اینترنت اشیا و هوش مصنوعی انقلاب نسل آینده

اینترنت اشیا و هوش مصنوعی انقلاب نسل آینده

اینترنت اشیا ، همراه با هوش مصنوعی ، تحولی در آینده بشریت خواهد بود. در این مطلب ما بیان می کنیم. دوره انقلابی بعدی جهان در حال حاضر است. دوره ای که به اندازه رنسانس و انقلاب صنعتی قابل توجه خواهد بود. هوش مصنوعی و IoT دو چشم انداز از این دست هستند که مردم معتقدند جهان را به چیزی مدرن می کند که در چند دهه آینده ذهن ما را به باد خواهد داد. این دو رکن در آینده دامنه عظیمی خواهند داشت. با اینکه این دو فناوری نوظهور نیستند اما در حال تغییر آینده جهان هستند.

اینترنت اشیا چیست ؟

IoT شبکه اشیا فیزیکی را توصیف می کند – “اشیا” – که به منظور اتصال و تبادل داده با سایر دستگاه ها و سیستم ها از طریق اینترنت ، با حسگرها ، نرم افزار و سایر فناوری ها تعبیه شده است. تعریف Iot به دلیل همگرایی فناوری های متعدد ، تجزیه و تحلیل های بی درنگ ، یادگیری ماشین ، حسگرهای کالا و سیستم های جاسازی شده تکامل یافته است. زمینه ه سنتی سیستم های جاسازی شده ، شبکه های حسگر بی سیم ، سیستم های کنترل ، اتوماسیون (از جمله اتوماسیون خانگی و ساختمان) و سایر موارد همگی به امکان دسترسی در اینترنت کمک می کنند. در بازار مصرف ، فناوری IoT مترادف با محصولات مربوط به مفهوم “خانه هوشمند” است ، از جمله دستگاه ها و لوازم خانگی (مانند وسایل روشنایی ، ترموستات ، سیستم های امنیتی خانه و دوربین ها و سایر لوازم خانگی) که از یک یا اکوسیستم های رایج تر ، و از طریق دستگاه های مرتبط با آن اکوسیستم مانند تلفن های هوشمند و بلندگوهای هوشمند قابل کنترل است. هوش مصنوعی به انداره کهکشان راه شیری گسترده است. هوش مصنوعی (AI) یک زمینه گسترده با بسیاری از زیر مجموعه ها مانند پردازش زبان طبیعی (NLP) ، شبکه های عصبی مصنوعی ، بینایی کامپیوتر ، یادگیری ماشین ، یادگیری عمیق ، رباتیک و غیره است.

َAIOT چیست؟

ترکیبی از هوش مصنوعی همراه با اینترنت اشیا، شاخه جدیدی از مطالعه ، جالب و منحصر به فرد را تشکیل می دهد که اینترنت مصنوعی اشیا یا به اختصار AIOT نامیده می شود. IoT فعال شده با هوش مصنوعی قادر به ایجاد ماشین های هوشمندی است که می تواند رفتار هوشمند را شبیه سازی کند و در عین حال توانایی تصمیم گیری را با  دخالت کم یا بدون دخالت انسان پشتیبانی کند. با ادغام هوش مصنوعی در دستگاه های IoT  مانند raspberry pi و Nvidia Jetson Nano , و بسیاری از دستگاه های مشابه قادر به ایجاد برخی از شاهکارها هستند که بسیار سودآور و برای کل جامعه مفید خواهد بود. برخی از مثالهای دستیارهای مجازی مانند الکسا ، سیری یا Google AI ، سطح بالای عقل و امکانات این فناوری را در آینده نشان می دهند.

همانطور که در این مقاله به آن پرداخته شده است ، هوش مصنوعی همراه با اینترنت اشیا بسیار قدرتمند است و ما می توانیم با ایده های نوآورانه پروژه های منحصر به فردی را توسعه و ایجاد کنیم. دامنه IoT و AI فوق العاده است و این فناوری ها قدرت تغییر چشم انداز آینده را دارند. تأثیر AIoT در سالهای آینده فرا تر از ذهن خواهد بود و اختراعات جدیدی که در آینده  می شود بسیار هیجان انگیز خواهند بود.

