یادگیری ماشینی چیست ؟

یادگیری ماشینی چیست ؟

یادگیری ماشینی چیست ؟ این عبارتی است که اخیرا بسیار شنیده می شود ولی بسیاری از مردم از

معنی دقیق آن آگاهی ندارند. برخی فکر می کنند که یک برنامه ساده هنگامی که بر روی یک کامپیوتر

نصب می شود کامپیوتر به اصطلاح یاد می گیرد اما این تعریف نا درست است. یادگیری ماشینی کاربردی

از هوش مصنوعی (AI) است که به سیستم ها امکان یادگیری و پیشرفت خودکار با کسب کردن تجربه را

بدون برنامه ریزی صریح فراهم می کند. یادگیری ماشینی برای توسعه برنامه های رایانه ای است که

می توانند به داده ها دسترسی پیدا کرده و از آن برای یادگیری خود استفاده کنند.

کارایی یادگیری ماشینی چیست ؟

بخاطر تکنولوژی های محاسباتی و قدرت بالای کامپیوتر هایی که امروزه در دسترس قرار دارند یادگیری

ماشینی که امروز ما می شناسیم با یادگیری که در گذشته بود متفاوت است. این فناوری جدید نیست اما به

تازگی فرصت این را پیدا کرده تا شکوفا شود. این فناوری از دل تشخیص الگو و این ایده که کامپیوتر ها

بدون برنامه ریزی دقیق می توانند یاد بگیرند و یک وظیفه مشخص را انجام دهند، زاده شد. محققانی که به

رشته هوش مصنوعی علاقه داشتند می خواستند ببینند که کامپیوتر ها می توانند از داده ها به صورت مستقل

یاد بگیرند.جنبه تکراری یادگیری ماشینی مهم است زیرا مدل ها در معرض داده های جدید هستند ، وقادر به

سازگاری به صورت مستقل هستند. آنها از محاسبات قبلی یاد می گیرند که بتوانند تصمیمات و نتایج قابل اعتماد

و قابل تکرار بگیرند. فرایند یادگیری با مشاهدات و یا داده ها مانند، تجربه کردن مستقیم یا گرفتن دستورالعمل ها

شروع می شود تا به دنبال الگوهایی در داده ها  باشد و تصمیم گیری های بهتری در آینده بر اساس مثالهایی که

ارائه می دهیم انجام دهد. هدف اصلی این است که کامپیوترها بدون دخالت یا کمک انسان یاد بگیرند و اقدامات

خود را بر این اساس تنظیم کنند.

دلیل مهم بودن یادگیری ماشینی چیست ؟

چیزهایی مثل رشد حجم و انواع داده های در دسترس، پردازش محاسباتی که ارزان تر و قدرتمند تر است،

و ذخیره سازی داده مقرون به صرفه، دلایلی است که علاقه مندی مجدد به یادگیری ماشین را مانند داده کاوی

و تجزیه و تحلیل بیزی، بیش از پیش کرده.همه این موارد بدان معنی است که حتی در مقیاس بسیار بزرگ

می توان به سرعت و به صورت خودکار مدل هایی تولید کرد که بتوانند داده های بزرگتر ، پیچیده تر را

تجزیه و تحلیل کرده و نتایج سریعتر و دقیق تری را ارائه دهند و با ایجاد مدل های دقیق ، یک سازمان

شانس بهتری برای شناسایی فرصت های سودآور و جلوگیری از خطرات ناشناخته  دارد. برای ایجاد

سیستم های یادگیری ماشین خوب باید قابلیت های آماده سازی داده ها، الگوریتم های پایه ای  و پیشرفته،

اتوماسیون و فرآیندهای تکراری، مقیاس پذیری و مدل سازی کلی را در نظر گرفت.

چه مجموعه هایی از یادگیری ماشینی استفاده می کنند؟

بیشتر صنایعی که با مقادیر زیادی از داده کار می کنند ، ارزش فن آوری یادگیری ماشین را به خوبی می دانند.

با جمع آوری بینش از این داده ها که غالباً در زمان واقعی اتفاق می افتد سازمان ها قادر هستند نسبت به رقبا

کارآمد تر و یا برتر باشند.

مجموعه های مالی

مجموعه های مالی مانند بانک ها و بیمه ها یکی از ارگان هایی هستند که از این فناوری استفاده می کنند. این

مراکز عمدتا به دو دلیل از یادگیری ماشینی استفاده می کنند: برای شناسایی بینشهای مهم در داده ها و جلوگیری

از کلاهبرداری. این اطلاعات می تواند فرصت های سرمایه گذاری را شناسایی کند  ، یا به سرمایه گذاران کمک

کند تا بدانند چه زمان تجارت کنند. داده کاوی همچنین می تواند مشتریانی را که دارای پروفایل های پر ریسک

هستند شناسایی کنند ، یا از نظارت سایبری برای مشخص کردن علائم هشدار دهنده کلاهبرداری استفاده کنند.

دولت

دولت ها ارگان های بعدی هستند که از یادگیری ماشین استفاده می کنند. آژانسهای دولتی مانند امنیت عمومی

و خدمات عمومی نیاز ویژه ای به یادگیری ماشین دارند زیرا از چندین منبع داده ای برخوردار هستند که

می توانند برای برنامه های آینده از آنها استخراج شوند. به عنوان مثال ، تجزیه و تحلیل داده های سنسور ،

روش های افزایش بهره وری و پس انداز پول را مشخص می کند. یادگیری ماشینی همچنین می تواند به

تشخیص کلاهبرداری و به حداقل رساندن سرقت هویت کمک کند.

