پیش از ورود به بحث مدل‌های ترنسفورمر، مروری خواهیم داشت بر مفهوم NLP (پردازش زبان طبیعی) و اهمیت آن. این بخش قسمت سوم از دوره آموزش پردازش زبان طبیعی است که هر یکشنبه در سایت هوشیو منتشر می‌شود. در انتهای مطلب می‌توانید به صفحه مربوط به دوره و قسمت‌های دیگر دسترسی داشته باشید.
مفهوم NLP چیست؟
در واقع NLP یاپردازش زبان طبیعیحوزهای از یادگیری ماشینی و زبان‌شناسی است که تمرکز آن بر روی درک هر چیزی است که مربوط به زبان انسان باشد. هدف مسائل NLP فقط درک تک کلمات به صورت جداگانه نیست، بلکه توانایی درک کل مفهوم آن کلمات است.
در زیر فهرستی از مسائل رایج در حوزه NLP، با ذکر چند نمونه از هر یک، آورده شده است:
دسته‌بندی جملات:تحلیل نظرات کاربران و احساسات موجود در آن، تشخیص هرزنامه بودن ایمیل‌ها، تعیین صحیح بودن یک جمله از نظر دستوری و بررسی ارتباط منطقی دو جمله با هم.
دسته‌بندی کلمات یک جمله:شناسایی اجزای دستوری جمله (اسم ، فعل ، صفت)، یا موجودیت‌های نامگذاری شده (شخص ، مکان ، سازمان).
تولید محتوای متنی:تکمیل یک درخواست با تولید یک متن به صورت خودکار، پر کردن جای خالی متن با کلمات مستتر.
استخراج پاسخ یک سوال از متن:با توجه به یک سوال و بافت و مفهوم آن، پاسخ سوال براساس اطلاعات ارائه شده در متن استخراج می‌شود.
تولید جمله جدید از ورودی متنی:ترجمه متن به زبان دیگر، خلاصه‌نویسی متن
البته استفاده از NLP محدود به متون نوشتاری نیست. NLP می‌تواند مسائل و چالش‌های پیچیده‌تر در حوزه مسائل تشخیص گفتار و بینایی رایانه‌ای از قبیل تولید متن از یک فایل صوتی یا توصیف یک تصویر را نیز حل کند.
چرا این مسائل چالش‌برانگیز هستند؟
رایانه ها اطلاعات را مانند ما انسان‌ها پردازش نمی‌کنند. برای درک بهتر مفهوم NLP به این مثال دقت کنید: ما وقتی جمله «من گرسنه ام» را می‌خوانیم، می‌توانیم به راحتی معنی آن را درک کنیم. به همین ترتیب، می‌توانیم به راحتی شباهات بین دو جمله «من گرسنه ام» و «من ناراحتم» را تعیین کنیم. اما چنین کاری برای مدل‌های یادگیری ماشین (ML)، دشوارتر از این هاست. متن باید به گونه‌ای پردازش شود که مدل بتواند نکات لازم را از آن یاد بگیرد. و از آن‌جا که زبان پیچیده است، باید به دقت در مورد چگونگی انجام این پردازش فکر کنیم. تحقیقات زیادی در مورد نحوه نمایش متن انجام شده است و ما در فصل بعدی به برخی از این روش‌ها خواهیم پرداخت.
از طریق لینک زیر می‌توانید به دیگر قسمت‌ها دسترسی داشته باشید:
محققین ایرانی در یک شرکت دانش‌بنیان پلتفرمی مبتنی بر هوش مصنوعی طراحی کردند که پایش و اندازه گیری های پیشرفته سازمانی را انجام می‌دهد. طبق ادعای آن‌ها، این پلتفرم برای استارتاپ‌ها تا شرکت‌های بزرگ کاربرد دارد.
به گزارش هوشیو به نقل از خبرگزاری ایسنا، سید جواد حسینی، مدیرعامل این شرکت دانش‌بنیان، اندازه گیری های پیشرفته سازمانی، سیستم پشتیبانی و شبیه‌سازی تصمیم در سازمان و طراحی سازمان‌های پلتفرمی را به عنوان حوزه‌های فعالیت این شرکت اعلام کرد و گفت که شروع فعالیتشان با انجام تحقیقی درباره عوامل شکست شرکت‌ها در ایران بوده که متوجه شدند دلیل اصلی شکست سازمان‌های ایرانی ضعف درونی سازمان و ضعف تکنولوژی‌های مدیریتی و سازمانی است.
او گفت: «از آنجایی که در کشور به موضوع ضعف تکنولوژی‌های مدیریتی و سازمانی توجه نشده است، بر اساس پیشنهاد معاونت علمی و فناوری ریاست جمهوری، تمرکزمان را روی توسعه تکنولوژی‌ها و تولید ابزارهای پیشرفته مدیریت و سازمان گذاشتیم و تاکنون حدود ۳۰ محصول و خدمت در این زمینه طراحی و عرضه کردیم.»