هوش مصنوعی در جنگلبانی افراد را نجات می دهد

هوش مصنوعی در جنگلبانی افراد را نجات می دهد

سه محقق از دانشگاه یوهانس کپلر سیستمی طراحی کرده اند که از هوش مصنوعی برای بهینه سازی جستجو در جنگلبانی دوربین تصویربرداری حرارتی از افراد گمشده در جنگل استفاده کرده اند. در مقاله خود که در ژورنال Nature Machine Intelligence منتشر شده است ، دیوید شدل ، ایندراجیت کورمی و الیور بیمبر ، توصیف می کنند که چگونه آنها یک شبکه یادگیری عمیق را برای مشکل افراد گمشده در جنگل اعمال می کنند و همچنین می گویند که چگونه کار می کند. این پیشرفت می تواند جان افرادی را که به طبیعت گردی علاقه دارند را نجات دهد و به جنگلبانان کمک فراوانی را برساند.

هوش مصنوعی در جنگلبانی چگونه اعمال می شود

هنگامی که مردم در جنگل ها گم می شوند ، متخصصان جستجو و نجات با استفاده از هلی کوپترها منطقه ای را که احتمالاً افراد گم شده در آن ها حضور دارند را می گردند. محققان علاوه بر اسکن ساده زمین زیر ، از دوربین های شکاری و دوربین های تصویربرداری حرارتی استفاده می کنند. امید است که چنین دوربینهایی تفاوت دمای بدن افراد روی زمین را در مقایسه با محیط اطراف آنها آسانتر کند تا بتوان آنها را بهتر تشخیص داد. متأسفانه ، در بعضی موارد تصویربرداری حرارتی به دلیل درنظرگرفتن پوشش گیاهی زیر خاک یا آفتاب که باعث گرم شدن درختان در دمای مشابه با دمای بدن فرد از دست رفته می شود، آنطور که در نظر گرفته شده عمل نمی کند. در این تلاش جدید ، محققان سعی کردند تا با استفاده از یک برنامه یادگیری عمیق برای بهبود تصاویر ساخته شده ، بر این مشکلات غلبه کنند. راه حلی که تیم ارائه کرد این بود که با استفاده از یک برنامه هوش مصنوعی برای پردازش تصاویر متعدد از یک منطقه داده شده آنالیز شود. آنها تصاویر را با استفاده از هوش مصنوعی برای پردازش داده ها از چندین رادیو تلسکوپ مقایسه می کنند. انجام این کار باعث می شود تا چندین تلسکوپ به صورت یک تلسکوپ بزرگ عمل کنند. به همین ترتیب ، برنامه هوش مصنوعی که آنها استفاده کردند ، به چندین تصویر حرارتی گرفته شده از هلی کوپتر (یا هواپیمای بدون سرنشین) اجازه می داد تا تصویری ایجاد کند که گویی توسط دوربین با لنز بسیار بزرگتر گرفته شده است. پس از پردازش ، تصاویر تولید شده که از عمق میدان بسیار بالاتری برخوردار بودند  بالای درختان تار به نظر می رسید در حالی که افراد روی زمین بسیار بیشتر قابل تشخیص هستند. برای آموزش سیستم هوش مصنوعی ، محققان مجبور شدند پایگاه داده تصاویر خود را ایجاد کنند. آنها از هواپیماهای بدون سرنشین برای گرفتن عکس از داوطلبان روی زمین و در موقعیت های بسیار گسترده استفاده کردند. آزمایش سیستم نشان داد که تقریباً 87 تا 95 دقیق است در حالی که برای تصاویر حرارتی سنتی فقط 25 درصد دقت داشت. محققان پیشنهاد می کنند سیستم آنها برای استفاده توسط گروه های جستجو و نجات آماده است و همچنین می تواند توسط تیم های اجرای قانون ، ارتش یا تیم های حیات وحش نیز مورد استفاده قرار گیرد.

مهم ترین تکنولوژی های 2021

مهم ترین تکنولوژی های 2021

موسسه مهندسین برق و الکترونیک امروز نتایج نظرسنجی از افسران ارشد اطلاعات (CIO) و افسران ارشد فناوری (CTO) در ایالات متحده ، انگلستان ، چین ، هند و برزیل در مورد مهم ترین تکنولوژی های کلی 2021 و تأثیر همه گیر COVID-19 در مورد سرعت پذیرش فناوری آنها گزارشی ارائه دادند و انتظار می رود صنایع در سال آینده بیشترین تأثیر را بر فناوری داشته باشند. هوش مصنوعی و یادگیری ماشینی ، 5G و IoT مهمترین فناوریهای سال 2021 خواهند بود و در این امر موجب می شود تا نقطه عطفی در فناوری پدیدار شود.

