• هوشمندسازی مدارس

هوشمندسازی مدارس

۲۲ مرداد ۱۳۹۸|۰ Comments

هوشمندسازی مدارس را می‌توان نوعی طرح ریزی نیازهای یک مرکز آموزشی تعریف کرد که باعث افزایش طرح‌های مثبت و نبوغ افزایی در دانش آموزان می‌شود. در سراسر دنیا، هوشمندسازی مدارس به نحو [...]

  • تیک کلاینت هیستو

تین کلاینت هیستو

۸ مرداد ۱۳۹۸|۰ Comments

تین کلاینت هیستو یکی از محصولاتی ارائه شده توسط مجموعه شرکت های مهندسی دانش بنیان رها می باشد، که امروز قصد داریم شما را با این محصول آشنا کنیم. درباره شرکت هیستو تین کلاینت [...]

  • steamlink and aster

استفاده از استیم لینک و استر برای بازی در تلویزیون در پس زمینه

۱ مرداد ۱۳۹۸|۰ Comments

استیم لینک استیم لینک وسیله کوچکی است که با اتصال به شبکه خانگی وای فای تمام بازی‌های کامپیوترتان را روی صفحه نمایش تلویزیون می آورد. استیم نقطه ای است که تمام [...]

  • نمایش بی سیم(WiDi)

نمایش بی سیم (WiDi) طراحی شده برای محیط کار Aster  

۲۹ تیر ۱۳۹۸|۰ Comments

تکنولوژی نمایش بی سیم (WiDi) اینتل نه چندان پیش، شرکت اینتل تکنولوژیی را برای اتصال یک نمایشگر بی سیم به یک کامپیوتر شخصی (PC) معرفی کرد. در مقایسه با AirDisplay، iDisplay [...]

  • مجازی سازی (NSX)

مجازی سازی NSX

۲۶ تیر ۱۳۹۸|۰ Comments

  مجازی سازی NSX تکنولوژی مجازی سازی NSX مجازی سازی دیتاسنتر محصول شرکت VMware است؛ که چند سالی است وارد دنیای فناوری اطلاعات شده است مهمترین ویژگی سرویس NSX آسان کردن ترافیک‌های East-West و کاهش [...]

  • زیرو کلاینت‌ها vcloudpoint

موارد استفاده از زیرو کلاینت‌های vcloudpoint

۲۴ تیر ۱۳۹۸|۰ Comments

زیرو کلاینت‌های vcloudpoint یک کامپیوتر کوچک است که جایگزین کیس است. زیرو کلاینت‌های Vcloudpoint  یک راه حل به اشتراک گذاری همه جانبه، نرم افزار مدیریت قدرتمند و پروتکل کارآمد و غنی ترین تجربه کاربری [...]

تفاوت بین هوش مصنوعی، یادگیری عمیق و یادگیری ماشینی

هوش مصنوعی : اکثر افراد واژه‌های هوش مصنوعی، یادگیری عمیق و یادگیری ماشینی را به‌جای یکدیگر به کار می‌گیرند.

درصورتی‌که این‌ها مفاهیمی متفاوت هستند. اما تفاوت‌ها آن‎ها چیست؟

هوش مصنوعی

هوش مصنوعی

مفهوم هوش مصنوعی در سال ۱۹۵۶ در آمریکا مطرح شد.
هنگامی‌که مهندسان تلاش کردند یک برنامه کامپیوتری با تقلید از هوش بشری بنویسند.
هدفشان این بود که کامپیوترها وظایفی که مختص انسان بود را انجام دهند.
آلان تورینگ سال‌های آخر عمر خود را صرف این مطلب کرد که آیا کامپیوترها هم می‌توانند فکر کنند یا نه.
تورینگ در آزمایشی که طراحی کرد، اثبات کرد ماشین‌ها می‌توانند از خودشان رفتار هوشمندانه نشان دهند اما الزاماً هوشمند نیستند.
هوش مصنوعی اغلب به دودسته اصلی تقسیم‌بندی می‌شود.
سیستم هوش مصنوعی محدود که فقط در یک کار خاص باهوش است و سیستم هوش مصنوعی عمومی که ما در فرهنگ عامی بیشتر با این دسته آشنا هستیم.
به‌عنوان‌مثال اسکای‌نت در فیلم ترمیناتور و هال در فیلم ۲۰۰۱ مثال‌هایی از هوش مصنوعی عمومی می‌باشند.

یادگیری ماشینی

با توجه به این‌که مسائل با تکنیک‌های اولیه‌ای که در هوش مصنوعی استفاده می‌شد قابل‌حل نبود.
برای چیزهایی مثل خارج کردن معنی از متن و شناسایی تصاویر الگوریتم‌هایی با کد مشخص کار نمی‌کردند.
بنابراین مشخص شد که تنها تقلید رفتار انسان راه‌حل نیست و تقلید چگونگی یادگیری انسان‌ها نیز مهم است.
ایده اصلی پشت یادگیری ماشینی این است که مقدار زیادی داده به یک الگوریتم بدهید و اجازه دهید که از چیزها سر دربیاورد.
به‌عنوان‌مثال داده‌های معاملات مالی را به یک الگوریتم بدهید و از آن بخواهید که داده‌های جعلی را مشخص کند و اجازه دهید تا الگوریتم بفهمد چه چیزی کلاه‌برداری را نشان می‌دهد تا در آینده هم بتواند پیش‌بینی کند.

