر و ... سازمان‌هایی هستند که اقتصاد را تغییر می‌دهند. با این حال، اغلب کسب‌و‌کارها از این نوع طرز تفکر که داده ممکن است تنها دلیل حضورشان باشد، بسیار عقب هستند. امروزه شرکت‌ها بر سر توانایی‌شان در یافتن فرصت‌های جدید و کشف قابلیت‌های جدید با یکدیگر رقابت می‌کنند. اتخاذ رویکردی تحلیلی برمبنای اعداد، واقعیت‌ها و آمار می‌تواند راه حلی معقول در اختیار قرار دهد راه حلی که در ابتدا وجود نداشته است.علم داده روش‌ها، فرآیندها، الگوریتم‌ها و سیستم‌های تحلیلی را به کار می‌گیرد تا اطلاعات را از داده‌ها جمع‌آوری کند و آنها را به بینشی ارزشمند تبدیل نماید. به کارگیری این بینش‌ها برای تصمیم‌گیری‌های مهم یک اقدام راهبردی اساسی برای هر کسب و کاری است. امروزه، این حوزه در بسیاری از صنابع نفوذ کرده و برای آنها حکم سوخت را پیدا کرده است. این حوزه به گرایش جدیدی در سرتاسر جهان تبدیل شده است و صنایع مختلفی از قبیل بهداشت ‌و درمان، بانک‌داری، تجارت الکترونیکی، تولید و ... را در بردارد. علم داده، کاربرد‌های زیادی را در ظرفیت خود گنجانده است. غول های کلان‌داده و داده‌های دیجیتال مثل آمازون، گوگل و فیس بوک از قابلیت‌های علم داده برای بینش‌های کسب و کار و تصمیمات سازمانی استفاده می‌کنند. به دلیل بینش‌هایی که علم داده ارائه می‌دهد کسب و کارهای بیشتری قدرت علم داده را به کار می‌گیرند تا تصمیماتی مبتنی بر شواهد بگیرند، آموزش به کارمندان را توسعه دهند و مشتریان خود را درک کنند. از این رو شناخت حوزه علم داده و کاربردهای آن برای کسب‌وکارهای نوپا و مدیران آنها یک ضرورت انکار‌ناپذیر است. همچنین مدیران باید بتوانند روشهای مختلف بکار گیری علم داده در کسب و کار و چگونگی ارزش آفرینی از این حوزه را فرابگیرند تا در کسب وکار و فرایندهای سازمانی خود بتوانند ایجاد ارزش نمایند. در این مقاله قصد داریم تا ابتدا اهمیت به کارگیری علم داده را بیان کرده و کاربردهای مختلف علم داده را در کسب وکار معرفی نماییم. سپس نحوه ارزش‌آفرینی و به کار گیری علم داده را در کسب وکار تشریح می‌کنیم.اهمیت کاربردی علم دادهپرسش اساسی آن است که یک کسب‌وکار در چه مسائل و معضلاتی می‌تواند از علم داده استفاده کند و چگونه برای سازمان ایجاد ارزش می‌کند؟ به عبارت دیگر، برای بهبود وضعیت در کدام قسمت از سازمان‌ها می‌توان علم داده را به کار گرفت؟ علم داده از طرق مختلفی به کسب‌وکارها کمک می کند تا روش‌های بهتری را در امور خود به کار گیرند و ایجاد ارزش نمایند :1- تصمیم‌گیری بهتر با هوشمندی کسب وکارهوشمندی کسب‌و‌کار یا هوش تجاری سنتی از طبیعتی تشریحی‌تر و ایستاتر برخوردار بود. با این حال، با افزودن علم داده این مقوله خود را به حوزه ای پویاتر تبدیل کرده است. علم داده باعث شد هوش تجاری محدوده وسیعی از عملیات کسب وکار را به کار گیرد. با افزایش چشمگیر حجم داده‌ها، کسب‌و‌کارها به دانشمندان داده نیاز پیدا می‌کنند تا داده‌ها را تحلیل کرده و بینش‌های معناداری از داده‌ها استخراج کنند. بینش‌های معنادار به مدیران کمک می‌کنند تا اطلاعات در حجم وسیع را تحلیل کرده و به راهبردهای لازم برای تصمیم‌گیری دست یابند. فرایند تصمیم‌گیری شامل سنجش و ارزیابی عوامل مختلفی می باشند که در تصمیم گیری دخیل هستند. تصمیم‌گیری یک فرایند 4 مرحله‌ای است:1- درک بافت و ماهیت مسئله‌ای که درپی حل آن هستیم2- کاوش ‌و کمی‌سازی کیفیت داده‌ها3- پیاده‌سازی الگوریتمها و ابزارهای صحیح برای یافتن راه حل مسئله4- به کارگیری داستان‌‌گویی برای ترجمه بینش‌های خود به منظور درک بهتر راه حلبه این ترتیب کسب‌وکارها به علم داده نیاز دارند تا فرایند تصمیم‌گیری را تسهیل سازند.2- تولید محصولات بهترشرکت‌ها و کسب و کارها باید بتوانند مشتریان را به محصولات خود جذب کنند. آنها باید محصولاتی تولید کنند که با نیازمندی‌های مشتری متناسب باشد و برای آنها رضایتی تضمین شده به همراه آورد. بنابراین، صنایع مختلف نیازمند داده هستند تا محصولات خود را به بهترین نحو ممکن توسعه دهند. چنین فرآیندی شامل تحلیل نظرات مشتریان برای یافتن مناسب‌ترین آنها برای محصول مدنظر است. علاوه بر این، هر کسب وکاری در یک صنعت، گرایشهای جاری در بازار را به کار می‌گیرد تا محصولی را بطور انبوه طراحی کند. روش های علم داده قادر به کند و کاو تاریخچه، مقایسه رقابت، تحلیل بازار هستند و می‌توانند توصیههای درخصوص اینکه چه زمانی و کجا بهترین موقعیت برای فروش محصول شما است، تولید کنند. این قابلیت‌ها به شرکت کمک می کند تا درک کند محصولات آن چگونه به دیگران کمک می‌کنند و در صورت لزوم فرآیندهای کسب و کاری موجود را زیر سؤال ببرد. تحلیل و تعمق مداوم با استفاده از علم داده درک عمیقی از عکس العمل بازار به محصولات و خدمات شرکت ایجاد می‌کند. کسب وکارها با نوآوری رشد می‌کنند و با رشد داده‌ها و استفاده صحیح از آنها، صنایع قادر به پیاده‌سازی نه تنها محصولات جدیدتر بلکه راهبردهای نوآورانۀ متنوع هستند.3- مدیریت کارآمد کسب‌وکارهاامروزه کسب و کارها غنی از داده هستند. آنها حجم وسیعی از داده ها را دارند که امکان کسب بینش از طریق تحلیل داده‌ها را برایشان ممکن می سازد. زیرساخت‌های علم داده الگوهای پنهانی را که در داده‌ها وجود دارند آشکار می سازند و به تحلیل معنادار و پیش بینی‌رویدادها کمک می‌کنند. با کمک علم داده کسب‌وکارها می توانند مدیریت کارآمدتر داشته باشند. هم کسب و کارهای مقیاس کلان و هم استارت‌آپ‌های کوچک می‌توانند از مزایای علم داده برای رشد بیشتر بهره‌مند شوند.دانشمندان داده به تحلیل سلامت کسب‌وکارها کمک می‌کنند. با علم داده، شرکت‌ها می‌توانند نرخ موفقیت راهبردهای خود را پیش‌بینی کنند. دانشمندان داده مسئولیت تبدیل داده خام به »داده پخته» را بر عهده دارند. این امر به تبیین عملکردهای شرکت و سلامت محصولات تولید شده کمک می‌کند. در واقع، علم داده معیارهای کلیدی را که برای تعیین عملکرد کسب و کار ضروری هستند، شناسایی می‌کند. بر همین مبنا، کسب‌و کارها اقدامات مهم را برای کمی‌سازی و ارزیابی عملکرد خود اتخاذ کرده و گام‌های مدیریتی مناسب را بر می‌دارند. قابلیت‌های علم داده همچنین به مدیران کمک می‌کند تا گزینه‌های بالقوه برای کسب‌وکار را تحلیل و تعیین نمایند.