کدام یک از مهم ترین تکنولوژی ها در سال 2021 خواهند بود؟

در میان کل پاسخ دهندگان ، تقریباً یک سوم (32٪) می گویند هوش مصنوعی و یادگیری ماشین و به دنبال آن 5G (20٪) و IoT (14٪). براساس بررسی انجام شده توسط  CIOs و CTOS ، تولید (19٪) ، بهداشت و درمان (18٪) ، خدمات مالی (15٪) و آموزش (13٪) صنایعی هستند که بیشتر تأثیر را از فناوری در سال 2021 خواهند گرفت. در همان زمان ، بیش از نیمی (52٪) CIO و CTO بزرگترین چالش خود را در سال 2021 مربوط به جنبه های بهبود COVID-19 در رابطه با عملیات تجاری می دانند.این چالش ها شامل ساختار دورکاری هیبریدی دائمی و اداری (22٪) ، بازگشایی و بازگشت دفاتر و تأسیسات (17٪) و مدیریت کار از راه دور دائمی (13٪) است. با این حال ، 11٪ اظهار داشتند که تسریع برای متوقف کردن و شروع ابتکارات فناوری اطلاعات با ادامه این محیط غیر قابل پیش بینی بزرگترین چالش آنها خواهد بود. 11٪ دیگر تهدیدهای امنیتی آنلاین ، از جمله تهدیدهای مربوط به کارگران از راه دور ، را بزرگترین چالشی که در سال 2021 مشاهده می کنند ذکر کردند.

پذیرش فناوری ، شتاب و آمادگی در برابر بلایا به دلیل COVID-19

CIO ها و CTO های مورد بررسی به دلیل همه گیری ، در اتخاذ برخی از فناوری ها سرعت بیشتری دارند:

بیش از نیمی از (55٪) پاسخ دهندگان سرعت پردازش رایانش ابری را تسریع کرده اند
52٪ سرعت 5G را تسریع کرده اند
51٪ هوش مصنوعی و یادگیری ماشین را تسریع کرده اند
پذیرش فناوری های اینترنت اشیا ((42٪) ، واقعیت افزوده و واقعیت مجازی (35٪) و کنفرانس ویدیویی (35٪) نیز به دلیل همه گیری جهانی تسریع شده است.

در مقایسه با یک سال پیش ، CIO و CTO با اکثریت قریب به اتفاق (92٪) معتقدند شرکت آنها آمادگی بیشتری برای پاسخگویی به وقفه های احتمالی فاجعه بار مانند نقض داده ها یا یک فاجعه طبیعی دارد. علاوه بر این ، از کسانی که می گویند آمادگی بیشتری دارند ، 58٪ کاملاً موافقند که COVID-19 آمادگی آنها را تسریع می کند. وقتی از آنها سوال شد که کدام فناوری ها بیشترین تأثیر را در بهبود COVID-19 دارند ، از هر چهار نفر یک نفر (25٪) پاسخش هوش مصنوعی و یادگیری ماشین بود.

امنیت سایبری

دو نگرانی اصلی برای CIO ها و CTO ها در مورد امنیت سایبری سازمان آنها مسائل امنیتی مربوط به نیروی کار سیار است از جمله کارمندانی که دستگاه های خود را به کار می آورند (37٪) و اطمینان از امنیت اینترنت اشیا (IoT) (35 ٪) این تعجب آور نیست ، زیرا تعداد دستگاه های متصل مانند تلفن های هوشمند ، تبلت ها ، سنسورها ، روبات ها و هواپیماهای بدون سرنشین به طرز چشمگیری در دیجیتال مارکتینگ حال افزایش است. کمی بیش از یک سوم (34٪) از پاسخ دهندگان CIO و CTO گفتند که می توانند 26-50٪ از دستگاههای متصل به تجارت خود را ردیابی و مدیریت کنند ، در حالی که 20٪ از شرکت کنندگان گفتند که می توانند 51-75٪ از دستگاه های متصل را کنترل و مدیریت کنند.