بخش بهداشت و سلامت

بهداشت و سلامت هم بخشی است که در حال استفاده از ML یادگیری ماشینی به لطف ظهور دستگاه های پوشیدنی

و حسگرها که می توانند از داده ها برای ارزیابی سلامت یک بیمار در زمان واقعی استفاده کنند. این فناوری

همچنین می تواند به متخصصان پزشکی کمک کند تا داده ها را تجزیه و تحلیل کنند تا روندها  را شناسایی کنند

که ممکن است منجر به بهبود تشخیص و درمان شود.

خرده فروشی

وب سایت هایی که مواردی را که ممکن است بر اساس خریدهای قبلی دوست داشته باشید توصیه می کنند ،

از دستگاه یادگیری برای تجزیه و تحلیل تاریخ خرید خود استفاده می کنند. خرده فروشان برای گرفتن اطلاعات،

تجزیه و تحلیل و استفاده از آن برای شخصی سازی یک تجربه خرید ، پیاده سازی یک بازاریابی بازاریابی،

بهینه سازی قیمت ، برنامه ریزی عرضه کالا و برای بینش مشتری به یادگیری ماشین متکی هستند.

فراورده های نفتی و گازی

شاید از خودتان بپرسید که استفاده یادگیری ماشینی در صنعت نفت و گاز چیست ؟ یافتن منابع انرژی جدید.

تجزیه و تحلیل مواد معدنی موجود در زمین. پیش بینی خرابی سنسور پالایشگاه. پخش ساده روغن برای کارآمدتر

و مقرون به صرفه تر بودن آن. تعداد موارد استفاده از یادگیری ماشین برای این صنعت بسیار گسترده است که هنوز

هم در حال گسترش است.

حمل و نقل

تجزیه و تحلیل داده ها برای شناسایی الگوها و روندها ،یک امر مهم در صنعت حمل و نقل است که به کارآمدتر

شدن مسیرها و پیش بینی مشکلات احتمالی برای افزایش سودآوری تکیه دارد. تجزیه و تحلیل داده ها و جنبه های

مدل سازی یادگیری ماشین ابزار مهمی برای شرکت های تحویل ، حمل و نقل عمومی و سایر سازمان های

حمل و نقل است.

متد های یادگیری ماشینی 

یادگیری نظارت شده (Supervised learning )

الگوریتم یادگیری مجموعه ای از ورودی ها را با خروجی های صحیح مربوطه دریافت می کند ، و الگوریتم با

مقایسه خروجی واقعی خود با خروجی های صحیح برای پیدا کردن خطاها می آموزد. سپس مدل را بر این اساس

اصلاح می کند. از طریق روشهایی مانند طبقه بندی ، رگرسیون ، پیش بینی و افزایش شیب ، یادگیری نظارت شده

از الگوهای استفاده می کند تا مقادیر برچسب را بر روی داده های بدون برچسب اضافی پیش بینی کند.

یادگیری نیمه نظارت شده (Semi-supervised learning)

یادگیری نیمه نظارت شده برای برنامه های مشابه یادگیری نظارت شده استفاده می شود. اما برای آموزش از داده های

دارای برچسب و بدون برچسب استفاده می کند یادگیری نیمه نظارت شده هنگامی مفید است که هزینه های مربوط به

برچسب زدن بسیار بالا باشد تا بتواند یک فرایند آموزش کاملاً برچسب خورده را فراهم کند. نمونه های اولیه این متد

شامل شناسایی چهره شخص در وب کم است.

یادگیری بدون نظارت (Unsupervised learning)

یادگیری بدون نظارت در برابر داده هایی استفاده می شود که هیچ برچسب ثبت شده ای ندارند.در این حالت به سیستم

“جواب درست” گفته نمی شود. الگوریتم باید مشخص کند آنچه نشان داده شده استدر ست است یا خیر و به بیان دیگر

آن را درک کند. هدف این است که داده ها را کشف کرده و ساختار درون آن پیدا کنیم. یادگیری بدون نظارت بر روی

داده های معامله ای کار می کند.

یادگیری تقویت شده (Reinforcement learning)

یادگیری تقویت شده اغلب برای روباتیک ، بازی و ناوبری استفاده می شود. با یادگیری تقویت ، الگوریتم از طریق

آزمایش و خطا کشف می کند که عملکردها بیشترین پاداش را کسب می کنند. این نوع یادگیری دارای سه مؤلفه اصلی

است: عامل (یادگیرنده یا تصمیم گیرنده) ، محیط (هر کاری که عامل با آن تعامل دارد) و اقدامات (آنچه عامل می تواند

انجام دهد). هدف این است که عامل اقداماتی را انتخاب کند که پاداش مورد انتظار را در مدت زمان مشخصی به

حداکثر برساند. عامل با پیروی از یک سیاست خوب ، خیلی سریعتر به هدف می رسد. بنابراین هدف در یادگیری

تقویت شده یادگیری بهترین خط مشی است.

پس می توانیم نتیجه بگیریم برای اینکه بگوییم یادگیری ماشینی چیست باید جنبه های مختلفی از کاربرد ها متد و روش ها

را در نظر بگیریم

هوش مصنوعی برنامه نویسی

هوش مصنوعی برنامه نویسی

برای ساختن یک هوش مصنوعی ابتدا باید دانست که از چه زبان های برنامه نویسی باید استفاده کرد.