به نظر حسینی مهم‌ترین ابزار توسعه‌داده‌شده توسط آن‌ها پلتفرم پایش و اندازه گیری های پیشرفته سازمانی و سیستم پشتیبانی و شبیه‌سازی تصمیم مدیران با کمک هوش مصنوعی بوده است: «در این پلتفرم که بیش از ۱۵۰۰ پارامتر دارد، اهمیت سازمان در طول چرخه عمر خود مورد پایش لایو و تحلیل همزمان قرار خواهد گرفت. خروجی این پلتفرم خطرات و نقاط ضعف و قوت سازمان‌ها را استخراج و از این طریق به مدیران کمک می‌کند تا پروژه‌های بهبود را به درستی تعریف کنند».
وی همچنین گفت: «پلتفرم پیش‌بینی آینده تصمیمات سازمان‌ها با کمک هوش مصنوعی که قرار است در سال جاری ارائه شود، سطحی پیشرفت‌تر از این تکنولوژی‌هاست، که آینده تصمیمات سازمان‌ها را پیش‌بینی می‌کند. از این به بعد اندازه‌گیری وضعیت موجود در سازمان‌ها به کمک سیستم جدیدی خواهد بود که مبتنی بر هوش مصنوعی است.»
حمایت صندوق نوآوری از پایش و اندازه گیری های پیشرفته سازمانی
حسینی درخصوص حمایت صندوق نوآوری و شکوفایی از پلتفرم پیش‌بینی آینده تصمیمات سازمان‌ها با کمک هوش مصنوعی گفت: «تسهیلات صندوق نوآوری بیشتر به شرکت‌های دانشبنیانی بوده تا این شرکت‌ها بتوانند از خدمات ارزیابی عارضه‌یابی ما استفاده کنند. حدود صد شرکت با استفاده از تسهیلات صندوق نوآوری موفق به استفاده از خدمات عارضه‌یابی ارائه شده توسط شرکت ما شدند».
او در پایان گفت که پلتفرم پایش و اندازه گیری های پیشرفته سازمانی در داخل کشور مشابهی ندارد و همچننی ابراز امیدواری کرد تا با توسعه بیشتر این محصول کار ارائه خدمات به کشورهای همسایه و در آینده ارائه خدمات در سطحج بین‌المللی به راحتی انجام شود.
محققان موفق شدند سلول های خورشیدی چند بلوری را با عناصر بیرونی گروه 5 جدول تناوبی در دمای پایین و به صورت پُربازده دوپ کنند.
در سال‌های اخیر، دانشمندان موفق به ساخت طیف کثیری از فناوری‌های خورشیدی با مواد مختلف شدهاند. یکی از این فناوری‌ها ساخت سلول های خورشیدی بر پایه کادمیوم تلوراید (CdTe) است. این ماده، یک ترکیب نیمه رسانای بلوری و پایدار، متشکل از کادمیم و تلوریم، است.
تولید برق با سلول های خورشیدی کادمیوم تلوراید اغلب بسیار کم هزینه است. فرآیندهای بسیاری در مراحل تولید برق با این سلول‌ها دخیل است، از جمله رسوب سریع CdTe در لایه جاذب، روش کادمیوم کلرید (CdCl2) و دوپینگ مس (Cu).
دوپینگ چیست؟
به فرآیند واردکردن ناخالصی‌ها به نیمه‌هادی به منظور تعدیل خصوصیاتِ الکتریکی، نوری و ساختاری آن دوپینگ (doping) می‌گویند. همانطور که از نام آن پیدا است، دوپینگ مس به فرآیندی اطلاق می‌شود که ماده‌ای با استفاده از مس دوپ شود. اگرچه دوپینگ مس در بسیاری از سلول های خورشیدی کادمیوم تلوراید روی می‌دهد، این فرایند گاهی منجر به کاهش ولتاژ نور (photovoltage) و بی‌ثباتی الکتریکی می‌شود.
برخی از مهندسان به منظور کاهش محدودیت‌های ناشی از دوپینگ مس سعی در جایگزینی عناصر گروه ۵ جدول تناوبی با مس داشته‌اند تا خصوصیات کادمیوم تلوراید تعدیل شود. در همین راستا، دستگاه‌های خورشیدی CdSeTe بسیار زیادی ساخته شده است که علی رغم تولید گرمای زیاد نتایج رضایت بخشی به همراه داشته‌اند (مثلاً بازدهی برخی از آن‌ها به بیش از ۲۰% رسیده است). با این حال، این دستگاه‌ها کماکان محدودیت‌ها و چالش‌های خاص خود را دارند.
محققان دانشگاه‌های تولدو و آلاباما اخیراً متوجه شدهاند که دوپینگ سلول های خورشیدی CdSeTe با عناصر گروه ۵، گرمای کمتری تولید کرده و بازدهی بیشتری دارد. نتایج تحقیقات آن‌ها، که در ژورنال Nature Energy منتشر شده است، می‌تواند راه را برای توسعه فناوری‌های خورشیدی CdSeTe دوپ شده با عناصر گروه ۵ هموار کند.