به کارگیری علم داده به کسب و کارها کمک می کند تا از طریق پیگیری عملکرد، نرخ موفقیت، و سایر معبارهای حائز اهمیت به پرورش و توسعه رهبری بپردازند. صنایع به کمک تجزیه و تحلیل نیروی کار می‌توانند ارزیابی کنند که چه کاری برای کارمندان بهترین است. به عنوان مثال- علم داده را می توان برای نظارت بر عملکرد کارمندان به کار کرفت. با استفاده از این ویژگی مدیران قادرند سهم کارمندان در انجام کارها را تحلیل کنند و زمان ارتقای شغلی آنها را تعیین کرده، مزایای آنها را مدیریت نمایند.4- تحلیل پیش‌بینی‌ کننده[2]به لحاظ تحلیل پیش‌بینی‌کننده عبارت است از تجزیه و تحلیل آماری داده که شامل الگوریتم‌های مختلف یادگیری ماشین برای پیش‌بینی متغیرهایی در آینده با استفاده از داده‌های تاریخچه‌ای می‌باشد. چندین ابزار تجزیه‌ وتحلیل پیش‌بینی‌کننده وجود دارد مثل SAS، IBM SPSS، SAP HANA و غیره. تحلیل پیش‌بینی‌کننده مهمترین بخش کسب‌وکارهاست. تحلیل پیش‌بینی کننده در موارد مختلفی از کسب و کارها کاربرد دارند؛ مثل دسته‌بندی مشتریان، ارزیابی ریسک، پیش‌بینی فروش و تحلیل بازار. از طریق تحلیل پیش بینی کننده، کسب‌وکارها نسبت به دیگر کسب‌ و کارها سبقت می‌گیرند، زیرا آنها قادرند رویدادهای آینده را پیش‌بینی کنند و اقدامات مناسبی در این باره اتخاذ نمایند. تحلیل پیش‌بینی کننده پیاده‌سازی خاص خود را دارد که برمبنای نوع صنعت متفاوت است. با این حال، صرف نظر از این موضوع، این نوع تحلیل نقش مشترکی در پیش‌بینی رویدادهای آینده دارد.5- تزریق داده‌ها در تصمیم‌هادر بخش قبلی دریافتیم که علم داده چگونه نقشی مهم در پیش‌بینی آینده ایفا می‌کند. این پیش‌بینی‌ها برای اینکه کسب‌وکارها مطالبی درخصوص پیامدهای آینده یاد بگیرند ضروری به شمار می روند. بر این اساس کسب‌وکارها تصمیماتی اتخاذ می‌کنند که از داده‌ها نشأت می‌گیرند. در گذشته بسیاری از کسب‌وکارها به دلیل نبود نظرسنجی‌ها یا اتکای مطلق بر «احساسات درونی» تصمیمات بی‌اساسی می‌گرفتند. این نوع تصمیم‌گیری به تصمیمات فاجعه باری منجر می‌شد که میلیون‌ها دلار ضرر در پی داشت. اما در حال حاضر با حضور حجم وسیعی از داده‌ها و ابزارهای لازم برای تحلیل داده‌‌ها اکنون صنایع داده‌ای می توانند تصمیمات اصلاح شده مبتنی بر داده اتخاذ نمایند. علاوه بر این، تصمیمات کسب‌وکاری را می‌توان به کمک ابزارهای قدرتمندی که نه تنها می توانند داده را پردازش کنند بلکه می توانند نتایج دقیقی ارائه دهند، اتخاذ کرد. روشها و ابزارهایی این چنین به سیستم‌های پشتیبان تصمیم[3] (DSS) معروف هستند. با استفاده از سیستم‌های تصمیم‌یار مدیران می توانند بیاموزند که کدام راه حل را برای بهترین نتیجه ممکن اتخاذ کنند. در نتیجه اقدامات منطقی و به‌روشها را برای بهبود عملکرد برای در کسب وکار به کار می‌گیرند. بعلاوه، با ثبت معیارهای عملکرد و تجزیه و تحلیل آنها در طول زمان، شرکت شما در تصمیم‌گیری بر اساس روندهای تکرار شونده هوشمندتر و کارآمدتر می شود.6- ارزیابی تصمیم‌هاپس از اینکه به کمک پیش‌بینی رویدادهای آینده تصمیم‌گیری انجام شد، شرکت‌ها باید به ارزیابی تصمیمات بپردازند. این امر از طریق چندین ابزار تست فرضیه امکان‌پذیر است. پس از پیاده‌سازی تصمیمات، کسب‌و‌کارها باید بدانند که این تصمیمات چگونه بر عملکرد و رشد آنها اثر می‌گذارند. اگر یک تصمیم به یک عامل منفی منجر شود، شرکت‌ها باید آن را تحلیل کنند و مسئله‌ای را که عملکرد آنها را دچار اخلال کرده است حذف نمایند. روال‌های متنوعی وجود دارند که از طریق آنها کسب‌وکارها می‌توانند تصمیمات خود را ارزیابی کنند و اقدام راهبردی مناسب را برنامه‌ریزی نمایند. این تصمیم‌ها پیرامون نیازمندی‌های مشتریان، اهداف شرکت و همچنین نیازهای مجریان پروژه هستند. علاوه بر این، برای سنجش رشد آینده از طریق دوره اقدامات فعلی، کسب‌وکارها می‌توانند با کمک علم داده به مزایای چشم‌گیری دست یابند.7- خودکارسازی فرآیندهاعلم داده نقشی اساسی در ورود خودکارسازی به چندین صنعت داشته است. این علم کارهای پیش پا افتاده و تکراری را حذف کرده است. یکی از این کارها در امور منابع انسانی عبارت از کنترل رزومه‌ها در فرایندهای استخدامی است. هر روز مسئولین استخدام در شرکت‌ها ناچار به بررسی تعداد فراوانی رزومه هستند. برخی از کسب‌وکارهای مهم هزاران رزومه را برای یک موقعیت شغلی دریافت می‌کنند. همچنین، به دلیل شبکه‌های اجتماعی، پایگاه داده‌های شرکتی و سایت‌های شغلی، شرکت‌ها می توانند از طریق این نقاط داده کار کنند و از روش های تحلیلی برای یافتن مناسب‌ترین نامزدها برای سازمان استفاده کنند. برای اینکه همه این رزومه‌ها به روشی معقول به کار آیند و نامزد مناسبی انتخاب شود می‌‎توان از ابزارها و روشهای علم داده استفاده کرد. فناوری‌های علم داده مثل شناسایی تصویر قادر هستند که اطلاعات بصری رزومه‌ها را به فرمت دیجیتالی تبدیل کنند. روش های پردازش زبان طبیعی می‌توانند اطلاعات متنی رزومه‌ها را به داده‌های ساخت‌یافته تبدیل نمایند. سپس داده‌ها با استفاده از الگوریتم‌های تحلیلی متنوعی مثل خوشه‌بندی و دسته‌بندی پردازش می‌شوند تا نامزدهای مناسب برای آن موقعیت شغلی استخراج گردند. علاوه بر این، مسئولان ارزیاب گرایش های مناسب را بررسی می کنند و کاندیدهای بالقوه را برای شغل مدنظر تحلیل می‌نمایند. با کار هوشمندانه‌تر و نه لزوماً سخت‌تر از طریق روش‌های علم داده می توان اطمینان حاصل کرد که مناسب‌ترین فرد در هر موقعیت شغلی قرار خواهد گرفت.[1]Tractica[2] Predictive analytics[3] Decision support Systemsبرای مطالعه کامل این مقاله به سایت مرکز مطالعات و تحقیقات فناپ مراجعه کنیدInstagramLinkedin مرکز مطالعات و تحقیقات فناپ مرکز مطالعات و تحقیقات فناپ Mon, 28 Mar 2022 12:46:52 +0430 https://virgool.io/@fanap.research/%D9%85%D8%AD%D8%AF%D9%88%D8%AF%D9%8A%D8%AA%C2%AD-%D9%87%D8%A7%DB%8C-%D8%A7%D8%AC%D8%AA%D9%85%D8%A7%D8%B9%DB%8C-%DA%A9%D8%B1%D9%88%D9%86%D8%A7-%D9%81%D8%B1%D8%B5%D8%AA-%DB%8C%D8%A7-%D8%AA%D9%87%D8%AF%DB%8C%D8%AF-ktsoupnvavo0 شیوع کرونا ابعاد مختلف زندگی ما را تحت تأثیر قرار داده است. رعایت فاصله‌­گذاری اجتماعی و الزام استفاده از ماسک، بر خلاف آثار ناخوشایندی که در زندگی اجتماعی و اقتصادی انسان در سراسر جهان بر جای گذاشت، برای توسعه برخی از تکنولوژی‌­ها به مثابه یک کاتالیزور عمل کرد. سیستم‌های زیست‌سنجی (Biometric) نمونه­‌های بارز این تکنولوژی‌­ها، هستند. محدودیت عدم تماس با سطوح مشترک برای کنترل شیوع بیماری کرونا، به پیدایش روند جدیدی از سیستم‌­های زیست‌سنجی مبتنی بر استفاده از تصویر چهره، اثر انگشت، و کف دست منجر شده که حاکی از انعطاف تکنولوژی در مقابل محدودیت­‌ها است.سیستم‌های زیست­‌سنجی را می‌توان به زبان ساده سیستم­‌های هوشمندی توصیف کرد که می‌­توانند کار تشخیص و شناسایی افراد را بر حسب اندازه‌­گیری یک یا چند ویژگی زیستی آن‌­ها (ویژگی­‌های منحصر به فرد طبیعی انسان‌ها مانند صدا، چهره، عنبیه چشم، اثر انگشت، تصویر کف دست و غیره) به صورت خودکار انجام دهند. امروزه، با توسعه فناوری و نیل به سوی زندگی هوشمند، جایگاه این سیستم­‌ها در زندگی انسان از اهمیت روزافزون برخوردار است.یکی از متداول­‌ترین انواع سیستم‌­های زیست‌سنجی، سامانه‌­های تشخیص چهره هوشمند هستند که از دهه­‌های پیش مورد توجه علاقمندان فناوری بودند و به‌­عنوان یکی از راهکارهای مؤثر نظارتی، مدیریتی، و کنترل وضعیت مورد توجه هستند. اما شیوع کرونا و محدودیت­‌های بهداشتی آن، برای این سیستم­‌ها مانند یک شمشیر دولبه عمل کرد. در ابتدا، الزام پوشش ماسک، سیستم‌­های نظارت تصویری و بینایی ماشین را با یک بحران جدی روبه‌­رو کرد. اما با توجه به این که شناسایی چهره ساده­‌ترین روش شناسایی و احراز هویت بدون نیاز به تماس است، تلاش گسترده‌­ای میان محققان حوزه فناوری اطلاعات در جهت رفع این محدودیت صورت گرفت.