پردازش و یادگیری زبان طبیعی توسط ماشین ها چگونه است ؟

پردازش و یادگیری زبان طبیعی توسط ماشین ها چگونه است ؟

پردازش و یادگیری زبان طبیعی (NLP) زمینه مطالعه ای است که از سه رشته علوم کامپیوتر ، هوش مصنوعی و زبان شناسی محاسباتی تشکیل شده است. این رایانه را قادر می سازد تا به روشی هوشمندانه و مفید ، معیار را از زبان انسان ارزیابی ، درک و استخراج کند. با استفاده از NLP ، برنامه نویسان راه را برای سازماندهی و انجام وظایفی مانند خلاصه سازی خودکار،  ترجمه ، شناسایی شخص ، تجزیه و تحلیل احساسات ، تشخیص گفتار و تقسیم بندی موضوع ،هموار کرده اند. با استفادهاز پیشرفت های اخیر در دسترسی به داده ها و قدرت محاسباتی ، NLP بسیار بیشتر پیشرفت کرده است و به متخصصین امکان می دهد نتایج قابل توجهی در زمینه هایی مانند مراقبت های بهداشتی ، مالی ، منابع انسانی و سایر موارد بدست آورند.

پردازش زبان و یادگیری طبیعی برای چه چیز هایی استفاده می شود؟

NLP تقریباً در هر صنعت کاربردهای متنوعی دارد. این فناوری توانایی مدیریت خودکار زبانهای طبیعی انسان مانند گفتار یا متن را دارد. همچنین می تواند به یک کارمند ادارات یا شرکت ها در انجام کارهای متعدد کمک کند و در نهایت باعث تقویت عملکرد کار می شود. بسیاری از توسعه دهندگان معمولاً از الگوریتم های NLP برای جمع آوری بلوک های متن برای برداشتن ایده های    ضروری و اصلی استفاده می کنند. ایجاد ربات های چت برای پرس و جو و پاسخ مناسب. تجزیه و تحلیل احساسات و کمک شناختی و موارد دیگر صورت می پذیرد. به عنوان مثال ، شرکت هایی مانند یاهو و گوگل از پردازش زبان طبیعی برای فیلتر کردن و طبقه بندی ایمیل ها و ارزیابی متن ایمیل هایی که از طریق سرورهای کاربران عبور می کند استفاده می کند و از ارسال هرزنامه ، حتی قبل از ورود به صندوق ورودی ایمیل جلوگیری می کند. اکثر اطلاعاتی که سازمان های اطلاعاتی اعم از خصوصی یا عمومی جمع آوری می کنند، متنی بدون ساختار ، از جمله مکالمات شبکه های اجتماعی ، نظرات در وب سایت ها ، گزارش های داستانی و سایر موارد است. دریافت بینش عملی از این داده ها می تواند چالش برانگیز باشد. 

آژانس پروژه های تحقیقاتی پیشرفته دفاعی (DARPA) در تلاش برای کاهش این نوع چالش ها ، برنامه کاوش و فیلتراسیون متن (DEFT) عمیق را ساخت. این برنامه با استفاده از NLP به طور خودکار اطلاعات مربوط به وابسطه را استخراج می کند و به تحلیلگران کمک می کند تا بینش های عملی را از آنها بدست آورند. هدف DEFT پرداختن به شکاف های باقی مانده توانایی مربوط به استنباط ، روابط علی و تشخیص ناهنجاری است.

پیشرفت ها در NPL

NPL توانایی ماشین ها را در تفسیر موثر متن ، گفتار و کلمات تقویت می کند. این امر باعث پیشرفت تجزیه و تحلیل داده ها ، کشف بدافزار و جلوگیری از انتشار اخبار جعلی می شود. با تکامل چت بات های مجهز به هوش مصنوعی مانند الکسا ، سیری ، کورتانا و دستیار Google و غیره ، استفاده از پردازش زبان طبیعی بسیار زیاد شده است. پیشرفت های اخیر در کاربردهای این فناوری به طور قابل توجهی نحوه درک و یادگیری هوش مصنوعی از چیزهای پیرامون آن را تغییر داده است. یکی از مهمترین پیشرفتها در زمینه NLP استفاده از یادگیری انتقالی بود. Fast.ai’s ULMFiT Universal Language Model Fine Tuning مفهوم یادگیری انتقالی را به جامعه NLP معرفی کرد. طبق گفته این شرکت ، ULMFiT یک روش یادگیری انتقالی موثر است که می تواند برای هر کاری در NLP اعمال شود. در سال 2018 ، Google AI مدل جدیدی را برای NLP به نام BERT (نمایندگی های رمزگذار دو طرفه از ترانسفورماتورها) معرفی کرد. این مدل از مفهوم ترانسفورماتور و یادگیری انتقالی استفاده می کند و آموزش کامل دو طرفه ترانسفورماتور را انجام می دهد. 

