ماشین لرنینگ در زندگی روزمره

,

امروزه اینترنت و شبکه های اجتماعی نقش پررنگی در فعالیت های روزمره ما دارد که در حقیقت بخشی از آن نتیجه استفاده از هوش مصنوعی و یادگیری ماشین است که نشان دهنده اهمیت یادگیری ماشین در فعالیت های مختلف ماست در این مقاله میخواهیم چند مورد از کاربرد های رایج یادگیری ماشین را معرفی کنیم.

 

1) تشخیص چهره:

اغلب ما برای به اشتراک گذاشتنن افکار و احساساتمان با دیگران از شبکه های اجتماعی مختلفی استفاده میکنیم، که یادگیری ماشین کاربرد گسترده ای در این شبکه های اجتماعی دارد برای مثال در برنامه فیسبوک زمانی که ما عکسی برای دوستان خود آپلود میکنیم، به طور خودکار با نام هایمان تگ می شویم. این بر اساس پروژه فیسبوک به نام deep Face (چهره عمیق) است که می تواند با دقت 97.25 درصد، تصاویر متعلق به یک شخص را تشخیص داده، صفحات مختلف را به هم ربط داده و استنتاج های مورد نیاز فیسبوک را در اختیار قرار دهد. پروژه deep Face می تواند 4000 جز از ظرایف صورت انسانی را مورد بررسی قرار داده و تصاویر را تشخیص دهد این ویژگی یکی از اشکال محبوب کاربرد تکنولوژی یادگیری ماشین در شبکه های اجتماعی است.

 

2) تشخیص گفتار:

ممکن است درمواردی پیش آمده باشد که امکان تایپ کردن نداشته باشیم، در این جور مواقع گوگل آپشنی دارد به نام جستجوی صوتی. در این تکنولوژی از الگوریتم های یادگیری ماشین استفاده شده است در واقع تشخیص گفتار این گونه عمل می کند که دستورالعمل های صوتی را به دستورالعمل های متنی تبدیل کند.

در حال حاضر برنامه های Google assistant, Siri, Cortana, Alexa از این تکنولوژی استفاده می کنند.

 

3) پیش بینی ترافیک:

زمانی که ما به شهر جدیدی سفر می کنیم که به مسیر های آن آشنایی نداریم شاید ساعت ها زمان ببرد که مسیر درست را پیدا کنیم و به مقصد برسیم و حتی زمان زیادی را در ترافیک بگذرانیم در حالی که مسیر های بهتری برای رسیدن به مقصدمان هست.

تا قبل از سال 2017 پروژه Google Map صرفا یک نقشه آنلاین از تمام جهان بود اما بعد از این سال، گوگل قابلیت های یادگیری ماشین و یادگیری عمیق را به این سرویس خود اضافه کرده. الگوریتم های یادگیری ماشین، به نرم افزارها کمک می کنند تا نام خیابان ها و شماره خانه ها را از روی عکس هایی که از آن خیابان ها گرفته شده، استخراج کنند تا نتایج جستجو دقیق تر شونند. با مجموع 80 میلیارد تصویری که از خیابان ها در دیتابیس گوگل موجود می باشد، این استخراج نام ها با دقت 84.2 درصد در حال انجام است. این برنامه همچنین به کمک مکان خودرو و میانگین زمان در روز های گذشته شرایط ترافیکی را پیش بینی می کند. هرشخصی که از Google Map استفاده می کند به عملکرد بهتر برنامه کمک می کند زیرا برنامه اطلاعات را از کاربر می گیرد و برای بهبود عملکرد به پایگاه داده خود میفرستد.

 

4) خرید هوشمند و تبلیغات پیشنهادی:

امروزه به دلیل تنوع زیاد محصولات و خرید آسان تر و در زمان کمتر خرید اینترنتی گزینه بهتری برای اغلب افراد است، شرکت های معتبری مثل Amazon که از بزرگ ترین فروشگاه های آنلاین آمریکا است پیوسته کاربران را در معرض یادگیری ماشین قرار می دهد. هنگامی که ما محصولی را خریداری می کنیم الگوریتم های یادگیری ماشین علاقه های مارا یاد می گیرند و اطلاعاتی را جمع آوری می کنند سپس بر اساس آن محصولاتی جدید که با سلیقه ما همخوانی دارد را پیشنهاد می دهند.