هنگامی که با این زبان ها آشنایی داشته باشید می توانید از میان آنها بهترین را برای شروع پروژه

انتخاب کنید ، و بر مبنای آن شروع به نوشتن کد ها بکنید. هوش مصنوعی اکنون با تمام مزایایی که در

صدها مورد و موقعیت های کاربردی منحصر به فرد در اختیار شما قرار می دهد ، به بخشی جدایی

ناپذیر از زندگی روزمره ما تبدیل شده است ، لازم به ذکر نیست که چقدرکار ها را برای ما راحت تر

کرده است.

هوش مصنوعی و برنامه نویسی در دنیای امروز

با افزایش روند استفاده از هوش مصنوعی در سالهای اخیر ، هوش مصنوعی مسیری طولانی را برای

کمک به رشد مشاغل و دستیابی به پتانسیل های کامل خود در پیش گرفته است. این پیشرفت ها در

هوش مصنوعی بدون پیشرفت های اساسی در زبان های برنامه نویسی اساسی امکان پذیر نمی باشد.

با رونق در هوش مصنوعی ، نیاز به برنامه نویسان و مهندسین کارآمد و ماهر به همراه پیشرفت در

زبان های برنامه نویسی افزایش یافته است. در حالی که زبان های برنامه نویسی زیادی برای شروع

کار با AI وجود دارد ، هیچ زبان برنامه نویسی یک راه حل یک مرحله ای برای برنامه نویسی هوش –

مصنوعی نیست زیرا اهداف مختلف برای هر پروژه نیاز به یک رویکرد خاص دارد.

زبان های برنامه نویسی هوش مصنوعی

پایتون:

پایتون که در سال 1991 ایجاد شد ،در یک نظرسنجی نشان می دهد که بیش از 57٪ از توسعه دهندگان

به احتمال زیاد پایتون را نسبت به C ++ به عنوان زبان برنامه نویسی خود برای توسعه راه حل های AI

انتخاب می کنند. یادگیری آسان پایتون برای برنامه نویسان و دانشمندان داده به راحتی امکان ورود به

دنیای توسعه هوش مصنوعی را فراهم می کند.

به گفته گوییدو ون رزوم: پایتون آزمایشی است که نشان می دهد برنامه نویسان، به چه میزان آزادی نیاز دارند.

 اگر آزادی بسیار زیاد باشد  هیچ کس نمی تواند کد دیگران را بخواند. و اگر خیلی کم باشد صراحت کد نویسی در

معرض خطر قرار می گیرد. با پایتون ، شما نه تنها از پشتیبانی عالی جامعه و مجموعه گسترده ای از کتابخانه ها

برخوردار می شوید بلکه از انعطاف پذیری ارائه شده توسط زبان برنامه نویسی نیز بهره مند می شوید. برخی از

ویژگی هایی که ممکن است بیشترین بهره را از پایتون داشته باشید ، استقلال پلتفرم  و چهارچوبهای گسترده برای

یادگیری عمیق و یادگیری ماشین است. ون رزوم می گوید : لذت کد نویسی پایتون باید در دیدن کلاس های کوتاه ،

مختصر و خواندنی باشد که اکثر اقدامات را با مقدار کمی کد واضح بیان می کند  نه اینکه به صورت ردیف کد های

بی معنی باشد  که خواننده را به کام مرگ می کشاند.

برخی از محبوب ترین کتابخانه های پایتون :

• TensorFlow ، برای بارگیری از یادگیری ماشینی و کار با مجموعه داده ها
• scikit-learn، برای آموزش مدلهای یادگیری ماشین
• PyTorch ،برای دید رایانه و پردازش زبان طبیعی
• Keras، به عنوان واسط کد برای محاسبات و عملیات ریاضی بسیار پیچیده
• SparkMLlib، مانند کتابخانه یادگیری ماشینی Apache Spark ، یادگیری ماشین را با ابزارهایی مانند الگوریتم ها و برنامه های کاربردی آسان می کند
• MXNet، به عنوان یکی دیگر از کتابخانه آپاچی برای سهولت در کارکردن با یادگیری عمیق کاربرد دارد
• Theano، به عنوان کتابخانه برای تعریف ، بهینه سازی و ارزیابی عبارات ریاضی استفاده می شود
• Pybrain، برای الگوریتم های یادگیری قدرتمند ماشین استفاده می شود

همچنین ، پایتون با توجه به مشارکتهای مخازن GitHub از جاوا پیشی گرفته است و به رتبه دوم زبان برنامه نویسی

تبدیل شده است. در واقع ، Stack Overflow آن را “سریعترین رشد” زبان اصلی برنامه نویسی می نامد. “

java

جاوا یکی از بهترین زبان های برنامه نویسی است که وجود دارد و گواه آن 20 سال استفاده بهینه از این نرم افزار

می باشد. جاوا با دارا بودن رابط کاربری آسان، طبیعت انعطاف پذیر و استقلال پلتفرم ، برای توسعه هوش مصنوعی

از روش های مختلفی استفاده می کند:

• TensorFlow، لیست زبانهای برنامه نویسی پشتیبانی شده TensorFlow نیز شامل Java با API است. این پشتیبانی به اندازه سایر زبانهای کاملاً پشتیبانی شده از نظر ویژگی غنی نیست ، اما در آنجا وجود دارد و با سرعتی سریع بهبود می یابد.
• Deep Java Library، ساخته شده توسط آمازون برای ایجاد و استقرار توانایی های یادگیری عمیق با استفاده از جاوا.
• Kubeflow، Kubeflow استقرار آسان و مدیریت پشته های آموزش ماشین را روی Kubernetes تسهیل می کند ، و آمادگی استفاده از راه حل های ML را فراهم می آورد.
• OpenNLP، OpenNLP Apache یک ابزار یادگیری ماشین برای پردازش زبان طبیعی است.
• ● Java Machine Learning Library، Java-ML چندین الگوریتم یادگیری ماشین را در اختیار توسعه دهندگان قرار می دهد.
• Neuroph، Neuroph طراحی شبکه های عصبی را با استفاده از چارچوب منبع باز جاوا با کمک رابط کاربری گرافیکی Neuroph امکان پذیر می کند.

