Tagدانشگاه

حضور دو مرکز دانشگاهی ایران در بین برترین دانشگاه های جوان جهان در سال 2017

حضور دو مرکز دانشگاهی ایران در بین برترین دانشگاه های جوان جهان در سال 2017

نشریه معتبر «آموزش عالی تایمز» (Times Higher Education) که یکی از مشهورترین نظام های رتبه بندی بین المللی دانشگاه ها و مراکز آموزش عالی جهان را ارائه می کند، به تازگی رده بندی سال 2017 خود را برای دانشگاه های جوان جهان ارائه کرده که در بین آنها، دو مرکز از جمهوری اسلامی ایران نیز به چشم می خورند.

بر اساس این رده بندی، دانشگاه صنعتی اصفهان رتبه ای در بازه 101 تا 150 دنیا را کسب کرده و دانشگاه یزد نیز در بین دانشگاه هایی قرار گرفته که مقام های 151 تا 200 را در اختیار دارند. لازم به ذکر است در رتبه بندی این پایگاه، رتبه 100 دانشگاه نخست به صورت دقیق مشخص شده اند، اما مابقی دانشگاه ها بر اساس امتیاز کسب شده در بازه های 150-101 و 200-151 جای گرفته اند.

رتبه نخست این رده بندی برای سومین سال متوالی در اختیار دانشگاه پلی تکنیک فدرال لوزان سوئیس قرار گرفته است. در این فهرست که فقط به دانشگاه هایی با قدمت کمتر از 50 سال اختصاص دارد، سیزده شاخص مختلف در پنج رده مورد ارزیابی قرار گرفته اند:

  • آموزش (30 درصد نمره کل)
  • پژوهش (30 درصد نمره کل)
  • استنادها (30 درصد نمره کل)
  • درآمد صنعتی (2.5 درصد نمره کل)
  • وجهه بین المللی (7.5 درصد نمره کل)

گفتنیست تایمز تعداد مراکز حاضر در رده بندی دانشگاه های جوان جهان را در سال 2016 از 100 به 150 افزایش داد و در سال 2017 نیز این رقم به 200 رسید. در رده بندی سال 2016 دانشگاه صنعتی شریف در پنجاهمین سالگرد تأسیس خود در رتبه یکصدم جهان جای گرفت و دانشگاه صنعتی اصفهان نیز جایگاه 150-101 را کسب کرد.

The post appeared first on .

حضور دو مرکز دانشگاهی ایران در بین برترین دانشگاه های جوان جهان در سال 2017

باریک ترین نانوسیم دنیا در دانشگاه استنفورد ساخته شد

باریک ترین نانوسیم دنیا در دانشگاه استنفورد ساخته شد

، روشی برای ساخت سیم های فوق العاده باریک با خواصی استثنایی یافته اند. آنها با استفاده از ها، که در واقع ریزترین قطعات الماس به شمار می روند، سیم هایی ساخته اند که پهنای آنها را فقط سه اتم تشکیل می دهد.

از این سیم ها به خاطر ابعاد میکروسکوپی، می توان الیاف و پارچه هایی ساخت که بدون افت انرژی، برق را انتقال دهند.

روش ساخت این سیم ها به لگوبازی شباهت زیادی دارد. محققین ابتدا یک اتم گوگرد را به الماسواره متصل کرده و آن را درون محلول ویژه قرار می دهند. در این محیط، هر اتم گوگرد با یک یون مس پیوند می خورد، و این فرایند به همین صورت ادامه می یابد تا سیم به صورت خود به خود ساخته شود.

diamondoid_assembly

نکته مهم این است که فرایند نه چندان پیچیده فوق با سرعت بالا نیز انجام می شود، و ساخت این نانوسیم ها به کمتر از نیم ساعت زمان نیاز دارد.

یکی دیگر از مزایای این رویکرد که به خاطر ویژگی های منحصر به فرد الماسواره ها حاصل شده، این است که دانشمندان می توانند سیم ها را با دقت فوق العاده ای بسازند، به گونه ای که اتم ها را یک به یک کنار هم قرار داده و بنابراین خواص محصول نهایی در تمام قسمت ها یکسان و بی نقص خواهد بود.

diamondoid-wires-1

«فی هوا لی» محقق ارشد این پروژه می گوید:

درست شبیه به بلوک های لگو، اتم های مس و گوگرد در مرکز جای گرفته و هسته رسانای سیم ها را تشکیل می دهند، و سپس الماسواره ها اطراف آنها را فرا گرفته و لایه عایق را ایجاد می کنند.