این الگوریتم های یادگیری ماشین در موارد مشابه مثل سایت Netflix با توجه به جستجو های ما علاقه مارا درک می کنند و بر مبنای آن فیلم های مشابه را به ما پیشنهاد می کند.

 

5) خودرو های خودران:

اگر شما هم نیم‌‌نگاهی به پیشرفت‌های بشر در زمینۀ خودروسازی و هوشمندسازی آن‌ها بیاندازید، احتمالاً خودروهای خودران خیلی هم عجیب و غریب به‌نظر نمی‌رسد. اصلی ترین بخشی که در عملکرد این خودرو ها میدرخشد، هوش مصنوعی آن هاست که بر مبنای الگوریتم های یادگیری ماشین است. تسلا محبوب ترین شرکت خودرو سازی در حال کار بر روی خودرو های خودران است و در سال های اخیر سرمایه گذاری زیادی در این زمینه کرده است، آن ها از متدهای یادگیری بدون نظارت برای آموزش مدل های ماشین برای تشخیص افراد و اشیاء در حین رانندگی استفاده می کنند که احتمال تصادف را کاهش می دهد.

 

6) دستیار شخصی مجازی:

ما دستیارهای شخصی مجازی مختلفی مانند Google assistant, Alexa, Cortana, Siri داریم. همانطور که از نام آن پیداست، آنها به ما در یافتن اطلاعات با استفاده از آموزش صوتی کمک می کنند. این دستیارها فقط با دستورالعمل‌های صوتی مانند پخش موسیقی، تماس با کسی، باز کردن ایمیل، برنامه‌ریزی یک قرار و غیره می‌توانند به روش‌های مختلف به ما کمک کنند.
این دستیار، دستورالعمل‌های صوتی ما را ضبط می‌کند، آن را روی سرور در یک ابر ارسال می‌کند، و آن را با استفاده از الگوریتم‌های ML رمزگشایی می‌کند و مطابق با آن عمل می‌کند.

مایکروسافت، گوگل، اپل و آمازون با دستیاران هوشمند صوتی خود یعنی کورتانا، Google assistant ، سیری و الکسا در حال رقابت با هم هستند. و در آزمایشی که به تازگی توسط Loup Ventures انجام شده است، دستیار گوگل قادر به پاسخ‌گویی صحیح به بیشترین سوالات بوده است.

 

7) معاملات بازار سهام:

یادگیری ماشین اطلاعات پیشرفته ای از بازار را ارائه می دهد. با استفاده از یادگیری ماشین، مدیران صندوق، تغییرات بازار را زودتر از زمان مدل های سرمایه گذاری سنتی، شناسایی می کنند. در بازار سهام، همیشه خطر بالا و پایین رفتن سهام وجود دارد، بنابراین از شبکه عصبی حافظه کوتاه مدت ماشین لرنینگ برای پیش بینی روند بازار سهام استفاده می شود. موسسات بزرگی مثل JPMorgan ،Bank of America و Morgan Stanley مشاوران سرمایه گذاری خودکار را توسعه داده اند. این ها با فناوری یادگیری ماشین کار می‌کنند.

 

8) تشخیص پزشکی:

ماشین لرنینگ در زمینه پزشکی نقش یک ابر ذهن که درون آن افکار هزاران پزشک قرار می‌گیرد ومی‌تواند به بهترین شکل یک بیماری را پیش‌بینی کند را ایفا می‌کند. یکی از مهم‌ترین اهدافی که در پزشکی وجود دارد، زمینه پیش‌بینی کردن بیماری‌ها و تشخیص‌های بسیار خاص و با اهمیت می‌باشد. مثل تشخیص سرطان و درمان آن!

