هوش مصنوعی در انتخابات

هوش مصنوعی در انتخابات

همراه با Big Data ، فناوری های بعدی که تأثیر بسزایی در انتخابات و زندگی سیاسی خواهند داشت ، هوش مصنوعی و یادگیری ماشین هستند. انتخابات زمانی است که مردم یک کشور از قدرت عظیمی برخوردار شده و آینده جمعی خود را انتخاب می کنند. هر شهروند برای انتخاب گروه بعدی نمایندگان مشارکت می کند. همانطور که آگاه هستیم ، امروزه فناوری نقش بسزایی در توانایی استفاده از تأثیر دقیق دارد. احزاب سیاسی می توانند بر شهروندی تأثیر بگذارند تا رأی دهند و نامزدهای مربوطه خود را انتخاب کنند. به عنوان مثال ، تیم مبارزات انتخاباتی رئیس جمهور سابق ایالات متحده باراک اوباما Big Data Analytics را اجرا کرده و رأی دهندگان خود را تحریک کرد. و این به حداکثر رساندن تبلیغات ایمیل وی منجر شد که مبلغ 1 میلیارد دلار کمک های مالی کمپین را جمع آوری کرد.

هوش مصنوعی چگونه در انتخابات تاثیر می گذارد ؟

در کمتر از یک دهه ، دنیای رسانه های اجتماعی از توانمندسازی به تهدیدی برای دموکراسی تبدیل شده است. همانطور که همه ما می دانیم ، اینترنت می تواند تعداد زیادی از افراد را به اقدامات سیاسی بکشاند ، همچنین می تواند اطلاعات نادرست درباره نامزدها را جمع آوری کند ، آرا را سرکوب کند و بر لیست رای دهندگان و ماشین آلات انتخابات ایالت تأثیر بگذارد. تا زمانی که محتاط نباشیم ، دنیای جدید AI می تواند خطرناک تر از هر سلاحی در سال های آینده باشد. فن آوری های جدید عصر اطلاعات به عنوان ابزاری ارزشمند برای اقدامات دموکراتیک مخفی شده است زیرا در کشورهای اقتدارگرا ، رسانه های منظم تحت کنترل دولت هستند و باعث انتشار اطلاعات منفی در مورد دولت و نشریه می شوند.

آیا به دلیل هوش مصنوعیرأی گیری مغرضانه انجام می شود؟

هوش مصنوعی می تواند برای تجدید نظر رای دهندگان منفرد استفاده شود. در طول انتخابات ریاست جمهوری 2016 ایالات متحده ، شرکت علوم داده کمبریج آنالیتیکا یک کمپین تبلیغاتی و دیجیتال مارکتینگ گسترده برای هدف گیری رای دهندگان متقاعد کننده بر اساس روانشناسی فردی خود انجام داد. این اساساً عملیاتی است که به داده های بزرگ و یادگیری ماشینی برای بررسی احساسات افراد متکی است. رأی دهندگان مختلف پیام های متفاوتی را براساس پیش بینی در مورد ادراک آنها نسبت به استدلال های مختلف دریافت کردند. پارانوئیدها تبلیغاتی با پیام های مبتنی بر ترس و افرادی با گرایش محافظه کارانه تبلیغاتی با استدلال بر اساس سنت ها و جامعه دریافت می کنند. با در دسترس بودن داده های زمان واقعی رای دهندگان ، از رفتار آنها در رسانه های اجتماعی گرفته تا الگوهای مصرف و روابط آنها ، این امکان فراهم شد. از رد پای اینترنت آنها برای ایجاد مشخصات منحصر به فرد رفتاری و روانشناختی استفاده می شد. مسئله اینجا فناوری نیست بلکه پیامهای سیاسی ارسال شده است. نامزدی با وعده های انتخاباتی انعطاف پذیر مانند ترامپ به ویژه برای این روش مغرضانه مناسب است. می توان به هر رأی دهنده پیامی سفارشی ارسال کرد یا می توان آگهی سفارشی را نشان داد که بر جنبه دیگری از استدلال خاص تأکید دارد. نکته اصلی این است که این کار به سادگی یافتن عوامل محرک احساسی مناسب برای تحریک هر فرد به عمل است.

