طراحی وبسایت و شیوه های نوین آن

طراحی وبسایت و شیوه های نوین آن

شیوه های نوین طراحی وبسایت 2020 کدامند؟ در یک بازار بسیار رقابتی مانند بازار دیجیتال ، پیش بینی تغییرات و یادگیری نحوه انطباق با آنها مهم است. در نتیجه برای اینکه وبسایت ما در بهترین حالت قرار بگیرد بهتر است از رویکرد های جدید و شیوه های نوین در طراحی آن استفاده شود. بسته به نوع کسب و کار و نحوه طراحی سایت می توان از بسیاری از روش های مختلف کمک گرفت. بنابراین نمی توان گفت که کدام شیوه بهتر از سایرین است. ما در این نوسته سعی داریم تا بتوانیم با معرفی برخی از این روش ها برای شما راهنمای خوبی باشیم.

انواع شیوه های نوین طراحی و توسعه وبسایت

برنامه های وب پیشرفته (PWA)

در سال 2019 ، 65٪ از سفارشات خرید آنلاین از طریق وب سایت و با دستگاه های تلفن همراه انجام شده است. روند افزایشی وب سایت PWA این امکان را برای کاربران فراهم می کند تا وب سایت های مورد علاقه خود را از طریق مرورگر وب تلفن همراه و یا دسک تاپ و بدون بارگیری و نصب برنامه های خاص مشاهده کنند. PWA ها در سال 2020 با HTML و CSS ، JavaScript ، React یا Angular نوشته می شوند. علاوه بر تجربه کاربری عالی و عدم نیاز به برنامه های دیگر ، PWA می تواند اعلان های فشاری ارسال کند و دسترسی آفلاین به محتوای ذخیره شده را برای کاربران فراهم کند.

هوش مصنوعی و ربات ها

شرکت های عظیم B2C در حال حاضر از این فناوری برای خدمات دهی به مشتریان خود استفاده می کنند – ربات های چت صفحه رسمی داخل Facebook Messenger ، WhatsApp و Skype نمونه های خوبی هستند. همچنین یک ربات می تواند در PWA ، وب سایت معمولی ، تجهیزات حرفه ای یا خانگی و هر برنامه متصل به اینترنت که توسط یک شرکت تجاری توسعه یافته است ، ادغام شود.

صفحات شتاب داده شده تلفن همراه (AMP)

AMP ها صفحات بهینه شده ای هستند که می توانند سریع کار کنند و دارای یک طراحی ساده و در عین حال راحت هستند و فقط دارای ویژگی های اساسی در مقایسه با محصولات وب کامل هستند. این صفحات همچنین برای موبایل مناسب هستند و محتوای آنها همیشه قابل خواندن است.

برنامه تک صفحه (SPA)

SPA ها به دلیل افزایش چارچوب های JavaScript محبوبیت خاص خود را پیدا می کردند. هنگامی که با آنها کار می کنید وقایع خاص مرورگر را رهگیری کرده و از JSON درخواست می کنید که همانند کار با یک برنامه وب اپلیکیشن است. صفحات Google مانند Gmail ، Google Drive یا Google Maps و همچنین سیستم عامل های شبکه های اجتماعی مانند Facebook از این نوع هستند. مشاهده روند فعلی وب روشن می کند که در آینده اکثر وب سایت های کاربردی به شیوه SPA ساخته می شوند.

بهینه سازی جستجوی صوتی

به نظر می رسد آینده توسعه وب کمتر در گرو متن ها و بیشتر مایل به کارکرد با صدا است و این رویکرد  فقط در مورد دستیارهای خانگی چند منظوره مجازی مانند Siri ، Google Home یا Amazon’s Alexa نیست. در سال 2020 ، بیش از نیمی از دستگاه های هوشمند و اینترنت اشیا سخنان کاربران را می شنوند و دستورات صوتی را اجرا می کنند. و حتی در موارد بیشتر آنها قادر خواهند بود صدای افراد مختلف را تشخیص دهند و تجربه شخصی مبتنی بر هوش مصنوعی را برای همه فراهم کنند.