مدل‌های ماشین لرنینگ، تشکیل شده از مجموعه‌ای از دیتاهایی می‌باشد که در گذشته بر روی بیماران تست شده است و در حال حاضر جمع آوری شده و در دسترس می‌باشد. علاوه بر آن فناوری پزشکی بسیار سریع در حال رشد است و قادر به ساخت مدل های سه بعدی است که می تواند موقعیت دقیق ضایعات را در مغز پیش بینی کند. این به یافتن تومورهای مغزی و سایر بیماری های مرتبط با مغز به راحتی کمک می کند.

 

9) ترجمه خودکار زبان:

همه ما گوگلترنسلیت (google Translate) را می شناسیم و عاشق آن هستیم، وب سایتی که می تواند فورا چیزی بین ۱۰۰ زبان مختلف بشر را ترجمه کند؛ مانند یک جادو! تکنولوژی پشت این برنامه الگوریتم های ماشین لرنینگ است.

مترجم گوگل می‌تواند از یک زبان به زبان دیگر ترجمه کند، حتی اگر دو زبان انتخاب شده پیش از این توسط سیستم انتخاب نشده باشند. برای مثال یک سیستم چند زبانه را تصور کنید که برای ترجمه از زبان ژاپنی به انگلیسی و یا کره‌ای به انگلیسی آموزش دیده است. این سیستم علی‌رغم اینکه هیچ‌گونه آموزشی درباره ترجمه از کره‌ای به ژاپنی دریافت نکرده، با استفاده از آموخته‌های قبلی خود این کار را انجام می‌دهد.

 

 

همه این ها نشان میدهد که هوش مصنوعی در ساده ترین فعالیت های روزانه ما دخیل است. این ها تنها مثال های ساده ای از کاربرد های ماشین لرنینگ در اطراف ماست که همگی ابزاری برای ارتقا سطح زندگی انسان است. دامنه کاربرد های ماشین لرنینگ بسیار وسیع است برای مثال در تجارت، صنعت و پزشکی بسیار کاربرد دارد و همچنان در حال رشد است.

 

 

(انجمن هوش مصنوعی دانشگاه اصفهان)

/توسط

کاربرد هوش مصنوعی در صنعت رباتیک

,

حدود 100 سال است که ربات­ های مکانیکی وجود دارند، اما این ربات­ ها محدودیت­ های زیادی دارند. در سال 1990، اولین بار ایده­ ی مشارکت ربات­ ها مطرح شد. این ربات ­ها برای کار در کنار انسان­ ها ساخته شدند. آن­ها کاربردهای بیشماری در انجام بسته­ بندی در انبارها، تحویل کالا و انواع نقش­ های کمکی دارند. امروزه به صورت فزاینده­ای شاهد این ربات­ ها در خرده فروشی­ ها، موزه­ ها، هتل­ ها، بیمارستان­ ها و حتی خانه ­ها هستیم. توانایی تصمیم­ گیری، باعث قدرتمندتر شدن ربات­ ها خواهد شد. به همین دلیل از هوش مصنوعی در ربات­ ها استفاده می ­شود. امروزه، شرکت­ ها به دنبال ربات­ هایی هستند که از سیستم اتوماسیون قدیمی، پیشرفته ­تر باشند و از عهده ­ی وظایف پیچیده­ تر برآیند. هوش مصنوعی به ربات­ ها کمک می­ کند تا در انجام کار­های گوناگون، مانند حرکت، بدون برخورد با اشیاء اطراف یا کمک به انسان­ ها در انجام کارهایشان، از ساخت دیوار و آجرکاری تا دستیار جراح به کار گرفته شوند.

در گذشته، محققان مدت­ ها در مورد چگونگی اعمال هوش مصنوعی در رباتیک فکر می­ کردند، اما با محدودیت­ های قدرت محاسباتی، داده و بودجه مواجه می­ شدند. بسیاری از این محدودیت­ ها دیگر وجود ندارند و احتمالا در حال ورود به عصر طلایی ربات ­ها هستیم. با استفاده از هوش مصنوعی توانایی پاسخگویی، مشارکت و تلفیق ربات­ ها با سیستم­ های دیگر افزایش می­ یابد.