R

R توسط رز ایهاکا و رابرت جنتلمن ساخته شد و نسخه اول آن در سال 1995 راه اندازی شد. R در حال حاضر

توسط R Development Core Team نگهداری می شود ، R اجرای زبان برنامه نویسی S و کمک به توسعه

نرم افزار آماری و تجزیه و تحلیل داده ها است.

Prolog

این کلمه مختصر شده Logic Programming است ، Prolog برای اولین بار در سال 1972 ظاهر شد.

این یک ابزار جالب برای توسعه هوش مصنوعی ، به ویژه پردازش زبان طبیعی است. Prolog بهترین کار را

برای ایجاد chatbots انجام می دهد ، ELIZA اولین chatbot است که با Prolog ایجاد شده است و تاکنون

وجود داشته است.

Lisp

این کلمه مختصر List Processingمی باشد که دومین زبان برنامه نویسی قدیمی در کنار Fortran

است. لیپس که به عنوان یکی از بنیانگذاران هوش مصنوعی (AI) شناخته می شود ، توسط جان مک کارتی

در سال 1958 ساخته شد. Lisp به عنوان یک یادداشت عملی ریاضی برای برنامه ها ، به سرعت انتخاب

زبان برنامه نویسی AI برای توسعه دهندگان شد.  برخی از ویژگی ها در  Lisp وجود دارد که آن را به یکی

از بهترین گزینه ها برای پروژه های هوش مصنوعی در Machine Machine تبدیل می کند.

البته زبان های دیگری هم وجود دارند که در حوضه هوش مصنوعی و برنامه نویسی از آنها استفاده می شود

که ما به آنها اشاره نکرده ایم. اما باید بدانید که هر کدام از این زبان ها نقاط قوت و ضعفی دارند که با ترکیب

آنها می توان از این مشکلات کاهید همچنین شما باید مد نظر داشته باشید که بهد از برنامه نویسی باید با نرم افزار

های دیگری مثل مانگو دی بی پایگاه داده خود را بسارید و یک رابطه با آنها بر قرار کنید. در نهایت با استفاده

از مجموعه ای از این برنامه ها می توان هوش مصنوعی ساخت تا کار های مد نظرمان را انجام دهد و روز

به روز هم هوشمند تر شود .

هوش مصنوعی در بورس

هوش مصنوعی در بورس

هوش مصنوعی فناوری است که در تمام زمینه ها در حال نفوذ است و بازار بورس

استفاده از هوش مصنوعی در مدیریت ، به یکی از بزرگترین روندهای مدیریت اوراق

بهادار سرمایه گذاری و انتخاب سهام برنده تبدیل شده است. در حالی که شرکت های بزرگ

سالهاست که از AI استفاده می کنند تا حجم انبوهی از داده ها ، از جمله عملکرد سهام ،

روند رسانه های اجتماعی ، تفسیر شرکت ها ، روند کارت های اعتباری ، رفتار مصرف

کننده و غیره را استخراج کنند ، ظهور و گسترش انتشار مبتنی بر هوش مصنوعی

tech بازارهای جهانی سهام را در دوره جدیدی قرار داده است.از این قضیه مستثنا نیست

ورود هوش مصنوعی در بورس

در گذشته ، تجزیه و تحلیل این داده ها از طریق تجزیه و تحلیل کمی وقت گیر و فراتر از

توانایی های انسان های معمولی بود ، فقط برای شرکت های بزرگ سرمایه گذاری مانند

گلدمن ساکس و J.P مورگان ، که نزدیک به 20٪ از پرتفوی خود را با هوش مصنوعی

مدیریت می کردند ، استفاده می شد. اکنون که هوش مصنوعی تقریباً همه گیر است و موانع

ورود به آن کاهش یافته است ، کارگزاران و شرکت های نوپا به دنبال استفاده از این فناوری

برای ایجاد یک مدل جدید برای سرمایه گذاران برای انتخاب سهام هستند. برای اینکه بهتر با

روند استفاده از هوش مصنوعی در بورس آشنا بشویم باید بدانیم که هوش مصنوعی و بورس

چیست؟

هوش مصنوعی: 

ساده ترین تعریف از هوش مصنوعی ، مربوط به دهه 1950 می باشد که توسط یکی از

پروفسورهای دارتموث ، جوزف مک کارتی ارائه شد. روشی برای استفاده از نرم افزار

برای تقلید از جنبه های یادگیری و تصمیم گیری است ، به گونه ای که می توان از یک

ماشین برای شبیه سازی آن استفاده کرد. از زمان شروع استفاده از هوش مصنوعی ،

برنامه های کاربردی آن تغییر کرده و روش آن برای جابجایی فناوری رشد بیشتر شده

است. اکنون که فناوری مدرن توانسته پا به پای مفهئم هئش مصنئوعی پیش برود،

هوش مصنوعی تقریباً در همه جا مورد استفاده قرار می گیرد. برنامه ویز شرکت گوگل

از هوش مصنوعی برای پیش بینی وضعیت ترافیک بهره می برد. در خرید های آنلاین

هوش مصنوعی قیمت ها را به روز رسانی می کند و برای مشتریان پیشنهاداتی ارائه

می دهد. خدمات تاکسی های اینترنتی از این فناوری برای تخمین قیمت منصفانه بنا به

پیک ترافیک و مسافت استفاده می کنند.بانک ها برای تشخیص کلاه برداری از این

تکنولوژی استفاده می کنند و یا اینکه صلاحیت دریافت اعتبار بیشتر برای کارت اعتباری

را دارند یا خیر. امروزه تمامی پرواز ها از خلبان خودکار هو شمصنوعی استفاده می کنند