در این میان، تحقیقات انجام شده در حوزه‌ی هوش مصنوعی و یادگیری ماشین به ارائه الگوریتم‌­های توانمند برای شناسایی و تشخیص صورت با حضور ماسک، منجر شد که باعث رشد چشم­گیر استفاده از ابزار بینایی ماشین برای اهداف نظارتی، امنیت، کنترل و مدیریت منابع انسانی شد. به عنوان نمونه، تعداد دوربین­‌های نظارتی کشور چین از 200 میلیون در سال 2018 به 500 میلیون در سال 2021 رسیده است. البته این افزایش کاربرد تنها محدود به کاربردهای نظارتی و امنیتی نیست و امروزه شاهد کاربرد بینایی ماشین در طیف وسیعی از حوزه‌­های کاربردی متنوع از جمله مدیریت جلسات، حضور و غیاب کارمندان، سیستم‌­های آموزشی غیر حضوری، کنترل وضعیت بیمار از راه دور و بسیاری از نمونه‌­های جذاب دیگر هستیم.رویکرد دیگری که محبوبیت فزاینده خود را مرهون محدودیت‌­های اجتماعی کرونا است، احراز هویت غیر حضوری است که به طور گسترده­ای در جنبه‌­های مهم زندگی افراد مانند فعالیت‌­های بانکی و مالی در جریان است. فناپ به عنوان سکوی خلق آینده، از این قافله عقب نمانده و نسبت به ارائه سرویس­‌های کاربردی جذاب در این حوزه ذیل تیم هوش مصنوعی خود با نام آیفا اقدام کرده است. سرویس احراز هویت هوشمند، نویسه‌­خوان نوری کارت ملی، پلاک­خوان و تشخیص چهره هوشمند نمونه­‌هایی از این خدمات نوآورانه هستند.جهت کسب اطلاعات بیشتر می‌توانید به وبسایت مرکز مطالعات و تحقیقات فناپ و همین‌طور صفحه مربوط به گروه هوش مصنوعی آیفا مراجعه کنید. تماس با مالینکدین گروه هوش مصنوعی آیفاایمیل مرکز مطالعات و تحقیقات فناپ مرکز مطالعات و تحقیقات فناپ مرکز مطالعات و تحقیقات فناپ Tue, 28 Dec 2021 13:23:25 +0330 https://virgool.io/@fanap.research/%D8%A8%D8%B1%D8%B1%D8%B3%DB%8C-%D8%B3%D8%B7%D9%88%D8%AD-%D9%81%D9%86%D8%A7%D9%88%D8%B1%DB%8C-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-eyvjsziff0xg با توجه به سرعت پیشرفت تکنولوژی هوش مصنوعی دور از انتظار نیست که هوش مصنوعی در آینده بخش جدایی ناپذیری از زندگی انسان‌ها باشد. از این‌رو، انتظار می‌رود تفکرات و تصمیمات صاحبان کسب و کارهای دیجیتال با رشد سریع این تکنولوژی هم‌خوانی داشته باشد. با توجه به این موضوع، این مقاله با بررسی سطوح این تکنولوژی، سعی دارد آینده‌ی این تکنولوژی را به علاقمندان ارائه دهد.در ابتدای این مقاله، باید اشاره شود که هوش مصنوعی یک اصطلاح گسترده است که زیرمجموعه‌ها و انواع مختلفی از فناوری‌ها را شامل می‌شود. به عنوان مثال، راهبردهای هوش مصنوعی در حوزه‌های یادگیری ماشین، کلان داده، یا پردازش زبان طبیعی (NLP) به گونه‌های متفاوتی تعریف می‌شود. با این وجود، یک راهبرد برای دسته‌بندی کلی تکنولوژی هوش مصنوعی این است که سطح هوش پیاده‌سازی شده در یک ماشین (که معمولاً ربات نامیده می‌شود) را مورد ارزیابی قرار دهیم:1.ماشین های واکنشی (Reactive machines):ماشین‌های واکنشی ساده‌ترین سطح ربات‌ها هستند. این ربات‌ها دارای حافظه نیستند و در نتیجه نمی‌توانند از اطلاعات پیشین برای تصمیمات آینده استفاده کنند. به عبارتی آن‌ها فقط قادر هستند به موقعیت هایی‌که در حال حاضر وجود دارند واکنش نشان دهند. دیپ بلو (Deep Blue)، محصولی از شرکت آی بی اِم (IBM) که برای بازی شطرنج طراحی شده، نمونه‌ای از این نوع ربات‌هاست. این ربات در حین بازی نه یاد می‌گیرد و نه از لحاظ سطح دانش ارتقا پیدا می‌کند. بنابراین می‌توان گفت که این ربات تنها «ماشین واکنشی» است.ربات دیپ بلوات 2. حافظه محدود (Limited memory):در صورتیکه یک ماشین با حافظه‌ی محدود بتواند اطلاعاتی از مشاهدات ثبت کند، با کمک فناوری هوش مصنوعی می‌تواند نسبت به داده‌های گذشته دانش ایجاد کند. به عنوان نمونه، اتومبیل‌های هوشمند با ذخیره‌سازی داده‌های از پیش وارد شده (که عبارتند از نقشه‌ها و نشانه‌گذاری‌های خیابان‌ها) می‌توانند اطلاعات تکمیلی (از قبیل سرعت و جهت خودروهای مجاور یا حرکات عابران پیاده) را از محیط پیرامون استخراج کنند. این قابلیت در کنار فناوری‌های دیگر یادگیری ماشین به وسایل نقلیه‌ی خودران این امکان را می‌دهد تا نحوه رانندگی را ازطریق ثبت تجربه یاد بگیرند.3. نظریه ذهن (Theory of mind):مطالعات روان‌شناسی نشان می‌دهند که افکار، احساسات، خاطرات، و سایر الگوهای ذهنی انسان‌ها رفتار آن‌ها را تحت تاثیر قرار می‌دهد. در این حوزه، به توانایی نمود دادن چنین الگوهای ذهنی، نظریi ذهن گفته می‌شود. با الگوبرداری از این ویژگی ذهنی انسان‌ها، پژوهشگران حوزه‌ی هوش مصنوعی امیدوارند در آینده سامانه‌هایی را توسعه دهند که قادر به تقلید از مدل‌های ذهنی انسان باشند. در صورت توسعه‌ی این تکنولوژی‌، ماشین‌های هوشمند، مشابه انسان، از افکار و احساسات شخصی برخوردار خواهند بود. نمونه‌ای معروف (و در عین حال ابتدایی) از این فناوری، ربات سوفیا (Sophia) است (رباتی شناخته شده در سطح جهان که هانسون رباتیک آن را توسعه داده است). سوفیا به طور ذاتی قادر به درک احساسات انسان نیست، اما قادر به برقراری مکالمات ابتدایی، تشخیص چهره، و پاسخگویی به تعاملات با انسان‌ها است. با وجودی که این ربات از لحاظ ظاهری بسیار شبیه انسان طراحی شده است، اما گفته می‌شود که این ربات تنها یک سامانه‌ی گفتگوی مبتنی بر تکنولوژی رایج هوش‌مصنوعی است که دارای صورت متحرک است. به عنایت به این مورد و بررسی کارهای دیگر انجام شده به این نتیجه می‌رسیم که این حوزه هنوز نتوانسته هدف پیاده‌سازی نظریه‌ی ذهن را محقق کند.4. خودآگاهی (Self-awareness):با توجه به موارد پیشین، هدف نهایی هوش مصنوعی را می‌توان توسعه‌ی ماشین‌های خودآگاه دانست. لازم به ذکر است که در حال حاضر ماشین های خودآگاه نتیجه تخیل علمی هستند (و در واقع ممکن است هرگز به وجود نیایند). اما مطابق تعریف، یک ماشین خودآگاه از هوشیاری در سطح انسان برخوردار خواهد بود و به واسطه‌ی آن می‌تواند حضور خود را در جهان درک کند. این ماشین که حکم یک موجود هوشیار را دارد نه تنها قادر هست که وضعیت داخلی خود را درک کند، بلکه قادر خواهد بود که احساسات اطرافیان خود را پیش‌بینی کند. به عنوان مثالی از این ويژگی، وقتی کسی فریاد بزند معمولاً فرض ما (به عنوان یک انسان) بر این است که آن شخص عصبانی است، زیرا زمانی ما فریاد می زنیم که عصبانی هستیم.با توجه به مطالب ارائه شده، یکی از اهداف تعریف چنین سطح بندی‌ای برای فناوری‌های هوش مصنوعی این است که هدف‌گذاری برای کارهای آینده این حوزه مشخص شود و انگیزه‌ای برای نوآوری و توسعه در این حوزه ایجاد شود. این نوآوری‌ها ممکن است جامعه را زیر و رو کنند، نحوۀ زندگی ما را روز به روز بهتر کنند، و یا حتی زندگی برخی افراد را نجات دهند.بر اساس آنچه گفته شد، شایان ذکر است که مجموعه‌ی فناپ به ­عنوان 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 سرویس‌های متنوعی در حوزه هوش مصنوعی پرداخته 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. جهت کسب اطلاعات بیشتر می‌توانید به وبسایت مرکز مطالعات و تحقیقات فناپ و همین‌طور صفحه مربوط به گروه هوش مصنوعی آیفا مراجعه کنید.