آینده انتخابات با هوش مصنوعی چگونه خواهد بود ؟

می توان استدلالهای زیادی را مطرح کرد ، اما به سختی می توان گفت راهی سختگیرانه برای تحلیل تأثیر بی سابقه رویدادهای فعلی بر عادت های رای گیری وجود دارد. با این حال ، ما می توانیم داده های انتخابات گذشته را تجزیه و تحلیل کنیم تا تأثیر ویژگی های مختلف را در انتخابات ریاست جمهوری اندازه گیری و درک کنیم و بینش ها را دریابیم. در یک نظرسنجی در مورد نگرش اروپاییان به فن آوری انجام شد مشخص شد که اگر تصمیمات سیاسی توسط AI به جای سیاستمداران یک بار انتخاب شود ، یک چهارم مردم ممکن است آن را ترجیح دهند. این روند فکر احتمالاً افزایش بی اعتمادی شهروندان به دولت ها و مدل ناامید کننده دموکراسی را نشان می دهد.

به راحتی می توان فناوری را مقصر اشتباهات جهان و یا باخت در انتخابات دانست، اما این دسته از فناوری اساسا به خودی خود ضرری ندارد. روشی که ما از این فناوری برای دستکاری تصمیمات استفاده می کنیم روش صحیحی نیست. برای گمراه کردن ، این فمتوری برای اطلاع رسانی و ایجاد سردرگمی استفاده شده است ام همه اینها فناوری ها ممکن است به همان اندازه دموکراسی را پشتیبانی کنند. درعوض ، باید از آن برای اجرای مبارزات بهتر به روشی مشروع تر استفاده شود. یک رویکرد اخلاقی به هوش مصنوعی می تواند برای آگاهی و خدمت برای رای دهندگان باشد. استارت آپ های هوش مصنوعی مانند Factmata و Avantgarde Analytics چنین راه حل های فناوری را ارائه داده اند. به عنوان مثال ، ربات های سیاسی را برنامه ریزی کنید تا وقتی مخاطبان مقاله هایی را که حاوی اطلاعات غلط شناخته شده است ، به اشتراک می گذارند ، وارد عمل شوند. می توان برای چنین کاربرانی اخطار داد. این می تواند بسیاری از دروغ های نا شناخته تشخیص دهد و از بین ببرد.

هوش مصنوعی در عوارض مغزی

هوش مصنوعی در عوارض مغزی

دامنه فناوری های هوش مصنوعی موجود برای مقابله با بیماری های مغزی به سرعت در حال رشد است و روشهای جدید و مهیجی در زمینه عوارض مغزی اعمال می شود زیرا دانشمندان کامپیوتر درک عمیق تری از توانایی های الگوریتم های پیشرفته دارند. محققان برای درک وضعیت پیشرفته در استفاده از AI برای بیماری های مغزی ، یک بررسی سیستماتیک انجام دادند. بررسی کیفی آنها جالب ترین گوشه های توسعه هوش مصنوعی را روشن می کند. هوش مصنوعی به دلیل توانایی در حل مشکلاتی که بشر نمی تواند حل کند، تحسین می شود و این تخسن به لطف معماری های جدید رایانه ای که مقادیر زیادی از داده های پیچیده را به سرعت پردازش می کند می باشد. در نتیجه ، روش های هوش مصنوعی ، مانند یادگیری ماشین ، بینایی رایانه و شبکه های عصبی ، برای برخی از سخت ترین مشکلات علوم و جامعه اعمال می شود.