رابط کاربر متحرک

این احتمال وجود دارد که در سال 2020 MVP ها هنوز بسیار ساده و مینیمال باشند. اما به صورت همزمان ، متخصصان تقاضا برای رویکردهای طراحی جدید مانند UI متحرک را پیش بینی می کنند. اگرچه طراحی رابط کاربر حرکتی از سال 2018 مرسوم است ، اما به دلیل فناوری کتابخانه های SASS اکنون برای همه کاربران دستگاه های متفاوت قابل دسترسی است.

تست اتوماسیون

بیشتر فن آوری های در حال ظهور وب با هدف ارزان سازی روند توسعه و ارائه بهترین تجربه به کاربران است. اتوماسیون مراحل توسعه ابزاری برای دستیابی به هدف اول است. یادگیری ماشین و رویکرد AI به ما امکان می دهد پروژه های پیچیده ای را با یک تیم کوچک یا با تعداد کمتری از متخصصان توسعه بسازیم ، در حالی که اتوماسیون تست محصول به ما کمک می کند تا بررسی کنیم که آیا محصول ما برای استقرار آماده است یا خیر.

انواع هوش مصنوعی

انواع هوش مصنوعی

با کمک انواع هوش مصنوعی امروزه این فناوری نه تنها با ما صحبت می کند بلکه اتومبیل ها را

کنترل می کند بازی های کامپیوتری انجام می دهد و تمام این کار ها را بهتر از ما انسان ها 

انجام می دهد. به نظر می رشد که در مدت زمان کوتاهی هوش مصنوعی ذدر میان ما راه برود.

دیدگاه متداول و مکرر آخرین موفقیت در تحقیقات هوش مصنوعی این است که ماشین های هوشمند

به زودی در دسترس همگان قرار خواهند گرفت. گزارش جدید کاخ سفید در مورد هوش مصنوعی

دیدگاه کاملاً بدبینانه ای در مورد این رویا دارد. این گزارش می گوید که طی 20 سال آینده به احتمال

زیاد در ماشین آلات “اطلاعات کاملاً قابل اجرا قابل مقایسه با انسانها یا بیش از آنها” مشاهده نخواهد شد.

انواع هوش مصنوعی کدامند ؟

ماشین های واکنش پذیر

ابتدایی ترین انواع سیستم های هوش مصنوعی کاملاً واکنشی هستند و نه توانایی تشکیل خاطرات و نه استفاده

از تجربیات گذشته برای اطلاع رسانی تصمیمات فعلی را دارند. Deep Blue ، ابر رایانه شطرنج باز IBM

، که در اواخر دهه 1990 استاد بزرگ بین المللی گری کاسپاروف را شکست داد ، نمونه عالی این نوع ماشین ها است.

Deep Blue می تواند مهره های روی صفحه شطرنج را شناسایی کرده و از نحوه حرکت هر یک مطلع شود. این

کامپیوتر می تواند پیش بینی کند که ممکن است حریف چه حرکات بعدی داشته  باشد. و می تواند بهینه ترین حرکت ها

را از بین احتمالات انتخاب کند.اما هیچ مفهومی از گذشته و هیچ خاطره ای از آنچه قبلاً اتفاق افتاده ندارد. جدا از

یک قانون خاص شطرنج که به ندرت استفاده می شود که در مورد تکرار سه بار حرکت مشابه است ، Deep Blue

همه چیز را قبل از لحظه حال نادیده می گیرد. تمام آنچه که انجام می دهد این است که به مهره های موجود

در صفحه شطرنج در حال حاضر نگاه می کند و حرکت های بعدی را انتخاب می کند. این مدل از انوع هوش مصنوعی

جهان را به صورت مستقیم درک می کند و براساس آنچه می بیند عمل می کند. این نوع از هوش به مفهوم درونی جهان

متکی نیست. در یک مقاله اساسی ، رادنی بروکس ، محقق هوش مصنوعی استدلال کرد که ما فقط باید ماشین هایی از این

دست بسازیم. دلیل اصلی او این بود که مردم در برنامه نویسی دقیق دنیاهای شبیه سازی شده برای استفاده کامپیوترها

مهارت ندارند ، چیزی که در بورس تحصیلی AI “نمایندگی” جهان نامیده می شود.