به ذعم محققان این پژوهش، «اگرچه بازدهی دستگاه‌های CdSeTe دوپ شده با عناصر داخلی گروه ۵ در دمای بالا، به بیش از ۲۰% رسیده است، اما این دستگاه‌ها همچنان مشکلات دیگری به همراه دارند. موانعی از قبیل فرآیندهای فعال‌سازی دوپینگ پس از رسوب [در لایه‌های جاذب]، طول عمر کوتاه حامل و نسبت فعال‌سازی پایین». این محققان در ادامه توضیح دادند: «با استفاده از کلریدهای گروه ۵، موفق شدیم دوپینگ سلول های خورشیدی CdSeTe را با عناصر داخلی گروه ۵ انجام دهیم و در نتیجه بازدهی سلول را افزایش داده و در عین حال دما را پایین نگه داریم».
سلول های خورشیدی و عناصر یونی گروه ۵
دِنگ بینگ لی و همکارانش در دانشگاه‌های تولدو و آلاباما، دوپینگِ سلول های خورشیدی CdSeTe را با استفاده از عناصر یونی گروه ۵، یعنی کلریدهای این گروه، انجام دادند. این عناصر عبارتند از: فسفر تری‌کلرید (PCl3)، آرسنیک تری‌کلرید (AsCl3)، آنتیموان تری‌کلرید (SbCl3 )، و بیسموت کلرید (BiCl3).
سلول های خورشیدی ایجاد شده توسط این تیم پژوهشی از نظر بازدهی، طول عمر حامل، و نسبت فعال‌سازی ناخالصی، نتایج چشمگیری به همراه داشتند. علاوه بر این، عملکرد آن‌ها در مقایسه با سلول های خورشیدی کادمیوم تلوراید دوپ شده با مس بسیار مطلوب بود.
طبق گزارش این محققان، «نتایج بدست آمده برای سلول های خورشیدی CdSeTe دوپ شده با AsCl3، به شرح زیر است: نسبت فعال‌سازی آلاینده به %۸۸/۵، تراکم حفره‌ها به بیش ازcm-۳ ۱۰۱۵x2، و طول عمر حامل به بیش از ۲۰ نانو ثانیه رسید. در نتیجه‌ی این بهینه سازی، ولتاژ مدار بازِ سلول های خورشیدی CdSeTe دوپ شده با آرسنیک تا ۸۶۳ میلی ولت افزایش یافت، در حالی که بالاترین ولتاژ مدار باز برای سلول های خورشیدی CdSeTe دوپ شده با مس، ۸۵۲ میلی ولت ثبت شده است».
فرآیند دوپینگ انتشار عناصر گروه ۵ به کار رفته در این پژوهش، هزینه کمی دارد و در محیط‌هایی سرد قابل اجرا است. از طرف دیگر، این فرآیند شباهت بسیاری به فرآیندهای معمول با دوپینگ مس دارد، در نتیجه به راحتی می‌توان آن را در تاسیسات ساخت سلول های خورشیدی فعلی پیاده‌سازی کرد.
این مقاله می‌تواند الهام بخش پژوهش‌های بیشتر در سرتاسر جهان پیرامون طراحی و ارزیابی راهکارهای مشابه برای دوپینگ با عناصر گروه ۵ باشد. در نهایت، این تحقیقات می‌توانند منجر به توسعه طیف گسترده‌ای از سلول های خورشیدی کادمیوم تلوراید پربازده شوند.
در قالب طرح کلان ملی فناور و با تلاش یک شرکت دانش‌بنیان و همکاری معاونت علمی و فناوری ریاست جمهوری، توسعه و ساخت گوشی هوشمند پزشکی در دستور کار قرار گرفته است.
به گزارش هوشیو و به نقل از خبرگزاری ایرنا، طبق اعلام معاونت علمی و فناوری ریاست جمهوری، گوشی‌های پزشکی که نبض بیمار را به اگاهی پزشک می‌رسانند، در طول سال‌های متمادی جایگاهی مهم در حوزه سلامت به خود اختصاص داده‌اند. هرچند این گوشی‌ها مدت‌هاست که ثابت مانده و تغییری نداشته‌اند.
اما با انقلاب چهارم و عصر نوآوری‌های دیجیتال، این تجهیز هم دچار تغییر و تحول شد و حالا می‌توان ردپایی از تحول و دیجیتالی شدن و هوشمند شدن را در آن یافت.
گوشی هوشمند پزشکی
نسل جدید گوشی‌های پزشکی که به آن‌ها گوشی هوشمند پزشکی می‌گویند، به غیر از استفاده از قابلیت هوش مصنوعی، ارتباطات از راه دور و اتصال به اینترنت، از فناوری هوش مصنوعی بهره می‌برد. امکان تشخیص صداهای عادی از صداهای مزاحم و غیرعادی، تشخیص بیماری‌ها و نشانه‌های ویژه به کمک صدا از دیگر فناوری‌های استفاده شده در این گوشی‌ها هستند.
گوشی‌های پزشکی در دو نوع مکانیکی و دیجیتال تولید شدهاند. البته که پیچیدگی فناورانه و تکیه بازار تجهیزات پزشکی به واردات راه را برای تولید داخلی این محصول بسته بوده است. این موضوع در کنار نوسانات ارز محدودیت‌هایی برای واردات و همچنین حوزه سلامت ایجاد کرده است.