اگرچه این تحقیقات هنوز در مراحل اولیه قرار دارد، اما در نهایت می تواند به تولید مواد جدیدی با ویژگی های الکتریکی استثنایی منجر شود، از جمله سیم هایی که بدون مقاومت و اتلاف انرژی، برق را انتقال می دهند، یا لباس هایی که انواع فناوری ها در آنها قابل پیاده سازیست.

The post appeared first on .

باریک ترین نانوسیم دنیا در دانشگاه استنفورد ساخته شد

همزیستی و هم افزایی؛ استاد دانشگاه کارنگی ملون از آینده هوش مصنوعی می گوید

همزیستی و هم افزایی؛ استاد دانشگاه کارنگی ملون از آینده هوش مصنوعی می گوید

تا سال 2021 نرم افزارهای روزمره به اندازه ای هوشمند و قدرتمند خواهند شد که جای انسان را در بسیاری از فعالیت ها خواهند گرفت. حال چگونه می توان با این روند همگام شد؟

برخی پیش بینی ها نشان می دهند نرخ بیکاری گسترده و نبردی تمام عیار بین انسان ها و هوش مصنوعی رخ می دهد، اما برخی دیگر نیز آینده ای تا این حد تیره و تار را متصور نمی شوند.

در این میان پروفسور «مانوئلا ولوسو» رئیس گروه یادگیری ماشینی در دانشگاه کارنگی ملون، عقیده دارد در آینده انسان ها و سیستم های هوشمند به گونه ای جدانشدنی به یکدیگر پیوند می خورند و به تبادل مداوم اطلاعات و اهداف می پردازند، وضعیتی که او نام «همزیستی مستقل» را بر آن نهاده.

در آینده ی مورد نظر ولوسو، به سختی می توان انسان را از دستیاران هوشمند تمیز داد، اما نه آدم ها و نه نرم افزارهای هوشمند، هیچ یک بدون دیگری دوام نخواهد آورد.

ولوسو هم اکنون این ایده را در پردیس CMU به اجرا گذاشته، جایی که ربات های دوچرخ سرگردان با نام cobot به صورت مستقل، میهمانان را بین ساختمان های مختلف همراه می نمایند، و هرگاه با مشکلی مواجه شدند، از انسان ها کمک می گیرند.

این رویکرد، درک نوینی را از هوش مصنوعی به بار می آورد، به گونه ای که می توان پیامدهای ژرف و بنیادی را طی پنج سال آینده برای آن متصور شد.

در ادامه، صحبت های ولوسو در مورد مباحثی همچون ربات ها، برنامه نویسی پیشرفته و تهدیدات هوش مصنوعی برای نوع بشر را مرور می کنیم.

یکی از برجسته ترین روندهای قابل مشاهده در پنج سال گذشته، خودکارسازی عملیات بوده است. در عین حال، می بینیم هوشمندی بیشتری به ابزارهای موجود از جمله موبایل ها و کامپیوترها راه یافته. با این حساب، پنج سال آینده را چگونه توصیف می کنید؟

به نظر من در آینده، همزیستی کاملی بین انسان ها و سیستم های هوش مصنوعی وجود خواهد داشت، که در خدمت بشریت قرار می گیرند. این سامانه های AI مجموعه ای از نرم افزارها برای مدیریت دنیای دیجیتال، سیستم هایی که در فضای فیزیکی و در کنار ما جابجا می شوند (پهپادها، ربات ها، ماشین های خودران و غیره) و همچنین سیستم هایی که جهان فیزیکی را پردازش می کنند (مانند دیوایس های اینترنت اشیاء) را در بر می گیرند.

آینده زندگی بشر و رفع مشکلات، به همزیستی با هوش مصنوعی گره خورده است

در جهان واقعی نیز سیستم های هوشمند زیادی را خواهیم داشت که علاوه بر موبایل ها و کامپیوترها، به صورت آگاهانه در پیرامون ما حضور داشته و اطلاعات دنیای فیزیکی را احساس و پردازش می نمایند، تا بدین ترتیب به ما در تصمیم گیری بر اساس داده های موجود کمک نمایند.

با گذشت زمان، خواهیم دید که چنین سامانه های هوشمند مصنوعی، تأثیر گسترده ای بر مشکلات مختلف جامعه خواهند داشت: ترافیک شهرهای بزرگ را مدیریت خواهند کرد؛ پیش بینی دقیقی از وضعیت اقلیمی خواهند داشت؛ و انسان ها را در اتخاذ تصمیمات حیاتی یاری خواهند نمود.

