خانه > تازه ها > ۲۷ کاربرد باور نکردنی هوش مصنوعی و یادگیری ماشین ( بخش اول )
کاربرد های هوش مصنوعی قسمت اول

۲۷ کاربرد باور نکردنی هوش مصنوعی و یادگیری ماشین ( بخش اول )

روش های شگفت انگیزی وجود دارند که در آن ها از هوش مصنوعی و یادگیری ماشین در پشت پرده برای تاثیر بر زندگی روزمره ما و تصمیم گیری های تجاری و بهینه سازی عملیات توسط برخی از شرکت های پیشرو در جهان استفاده می شود. در اینجا به ۲۷ نمونه عملی و کاربردی از هوش مصنوعی ( AI ) و یادگیری ماشین ( Machine Learning ) اشاره می کنیم.

مقاله مرتبط :

 

کالا های مصرفی

با استفاده از پردازش زبان طبیعی ( Natural Language Processing )، یادگیری ماشین و تجزیه و تحلیل پیشرفته، عروسک باربی می تواند به حرف های کودک گوش داده و پاسخ دهد. یک میکروفن در گردنبند باربی حرف هایی که توسط کودک زده می شود را ضبط می کند و به سرورهای ToyTalk ارسال می کند. در آن جا، صدای ضبط شده برای تعیین پاسخ مناسب از ۸۰۰۰ خط دیالوگ، تحلیل می شود. سرور ها پاسخ درست را به باربی در عرض یک ثانیه ارسال می کنند تا او بتواند به کودک پاسخ دهد. پاسخ به سوالاتی مانند غذای مورد علاقه آن ها در حافظه عروسک ذخیره شده است تا بتواند بعدا در مکالمه مورد استفاده قرار گیرد.

بازار جهانی یکی از بزرگ ترین شرکت های تولید نوشیدنی در دنیا و فهرست گسترده محصولاتش ( بیش از ۵۰۰ مارک نوشیدنی که در بیش از ۲۰۰ کشور جهان فروخته می شوند )، آن را به بزرگترین شرکت نوشیدنی در جهان تبدیل کرده است. این شرکت نه تنها داده های زیادی را ایجاد می کند بلکه تکنولوژی جدیدی را نیز در اختیار گرفته است و این داده ها را در عمل برای حمایت از توسعه محصول جدید، سرمایه گذاری بر روی ربات های هوش مصنوعی و حتی آزمایش واقعیت افزوده در بطری زنی مورد استفاده قرار می دهد.

با وجود این که شرکت هلندی Heineken در ۱۵۰ سال گذشته سردمدار تولید نوشیدنی بوده است، آن ها به دنبال دستیابی به موفقیتی دیگر به طور خاص در ایالات متحده با استفاده از میزان گسترده ای از داده های جمع آوری شده توسط خود هستند. از بازاریابی بر مبنای اطلاعات تا اینترنت اشیا و بهبود عملیات از طریق تجزیه و تحلیل داده ها، Heineken به نظر می رسد به دنبال  تقویت هوش مصنوعی ( AI ) و داده های خود برای بهبود عملیات، بازاریابی، تبلیغات و خدمات به مشتریان است.

هنرهای خلاقانه

هنرهای مرتبط با آشپزی به حس لامسه انسان نیاز دارند، درست است؟ بله و خیر. سرآشپز واتسون از آی بی ام، در نگاهی اجمالی این موضوع را که چگونه هوش مصنوعی می تواند به یک آشپز کمکی در آشپزخانه برای کمک به بهبود دستور العمل ها و مشاوره به همتایان انسانی خود در ترکیب غذاها به منظور ایجاد طعم های کاملا منحصر به فرد تبدیل شود، توضیح می دهد. هنگامی که هوش مصنوعی و انسان بایکدیگر همکاری کنند می توانند در آشپزخانه کارایی بیشتری داشته باشند تا این که هر کدام به تنهایی کار کنند.