به همین منظور برای رفع نیاز این حوزه معاونت علمی و فناوری ریاست جمهوری در قالب یک طرح کلان ملی فناور و با تلاش یک شرکت دانش‌بنیان زمینه را برای تولید گوشی پزشکی هوشمند در ایران فراهم کرده است و به عبارتی به دنبال ایران ساخت کردن آن است.
قرار است به غیر از گوشی پزشکی هوشمند، نمونه‌های دیجیتال، مکانیکی و همچنین بدون سیم این گوشی نیز توسط شرکت دانش‌بنیان نبض هوشمند سلامت توسعه و ساخته شود.
در مجموعه مقالات حاضر که در مورد اهمیت ایجاد نیروی کار یقه آبی در عرصههوش مصنوعینوشته شدهاند، قسمت اول به چیستی و اهمیت آن پرداخته است. بخش دوم، هشت اقدامی که شهروندان، دولت‌ها و کارفرمایان در این مسیر باید انجام دهند را مرور کرده است. در این قسمت که آخرین بخش از مجموعه‌ی مذکور است، در مورد راهبردهای تاکتیکی صحبت می‌شود که موفقیت در مقیاسی بزرگ‌تر را تضمین می‌کنند. علاوه بر این، به نقش حیاتی اخلاقیات و پایداری در این مسیر نیز اشاره می‌شود.
آمریکا وارد رقابت جهانی سخت و سرنوشت‌سازی شده تا به سردمدار عرصه هوش مصنوعی تبدیل شود. بدون اعمال تغییراتی بنیادین و فوری در نحوه مدیریت منابع انسانی نمی‌توان برنده این رقابت بود. چین نیز به نوبه خود گام‌هایی بسیار بلند برای غلبه بر این فناوری تا سال ۲۰۳۰ برداشته است. مشاغل هوش مصنوعی وعلوم دادهدر تقریباً همه حوزه‌ها با سرعت توسعه می‌یابند؛ با این حال، آمریکا فعلاً از قافله عقب مانده است.
مشکل آمریکا اینجاست که نفرات کافی برای پر کردن مشاغل خالی هوش مصنوعی ندارد و سیستم فعلی‌اش آنقدر کُند و تک‌بُعدی است که اجازه همگام ماندن با پیشرفت‌های آینده را به او نمی‌دهد. برای پیشروی پا به پای رقبای خارجی، به تفکری وسیع‌تر، ظرفیتی بالاتر و نیروی کاری توزیع‌شده/ دربرگیرنده‌تر نیاز است.
اهمیت نیروی کار یقه آبی در حوزه هوش مصنوعی
زمان پیش می‌رود. آمریکا باید برای غلبه بر چین، تا قبل از سال ۲۰۲۵، رهبری دنیای هوش مصنوعی را در دست گیرد. راه‌حل، افزایش برنامه‌های آموزشی تحصیلات تکمیلی هوش مصنوعی و شمار یقه‌سفیدها یا افسرهای ارتشی نیست؛ در واقع، تا همین الان هم، تعداد تازه فارغ‌التحصیلان رشته‌های تحلیل‌گری و دانش‌آموختگان تحصیلات تکمیلی بیش از حد نیاز است. راهکار درست برای شتاب‌بخشی به فرآیند ساخت نیروی کاری هوش مصنوعی، این است که مدارک گران‌قیمت و زمانبری که اکثراً تجملاتی هستند، غیرضروری تلقی شوند.
تاریخچه نوآوری در آمریکا نیز از این نکته حمایت می‌کند: برادران رایت تعمیرکار دوچرخه بودند، نه استاد دانشگاه MIT. بیل گیتس، استیو جابز، مارک زاکربرگ، مایکل دل و یا لری الیسون، هیچ کدام از کالج فارغ‌التحصیل نشده‌اند. مسئله اینجاست که سرمایه‌گذاری روی فارغ‌التحصیلان کارشناسی ارشد و دکتری، مسیر رسیدن به هدف را راحت‌تر نمی‌کند. موفقیت در گروی بها دادن به نیروی کار یقه آبی هوش مصنوعی است: ارتشی از مهندسان داده، متخصصان مصورسازی و کدنویس‌های سایبری.
نقش حیاتی چارچوب اخلاقی در حوزه هوش مصنوعی
ایجاد نیروی کار در عرصه هوش مصنوعی، تا حدی شبیه به ساخت هرم است. ابتدا باید پایه را ساخت و سپس لایه‌های بعدی را به آن اضافه کرد تا وقتی که کار با قرار دادن سرسنگ نهایی تمام شود. پایه هرم، از نیروی کار یقه آبی تشکیل شده که در مدارس و کالج‌های دولتی آموزش می‌بینند. لایه‌های بعدی متشکل از فارغ‌التحصیلان کارشناسی هستند. سرسنگ نهایی نسبت به بخش‌های دیگر بسیار کوچک‌تر است و کارکنان رده‌بالایی را در برمی‌گیرد که از مقاطع بالاتر فارغ‌التحصیل شدهاند. نیروی کار یقه آبی رأس هرم را پشتیبانی می‌کند و ملاتی که همه این ساختار را روی هم نگه می‌دارد، اخلاقیات است.