در حال حاضر برخی از این سیستم ها کمی نامأنوس به نظر می رسند. وقتی الگوریتم یا ربات تصمیمی می گیرد، نمی دانیم چرا به آن نتیجه رسیده، بنابراین اعتمادی به آن نداریم. چگونه می توان این مسائل را حل کرد؟

یکی از مسائلی که در دست بررسی داریم، افزودن توانایی توضیح و پاسخگویی به ماشین هاست. آنها باید به صورت شفاف، مسئولیت تصمیماتشان را بر عهده بگیرند. بنابراین بخش عمده ای از تحقیقات ما، پرسش و پاسخ بین کاربر و سیستم را تشکیل می دهد.

مثلاً زمانی که ربات من (Cobot) کمی دیر به دفتر می رسد، می توانم از او بپرسم «چرا دیر آمدی؟» یا «از کدام مسیر استفاده کردی؟».

بدین ترتیب، توانایی توضیح به سیستم های AI اضافه خواهد شد، تا همان طور که یاد می گیرند و رشد می کنند، بتوانند با جزئیات مختلف به تصریح وضعیت خود بپردازند. ما می خواهیم به گونه ای با ربات ها تعامل داشته باشیم که بتوانیم نهایتاً اطمینان خاطر کاملی را به دست آوریم.

در آینده می توانید از هوش مصنوعی بپرسید «چرا این موضوع را بیان کردی؟» یا «چرا چنین پیشنهادی را می دهی؟». شفاف سازی و ارائه توضیح، تحقیقات گسترده ای را می طلبد که هم اکنون در حال اجراست و معتقدم تجهیز ربات ها به چنین قابلیتی، می تواند درک و اعتماد به سیستم های AI را افزایش دهد.

در نهایت از طریق این تعاملات، انسان ها می توانند سیستم های هوش مصنوعی را اصلاح نمایند. ما می خواهیم این اصلاحات را درون سیستم بگنجانیم تا AI بتواند از دستوراتی که دریافت می دارد، برای یادگیری استفاده نماید. به نظر من این توانایی بخش بزرگی از همزیستی ما با این سامانه ها را در آینده تشکیل خواهد داد.

چرا فکر می کنید این سیستم ها با سرعت بالایی در حال تکامل هستند؟ چرا طی 50 سال گذشته در حوزه تحقیقات هوش مصنوعی چنین اتفاقی نیفتاده؟

ببینید، برای اینکه سیستم AI تشخیص دهد موبایل چیست یا فنجان به چه شکل است، یا اینکه فرد پیش رویش در سلامت کامل به سر می برد یا خیر، به دانش نیاز دارد. بخش بزرگی از تحقیقات در دوران گذشته به فراگیری و کسب چنین دانشی اختصاص یافته بود.

پیش از این باید با پرسش از آدم ها، مراجعه به کتاب ها یا وارد ساختن دستی اطلاعات به کامپیوتر، داده جمع می کردیم. اما طی چند سال اخیر، همه چیز به طرز سحرآمیزی دیجیتال شده است. به نظر می رسد جهان واقع، خودش را روی اینترنت پیاده می کند.

دسترسی به حجم عظیم داده های دیجیتال در عصر حاضر، عامل پیشرفت سریع هوش مصنوعی است.

به همین دلیل سیستم های هوش مصنوعی در حال حاضر به داده های عظیم و توانایی پردازش و درک آنها دسترسی دارند، البته هنوز بهترین روش برای این عملیات پیچیده را نیافته ایم. از سوی دیگر من بسیار خوش بین هستم، چون حداقل می دانیم که اطلاعات در اختیارمان قرار دارد.

اکنون سؤال این است که چگونه از داده ها، کسب دانش کنیم؟ چطور از آنها استفاده نماییم؟ چطور آنها را نمایش دهیم؟ مطالعه نحوه توزیع داده ها و اطلاعات آماری آنها چگونه است؟ نهایتاً اینکه تمامی قطعات این پازل را به چه صورت کنار یکدیگر قرار دهیم؟

در همین راستا به مباحثی همچون یادگیری عمیق و یادگیری عمیق تقویت شده رسیدیم، سیستم هایی که می توانند ترجمه هوشمند و خودکار را انجام داده، یا ربات هایی که قادرند فوتبال بازی می کنند.