هوش مصنوعی در عکاسی

هوش مصنوعی در عکاسی

امروزه هوش مصنوعی یک انقلاب در صنعت عکاسی به وجود آورده است. شبکه های عصبی

و یادگیری ماشینی اقدامات ویرایش پیچیده ای را با چند کلیک در دسترس قرار داده اند و  برند ها

حتی می توانند “عکس” بدون حق امتیاز  از افراد که توسط رایانه تولید شده را بارگیری و استفاده

کنند. در بیشتر موارد ، هوش مصنوعی بعنوان موج بزرگ بعدی در تاریخ عکس شناخته می شود،

و ممکن است چنین باشد، اما برخی از کارشناسان در مورد پیامدهای این روند در آینده نزدیک و

دور نگران شده اند. اگر هوش مصنوعی بتواند کارهای عکاسان را سریعتر و راحت تر کند ، آیا

در نهایت می تواند جای آنها را بگیرد؟

چشم اندار هوش مصنوعی در مورد عکاسی

تا حد زیادی ، بزرگترین تصور غلط در مورد هوش مصنوعی این است که فقط ابزاری دیگر خواهد

بود که زندگی عکاس را آسان تر می کند اما به چشم انداز آنها برای اشتغال در آینده آسیب نمی رساند

بیشتر محصولات هوش مصنوعی تجاری که در نرم افزارهایی مانند Adobe ، Skylum یا Topaz

استفاده می شوند فقط ابزار های تاثیر گذار هستند. اما پتانسیل هوش مصنوعی بسیار گسترده تر است.

“هوش” ابزار نیست ، بلکه یک نیروی خلاق است. گسترش آن در صنعت خلاق عواقب عمیقی برای

کسانی که قبلاً فکر می کردند خلاقیت تنها استان نبوغ انسانی است ، به دنبال خواهد داشت.

آیا هوش مصنوعی برای عکاسان خطر آفرین است ؟

این مسئله درگیری فکری چندانی برای عکاسان ایجاد نمی کند ما در واقع عکاسان دقدقه های جدی

دیگری دارند تا اینکه بخواهند به این فکر کنند که هوش مصنوعی روزی کار آنها را خواهد گرفت.

 نگرانی عکاسان کاملاً قابل توجیه است ، اما چند نکته جدی وجود دارد. اول واقع بینانه نیست که

انتظار داشته باشیم AI جایگزین همه رشته های عکاسی شود. آنچه در عوض احتمالاً خواهیم دید

جایگزینی هوش مصنوعی تقریباً به طور کامل است و همانطور که این کار را انجام می دهد ،

فشارهای رو به پایین زیادی را به سایر رشته هایی که از این نوع اختلال عایق بندی شده اند ،

هوش مصنوعی همچنین فشار زیادی بر تدوین گر ها، ویراستاران و فناوری های دیجیتال وارد

خواهد کرد ، زیرا دستیابی به هوش مصنوعی وظایف پرزحمت و جزئی را به فرایندهای با

فشار یک دکمه دکمه تبدیل می کند.تهدید مربوط به جایگزینی هوش مصنوعی به جای عکاسان

نیست بلکه تعریف مجدد مشاغل عکاسی است. شما ممکن است هنوز هم به افرادی نیاز داشته

باشید تا یک دوربین را در محل خود قرار دهند و منتقل کنند ، اما تمام عناصر فنی و خلاقانه ای

که در این کار استفاده می شوند توسط یک ماشین اداره می شوند.

 آیا هوش مصنوعی تغییر در صنایع خلاق مانند عکاسی به وجود می آورد؟

ما دوست داریم “خلاقیت انسان” رابه گونه ای قلمداد کنیم که گویی نوعی جادو است که اتفاق می افتد.

اما خلاقیت انسان در واقع فقط تأثیر متقابل یک محیط ، حافظه و برخی سیگنال های شیمیایی و الکترونیکی

است. در واقع هیچ دلیلی وجود ندارد که چرا این خلاقیت باید فقط به مغز محدود شود و سیلیکون نا کار

آمد است.”و هر لحظه که این خلاقیت سیلیکونی واقعاً به راه افتاده باشد ، اقتصاد بسیاری از صنایع خلاق

را کاملاً خراب خواهد کرد. تمام مثالهای هنر هوش مصنوعی را در نظر بگیرید که امروزه می تواند انسان

را گول بزند و فکر کند این کار توسط یک انسان ساخته شده است و نه یک ماشین. این اتفاق در آهنگسازی

های موسیقی رخ داده است و ناگزیر در عکس ها و حتی تصاویر متحرک تمام قد اتفاق خواهد افتاد.