حافظه محدود

این کلاس نوع دوم از انواع هوش منصوعی شامل ماشین هایی است که می توانند به گذشته نگاه کنند. اتومبیل های

خودران هم اکنون برخی از اسین کارها را انجام می دهند به عنوان مثال ، آنها سرعت و جهت اتومبیل های دیگر

را مشاهده می کنند.این کار فقط در یک لحظه امکان پذیر نیست ، بلکه به شناسایی اشیا به صورت خاص و نظارت

بر آنها در طول زمان نیاز دارد. این مشاهدات به المان های از پیش برنامه ریزی شده اتومبیل های خودران اضافه

می شوند که شامل خط کشی خیابان ها ، چراغ راهنمایی و سایر عناصر مهم مانند پیچ های جاده می شوند. هنگامی

که اتومبیل تصمیم می گیرد که خط عوض کند یا از تصادف با سایر اتومبیل ها کهدر جهات گوناگون حرکت می کنند

جلوگیری کند، تمامی مواردی را که ذکر شد را مد نظر قرار می دهد. اما این اطلاعات ساده درباره گذشته فقط گذرا

هستند. آنها به عنوان بخشی از کتابخانه تجربه اتومبیل که می تواند از آن یاد بگیرد عمل نمی کنند، شیوه ای که انسان ها

در هنگام رانندگی به آن صورت عمل می کنند.

نظریه ذهن

در این نقطه تفاوت بین ماشین هایی که تا کنون ساخته ایم و ماشین هایی که در آینده آنها را خواهیم ساخت مشخص می شود.

ماشین آلات در کلاس بعدی که پیشرفته تر است ، نه تنها تمثال هایی را درباره جهان دارند ، بلکه عوامل یا موجودیت های دیگر

   در جهان را نیز تشخیص می دهند. در روانشناسی ، این “تئوری ذهن” نامیده می شود مفهوم این تئوری درک این مسئله است که

افراد موجودات و اشیا می توانند استدلال و احساسات منحصر به فرد خود را داشته باشند گکه بر روی رفتار و عملکرد خودشان

تاثیر می گذارد. این نوع درک برای چگونگی تشکیل جوامع انسانی بسایر حیاتی است. بدون داشتن همچون درکی از اطراف و

فهمیدن قصد از انجام کار های مختلف،در بهترین حالت تشکیل جوامع بسیار سخت خواهد وبود و در بدترین حالت تشکیل جوامع

غیر ممکن می شود. اگر سیستم های هوش مصنوعی واقعاً بخواهند در میان ما گام بردارند ، باید بتوانند درک کنند که هر یک از

ما افکار و احساسات و انتظاراتی از نحوه رفتار با ما داریم. و آنها باید رفتار خود را متناسب با آن تنظیم کنند.

خود آگاهی

مرحله آخر توسعه هوش مصنوعی ساخت سیستم هایی است که بتوانند بازنمایی و خود آگاهی درباره خودشان ایجاد کنند. درنهایت ،

محققان هوش مصنوعی نه تنها باید هوشیاری را درک کنند بلکه باید ماشین هایی بسازند که دارای آن باشند. این عملکرد، به تعبیری ،

شاخه ای از “نظریه ذهن” است که توسط هوش مصنوعی نوع سوم اعمال می شود. به یک دلیل به آگاهی “خودآگاهی” نیز گفته می شود.

برای مثال وقتی می گوییم من آن مورد را می خواهم یک جمله بسیار متفاوتی نسبت  به من می دانم که آن مورد را می خواهم است.

موجودات هوشیار از خود آگاه هستند ، از حالات درونی خود اطلاع دارند و قادر به پیش بینی احساسات دیگران هستند. ما تصور می کنیم

شخصی که در ترافیک پشت سر ما بوق می زند عصبانی یا بی تاب است ، زیرا وقتی برای دیگران بوق می زنیم چنین احساسی داریم.