تمامی این پیشرفت ها بدین خاطر است که توانسته ایم پردازش داده ها را به شیوه ای مؤثر انجام دهیم، اطلاعاتی که به راحتی در دسترس ما قرار دارند.

یکی از بزرگ ترین پیشرفت ها طی پنج سال اخیر، دستیارهای شخصی هوشمندی همچون سیری و الکسا است که هر دو از یادگیری ماشینی بهره می گیرند. دوست دارم بدانم این سیستم ها در پنج سال بعد چگونه تکامل می یابند؟

من خودم طرفدار سرسخت الکسا هستم، و یکی از دستگاه هایش را در خانه دارم. هر روز کارهایی که می توانم با آن انجام دهم، بیشتر و بیشتر می شود. در ابتدا فقط می پرسیدم «هوا چطور است؟». اما الان می توانم از او بخواهم برنامه کاری و قرارهای روزانه ام را یادآوری کند.

در واقع الکسا روز به روز در حال یادگیری است، اما من هم هر روز با توانایی های جدیدی آشنا می شوم، و پیشرفت روزافزون این دستیار هوشمند را تحسین می کنم.

اما در این بین باید به نکته مهمی اشاره کرد. وقتی می خواهم خانه را ترک کنم، به الکسا می گویم «الکسا، استاپ.» در واقع می خواهم موسیقی در حال پخش متوقف شود، زیرا من دیگر در منزل نخواهم بود. حال اگر بگویم «الکسا، می خواهم بیرون بروم»، او متوجه نمی شود که باید پخش موسیقی را متوقف نماید.

بنابراین به نظر من با گذشت زمان، دستیارهای صوتی با دستوراتی همچون «الکسا، وقتی خانه را ترک می کنم، یعنی تو باید موسیقی را قطع کنی» آشنا خواهند شد. این نوع دستورات و یادگیری در حال حاضر مراحل تحقیق و توسعه را می گذرانند.

یعنی فکر می کنی روزی به نقطه ای برسیم که سؤالاتی همچون «اوه، چراغ خطر موتور ماشینم روشن شده، به نظرت باید به تعمیرگاه ببرمش؟» یا «گوگل، این شغل به من پیشنهاد شده، قبولش کنم؟» را از دستیار صوتی پرسیده و پاسخ مناسبی دریافت نماییم؟

به نظرم همین طور است. این سؤالات از نوع تصمیم گیری هستند، مثل زمانی که طرح های مختلف بیمه سلامتی را پیش روی خود دارید و نمی دانید کدامشان را انتخاب نمایید.

در آینده می توانید قبل از خواب، از الکسا بخواهید: «الکسا، به این طرح های بیمه سلامت نگاهی بینداز، تمام خودروهایی که می توانم بخرم را فهرست بندی کن، و به دنبال مدرسه ای مناسب برای فرزندانم بگرد.» نهایتاً صبح نتیجه تمام درخواست های خود را از او دریافت خواهید کرد.

تمامی اطلاعات مورد نیاز برای اتخاذ تصمیمات فوق در حال حاضر روی فضای اینترنت وجود دارد. مثلاً ویژگی های مختلف مدارس و رتبه بندی آنها بر اساس نظر مردم. همچنین وبلاگ هایی در مورد مدارس و گزینه های موجود در آنها فعال هستند.

بنابراین سیستم هوش مصنوعی می تواند همه ویژگی های این مدارس را گردآوری کرده، فواصل را سنجیده، و نظرات مردم را بررسی نماید. نهایتاً با تعیین اولویت گزینه ها از سوی شما، سیستم AI قادر است همه اطلاعات را در قالبی مناسب جای دهد.

این سیستم ها می توانند ویژگی ها را بررسی کرده، از تجربیات گذشته درس بگیرند، تمامی اطلاعات را پردازش نمایند، و سپس با هدایت شما از طریق سؤالاتی که می پرسید، نتیجه را به شکلی مناسب و قابل درک ارائه نمایند.

خوبی قضیه اینجاست که اگرچه همه این اطلاعات در دسترس انسان قرار دارند، اما آنقدر گسترده و پراکنده هستند که نمی توانیم آنها را به صورت آنی درک کنیم، بنابراین به توان پردازش بالای هوش مصنوعی متوسل می شویم.

در نهایت، می توانید از دستیارتان بخواهید استدلالشان را برای ارائه پیشنهادات ارائه کنند. مثلاً «چرا می گویی این خودرو با بخرم؟ اصلاً از برندش خوشم نمی آید.» به نظر من این گام بسیار حیاتی است، که سیستم های هوش مصنوعی بتوانند انسان را در تصمیم گیری حمایت کنند.

