Khorasan Science and Technology Park (KSTP)


زمان: چهارشنبه ۱ فروردین ۱۳۹۷

مکان:

ثبت‌نام در این رویداد

خبر رویداد


از این مقاله قصد داریم مخاطبین را با پلت فرم های مطرح در هوش مصنوعی و کاربردهای آن آشنا نمائیم:

سیستم عامل هوش مصنوعی

  1. فرآیند اتوماسیون شامل استفاده از سیستم عامل های هوش مصنوعی است که می­تواند فرایند دیجیتالی کردن را پشتیبانی کند و نسبت به انسان نتایج بهتری را دریافت می کند.
  2. هوش مصنوعی هنگامی است که یک دستگاه عملکرد شناختی را تقلید کرده و  انسان با ذهن دیگر انسانها ارتباط برقرار می­کند مانند یادگیری و حل مسئله، استدلال، بازنمایی دانش، هوش اجتماعی و هوش عمومی.
  3. ابزارهای زیادی در هوش مصنوعی استفاده می شود، از جمله نسخه­های جستجوگر و بهینه­سازی ریاضی، منطق، روش­های مبتنی بر احتمال و اقتصاد.
  4. پلتفرم هوش مصنوعی به نوعی معماری سخت ­افزاری هماهنگ با چارچوب نرم­افزار (از جمله چارچوب برنامه ­ها) تعریف شده است که به نرم­افزار اجازه اجرا می­دهد.

در بسیاری از مواقع گردش کار دارای تکرار، خسته ­کننده و دشوار است که سرعت تولید را کاهش می­دهد و همچنین هزینه بهره­وری را افزایش می­دهد ، برای پایین آوردن هزینه تولید، و کسب­ وکار چاره ای جز خودکار کردن برخی از عملکردها ندارد.

با دیجیتالی کردن کار تکراری، یک شرکت می­تواند هزینه ­های مربوط به کاغذ و کار را کاهش دهد بطوریکه خطای انسانی را از بین برده و در نتیجه باعث افزایش کارایی شده که این امر منجر به نتایج بهتری می­شود. برای اینکه کسب­وکار از مزایای فوق بهره ­مند شود، باید ابزارهای اتوماسیون مناسب را انتخاب کنند، در غیر این صورت سایر کارها بیهوده خواهد بود.

مشکلات اصلی هوش مصنوعی شامل استدلال، یادگیری برنامه­ریزی دانش ، ادراک طبیعی پردازش زبان و توانایی حرکت و دستکاری اشیاء است. رویکردها شامل روش­های آماری، محاسبات نرم هوش محاسباتی و هوش مصنوعی سنتی است. سیستم عامل­های برتر هوش مصنوعی چه اطلاعاتی دارد: Google Al Platform ، TensorFlow،Microsoft Azure ، Rainbird ، Infosys Nia ، Wipro HOLMES ،Dialogflow ، Premonition، Ayasdi MindMeld، Meyo، KAI، Vital Al، Wit، Receptivity، Watson Studio، Lumiata، Infred برخی از بهترین سیستم عامل های هوش مصنوعی هستند.

بسترهای نرم ­افزاری هوش مصنوعی چیست؟

بسترهای نرم ­افزاری هوش مصنوعی چیست؟

بسترهای نرم افزاری هوش مصنوعی شامل استفاده از ماشین آلات برای انجام وظایفی است که توسط انسان انجام می شود. سیستم عامل­ ها عملکرد شناختی را که ذهن انسان انجام می­دهد، مانند حل مسئله، یادگیری، استدلال، هوش اجتماعی و همچنین هوش عمومی شبیه سازی می­کنند.

برنامه هوش مصنوعی همچنین شامل استفاده از سیستم های خبره مانند؛ به رسمیت شناختن گفتار، و بینایی دستگاه، پلتفرم هوش مصنوعی را می­توان به عنوان ضعیف همه هوش مصنوعی باریک طبقه بندی کرد که عموماً برای یک کار خاص یا هوش مصنوعی قوی شناخته شده است که همچنین به عنوان هوش عمومی مصنوعی شناخته می­شود و می­تواند راه­ حل­ هایی برای کارهای ناآشنا پیدا کند.

