مشاهده اخبار از طریق شبکه های اجتماعیمشاهده
استاد گروه مهندسی کامپیوتر دانشگاه فردوسی مشهد، گفت: هوش مصنوعی می تواند در بحث دینی و فقیهی و حتی مفاهیم و ارتقای ارزشهای دینی کمک کنند.
به گزارش پایگاه خبری علم و فناوری : محسن کاهانی در چهارمین دوره طرح مکتب حبیب ویژه استادان دانشگاه های خراسان رضوی که در دانشکده مهندسی دانشگاه فردوسی در حال برگزاری است، گفت: هوش مصنوعی به طور چشمگیری در سالهای اخیر توسعه یافته و به یکی از موضوعات داغ در دنیای فناوری تبدیل شده است.
وی افزود: سال گذشته، کاربردهای عمومی این فناوری به شدت گسترش یافت و به همین دلیل مردم با ابعاد جدیدی از هوش مصنوعی آشنا شدند.
استاد گروه مهندسی کامپیوتر دانشگاه فردوسی مشهد توضیح داد: هوش مصنوعی به مدت طولانی در حال توسعه و استفاده بوده است. اما در حال حاضر، با توجه به پیشرفتهای اخیر، درک و کاربرد این فناوری برای عموم مردم سادهتر شده است.
کاهانی افزود: به طور کلی، هوش مصنوعی به شبیهسازی قابلیتهای انسانی در زمینههای مختلف میپردازد، از جمله پردازش زبان طبیعی، بینایی کامپیوتری، شناسایی الگوها و حل مسائل پیچیده. برای مثال، سیستمهای هوش مصنوعی میتوانند زبانهای پیچیده را پردازش کنند، چهرهها و پلاکهای خودرو را شناسایی کنند، و مسیرهای بهینه را برای مسافران پیشنهاد دهند.
وی به پیشرفتهای اخیر در زمینه رباتهای انساننما نیز اشاره کرد.
به گفته کاهانی، اخیراً چین به تولید و استفاده از تعداد زیادی رباتهای انساننما پرداخته است که قادر به انجام وظایف مختلفی از جمله شناسایی و جابهجایی اشیاء هستند. این رباتها با هدف بهبود کارایی در محیطهای مختلف طراحی شدهاند و میتوانند به صورت خودکار وظایف مختلفی را انجام دهند.
استاد گروه مهندسی کامپیوتر دانشگاه فردوسی مشهد همچنین به تست تورینگ اشاره کرد: معیاری برای سنجش توانایی سیستمهای هوش مصنوعی در تقلید رفتار انسانهاست. این تست به ما کمک میکند تا بفهمیم آیا یک سیستم هوش مصنوعی میتواند به گونهای عمل کند که تشخیص آن از انسان دشوار باشد یا خیر.
کاهانی افزود: پیشرفتهای اخیر در این زمینه نشان میدهند که سیستمهای هوش مصنوعی به مرزهایی نزدیک شدهاند که در آنها میتوانند به طور مؤثر با انسانها تعامل داشته باشند.
وی به مثالهای معروفی از پیشرفتهای هوش مصنوعی نیز اشاره کرد، از جمله پیروزی برنامه شطرنج IBM به نام "دیپ بلو" بر قهرمان شطرنج گاری کاسپاروف در سال 1997. این پیروزی بهعنوان یک نقطه عطف در تاریخ هوش مصنوعی شناخته میشود و نشاندهنده تواناییهای پیشرفته سیستمهای هوش مصنوعی در حل مسائل پیچیده است.
استاد گروه مهندسی کامپیوتر دانشگاه فردوسی مشهد به پیشرفتهای دیگر در زمینه هوش مصنوعی نیز اشاره کرد، از جمله برنامه "واتسون" شرکت IBM که در مسابقات تلویزیونی "Jeopardy!" توانست انسانها را شکست دهد.
وی گفت: که این برنامه توانایی پردازش و تحلیل حجم بالای دادهها را دارد و میتواند بهطور مؤثر به سوالات پاسخ دهد.
استاد دانشگاه فردوسی مشهد در ادامه به روشهای مختلف یادگیری ماشین و شبکههای عصبی اشاره کرد. یادگیری ماشین به دو دسته اصلی تقسیم میشود: یادگیری نظارتشده و یادگیری بدون نظارت. در یادگیری نظارتشده، مدلها با استفاده از دادههای آموزشی مشخص میشوند، در حالی که در یادگیری بدون نظارت، مدلها به طور خودکار الگوها و ساختارهای جدید را از دادهها استخراج میکنند.
کاهانی به پیشرفتهای اخیر در شبکههای عصبی نیز اشاره کرد و گفت: این شبکهها به تقلید از ساختار مغز انسان طراحی شدهاند و قادر به پردازش اطلاعات پیچیده بهطور مؤثر هستند. به گفته کاهانی، پیشرفت در این حوزهها به تواناییهای هوش مصنوعی افزوده و کاربردهای آن را در زمینههای مختلف گسترش داده است.
وی افزود: یکی از کاربردهای مهم هوش مصنوعی در پردازش زبان طبیعی است، پردازش زبان طبیعی یکی از پیچیدهترین چالشهای هوش مصنوعی است، زیرا شامل درک معانی و ساختارهای پیچیده زبان انسانها میشود. سیستمهای هوش مصنوعی با استفاده از الگوریتمهای پیشرفته میتوانند متنها را تحلیل کنند و به استخراج اطلاعات از آنها بپردازند.
استاد گروه مهندسی کامپیوتر دانشگاه فردوسی مشهد به پیشرفتهای اخیر در پردازش تصویر نیز اشاره کرد و گفت که این فناوری اکنون قادر به شناسایی و تحلیل تصاویر بهطور دقیق است. برای مثال، سیستمهای بینایی کامپیوتری میتوانند تبلیغات را در تصاویر تشخیص دهند و به بهبود تجربه کاربر کمک کنند.
در زمینه تحلیل متنی، کاهانی به تواناییهای سیستمهای هوش مصنوعی در شناسایی و تحلیل احساسات موجود در متون اشاره کرد و گفت: این فناوری میتواند به شناسایی نظرات و احساسات عمومی در شبکههای اجتماعی و دیگر منابع داده کمک کند.
1403/03/22 12:05
1403/03/22 11:56
1403/03/22 11:46
1403/03/22 11:37
1403/03/22 11:34
1403/03/22 10:14
1403/03/22 09:34
1403/03/22 09:32
1403/03/22 08:53