امروز پنجشنبه ، ۱۴۰۱/۰۴/۱۶
بدان
FAENZYXWVUTSRQPONMLKJIHGFEDCBA

هوش مصنوعی (AI)

هوش مصنوعی (AI) به چه معناست؟ هوش مصنوعی (AI) که با نام هوش ماشینی نیز شناخته می‌شود، شاخه‌ای از علوم کامپیوتر است که بر ساخت و مدیریت فناوری تمرکز دارد که می‌تواند تصمیم‌گیری مستقل و انجام اقدامات را از طرف یک انسان بیاموزد. AI یک فناوری واحد نیست. این یک اصطلاح کلی است که شامل هر نوع نرم‌افزار یا جزء سخت‌افزاری است که از یادگیری ماشین، بینایی کامپیوتر، درک زبان طبیعی (NLU) و پردازش زبان طبیعی (NLP) پشتیبانی می‌کند. هوش مصنوعی امروزی از سخت‌افزار CMOS معمولی و همان عملکردهای الگوریتمی اولیه استفاده می‌کند. نرم افزار سنتی انتظار می‌رود نسل‌های آینده هوش مصنوعی الهام‌بخش انواع جدیدی از مدارها و معماری‌های الهام‌گرفته از مغز باشند که می‌توانند تصمیمات مبتنی بر داده را سریع‌تر و دقیق‌تر از یک انسان اتخاذ کنند. 4 نوع هوش مصنوعی چیست و چگونه تفاوت دارند؟ ابتکارات هوش مصنوعی اغلب از نظر تعلق آنها به یکی از چهار دسته صحبت می شود: هوش مصنوعی واکنشی برای تصمیم گیری به داده های زمان واقعی متکی است. هوش مصنوعی حافظه محدود برای تصمیم گیری به داده های ذخیره شده متکی است. هوش مصنوعی تئوری ذهن می تواند عناصر ذهنی مانند قصد کاربر را در نظر بگیرد. تصمیم‌گیری. هوش مصنوعی خودآگاه دارای آگاهی انسان‌مانندی است که می‌تواند به طور مستقل اهدافی را تعیین کند و از داده‌ها برای تصمیم‌گیری بهترین راه برای دستیابی به یک هدف استفاده کند. یک راه خوب برای تجسم این تمایزات این است که هوش مصنوعی را به عنوان یک بازیکن پوکر حرفه‌ای تصور کنیم. یک بازیکن واکنشی همه تصمیمات را بر اساس دست فعلی در بازی می‌گذارد، در حالی که یک بازیکن با حافظه محدود تصمیمات گذشته خود و سایر بازیکنان را در نظر می‌گیرد. بازیکن تئوری ذهن در نشانه‌های رفتاری بازیکنان دیگر فاکتور می‌گیرد و در نهایت، یک بازیکن هوش مصنوعی حرفه‌ای خودآگاه متوقف می‌شود. در نظر گرفتن اینکه آیا بازی پوکر برای امرار معاش واقعاً بهترین استفاده از زمان و تلاش آنها است یا خیر.Bedan هوش مصنوعی (AI) را توضیح می دهد در حالی که هوش مصنوعی اغلب تصاویری از صاحب نظر کامپیوترهای علمی تخیلی را فرا می خواند، واقعیت فعلی بسیار متفاوت است. در قلب خود، هوش مصنوعی از همان توابع الگوریتمی اولیه استفاده می کند که نرم افزارهای سنتی را هدایت می کند، اما آنها را به روشی متفاوت اعمال می کند. شاید انقلابی‌ترین جنبه هوش مصنوعی این باشد که به نرم‌افزار اجازه می‌دهد تا زمانی که با محیط خود سازگار می‌شود، خود را بازنویسی کند. هوش مصنوعی می‌تواند جایگزین کل سیستم شود، همه تصمیم‌ها را سرتاسر اتخاذ کند، یا می‌توان از آن برای بهبود یک سیستم استفاده کرد. فرآیند خاص به عنوان مثال، یک سیستم مدیریت انبار استاندارد می‌تواند سطوح فعلی محصولات مختلف را نشان دهد، در حالی که یک سیستم هوشمند می‌تواند کمبودها را شناسایی کند، علت و تأثیر آن را بر زنجیره تأمین کلی تجزیه و تحلیل کند و حتی برای اصلاح آن اقداماتی انجام دهد. مراحل تکامل مصنوعی هوش با رواج بیشتر هوش مصنوعی در برنامه‌های تجاری، تقاضا برای پردازش اطلاعات سریع‌تر و کارآمدتر به‌طور تصاعدی در حال رشد است. سخت افزار پردازش دیجیتال متعارف نمی تواند این تقاضا را برآورده کند. به همین دلیل است که محققان از مغز الهام می‌گیرند و معماری‌های جایگزینی را در نظر می‌گیرند که در آن شبکه‌های نورون‌های مصنوعی و سیناپس‌ها اطلاعات را با سرعت بالا و قابلیت‌های یادگیری تطبیقی ​​به شیوه‌ای مقرون‌به‌صرفه و مقیاس‌پذیر پردازش می‌کنند. هوش مصنوعی باریک (ضعیف) فقط می‌تواند انجام دهد. مجموعه‌ای محدود از عملکردهای از پیش تعیین‌شده. گفته می‌شود که هوش مصنوعی عمومی (قوی) با توانایی ذهن انسان برای عملکرد مستقل مطابق با مجموعه وسیعی از محرک‌ها برابری می‌کند؛ انتظار می‌رود که Super AI روزی از هوش انسانی فراتر رود (و به طور قابل تصوری جهان را تسخیر کند). در حال حاضر، Narrow AI تنها شروع به ورود به برنامه‌های محاسباتی اصلی کرده است. هوش مصنوعی در سطح عملی AI در حال حاضر برای طیف وسیعی از عملکردها هم در آزمایشگاه و هم در تنظیمات تجاری/مصرف‌کننده، از جمله فناوری‌های زیر اعمال می‌شود: تشخیص گفتار اجازه می‌دهد سیستم هوشمند برای تبدیل گفتار انسان به متن یا کد. پردازش زبان طبیعی تعامل مکالمه را امکان پذیر می کند بین انسان و رایانه. بینایی رایانه به ماشین اجازه می دهد تصویر را اسکن کند و از تجزیه و تحلیل مقایسه ای برای شناسایی اشیاء در تصویر استفاده کند. یادگیری ماشینی بر ساخت مدل های الگوریتمی متمرکز است که می تواند الگوها و روابط را در داده ها شناسایی کند. سیستم های خبره در مورد یک موضوع خاص دانش کسب می کنند و می تواند مشکلات را با دقت یک متخصص انسانی در این موضوع حل کند.