بعلاوه ، در سال 2018 ، محققان دانشگاه کالج اطلاعات و علوم رایانه ای دانشگاه ماساچوست و Google AI Language ، (LISA) ، یک مدل شبکه عصبی خود-توجه به زبانشناسی را معرفی کردند. این امر یادگیری عمیق و فرم گرایی زبانی را با هم ادغام می کند ، بنابراین از تجزیه نحوی برای دستیابی به معنای دقیق ، به طور موثرتری استفاده می کند.به طور گسترده تر ، قدرت NLP در سال های آینده به تکامل ، درک و زمینه سازی داده هایی ادامه خواهد داد که می تواند منجر به سود بهتر یک تجارت شود.

ردیاب مکان سامسونگ

ردیاب مکان سامسونگ

سامسونگ ویژگی ردیاب مکان را برای رقیب یافتن مزایای Find My iPhone در اپل راه اندازی می کند. سامسونگ الکترونیک، نسخه مخصوص خود از ویژگی Find My Apple را برای یافتن دستگاه ها معرفی کرده است – اگرچه طبیعتاً این ویژگی فقط با دستگاه های Galaxy کار خواهد کرد ، از تلفن های هوشمند گرفته تا تبلت ها، ساعت های هوشمند و هدفون های مختلف گوش. این ویژگی که SmartThings Find نام دارد ، مکان دستگاه ها را با استفاده از بلوتوث کم انرژی (BLE) و Ultra Wideband (UWB) پیدا میکند – یک روش ردیابی بدون WiFi ، مشابه آنچه اپل در حال توسعه دارد. این شرکت در بیانیه مطبوعاتی اعلام کرد SmartThings Find اکنون پس از آزمایش این سرویس توسط 6 میلیون کاربر در کره جنوبی ، ایالات متحده و انگلیس ، در حال حاضر در دستگاه های Galaxy سامسونگ در دسترس است.

فناوری پشت ردیاب مکان سامسونگ

پس از انجام مراحل ثبت نام سریع ، کاربران SmartThings به راحتی می توانند دستگاه های Galaxy خود را از طریق تلفن های هوشمند ، تبلت ها و ساعت های هوشمند ، تا هر گوشی هدفون را جداگانه پیدا کنند. در حالی که این برنامه از فناوری BLE و UWB برای ردیابی دستگاه ها استفاده می کند ، اما مکان آنها را در یک رابط AR نشان می دهد تا به کاربران کمک کند ببینند محصولات گلکسی آنها واقعاً کجاست.جائئئون یونگ ، معاون رئیس جمهور و رئیس تیم SmartThings ، تجارت ارتباطات سیار در سامسونگ الکترونیک. گفت: “SmartThings Find با استفاده از مزیت اضافی استفاده از AR6 همراه با نقشه ها و اصوات برای هدایت شما به دستگاه هایتان ، یک راه حل ساده و بصری است که به شما کمک می کند تا دستگاه های مورد علاقه خود را به راحتی پیدا کنید. این فقط یک نمونه تجاربی است که در تلفن همراه خود دارید که فناوری UWB برای مردم سراسر جهان به ارمغان می آورد” به گفته سامسونگ: هرگاه دستگاهی به مدت 30 دقیقه آفلاین باشد ، سیگنال BLE تولید می کند که می تواند توسط دستگاه های دیگر دریافت شود. اگر دستگاه خود را از دست داده اید از طریق SmartThings Find گزارش کنید ، هر تلفن هوشمند یا تبلت Galaxy که در نزدیکی آن قرار دارد برای یافتن دستگاه های مفقود شده می توانند سرور سامسونگ را در مورد مکان آن مطلع سازد که به نوبه خود به شما اطلاع می دهد. ” این سرویس همچنین قرار است جهت ها و صداهای یکپارچه نقشه خوان را به کاربران ارائه دهد تا بتوانند به سرعت دستگاه گمشده خود را پیدا کنند. هنگامی که به دستگاه خود نزدیک شدید ، می توانید با استفاده از عملکرد جستجوی مبتنی بر واقعیت افزوده در نزدیکی دستگاه خود ، “زنگ” بخورید یا آن را مکان یابی کنید ، که گرافیک های رنگی را نشان می دهد که هنگام نزدیک شدن به دستگاه ، شدت آنها افزایش می یابد. نکته برجسته این سرویس این است که به کاربران امکان می دهد دستگاه های گمشده خود را حتی در صورت آفلاین بودن پیدا کنند.