تماس با مالینکدین گروه هوش مصنوعی آیفاایمیل مرکز مطالعات و تحقیقات فناپ مرکز مطالعات و تحقیقات فناپ مرکز مطالعات و تحقیقات فناپ Wed, 10 Nov 2021 16:03:43 +0330 https://virgool.io/@fanap.research/aifa-hdvmszfd8y5s در این روزها بیشتر تعاملات در بستر دیجیتال، بر پایه‌ی اشتراک‌گذاری اسناد الکترونیکی انجام می‌شود. این موضوع باعث شده روزانه حجم زیادی از مستندات در حوزه‌های مختلف در دسترس انسان‌ها قرار گیرد. علاوه بر این که مستندات به صورت مداوم در حال تولید و اضافه شدن هستند، معمولا مستندات جدید از اهمیت بالاتری برخوردارند. در نتیجه، یک فرد برای یافتن اطلاعات مورد نیاز در یک حوزه‌ی خاص، با انبوهی از اطلاعات مختلف در فضای مجازی مواجه می‌شود. از همین جهت یکی از نیازهای مهمی که کاربران آن را در تعامل با سامانه‌های دیجیتال دنبال می‌کنند این است که با کم‌ترین تلاش و جستجو بتوانند سند مورد نظر خود را در انبوه اسناد پیدا کنند. بر همین مبنا، امروزه شرکت‌ها و سازمان‌های بزرگ برای توسعه و بهبود عملکرد درون سازمانی و ارائه خدمات مناسب به مشتریان از موتورهای جستجوی محلی بهره می‌برند. در واقع، داشتن یک سامانه‌ی جستجوی شخصی‌سازی شده می‌تواند سرعت و کارایی عملیات سازمان‌ها را در یافتن سند مورد نظر به طور چشمگیری افزایش دهد.عملکرد اصلی سرویس‌های جستجوی سنتی بدین صورت است که با دریافت کلمات ورودی، آن‌ها را با بانک اسناد مقایسه می‌کنند و مواردی را که از لحاظ آماری بیشترین انطباق را با مورد جستجو دارند، به عنوان بهترین نتایج ارائه می‌دهند. 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 توسعه‌دهندگان سرویس‌های هوش مصنوعی سعی می‌کنند این مساله را با بکار بردن هوش مصنوعی حل کنند. معمولا این راهبرد متن‌کاوی نام‌گذاری می‌شود. به طور کلی، فرایند متن‌کاوی شامل مراحل: جمع‌آوری اسناد، پیش پردازش، ساخت مدل، تجزیه و تحلیل الگو، و استخراج دانش از متن می‌شود. در اجرای این فرآیندها باید به موارد زیادی دقت کرد که مهم‌ترین آنها درک ارتباط کلامی بین کلمه‌های جمله، سابقه فعالیت کاربر، جستجوهای قبلی، موقعیت مکانی، زمان و انواع دیگر فراداده هستند. هرچقدر این فرآیندها با دقت بالاتری صورت پذیرند، موتورهای جستجوی هوشمند نیاز کاربر را از عبارت جستجو شده بهتر درک می‌کنند؛ و در نتیجه می‌توانند نتیجه‌ی بهتر و کاربردی‌تری را ارائه دهند.در این زمینه مجموعه‌ی فناپ به ­عنوان 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 مورد نظر را به راحتی در یک پایگاه اسناد جستجو و نتیجه‌ی مورد نیاز 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.جهت کسب اطلاعات بیشتر می‌توانید به وبسایت مرکز مطالعات و تحقیقات فناپ و همین‌طور صفحه مربوط به گروه هوش مصنوعی آیفا مراجعه کنید. تماس با مالینکدین گروه هوش مصنوعی آیفاایمیل مرکز مطالعات و تحقیقات فناپ مرکز مطالعات و تحقیقات فناپ مرکز مطالعات و تحقیقات فناپ Mon, 01 Nov 2021 08:32:17 +0330 https://virgool.io/@fanap.research/%D9%85%D9%82%D8%A7%D9%84%D9%87-%DB%8C-%D8%B3%D9%81%DB%8C%D8%AF-%DA%86%DB%8C%D8%B3%D8%AA-pbcrxyd0n3yb مقاله‌ی سفید گزارشی غیر رسمی است که به بررسی و تحلیل یک مسئله می‌پردازد. با نگاهی اجمالی به مقالات سفید منتشر شده در زمینه های مختلف تجاری، اقتصادی، علمی و مهندسی و اهدافی که هر یک دنبال می‌کنند ارائه تعریفی مشخص و ثابت از مقالات سفید چالش برانگیز است. در واقع مقاله سفید گزارشی است که سعی دارد به بهترین شکل ممکن و فارغ از پیروی کردن از یک ساختار واحد، مشخصات یک مسئله را به مخاطب معرفی کند.در این راستا، مهارت نویسنده در تبین شفاف مسئله و ارائه کاربردهای عملیاتی مورد نظر از اهمیت بالایی در تاثیرگذاری یک مقاله سفید برخوردار است. بدین منظور، نویسنده باید با موشکافی همه جانبه یک مطلب‌، ابعاد مختلف آن را تشریح ساخته و از نمودارها، جدول‌ها و اشکال برای انتقال هر چه بهتر اطلاعات و مقایسه اعداد و ارقام استفاده کند. بطور کلی، هدف از انتشار مقالات سفید می­تواند ترویج فروش کالا و محصولات، معرفی تحقیقات نوین و اثرگذاری بر تصمیم‌گیری­‌های تجاری، اقتصادی و سیاسی افراد و نهادها در حوزه­‌های مرتبط باشد.بطور دقیق­تر، در گذشته انتشار مقالات سفید به آژانس های دولتی موسسات مالی و مشاوره‌ای و مقامات سیاسی محدود می‌شد اما امروزه زمینه تاثیرگذاری و انتشار این گزارش‌ها به نسبت رایج‌تر از پیش است و هر شخص و نهادی می‌تواند برای حمایت از تحقیقات، تجارت و یا نظریات خود چنین مقالاتی را منتشر کند. با این وجود، کارکرد عمده مقاله‌های سفید در قالب ابزار تجاری در بهبود کسب و کار و در راستای ترغیب مخاطبین برای استفاده از یک محصول/خدمت خاص و یا خرید و فروش کالا و اوراق بهادار است. مقالات سفید همچنین در قالب پلی میان شرکت ها و به منظور ترویج و تحکیم امور تجاری و سرمایه گذاری هم مورد استفاده قرار می‌گیرد.اگرچه در نحوه‌­ی نگارش مقالات سفید، آزادی عمل وجود دارد، اما می­‌توان به دو قالب مشخص دور نما (backgrounder) و حل مسئله (problem-solution) اشاره کرد. بدین ترتیب که در قالب دور نما، پیرامون مزایای یک محصول، خدمت، تکنولوژی، متدلوژی و امثالهم به تفصیل کنکاش صورت می­گیرد. در حالی که در قالب حل مسئله، گزارش به گونه­‌ای تدوین می­‌شود که مخاطب را از مشکلی فراگیر در زمینه تجارت اگاه ساخته و ضمن توضیح جوانب آن، راهکار‌های پیشنهادی موثر را ارائه کند. بعلاوه، حجم تعداد صفحات مقاله سفید به موضوع و کاربرد مورد نظر بستگی دارد؛ برای مثال در زمینه تجارت و سرمایه‌گذاری حداقل صفحات حدود پنج یا شش صفحه بوده و در آن بخش‌هایی از یک مقاله استاندارد نظیر چکیده و مقدمه نیز گنجانده می­‌شود.در این میان و از تاثیرگذار ترین مقالات سفید منتشر شده، می‌­توان به مقاله‌ی سفید بیت کوین اشاره کرد. مقاله‌ای که از سوی شخص و یا گروهی با نام مستعار "ساتوشی ناکاموتو" در بیش از ده سال پیش منتشر شد و مبادلات مالی در سراسر دنیار را تحت تاثیر قرار داد. این مقاله 9 صفحه و حدود سه هزار و پانصد کلمه دارد. این تعداد کلمه، میانگین کلمات مقالات سفید در زمینه تجارت است. نویسنده این مقاله نه مطلبی را از قلم انداخته و نه زیاده‌گویی کرده است. به عبارتی دیگر متن مقاله نه آنچنان کوتاه است که بررسی عمیق مسئله تحت تاثیر قرار گرفته باشد و نه آن‌قدر طولانی که حتی کلمه‌ای اضافه به نظر برسد."به سوی آینده‌­ای در طلب حمل نقل شهری هوایی " عنوان مقاله برجسته دیگری است که توسط شرکت اوبر (Uber) منتشر و به اقدامات موسسات دخیل در حمل و نقل هوایی مانند ناسا و ام ای تی اشاره داشته است. در واقع این مقاله، ادبیات جدیدی را در زمینه سیستم حمل نقل هوایی ارائه داده و در خصوص آینده‌ای که در آن، این سیستم وارد زندگی روزمره انسان‌ها شده و ایجاد فرصت­‌های جدید و بی­‌همتای آن، ایده‌­پردازی می­‌کند. این مقاله تمامی جنبه‌های عملیاتی شدن ایده، موانع موجود، تجربه جابه‌جایی ومسائل امنیتی و اجرایی را در اختیار مخاطب قرار می دهد و خواننده را از نحوه­‌ی تحقق چنین سیستمی آگاه سازد.ازجمله دیگر موارد ارزشمند، مقاله سفید شرکت دیجیتال بیمه بلک (Digital Black Insurance Co.) در زمینه صنعت بیمه و مسائل مالی است که با ارائه‌ی گزارشی به چالش­‌های موجود در یک قرارداد مالی و ارائه راهکارهای کاربردی جهت فائق آمدن بر آن می­‌پردازد. در حقیقت به واسطه­‌ی این مقاله سفید و به عنوان ابزاری تجاری، شرکت بیمه بلک خود را از پیشگامان در موضوع مورد بحث معرفی کرده است.