 

هوش مصنوعی و یادگیری ماشین فواید مختلفی برای ربات­ ها دارند، در ادامه برخی از این موارد آورده شده ­اند:

  • بینایی کامپیوتر

هوش مصنوعی و بینایی ماشین می­ تواند به ربات­ ها کمک کند تا اشیایی که با آن مواجه می­ شوند را شناسایی کنند که این قابلیت باعث می­ شود بتوانند جزییات اشیاء را به دست آورند. همچنین در حرکت به اطراف و عدم برخورد به موانع موفق عمل کنند. حجم عظیمی از مجموعه ­ی داده­ ها برای آموزش مدل بینایی کامپیوتر به کار گرفته می ­­شود.

  • برداشتن اشیاء با کمک هوش مصنوعی

از گذشته تا کنون این مورد برای ربات­ ها دشوار بوده است. هوش مصنوعی موجب می­ شود که ربات­ ها بدون دخالت انسان و استفاده از هر نوع کنترل، بتوانند اشیاء را بردارند، نگه دارند یا از مکانی به مکان دیگر منتقل کنند.

  • کنترل حرکت

با کمک یادگیری ماشین، استقلال ربات­ ها افزایش یافته و نیازشان به انسان­ ها برای مدیریت حرکتشان کاهش می­ یابد.­ هوش مصنوعی و یادگیری ماشین به ربات­ ها کمک می­ کند تا دور و اطرافش را آنالیز کنند و حرکتشان را با آن تنظیم کنند.

  • درک دنیای واقعی و پردازش زبان طبیعی(NLP)

برای اینکه ربات­ ها بتوانند به استقلال نسبی برسند، لازم است که قادر باشند تا دنیای اطرافشان را بشناسند. این درک، از طریق تشخیص با هوش مصنوعی و پردازش زبان طبیعی حاصل می­ گردد. یادگیری ماشین به ربات­ ها این امکان را داده است تا به درک داده ­ها و شناسایی الگو­ها برسند و در صورت نیاز با توجه به این شناخت عمل کنند. همچنین NLP، ارتباط بین انسان و ربات را ممکن می­ سازد.

  • محاسبات حسی

محاسبات حسی به ربات­ های پیچیده ­تر توانایی شناسایی، تفسیر، پردازش و شبیه­ سازی عواطف انسانی را می­ دهد. هدف این قابلیت این است که ربات­ ها با داشتن هوش هیجانی قادر باشند مانند انسان­ ها امکان مشاهده، تفسیر و بیان احساسات را داشته باشند.

  • یادگیری تقویتی

یک روش یادگیری مبتنی بر بازخورد است که به ربات کمک می­ کند تا از محیط بیاموزد، درآن کاوش کند، کار­هایی انجام دهد و به طور خودکار از تجربه و بازخوردی که از هر عمل به دست می­ آورد، بیاموزد. همچنین این امکان را می ­دهد که هنگام تبادل با محیط، بهینه رفتار کند.

 

 

/توسط

هوش مصنوعی چیست!؟

بسیاری از افراد هنوز هم با شنیدن نام هوش مصنوعی تنها ربات ها به ذهنشان خطور می کند و دلیل این نوع تفکر ممکن است فیلم هایی با ژانر علمی و تخیلی باشد اما حقیقت این نیست، برخی  از کارهایی که در طول روز انجام می‌دهیم مانند صدای دستیارهای صوتی همانند siri و Google Assistant وغیره، همه از هوش مصنوعی استفاده می­ کنند ولی ما توجه ­ای به این موضوع نداریم که در حال استفاده از آن هستیم چون تبدیل به بخشی از کار های روزمره ما شده است و  دلیل اصلی این اتفاق آن است که نمی‌دانیم هوش مصنوعی چیست وچه کارهایی انجام می‌دهد، پس بییاید باهم کمی در مورد هوش مصنوعی مطالعه کنیم.