با ویرا سگال کارو همراه باشید

انقلاب مدرن هوش مصنوعی چگونه آغاز شد؟

انقلاب مدرن هوش مصنوعی چگونه آغاز شد؟

انقلاب مدرن هوش مصنوعی در طی یک مسابقه تحقیقات مبهم آغاز شد. سال 2012، سومین سال مسابقه سالانه ImageNet ، بود، تیم ها را برای ساخت سیستم های بینایی رایانه ای به چالش کشیدند که می بایست  1000 شی از حیوانات گرفته تا مناظر و مردم را تشخیص بدهد. در دو سال اول ، بهترین تیم ها نتوانسته اند حتی به 75٪ دقت برسند. اما در سال سوم ، گروهی متشکل از سه محقق ( یک استاد و دانشجویانش ) ناگهان از این حدعبور کردند. آنها با درصد خیره کننده 10.8 در مسابقه برنده شدند. آن استاد جفری هینتون بود و روشی که آنها به کار برده بودند، یادگیری عمیق نامیده شد.

یادگیری عمیق انقلاب مدرن هوش مصنوعی

هینتون از دهه 1980 در واقع با یادگیری عمیق کار می کرد ، اما اثربخشی آن به دلیل کمبود داده و قدرت محاسباتی محدود شده بود. اعتقاد راسخ وی به این تکنیک در نهایت سودهای کلانی را پی داشت. چهارمین سال مسابقات ImageNet ، تقریباً همه تیم ها از یادگیری عمیق استفاده می کردند و به موفقیت های معجزه آسایی دست یافتند. به زودی یادگیری عمیق در مورد وظایفی فراتر از شناسایی تصویر و همچنین در طیف وسیعی از صنایع نیز اعمال شد. سال گذشته ، به دلیل کمک های بنیادی خود در این زمینه ، هینتون در کنار سایر پیشگامان هوش مصنوعی یان لکون و یوشوا بنگیو جایزه تورینگ را دریافت کرد.

متن زیر مصاحبه کارن هاو با هینتون در تاریخ بیست اکتبر و در کنفرانس سالانه EmTech MIT MIT Technology Review می باشد که البته تدوین شده است.

شما فکر می کنید یادگیری عمیق برای باز سازی تمام جنبه های هوش انسان کافی خواهد بود. چه چیزی باعث می شود که انقدر مطمئن باشید ؟

من معتقدم یادگیری عمیق قادر به انجام همه کارها خواهد بود ، اما فکر می کنم که باید چندین پیشرفت مفهومی داشته باشد. به عنوان مثال ، در سال 2017 Ashish Vaswani و همکاران. ترانسفورماتورهایی را معرفی کرد که بردارهای بسیار خوبی را برای معنی کلمات نشان می دهند. این یک موفقیت مفهومی بود. اکنون تقریباً  این ترانسفورماتور در بهترین پردازش های زبان طبیعی مورد استفاده قرار می گیرد. ما به تعداد  بیشتری از این موقفیت ها نیاز داریم.