علاوه بر نمونه­‌های یاد شده، در حال حاظر کتاب "مقالات سفید برای احمق‌ها" نوشته گوردون گراهام از مشهور ترین کتاب‌های منتشر شده در زمینه مقالات سفید است که به خواننده در نوشتن مرحله به مرحله مقالات سفید کمک می‌کند. مرکز مطالعات و تحقیقات فناپ مرکز مطالعات و تحقیقات فناپ Mon, 20 Sep 2021 21:16:22 +0430 https://virgool.io/@fanap.research/%D9%87%D9%85%D8%B2%D8%A7%D8%AF-%D8%AF%DB%8C%D8%AC%DB%8C%D8%AA%D8%A7%D9%84-%D9%82%D8%AF%D8%B1%D8%AA-%D9%81%D8%B1%D8%AF%D8%A7-%D8%AF%D8%B1-%D8%AF%D8%B3%D8%AA%D8%A7%D9%86-%D8%A7%D9%85%D8%B1%D9%88%D8%B2-%D9%85%D8%A7-vjto7xnytlrr آیا این فوق‌العاده نخواهد بود که پیش از ساخت یک محصول یا سامانه و یا ایجاد تغییرات در سامانه‌های موجود، به کارگیری منابع گزاف برای پیاده‌سازی و مواجهه با ریسک شکست، امکان شبیه‌سازی، پیش‌بینی و تحلیل سناریوهای مختلف برای محصولات، تجهیزات و فرایندهایی که قصد تغییر آن‌ها را دارید فراهم باشد؟ آیا داشتن محیطی برای رصد بلادرنگ رفتار سامانه‌ها و اشکالیابی از راه دور برای مهندسان و متخصصان فنی هیجان انگیز نیست؟ همزاد دیجیتال راهکاری امیدبخش برای تحقق این خواسته‌ها است.همزاد دیجیتال چیست؟همزاد دیجیتال نسخه‌ای مجازی از یک محصول، فرایند و یا حتی یک خدمت است. مفهوم همزاد دیجیتال به مدت چند دهه است که به اشکال مختلف در دنیای فناوری از فضانوردی گرفته تا کاوش معادن وجود دارد. اما نخستین بار در سال 2002 بود که این اصطلاح در معنای فعلی آن، توسط مایکل گریوز در دانشگاه میشیگان استفاده شد. با انفجار اینترنت و رشد سریع فناوری‌های اینترنت اشیا، هوش مصنوعی و یادگیری ماشینی، استفاده از همزاد دیجیتال بویژه در سال‌های اخیر در حوزه‌های مختلف ظهوری قابل توجه داشته است، تا جایی که مؤسسه گارتنر در سالهای 2017 و 2018 از همزادهای دیجیتال به عنوان یکی از 10 روند مهم در فناوری‌های‌ راهبردی نام برد و اعلام کرد که در آینده‌ای نزدیک، برای میلیاردها مفهوم و پدیده در دنیا همزاد دیجیتال وجود خواهد داشت. همچنین طبق گزارش مؤسسه گارتنر، تا سال 2020 قریب به 50 درصد از سازمان‌ها برای بهینه‌سازی فرایندهای کسب وکار، کاهش هزینه‌های سربار و افزایش کارآمدی از فناوری همزاد دیجیتال استفاده خواهند کرد.به طور کلی همزاد دیجیتال را می‌توان نمایشی دیجیتال از یک موجودیت یا سیستم فیزیکی دانست که با هدف بدست آوردن آگاهی و شناخت از نحوه کار موجودیت فیزیکی، اشکال‌یابی و آزمون، تحلیل شرایط و پیش‌بینی آینده ساخته می‌شود. امروزه، برای ساخت همزاد دیجیتال از واقعیت مجازی یا افزوده و نیز طراحی گرافیکی و مدلسازی سه بعدی استفاده می شود تا مدلی مجازی از یک فرایند، سیستم، خدمت یا محصول تولید شود. یک همزاد دیجیتال نسخه‌ای دقیق از معادل خود در دنیای واقعی است و می تواند وضعیت همزاد فیزیکی خود را از طریق به‌روزرسانی های بلادرنگ بطور پیوسته نشان دهد. خواستگاه اصلی همزادها در صنایع تولیدی است، زیرا با استفاده از همزاد دیجیتال، محصولات جدید مدل‌سازی شده و تحت آزمون قرار می‌گیرند و نظارت دقیق بر ماشین‌الات مورد استفاده در تولید انجام می‌شود. به عبارت دیگر، همزاد دیجیتال به مهندسان و متخصصان این امکان را می‌دهد تا دارایی‌ها، فرایندها و سیستم‌های فیزیکی را مورد نظارت قرار داده، وارسی و ارزیابی کنند. با چنین قابلیت‌هایی دید دقیقی از اتفاقاتی که اکنون رخ می دهد و رویدادهایی که در آینده ممکن است بوقوع بپیوندد ارائه می‌شود. به‌کارگیری همزاد دیجیتال باعث می‌شود که خطوط تولید روان‌تر کار کنند، کیفیت محصول نهایی افزایش یافته و زمان توقف ماشین‌آلات به حداقل برسد.از نظارت تا تصمیم با همزاد دیجیتاللازمه تولید یک همزاد دیجیتال استفاده از حسگرهایی است که قادر به شناسایی و انتقال اطلاعات مختلفی بطور بلادرنگ، درباره عملکرد و رفتار موجودیت در دنیای واقعی باشند. این اطلاعات جامع با استفاده از الگوریتم‌های هوش مصنوعی، یادگیری ماشینی و ابزارهای تحلیل داده‌ها برای ساخت یک کپی دیجیتال از موجودیت فیزیکی به کار گرفته می‌­شوند و می‌توانند به تیم‌های فنی در جهت شناخت و تحلیل بهتر عملکرد موجودیت فیزیکی یاری رسانند. رشد فناوری‌های اینترنت اشیا به توسعه این حسگرها کمک شایانی کرده است. از آنجا که اینترتت اشیا، تحلیل داده‌ها و سیستم‌های سایبر فیزیکی نقش مهمی در ایجاد تحول دیجیتال در صنعت و بروز انقلاب صنعتی چهارم (صنعت 4.0) دارند می‌توان گفت که کاربردهای همزاد دیجیتال در صنعت 4.0 بسیار چشمگیر خواهد بود. اساساً همزاد دیجیتال چرخه‌ای بسیار ارزشمند را ایجاد می‌کند که از مشاهده دنیای فیزیکی با استفاده از جریان داده‌ها شروع می­‌شود و توصیفی از دنیای واقعی را ارائه می دهد. این توصیف که در قالب مدل­‌های مجازی ارائه می­‌شود امکان پیش­بینی آینده را مهیا می­‌کند و با استفاده از دانش بدست آمده از ابزارهای تحلیلی می­‌تواند منجر به تصمیم گیری بهتر برای طراحان، مهندسان یا مدیران مسئول شود. این تصمیم‌گیری بهتر اقداماتی را در جهت ایجاد تغییر در سیستم یا موجودیت فیزیکی تجویز می‌­کند که به نوبه خود باعث بهبود عملکرد سیستم در دنیای واقعی خواهد شد.چرخه نظارت تا تصمیم با استفاده از همزاد دیجیتالهمزاد دیجیتال سازمانیدر حالی که همزاد دیجیتال تبدیل به جریان اصلی در روندهای فناورانه می­‌شود، تقریباً واضح است که هر چیزی می تواند یک همزاد دیجیتال داشته باشد. اگرچه این مفهوم بیشتر در حوزه تجهیزات و سخت‌افزار استفاده شده است اما لزوماً به همین حیطه‌ها محدود نمی‌شود. هر چیزی از یک ساختمان گرفته تا یک جفت کفش می‌تواند همزاد دیجیتال خود را داشته باشد. در واقع همزاد دیجیتال می‌تواند برای مدل‌سازی فرایندهای کسب وکار، تحولات سازمانی و حتی کل زیست بوم یک شهر هوشمند استفاده شوند. امروزه، مفهوم همزاد دیجیتال یک سازمان (DTO) مورد توجه قرار گرفته است.ایده همزاد دیجیتال سازمانی (DTO) که توسط گارتنر مطرح شد این است که از نمایش دیجیتال یک سازمان برای پشتیبانی از اجرای تغییرات یا انجام ابتکارات جدید در یک سازمان استفاده شود. DTO مدلی مجازی از یک کسب وکار را ایجاد می‌کند که مدیران می‌توانند آن را بر حسب نیاز خود تحلیل کرده و مورد آزمایش قرار دهند. هنگامی که DTO بطور کامل پیاده شود کاملا منطبق بر عملیات انجام شده در سازمان خواهد بود. شایان ذکر است که مدل‌های DTO می‌توانند بطور پیوسته به‌روزرسانی شوند و اطلاعات بلادرنگی را در باره نحوه عملکرد سازمان، منابع مورد استفاده، پاسخ به تغییرات و برآورده کردن نیازهای مشتریان ارائه دهند. کاملا واضح است که دسترسی به چنین مدلی از کسب وکار مزیت رقابتی بسیار بزرگی برای مدیران به ارمغان می‌آورد.همزاد دیجیتال در سازمان می تواند برای پشتیبانی از تصمیم گیری به کار رود و به مدیران کمک کند تا به موقع و با قضاوتی صحیح در فرایندها دخالت کنند و اشکالات را رفع کنند. همچنین DTO باعث ایجاد سطح بالایی از اطمینان در برنامه ریزی می‌شود چون به ایجاد درک صحیحی از موقعیت‌های پیچیده و نامطمئن کمک می­‌کند.