به عبارت دیگر، از طریق هوش مصنوعی و کلان داده ها می تواند خلاقیت را در دنیای هنر و طراحی تقویت کنند. به عنوان مثال، در سیستم یادگیری ماشین IBM واتسون، صدها تصویر از کارهای هنری آنتونی گائودی ( معمار معروف اسپانیایی ) همراه با سایر ابزار تکمیلی به کار گرفته شد تا به ماشین در چگونگی تاثیر گذاری در کارهای خود که  در ارتباط با شهر بارسلونا، فرهنگ، بیوگرافی، مقالات تاریخی و اشعارش بودند، کمک کند. واتسون تمام اطلاعات را تجزیه و تحلیل کرده و الهام بخش هنرمندانی قرار گرفت که مسئولیت ساختن مجسمه ای با اطلاعات دریافت شده توسط واتسون و به سبک گائودی را بر عهده داشتند.

الگوریتم های آهنگ سازی اکنون الهام بخش آهنگ های جدید می باشند. با دادن ورودی ها کافی( از جمله میلیون ها مکالمه مختلف، تیتر های روزنامه ها و سخنرانی های مختلف ) هوش مصنوعی به بینش و درکی می رسد که می تواند تم های مناسب برای ترانه ها را بسازد. ماشین هایی از قبیل واتسون بیت می توانند المان های مختلف موسیقیایی ایجاد کنند تا آهنگ سازان از آن ها برای کار خود الهام بگیرند. هوش مصنوعی به آهنگ ساز ها کمک می کند تا نیاز مخاطبان خود را درک کنند و آهنگ هایی بسازند که در صدر پرفروش ترین آهنگ ها قرار بگیرد.

انرژی

پیشرو تولید انرژی های فسیلی در جهان، بریتیش پترولیوم، از پیشتازان درک این موضوع است که کلان داده ها و هوش مصنوعی چه فرصت هایی برای صنعت انرژی ایجاد می کنند. آن ها از تکنولوژی برای پیشبرد سطوح جدید عملکردی، بهبود استفاده از منابع و ایمنی و قابلیت اطمینان تولید و پالایش نفت و گاز استفاده می کنند. با استفاده از سنسورهایی که شرایط را در هر سایت برای استفاده از فن آوری هوش مصنوعی برای بهبود عملیات تقویت می کنند،  بریتیش پترولیوم ( BP ) داده ها را در اختیار مهندسان، دانشمندان و تصمیم گیران قرار می دهد تا به کارایی بالا دست یابند.

در تلاش برای تولید  انرژی در قرن بیست و یکم، GE Power ( بخش قدرت جنرال الکتریک ) با استفاده از کلان داده ها، یادگیری ماشین و اینترنت اشیا ( IoT )  برای ساختن ” اینترنت انرژی ” استفاده می کند. همچنین تجزیه و تحلیل پیشرفته و یادگیری ماشین  نگه داری پیشگیرانه از زیرساخت ها و انرژی، عملیات و بهینه سازی کسب و کار را فراهم می کند و به GE Power کمک می کند تا بر روی بینش خود درباره ی ” نیروگاه دیجیتال ” کار کند.

خدمات مالی

با وجود تقریبا ۳٫۶ پتابایت ( یک میلیون گیگ ) داده ( که دائما در حال افزایش است ) در مورد افراد مختلف در سراسر جهان، آژانس مرجع اعتباری Experian، این حجم وسیع از داده ها را از پایگاه های بازاریابی، پرونده های معاملات و سوابق اطلاعات عمومی بدست می آورد. آن ها به طور فعال در حال استفاده از یادگیری ماشین در محصولات خود هستند تا تصمیم گیری سریع تر و موثرتری را اتخاذ کنند. با گذشت زمان، ماشین ها می توانند یاد بگیرند که داده های مهم را از آن هایی که مهم نیستند تشخیص دهند. بینش و درک استخراج شده از ماشین ها  به Experian اجازه می دهد تا در راستای بهینه یازی فرآیند های خود عمل کند.

موسسه مالی اعتباری American Express  مبلغ یک تریلیون دلار را در معاملات و ۱۱۰ میلیون کارت بانکی AmEx پردازش می کند. آن ها به شدت به تجزیه و تحلیل داده ها و الگوریتم های یادگیری ماشین متکی هستند تا بتوانند در زمانی نه چندان دور کلاه برداری های صورت گرفته را شناسایی کنند تا بتوانند جلوی میلیون ها دلار خسارت را بگیرند. علاوه بر این، AmEx از جریان اطلاعات خود برای توسعه برنامه هایی استفاده می کند که می توانند شخص دارنده کارت را با محصولات یا خدمات و پیشنهادات ویژه پشتیبانی کنند.