به هیچ عنوان نمی‌شود اول هرم را ساخت و سپس با روکشی از اخلاقیات به آن جلا زد؛ بلکه اخلاقیات باید از همان ابتدا در ساخت این هرم نقش داشته باشد. ایجاد نیروی کار در عرصه هوش مصنوعی پایدار، ریشه در به کارگیری اخلاقیات دارد. اگر در مدارس، کسب و کارها و دولت، دستورهای اخلاقی سخت‌گیرانه تدریس نشوند، مورد بحث قرار نگیرند یا به اجرا در نیایند، کشورها با خطراتی بسیار جدی روبرو خواهند شد. متخصصان علوم داده‌ای که خارج از چارچوب اخلاقی عمل کرده و از استانداردهای حرفه‌ای و محدودیت‌های قانونی پیروی نمی‌کنند، اغلب به اعمالی همچون جمع‌آوری غیرمسئولانه داده و یا سوگیری در تحلیل متهم میشوند.
اخلاقیات در دنیای واقعی
در دوران تحصیلم در آکادمی نیروی دریایی، تقریباً هر هفته در جلسات رهبری اخلاقی شرکت می‌کردیم. در این جلسات که مروری بر پرونده‌های ارتشی بودند، با تحلیل تصمیمات مدیریتی (چه عاقلانه و چه شنیع)، می‌توانستیم اخلاقیات را وارد دنیای واقعی کنیم. به شخصه معتقدم که باید در همه سطوح آموزشی هوش مصنوعی (کالج‌های دولتی، کنفرانس‌ها، شرکت‌ها، عملیات‌های ارتشی و آژانس‌های دولتی) مدلی مشابه نهادینه شود.
مشتاقانه منتظر رشد و توسعه سازمان‌هایی که با آن‌ها در ارتباطم، هستم. این تابستان، در کارگاه «مرکز همگرایی فناوری‌های ملی» سخنرانی خواهم داشت. قصد دارم در این جلسه به شرکت‌کنندگان کمک کنم مبحث اخلاقیات در علوم داده را به برنامه درسی دوره‌های آموزش IT وارد کنند. کالج ایالتی فلوریدا در جکسونویل، اخیراً یک دوره آموزشی اخلاقیات در علوم داده فراهم آورده است که دستورالعمل‌ها و اصول تصمیم‌گیری اخلاقی در سناریوهای گوناگون را آموزش می‌دهد. دفتر سیاست‌گذاری علم و فناوری کاخ سفید (OSTP) و بنیاد ملی علوم (NSF) به تازگی از تأسیسکارگروه ملی ویژه‌ی منابع پژوهشی هوش مصنوعی(به هدف گسترش ابزارها و منابع آموزشی لازم برای نوآوری در عرصه هوش مصنوعی) وکمیته ملی مصلحت‌اندیشی هوش مصنوعی(به منظور ارائه پیشنهاد در حوزه‌های هوش منصوعی از جمله مسائل اخلاقی و قانونی) خبر داده‌اند.
سه گام برای ایجاد چارچوبی اخلاقی
به شدت معتقدم که همه سازمان‌هایی که در عرصه هوش مصنوعی مشغول هستند، موظف به تعریف استانداردها و کاربردهای اخلاقی هستند. برای شروع، می‌توان از این سه گام پیروی کرد
۱- تعریف چشم‌انداز
همه مقاصد و خواسته‌های خود را در بیانیه‌ای کوتاه و مختصر قرار دهید. می‌خواهید به چه چیزی دست یابید؟ چطور به مصحلت عموم خدمت می‌کنید؟ برای مثال، چشم‌انداز شرکت ECS (جایی که من مدیریت داده و هوش مصنوعی را بر عهده دارم) در این بیانیه خلاصه می‌شود: «حصول اطمینان از مسئولانه بودن پژوهش، ساخت و کاربرد هوش مصنوعی در قبال ایمنی، امنیت و حریم خصوصی مردم».
۲- مشخص کردن ارزش‌ها
چارچوب اخلاقی خود را به طور دقیق توصیف کنید. از چه ایده‌آل‌ها و باورهایی پیروی می‌کنید؟ چطور ارزیابی می‌کنید که پروژه یا برنامه‌ای خاص توانسته این ارزش‌ها را حفظ کند؟ ما در شرکتمان از چارچوبی پیروی می‌کنیم که مبتنی بر (اصول) وزارت دفاع آمریکا و جامعه هوش (مصنوعی) است. طبق این چارچوب، همه پروژه‌های باید این ویژگی‌ها را داشته باشند:
پاسخگویی
بی‌طرفی
تاب‌آوری
شفافیت
امنیت
کنترل
۳- نهادینه سازی نظارت
یک هیئت اخلاقیات هوش مصنوعی ایجاد کنید تا مسئول ارائه دستورالعمل و پیشنهاد برای تصمیم‌گیری در مورد برنامه‌ها و اقدمات این حوزه باشد. این هیئت باید به عنوان نیروی نظارت و پاسخگویی درون‌سازمانی ایفای نقش کند.