همزادهای دیجیتالی که به خوبی بر اساس اولویت‌های کسب و کار طراحی شده باشند، این پتانسیل را دارند که به طرز چشمگیری توانایی تصمیم‌گیری در سازمان را بهبود داده و به مدیران کمک کنند تا بر اجرای اهداف استراتژی سازمان و بهبود عملکردهای داخلی تمرکز کند. بنابر این رهبران معماری سازمانی و نوآوری در فناوری باید همزاد دیجیتال را به عنوان عاملی مهم در استراتژی کسب و کار خود قرار دهند. مرکز مطالعات و تحقیقات فناپ مرکز مطالعات و تحقیقات فناپ Sun, 19 Sep 2021 15:51:32 +0430 https://virgool.io/@fanap.research/%D9%BE%D8%B3%D8%A7-%DA%A9%D8%B1%D9%88%D9%86%D8%A7-%D9%88-%D8%B1%D9%88%D9%86%D8%AF%D9%87%D8%A7%DB%8C-%D8%AC%D8%AF%DB%8C%D8%AF-%D9%86%D8%B8%D8%A7%D8%B1%D8%AA-%D9%88-%D8%A7%D8%AD%D8%B1%D8%A7%D8%B2-%D9%87%D9%88%DB%8C%D8%AA-%D8%AF%DB%8C%D8%AC%DB%8C%D8%AA%D8%A7%D9%84-zywygaqrhrz1 با پیشرفت تکنولوژی و توسعه مفاهیم زندگی هوشمند، نظارت و احراز هویت از راه دور به ­عنوان یکی از موضوعات جذاب حوزه هوش مصنوعی در دهه اخیر مطرح شده است. شیوع کرونا و الزام به رعایت موازین بهداشتی و فاصله ­گذاری اجتماعی، موجب تسریع این روند شد و توجه طیف وسیعی از صنایع و کسب­‌وکارهای مختلف را به احراز هویت و هم­چنین نظارت مبتنی بر ویژگی­‌های بایومتریک جلب نمود. پیش­بینی­‌ها، حاکی از رشد بازار جهانی این حوزه از سهم بازار حدود 15 میلیارد دلار در سال 2018 به حدود 43 میلیارد دلار در سال 2025 است.احراز هویت دیجیتال به مفهوم شناسایی، تأیید هویت افراد و هم­چنین بررسی انطباق و انسجام مدارک ارائه شده به صورت الکترونیکی و به منظور جلوگیری از جعل، تقلب و سوء استفاده­‌های احتمالی است. نوع احراز و فاکتورهای مورد بررسی به سطح حساسیت و امنیت مورد نظر بستگی دارد اما فاکتورهای احراز هویت معمولا به سه دسته کلی قابل تقسیم هستند: فاکتورهای اطلاعاتی، مالکیت و ذاتی. فاکتورهای اطلاعاتی از جنس نام کاربری، رمز عبور و اطلاعات محرمانه شخصی است. فاکتورهای مالکیت شامل اقلامی است که در تصرف شخص قرار دارد نظیر کارت ملی، کارت بانکی و یک­بار رمز همراه (OTP). اما ویژگی­‌های ذاتی شامل مشخصه­‌های منحصر به‌فرد رفتاری و بایومتریک فرد است. این 3 دسته از فاکتورها در نسخه دوم از دستورالعمل خدمات پرداخت اتحادیه اروپا (بند 30 از ماده 4) با عنوان «احراز هویت قوی (SCA)» و با رویکرد احراز هویت دو یا چند عامله مطرح شده‌اند.احراز هویت بدون تماس، بر استفاده از ابزارهای جدید هوش مصنوعی برای تشخیص و شناسایی افراد بر اساس ویژگی­‌های منحصر به‌فرد بایومتریک آن­‌ها نظیر صدا، آناتومی چهره، رنگ عنبیه و اثر انگشت استوار است و قابلیت اجرا به‌صورت زنده و برخط را دارد. نیل به این مهم مستلزم استفاده از الگوریتم‌­های دقیق هوش مصنوعی بینایی ماشین، تشخیص الگو، تشخیص صدا و تبدیل صوت به متن است. با توجه به پیچیدگی پاسخ­دهی بی‌درنگ (Real Time) الگوریتم­‌های بینایی ماشین و تشخیص صوت، معمولاً برای ارائه یک سرویس پایدار (Robust) و معتبر از تلفیق این ویژگی­‌ها و احراز هویت به صورت توزیع شده در مراحل مختلف استفاده می‌­کنند.یک مسأله مهم در احراز هویت بر اساس اطلاعات بایومتریک، به خصوص در زمینه بینایی ماشین تشخیص لایو بودن است. منظور از لایو بودن، توانایی ماشین در تمییز اطلاعات بایومتریک واقعی از داده­‌های جعلی است؛ به‌عنوان مثال، ممکن است برای استفاده از هویت جعلی، به جای نمایش چهره فرد به صورت زنده از عکس‌­ها و فیلم­‌های موجود در فضای مجازی استفاده شود. این نوع از تقلب که در سیستم‌­های احراز هویت مجازی رایج است را spoof می‌­نامند. واضح است که میزان توانایی سیستم در تشخیص انواع این تقلب­‌ها، قابلیت اعتماد و دقت سیستم را افزایش داده و موجب کاهش احتمال بروز سوء استفاده‌­های احتمالی می‌­شود. دو رویکرد اصلی مدیریت این مسأله عبارت هستند از: الگوریتم‌­های تشخیص لایو بودن و استفاده ترکیبی از اطلاعات بایومتریک. برای تشخیص لایو بودن، می­‌توان از روش­‌های فعال (Active)، منفعل (Passive) و ترکیبی استفاده نمود. در رویکرد فعال، یک چالش (مانند لبخند یا پلک زدن) برای کاربر تعریف می­‌شود و پاسخ دریافتی، لایو بودن را بررسی می‌­کند. رویکرد منفعل، بر استفاده از الگوریتم­‌های خودکار شناسایی Spoof در داخل سیستم متکی است و نیازی به تعامل با کاربر ندارد. در بررسی لایو بودن اطلاعات بایومتریک آناتومی چهره و صدا، معمولاً از مقایسه الگوی معیار (حرکت سر، حرکت چشم و تناوب صدا: Motion & Audio CAPTCHA) با الگوی استاندارد استفاده می­‌کنند.از مهم­‌ترین کاربردهای متنوع سیستم­‌های احراز هویت بدون تماس و نظارت تصویری هوشمند می‌­توان به نظارت خودکار بانک، بیمارستان­‌ها، هتل­‌ها، آزمایشگاه‌­ها، مراکز آموزشی، ادارات و اماکن تجاری، حضور و غیاب هوشمند، بررسی هویت در سیستم‌­های ارائه خدمات دولت الکترونیکی و به تبع آن طیف وسیعی از نرم­‌افزارها و وبسایت­‌های خدماتی اشاره نمود. بنابراین موفقیت در احراز هویت و نظارت هوشمند از راه دور را می‌­توان به‌عنوان یکی از زیرساخت‌­های اساسی تحقق مفاهیمی چون زندگی هوشمند، حکمرانی هوشمند و شهر هوشمند در نظر گرفت و واضح است پیش­رانی در این حوزه، می­تواند مزیت رقابتی در تحقق کارآمد این مفاهیم را به ارمغان آورد. سطح دقت و اعتبار احراز هویت الکترونیکی، بر اساس نوع استفاده (تکی و ترکیبی) از این فاکتورها و با توجه به نوع حوزه کاربردی مورد نظر تعیین می­‌گردد. بر اساس پيش­بينی گروه تحقيقاتي Juniper، با توجه به رشد سالانه 83.7 درصدي استفاده از روش­‌هاي احراز هويت بر اساس داده بايومتريک از سال 2016، اين روش‌­ها تا انتهای سال 2021 براي بالغ بر 18 ميليارد تراكنش آنلاين مورد استفاده قرار خواهند گرفت و تنها ارزش تراكنش‌های صورت گرفته بر اساس احراز هويت مبتنی بر داده بايومتريک تلفن همراه بالغ بر 210 ميليارد دلار خواهد بود. با توجه به گزارش Statista، بازار استفاده از احراز هويت ديجيتال بر اساس آناتومی چهره به 7 ميليارد دلار در سال 2024 و بازار استفاده از احراز هويت ديجيتال بر اساس صدا به 27.16 ميليارد دلار در سال 2025 خواهد رسيد. بنابراين پيش­بينی شده است، اين رویکردهای احراز هويت دیجیتال نقش مؤثری در زندگي آينده بشر ايفا خواهند نمود. همين مسأله مؤيد اهميت دقت بالا در استفاده از اين تكنولوژی‌ها به‌­عنوان عنصر تأثير گذار زندگی هوشمند خواهد بود. زيرا واضح و مبرهن است، اين فناوری‌ها موضوع جذابی برای جرائم رايانه‌­ای خواهند بود؛ به گزارش Comparitech، بازه حمله­‌های سایبری به شبکه­‌ها و کامپیوترها به 39 ثانیه رسیده است که اهمیت برخورداری از دقت و امنیت بالا در توسعه فناوری­‌های جدید را نشان می­‌دهد.