و اگر این پیشرفت ها را داشته باشیم ، آیا می توانیم با یادگیری عمیق ،هوشی نزدیک به هوش انسان بسازیم؟

آره. به ویژه پیشرفت هایی که در زمینه دستیابی به ناقلین بزرگ فعالیت عصبی برای پیاده سازی مواردی مانند منطق ایجاد می شود. اما ما همچنین به افزایش گسترده مقیاس نیز نیاز داریم. مغز انسان حدود 100 تریلیون پارامتر یا همان سیناپس دارد. آنچه اکنون ما آن را یک مدل واقعاً بزرگ می نامیم ، مانند GPT-3 ، 175 میلیارد پارامتردارد. هزار برابر کوچکتر از مغز . GPT-3 اکنون می تواند متنی کاملاً قابل قبول تولید کند ولی همچنان در مقایسه با مغز هنوز کوچک است.

وقتی می گویید مقیاس ، منظور شما شبکه های عصبی بزرگتر است یا داده های بیشتر یا هر دو؟

هر دو. نوعی اختلاف بین آنچه در علوم کامپیوتر اتفاق می افتد و آنچه در مورد انسان اتفاق می افتد وجود دارد. انسان در مقایسه با مقدار داده ای که دریافت می کنند ، مقدار زیادی پارامتر دارد. شبکه های عصبی به طرز حیرت انگیزی در پردازش به مقدار کمی داده با تعداد زیادی پارامتر مهارت دارند ، اما انسان ها در این مورد حتی بهتر  ماشین ها هستند.

بسیاری از افراد در این زمینه معتقدند که عقل سلیم توانایی بزرگ بعدی برای ورود به آن است. قبول دارید؟

موافقم که این یکی از موارد بسیار مهم است. من همچنین فکر می کنم کنترل موتور بسیار مهم است و شبکه های عصبی عمیق اکنون در این زمینه مهارت پیدا می کنند. به ویژه ، برخی از کارهای اخیر در Google نشان داده است که شما می توانید کنترل حرکتی خوبی داشته باشید و آن را با زبان ترکیب کنید ، بنابراین می توانید یک کشو را باز کنید و یک بلوک را بیرون بیاورید ، و سیستم می تواند به زبان طبیعی به شما بگوید که چه کاری انجام می دهد. برای مواردی مانند GPT-3 ، که این متن شگفت انگیز را ایجاد می کند ، واضح است که برای تولید آن متن باید چیزهای زیادی درک کند ، اما کاملاً مشخص نیست که چقدر آن را درک می کند. اما اگر چیزی کشو را باز کند و یک بلوک را بیرون بیاورد و بگوید ، “من فقط یک کشو را باز کردم و یک بلوک را بیرون آوردم” ، سخت است بگویم که نمی فهمد چه کاری انجام می دهد.

وردپرس چیست ؟

وردپرس چیست ؟

وردپرس یک بستر ایجاد وب سایت منبع باز است که به زبان PHP نوشته شده و از پایگاه داده MySQL استفاده می کند.اگر بخواهیم به زیان غیر حرفه ای بگوییم که این بستر چیست ، احتمالاً ساده ترین و قدرتمندترین سیستم مدیریت محتوای وبلاگ نویسی و وب سایت (یا CMS) موجود است. وردپرس یک بستر وب سایت عالی برای انواع وب سایت ها است. از وبلاگ نویسی گرفته تا تجارت الکترونیکی گرفته تا وب سایت های تجاری و نمونه کارها ، وردپرس یک CMS همه کاره است. وردپرس با قابلیت استفاده و انعطاف پذیری طراحی شده است ، یک راه حل عالی برای وب سایت های بزرگ و کوچک است.