بدون نظریه ذهن ، ما نمی توانیم چنین استنباط هایی داشته باشیم.

طراحی سایت

هوش مصنوعی در سینما

هوش مصنوعی در سینما

فناوری همیشه در تخیلات و آثار هنری وجود داشته و از زمان ورود هوش مصنوعی در جهان سینما ،

داستان ها و فیلم های جذاب و مهیجی در این صنعت ساخته شده. اما فیلم ها فقط در مورد انفجار

 و شیلیک اسلحه نیستند. فیلم ها به عنوان آثار هنری باید ذهن مخاطب خود را درگیر کنند و حتی

ایده یا فکری را برای مخاطب شکل دهند. اما چرا این صنعت تاثیر بیشتری دارد ؟ این تفاوت به 

 اختلاف اصلی بین یک فیلم و کتاب برمی گردد و آن تصویر سازی است. یک محتوای بصری محتوا

را نمایش می دهد که در مقایسه با یک کتاب، به سرعت در حافظه تصویری ما را ثبت می شود، این

فرایند توضیح می دهد که چرا مردم به جای خواندن کتاب ساعت ها در YouTube می گذرانند. 

هوش مصنوعی در سینمای جهان

 هوش مصنوعی ، یادگیری ماشین ، دانش داده در صنعت سینما  به خصوص در هالیوود بسیار رایج

می باشند. با اینکه در سینما همیشه یزرگ نمایی وجود دارد اما ایده های پشت پرده می توانند از

 حقایقی نشات گرفته باشند امروزه متخصصانی این زمینه وجود دارند که از یک هوش مصنوعی

فوق العاده هوشمند که از ما پیشی بگیرد و در نهایت تصمیم بگیرند که ما را از روی زمین پاک

کند، می ترسند. از طرف دیگر طیف ، هوش مصنوعی به عنوان یک اختراع معجزه آسا به تصویر

کشیده شده است ، دستگاه هوشمند که می تواند کارهای مانند شبیه سازی ها و پیش بینی ها را

بسیاربهتر از انسان انجام دهد. در فیلم ها ، هوش مصنوعی را یاری انسان می پردازد ، و یا در یک

سفر ماجرا جویانه فضایی در کنار انسان ها ایستاده است.

فیلم هایی که در مورد هوش مصنوعی هستند

دیدگاه های نویسندگان و گارگردانان به هوش مصنوعی متفاوت است و ان تفاوت سلیقه در بسیاری از

 آثار دیده می شود. برای مثال در فیلم معروف The Terminator کارکتر منفی فیلم ربات هوشمندی

است که برای از بین بردن خطر احتمالی به گذشته سفر می کند تا رهبر نیروی مقاومت را در بچگی

بکشد اما در فیلم Interstellar ربات های هوشمندی وجود داردند که در اکتشافات فضایی به انسان

کمک می کند. البته ایده هوش مصنوعی فقط در این دو فیلم وجود ندارد و در سینما فیلم های زیادی

هستند که به نکات مثبت و منفی هوش مصنوعی اشاره می کنند. 

The Matrix

 فیلم ماتریکس داستانی را روایت می کند که ترس بشر از جنبه های تاریک هوش مصنوعی به واقعیت 

پیوسته است. داستان فیلم در آینده و در حدود سال 2200 می افتد. زمانی که ماشین ها برتری را نسبت

به انسان ها پیدا کرده اند و انسان ها را به روش مصنوعی  به دنیا می آورند تا از گرمای بدن آنها انرژی

 تولید کنند برای انجام این کار ماشین ها شبیه سازی ازدنیا در اواخر قرن بیستم را ایجاد کرده اند که

ماتریکس نام دارد تا انسان ها را در یک زندان ذهنی نگه دارد. بنابراین گروهی از انسان ها که از این

شبیه سازی خارج شدن در حال مبارزه با ماشین ها هستند تا انسانیت را آزاد کنند.