مجموعه فناپ به ­عنوان یکی از برترین اعضای سازمان نظام صنفی رایانه‌ای کشور و برخوردار از گواهینامه رتبه اول سازمان برنامه و بودجه کشور، بر اساس مسئولیت خود در زمینه حمایت و توسعه طرح‌­های نوآورانه انفورماتیک در کشور، اقدام به توسعه سامانه‌­های کاربردی و به­‌روز در زمینه هوش مصنوعی تحت برند آیفا (AIFA) نموده است. سامانه‌­های احراز هویت هوشمند ترکیبی، سیستم هوشمند تشخیص چهره و سامانه حضور و غیاب هوشمند از مهم‌­ترین سامانه­‌های آیفا در حوزه نظارت و احراز هویت هوشمند است. بررسی اصالت ترکیبی (استفاده از کد OCR کارت ملی، تطبیق عکس آنلاین، راستی آزمایی ویدئوی سلفی و امکان شناسایی برخط صوت) و هم­چنین احراز هویت برخط حین حرکت به ترتیب از مهم‌­ترین ویژگی­‌های سیستم احراز هویت هوشمند و تشخیص چهره آیفا است که قابلیت فراهم نمودن زیرساخت مناسب نظارتی/ احراز هویتی در تمامی خدمات هوشمند را دارا است. در طراحی این ابزار، از به‌­روزترین الگوریتم‌­های یادگیری ماشین و هوش مصنوعی استفاده شده است و ساختار طراحی به گونه‌­ای است که از انعطاف لازم برای اضافه شدن به سایر سیستم‌­های نظارتی، مدیریتی، خدماتی و CRM برخوردار است.Websites:• Fanap research• AifaLinkedinEmail: Fanapsoft.research@fanap.ir مرکز مطالعات و تحقیقات فناپ مرکز مطالعات و تحقیقات فناپ Mon, 16 Aug 2021 18:10:30 +0430 https://virgool.io/@fanap.research/%DA%A9%D8%A7%D8%B1%DA%AF%D8%A7%D9%87-%D8%A8%DB%8C%D9%86-%D8%A7%D9%84%D9%85%D9%84%D9%84%DB%8C-ansiisa-95-erpmes-ubuqm15rn0nu این کارگاه در راستای رسالت علمی شرکت فناپ و با هدف آموزش تخصصی دانش روز حوزه تحلیل، طراحی و پیاده سازی سیستمهای تولید یکپارچه در برنامه ریزی منابع سازمان، همکاری با انجمن جهانی اتوماسیون (International Society of Automation) با نام اختصاری ISA و دانشکده مهندسی صنایع دانشگاه صنعتی شریف شکل گرفت. هدف از این همکاری، ارائه کارگاه‌های تخصصی آموزش استانداردهای جهانی در حوزه سیستم‌های برنامه‌ریزی منابع سازمان، تولید و اتوماسیون صنعتی، با نظارت ISA France در ایران است.مهارت هایی که می آموزیدطراحی و پیاده سازی موفق پروژه‌ها در حوزه سیستمهای اجرا و کنترل تولید و برنامه ریزی منابع سازمانتعیین نیازمندی‌های سیستم‌های یکپارچه Enterprise / Controlشناسایی موارد مهم در یکپارچگی سیستم‌های لجستیک و کنترل تولیدشناسایی فرایندهای کسب و کار که نیاز به دریافت اطلاعات از سیستم‌های تولید دارندشناسایی فرایندهای کنترل تولید که نیاز به دریافت اطلاعات از سیستم‌های کسب‌و‌کار دارنددرک و توضیح محرک‌های کسب‌و‌کار تاثیرگذار در یکپارچگی سیستم‌هاشناسایی دقیق اطلاعات مرتبط با یکپارچگی سیستم‌های Enterprise / Controlاجرای مدل‌های شیءگرای استاندارد ANSI/ISA-95فرایندهایی که پوشش داده می شودمدیریت اطلاعات محصولمدیریت منابع تولیدزمانبندی تجهیزات تولیدکنترل عملیات تولیدبرنامه ریزی تولیدکنترل موجودی محصولبهای تمام شده محصولنگهداری و تعمیرات تجهیزاتجهت کسب اطلاعات بیشتر کلیک کنید. کاتالوگ اصلی کارگاه بین‌المللیکاتالوگ تکمیلی کارگاه بین‌المللی مرکز مطالعات و تحقیقات فناپ مرکز مطالعات و تحقیقات فناپ Mon, 12 Jul 2021 16:52:52 +0430 https://virgool.io/@fanap.research/%D8%A2%DB%8C%D8%A7-%DA%A9%D9%85%D8%A7%D9%84-%D9%85%D8%B7%D9%84%D9%88%D8%A8-%D8%A8%D8%A7-%D9%BE%DB%8C%D8%AF%D8%A7%DB%8C%D8%B4-%D9%87%D9%85%D8%B2%D8%A7%D8%AF-%D8%AF%DB%8C%D8%AC%DB%8C%D8%AA%D8%A7%D9%84%DB%8C-%D8%A7%D9%85%DA%A9%D8%A7%D9%86-%D9%BE%D8%B0%DB%8C%D8%B1-%D8%A7%D8%B3%D8%AA-wtwzhv0rraj7 آیا با همزاد دیجیتال آشنایی دارید؟ حمیدرضا آموزگار، معاون توسعه فناوری شرکت فناپ در گزارشی که در شماره 91 نشریه پیوست منتشر شد از امکان تحقق کمال مطلوب با استفاده از همزاد دیجیتال می‌گوید:انسان‌ها در برهه‌های مختلف حیات خود همواره با مفهومی به نام بهتر شــدن و بهبود در شیوه زندگی مواجه بوده‌انــد و بر اســاس فطرت ذاتــی به صورت ناخودآگاه به آنها القا می‌شــود که در مسیری که طی می‌کنند باید نواقص خــود را برطرف کنند.نمونه خیلی عامیانه از چنیــن دیدگاهی، کاربرد آینه در زندگی روزمره عده زیادی از افراد است که با توجه به عاداتشــان، به میــزان محدود یا خیلی زیاد از آن اســتفاده می‌کنند. در واقع، آینه بــه مثابه ابزاری که می‌تواند یک مشــابه از خود جســمانی افراد نمایش دهد حس خوبی به آن‌ها منتقل می‌کند چراکه اشــخاص را قادر می‌سازد با اصالح ظاهر خود آماده ورود به زیســت‌بومی شوند که دست‌کم به لحاظ ظاهری در آن معتبر به شمار می‌آیند و می‌توانند با دیگران بهتر تعامل کنند. البته میزان توجه به این خود جســمانی هم متفاوت اســت و درجات مختلفی دارد. بعضی‌ها اصلا به ایــن موضوع توجه ویــژه‌ای نمی‌کنند و برخی دیگر بیش از حد درگیر آن شده‌اند. خوب و بد مشــخصی هم در مورد این که کدام یک از این رفتارها موجه‌تر است وجود ندارد؛ یکی ترجیحش داشتن ریش اســت و دیگری فرم خاصی را برای موهای خود می‌پســندد. حال با هر معیاری، این تلقــی وجود دارد که تصویر آینــه، خودی از فرد اســت و با به وجود آمدن دوربین‌های دیجیتالی، افــراد می‌توانند چیســتی ظاهر را همیشــه به همراه داشته باشــند و به صورت لحظه‌ای از خود جسمانیشــان مراقبت کنند. در این راســتا، هم آینه بــه فرد اطلاعات می‌دهــد و هم به صورت ناخودآگاه بالعکس آن رخ می‌دهد و بر اساس این برهم‌کنش تلاش می‌شــود که حداقل در ظاهر جسم به بلوغ برسد.نقش پیشینه در تحقق آرزوهابه هر صورت آینه هم برای خود سابقه‌ای تاریخی دارد؛ یعنی در زمان مشــخصی انسان دریافته که بدون توجه به ذات انعکاسی که در آب و امثالهم اســت می‌تواند وســیله‌ای تولید کند که با یک کیفیت خاصی خودش را در آن بنگرد؛ چیزی که در حال حاضر به جزء لاینفــک زندگی ما تبدیل شده است. به منظور تحقق چنین اهدافی، انسان‌ها یک گام رو به جلوی دیگر نیز برداشــتند که آن اختراع روبات‌ها بود. در واقع، بر اســاس دیدگاه مشترکی که تقریباً در تمام تمدن‌ها معتبر است، کلیت انسان در سه بعد جسمی، عقلی و روحی (یا قلبی) خلاصه می‌شــود. در مورد جسم، توجه به خودشناســی و تمرکز بر بهبود آن به طور موثری در دستور کار انسان قرار گرفته که مثال ساده‌ای از آن آینه و نمونه‌ای پیشــرفته از حرکت در این مسیر، روبات‌ها هستند. به عبارت بهتر، انسان‌ها در ادامه رونــد بهبود بعد جســمانی خود، روی کارهای تکراری‌ای که ممکن است زمان زیادی را صرف آن کنند تمرکــز کردند؛ به عنوان مثال فردی که در خط تولید ایستاده و به کرات با پتکی روی قطعه آهنی میکوبد در حال انجام عملیاتی تکراری است که بیشــتر وقت کاری او را اشغال می‌کند. به این منظور، انسان روبات‌ها و بازوهای صنعتــی را اختراع کــرد تا بتوانــد در عملکرد جســمانی خود رو به جلو گام بردارد. روبات‌هایی که دیگر مشــاهده آن‌ها در زندگی روزمره پدیده عجیبی نیســت و همگان حتی انتظار وجود انواع پیشــرفته‌تری از آن‌ها را در صنایع و زیست بشر دارند. با وجود ایــن، پیروی و کپی‌برداری صرف از بعد جسمانی انسان‌ها نمی‌تواند پیشرفت مورد انتظار بشــر در حوزه علم روباتیــک را رقم بزند چراکه جســم فقط مبین بخشی از توانمندی‌های یک انســان بوده و باید در گام بعــدی، فکری به حال الگوبرداری از عقلانیت او کرد؛ این که چگونه می‌تــوان آینه‌گونه‌ای ســاخت که قادر باشــد مشابهی برای نحوه تفکر کردن انسان ارائه دهد و به نوعی نماینده خود تفکری انسان باشد. بشر سال‌هاست که از بعد جسمانی عبور کرده و در گام دوم درصدد شبیهســازی عقل انســان است. مطابق با منطقی که برای جسم به کار گرفته شد، حال یک آینه نیاز اســت تا شخص بتواند با مشاهده تفکرات و رفتار خویش در آن، اصلاحات مورد نیاز را اعمال و در مسیر تکامل خودشناسی حرکت کند. آینه‌ای که خوب و بد را نشــان دهد و منعکس کننده تبعات یک تفکر خاص باشد که در صورت نیاز بتوان نســبت به رفع نقایص آن اقدام کرد.