فعالان هوش مصنوعی در ایران

هوش مصنوعی شامل چهار حوزه اصلی بینایی ماشین، داده‌کاوی، پردازش زبان طبیعی و پردازش گفتار است. 

به شرکت‌هایی که حداقل در دو مورد از این حوزه‌ها فعالیت می‌کنند، عنوان چندحوزه‌ای اطلاق شده است. اسامی تعدادی از اینگونه شرکت‌ها در ادامه آمده است. توضیحات مربوط به سوابق و زمینه های فعالیت هر شرکت را میتوانید با کلیک بر روی نام آن شرکت ببینید. همچنین در مــأخــذ اسامی و توضیحات بیشتری مربوط به هر یک از حوزه های چهارگانه فوق نیز قابل دسترس است.

 

1. آرمان رایان شریف
2. امن موج
3. ایبو
4. پایگاه جامع تحلیل محتوا
5. پردازش هوشمند نور
6. تحلیل افزار طوبی تک
7. تحلیل افزار مبتکر میراث
8. تکسوس
9. خورشیدسافت
10. داده پرداز نوین
11. دیتاک
12. دیتامون
13. راهکار پردازش ژرف(روشن)
14. رایاداده
15. رباتیک و هوش مصنوعی نوژان
16. ژرفیران
17. سحاب پرداز
18. سیستم نگر ساینا
19. عامر اندیش هوشمند
20. عصرگویش پرداز
21. فراگستر
22. فرآیند مدار پیشرو
23. فناپ
24. فن‌آفرینان زندگی نو (لایف وب)
25. فناوران اطلاعات سخن
26. گنج آفرینان تابان ایده (پلتفرم هوش مصنوعی رهام)
27. مرکز تحقیقات هوش مصنوعی پارت
28. مشاوران مدیریت هماپلاس
29. نظربین

 

منبع: وبگاه هوشیو

هوشمند سازی سامانه ها

امروزه سیستم‌های هوش مصنوعی به کمک یادگیری ماشین و یادگیری عمیق هوشمند می‌شوند و می‌توانند یاد بیرند و آموزش ببینند. در ادامه هر کدام را معرفی می‌کنیم.

A)یادگیری ماشین

یادگیری ماشین (Machine Learning) یکی از زیر مجموعه های هوش مصنوعی است که به سیستم ها این امکان را می دهد تا به صورت خودکار یادگیری و پیشرفت داشته باشند بدون اینکه نیاز باید تا یک برنامه نویسی مخصوص به آن یادگیری خاص را انجام داد. تمرکز اصلی یادگیری ماشینی بر توسعه برنامه‌هایی است که بتوانند با دسترسی به داده‌ها، به طور خودکار از آن‌ها برای یادگیری خود سیستم استفاده کنند.

در یادگیری ماشین فرآیند یادگیری با مشاهدات یا داده ها آغاز می شود و سیستم از مثال ها، تجارب مستقیم و یا دستور العمل ها و.. استفاده می‌کند تا به یک الگو مشخص برسد و بر اساس آن الگو شروع به تصمیم گیری و حل مسئله کند. هدف اصلی یادگیری ماشین آن است که به کامپیوتر اجازه بدهیم که بدون دخالت و کمک انسان به طور اتوماتیک یادگیری داشته باشند و بتواند بر اساس مشاهدات و داده‌ها رفتار خود را تنیم کند.

الگوریتم های بسیار مختلفی برای یادگیری ماشین وجود دارد و هر روزه صدها الگوریتم جدید نیز در این زمینه تولید می‌شوند.

به طور معمول این الگوریتم‌ها به وسیله سبک یادگیری گروه بندی می شوند، مانند:

• یادگیری نظارت شده
• یادگیری بدون نظارت
•  یادگیری نیمه نظارت

 

همچنین الگوریتم ها با توجه به فرم یا عملکرد نیز گروه بندی می شوند، مانند:

• طبقه بندی (دسته بندی)
• خوشه بندی 

دیدگاه دانشی به هوش مصنوعی

هوش مصنوعی (AI) شاخه گسترده ای از علوم رایانه است که مربوط به ساخت ماشین های هوشمند با توانایی انجام وظایفی است که معمولاً به هوش انسان نیاز دارند. 

هوش مصنوعی یک علم میان رشته ای با چندین رویکرد است ، اما پیشرفت در یادگیری ماشین و یادگیری عمیق باعث ایجاد تغییر الگوی تقریباً در هر بخش از صنعت فناوری می شود. 