این سیستم ها علاوه بر تصمیمات شخصی، در چه شرایطی به کار می آیند؟

نمونه ای از این سیستم می تواند به بررسی مقالات علمی بپردازد. هر ساله تعداد بسیار زیادی پژوهش منتشر می شوند و اکنون در فضای آنلاین به آنها دسترسی داریم. هوش مصنوعی می تواند به محققین کمک کند تا تمامی اطلاعات را ارزیابی کرده و آنچه واقعاً نیاز دارند را بیابند.

اما در نهایت سیستم های AI به اطلاعات آنلاین وابسته هستند. بسیاری افراد در حوزه اطلاعات متنی، تصویری، فلوچارتها، جداول و غیره کار می کنند تا محتوای برخط را درک کرده و نیازهایشان را برآورده سازند.

به عنوان مثال حوزه ای از یادگیری ماشینی به «یادگیری فعال» اختصاص دارد، که در آن می بینیم برای برخی از فرایندها، تصاویر کافی در فضای اینترنت وجود ندارد و بنابراین باید این مجموعه را اضافه کنیم.

به عقیده من سیستم های هوش مصنوعی در آینده می توانند کمبودها را حس کنند، تمامی اطلاعات موجود را بررسی کرده و در صورت نیاز، داده های بیشتری را درخواست نمایند. مثلاً دستیار AI از محققین می پرسد: «اگر به من بگویید این سلول ها چگونه با این ماده شیمیایی برخورد می کنند، مدل بسیار بهتری برای نتیجه کار ارائه خواهم کرد.»

بخشی از این تصویری که ارائه کردید، مفهوم «همزیستی مستقل» را ارائه می دهد که در Cobot ها پیاده سازی کرده اید. این ربات ها در فضای پردیس CMU در حال تردد هستند و با استفاده از دوربین های تشخیص عمق، وا-فای و لیدار به گشت و گذار می پردازند، اما چون بازویی ندارند، در بسیاری از کارهای ساده به مشکل بر می خورند. با این حال، به نظر می رسد توانایی کمک خواستن در آنها بسیار خوب طراحی شده. درست است؟

بله، همین طور است. در واقع وقتی فهمیدیم این ربات های خودمختار دارای محدودیت هستند، به کشف جدیدی نائل آمدیم. آنها نمی توانند تمام درب ها را بگشایند، یا همه زبان ها را درک نمایند. شاید این توانایی ها به مرور زمان تقویت شوند، اما به عقیده من لزومی بر این کار نیست.

ما انسان ها نیز به محدودیت های مشابهی دچاریم، من با لهجه ای خاص صحبت می کنم، و نمی توانم در بازی اسکواش دوستم را شکست دهم. پس نیازی نیست که ربات ها برای همزیستی با انسان، بی نقص باشند.

در واقع اینکه سیستم هوش مصنوعی بتواند چیزهایی که نمی داند، کارهایی که نمی تواند، و آنچه درک نمی کند، را تشخیص داده و از انسان کمک بخواهد، گام بسیار بزرگی محسوب می شود. ربات های ما از انسان می خواهند دکمه آسانسور را برایشان فشار دهند، درب را باز کنند، یا چیزی را درون سبدشان بگذارند.

این وضعیت، همان چیزیست که آن را همزیستی مستقل می نامیم. ربات ها وقتی نتوانند کاری را انجام دهند یا چیزی را درک کنند، دائماً از انسان های اطرافشان کمک می گیرند. در این روش تفکر نوین، سیستم های AI برای انجام فعالیت ها به یاری ما نیاز دارند.

با گسترش مقیاس چنین سیستم هایی، روش انجام عملیات نیز به شیوه ای پیچیده بدل خواهد شد. سیستم ها به صورت وایرلس با یکدیگر ارتباط برقرار می کنند، از داده های فضای کلاود بهره می گیرند، و از راه دور بوسیله تیم های متخصص هدایت می شوند.

حال می توان سیستم های هوش مصنوعی را در نظر گرفت که با همه بخش های دیگر همزیستی دارند، یعنی با دیگر اطلاعات روی وب، دیگر سیستم های AI، انسان های اطراف، انسان های دوردست و غیره.

در واقع مشکل ما ساخت سامانه های AI مستقل و محدود نیست، ما می خواهیم سیستمی را بسازیم که بتواند تشخیص دهد چه چیزهایی را نمی داند، یا چه زمانی به اطلاعات بیشتری نیاز دارد، یا در چه صورت به نتیجه کارش اطمینان نداشته باشد.