روبات و آزادی از محدودیت جسمانیعلاوه بر اســتفاده از دانــش روباتیک، در جهت افزایش توانمندی‌های آدمی، باید تدبیری برای رهایی از بند محدودیت جســمانی هم اندیشیده شــود. محدودیتی که انسان‌ها را از انجام برخی از فعالیت‌های مرتبط با تحقق ایده‌آل‌ها باز می‌دارد. راهکار مطلوب، در این میان، ساخت چند مشابه از انسان است که برآیند آن‌ها قادر به برآورده کردن اهداف دور از ذهن بشریت باشــد. این افزایش کمیت به لحاظ فیزیکی مشــخص و معین است، اما از منظر تفکر به شدت محتاج یک شبیه‌سازی منطبق بر افکار هر انسان اســت. در رابطه با این مفهوم نقل قولی وجود دارد که بــا ذکر مثالی در ادامه می‌آید:« هر شیء که دارای اجزای مختلفی اســت، وقتی همه اجزایش در کنار هم قرار گیرند ساخت آن تمام می‌شــود. به فرض مثال در یک کارخانه خودروسازی وقتی همه قطعات اتومبیل مونتاژ شده باشند، این محصول تمام می‌شود و در اختیار مشــتری قرار می‌گیرد. بنابراین به لحاظ بعد وجودی، همه کارخانه‌های خودروسازی که اتومبیل تولید می‌کنند یکسان‌اند. اما تفاوت‌ها از مفهومی تحت عنوان کمال نشــأت می‌گیرد. در واقع، کمال نوعی از یک تغییر کیفی است که یک ماهیت را از یک درجه به درجه بالاتر می‌رساند. من باب نمونه، جنینی که در رحم مادر است پس از تولد، یک انســان اســت و از نظر فیزیکی تمام شده اســت ولی در تمام طول دوران زیستش در حال تکامل، فراگیری و عملا طی مســیری است که کمال نامیده می‌شــود. به طورکلی زمانی که مسیر حرکت در راستای افق باشد با مفهوم تمام شدن روبه‌رو هستیم و در صورت حرکت به شکل عمودی، مفهوم کمال تداعی می‌شود.»محدودیت‌های بشریمانع بزرگ بر سر راه به کمال رسیدن انسان، بدون تردید بعد جسمانی است. موضوعی که نمی‌تواند بی‌ارتباط به نتیجه به دست آمده از آزمایش‌هایی باشد که روی مغز آلبرت اینشتین صورت گرفت؛ این که یکی از نوابغ برجســته عالــم فقط از بخش محدودی از توانایی مغزی خود (حدود 25 درصد) استفاده کرده است. از آن‌جا که کارکرد مغز به ذات محدود نیست، جسم اســت که در این بین مانع تراشــی می‌کند. حال اگر فرض کنیم یک انسان حداکثر می‌توانــد از 25 درصد از ظرفیت عقلانی خود استفاده کند، برای سرعت بخشیدن به روند صعودی در مســیر پیش رو شایسته است که به رویکرد تکامل روباتیکی رجوع شود؛ یعنی ساخت نمونه یا دوقلویی از انسان که بتواند کارایی او را دو برابر کند. دوقلویی که سبب می‌شود دو موجودیت عقلانی برای یک انســان شکل گیرد و در مواردی که مثلا به علت مشغله کاری، عملا ظرفیت خود انسان تکمیل شده است، می‌تواند یکسری از امور را به دوقلوی خود بسپارد و فرایند تصمیم‌گیری را تسهیل سازد. از یــک دیــدگاه جامع‌تر، آنچه بایــد در یک زیســت‌بوم ایجاد شــود بســتری بــرای خلق پدیده‌هایی جدید در مسیر تکامل خودکار است. مفهومی که در طبیعت ســاری و جاری اســت و به عنوان نمونه، از طریق مکانیســم‌های مختلف به تکثیر و رشــد گیاهان کمک می‌کند. به همین منوال، انتظار مــی‌رود یک زیســت‌بوم پس از گذشت مدتی از زیســت نرمال ساکنان خود به آن‌ها پیشــنهادهایی بدهد که به تدریج به سمت کمال مطلوبشــان سوق داده شــوند. یک مثال ساده می‌تواند مرتبط با درک سلیقه غذایی افراد باشد، به طوری که دیگر نیاز نباشد وقتی را صرف فکر کردن بــه انتخاب وعده غذایی ناهار در طول هفته کنند و این مورد به صورت خودکار به وسیله زیست‌بوم مدیریت شود. با وجود مزایای چشــمگیر شبیه‌سازی رفتار و یادگیری سلایق زیســتن انسان‌ها و ساکنان یک زیســت‌بوم، در این میان نگرانی وجود دارد و آن هم خطر انحراف موجودیت دوقلوی مورد بحث است. مســاله‌ای که راه مقابله با آن همانا درگیر کردن بعد ســوم و تهیه همزادی برای روح یا به تعبیری قلب خواهد بود. این که همزاد قادر باشــد احساساتی مانند گونه اصلی خود بروز دهد هدفی اســت که با تحقق آن دیگر تهدید انحراف نیز از بین خواهد رفت. اگر بخواهیم موارد ذکرشــده را در قالب دنیای تکنولــوژی گرد آوریــم، باید به مفهــوم همزاد دیجیتالی اشــاره کنیم. مفهومی کــه اگر در یک زیســت‌بوم مبتنی بر فناوری اجرا شود، از یک سو با کاهش اصطکاک روزمره در طول حیات ساکنان خود تسهیلگر زندگی آن‌ها خواهد بود و از سوی دیگر با سپردن کارهای فکری تکرارشونده به همزادها ســبب می‌شود ساکنان زمان بیشــتری را صرف رسیدن به اهداف و ایده‌آل‌هایشان کنند.حمیدرضا آموزگار_ معاون توسعه فناوری فناپ مرکز مطالعات و تحقیقات فناپ مرکز مطالعات و تحقیقات فناپ Wed, 07 Jul 2021 15:04:24 +0430 https://virgool.io/@fanap.research/%D8%AF%D9%88%D8%B1%D9%87-%D8%AC%D8%A7%D9%85%D8%B9-%D8%AA%DA%A9%D9%86%D9%88%D9%84%D9%88%DA%98%DB%8C-%D8%AF%D8%A7%D8%AF%D9%87-stkjpaqa3ilt دانشگاه خاتم و مرکز مطالعات و تحقیقات فناپ اولین دوره جامع تکنولوژی داده را در تاریخ 7 تیر ماه برگزار می‌کنند. با درنظر گرفتن ترکیبی از اساتید دانشگاهی و متخصصان مرتبط با پروژه های عملیاتی شرکت فناپ، این دوره بر اساس دانش روز دنیا در حوزه های مرتبط با علوم داده و منطبق با نیاز واقعی کسب و کارها طراحی شده است. در پایان دوره به کلیه پذیرفته شدگان، گواهی معتبر از سوی دانشگاه خاتم و مرکز تحقیقات فناپ اهدا خواهد شد.سرفصل‌های این دوره عبارتند از:علم دادهبرنامه‌نویسی درعلم داده با پایتون و Rیادگیری ماشین و یادگیری عمیقحکمرانی دادهمدیریت پایگاه دادهمتن‌کاوی و وب‌کاویکلان‌دادههوش تجاری مباحث ویژه در علم داده?? اطلاعات دورهتاریخ شروع دوره: ۷ تیر ماه ۱۴۰۰مهلت ثبت نام زود هنگام: ۲۵ خرداد ماهمدت زمان دوره: ۱۸۶ ساعتروزهای برگزاری: دوشنبه (ساعت ۱۴ الی ۲۰) – پنجشنبه (ساعت ۸ الی ۱۴) شایان ذکر است که برای ثبت‌نام زود هنگام، سازمانی-گروهی، دانشجویی و کارکنان فناپ تخفیف‌های مشخصی در نظر گرفته شده است.برای ثبت نام و کسب اطلاعات بیشتر کلیک کنید.? در صورت نیاز به اطلاعات بیشتر با شماره ۰۹۳۷۹۱۱۴۴۲۹ تماس حاصل فرمائيد يا از طريق واتسآپ پيام دهيد.دوره جامع تکنولوژی داده مرکز مطالعات و تحقیقات فناپ مرکز مطالعات و تحقیقات فناپ Sat, 12 Jun 2021 22:30:38 +0430 https://virgool.io/@fanap.research/%D8%A8%D8%A7-%D9%85%D8%B1%DA%A9%D8%B2-%D9%85%D8%B7%D8%A7%D9%84%D8%B9%D8%A7%D8%AA-%D9%88-%D8%AA%D8%AD%D9%82%DB%8C%D9%82%D8%A7%D8%AA-%D9%81%D9%86%D8%A7%D9%BE-%D8%A2%D8%B4%D9%86%D8%A7-%D8%B4%D9%88%DB%8C%D8%AF-k7sln58hjkyr مرکز مطالعات و تحقیقات فناپ با هدف ترویج فرهنگ پژوهش و توسعه ابعاد علمی سازمان در دوم خرداد ماه سال 1398 شروع به فعالیت کرد. ارائه چندین مقاله پژوهشی در حوزه فناوری اطلاعات به معتبرترین مجلات علمی از مهمترین دستاورد های این مرکز می باشد. تاسیس نشریه علمی مرکز مطالعات و تحقیقات فناپ و چاپ دو شماره از آن از دیگر اقدامات می باشد.تجاری‌‌سازی سرویس‌های هوش مصنوعی، برند سازی علمی و نشر دانش در سازمان از رویکردهای این مرکز طی دو سال فعالیت آن بوده است.در حال حاضر و در جشن تولد دو سالگی، مرکز مطالعات و تحقیقات فناپ قصد دارد با توسعه ابعاد فعالیت های خود نظیر برگزاری وبینارها و دوره‌های آموزشی، انتشار نشریه علمی مرکز به صورت فصلنامه و همین‌طور رشد و توسعه سرویس‌های هوش مصنوعی، در راستای ترویج فرهنگ پژوهش و علم در سطح جامعه گام بردارد.دوم خرداد، فناپ ریسرچ دو ساله شد! مرکز مطالعات و تحقیقات فناپ مرکز مطالعات و تحقیقات فناپ Sat, 29 May 2021 14:18:32 +0430