“البته کسانی که در یادگیری ماشین و هوش مصنوعی کار می کنند احتمالاً مخالفت می کنند و می گویند که

نرم افزار نمی تواند به همان شکلی که انسان است خلاق باشد. ماشین آلات ممکن است بتوانند محصولات

خلاقانه تولید کنند ، اما این کار را طبق قوانین و الگوریتم ها انجام می دهند و نه تجربه و احساسات که

سوخت خلاقیت های بسیار انسانی است.

نگران کننده ترین تحول هوش مصنوعی در صنعت عکاسی چیست ؟

نگرانی از تحولات هوش مصنوعی در دو سطر قرار می گیرند: نگرانی های مربوط به آینده عکاسی به

عنوان یک حرفه و مربوط به آینده جامعه به طور کلی. در مورد اول ، من فکر می کنم کارهای زیادی که

NVIDIA و Microsoft (و گوگل به میزان کمتری) انجام داده اند در مورد ایجاد تصاویر عکس واقعی

از ابتدا در یک خط کاملاً مستقیم به آینده ای است که این فناوری به راحتی می تواند سفارشی ایجاد کند.

سهام و محصولات در صورت تقاضا ، عکاسان را در این روند به حاشیه می اندازد. هنرهای زیبا پیچیده تر

است. امروز مردم بابت هنر هایی که هوش مصنوعی ایجاد کرده پول می دهند اما می توان یک گالری

هوش مصنوعی را فروخت ؟ در مورد کل جامعه ، توانایی تولید تصاویر و فیلم های واقع بینانه در حال حاضر

شروع به مسموم کردن جریان اطلاعات ما با محتوای جعلی کرده است. این تنها تقصیر توسعه دهندگان

هوش مصنوعی نیست سیستم عامل هایی که بیش از حد اطلاعات غلط را مجاز می دانند و عموم افرادی که

اخبار خود را از رسانه های اجتماعی می گیرند نیز مقصر هستند اما ما به یک ورطه واقعاً تاریک اطلاعات

غلط و فریب دهنده خیره شده ایم. زیرا ابزارها قدرتمندتر می شوند و استفاده از آنها آسان تر می شود.

هوش مصنوعی چه کاربرد هایی در صنعت عکاسی داشته ؟

قطعا هوش مصنوعی برای مصرف کنندگان کاملاً عالی است. دوربین های گوشی های هوشمند آنها ،

قبلاً نیز بسیار خوب بوده اند و بهتر هم خواهند شد. علاوه بر این ، به لطف دید ماشین ، کتابخانه های

عظیم عکس ما می توانند به طور خودکار سازمان یافته و فهرست بندی شوند و بعداً با سهولت جستجو

 شوند.این مزایای سازمانی همچنین کمک شایانی به جوانب مثبت خواهد کرد مانند پیشرفتی که قبلاً در

مواردی مانند برچسب گذاری خودکار لایت روم مشاهده کرده ایم. انتظار می رود که بسیاری از کارهای

آزار دهنده پیرامون سازماندهی و فهرست نویسی تصاویر توسط AI کاهش یابد. احتمال دیگر توانایی AI

برای خاتمه دادن به مسابقه مگاپیکسلی دوربین ها است.

هوش مصنوعی در مهندسی مکانیک

هوش مصنوعی در مهندسی مکانیک

پروژه Pro-mech Minds نمونه ای از هوش مصنوعی و یادگیری عمیق در مهندسی مکانیک است.

امروزه هوش مصنوعی کلمه ای است که همه جا شنیده می شود، همه گیری این موضوع به اسن خاطر

است که در همه زمینه ها نقش دارد. به گفته بریتانیکا ، “هوش مصنوعی (AI) ، به طور گسترده ای به

عنوان توانایی یک کامپیوتر دیجیتال یا روبات تحت کنترل کامپیوتر، در انجام کارهایی گفته می شود

که معمولاً با موجودات هوشمند مرتبط هستند.”هوش مصنوعی اصطلاحی گسترده تر است که در کنار آن

یادگیری ماشین است. یادگیری ماشینی از روشهای آماری استفاده می کند تا به ماشینها اجازه دهد با تجربه