The Terminator

فیلم The Terminator یکی از محبوب ترین فیلم ها در هنگام به تصویر کشیدن آینده تاریک دنیاست که

هوش مصنوعی به طور ناگهانی شر می شود و شروع به کشتن همه می کند. این فیلمی است که احتمال تبدیل

شدن AI به یک تهدید وجودی را نشان می دهد. در این فیلم ، Skynet ، یک سیستم هوش مصنوعی که یک

هولوکاست هسته ای را جرقه می زند ، یک قاتل سایبورگ (Terminator) را به عقب می فرستد تا از تولد

جان کانر جلوگیری کند کسی که رهبر یک گروهی شورشی است که علیه Skynet می جنگد. این فیلم به عنوان

یادآوری برای ایجاد یک هوش مصنوعی که بی خطر است و پیشنهاد می کند تا قبل از اینکه هوش مصنوعی

بسازیم که بتواند ما را از بین ببرد خوب فکر کنیم.

Robocop 

داستان این فیلم سینمایی در مورد افسر پلیسی است که بعد از یک سوقصد در حال مرگ هست و دانشمندان

شرکت OCP با پیوند دادن او با ماشین زندگی او را تغییر می دهند الکس مورفی که حالا بدنی ماشینی

مبتنی بر هوش مصنوعی دارد ، باید بر سر اختیار خود با هوش مصنوعی مبارزه کند و هویت خود را که

دیگر نه انسان است و نه ماشین پیدا کند. در واقع این فیلم از اخلاق در هوش مصنوعی پرده بر می دارد

دلیل این امر این است که Robocop تلفیقی از هوش مصنوعی و انسانی است که این واقعیت را اثبات

می کند که اخلاق نمی توانند مصنوعی یا خودکار باشند.

I, Robot

VIKI (Virtual Interactive Intellietic Kinetic) یک ابر رایانه شرور است که با استفاده از

داده های جمع آوری شده از سراسر جهان و قدرت محاسباتی آن ربات ها را در سراسر جهان کنترل

می کند. در این دنیا ، ربات ها در همه جا وجود دارند و به آنها قوانینی تعبیه شده است که در سیستم

خود ضمانت می کنند و امنیت جامعه را تضمین می کنند. اما با VIKI ، این قوانین دیگر روبات ها

را محدود نمی کند ، و این وظیفه به یک پلیس تکنوفیبیک و یک ربات خوب محول می شود تا جلوی

پایان دادن به جهان توسط VIKI را بگیرند.

Interstellar

Interstellar برای ارائه هوش مصنوعی در یک فیلم علمی تخیلی از روش کاملاً متفاوتی استفاده می کند.

جفت روبات های چهار ضلعی به نام های TARS و CASE به طور حیرت انگیزی شکل خاصی را به خود

می گیرند که هیچ شباهتی به فرم محبوب انسانی مانند آنچه در Star Wars و Star Trek  مشاهده می شود،ندارند

به جای اینکه آن را تبدیل به آنتاگونیستی مانند HAL 9000 یا The Terminator کنند. این طراحی TARS

و CASE بیانگر طرحی است که عملکردی بالاتر برای بشریت دارند و بیانگر بسیاری از امکانات طراحی های

پیچیده در رباتیک و هوش مصنوعی است.

Star Wars

بی شک محبوب ترین ربات های مبتنی بر هوش مصنوعی در صنعت سینما ربات های C3PO و R2D2 در

سری فیلم های جنگ ستارگان هستند ربات هایی که در برابر نیروی شر در کنار انسان ها به مبارزه می پردازند

این دو ربات دارای شخصیت های انسانی هستند و درک کاملی از احساسات دارند. این نوع نگرش در مورد

هوش مصنوعی توسط جنگ ستارگان باعث می شود تا به این فکر کنیم که چگونه ربات ها در بافت جامعه ما

جاسازی می شوند و چگونه جامعه در آینده با هوش مصنوعی به عنوان کمک ، حیوانات خانگی و یا دوستان

رفتار خواهد کرد یا اینکه اصلاً به آنها اعتماد نمی کند.