کاربرد هوش مصنوعی در عوارض و بیماری های مغزی

یک مشکل جدی تشخیص ، درمان جراحی و نظارت بر بیماری های مغزی است. دامنه فناوری های هوش مصنوعی موجود برای مقابله با بیماری های مغزی به سرعت در حال رشد است و روشهای جدید و مهیجی در زمینه مشکلات مغزی اعمال می شود زیرا دانشمندان کامپیوتر درک عمیق تری از توانایی های الگوریتم های پیشرفته دارند.در مقاله ای که این هفته توسط انتشارات AIP در APL Bioengineering منتشر شد ، محققان ایتالیایی یک بررسی منظم از نوشته ها را برای درک نوآوری ها  در استفاده از AI برای بیماری های مغزی انجام دادند. جستجوی آنها 2696 نتیجه به دست آورد و آنها تمرکز خود را بر روی 154 مقاله برتر با استناد قرار دادند و از نزدیک بررسی کردند. بررسی کیفی آنها جالب ترین گوشه های توسعه هوش مصنوعی را روشن می کند. به عنوان مثال ، از یک شبکه خصمانه تولیدی برای ایجاد مصنوعی یک مغز پیر استفاده شد تا ببیند چگونه بیماری با گذشت زمان پیشرفت می کند. نویسنده آلیس سگاتو گفت: “استفاده از تکنیک های هوش مصنوعی به تدریج راه حل های نظری کارآمد را برای تعداد زیادی از مشکلات بالینی در دنیای واقعی مرتبط با مغز به ارمغان می آورد.” وی افزور:”به ویژه در سال های اخیر ، به لطف انباشت داده های مربوطه و توسعه الگوریتم های موثر به طور فزاینده ، امکان افزایش قابل توجه درک مکانیسم های پیچیده مغز فراهم شده است.” سگاتو گفت: “اگر انسان بخواهد نسخه های الگوریتمی یا تشخیص را قبول کند ، باید به آنها اعتماد کند.” “تلاش محققان منجر به ایجاد الگوریتم های پیچیده و قابل تفسیر می شود ، که می تواند استفاده فشرده از فن آوری های” هوشمند “را در زمینه های بالینی عملی، حمایت کند.”

هوش مصنوعی و یادگیری ماشین هنر را متحول میکنند

هوش مصنوعی و یادگیری ماشین هنر را متحول میکنند

هوش مصنوعی و یادگیری ماشین انقلابی در صنایع ، بازارها و خدمات مختلف ایجاد می کند. با این وجود صنایع خلاق و دنیای هنر هنوز نتوانسته اند از پتانسیل کامل این فناوری استفاده کنند. با این حال ، دو کارآفرین شیلیایی بستری را ابداع کردند تا استفاده از هوش منصوعی  را در این صنعت پیش می برند. با استفاده از آخرین فن آوری ، آنها به سازندگان ، فیلمسازان آماتور ، هنرمندان تجسمی ، حتی صنعت فیلم و موسیقی اجازه می دهند تا از الگوریتم های هوش مصنوعی در کارهای خود استفاده کنند. نام این نرم افزارRunway است ، بستری که یادگیری ماشینی و هوش مصنوعی را با دنیای هنر و خلاقیت ادغام می کند.

تلفیق هنر با هوش مصنوعی و یادگیری ماشین ایده چه کسانی بود؟

Runway در پایان سال 2018 توسط کریستوبال والنزوئلا،  ، آلخاندرو ماتمالا و آنستاسیس گرمانیدیس تاسیس شد ، آنها  این پروژه را به عنوان تز در دانشگاه NYU جایی که با هم آشنا شدند  ایجاد کردند.سازندگان این پلتفرم را بخشی از نسل جدید ابزارهای خلاقانه تعریف می کنند. اگر چند دهه پیش فتوشاپ و اّدوب انقلابی در بازار هنر و خلاقیت ایجاد کردند ، Runway برای سالهای آینده به دنبال ایجاد اینچنین تحولی در کار های هنری و خلاقانه است. در این حالت ، ادعا این استارت آپ این است که آنها با نرم افزار خود در فضای ابری می توانند “محتوای مصنوعی” را توسعه دهند ، یعنی به طور خودکار محتوای سمعی و بصری را با الگوریتم های هوش مصنوعی تولید ، اصلاح و ویرایش کنند. والنزوئلا  گفت: “ما به تولید محتوای سمعی و بصری به همان روشی که دهه ها انجام داده ایم ادامه می دهیم و این روند را بی مورد کند ، گران و دشوار می کند. با الگوریتم های هوش مصنوعی هرکسی می تواند در عرض چند ثانیه انیمیشن های بسیار واقعی ایجاد کند و آنها را به طور خودکار ویرایش کند. چیزی که فقط هالیوود یا شرکتهای بزرگ تولیدی و جلوه های ویژه تاکنون توانسته اند این کار را انجام دهند “. در همان زمان ، Runway امکان کوتاه کردن زمان توسعه ، علاوه بر دموکراتیک سازی دسترسی به این فناوری را برای بیشترین سازندگان فراهم می کند. کریستوبال توضیح می دهد: “این فناوری ها به طور بنیادی نحوه تولید محتوا را تغییر می دهند زیرا الگوریتم ها از قبل قادر به تولید تصاویر ، متن ، فیلم و صدا به روشی فوق واقع گرایانه هستند”. که آلخاندرو اضافه می کند “اگر این ابزارها را در دست افرادی قرار دهیم که قبلاً به آنها دسترسی نداشته اند ، آنها به فکر روشهای جدیدی برای تولید هنر ، تولید محتوا و داستان گویی خواهند بود”.