فراگیری ماشینی:

یادگیری ماشینی زیرمجموعه­ ای از هوش مصنوعی در نظر گرفته شده است. تمام آنچه شما نیاز دارید این است که آنچه را که می­ خواهید انجام دهید داده های موجود در مورد آن مسئله را شناخته و توسط یادگیری ماشینی مشکلات خود را حل کنید. یادگیری ماشین با استفاده از الگوریتم­ ها و مدل­ های آماری برای انجام یک کار خاص بدون استفاده از دستورالعمل­های صریح و با تکیه بر الگوهای و استنباط­ ها می­باشد.

اتوماسیون:

اگر می­ خواهید از مزایای کامل هوش مصنوعی استفاده کنید  اتوماسیون ویژگی اصلی شماست. اتوماسیون در اصل ساختن یک نرم­افزار است که قادر به انجام کارها بطور خودکار و بدون دخالت انسان است. با اتوماسیون فرایندهای دستی، می­توانید در وقت و منابع خود صرفه جویی کنید، زیرا می­توانید کارمندان خود را در سایر عملیات که نیاز بیشتر به انسان دارد، درگیر کنید، بستر هوش مصنوعی که برای حل آن استفاده می­کنید باید ابزاری آسان برای استفاده باشد که نیازی به مهارت­های اضافی ندارد و بتواند  تفاوت فرآیندهای اتوماسیون را به آسانی تشخیص دهد. با یک سیستم صحیح، می­توانید فرآیندها را با سهولت به صورت خودکار انجام دهید.

زبان طبیعی:

پردازش و درک زبان طبیعی این دو ویژگی برای بهینه­سازی کامل راه­ حل­ های هوش مصنوعی بسیار مهم است به این دلیل است که شما نیاز به داشتن سیستمی دارید که بتواند از تشخیص کامل گفتار پشتیبانی کند که این امر کمک می کند به پردازش و تحلیل مقادیر زیادی از داده ­های زبان طبیعی همراه با تشخیص گفتار و فهم زبان طبیعی و ایجاد آن

 زیرساخت ­های ابر:

این ویژگی مقیاس پذیری برای رشد و دسترسی به منابع را برای به کار بستن حتی راه حل های پیچیده و یادگیری انسان و ماشین فراهم می­کند. برای بهره برداری کامل از تمام ویژگی­های هوش مصنوعی شما نیاز به ترکیب هوش مصنوعی و فناوری ابری دارید. برای اطمینان از بازده صددرصد استفاده از  فناوری ابری در بستر یا پلتفرم PAAS حیاتی است و همچنین استفاده از نرم افزار بعنوان یک سرویس (SAAS) هنگام اجرای راه­ حل­ های مبتنی بر هوش مصنوعی مهم است.

 

پلتفرم های برتر  هوش مصنوعی:

1-پلتفرم Periscope Data

تیم­های Sisense for Cloud Data (که قبلا پلتفرم Periscope Data )یک راه­ حل نهایی هوش تجاری و تجزیه و تحلیل می­باشد  که به شما امکان می­دهد بسرعت داده ­ها را استخراج کنید، تجزیه و تحلیل کنید، تصویرسازی نموده و دیدگاه هایتان را به اشتراک بگذارید. پلتفرم Periscope Data می­ تواند به طور ایمن داده ­ها را از هر منبعی به هم وصل کرده و به آن بپیوندد، و یک منبع کامل برای سازمان شما ایجاد کند. هوش تجاری عملیات گزارش­دهی و تحلیل پیشرفته را در یک بستر یکپارچه انجام می­دهد. ارتباط بین دیدگاه ­ها بوسیله انتخاب طیف وسیعی از نمونه­ های تصویری در پلتفرم Periscope Data موجب افزایش اثرگذاری داده ­ها می­شود (از جمله نمودارهای استاندارد، نقشه ­های آماری، نقشه­ ها و موارد دیگر) و این پلتفرم سریعا دیدگاه های زمان واقعی را از طریق لینک مستقیم یا  ایمیل. با پلتفرم Data Periscope می­توانید پردازش زبان طبیعی را برای تحلیل داده­ ها با دیگران به اشتراک بگذارید.