و خلبانها ها تنها هفت دقیقه از پرواز که شاما برخواستن و نشستن است را در طول پرواز

در دست دارند. فیلترهای اسپم در ایمیل شما الگوهای رفتاری ناخواسته و تاکنیک های

کلاهبرداری را تحت نظر می گیرند. هوش مصنوعی می تواند درپزدی های ادبی را به

سرعت در مقالات دانشگاهی شناسایی کند. رسانه های اجتماعی ، مانند فیس بوک و

اسنپ چت ، از هوش مصنوعی در چندین عملکرد استفاده می کنند تا شما را با دوستان

خود متصل کنند ، چهره هایی را برای تگ کردن بشناسند.

هوش مصنوعی مدرن

این لیست به همین موارد ختم نمی شود و ادامه دارد پس اگر فکر می کنید که هوش مصنوعی

 یک پیامد نوین است کاملا در اشتباه هستید. هوش مصنوعی، هر چقدر ساده، دهه ها است که

وجود دارد. جنبه های هوش مصنوعی در سال های اخیر اصلاح شده است ، که یادگیری ماشین

و یادگیری عمیق از جمله مهمترین و محبوب ترین آنها است.یادگیری ماشین تکنیکی از

هوش مصنوعی است که شما با استفاده از یک الگوریتم که توسط تکنسین نوشته شده است به

ماشین یاد می دهید تا کاری را انجام دهد. این شامل مواردی مانند شناسایی شماره تلفن مجازی

خاص از کشور دیگر و سپس انتقال آن به یک مرکز تماس خاص است. با افزودن الگوریتم های

بیشتر و جمع آوری داده ها ، هوش مصنوعی دقیق ترمی شود و قادر به پردازش داده ها برای

تصمیم گیری آگاهانه بهتر می شود. یادگیری عمیق هم شبیه به یادگیری ماشینی است یعنی

با استفاده ار مجموعه ای از الگریتم ها کار خاصی را انجام می دهد و در مرور زمان عملکرد

خود را بهتر می کند. اما این تکنیک فرا تر می رود و و از شبکه های عصیس که به عملکرد

مغز شباهت دارند استفاده می کند تا الگو های جدید را یاد بگیرد. با توجه به اینکه محققان هر ساله

مرز های این تکنولوژی را جا به جا می کنند و مفهوم های جدیدی را ارائه می دهندیادگیری عمیق

به نوعی هوش احساسی تبدیل شده که به یادگیری ادامه می دهد. به طور معمول ، یادگیری عمیق

با ایجاد توانایی سازگاری با داده های جدید و ایجاد الگوریتم ها برای ایجاد خروجی مطلوب ،

باعث ایجاد یادگیری در دستگاه می شود. البته انجام این کار مستلزم داضشتن توان محاسباتی

قوی است که اخیرا انسانها توانسته اند که به این توانایی دست یابند.

بازار بورس چیست ؟

حالا که یک شناخت نسبی به هوش مصنوعی ارید باید بدانید که بورس چیست و بازار بورس

چگونه کار می کند ؟ بازار بورس مکانی است که سهام شرکت های دارای فهرست های معاملاتی

معامله می شود. بورس اوراق بهادار کارگزاران سهام را برای تجارت سهام شرکت و سایر اوراق

بهادار تسهیل می کند. سهام فقط درصورتی که در بورس موجود باشد می تواند خریداری یا فروخته

شود. سهام یک ابزار مالی است که نشان دهنده مالکیت در یک شرکت یا کسب و کار کرده است .

مالکیت سهام به این معنی است که سهامدار صاحب یک قطعه از شرکت برابر با تعداد سهام است

که به عنوان بخشی از کل سهام باقیمانده شرکت در اختیار دارد. به عنوان مثال ، یک شخص یا

مؤسسه ای که صاحب 100000 سهم یک شرکت با یک میلیون سهم برجسته است ، می تواند 10٪

سهام مالکیت در آن داشته باشد. اکثر شرکت ها سهم قابل توجهی دارند که به میلیون ها میلیارد ها

سهم می رسند. معاملات بورس شامل خرید و فروش سهام بصورت مکرر در تلاش برای زمانبندی

بازار است. هدف معامله گران بورس این است که بر رویداد های کوتاه مدت در بازار سرمایه گذاری

کنند تا سهام را برای سود بفروشند یا سهام را با کمترین میزان خریداری کنند. سرمایه گذاران که

تجارت سهام می کنند تحقیقات گسترده ای انجام می دهند و اغلب روزانه ساعت ها را برای پیگیری

اخبار بازار اختصاص می دهند.