آمریکا باید در مقیاسی بزرگ، نیروی کار یقه آبی در حوزه هوش مصنوعی جذب کرده و آموزش دهد. سراسر کشور تحت فشار است تا هرچه زودتر این هدف محقق شود؛ با این حال، نباید فراموش کرد که برای تضمین موفقیت، باید در چارچوبی اخلاقی و پایدار گام برداشت.
کنگره ایالات متحده قصد دارد به منظور تقویت توان رقابتی این کشور در حوزه فناوری‌های نوظهور و به ویژه تسریع در توسعه فناوری‌های هوش مصنوعی (AI) که برای امنیت ملی حیاتی هستند، صدها میلیارد دلار به دولت فدرال بدهد. حمایت دو جانبه از قانون نوآوری و رقابت ایالات متحده (USICA)، لایحه‌ای که بودجه لازم را تأمین خواهد کرد، یک گام قابل‌توجه و مهم در تضمین توان مقاومت و رقابت‌پذیری ایالات متحده در قرن بیست و یکم است و کمک شایانی به پیشرفت هوش مصنوعی در آمریکا خواهد کرد.
این تصمیم در راستای شکست آمریکا در برابر چین در عرصه هوش مصنوعی و پیشروی در این فناوری گرفته شد. پیش از این اریک اشمیت، مدیر اجرایی ارشد گوگل و باب ورک، معاون وزیر سابق آمریکا، هشدار داده بودند که کمیسیون امنیت ملی آمریکا توان دفاع یا رقابت در عرصه هوش مصنوعی با دیگر بزرگان این فناوری را از دست داده است و پیشرفت هوش مصنوعی در آمریکا مانند قبل نیست.
از طرفی چین در روز‌به‌روز در حال پیشرفت است و به شکلی جدی توانسته زنگ خطر را برای آمریکا به صدا درآورد. در مقابل ضعف آمریکا، پکن بیش از یک دهه است که فعالیت جدی جدیدی را در عرصه هوش مصنوعی آغاز کرده و با حداکثر قدرت برای تبدیل شدن به قدرت برتر جهانی در عرصه هوش مصنوعی در حرکت است.
امروزه شبهات بسیاری در خصوص مسائل اخلاقی و استفاده درست از هوش مصنوعی وجود دارد، اما شکی نیست که ایالات متحده باید به سرعت راه‌حلی برای این چالش‌ها بیابد تا بتواند ازفناوری هوش مصنوعیمنفعت کافی را کسب کرده و جایگاه خود را در دنیا حفظ کند.
اما هر چه پول و سرمایه به این حوزه وارد شود، بدون تلاش‌های فراوان و هماهنگ همه بخش‌ها برای بازبینی چارچوب‌های بودجه جاری، تملک، ریسک و چارچوب‌های نظارتی که باید تحت کنترل مدیر اطلاعات ملی (DNI) و انجمن هوش (IC) انجام شود، انجمن هوش نمی‌تواند پیشرفت‌های فناوری ضروری برای حفظ مزیت رقابتی خود را به موقع شناسایی کرده، توسعه داده و یکپارچه سازد.
یک پژوهشگر حکمرانی فضای مجازی معتقد است تحولات پلتفرم‌ها بر قواعد حکمرانی جوامع تاثیر گذاشته و حاکمیت بیگانگان در قلمرو فضای مجازی باید از بین برود.
به گزارش هوشیو و به نقل از شفقنا رسانه، حسین زیبنده، دانشجوی دکتری حکمرانی فضای مجازی و پژوهشگر هسته خط مشی فضای مجازی مرکز رشد دانشگاه امام صادق (ع) اخیرا گفتگویی با خبرگزاری مهر داشته و در این گفتگو به نقاط ضعف کشور در مواجهه فعالانه و خردمندانه در فضای مجازی در عرصه داخلی و بین‌المللی طی یک دهه اخیر اشاره کرد: «نیاز است تا دولت جدید با عزم راسخ جبران مافات و این عقب‌ماندگی‌ها را در برنامه قرار دهد و فرصت‌های ازدست‌رفته را احیا و از فرصت‌های جدید استفاده کند.»
او که پژوهشگر حکمرانی فضای مجازی است در ادامه گفت: «در سال‌های پیش‌رو به واسطه ظهور فناوری‌های نوین و فناوری‌های آینده مانند اینترنت اشیا و هوش مصنوعی، فرصت‌های جدیدی در عرصه سایبری ظهور خواهند کرد که با مواجهه فعالانه امکان جبران قسمت بزرگی از عقب‌ماندگی‌های فعلی کشور، میسر خواهد شد. همچنین جایگاه مناسبی برای جمهوری اسلامی ایران در مناسبات بین‌المللی دست‌و‌پا خواهد شد و اثرگذاری داخلی و بین‌المللی و بهره‌مندی از منافع و آورده‌های اقتصادی و غیراقتصادی از این فناوری‌ها خواهد داشت.»
این پژوهشگر حکمرانی فضای مجازی همچنین گفت: «با بنا کردن قوانین جدید و ایجاد مناسبات جهانی و نظم‌آفرینی جدیدی در نظام حکمرانی بین‌المللی فضای مجازی، شاهد بازیابی هویت ملی جمهوری اسلامی ایران در عرصه سایبری خواهیم بود.»