Artificial Intelligence (AI)

What Does Artificial Intelligence (AI) Mean? Artificial intelligence (AI), also known as machine intelligence, is a branch of computer science that focuses on building and managing technology that can learn to autonomously make decisions and carry out actions on behalf of a human being.AI is not a single technology. It is an umbrella term that includes any type of software or hardware component that supports machine learning, computer vision, natural language understanding (NLU) and natural language processing (NLP).Today’s AI uses conventional CMOS hardware and the same basic algorithmic functions that drive traditional software. Future generations of AI are expected to inspire new types of brain-inspired circuits and architectures that can make data-driven decisions faster and more accurately than a human being can.What are the 4 types of AI and how do they differ?AI initiatives are often talked about in terms of their belonging to one of four categories:Reactive AI relies on real-time data to make decisions.Limited Memory AI relies on stored data to make decisions.Theory of Mind AI can consider subjective elements such as user intent when making decisions.Self-Aware AI possesses a human-like consciousness that is capable of independently setting goals and using data to decide the best way to achieve an objective.A good way to visualize these distinctions is to imagine AI as a professional poker player. A reactive player bases all decisions on the current hand in play, while a limited memory player will consider their own and other player’s past decisions.A Theory of Mind player factors in other player's behavioral cues and finally, a self-aware professional AI player stops to consider if playing poker to make a living is really the best use of their time and effort. Techopedia Explains Artificial Intelligence (AI) While AI often invokes images of the sentient computer overlord of science fiction, the current reality is far different. At its heart, AI uses the same basic algorithmic functions that drive traditional software, but applies them in a different way. Perhaps the most revolutionary aspect of AI is that it allows software to rewrite itself as it adapts to its environment.Artificial intelligence can be allowed to replace a whole system, making all decisions end-to-end, or it can be used to enhance a specific process. A standard warehouse management system, for example, can show the current levels of various products, while an intelligent one could identify shortages, analyze the cause and its effect on the overall supply chain and even take steps to correct it.The Evolving Stages of Artificial IntelligenceThe demand for faster, more energy-efficient information processing is growing exponentially as AI becomes more prevalent in business applications. Conventional digital processing hardware cannot keep up with this demand. That is why researchers are taking inspiration from the brain and considering alternative architectures in which networks of artificial neurons and synapses process information with high speed and adaptive learning capabilities in an energy-efficient, scalable manner.Narrow (Weak) AI is capable of performing only a limited set of predetermined functions.General (Strong) AI is said to equal the human mind’s ability to function autonomously according to a wide set of stimuli;Super AI is expected one day to exceed human intelligence (and conceivably take over the world).At this time, Narrow AI is only beginning to enter mainstream computing applications.Artificial Intelligence On a Practical LevelAI is currently being applied to a range of functions both in the lab and in commercial/consumer settings, including the following technologies:Speech Recognition allows an intelligent system to convert human speech into text or code.Natural Language Processing enables conversational interaction between humans and computers.Computer Vision allows a machine to scan an image and use comparative analysis to identify objects in the image.Machine learning focuses on building algorithmic models that can identify patterns and relationships in data.Expert systems gain knowledge about a specific subject and can solve problems as accurately as a human expert on this subject.