 نقش هوش مصنوعی در خرید و فروش در بورس سهام

بنابراین ، چگونه هوش مصنوعی در بورس سهام اعمال می شود؟ برای فناوری ای که برای جمع آوری

سریع شماره ها و تصمیم گیری بهینه استفاده می شود ، هوش مصنوعی به صورت  طبیعی برای دنیای

امور مالی مناسب است. یادگیری عمیق و یادگیری ماشینی به بنگاههای اقتصادی این امکان را می دهد که

نه تنها نوسانات قیمت سهام را تجزیه و تحلیل کنند ، بلکه داده های ساختار بندی نشده ای را نشان می دهند

که الگوهای رفتاری را آشکار می کند که ممکن است توسط یک انسان قابل درک  نباشد. این امر می تواند

شکل جدیدی از دقت را در تصمیم گیری های معاملات که فراتر از استراتژی های سنتی سرمایه گذاری

است ، فراهم کند. به همین ترتیب ، فناوری هوش مصنوعی تقاضای خود را برای “مشاوران رباتیک”

افزایش داده است ، که می تواند الگوهای معاملاتی یک سرمایه گذار را شخصی سازی کند و اهداف مالی

آنها را به شیوه ای منسجم تر مورد هدف قرار دهد. البته اینها فقط برخی از کاربردهای شناخته شده

هوش مصنوعی است. بورس های اوراق بهادار در سراسر جهان کاربرد AI را درک کرده اند و تمرکز

خود را به سمت جذب متخصصان هوش مصنوعی از دره سیلیکون و وال استریت  وافراددیگر آغاز کرده اند.

این شرکت رقابتی باعث شده است که شرکتها این برنامه را با کاربردهای سرمایه گذاری در دنیای واقعی

پیش ببرند ، اما میزان اینکه شرکتهای سرمایه گذاری چه بزرگ و چه کوچک ، آشکار یا محرمانه از آن

استفاده می کنند مشخص نیست . نمی توان انکار کرد که هوش مصنوعی یک جهش بزرگ در دنیا محسوب

می شود اما کارشناسان اعتقاد دارند که با استفاده بیشتر از هوش مصنوعی در بازار بورس سهام

هوش مصنوعی بی فایده می شود چرا که همه از همان تحلیل ها استفاده می کنند اما باز می تواند تفاوت هایی

وجود داشته باشد برای مثال کدام هوش مصنوعی بهتر عمل می کند و یا دقیق تر می باشد. اما با این حال

هوش مصنوعی از اکثر مردم آنالیز دقیق تری خواهد داشت.

تاثیر های هوش مصنوعی و یادگیری ماشینی در بورس

در واقع ، هوش مصنوعی و یادگیری ماشینی قدرت حل مشکلات در مقیاس بزرگ در حوزه بورس را دارند.

این شرایط یا مشکلات معمولاً در رابطه با بهینه سازی ، تحلیل و پیش بینی است. با استفاده از این قدرت ،

AI و ML به روش های مختلف بر تجارت تأثیر گذاشته اند.

شناسایی و تجزیه و تحلیل پیش بینی کننده ها (عوامل) قیمت سهام

هوش مصنوعی و ML از شبکه های عصبی و چندین روش یادگیری برای شناسایی و تجزیه و تحلیل عوامل

منجر به تغییردر  قیمت سهام خاص استفاده می کنند. این عوامل همچنین به عنوان پیش بینی کننده یا ویژگی

شناخته می شوند. بر اساس این عوامل ، AI و ML قیمت سهام آینده را پیش بینی می کنند. همچنین، این کاربرد

هوش مصنوعی نمونه ای از Machine Learning است.

تصمیمات مبتنی بر واقعیت

هوش مصنوعی یک سیستم خودکار است که مبتنی بر واقعیت می گیرد بر خلاف انسان که تصمیمات آن توسط

احساساتی مانند ترس ، حرص و طمع ، امید و دستور کار هدایت می شود. با این تصمیمات مبتنی بر واقعیت،

تجارت برای فعالان بازار سود آورتر شده است.

تغییر در الگوهای استخدامی در حوزه تجارت

با ظهور تجارت مبتنی بر واقعیت ، هوش مصنوعی نیز نیاز انسان را برای کمک به مدیریت همین امر به

ارمغان آورده است. از آنجا که تجارت مبتنی بر AI و ML به افراد ماهر در ریاضیات ، برنامه نویسی رایانه

و غیره نیاز دارد ، اکنون دامنه تجارت استخدام کارمندان در زمینه های مختلف افزایش یافته است.

استفاده از Chatbot ها

AI و ML به طور قابل توجهی ارزش زندگی روزمره معامله گران را با چندین مورد مفید مثلاً چت بات ها

افزوده اند. Chatbot ها نحوه تجارت را بهبود بخشیده است زیرا معامله گران نه تنها راحت تر می توانند

با chatbot ارتباط برقرار کنند بلکه به طیف وسیعی از اطلاعات  نیز دسترسی دارند. علاوه بر این،

چت بات ها خود را آموزش می دهند و نیازی به مداخله انسانی ندارد.

سناریوهای خطر شبیه سازی شده

از آنجا که هوش مصنوعی به پیش بینی قیمت سهام در حوزه تجارت کمک می کند ، بهترین ابزار

برای بازار سهام است. با پیش بینی دقیق ریسک ، معامله گر می تواند تصمیمات عاقلانه ای اتخاذ کند.

هوش مصنوعی توانایی جمع آوری داده های جمعی را برای تجزیه و تحلیل مشابه با سرعت و دقت

استثنایی دارد. با استفاده از این توانایی ، می توان سودهای بالقوه را به حداکثر رساند و سناریوهای خطر

را شبیه سازی کرد. از این رو ، AI و ML تجارت تجاری را به سمت سودآور تر معامله گران سوق داده اند.