زیبنده در پایان گفت: «باید به دور از هرگونه سهل‌اندیشی و سهل‌انگاری در مواجهه با فضای مجازی و تقلیل این فضا به مفهوم فناوری اطلاعات و ارتباطات با جدیت و جهد تمام، پیچیدگی‌های حاکم بر مناسبات جهانی و مناسبات ملی در فضای مجازی را شناسایی و حاکمیت جمهوری اسلامی در عرصه فضای مجازی را گسترش داد و دوباره تولید کرد تا این اقتدار به جمهوری اسلامی ایران بازگردد.»
ادراکات حسی هوش مصنوعی (AI) به کمک حسگرهای سفارشی، یادگیری ماشینی (ML) و شبکه‌های عصبی بیش از پیش شبیه به ادراکات انسانی شده است. به لطف این فناوری‌ها شاهد پیشرفت‌های جدیدی در زمینه احساسات دیجیتال و تولد ربات‌هایی هستیم که می‌توانند میوه‌های رسیده را تشخیص دهند، داغ شدن بیش از حد رادیاتور را حس کنند و میزان آسیب‌پذیری بسته‌ها را درک کنند.
حتی اخیرا ایلان ماسک خبر داده که تصمیم دارد تا سال آینده ازربات انسان نمای تسلابا عنوان تسلا بات رونمایی کند. این ربات می‌تواند امور خطرناک یا خسته‌کننده را انجام دهد و از این طریق در خدمت انسان باشد.
بعد از شنیدن چنین خبری شاید بد نباشد تاثیراتی که ورود رایانههایی با احساسات مشابه انسان به زندگی بشر می‌گذارند و در کل ادراکات حسی هوش مصنوعی را بررسی کنیم.
مهندسان دانشگاه کارنگی ملون (CMU) سنسورهای عمق مادون قرمز را با دوربین‌های رنگی ترکیب کرده‌اند تا ربات‌ها بتوانند با مهارت بیشتری با اجسام شفاف کار کنند. همچنین این محققین یک مدل یادگیری ماشینی بر روی دیتاستی بسیار بزرگ آموزش داده‌اند که می‌تواند اجسامی که تا به حال ندیده را نیز با دقت ۷۵ درصد به درستی شناسایی کند.
در همین حال، شرکت نرم‌افزاری OpenAI نرم‌افزارهایی مجهز به هوش مصنوعی توسعه داده است که با استفاده از یک شبکه عصبی، براساس یک پایگاه داده عظیم تصویری/متنی، تصاویری تولید می‌کند که می‌توان از آن‌ها برای تولید نسخه‌های بصری از کتاب‌های درسی یا ساخت فیلم توسط عکس‌های واقعی از روی یک فیلم‌نامه متنی استفاده کرد.
دانشمندان موسسه فناوری ماساچوست نیز با استفاده از VisGel که دیتاستی حاوی جفت داده‌های لامسه‌ای-بصری است، یک سیستم هوش مصنوعی را به نحوی آموزش داده‌اند که بتواند ظاهر شیء لمس‌شده و احساسی که از دیدن آن به انسان دست می‌دهد را پیش‌بینی کند.
انجمن علمی علوم کامپیوتر دانشگاه کاشان قرار است وبینار آخرین دستاوردهای هوش مصنوعی در زمینه NLP پردازش زبان طبیعی را برگزار کند. به گزارش هوشیو، پردازش زبان طبیعی (NLP) درواقع آموزش زبان انسانی به ماشین‌هاست. در پردازش زبان طبیعی به مجموعه داده‌های زبانی نیاز داریم که بتوانیم روی آن‌ها پردازش انجام دهیم. پردازش زبان طبیعی را می‌توان بخش پیوند زبان طبیعی و زبان‌های مصنوعی مانند زبان‌های برنامه‌نویسی نامید.
مانند دیگر بخش‌های هوش مصنوعی، NLP هم با سرعتی فزاینده درحال رشد و پیشرفت است و طبیعی است که علاقه‌مندان به این حوزه، محتاج به‌روز شدن درباره آخرین دستاوردها و تحولات این حوزه وسیع باشند. به همین منظور انجمن علوم کامپیوتر دانشگاه کاشان قصد دارد وبیناری رایگان با عنوان «آخرین دستاوردهای هوش مصنوعی در زمینه NLP» برگزار کند. این وبینار روز یکشنبه، ۳۱ شهریور سال ۱۴۰۰ و راس ساعت ۱۸ برگزار خواهد شد. مدرس وبینار رایگان آخرین دستاوردهای هوش مصنوعی در زمینه NLP دکتر مهدی رضا قلی زاده خواهد بود. وی دانش‌آموخته برتر کارشناسی و کارشناسی ارشد مهندسی برق و کامپیوتر دانشگاه تهران، دانش‌آموخته دکتری دانشگاه در زمینه سیستم‌های کنترل هوشمند در دانشگاه مک‌گیل، محقق گروه پردازش زبان طبیعی هوشمند در شهر مونترئال شرکت هوآووی و صاحب بیش از ۲۰ مقاله در کنفرانس‌ها و ژورنال‌های معتبر بین‌المللی و بیش از ۱۰ اختراع ثبت‌شده است. وبینار رایگان آخرین دستاوردهای هوش مصنوعی در زمینه NLP از ساعت ۱۸ تا ۱۹:۳۰ برگزار می‌شود و پلتفرم آن ادوبی کانکت خواهد بود. افرادی که قصد شرکت در این وبینار را دارند باید ابتدا ادوبی کانکت را نصب کرد (البته در صورت تمایل به اتصال میکروفن و استفاده بهتر از محیط) و سپس از طریق لینکی که دقایقی قبل از شروع وبینار در کانال و بیو پیج اینستاگرام انجمن علمی علوم کامپیوتر دانشگاه کاشان قرار می‌گیرد، اقدام به ورود به وبینار کنند. آیدی پیج و کانال kucssa@ است. همچنین در صورت بروز مشکل یا وجود سوال، می‌توان با آیدی kcomputerscienc@ ارتباط برقرار کرد.