 

هنوز هیچ تعریف دقیقی از هوش مصنوعی که تمامی دانشمندادن بر روی آن توافق داشته باشند ارائه نشده است ولی اکثر تعریف‌ها را می‌توان به شکل زیر دسته بندی کرد.

1. مانند انسان فکر می‌کند
2. منطقی فکر می‌کند
3. مانند انسان عمل می‌کند 
4. منطقی عمل می‌کند

دو تعریف اول مربوط به فرآیندهای تفکر و استدلال است، در حالی دو تعریف دیگر با رفتار سر و کار دارند.

 

اهداف هوش مصنوعی جدید

دانش هوش مصنوعی به دنبال آنست که هوش انسان و طریق کار آن به‌گونه‌ای تعریف شود که یک ماشین بتواند آن را به راحتی اجرا کند و وظایفی که بر آن محول می‌شود را به درستی اجرا کند. هدف هوش مصنوعی در حقیقت بر سه پایه استوار است:

1.  یادگیری
2.  استدلال
3.  درک

 

مأخذ

سطوح هوش مصنوعی

در مطالعات نظری، هوش مصنوعی را به سه دسته تقسیم می کنند:

 

1.هوش مصنوعی محدود (Artificial Narrow Intelligence)

شامل همه هوش مصنوعی است که تاکنون دیده ایم و با آن تعامل داشته ایم. حتی پیچیده‌ترین و تواناترین هوش مصنوعی را که تا کنون ایجاد شده‌است جزء این دسته قرار می گیرد. هوش محدود مصنوعی به سیستم‌هایی از هوش مصنوعی اطلاق می شود که تنها می‌تواند یک کار خاص را به صورت خودکار و مشابه قابلیت‌های انسانی انجام دهد.

این ماشین‌ها فقط کارهایی را انجام  می دهند که برای آنها برنامه ریزی شده اند و در نتیجه بازه کاربری و شایستگی این برنامه ها در دامنه گسترده ای قرار ندارد. این سیستم‌ها دربرگیرنده حافظه های واکنشی و حافظه های محدود هوش مصنوعی بوده و حتی پیچیده‌ترین هوش مصنوعی که از یادگیری ماشین و یادگیری عمیق برای آموزش خود استفاده می‌کند؛ در این دسته قرار می‌گیرند. 

هر نوع هوش دستگاهی که امروز ما را احاطه کرده است ، هوش مصنوعی محدود است. دستیارGoogle ، Google Translate ، Siri و سایر ابزارهای پردازش زبان طبیعی نمونه هایی از Narrow AI هستند. برخی ممکن است تصور کنند که این ابزارها به دلیل توانایی تعامل با ما و پردازش زبان انسانی “محدود” نیستند ، اما دلیل اینکه ما آن را هوش مصنوعی “محدود” می نامیم این است که این دستگاه ها به هیچ وجه نزدیک به هوش انسان نیستند. آنها فاقد هوشیاری ، آگاهی و هوش واقعی برای مطابقت با هوش انسانی هستند. به عبارت دیگر ، آنها نمی توانند برای خودشان فکر کنند.

 

2. هوش مصنوعی عمومی (Artificial General Intelligence)

توانایی این را دارد که در کلیه فرایندهای یادگیری، درک، فهم و عملکرد کاملاً شبیه یک انسان عمل کند. این سیستم‌ها همچنان در مرحله تحقیق و توسعه هستند. اگر چنین سیستم های هوشمندی ساخته شوند انقلاب بزرگی در عرصه علوم کامپیوتر و دنیای فناوری ایجاد خواهند کرد. 

از AGI انتظار می رود که بتواند استدلال کند ، مشکلات را حل کند ، در زمان عدم قطعیت قضاوت کند ، برنامه ریزی کند ، یاد بگیرد ، دانش قبلی را در تصمیم گیری ادغام کند و مبتکر ، دارای قوه تخیل و خلاق باشد. اما برای دستیابی ماشین  به هوشی شبیه به انسان ، نیاز است که قادر به تجربه و آگاهی باشند.

با توجه به اینکه سیستم پردازشگر این کامپیوتر در درک و استدلال شباهت زیادی به مغز انسان دارند اما قدرت تفسیر این کامپیوتر ها در مقابل مغز انسان دارای عملکرد نسبتاَ دقیقی نخواهد بود و این به دلیل جزیی نگری این سیستم ها دربرابر داده های ورودی به سیستم است.  مسئله دیگری که هوش مصنوعی عمومی را دچار چالش می کند؛ مصرف بالای انرژی این سیستم ها است. محققان این حوزه امیدوارند که بتوان با گذشت زمان و پیشرفت تکنولوژی، پردازنده های کم مصرف تر را تولید کنند و یا دستیابی به انرژی های نوین، انرژی مورد نیاز این نوع هوش مصنوعی را تامین کند. 