پیاده سازی و کاربردهای هوش مصنوعی در تجارت بورس

یادگیری ماشینی در حوزه تجارت چندید ساز و کار دارد که به معرفی برخی از آنها می پردازیم

پیش بینی تغییر قیمت سهام بر اساس داده های پیشین

یادگیری ماشینی مستلزم تغذیه داده های تاریخی به سیستم است تا بتواند تصمیم خود را در آینده بر اساس

آنها بگیرد. از این رو ، برای پیش بینی قیمت سهام که متغیرهای هدف نامیده می شوند ، یادگیری ماشین

از داده های پیشین استفاده می کند که متغیرهای پیش بینی کننده نام دارد. برای انجام این کار ، الگوریتم

موجود در یادگیری ماشینی می آموزد که متغیرهای پیش بینی کننده را برای پیش بینی متغیرهای هدف

بکار گیرد.

تسریع جستجو برای استراتژی های بازرگانی الگوریتمی موثر

یادگیری ماشینی همچنین برای تسریع در جستجوی استراتژی های مؤثر تجارت الگوریتمی توسعه یافته شده

است. از آنجا که یک رویکرد خودکار ارائه می دهد ، بسیار بهتر از فرآیند دستی است. این استراتژی های

معاملات الگوریتمی با کمک بهینه سازی سود و شبیه سازی خطرات ، به معامله گران کمک می کنند.

به هر حال ، در صورت داشتن اتوماسیون برای حمایت از شما برای هر کار ، مزیت رقابتی وجود دارد.

به عنوان مثال ، استراتژی های مختلفی وجود دارد که از آن استفاده می کند تا از یاد گیری ماشینی برای

بهینه سازی الگوریتم ها ، مانند رگرسیون خطی ، یادگیری عمیق ، شبکه های عصبی و غیره استفاده کند.

تعداد بازار های تحت نظر

یادگیری ماشینی همچنین به افزایش تعداد بازارهای تحت نظر توسط فرد و پاسخ به آنها کمک می کند.

هرچه تعداد بازارها بیشتر باشد ، شانس یک معامله گر بهتر است که در سود آور ترین بازار سرمایه گذاری

کند. از این رو می توانید با اجرای این برنامه ماشینی ، فرصت های خود را افزایش دهید. چندین شرکت

مشهور مانند Renaissance Technologies و Citadel وجود دارند که برای تصمیم گیری در زمینه

سرمایه گذاری خود از یادگیری ماشینی استفاده می کنند.

البته باید این مورد را در نظر داشت که هوش مصنوعی چون بر مبنی  یکسری از قوانین فعالیت می کند

 نمی تواند همه جنبه ها را در نظر بگیرد اتفاقات غیر مترقبه ای که امکان وقوع آن وجود دارد خارج از

دید هوش مصنوعی قرار دارد بنابراین می تواند تاثیر منفی در داد و ستد بازار بورس داشته باشد.

همانطور که در این مطلب اشاره کردیم جای هیچ شکی وجود نئارد که هوش مصنوعی برای انجام امور مالی

بسیار گزینه مناسبی است و می تواند کارایی فوق العاده ای را در این حوزه داشته باشد. اما باید در نظر داشت

که برای گرفتن تصمیمات با کمترین درصد خطا باید حجم عظیمی از اطلاعات را در اختیار ماشین تعریف کرد.

هوش مصنوعی می تواند بسیاری واقعیت ها را در نظر بگیرد و بر آن مبنی تصمیم گیری کند می تواند خطرات

را در یک سناریو شبیه سازی کند و حتی به شمادر زیر نظر گرفتن چندین بازار سهام کمک کند.

هوش مصنوعی سامسونگ پیشرو در بازار

هوش مصنوعی سامسونگ پیشرو در بازار

سامسونگ همانند رقیب های خود از هوش مصنوعی در محصولات خود استفاده می کند.این

 غول تکنولوژی اسم هوش مصنوعی خود را بیکسبی (Bixby) گذاشته. این  هوش مصنوعی

بیکسبی نه تنها در تلفن های هوشمند این کمپانی جا گرفته بلکه در محصولاتی که دارای اینترنت

اشیاء نیز هستند گنجانده شود. این دستیار صوتی قصد دارد تا از رقیبان خود مانند سیری اپل،  

گوگل اسیستنت و الکسا  پیشی بگیرد البته  این هوش منصوعی با گوگل اسیستنت منتبق است.

با اینکه این هوشمصنوعی موفقیت رقبای خود را ندارد اما با این حال بر روی دستگاه های 

سامسونگ نصب شده است. 

این هوش مصنوعی چگونه کار می کند

در واقع این هوش مصنوعی برای تلفن هوشمند سامسونگ S8 ساخته شده است اما انتظار می رود

برای تمامی دستگاه های هوشمند سامسونگ مانند تلویزیون و یخچال فمیلی هاب هم اجرا شود. این

دستیار صوتی می تواند برای شما پیام ارسال کند، اطلاعات مورد نیاز شما( وضعیت هوا ، یادآوری

جلسات ، مقالات خبری و غیره) را به شما بدهد، اطلاعات موجود در نمای دوربین و یا یک عکس را

به شما بدهد و یا حتی با تشخیص صدا اطلاعات مربوط به شخص را در اختیارش قرار دهد سامسونگ

می گوید این هوش مصنوعی می تواند از شما بیاموزد، با شما تکامل پیدا کند و با شما سازگار شود.

این دستیار در یکسری ازاپلیکیشن های دیگر هم موجود است. سامسونگ همچنین دارای بلندگوهای

Galaxy Home Bixby است که با وجود گذشت 18 ماه از معرفی آن هنوز راهی بازار نشده است.