توجه صنعت و سرمایه گذاران به این فناوری

تأثیر این سیستم عامل از زمانی آغاز شد که آنها توئیتی را منتشر کردند و در آن پرسیدند که چه تعداد از مردم از ابزاری مانند آنچه که این تیم در ذهن داشتند استفاده می کنند. در کمتر از 48 ساعت ، آنها از طرف مهندسان فیس بوک ، گوگل ، دانشگاه ها و حتی رسانه ها پاسخ دریافت کردند، که نشان می دارد همه مخاطبان امکان استفاده از یک ابزار خلاقانه برای اشغال الگوریتم های هوش مصنوعی را بسیار جالب می دانند. بلافاصله پس از این ، آنها این شرکت را ایجاد کردند و تا کنون رو به جلو حرکت کردند. مسیری که آنها طی کرده اند بسیار سریع بوده است. در نتیجه کارشان ، آنها توانستند از صندوق های مختلف سرمایه گذاری، سرمایه کسب کنند. در همان سالی که آنها Runway را ایجاد کردند ، آنها یک دور سرمایه گذاری 2 میلیون دلاری را با سرمایه های ایالات متحده متخصص در زمینه راه اندازی تحقیقات فناوری به پایان رساندند:. همچنین در سطح عملی ، آنها پروژه های مهمی مانند همکاری با New Balance برای طراحی کفش را انجام داده اند. همچنین نرم افزاری تولید کردند که گروه راک YACHT با آن بخشی از محتوای سمعی و بصری آخرین آلبوم خود را ایجاد کرده است و  نامزد دریافت جایزه گرمی شدند. آنها در ایجاد فیلم های کوتاه تولید شده توسط IA کار کردند و حتی در حال حاضر با هنرمندان تجسمی و هنر هفتم همکاری می کنند. همراه با این ، پاسخ نرمافزار ابری نیز از سوی دنیای آکادمیک آمده است ، که باعث شده آنها با دانشگاه های مختلف ایالات متحده مانند NYU ، MIT و UCLA همکاری کنند. در حالی که در شیلی از این نرم افزار در دانشگاه آدولفو ایبانس ، دانشگاه د لاس آمریکاس ، و دانشگاه کتاب مقدس Pontificia استفاده شده است.

تفاوت یادگیری ماشینی با یادگیری عمیق

تفاوت یادگیری ماشینی با یادگیری عمیق

هوش مصنوعی یک مبحث با پیچیدگی های خاص خود است. اما عموما تفاوت میان یادگیری ماشینی با یادگیری عمیق،

شبکه های عصبــی و… برای مردم مشخص نیســت امـــا می توانیم گفت که تمامی راهکار های هوش مصنوعی در

یادگیری ماشین و یادگیری عمیق خلاصه می شود. اما بـــرای درک بهتر هــوش مصنوعی باید تفاوت میــان این دو

را دانست. مثال های این فناوری ها در همه جا دیده می شود . این فناوری ها باعث می شود کــــه نتفلیکس برنامه

مورد علاقه بعدی شما را می داند و یا اینکه فیس بوک چطور می داند که چه کسانی در عکــس حضور دارند و …

تفاوت یادگیری ماشینی با یادگیری عمیق چیست؟

 راحت ترین راه برای درک این تفاوت این است که بدانید یادگیری عمیق در واقع نوعی از یادگیری ماشین است.