بهبود یابند.(یاد گیرند)

مهندسی مکانیک استفاده کننده و توضیع کننده هوش مصنوعی

شرکتهای مهندسی مکانیک در درجه اول کاربران فن آوری هوش مصنوعی هستند ، اما به عنوان ارائه

دهنده راه حل های صنعتی ، آنها نیز نقش مهمی در انتشار و کاربرد هوش مصنوعی در زنجیره های ارزش

صنعتی دارند. ماشین آلات و تجهیزات ، فناوری های هوش مصنوعی را به عنوان هوش مصنوعی جاسازی

شده برای انواع مشتریان و صنایع به ارمغان می آورند. مهندسان مکانیک براساس تجربیات خود در یکپارچه

سازی فن آوری کارآمد و در طراحی مسئول همکاری انسان و ماشین  مانند رباتیک ، اتوماسیون و فن آوری

سنسور دارد. برای انجمن صنایع مهندسی مکانیک حمایت از شرکتهای عضو خود در استفاده از فناوریهای AI

ضروری است. اما برای ما نیز مهم است که به یک بحث مبتنی بر واقعیت و منطقی در سیاست و جامعه با هدف

ایجاد پذیرش گسترده و شکل دادن به چارچوب اجتماعی کمک کنیم.

فرست ایجاد شده

برای مهندسی مکانیک ، هوش مصنوعی بیش از هر چیز فرصتی برای حفظ رهبری جهانی است. هوش مصنوعی

به افزایش کارایی و توسعه مدل های جدید تجاری کمک می کند. فرآیندهای تولید می توانند بهینه شده و ماشین ها و

خدمات توسط عملکردهای هوشمند از طریق راه حل های تعبیه شده AI توسعه یابند. هوش مصنوعی یک عامل

تعیین کننده در رقابت آینده محصولات و فرآیندهای مهندسی مکانیک خواهد بود. در این زمینه ، هوش مصنوعی

خوب ، هم در فن آوری های موجود و هم در حوزه برنامه های کاربردی ، مهارت خود را ایجاد می کند. با توجه

به این ، مهندسی مکانیک نقشی اساسی در توسعه و استفاده از هوش مصنوعی بین صنعت و مقطعی دارد. این نه

تنها برای شرکتهای مهندسی مکانیک و مشتریان آنها مفید است ، بلکه دارای پتانسیل قابل توجهی برای استفاده موثرتر

از مواد و انرژی ، تصمیم گیری بهتر و تسلط بر چالشهایی مانند کمبود منابع و تغییرات آب و هوایی است. اگر از طرفی،

صنعت نتواند از فرصتهای ارائه شده توسط AI بهره ببرد ، نقش اصلی شرکتهای مهندسی اروپایی به طور حتم برای رقبا

از سایر مناطق جهان فناوری از بین خواهد رفت. بنابراین ادغام هوش مصنوعی در مهندسی مکانیک برای شرکت ها ،

پژوهشگران و سیاست گذاران کاملاً ضروری است.

 مسئولیت مهندسی مکانیک برای هوش مصنوعی

مهندسی مکانیک همچنین با مسئولیت مرتبط با معرفی فن آوری های جدید روبرو است – چه به عنوان ضامن

ایمنی ماشین و چه به عنوان یک شریک گفتگو برای جنبه های اجتماعی. از نظر انجمن صنایع مهندسی مکانیک

، هوش مصنوعی یک حوزه سیاست جدید و مستقل نیست ، بلکه یک فناوری کلیدی با اهمیت افقی است. این امر

نه تنها باید در زمینه سایر موضوعات دیجیتالی مانند مدیریت داده ، سیستم عامل های دیجیتال ، امنیت سایبری

یا زیرساخت های فناوری اطلاعات دیده شود ، بلکه همچنین باید در زمینه فعالیت های “کلاسیک” صنعتی مانند

ایمنی محصول و ماشین ، طراحی محیط کار و استاندارد سازی نیز دیده شود. به عنوان مثال ،ماشین هایی که از

هوش مصنوعی استفاده می کنند باید از قبل تحت پوشش الزامات قانونی ایمنی محصول و مقررات هماهنگی

اتحادیه اروپا قرار گرفته اند باشندبه منظور در نظر گرفتن این جنبه های متنوع ، استفاده از فرصت ها و تجزیه

و تحلیل مخاطرات به طور عینی ، گفتگوی اجتماعی مبتنی بر واقعیت با مشارکت کاربران در مهندسی مکانیک

و صنعت ضروری است.