هوش مصنوعی (به انگلیسی: Artificial intelligence) که به طور مخفف آن را AI نیز می‌نامند، در واقع تکنولوژی است که توانایی یادگیری دارد و یکی از شاخه های علوم رایانه است که هدف اصلی آن تولید ماشین‌های هوشمند است. در واقع ماشینی است که به صورتی برنامه نویسی شده که همانند انسان فکر کند و توانایی تقلید از رفتار انسان را داشته باشد، این تکنولوژی می تواند به تمامی ماشین ها اضافه شود ولی یادگیری انها زمان بر است اما در انتهای پروسه درصد خطای خیلی کمی در انجام کارها دارند.

تاریخچه هوش مصنوعی:

هوش مصنوعی یکی از قدیمی‌ترین دستاوردهای دنیای فناوری به حساب می ­آید که در حال حاظر نقش مهمی در زندگی تمامی انسان ها دارد.

هوش مصنوعی مربوط به سال های جنگ جهانی دوم است در بازه زمانی که نیروهای آلمانی برای رمز نگاری و ارسال ایمن پیام ها از ماشین enigma استفاده می کردند، یک دانشمند انگلیسی به نام آلن تورینگ به همراه تیمش ماشین bombe را ساختند که enigma را رمز گشایی می کرد. هر دو ماشین enigma و bombe پایه های یادگیری ماشینی (machine learning) هستند که یکی از شاخه های هوش مصنوعی (یا همان Artificial intelligence) می‌باشد. از نظر این دانشمند ماشینی هوشمند بود که بدون اینکه انسان احساس کند با ماشینی صحبت می کند، با او ارتباط برقرار کند و این مسئله پایه علم هوش مصنوعی است.

 

کاربرد های هوش مصنوعی:

هوش مصنوعی امروزه درحوزه هایی مانند سلامت، کسب و کار، آموزش و پرورش، حوزه اقتصاد، قانون و قضا، تولید، برقراری امنیت و تفسیر داده‌ها و غیره کاربرد دارد.

 

تخصص های ما در هوش مصنوعی:

رباتیک: ربات هایی که هوش مصنوعی در آن ها به کار رفته یکی از امکاناتی که دارند توانایی یادگیری است و هدف اصلی آن ها شبیه سازی و درک رفتار انسان است و با گذشت زمان و جمع آوری اطلاعات به یک ربات با امکاناتی پیشرفته تر تبدیل می شوند.

پردازش تصویر: ماشین‌ها می‌توانند به صورتی آموزش ببینند که تصاویر را همانند مغز انسان و حتی کامل تر تحلیل کنند، هوش مصنوعی در پردازش تصویر می‌تواند به شناسایی چهره و تشخیص هویت افراد بپردازد تا از امنیت در مکان‌ها،  تشخیص اشیا و الگوها در تصاویر و ویدئوها اطمینان حاصل کند.

پردازش زبان طبیعی : پردازش زبان طبیعی (به انگلیسی: Natural Language Processing) که به صورت مختصرNLP هم نام برده می شود، یکی از زیرشاخه های هوش مصنوعی است که یک فناوری برای درک زبان انسان توسط کامپیوتر است.

پردازش زبان طبیعی یک دانش پیچیده است، بسیاری از دانشمندان معتقد هستند آخرین مرحله هوش مصنوعی، این است که ماشین ها با ما ارتباط برقرار کنند و ما نتوانیم فرق بین انسان و ماشین را تشخیص دهیم.

داده کاوی و تحلیل داده: داده کاوی به مفهوم استخراج اطلاعات پنهان یا الگوها درحجم زیادی از داده‌ها در یک یا چند بانک اطلاعاتی بزرگ گفته می‌شود .

مفهوم تحلیل داده به پروسه فهمیدن، پاک‌سازی، آماده‌سازی و تحلیل داده‌ها میگویند که به منظور استخراج اطلاعات مفید برای تصمیم‌گیری استفاده می‌شود.

 

 

/توسط