بنابراین می بینیم که هوش مصنوعی در سینما بار ها و بار ها به تصویر کشیده که هم شامل  دیدگاه های مثبت

بوده و هم نقطه نظرات منفی را نمایش داده. البته هر کدام از این فیلم ها که بر پرده سینما نمایش داده می شوند

بیان گر حقیقتی هستند و آن هم این موضوع است که انسان ها و هوش مصنوعی نمی توانند از هم جدا باشند.

در نتیجه ما باید درایجاد و توسعه هوش مصنوعی بسیار محتاط  عمل کنیم و عواقب کار را بسنجیم. این ها تنها

مثال هایی از هوش مصنوعی در سینما بود و همانطور که قبلا هم اشاره کردیم فیلم ها همیشه مقداری بزرگنمایی

در خود جای داده اند. 

تعریف هوش مصنوعی چیست؟

تعریف هوش مصنوعی چیست؟

تعریف کلی که می توان راجـــع به هوش مصنوعی کـــرد ایـــن است کــه به هوشی

 گفته می شود کــه بر خلاف تصـــور از هوشـــی که در انســــان ها و حیوانات داریم

توسط ماشیـــن ها ارائــــه می شود. کتاب های درسی پیشـــرو AI ، این زمینه را به

عنوان مطالعه “عوامل هوشمنــــد” تعریف می کنند: هـــر وسیلـــه ای که محیط خود

را درک کند و اقداماتی انجـام دهـــد که شانس خـود را برای دستیابی به اهداف خود

به حداکثر برساند.به صورت عامیانه ،  تعریف اصطلاح “هوش مصنوعی” اغلب برای

توصیف ماشین ها (یا رایانــه ها) استفـــاده می شود که عملکــردهای “شناختــی” که

با ذهن انسان در ارتباط هستند ، مانند “یادگیری” و “حل مسئله” را تقلید می کنند.

در قاعده ای به نام تسلر به این اشاره می شود که هوش مصنوعی چیزی است که

هنوز انجام نشده است. 

تعریف پایه ای از هوش مصنوعی چیست ؟

هوش مصنوعی معمولی محیط خود را تجزیه و تحلیل می کند و اقداماتی انجام می دهد که شانس

موفقیت آن را به حداکثــر می رسانــد. این کــار ها می توانند ساده باشند(حالت 0،1) و یا پیچیده

    باشند (انجام اقدامات ریاضی شبیه به آنهایی کـــه در گذشتـه انجـام شده بودند). از طرف دیگر 

یک سیستــم تکــاملی می تــواند مانند حیوانــات ،با استفــاده از Fitness Function ها جهــت

تغییر و تکرار سیستم های ترجیح داده شده اقـــدام کند. بعضی از سیستــم ها مانند nearest-

neighbor, بدون هدف هستند و فقط تا حدی کـــه لازم بـــوده تمـریـن داده شــده اند بنابـراین

می توانند در مسیـر خاص مورد نظــر هــدف گذاری شونــد. هوش مصنوعی اغلب با استفــاده از

الگوریتم کار می کنـــد. یک الگوریتــــم، مجمـــوعه ای از دستورالعمـل های بدون ابهام است که

یک کامپیوتـــر مکانیــکی قــادر بــه اجـــرای آن است. یک الگوریتـــم پیچیـــده اغلـــب در بالای

الگوریتم هــای ساده تر دیگـــر،  ساختـــه می شود. یک مثـــال کار آمد بازی ایکـــس او است

در این شرایط تعریف الگوریتم هوش مصنوعی از پیامد ها اینگونه خواهد بود :

– اگر دو خانه پر شده بود و تهدید بود خانه سوم را بگیر در غیر این صورت

– اگر خانه ای را بگیری دو راهی ایجاد می کند آن را بگیر در غیر این صورت

– خانه مرکزی را اگر خالی بود بگیر درغیر این صورت

– اگر حریف خانه گوشه را گرفت،  خانه گوشه مقابلش را بگیر در غیر این صورت

– اگر گوشه خالی وچود دارد بگیر در غیر این صورت

– هر خانه خالی که وجود دارد بگیر

بسیاری از الگوریتــم هــای هوش مصنوعی قـادر بـه یادگیری هستنـد.آنها می توانند با یادگیری

اکتشافات جدید خود را تقویت کنند ، یا خود می توانند الگوریتم های دیگری بنویسند.  برخی

از الـگـوریـتــم هـایـی کـه مـی آمـوزنـد شامـل : Bayesian networks , decision trees ,

and nearest-neighbor,از لحاظ تئـوری یــاد می گــیرند کـه تقریبـاً هر عملکردی را انجام

دهند ، از جمله اینکــه کدام یــک از تـوابـع ریـاضی به بهتــرین وجـه کار می کنند. بنابراین این

فراگیران هوش های مصنوعی می توانند با در نظر گرفتن هر فرضیـه احتمـالی و مطابقت آنها

با داده ها ، تمام دانش ممکن را به دست آورند.

رویکردها به سمت هوش مصنوعی 

اولین و قابل درک ترین رویکرد، هوش مصنوعی نمادگرایانه است برای مثال اگر فرد سالمی 

تب داشت پس آنفــولانزا دارد دومیـــن رویکــرد استنباط Bayesian است، اگر بیمار فعلی

تب داشته باشد ، احتمال ابتلا به آنفلوانزا را از این مسیر خاص تنظیم کنید. رویکرد سوم، که

در اپلیکیشــن های هوش مصنوعی تجاری بسیار محبــوب هستند، آنالیزر هــایی مانند SMV و

nearest-neighbor  هستند، این مدل پس از بررسی سوابق بیماران شناخته شده  گذشته

  که درجه حرارت ، علائــم ، ســن و سایر عــوامل اکــثراً مطابق با بیمار فعلی است اعلام می کند

که، X٪  احتمال دارد که بیمار آنفولانزا داشته باشد. رویکرد چهارم که شبکه عصبی  مصنوعی

است از “نورونهای مصنوعی” استفــاده می کند که می تــواند بــا مقایسه خود با خروجی مطلوب

و تغییر نقاط قوت اتصالات بین نورونهای داخلی آن ، یاد بگیرد.

تفاوت هوش مصنوعی با هوش انسانی

در مقایسه با انسانبرای هوش مصنوعی استدلال های عام تعریف نشده است. انسان ها مکانیزم های

قدرتمندی برای استدلال درباره “فیزیک ساده” مانند فضا ، زمان و فعل و انفعالات جسمی دارند. این

حتی کودکان خردسال را قادر می سازد تا به راحتی استنتاج هایی از قبیل “اگر این قلم را از روی میز

بریزم ، روی زمین می افتد” را داشته باشند. آنها همچنین فاقد روانشناسی عامیانه هستند بــه همین

دلیل نمی توانند جملاتی مانند : اعضای شورای شهر از صدور مجــوز تظــاهرکنندگان خودداری کردند

زیرا آنها از خشونت حمایت می کردند ” متوجه شود چون نمی تواند که کدام دسته از افراد درون جمله

از خشونت همایت میکنند.این فقدان “دانش مشترک” یعنی که هوش مصنوعی غالباً اشتباهات متفاوتی

را نسبت به انسان مرتکب می شود ، به طریقی که ممکن است غیرقابل درک به نظر برسد. به عنوان

مثال ، اتومبیل های خود ران موجود نمی توانند به روشی دقیق که انسان انجام می دهد در مورد مکان

و یا مقاصد عابر پیاده استدلال کنند و در عوض باید از حالتهای استدلال غیر انسانی برای جلوگیری از

تصادفات استفاده کنند.

چالش های هوش مصنوعی

هدف کلی تحقیق از هوش مصنوعی ایجاد فناوری است که به رایانه ها و ماشین ها اجازه می دهد تا به

روشی هوشمند عمل کنند. مشکل کلی شبیه سازی (یا ایجاد) هوش به مشکلات فرعی تقسیم شده است.

اینها شامل ویژگی ها یا عملکرد های خاصی است که محققان انتظار دارند سیستم هوشمندی از خود نشان

دهند صفاتی که شامل موارد زید می شود :

استدلال و حل مشکل:

، بنا به تعریف هایی که از هوش مصنوعی شده محققان اولیه الگوریتم هایی را ایجاد کردند که از استدلال

گام به گام که انسان هنگام حل معماها یا استنتاج های منطقی استفاده می کند ، تقلید می کنند.