 

3. سوپر هوش مصنوعی (Artificial Super intelligence)

“فراهوش مصنوعی” احتمالاَ نقطه اوج تحقیق بر روی هوش مصنوعی است. “هر هوشی که تقریباً بتواند از عملکرد شناختی انسان در همه حوزه های مورد نظر فراتر رود”

سوپر هوش مصنوعی (ASI) از هوش انسانی در همه ابعاد – از خلاقیت ، تا خرد عمومی ، تا حل مسئله- پیشی خواهد گرفت. ماشین ها قادر به نمایش اطلاعاتی خواهند بود که ما در فرهیخته ترین افراد انسانی ندیده ایم. این نوع هوش مصنوعی است که افراد زیادی نگران آن هستند و نوعی است که افرادی مانند ایلان ماسک فکر می کنند منجر به انقراض نسل بشر خواهد شد.

 

مأخذ

نمونه‏ کاربردهای برخط

•  یافتن شخص مورد نظر: Akinator

 

• استخراج اطلاعات از متون:  inoor

•  

منابع مطالعاتی

 

 

1)   گزارش « درآمدی بر فلسفه هوش مصنوعی »

قابل دسترس در وبگاه مرکز ملی فضای مجازی

 

2) گزارش «بررسی وضعیت فناوری هوش مصنوعی در ایران و جهان»

قابل دریافت از  مرکز پژوهشهای مجلس شورای اسلامی

 

3) گزارش «تأملات عقلانی در هوش مصنوعی»

قابل دریافت از مرکز پژوهشهای مجلس شورای اسلامی

 

4) معرفی کتاب «روش های استدلالی برای هوش مصنوعی و قانون»

قابل دریافت از مرکز پژوهشهای مجلس شورای اسلامی

 

5) معرفی کتاب «الهیات سایبر» 

قابل مطالعه در خبرگزاری بین المللی قرآن (ایکنا) و خبرگزاری کتاب ایران

 

6)  کتاب تدوین شده « هوش مصنوعی» به زبان فارسی (دو فصل نخست) 

قابل دانلود از منبع

 

7) مقاله « داده کاوی، راهی به سوی ناشناخته ها»

قابل دسترس در وبگاه جامع علوم انسانی

 

8) گزارش « برترین روندهای فناوری در 2021» 

قابل دریافت از منبع

تاریخچه هوش مصنوعی

در اساطیر مصر و یونان باستان افسانه هایی از ایجاد اشیاء و ربات هایی که دارای هوش مصنوعی هستند وجود دارد و نشان می دهد انسان از ادوار گذشته اندیشه خلق اجسام هوشمند را در ذهن خود می پرورانده است.

 در طول قرن ها، متفکران و فیلسوفان بزرگی مانند ارسطو تا سایر اندیشمندان مانند توماس بیز از منطق زمان خود برای توصیف فرایندهای فکری انسان استفاده و پایه ای برای درک مفاهیم هوش مصنوعی ایجاد کرده اند.

 

اواخر قرن 19 و نیمه اول قرن 20: تحقیقات هدفمند باعث اختراع دستگاه پیشرفته ای بنام کامپیوتر شد. در سال 1836 ، ریاضیدانان دانشگاه کمبریج ، چارلز بابیج و آگوستا آدا بایرون کنتس لاولیس ، اولین طرح را برای ساخت یک ماشین قابل برنامه ریزی ارائه کردند. 

 

دهه 1940 میلادی: جان فون نویمان(von Neumann János‎) ریاضیدان دانشگاه پرینستون معماری یک رایانهٔ ارقامی که از دو بخش پردازش مرکزی و حافظهٔ مجزا تشکیل می شد را طراحی کرد و وظیفه آن نگه‌داری اطلاعات و دستورالعمل‌ها در حافظه دستگاه بود. همچنین وارن مک کالچ و والتر پیتس پایه و اساس شبکه های عصبی را پایه گذاری کردند.

دهه 1950 میلادی: در این دهه با ظهور رایانه های پیشرفته تر ، دانشمندان می توانستند ایده های خود را در مورد هوش ماشینی آزمایش کنند. آلن تورینگ(Alan Turing) ریاضیدان انگلیسی یک روش را ابداع کرد که برای تعیین امکان هوشمندی در یک سیستم رایانه استفاده  می شد. مک کارتی کسی بود که اولین بار اصطلاح هوش مصنوعی را برای کامپیوترهای هوشمند بکار برد. 