هوش مصنوعی از ایده آل بودن تا کاربرد

اگر اصطلاح “هوش مصنوعی” مترادف برای یک سیستم بی نهایت خودمختار و شبیه انسان به کار رود ، به عنوان

لیک اصطلاح برای یک سیاست دیجیتالی عملی و ملموس نامناسب است. تمایز بین هوش مصنوعی عمومی و

هوش مصنوعی خاص از این رو برای یک بحث واقعی مهم است که ایده هوش مصنوعی عمومی به معنای تلاش

برای تقلید از هوش مانند انسان است که  توانایی هایی مانند برنامه ریزی ، تصمیم گیری در عدم قطعیت یا پیگیری

اهداف پیچیده را دارد. اما بر سر اینکه این اتفاق می افتد و یا اینکه اصلاً امکان پذیر است ک مشاجره است. از

طرف دیگر ، هوش مصنوعی خاص امروزه برای کاربردهای بتن در حال توسعه است – به عنوان مثال برای تشخیص

گفتار و الگو یا تجزیه و تحلیل خطا، این “هوش مصنوعی” با استفاده از قبل تعیین شده ، مشخصات برنامه نویس و

  نیاز قانونی محدود است. علاوه بر این ، فرایندهای فیزیکی ، الزامات عملیاتی و استانداردهای فنی محدودیت های روشنی

برای استفاده از هوش مصنوعی در فرآیندهای صنعتی تعیین می کنند. علاوه بر این ، تولیدکنندگان ماشین علاقه زیادی به

کنترل تمام عملکردهای دستگاه ، به ویژه عملکردهای تولید شده یا اصلاح شده توسط AI دارند. بنابراین اصطلاح

هوش مصنوعی تنها می تواند به عنوان مبنایی برای بحث و گفتگو سیاسی واقع گرایانه به شکل فعلی آن به عنوان

هوش مصنوعی خاص عمل کند یعنی اینکه استقلال محدود در برنامه های خاص دارند، اما  شعور شبیه به انسان ندارند.

یادگیری ماشین در مهندسی مکانیک

“یادگیری ماشینی” به عنوان شکلی از هوش مصنوعی خاص در حال حاضر بسیار کاربردی است و امکان ارزیابی عینی

را فراهم می کند. این الگوریتم ها آماری است و برنامه های نرم افزاری را قادر می سازد تا براساس تشخیص الگو به طور

مستقل یاد بگیرند. در برنامه های فعلی در صنعت و مهندسی مکانیک ، یادگیری ماشین قبلاً برای پاسخ به سوالات خاص

فناوری یا اقتصادی استفاده شده است. از یادگیری ماشین به عنوان مثال برای بازرسی سطح یا بافت در تضمین کیفیت با

به کارگیری از روش های پردازش تصویر استفاده می شود و پتانسیل بالایی برای کارآمدتر کردن پردازش تصویر دارد.

مثال دیگر بهینه سازی فرآیند ماشین های پیچیده است: در اینجا ، یادگیری ماشین مبتنی بر داده های حسگر می تواند

اطلاعات ارزشمندی را برای کوتاه کردن زمان راه اندازی و کشف منابع ناشناخته خطا ارائه دهد. استفاده موفقیت آمیز از

الگوریتم ها در نگهداری پیش بینی ، یعنی ارزیابی داده ها با هدف کارآمدتر کردن فرآیند بهره برداری و تعمیر ، تقریباً

استاندارد است. اطلاعات کلیدی همچنین می تواند به بهینه سازی ساختارها و فرآیندهای تولید داخلی کمک کند ، به عنوان

مثال با ارزیابی داده های ERP.  می تواند به بهبود توسعه و مدیریت محصول کمک کند ، به عنوان مثال وقتی محصولات

در مرحله استفاده داده ها را ارائه می دهند و اطلاعات را برای نوآوری ها و پیشرفت ها فراهم می کنند. در فروش و برنامه

ریزی ، ابزارهای هوش مصنوعی برای پیکربندی هوشمند ماشین ها می توانند از پتانسیل ارزش قابل توجهی در کسب و

کار استفاده کنند.