هنگامی که صحبت از هوش مصنوعی و یادگیری ماشین می شود، فکر ما به سمت تعامل کامپیوتر ها و ربات ها با انسان و قدرت تصمیم گیری و درک آن ها می رود. شاید بتوان گفت در ذهنیت اکثر ما، اطلاعات تقریبا نادرستی از اعمالی که یک کامپیوتر می تواند انجام دهد وجود دارد. متاسفانه برخلاف ذهنیت ما، هوش مصنوعی به آن اندازه که ما فکر می کنیم شاید هیجان انگیز نباشد و فقط یک واژه ی جذاب است.
خبرنامه دانشجویان ایران: هنگامی که صحبت از هوش مصنوعی و یادگیری ماشین می شود، فکر ما به سمت تعامل کامپیوتر ها و ربات ها با انسان و قدرت تصمیم گیری و درک آن ها می رود. شاید بتوان گفت در ذهنیت اکثر ما، اطلاعات تقریبا نادرستی از اعمالی که یک کامپیوتر می تواند انجام دهد وجود دارد. متاسفانه برخلاف ذهنیت ما، هوش مصنوعی به آن اندازه که ما فکر می کنیم شاید هیجان انگیز نباشد و فقط یک واژه ی جذاب است.
به گزارش خبرنامه دانشجویان ایران به نقل از صفر تا قهرمان، هنگامی که صحبت از هوش مصنوعی و یادگیری ماشین می شود، فکر ما به سمت تعامل کامپیوتر ها و ربات ها با انسان و قدرت تصمیم گیری و درک آن ها می رود. شاید بتوان گفت در ذهنیت اکثر ما، اطلاعات تقریبا نادرستی از اعمالی که یک کامپیوتر می تواند انجام دهد وجود دارد. متاسفانه برخلاف ذهنیت ما، هوش مصنوعی به آن اندازه که ما فکر می کنیم شاید هیجان انگیز نباشد و فقط یک واژه ی جذاب است.
در میان این سه حوزه (هوش مصنوعی، یادگیری ماشین و داده کاوی) تا حدودی همپوشانی وجود دارد؛ اما با این حال دارای تفاوت هایی با یکدیگر نیز می باشند. در این بخش قصد داریم روابط این سه حوزه را با یکدیگر بررسی نماییم و همچنین یاد بگیریم که اگر از آن ها به درستی در کنار یکدیگر استفاده کنیم، می توانیم نتایج بسیار قابل قبول و جذابی را استخراج کنیم.
هوش مصنوعی (Artificial Intelligence)
در واقع هوش مصنوعی به مطالعه ی چگونگی تولید یک عامل هوشمند مربوط می شود. به عبارت دیگر، نحوه ی برنامه نویسی یک کامپیوتر به صورتی که مانند یک عامل هوشمند (انسان) رفتار کرده و وظایفی را انجام دهد. هوش مصنوعی قدرت یادگیری و تحلیل وقایع را ندارد. یک سیستم هوش مصنوعی به این صورت کار می کند که ابتدا اطلاعات مورد نیاز برای رفع مشکلات احتمالی، برنامه نویسی شده و سپس در اختیار سیستم قرار می گیرد. پس از آن برنامه ی هوش مصنوعی با استفاده از این داده ها و محاسبات تعیین شده بر روی آن ها، مسائل و مشکلات را حل می کند. (برای مثال، سیستمی برای افزایش دمای اتاق در صورتی که دما زیر ۲۵ درجه باشد).
یادگیری ماشین (Machine Learning)
به مرور زمان بسیاری از سیستم ها نیاز به یک هوش و توانایی دارند تا بتوانند با استفاده از تجربیات بدست آمده ی گذشته، دانش جدیدی را استنتاج کنند. بنابراین می توان گفت هوش مصنوعی بسیار رابطه ی نزدیکی با یادگیری ماشین دارد. در واقع یک برنامه ی نوشته شده، به سیستم می گوید که در طول زمان تجربیات و دانش جدیدی را از عملکرد و خروجی های گذشته ی خود یاد بگیرد تا باعث بهبود عملکرد و تصمیم گیری سیستم در آینده شود. یادگیری ماشین قادر به تعمیم اطلاعات از داده های وسیع است و می توانند با به کار گیری الگوریتم هایی، الگو ها و روابط میان داده ها را تشخیص دهد و در نهایت با استفاده از نتایج مفید بدست آمده اقدامات جدیدی را انجام دهد. همانند هوش مصنوعی، یادگیری ماشین نیز بسیار وسیع بوده و به کمک قدرت استنتاج خود می تواند کاربردهای فراوانی داشته باشد.
هنگامی که صحبت از هوش مصنوعی و یادگیری ماشین می شود، فکر ما به سمت تعامل کامپیوتر ها و ربات ها با انسان و قدرت تصمیم گیری و درک آن ها می رود. شاید بتوان گفت در ذهنیت اکثر ما، اطلاعات تقریبا نادرستی از اعمالی که یک کامپیوتر می تواند انجام دهد وجود دارد. متاسفانه برخلاف ذهنیت ما، هوش مصنوعی به آن اندازه که ما فکر می کنیم شاید هیجان انگیز نباشد و فقط یک واژه ی جذاب است.
خبرنامه دانشجویان ایران: هنگامی که صحبت از هوش مصنوعی و یادگیری ماشین می شود، فکر ما به سمت تعامل کامپیوتر ها و ربات ها با انسان و قدرت تصمیم گیری و درک آن ها می رود. شاید بتوان گفت در ذهنیت اکثر ما، اطلاعات تقریبا نادرستی از اعمالی که یک کامپیوتر می تواند انجام دهد وجود دارد. متاسفانه برخلاف ذهنیت ما، هوش مصنوعی به آن اندازه که ما فکر می کنیم شاید هیجان انگیز نباشد و فقط یک واژه ی جذاب است.
به گزارش خبرنامه دانشجویان ایران به نقل از صفر تا قهرمان، هنگامی که صحبت از هوش مصنوعی و یادگیری ماشین می شود، فکر ما به سمت تعامل کامپیوتر ها و ربات ها با انسان و قدرت تصمیم گیری و درک آن ها می رود. شاید بتوان گفت در ذهنیت اکثر ما، اطلاعات تقریبا نادرستی از اعمالی که یک کامپیوتر می تواند انجام دهد وجود دارد. متاسفانه برخلاف ذهنیت ما، هوش مصنوعی به آن اندازه که ما فکر می کنیم شاید هیجان انگیز نباشد و فقط یک واژه ی جذاب است.
در میان این سه حوزه (هوش مصنوعی، یادگیری ماشین و داده کاوی) تا حدودی همپوشانی وجود دارد؛ اما با این حال دارای تفاوت هایی با یکدیگر نیز می باشند. در این بخش قصد داریم روابط این سه حوزه را با یکدیگر بررسی نماییم و همچنین یاد بگیریم که اگر از آن ها به درستی در کنار یکدیگر استفاده کنیم، می توانیم نتایج بسیار قابل قبول و جذابی را استخراج کنیم.
هوش مصنوعی (Artificial Intelligence)
در واقع هوش مصنوعی به مطالعه ی چگونگی تولید یک عامل هوشمند مربوط می شود. به عبارت دیگر، نحوه ی برنامه نویسی یک کامپیوتر به صورتی که مانند یک عامل هوشمند (انسان) رفتار کرده و وظایفی را انجام دهد. هوش مصنوعی قدرت یادگیری و تحلیل وقایع را ندارد. یک سیستم هوش مصنوعی به این صورت کار می کند که ابتدا اطلاعات مورد نیاز برای رفع مشکلات احتمالی، برنامه نویسی شده و سپس در اختیار سیستم قرار می گیرد. پس از آن برنامه ی هوش مصنوعی با استفاده از این داده ها و محاسبات تعیین شده بر روی آن ها، مسائل و مشکلات را حل می کند. (برای مثال، سیستمی برای افزایش دمای اتاق در صورتی که دما زیر ۲۵ درجه باشد).
یادگیری ماشین (Machine Learning)
به مرور زمان بسیاری از سیستم ها نیاز به یک هوش و توانایی دارند تا بتوانند با استفاده از تجربیات بدست آمده ی گذشته، دانش جدیدی را استنتاج کنند. بنابراین می توان گفت هوش مصنوعی بسیار رابطه ی نزدیکی با یادگیری ماشین دارد. در واقع یک برنامه ی نوشته شده، به سیستم می گوید که در طول زمان تجربیات و دانش جدیدی را از عملکرد و خروجی های گذشته ی خود یاد بگیرد تا باعث بهبود عملکرد و تصمیم گیری سیستم در آینده شود. یادگیری ماشین قادر به تعمیم اطلاعات از داده های وسیع است و می توانند با به کار گیری الگوریتم هایی، الگو ها و روابط میان داده ها را تشخیص دهد و در نهایت با استفاده از نتایج مفید بدست آمده اقدامات جدیدی را انجام دهد. همانند هوش مصنوعی، یادگیری ماشین نیز بسیار وسیع بوده و به کمک قدرت استنتاج خود می تواند کاربردهای فراوانی داشته باشد.
خبرنامه دانشجویان ایران: هنگامی که صحبت از هوش مصنوعی و یادگیری ماشین می شود، فکر ما به سمت تعامل کامپیوتر ها و ربات ها با انسان و قدرت تصمیم گیری و درک آن ها می رود. شاید بتوان گفت در ذهنیت اکثر ما، اطلاعات تقریبا نادرستی از اعمالی که یک کامپیوتر می تواند انجام دهد وجود دارد. متاسفانه برخلاف ذهنیت ما، هوش مصنوعی به آن اندازه که ما فکر می کنیم شاید هیجان انگیز نباشد و فقط یک واژه ی جذاب است.
به گزارش خبرنامه دانشجویان ایران به نقل از صفر تا قهرمان، هنگامی که صحبت از هوش مصنوعی و یادگیری ماشین می شود، فکر ما به سمت تعامل کامپیوتر ها و ربات ها با انسان و قدرت تصمیم گیری و درک آن ها می رود. شاید بتوان گفت در ذهنیت اکثر ما، اطلاعات تقریبا نادرستی از اعمالی که یک کامپیوتر می تواند انجام دهد وجود دارد. متاسفانه برخلاف ذهنیت ما، هوش مصنوعی به آن اندازه که ما فکر می کنیم شاید هیجان انگیز نباشد و فقط یک واژه ی جذاب است.
در میان این سه حوزه (هوش مصنوعی، یادگیری ماشین و داده کاوی) تا حدودی همپوشانی وجود دارد؛ اما با این حال دارای تفاوت هایی با یکدیگر نیز می باشند. در این بخش قصد داریم روابط این سه حوزه را با یکدیگر بررسی نماییم و همچنین یاد بگیریم که اگر از آن ها به درستی در کنار یکدیگر استفاده کنیم، می توانیم نتایج بسیار قابل قبول و جذابی را استخراج کنیم.
هوش مصنوعی (Artificial Intelligence)
در واقع هوش مصنوعی به مطالعه ی چگونگی تولید یک عامل هوشمند مربوط می شود. به عبارت دیگر، نحوه ی برنامه نویسی یک کامپیوتر به صورتی که مانند یک عامل هوشمند (انسان) رفتار کرده و وظایفی را انجام دهد. هوش مصنوعی قدرت یادگیری و تحلیل وقایع را ندارد. یک سیستم هوش مصنوعی به این صورت کار می کند که ابتدا اطلاعات مورد نیاز برای رفع مشکلات احتمالی، برنامه نویسی شده و سپس در اختیار سیستم قرار می گیرد. پس از آن برنامه ی هوش مصنوعی با استفاده از این داده ها و محاسبات تعیین شده بر روی آن ها، مسائل و مشکلات را حل می کند. (برای مثال، سیستمی برای افزایش دمای اتاق در صورتی که دما زیر ۲۵ درجه باشد).
یادگیری ماشین (Machine Learning)
به مرور زمان بسیاری از سیستم ها نیاز به یک هوش و توانایی دارند تا بتوانند با استفاده از تجربیات بدست آمده ی گذشته، دانش جدیدی را استنتاج کنند. بنابراین می توان گفت هوش مصنوعی بسیار رابطه ی نزدیکی با یادگیری ماشین دارد. در واقع یک برنامه ی نوشته شده، به سیستم می گوید که در طول زمان تجربیات و دانش جدیدی را از عملکرد و خروجی های گذشته ی خود یاد بگیرد تا باعث بهبود عملکرد و تصمیم گیری سیستم در آینده شود. یادگیری ماشین قادر به تعمیم اطلاعات از داده های وسیع است و می توانند با به کار گیری الگوریتم هایی، الگو ها و روابط میان داده ها را تشخیص دهد و در نهایت با استفاده از نتایج مفید بدست آمده اقدامات جدیدی را انجام دهد. همانند هوش مصنوعی، یادگیری ماشین نیز بسیار وسیع بوده و به کمک قدرت استنتاج خود می تواند کاربردهای فراوانی داشته باشد.
هنگامی که صحبت از هوش مصنوعی و یادگیری ماشین می شود، فکر ما به سمت تعامل کامپیوتر ها و ربات ها با انسان و قدرت تصمیم گیری و درک آن ها می رود. شاید بتوان گفت در ذهنیت اکثر ما، اطلاعات تقریبا نادرستی از اعمالی که یک کامپیوتر می تواند انجام دهد وجود دارد. متاسفانه برخلاف ذهنیت ما، هوش مصنوعی به آن اندازه که ما فکر می کنیم شاید هیجان انگیز نباشد و فقط یک واژه ی جذاب است.
خبرنامه دانشجویان ایران: هنگامی که صحبت از هوش مصنوعی و یادگیری ماشین می شود، فکر ما به سمت تعامل کامپیوتر ها و ربات ها با انسان و قدرت تصمیم گیری و درک آن ها می رود. شاید بتوان گفت در ذهنیت اکثر ما، اطلاعات تقریبا نادرستی از اعمالی که یک کامپیوتر می تواند انجام دهد وجود دارد. متاسفانه برخلاف ذهنیت ما، هوش مصنوعی به آن اندازه که ما فکر می کنیم شاید هیجان انگیز نباشد و فقط یک واژه ی جذاب است.
به گزارش خبرنامه دانشجویان ایران به نقل از صفر تا قهرمان، هنگامی که صحبت از هوش مصنوعی و یادگیری ماشین می شود، فکر ما به سمت تعامل کامپیوتر ها و ربات ها با انسان و قدرت تصمیم گیری و درک آن ها می رود. شاید بتوان گفت در ذهنیت اکثر ما، اطلاعات تقریبا نادرستی از اعمالی که یک کامپیوتر می تواند انجام دهد وجود دارد. متاسفانه برخلاف ذهنیت ما، هوش مصنوعی به آن اندازه که ما فکر می کنیم شاید هیجان انگیز نباشد و فقط یک واژه ی جذاب است.
در میان این سه حوزه (هوش مصنوعی، یادگیری ماشین و داده کاوی) تا حدودی همپوشانی وجود دارد؛ اما با این حال دارای تفاوت هایی با یکدیگر نیز می باشند. در این بخش قصد داریم روابط این سه حوزه را با یکدیگر بررسی نماییم و همچنین یاد بگیریم که اگر از آن ها به درستی در کنار یکدیگر استفاده کنیم، می توانیم نتایج بسیار قابل قبول و جذابی را استخراج کنیم.
هوش مصنوعی (Artificial Intelligence)
در واقع هوش مصنوعی به مطالعه ی چگونگی تولید یک عامل هوشمند مربوط می شود. به عبارت دیگر، نحوه ی برنامه نویسی یک کامپیوتر به صورتی که مانند یک عامل هوشمند (انسان) رفتار کرده و وظایفی را انجام دهد. هوش مصنوعی قدرت یادگیری و تحلیل وقایع را ندارد. یک سیستم هوش مصنوعی به این صورت کار می کند که ابتدا اطلاعات مورد نیاز برای رفع مشکلات احتمالی، برنامه نویسی شده و سپس در اختیار سیستم قرار می گیرد. پس از آن برنامه ی هوش مصنوعی با استفاده از این داده ها و محاسبات تعیین شده بر روی آن ها، مسائل و مشکلات را حل می کند. (برای مثال، سیستمی برای افزایش دمای اتاق در صورتی که دما زیر ۲۵ درجه باشد).
یادگیری ماشین (Machine Learning)
به مرور زمان بسیاری از سیستم ها نیاز به یک هوش و توانایی دارند تا بتوانند با استفاده از تجربیات بدست آمده ی گذشته، دانش جدیدی را استنتاج کنند. بنابراین می توان گفت هوش مصنوعی بسیار رابطه ی نزدیکی با یادگیری ماشین دارد. در واقع یک برنامه ی نوشته شده، به سیستم می گوید که در طول زمان تجربیات و دانش جدیدی را از عملکرد و خروجی های گذشته ی خود یاد بگیرد تا باعث بهبود عملکرد و تصمیم گیری سیستم در آینده شود. یادگیری ماشین قادر به تعمیم اطلاعات از داده های وسیع است و می توانند با به کار گیری الگوریتم هایی، الگو ها و روابط میان داده ها را تشخیص دهد و در نهایت با استفاده از نتایج مفید بدست آمده اقدامات جدیدی را انجام دهد. همانند هوش مصنوعی، یادگیری ماشین نیز بسیار وسیع بوده و به کمک قدرت استنتاج خود می تواند کاربردهای فراوانی داشته باشد.