ارائه دانش:

ارائه دانش و مهندسی دانش در تحقیقات کلاسیک هوش مصنوعی مبحثی اساسی است. برخی از “سیستم های

حرفه ای” سعی در جمــع آوری دانــش صریح و صاحب نظران در برخی حوزه های تخصصی دارند. علاوه بر این،

برخی از پروژه ها تلاش می کنند تا “دانش عام” را که یک فرد متوسط دارا است ، در یک پایگاه داده حاوی دانش

گسترده در مورد جهان جمع کنند.

:برنامه ریزی

عوامل هوشمند باید بتوانند اهدافی را تعیین کنند و به آنها دست یابند. آنها به روشی نیاز دارند تا آینده را به صورت

تصویری از وضعیت جهــان نمایــان سازند و بتوانند پیش بینی هایی را در مورد چگونگی تغییر اعمال خود در آن انجام

دهند تا انتخاب هایی را انجام دهند که حداکثر استفاده از گزینه های موجود یا ارزش ها را داشته باشد.

یادگیری: 

یادگیری ماشینی (ML) ، یک مفهوم اساسی از تحقیقات هوش مصنوعی از زمان شروع این زمینه است ،

مطالعه الگوریتم های رایانه ای است که به طور خودکار از طریق تجربه بهبود می یابد.

مدل سازی اطلاعات ساختمان(BIM) و هوش مصنوعی

مدل سازی اطلاعات ساختمان(BIM) و هوش مصنوعی

مدل سازی اطلاعات ساختمان (BIM)  تبدیل به یک فرآیند حیاتی در صنعت ساخت

و ساز می شود. ایجاد یک مدل BIM ، افراد درگیر در یک پروژه را قادر می سازد تا

قبل از رفتن به  سایت ساختمانی ، تصمیم گیری خود را بهینه کنند.

اخیراً ، شرکت های نرم افزاری BIM برای بهبود این مدل ها و روند BIM ، استفاده از هوش مصنوعی

(AI) را در فرایند BIM آغاز کرده اند. هوش مصنوعی در حال حاضر به صورت کارآمدتر به صنعت

  کمک می کند و به زودی مانند سایر صنایع به یک معیار تبدیل می شود. در این پست ما فرایند BIM

، نقش AI در BIM و برخی از مزایای آن را تعریف خواهیم کرد.

هوش مصنوعی چه نقشی در مدل سازی اطلاعات ساختمان دارد ؟

BIM توضیحی دیجیتالی از جنبه های یک پروژه ساختمانی است. BIM به طور گسترده ای در صنعت

ساخت و ساز انجام می شود ، و پیشرفت چشمگیری نسبت به روش های قدیمی تر برنامه ریزی قبل از

ساخت دارد. یک مدل اطلاعات سه بعدی از داده های گرافیکی و غیر گرافیکی تشکیل شده است. این

سپس در یک فضای دیجیتالی مشترک به نام Common Data Environment (CDE) گردآوری

می شود. این اطلاعات با پیشرفت پروژه دائماً به روز می شود ، به این معنی که مدل همیشه به روز است.

4D BIM زمانی است که برنامه ریزی داده ها به هر مؤلفه پروژه اضافه می شود. این یک برنامه دقیق

و توانایی تجسم برنامه ساخت پروژه را ایجاد می کند. 5D BIM زمانی است که داده های هزینه به برنامه

اضافه می شوند و بهم پیوسته اند. نرم افزار BIM اکنون می تواند از یادگیری ماشین استفاده کند. این زیر

مجموعه ای از هوش مصنوعی است که به ماشینی آموزش می دهد که چگونه از داده ها یاد بگیرد و الگوها

را شناسایی کند. سپس می تواند تصمیماتی مستقل درباره نحوه اتوماسیون و پیشرفت در روند ساخت مدل بگیرد.

این همچنین به عنوان BIM با کمک AI شناخته شده است.