بهداشت و درمان

از هوش مصنوعی و یادگیری عمیق برای نجات جان افراد با استفاده از فناوری Infervision  ( نوعی دستگاه MRI پیشرفته ) استفاده می شود. در چین به تعداد کافی رادیولوژیست وجود ندارد تا بتوانند تقاضای موجود برای بررسی ساله ۱٫۴ میلیارد سی تی اسکن را برآورده کنند و بدین وسیله نشانه های اولیه سرطان ریه را شناسایی کنند. رادیولوژیست ها باید هر روز صد ها عکس سی تی اسکن را بررسی کنند که نه تنها کسالت آور است، بلکه خستگی انسانی می تواند در این زمینه به خطا نیز منجر شود. به Infervision الگوریتم هایی آموزش داده شده است تا کار رادیولوژیست ها را تقویت کند و آن ها را قادر سازد تا به طور دقیق تر و کارآمدتری سرطان را تشخیص دهند.

علوم عصبی الهام بخش و پایه ای برای تکنولوژی DeepMind گوگل است. DeepMind یک ماشین است که می تواند فرایندهای تفکر مغزی ما را تقلید کند. در حالی که DeepMind با موفقیت انسان ها را در بازی های ویدئویی و کامپیوتری شکست داده است، چیزی که جالب است امکان استفاده از آن درکاربردهای  بهداشتی و درمانی مانند کاهش زمان لازم برای برنامه ریزی درمان و استفاده از ماشین آلات برای تشخیص بیماری ها است.

ادامه مطلب : ۲۷ کاربرد باور نکردنی هوش مصنوعی و یادگیری ماشین ( بخش دوم )

بیشتر بخوانید :

منبع Forbes
0/5 ( 0 نظر )

درباره‌ی احمدرضا جعفری

همچنین ببینید

هوش مصنوعی ذهن خوانی

هوش مصنوعی با قابلیت ذهن خوانی

مطالعه جدید نشان می دهد که هوش مصنوعی با تجزیه و تحلیل اسکن های مغزی …

12 نظر

  1. تعقيب: 27 کاربرد باور نکردنی هوش مصنوعی و یادگیری ماشین ( بخش دوم ) - مجله شهاب

  2. تعقيب: مایکروسافت: پیشبرد موقیت کسب و کار با هوش مصنوعی - مجله شهاب

  3. تعقيب: والمارت: بهبودعملکرد فروشگاه های خرده فروشی با Big Data، یادگیری ماشین، هوش مصنوعی و اینترنت اشیا - مجله شهاب

  4. تعقيب: توئیتر چگونه از کلان داده ها (Big Data) و هوش مصنوعی استفاده می کند؟ - مجله شهاب

  5. تعقيب: روش های فوق العاده ای که اینستاگرام از کلان داده ها و هوش مصنوعی استفاده می کند - مجله شهاب

  6. تعقيب: BMW : استفاده از کلان داده ها و هوش مصنوعی برای ایجاد ماشین های اتوماتیک - مجله شهاب

  7. تعقيب: بریتیش پترولیوم ( BP ) چگونه از کلان داده ها و هوش مصنوعی استفاده می کند؟ - مجله شهاب

  8. تعقيب: آمریکن اکسپرس: چگونه کلان داده ها و یادگیری ماشین به نفع مصرف کنندگان و فروشندگان است؟ - مجله شهاب

  9. تعقيب: جنرال الکتریک : کلان داده ها، یادگیری ماشین و "اینترنت انرژی" - مجله شهاب

  10. تعقيب: چگونه سرآشپز واتسون با هوش مصنوعی خلاقیت و نوآوری را در آشپزی به ارمغان می آورد - مجله شهاب

  11. تعقيب: : Infervision استفاده از هوش مصنوعی و یادگیری عمیق برای تشخیص سرطان - مجله شهاب

  12. تعقيب: DeepMind : هوش مصنوعی چگونه دنیا را به مکانی هوشمند تر تبدیل می کند؟ - مجله شهاب

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *