هوش مصنوعی در سال‌های آینده طراحی‌‌های پیشرفته انجام خواهد داد

به گزارش خبرگزاری فارس از قم، روح الله دهقانی فیروزآبادی معاون علمی، فناوری و اقتصاد دانش‌بنیان رئیس‌جمهور در رویداد «تبادل فناوری اطلاعات در حوزه علوم و فرهنگ اسلامی» که صبح امروز پانزدهم تیرماه در سالن همایش‌های امین مرکز مدیریت حوزه‌های علمیه در قم برگزار شد، طی سخنانی با بیان اینکه موضوع تولید علم تجربی تاریخ، فلسفه و روش‌مندی‌هایی دارد، اظهار کرد: اصل علم تجربی قطعا مشاهده است.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

انسان هرچه دیده با هر استنباط و برداشتی از آن تولید علم کرده و یا به تعبیر بهتر دانشی طراحی کرده است و بر مبنای این دانش، بینش کسب و زندگی خود را پیش‌بینی و طراحی کرده است.

وی با اشاره به پیشرفت فناوری در صد سال اخیر خاطرنشان کرد: دو اتفاق در مشاهده‌ورزی‌های ما برای علوم تجربی رخ داد که به موجب آن تعداد و حجم اطلاعاتی که در زندگی ما تولید و مشاهده می‌شوند بسیار فراوان شد و به دنبال آن ابزارهای ذخیره سازی نیز گسترش یافت.

دهقانی فیروزآبادی با بیان اینکه بشر با حجم عظیمی از اطلاعات روبرو شده است، اظهار کرد: این موضوع خود مزید بر علت شد تا دیگر انسان‌ها نتوانند به راحتی به اطلاعات ورود کنند و به ناچار ابزار ماشین در کاوش این داده‌ها به کمک انسان آمد.

معاون علمی، فناوری و اقتصاد دانش‌بنیان رئیس‌جمهور با بیان اینکه ترکیب ابزار ماشین با عملکرد مغز یک موهبت الهی است، گفت: کارکرد مغز با ماشین و هماهنگی این ها باعث به وجود آمدن ابزارهای هوش مصنوعی شد.

وی  با بیان اینکه هوش مصنوعی در سال‌های گذشته یک ابزار توصیف کننده بوده و نه تولید کننده، خاطرنشان کرد: هم‌اکنون در عصری هستیم که هوش مصنوعی با کمک داده‌های عظیم، ذخیره‌سازهای بزرگ و الگوریتم‌ها از عملکرد مغز تبدیل به هوش مصنوعی تولیدکننده شده است.

دهقانی فیروزآبادی با بیان اینکه مهم‌ترین اولویت علمی اقتصادی کشور هوش مصنوعی است، اظهار کرد: فناوری یک ویژگی خاص دارد که انسان را از بیرون قوی و از درون ضعیف می‌کند مثلا شبکه‌های اجتماعی انسان را به لحاظ ارتباطات اجتماعی بسیار قوی می‌کند ولی در مقابل، انسان را بسیار درون‌گرا کرده است.

معاون علمی، فناوری و اقتصاد دانش‌بنیان رئیس‌جمهور با اشاره به آینده هوش مصنوعی بیان کرد: هوش مصنوعی تولیدکننده در کمتر از پنج سال آینده طراحی‌های تکنولوژی مانند سازه‌های معماری، طراحی هواپیماها، خودروها و غیره را انجام خواهد داد و فقط محدود به ابزارها و الگوریتم‌های پاسخگویی نمی‌شود و قادر است همه کارهایی که انسان باذهن و هوش خود انجام می‌دهد را انجام دهد.

وی افزود: وقتی حوزه علمیه به این می‌اندیشد که در بحث فقاهت و اجتهاد از هوش مصنوعی کمک بگیرد یعنی آینده از آن این فناوری است و باید به آن اهتمام ورزید.

دهقانی فیروز آبادی در ادامه با بیان اینکه توسعه دهندگان، تولیدکنندگان و ایجاد کنندگان هوش مصنوعی ابرقدرت های آینده خواهند بود عنوان کرد: نسلی که کابرهوش مصنوعی می‌شود به مرور توان اندیشدن و در پی آن توان بدنی و اجتماعی خود را از دست می‌دهد. هوش مصنوعی در آینده دنیا را به دوقشر اربابان و بردگان تقسیم می‌کند، اگر فقط استفاده کننده هوش مصنوعی باشیم تبدیل به برده ای می‌شویم در که در خدمت ارابانی است که هوش مصنوعی را تولید کرده اند.

وی ادامه داد: وقتی مسئله تهدیدات هوش مصنوعی پیش می‌آید همگان به این که چگونه آن را کنترل کنیم فکر می‌کنند و چون با ماهیت این تکنولوژی آشنایی نداریم همواره مغلوب آن می‌شدیم.

معاون علمی، فناوری و اقتصاد دانش‌بنیان رئیس‌جمهور ضمن انسان محور خواندن هوش مصنوعی خاطرنشان کرد: بزرگترین مزیت تولید هوش مصنوعی داشتن نیروی انسانی توانمند و هوشمند است که خوشبختانه ما در کشور خیل عظیمی از نیروهای باهوش و تحصیل کرده را داریم که نسبت به دنیا جلو هستیم.

وی تمرکز حوزه علمیه بر فناوری هوش مصنوعی را آینده نگاری دقیق مدیران حوزه علمیه دانست و گفت: حوزه علمیه استفاده و تولید هوش مصنوعی را به عنوان یک فرصت تلقی کرده و از آن استفاده کند.

دهقانی فیروزآبادی در آخر بیان کرد: با توجه به جریان همدل، همراه و فهیمی که درحوزه های علمیه نسبت به مسئله هوش مصنوعی در شاخه علوم دینی و اهمیت آن ایجاد شده، می‌توان یک جریان تاثیرگذار را با همکاری های چند جانبه حوزوی و دانشگاهی ایجاد کرد.

پایان پیام/78038

منبع: فارس

کلیدواژه: معاون علمی فناوری و اقتصاد دانش بنیان هوش مصنوعی فناوری و اقتصاد دانش بنیان رئیس جمهور دهقانی فیروزآبادی هوش مصنوعی حوزه علمیه معاون علمی

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.farsnews.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «فارس» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۸۱۵۳۹۷۳ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

داده‌های آموزشی هوش مصنوعی عرصه جدید رقابت شرکت‌های بزرگ فناوری

به گزارش خبرنگار مهر؛ با ظهور و توسعه روزافزون هوش مصنوعی طی سال‌های اخیر، این فناوری تحول‌آفرین به بخشی جدایی ناپذیر از صنایع مختلف تبدیل شده است و فرآیندها و تصمیم‌گیری ها را به شکلی عمیق تحت تأثیر قرار داده است. همین امر سبب ظهور رقابتی شدید میان شرکت‌های فناوری برای عرضه ارائه خدمات مبتنی بر هوش مصنوعی شده است. در چنین شرایطی، داده‌های آموزشی در کنار توان محاسباتی و الگوریتم‌ها، یکی از ارکان اساسی و تعیین کننده در توسعه این فناوری محسوب می‌شوند. داده‌های آموزشی به عنوان پایه‌ای برای الگوریتم‌های یادگیری ماشینی جهت یادگیری و بهبود عملکرد هوش مصنوعی عمل می‌کنند و همین امر، دستیابی به داده‌های مذکور را در مرکز رقابت استارتاپ‌های هوش مصنوعی و غول‌های فناوری قرار داده است. بازیگران کلیدی این عرصه، رقابت برای دستیابی به داده‌های آموزشی با کیفیت بالا را آغاز کرده‌اند.

داده‌های آموزشی هوش مصنوعی (AI training data) به مجموعه اطلاعات مورد استفاده برای آموزش مدل‌های هوش مصنوعی اطلاق می‌شود. بسته به نوع مدل هوش مصنوعی در حال توسعه، این داده ها می‌توانند به اشکال مختلفی مانند متن، تصویر، ویدئو یا داده‌های عددی مورد استفاده قرار گیرند.

به عقیده طیف گسترده‌ای از کارشناسان، داده‌های آموزشی آینده نوآوری در حوزه هوش مصنوعی را شکل می‌دهند.

نقش داده‌های آموزشی در توسعه هوش مصنوعی

داده‌های آموزشی نقش مهمی در شکل دادن به رفتار و قابلیت‌های الگوریتم‌های هوش مصنوعی ایفا می‌کنند. توسعه‌دهندگان می‌توانند با قرار دادن مدل‌های یادگیری ماشینی در معرض مقادیر زیادی از داده‌های آموزشی برچسب‌گذاری شده، آن‌ها را برای تشخیص الگوها، پیش‌بینی و انجام وظایف با دقت بالا آموزش دهند. همه انواع متنوع برنامه‌های مبتنی بر هوش مصنوعی از جمله تشخیص تصویر، پردازش زبان طبیعی یا رانندگی خودکار، برای دستیابی به عملکرد بهینه و افزایش توان، به شدت به مجموعه‌های داده آموزشی متنوع و غنی متکی هستند.

شرکت‌های بزرگ فناوری و داده‌های آموزشی هوش مصنوعی

غول‌های فناوری آمریکایی مانند گوگل، آمازون، متا، مایکروسافت و اپل در خط مقدم تحقیق و توسعه هوش مصنوعی قرار دارند و از منابع وسیعی برای عبور از مرزهای نوآوری و پیش‌برد فناوری استفاده می‌کنند. به عقیده کارشناسان، این شرکت‌ها اهمیت استراتژیک داده‌های آموزشی را در افزایش قابلیت‌های سیستم‌های هوش مصنوعی خود و به دست آوردن مزیت رقابتی در بازار می‌شناسند. در نتیجه، رقابت شدیدی بین غول‌های فناوری برای به دست آوردن داده‌های آموزشی با کیفیت بالا وجود دارد که می‌تواند به ابتکارات فناورانه آن‌ها در بخش هوش مصنوعی کمک کند.

چالش‌ها در دستیابی به داده‌های آموزشی

در حالی که با توسعه روزافزون هوش مصنوعی و نیاز رو به رشد بازار تقاضا برای داده‌های آموزشی همچنان در حال افزایش است، شرکت‌ها با چالش‌های مختلفی در دسترسی به منابع و استفاده مؤثر از داده‌ها مواجه هستند. نگرانی‌های حریم خصوصی داده‌ها با قوانینی از جمله مانند مقررات عمومی حفاظت از داده اروپا (GDPR) که دستورالعمل‌های سخت‌گیرانه‌ای را در مورد جمع‌آوری و استفاده از داده‌های شخصی اعمال می‌کند، به یک موضوع مهم تبدیل شده است. علاوه بر این، اطمینان از تنوع و نمایندگی داده‌های آموزشی برای جلوگیری از تعصب، سوگیری و اطمینان از استحکام مدل‌های هوش مصنوعی ضروری است.

راهبردهای موجود برای تولید داده‌های آموزشی

شرکت‌های بزرگ فناوری برای مقابله با چالش‌های موجود در مسیر دستیابی به داده‌های آموزشی، در حال بررسی استراتژی‌های نوآورانه جهت تولید مجموعه داده‌های متنوع و با کیفیت هستند. در چنین شرایطی پلتفرم‌های جمع‌سپاری به سازمان‌ها این امکان را می‌دهند که داده‌ها را از مجموعه بزرگی از مشارکت‌کنندگان جمع‌آوری کنند و آن‌ها را قادر می‌سازد تا مجموعه داده‌های خود را به طور مؤثر مقیاس‌بندی کنند. علاوه بر این، تکنیک‌های تولید داده مصنوعی برای تقلید سناریوهای دنیای واقعی نیز بخشی کلیدی از داده‌های آموزشی هستند که از سوی شرکت‌ها مورد استفاده قرار می‌گیرند.

تأثیر کیفیت داده‌های آموزشی بر عملکرد هوش مصنوعی

کیفیت داده‌های آموزشی به طور مستقیم بر عملکرد و قابلیت اطمینان مدل‌های هوش مصنوعی تأثیر می‌گذارد. مجموعه داده‌های ضعیف یا دارای سوگیری می‌توانند منجر به پیش‌بینی‌های نادرست شوند و تعصبات موجود در سیستم‌های هوش مصنوعی را تقویت کنند. برای کاهش این مسائل، شرکت‌ها باید فرآیندهای تضمین کیفیت داده‌ها را اولویت بندی کنند و اقداماتی را برای شناسایی و اصلاح سوگیری‌ها در داده‌های آموزشی خود اجرا کنند.