یادگیری ماشینی یک مسئله را به بخش‌های مختلف تقسیم می‌کند درنهایت هرکدام از بخش‌ها را به ترتیب حل و باهم ترکیب می‌کند تا یک پاسخ واحد به مسئله بدهد.
در یادگیری ماشینی، کامپیوتر یا ربات موردنظر این توانایی را دارد تا به‌مرورزمان به خود آموزش دهد و با مقایسه کردن خروجی‌ها و ورودی‌هایش به‌تدریج دقیق‌تر از قبل عمل کند.

یادگیری ماشینی

شباهت مغز انسان و شبکه هوش مصنوعی

دانشمندان نشان دادند که مغز از طریق یک شبکه پیچیده از نرون‌ها اطلاعات را تولید می‌کند.
مغز انسان از این اتصالات الکتریکی ساخته‌شده که مسیرهای عصبی را تولید می‌کند.
مسیرها از طریق بدن انسان اطلاعات را منتقل می‌کنند و امکان فکر کردن، حرکت و تنفس را به انسان می‌دهند.
اگر این مسیرها به‌طور مستقل از یکدیگر عمل می‌کردند انسان نمی‌توانست بین افکارش ارتباط برقرار کند و عکس‌العمل آرامی داشت.
رابطه بین همه این مسیرها لازمه موفقیت این سیستم است که پردازش هم‌زمان داده‌ها را ارتقا می‌دهد.
یادگیری عمیق دقیقا همانند این شبکه نورون‌ها است.
کامپیوترها می‌توانند با مدیریت هم‌زمان داده‌های زیاد، زمان لازم برای پردازش داده‌ها را به‌طور قابل‌ملاحظه ای کاهش دهند.
تکنیک یادگیری عمیق شبکه‌های عصبی مصنوعی را بهبود بخشیده است.

این شبکه‌ها از یک‌سری گره ورودی برای دریافت داده و گره خروجی برای نتیجه‌گیری داده و یک‌سری لایه گره که در وسط قرار دارد ساخته‌شده‌اند.
هدف، تبدیل داده ورودی به چیزی است که گره خروجی بتواند از آن استفاده کند.
در اینجاست که لایه‌های پنهان کاربرد دارند.
با پیشرفت داده در طول این گره‌های پنهان، شبکه عصبی در مورد این‌که کدام گره باید داده را به گره بعدی برساند به‌صورت منطقی تصمیم‌گیری می‌کند.

گوگل داده‌های زیاد خود را با استفاده از هوش مصنوعی مدیریت می‌کند. جیمیل به‌تازگی به‌صورت هوشمند پاسخ می‌دهد.

تفاوت هوش مصنوعی، یادگیری ماشینی و یادگیری عمیق

با این‌که یادگیری ماشینی به ما این امکان را می‌دهد تا معنی بسیاری از داده‌هایی که ساخته‌ایم را متوجه شویم، به‌طور مستقل فکر نمی‌کند.
برنامه نویسان الگوریتم را طراحی و قوانینی که یادگیری ماشینی باید اجرا کند را اعمال می‌کنند.
البته این اقدام توسعه‌دهندگان عواقبی هم دارد.

یکی از عواقب یادگیری ماشینی به یکی از مهندسان گوگل در سال ۲۰۱۵ برمی‌گردد.
او دریافت که الگوریتم تشخیص چهره شرکت او، دوستان سیاه‌پوستش را با برچسب گوریل نشان می‌دهد.

گوگل سریعاً مشکل را با حذف کلمه گوریل از آموزش داده برطرف نمود.

یادگیری عمیق ما را یک‌قدم به هوش مصنوعی عمومی نزدیک‌تر می‌کند.
ساختارهای یادگیری عمیق نیاز به آموزش‌های اولیه ندارد و بر اساس اطلاعات و منطق سیستم تصمیم‌گیری می‌کنند.
شاید این مسئله که تصمیم شبکه از ابتدا برای ما شفاف و روشن نیست ناخوشایند باشد اما این بدان معناست که توانسته هوش انسان را کپی کند.

درنهایت می‌توان گفت که هوش مصنوعی، یادگیری ماشینی و یادگیری آموزش هدف خاصی را دنبال می‌کنند.
هوش مصنوعی نشان‌دهنده مفهومی شبیه به هوش انسانی در ماشین است درصورتی‌که یادگیری ماشینی و یادگیری آموزش تلاشی برای رسیدن به هوش مصنوعی عمومی می‌باشند.
تعداد شرکت‌هایی که از هوش مصنوعی استفاده می‌کنند روزبه‌روز افزایش می‌یابد.

گردآوری و تنظیم توسط مجموعه شرکت های مهندسی دانش بنیان رها