وردپرس از کجا آغاز به کار کرد ؟

برای اینکه بدانیم وردپرس چیست ابتدا باید بدانید که وردپرس در ابتدا به عنوان یک سیستم انتشار وبلاگ ایجاد شده است اما برای پشتیبانی از انواع دیگر محتوای وب از جمله لیست های پستی و انجمن های سنتی ، گالری های رسانه ای ، سایت های عضویت ، سیستم های مدیریت یادگیری (LMS) و فروشگاه های آنلاین تکامل یافته است. وردپرس در 27 مه 2003 توسط بنیانگذاران آن ، مت مولن وگ ، توسعه دهنده آمریکایی و مایک لیتل ، توسعه دهنده انگلیسی ، به عنوان چنگال b2 / cafelog منتشر شد. این نرم افزار تحت مجوز GPLv2 (یا بالاتر) منتشر می شود. امروزه وردپرس توسط بیش از 60 میلیون وب سایت مورد استفاده قرار می گیرد ، از جمله 33.6٪ از 10 میلیون وب سایت برتر تا آوریل 2019 ، وردپرس یکی از محبوب ترین راه حل های سیستم مدیریت محتوای مورد استفاده است. از وردپرس برای دامنه های کاربردی دیگر مانند سیستم های نمایش فراگیر (PDS) نیز استفاده شده است. در اینجا چند نمونه از انواع وب سایت هایی که می توانید با وردپرس ایجاد کنید را نام می بریم تا شما بدانید وب سایت هایی که می توان با وردپرس ساخت چیست:

بلاگ – وبلاگ نوع خاصی از وب سایت است که به اشتراک گذاری افکار ، عکس ها ، بررسی ها ، آموزش ها ، دستور العمل ها و موارد دیگر اختصاص دارد. بلاگ ها معمولاً ابتدا جدیدترین مطالب منتشر شده را نمایش می دهند.
وب سایت تجارت الکترونیکی – یک وب سایت تجارت الکترونیکی به شما امکان می دهد کالا یا خدمات را بصورت آنلاین بفروشید و از طریق سیستم پرداخت آنلاین ، هزینه را جمع آوری کنید. برای افزایش عملکرد پیش فرض وردپرس می توانید یک افزونه تجارت الکترونیکی وردپرس را بارگیری و نصب کنید تا بتوانید یک فروشگاه آنلاین در وب سایت خود داشته باشید.
وب سایت مشاغل – بسیاری از مشاغل از حضور آنلاین در قالب وب سایت خود بهره مند خواهند شد. اگر تجارت شما به وب سایتی نیاز دارد تا مشتریان در مورد شرکت شما و آنچه شما ارائه می دهید بیاموزند ، وردپرس گزینه بسیار خوبی است. مشتریان می توانند با شما تماس بگیرند ، درخواست قیمت کنند ، قرار ملاقات بگذارند و موارد دیگر.
وب سایت عضویت – وب سایت عضویت به شما امکان می دهد محتوا را پشت دیوارپوش یا ورود به سیستم حساب قرار دهید. برای دسترسی به صفحات یا پست ها ، کاربران باید به محتوا وارد شوند یا هزینه آن را پرداخت کنند. وردپرس همچنین می تواند وب سایت های عضویت را با افزونه های اضافی اداره کند.
وب سایت نمونه کارها – با یک وب سایت نمونه کارها ساخته شده در وردپرس ، کارهای هنری ، مهارت های طراحی و موارد دیگر خود را به نمایش بگذارید.
وب سایت تالار گفتمان – وب سایت تالار گفتمان می تواند مکانی مفید برای س toال کاربران یا به اشتراک گذاشتن مشاوره باشد. باور کنید یا نه ، بسیاری از وب سایت های انجمن با وردپرس کار می کنند.
وب سایت رویداد – میزبان رویدادی هستید؟ وردپرس اشتراک گذاری جزئیات رویداد و فروش بلیط را برای شما آسان می کند.
وب سایت آموزش الکترونیکی – دانش آموزان می توانند دوره های آنلاین بگذرانند ، پیشرفت خود را پیگیری کنند ، منابع را بارگیری کنند و موارد دیگر را از یک وب سایت آموزش الکترونیکی دریافت کنند. با یک نوع پلاگین خاص به نام پلاگین WordPress LMS ، می توانید دوره های آنلاین را از وب سایت وردپرس ارائه دهید.

برای شخصی سازی وب سایت وردپرس ، امکانات بی پایان هستند. تم ها و افزونه های وردپرس می توانند گزینه های طراحی جدید و قابلیت های اضافه شده را به وب سایت شما اضافه کنند.شما می توانید سایت WordPress.org را برای تم ها و افزونه های رایگان بررسی کنید.

با ویرا سگال کارو همراه باشید

نسل بعدی کامپیوتر های کوانتومی

نسل بعدی کامپیوتر های کوانتومی