چارچوب‌های قانونی برای داده‌های آموزشی هوش مصنوعی

در طول سال‌های اخیر و به منظور پاسخ به نگرانی‌های فزاینده در مورد حفظ حریم خصوصی داده‌ها و اخلاقیات، برخی چارچوب‌های نظارتی برای کنترل مدیریت داده‌های آموزشی در توسعه هوش مصنوعی ایجاد شده‌اند. از همین روی، شرکت‌ها ملزم به رعایت مقررات حفاظت از داده‌ها و اطمینان از شفافیت در شیوه‌های جمع آوری داده‌های خود هستند. رعایت این مقررات برای ایجاد اعتماد در میان کاربران و ذی‌نفعان و کاهش خطرات مرتبط با سو استفاده از داده‌ها ضروری است.

روندهای آینده در داده‌های آموزشی هوش مصنوعی

با نگاهی به آینده، انتظار می‌رود که پیشرفت در روش‌های جمع‌وری منابع داده، کیفیت و تنوع داده‌های آموزشی در دسترس توسعه‌دهندگان هوش مصنوعی را افزایش دهد. تکنیک‌هایی مانند شبکه‌های زایای دشمن‌گونه (Generative Adversarial Networks) یادگیری انتقالی (transfer learning)، مدل‌ها را قادر می‌سازد که از منابع داده محدود استفاده کنند و به طور مؤثر وظایف جدید را بیاموزند. علاوه بر این، اتخاذ رویکردهای یادگیری فدرال (federated learning) امکان آموزش غیرمتمرکز در مجموعه داده‌های توزیع شده را فراهم و حریم خصوصی داده‌ها را حفظ می‌کند. این مدل‌ها همچنین عملکرد مدل را بهبود می‌بخشند.

نتیجه‌گیری

رقابت بین شرکت‌های بزرگ فناوری برای به دست آوردن داده‌های آموزشی هوش مصنوعی بر اهمیت استراتژیک داده‌ها در هدایت نوآوری این فناوری افزوده است. از آنجایی که شرکت‌ها پیچیدگی‌های جمع‌آوری و استفاده از داده‌ها را درک می‌کنند، اطمینان از کیفیت، تنوع و انطباق آن‌ها با مقررات بسیار مهم و حیاتی شده است. سازمان‌ها با قرار گرفتن در خط مقدم روندهای نوظهور تولید و استفاده از داده‌های آموزشی، می‌توانند از پتانسیل کامل فناوری هوش مصنوعی بهره ببرند و راه حل‌های تأثیرگذاری را برای چالش‌های جهانی این حوزه ارائه دهند.

چشم‌انداز داده‌های آموزشی هوش مصنوعی، با پیشرفت در تکنیک‌های جمع‌آوری و افزایش حجم داده‌ها، به طور مداوم در حال تغییر است. با ادامه رشد تقاضا برای برنامه‌های کاربردی هوش مصنوعی در صنایع، نیاز به داده‌های آموزشی با کیفیت بالا و متنوع افزایش می‌یابد. در چنین شرایطی شرکت‌هایی که می‌توانند به‌طور مؤثر چالش‌های کسب و استفاده از داده‌های آموزشی را پشت سر بگذارند، در بازار هوش مصنوعی مزیت رقابتی به دست خواهند آورند و نوآوری در این زمینه را هدایت خواهند کرد.

در عصر پیشرفت سریع هوش مصنوعی، رقابت برای داده‌های آموزشی این حوزه صرفاً به دست آوردن حجم وسیعی از داده‌ها نیست؛ بلکه اطمینان از کیفیت، ارتباط و استفاده اخلاقی از داده‌ها نیز مسائل کلیدی این حوزه محسوب می‌شوند. شرکت‌ها می‌توانند با اولویت دادن به یکپارچگی و تنوع داده‌ها، مدل‌های هوش مصنوعی قوی، بی‌طرفانه و توانمند بسازند. با تشدید رقابت بین شرکت‌های بزرگ فناوری، کسب مزیت در استفاده از داده‌های آموزشی همچنان یک تمایز کلیدی در چشم‌انداز هوش مصنوعی خواهد بود.

کد خبر 6096023