در تابستان سال 1956 در کالح دارتموث کنفرانسی شکل گرفت که توسط آژانس پروژه‌های تحقیقاتی دفاعی پیشرفته (DARPA) حمایت می‌شد، محققین برجسته حوزه علوم کامپیوتر و ریاضیات از جمله پیشروان هوش مصنوعی مانند: مینسکی و مک کارتی(John McCarthy) حضور داشتند.کنفرانس کالج دارتموث انعکاس وسیعی در جهان داشت، سردمداران حوزه نوپای هوش مصنوعی وعده دادند که برنامه هوشمندی را در دست طراحی دارند که می تواند معادل توانایی مغز انسان عمل کند و این فناوری به زودی در دسترس قرار خواهد گرفت. زمان زیادی نگذشت که آنها توانستند پشتیبانی گسترده دولتی و صنعتی را جذب کنند.

انواع هوش ماشینی

یک ماشین هوشمند که وظایف انسانی بیشتری را با سطوح مختلف مهارتی انجام می‌دهد؛ به عنوان یک هوش مصنوعی تکامل‌یافته در نظر گرفته می‌شود.

در حالی که یک ماشین هوشمند که قابلیت و عملکرد محدودی دارد؛ به عنوان یک نوع ساده‌تر و کم‌تر توسعه‌یافته در نظر گرفته می‌شود.

 

ماشین­ های واکنشی قدیمی‌ترین اشکال سیستم‌های هوش مصنوعی هستند که قابلیت بسیار محدودی دارند. آن‌ها فرایندهای ذهن انسان را در واکنش به انواع مختلف محرک‌ها تقلید می‌کنند. آنها نمی‌توانند از تجارب قبلی خود برای فعالیت‌های فعلی خود استفاده کنند و توانایی یادگیری ندارند.

از این ماشین‌ها تنها می‌توان برای پاسخ خودکار به مجموعه­ای محدود از ورودی‌ها استفاده کرد. این سیستم­ها نمی توانند از حافظه برای بهبود عملکرد خود استفاده کنند. یکی از نمونه های رایج دستگاه هوش مصنوعی واکنشی،  دستگاهی بود که در سال 1997 استاد بزرگ شطرنج گری کاسپاروف را شکست داد.

 

ماشین‌های “حافظه محدود” ماشین‌هایی هستند که علاوه بر داشتن قابلیت‌های ماشین‌های واکنشی، قادر به یادگیری داده‌­های مشخصی هستند تا بتوانند تصمیم‌ بگیرند. تقریباً تمام نرم­ افزارهایی که ما می شناسیم تحت این گروه از هوش مصنوعی قرار می­ گیرند.  

همه سیستم‌های هوش مصنوعی امروزی که از یادگیری عمیق استفاده می‌کنند؛ با حجم زیادی از داده‌های آموزشی ذخیره شده در حافظه خود آموزش داده می‌شوند تا به یک مدل مرجع برای حل مشکلات آتی برسند. برای مثال: در یک برنامه شناسایی تصویر، هوش مصنوعی برای تشخیص اشیاء از هزاران تصویر و برچسب‌ استفاده می­ کند. برای هر شی یک برچسب آماده می­ شود و هر برچسب به هوش مصنوعی معرفی می­ شود.

برنامه هوش مصنوعی از این تصاویر آموزشی به عنوان مرجع برای درک محتوای تصویر استفاده می‌کند. در نهایت براساس “تجربه یادگیری” سیستم می­ تواند تصاویر جدید را با دقت بیشتری شناسایی ‌کند. تقریبا تمام برنامه‌های حاضر هوش مصنوعی، از چت ­بات­ها و دستیاران مجازی برای خودروهای خودران از هوش مصنوعی با حافظه محدود استفاده می­کنند.

 

برای مطالعه بیشتر به مأخذ مراجعه کنید

دیدگاه فلسفی به هوشمندی

ایده «هوش مصنوعی» در سال 1950م با این سؤال شکل گرفت که آیا رایانه می‌تواند جایگزین انسان شود و مانند او عمل کند و یک روند هوشمندانه و متفکرانه‌ای را در کار خود داشته باشد؟ به این سوال و پیرامون آن پاسخهای نظری و عملی بسیاری داده شده است که تفاوت بلکه تناقض های بسیاری دارند. بطور خلاصه:

• هوشمندی ماشین، در تفسیر انسان از مفهوم هوش و  انتظارات او از عامل هوشمند شکل می گیرد.