گروهی از محققان به سرپرستی هاروکا اوزاکی (استادیار مؤسسه‌ی پژوهشیهوش مصنوعیدانشگاه سوکوبا) و کویچی تاکاهاشی (مؤسسه‌ی پژوهشی RIKEN) با تکیه بر الگوریتم‌های ریاضی، موفق به بهینه سازی آزمایشگاه ها با برنامه ربات‌های به کاررفته در آن‌ها شدند. برخی نمونه‌های آزمایشگاهی باید با استفاده از چندین ابزار متفاوت مورد بررسی قرار بگیرند، اما از نظر زمانی حساسیت بالایی دارند (فاسدشدنی هستند). محققان توانستند با تحلیل نیازهای این نوع نمونه‌ها، تعداد آزمایشاتی که می‌توان با توجه به منابع محدود آزمایشگاه‌ها، در بازه‌ی زمانی مشخصی انجام داد را به حداکثر برسانند و از این طریق قدم بزرگی در بهینه سازی آزمایشگاه ها بردارند. این تحقیقات به طراحی آزمایشگاه‌ها و سایر محیط‌های کاری زیست‌شناسی در آینده کمک می‌کنند.
ربات‌ها می‌توانند بسیاری از مسائل زیست‌شناسی، از قبیل پیپت کردن یا انتقال سلول‌ها از ابزاری به ابزار دیگر، را انجام دهند؛ به همین دلیل، آزمایشگاه‌ها روز به روز بیشتر به سمت خودکارسازی پیش می‌روند. کنترل برنامه این ماشین‌ها به منظور انجام بیشترین آزمایشات ممکن در یک بازه‌ی زمانی مشخص، امری پیچیده است؛ چون سلول‌های زنده و شناساگرهای فاسدشدنی اغلب محدودیت‌های زمانی خاص خود را دارند. الگوریتم‌های برنامه‌ریزی قدیمی به «محدودیت زمانی با مرزهای دوطرفه» توجهی نداشتند (یعنی هنگامی که بین شروع و پایان یک عملیات با مرز عملیات بعدی، زمان محدودی وجود دارد). این نوع محدودیت‌ها در مسائل زیست‌شناسی به کرّات مشاهده میشوند؛ برای مثال، در صورتی که مولکول‌های پروتئین فوراً مورد پردازش قرار نگیرند، تغیر ماهیت داده یا فاسد میشوند.
در حال حاضر، پژوهشگران دانشگاه سوکوبا چارچوب ریاضیاتی جدیدی ساخته‌اند که علاوه بر این محدودیت‌های زمانی، تعارض احتمالی بین منابع (مثل ظرفیت محدود ابزارها) را نیز مدنظر قرار می‌دهد. اوزاکی می‌گوید: «ما نام S-LAB را برای رویکرد خود انتخاب کرده‌ایم که مخفف «برنامه‌ریزی خودکارسازی آزمایشگاه‌های زیست‌شناسی» است. هدف از این نامگذاری، تأکید بر محدودیت‌های زمانی خاصی که در این آزمایشگاه‌ها وجود دارد، بود.»
حتی در حال حاضر که در عصر ربات‌های چندمنظوره زندگی می‌کنیم، چندین نوع ابزار آزمایشگاهی (مثل گرداننده‌های حرارتی یا تبخیرکننده‌ها) هستند که برای آزمایشات زیست‌شناسی ساده به کار می‌روند. این ربات‌ها باید به نحوی برنامه‌ریزی شوند که نمونه‌ها را، بدون این‌که بیش از حد در تماس با عناصر و فضای باز قرار گیرند، جلو و عقب ببرند. اوزاکی در ادامه می‌گوید: «با استفاده از روش برنامه‌ریزی هدف‌مند، آزمایشگاه‌های خودکار می‌توانند کارآیی خود را در طیفی وسیع از آزمایشات علوم زیستی ارتقاء دهند.» این موضوع به بهینه سازی آزمایشگاه ها کمک زیادی خواهد کرد. این پژوهش‌ها را می‌توان در سایر فرآیندهای صنعتی که با مواد فاسدشدنی (که نباید خیلی در فضای باز قرار گیرند) سر و کار دارند نیز به کار برد.
فیلترهای زیبایی دیجیتال به رنگ گرایی تداوم میبخشند