اگر بخواهیم دقیق تر بگیم یادگیری عمیق در واقع یادگیری ماسین تکامل یافته است که از یک شبکه عصبی قابل

برنامه ریزی استفاده می کند تا ماشین ها را قادر بسازد بدون کمک انسانها تصمیم گیری دقیقی بکنند. اما اگر هیچ

اطلاعاتی در این زمینه ندارید اوا یادگیری ماسینی را توضیح می دهیم.

یادگیری ماشینی (Machine Learning) چیست ؟

اگر بخواهیم یک تعریف پایه از یادگیری ماشینی انجام بدهیم می توانیم بگوییم : یادگیری ماشینی الگوریتم هایی

هستند که داده ها را تجزیــه می کنند ، از آن داده ها درس مـی گیـــرند و سپــس آنچـه را که یاد گرفته اند برای

تصمیم گیری آگاهانه استفاده می کنند” برای مثال سرویس های موسیقی های در خواستی است که با توجه به سلیقه

مخاطب موزیک هایی که تازه منتشر شده را معرفی می کند این تکنیک که اغلب به عنـــوان هوش مصنوعی مورد

استفاده قرار می گیرد ، در بسیاری از سرویس هایی که توصیه های خودکار ارائه می دهنـــد ، استفاده می شود.

یادگیری ماشینی در انواع مختلفی از کسب و کار ها حضور دارد از موسســـات امنیت داده کــه بد افزار ها را

شکار می کند گرفته تا بازار بورس. الگوریتم های هوش مصنوعی برنامه ریـــزی شده انــد که به طــور مداوم

در حال یادگیری به روشی باشند که به عنوان دستیار شخصی مجازی شبیه سازی می شوند – کــاری که آنها به

خوبی انجام می دهند. وقتی پای یادگیری عمیق و شبکه های عصبی عمیق به میان می آید این فذایند یــــادگیری

جالب تر می شود.

تفاوت های یادگیری ماشین و یادگیری عمیق

همانطور که قبلا اشاره کردیم یادگیری عمیق در واقع نوعی از یادگیری ماشین است و بــه روشی ومشابه

عمل می کند، اما برخی اوقات عملکرد آنها متفاوت است. با اینکه یادگیری ماشیـــن یا توجه به عملکرد آنها

روز به روز بهتر می شود اما هنوز نیاز به راهنمایی انسانی  دارد. یعنی اگــــر الگوریتم هوش مصنوعی

یک محاسبه نادرست انجام دهد، نیاز به یک مهندس  برای مداخله و تصحیــح آن وجود دارد اما در مورد

الگوریتم های یادگیری عمیق اینگونه نیست و خود هوش مصنوعی از طــریق شبکه عصبی عمیق می تواند

خود را اصلاح کند. برای مثال اگر ما یک چراغ قوه هوشمند داشتـــه باسیم که با یادگیری ماشین کار کند

در نهایت می تواند هر عبارتی را که در آن کلمه تاریک وجــود دارد را شناسایی کند و خود را روشن کند

اما اگر همان چراغ قوه با یادگیری عمیق طراحــی شده باشد به عباراتی مانند “پریز کار نمی کند” و یا

“من نمی توانم ببینم” هم واکنش نشان می ئپده و خــود را روشن می کند . بنابراین یک مدل یادگیری عمیق

قادر است از طریق روش محاسبــات خود بیــاموزد ( تکنیکی که به نظر می رسد که دستگاه مغز خودش

را دارد.)