هوش مصنوعی سامسونگ چگونه کار می کند؟

Bixby به گونه ای طراحی شده است که به شما امکان می دهد تا به جای راه اندازی یک برنامه یا انجام

یک کار واحد ، یک مجموعه کامل از تعامل ها را انجام دهید. بیکسبی از نظر متنی آگاه است ، به این معنی

که می تواند وضعیتی را که برنامه در آن قرار دارد تشخیص دهد و بر اساس درخواست های شما اقدامات

صحیح انجام دهد ، همچنین به شما امکان می دهد دستورات صدایی و یا لمسی را در این تعامل داخل کنید.

بیکسبی همچنین باید بتواند زبان طبیعی را درک کند: این بدان معنی است که شما نیازی به استفاده از عبارات

کامل ندارید ، می توانید اطلاعات ناقصی ارائه دهید و بیکسبی می تواند آنها را تفسیر کند و اقدام نماید .

تشخیص یص زبان طبیعی برای ظهور الکسا مهم بوده است و اکنون عنصر اصلی هوش مصنوعی مدرن است.

این دستیار هوش مصنوعی می تواند با کلمه ی بیدار باش سلام بیکسبی فعال شود و مانند گوگل اسیستنت

می توانید با زبان طبیعی با آن حرف بزنید. اما به نظر می رسد که بیکسبی به طور تصادفی هم فعال می شود .

بنابراین استفاده از فعال سازی با دکمه می تواند از این اشتباه جلوگیری کند البته این قاعده فقط برای دستیار

صوتی است و در مورد دید بیکسبی باید وارد دوربین شوید تا فعال شود.

هوش مصنوعی بیکسبی چه توانایی هایی دارد؟

یکی از اهداف اصلی بیکسبی تعامل با دستگاه های و پیچیده است. در اینجا چند نمونه از کارهایی که بیکسبی

انجام می دهد را برای شما بازگو می کنیم :

می توانید بگوید این را برای من روی صفحه نمایش بده تا بیکسبی آن را بر روی تلویزیون سامسونگ نشان دهد.

میتوانید برای ذخیره تصویر روی صفحه به عنوان تصویر زمینه تلفن خود بگویید “از این به عنوان تصویر زمینه

من استفاده کنید”

می توانید بگویید “یک سلفی بگیرید و در فیس بوک به اشتراک بگذارید” تا دستگاه دقیقاً همین کار بکند.

می توانید بگویید که به من یاداوری کن ساعت 3 دارو هایم را بخورم تا ریمایندر برای شما ست شود.

بگویید پیام ها را باز کن تا اپلیکیشن پیام های شما باز شود.

می توانید بگویید HDR را روشن کن تا در دوربین این قابلیت روشن شود.

برای اینکه از این قابلیت ها استفاده کنید باید بیکسبی را یا با دکمه و یا با کلمه بیدار باش فعال کنید. به آسانی از

آن بخواهید کارهایی مانند تغییر صدا یا افزایش روشنایی گوشی را انجام دهد. به طور کلی ، هنگام کنترل دستگاه ،

بیکسبی بسیار مناسب است ، همانطور که در ایجاد پیام برای شما یا خواندن پیام های دریافتی و غیره است.

دید بیکسبی (Bixby vision)

Bixby Vision طیف وسیعی از عملکردها را ارائه می دهد که از دوربین موجود در گوشی بهره می برند.

با روشی مشابه Google Lens یا برنامه خرید Amazon ، می توانید از Bixby بپرسید که در تصویر

چه چیزی است یا برنامه دوربین را باز کنید و دکمه Bixby Vision را بزنید. یکی زا قابلیت های خوبی 

دارد این است که می تواند بدون اینکه به  Bixby Voice وابسته باشد فقط با کمک دوربین عملکرد

داشته باشد. می تواند سرویس دهی کند پس حتی دستگاه هایی که هنوز پشتیبانی کامل از سرویس صدای

Bixby Voice را ندارند ، Bixby Vision را استفاده می کنند

Bixby Home

اگر افرادی به هر دلیلی دسترسی به ئستیار صدای بیکسبی را نداشتند می توانند از بیکسبی هوم استفاده بکنند

این قابلیت در سمت چپ صفحه اصلی قرار دارد. در انگلستان شما می توانید سرویس خبری Upday و یا یک 

فلیپ برد شخصی در اختیار شماست که اساسا هر امکاناتی را که بیکسبی می تواند با آن در ارتباط باشد را به

شما نشان می دهد چه آب و هوا باشد و چه کنترل گجت های IoT.

یادآور بیکسبی

 بیکسبی می تواند برای شما یادآور ایجاد کند  اما با وظایف خاص در قالب متن یا چک لیست. می توانید 

از آن بخواهید تا به ما یادآوری کند که تماسی بگیرید و یا پیامی ارسال کنید. ویا  حتی محتوایی را که

می خواهید بعدا ببینید را به شما گوشزد کند.  این کار را می توانید هم با دستور صدایی و هم از صفحه

اصلی انجام دهید. 

پیشنهاد رستوران

پیشنهاد رستوران می تواند توسط Bixby بسته به مکانهایی که در گذشته از آنها بازدید کرده اید ، ارائه

شود. همچنین برخی از مراحل رزرو ، مانند زمان رزرو ، شماره تلفن شما ، تعداد میهمانان و غیره را

کنترل می کند که براساس عادات قبلی شما همه می توانند به صورت خودکار پر شوند.

رزرو تاکسی تلفنی

این دستیار صوتی میتنی بر هوش مصنوعی  سامسونگ می تواند برای شما با دستور صدایی  تاکسی

(Uber) رزرو کند سامسونگ در یک نمایش با گفتن عبارت من نیاز دارم تا به فرودگاه JFK برسم

بدون اینکه دقیقا بگوید کهاوبر می خواهم یک تاکسی تلفنی رزرو کرد.

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.