2- گوگل

همه بسترهای نرم ­افزاری این امکان را برای توسع ه­دهندگان یادگیری ماشین، دانشمندان داده و مهندسین داده فراهم می­کند تا پروژه­ های یادگیری ماشینی خود را از ایده ­پردازی گرفته تا تولید و استقرار، به سرعت و به صرفه انجام دهند، از مهندسی داده گرفته تا انعطاف ­پذیری بدون وقفه، ابزار یکپارچه پلتفرم ­های هوش مصنوعی به شما کمک می­کند تا برنامه ­های یادگیری ماشین شخصی خود را بسازید و اجرا کنید. پلتفرم­ های هوش مصنوعی از پلتفرم­ های Kubellow و گوگل که هر دو بصورت منبع باز می ­باشند پشتیبانی می­کند، که به شما امکان می­دهد خطوط لوله قابل حمل یادگیری ماشین را نصب کنید که بتوانید در محل یا در Google Cloud اجرا کنید بدون اینکه تغییرات اساسی در کد برنامه داشته باشد و به برنامه­ های لبه برش هوش مصنوعی گوگل مانند ابزارهای TRUS و TEX و TensorFlow همزمان که نرم ­افزارهای هوش مصنوعی برای تولید را گسترش می­ دهید دسترسی خواهید داشت.

3 – Tensorflow

گوگل به تازگی نسخه پیش‌نمایشی از پلتفرم متن‌باز TensorFlow Lite را منتشر کرده است. چارچوب فوق به توسعه‌دهندگان الگوریتم‌های یادگیری ماشینی کمک می‌کند تا یکبار دیگر تجربه هیجان‌برانگیز دیگری را در حوزه هوش مصنوعی این بار روی دستگاه‌های همراه تجربه کنند. Tensorflow یک کتابخانه متن باز برای زبان پایتون است. این کتابخانه به برنامه نویسان کمک می­کند تا بتواند طراحی و پیاده­سازی شبکه ­های عصبی عمیق (Deep Learning Network) را به سادگی انجام دهند. البته این که بخواهیم Tensorflow را فقط یک کتابخانه مربوط به شبکه ­های عصبی عمیق بدانیم، شاید کار درستی نباشد. این کتابخانه در واقع یک چهارچوب نرم ­افزاری برای زبان پایتون است که به برنامه­ نویسان اجازه می دهد تا محاسبات خود را به صورت گراف (Graph) و جریان داده (Data Flow) انجام دهند. در Tensorflow همه چیز از گره (Node) و یال (Edge) تشکیل شده است. گره ها، در Tensorflow عملیات ریاضی هستند، این در حالی است که یال­ ها، همان داده­ ها را نمایش می­دهند، که بین گره­ ها (عملیات ریاضی) جا به جا می­شوند.

Tensorflow به خاطر پیاده­ سازی قدرتمند، کاربردهای بسیار زیادی در حوزه داده­ک اوی و یادگیری عمیق دارد. برای مثال از کاربردهای این چارچوب نرم ­افزاری می­توان موارد زیر را بیان کرد:

  1. شناسایی کاراکتراهای عددی و حروفی
  2. شناسایی عناصر موجود در عکس
  3. تشخیص و طبقه ­بندی تصاویر (برای مثال اگر تصویر چند گربه را به شبکه بدهیم، میتواند این تصویر گربه را یادگرفته، و اگر از این به بعد تصاویر گربه به این شبکه داده شد، میتواند تشخیص دهد)

 

تهیه کننده: مهندس نیکا خواجه پور

مسئول مالکیت فکری پارک علم و فناوری خراسان