یادگیری عمیق چگونه کار می کند؟

یک مدل یادگیری عمیق برای تجزیه و تحلیل مداوم داده ها با یک ساختار منطقی شبیه به چگونگی

تجزیه و تحلیل و نتیجه گیری یک انسان طراحی شده است.برای دستیابی به این هدف ، برنامه های

یادگیری عمیق از یــک ساختـــار لایه ای از الگوریتــــم ها،طراحی یک شبکه عصبی مصنوعی از

شبکه عصبی بیولوژیکی مغز انسان الهام می گیرد و منجــــر به فراینـــدی از یادگیری می شود که

به مراتب از مدلهای یادگیری ماشین استاندارد تواناتر است. به نام شبکه عصبـــی مصنوعی استفاده

می کنند. فرایند اینکه این مدل ها نتیجه گیری های اشتباه نکنند بسیار دشوار است و بایـــد ماننــد سایر

نمونه های هوش مصنوعی تمرین زیادی داده شوند. اما هنگامی که عملکرد صحیحی از خـــود نشان

می دهند، به عنوان یک شگفتی در دنیای علم شناخته می شود که در واقع ستون و پایه هوش مصنوعی

واقعی می باشد.یک نمونه بارز از یادگیری عمیق AlphaGo Google است که یاد گرفته تا بازی

GO را انجام دهد، این بــــازی که شبیه که نیـــاز به استدلال و منطق بالایی دارد .مدل یادگیری عمیق

Alpha Go با بازی در مقابل بازیکنان حرفه ای یاد گرفت که سطح بازی خود را ارتقاع دهد و حرکاتی

را انجام دهد که در تمرین اولیه برای آن تعریف نشده. این امر باعث شد تا Alpha Go چندین استاد

این بازی را شکست دهد .

پس در اختصار تفاوت یادگیری ماشینی با یادگیری عمیق را می توان اینگونه بیان کرد:

  -یادگیری ماشین از الگوریتم هایی  استفاده می کند تا داده هایی را یاد بگیرد، تجزیه تحلیل انجام دهد و بر اساس تعالیم، نصمیم گیری آگاهانه انجام دهد.

-یادگیری عمیق ساختاری از لایه های الگوریتم ایجاد می کند که یک “شبکه عصبی مصنوعی” ایجاد کند که می تواند به تنهایی یادگیری و تصمیم گیری هوشمندانه داشته باشد.

-یادگیری عمیق زیر مجموعه ای از یادگیری ماشینی است که هر دوی آنها زیر مجموعه وسیعی از هوش مصنوعی هستند. یادگیری عمیق فناوری هوش مصنوعی ایجاد می کند که بیشترینشباهت را به هوش انسانی دارد.

داده ها سوخت آینده

با وجود حجم عظیم داده هایی که توسط داده های بزرگ در حال حاضر در حال جمع آوری است

ما تحول های عظیمی را طی ده سال آینده ساهد خواهیم بود که هنوز به آنها دست نیافته ایم.

بنا به تحلیل افراد متخصص در این زمینه این یادگیری عمیق بیشترین سهم را در این فرایند خواهد

داشت.اندرو نگ ، دانشمند ارشد موتور جستجوی بزرگ چین “بایدو” و یکی از رهبران پروژه

Google Brain ، یک قیاس عالی برای یادگیری عمیق با مجله Wired به اشتراک گذاشت. او گفت:

من هوش مصنوعی را به یک فضا پیما تشبیه می کنم که هم به موتور قدرتمندی نیاز دارد و هم

به سوخت زیاد. اگر سوخت کم و موتور قدرتمند داشته باشید نمی توانید به مدار برسید و اگرشوخت

زیاد و موتور ضعیف داشته باشید حتی نمی توانید سفینه را از زمین بلند کنید بنابراین هر دو عامل

باید به اندازه کافی قوی باشد.

هوش مصنوعی

یکی از تکنولوژی های استفاده شده در محصولات شرکت ویرا سگال کارو هوش مصنوعی میباشد

هوش مصنوعی به زبان ساده به فرایندی گفته میشود که قابلیت یادگیری را به کامپیوتر اضافه میکند

و کامپیوتر با استفاده از قدرت یادگیری و تجزیه و تحلیل فرایند ها را به صورت دقیق برسی کرده و

واکنش مناسبی را نصبت به موضوع از خود نشان میدهد

در حقیقت با استفاده از این تکنولوژی می توان کامپیوتر را همانند انسان بدانیم

زیرا همانند انسان دارای تجربه ، قدرت یادگیری ، قدرت تجزیه تحلیل را میباشد