در مجموع به عقیده من، لازم نیست سیستم هوش مصنوعی پاسخ تمامی مسائل را از قبل بداند، بلکه باید بتواند بر دیگر منابع اطرافش تکیه کرده و از آنها کمک بگیرد.

این سیستم همزیستی چگونه می تواند هوش مصنوعی کنونی را دستخوش تغییر سازد؟

به نظر من سیستم های AI در برخی مواقع به اطلاعاتی نیاز دارند که از سوی کاربر ارائه نشده. مثلاً دستیار هوشمند می تواند تشخیص دهد که اگر در مورد موضوعی خاص اطلاع داشته باشد، نتیجه و تصمیم بهتری را ارائه خواهد کرد.

زمانی به این مهم نائل می آییم که هوش مصنوعی به تنهایی بتواند کمبودها را تشخیص دهد. مثلاً بداند هتلی نزدیک تر به محل کنفرانس شما قرار دارد که به صورت آنلاین نمی توان در آن اتاق رزرو کرد. این توانایی در سیستم بسیار مهم خواهد بود.

در حال حاضر می توانید مقصد مورد نظرتان را در اوبر یا گوگل مپس یا ویز (Waze) وارد کرده و مسیر پیشنهادی را در پیش بگیرید. اما چه می شد اگر ویز بعد از شناسایی مقصد می توانست سؤالات زیر را از شما بپرسد: آیا عجله دارید؟ کوتاه ترین مسیر را انتخاب کنم؟ یا می خواهید راه طولانی تر را برویم تا مناظر زیبای اطراف را ببینید؟

اگر دستیار شما می دانست که به گل های ارکیده علاقه دارید، یا سبک هنری خاصی را می پسندید، اوضاع فرق می کرد. سیستم هوشمند با کمی انحراف از مسیر، شما را از جلوی موزه مورد علاقه تان می گذراند، اما در حال حاضر این امر ممکن نیست.

بسیاری از سیستم های AI کنونی در انجام فعالیت های خاصی تبحر دارند، مانند تشخیص اشیاء یا مسیریابی. چه چیزی مانع از آن می شود که به هوشمندی عمومی و کلی تری دست یابیم؟

هوش مصنوعی عمومی مبحث بسیار پیچیده ایست. تکنیک های کنونی از جمله یادگیری عمیق به هیچ وجه توانایی تولید هوش عمومی را ندارند. ما تحقیقات بسیاری را در این حوزه انجام می دهیم تا انتقال یادگیری را ممکن سازیم. چگونه می توان الگوریتمی ساخت که با انجام یک کار خاص، موضوع دیگری را نیز بیاموزد؟

باید اعتراف کنم که هنوز خیلی چیزها را در مورد هوش مصنوعی نمی دانیم. در واقع از نظر الگوریتم ها و فنون مورد استفاده، هنوز در ابتدای راه هستیم و هیچ راهی برای تعمیم دانش، توصیف و توضیح آنها در اختیار نداریم.

اگرچه سیستم های هوش مصنوعی تخصصی زیادی داریم، اما در مورد AI عمومی هنوز در ابتدای راه هستیم.

به نظر من در آینده شاید هوش مصنوعی عمومی از ترکیب سیستم های تخصصی حاصل شود، تا بتوان از الگوریتم های اختصاصی برای حل مسائل خاص در کنار یکدیگر استفاده کرد، وضعیتی که توسط «مینسکی» و همچنین «هرب سایمون» و «آلن نیوول» در اوایل تحقیقات AI پیش بینی شده است.

بنابراین اگرچه AI عمومی چالش های بسیاری را در بر دارد، اما به خاطر دسترسی به حجم عظیمی از داده، به حوزه ای جذاب و هیجان انگیز بدل شده. بخش بزرگی از جمعیت دنیا هر لحظه از دیوایس های دیجیتال استفاده کرده و داده تولید می کنند.

به همین صورت، استفاده از دستیارهای صوتی همچون الکسا، سیری، گوگل اسیستنت و غیره نیز به پیشرفت آنها کمک می کند، و به نظر می رسد اگرچه نمی دانیم واقعاً هوش مصنوعی عمومی چگونه تشکیل می شود، اما در مسیر درستی پیش می رویم.

آیا عدم قطعیت در این حوزه مایه نگرانی شما نمی شود؟ برخی افراد می گویند زمانی که هوش مصنوعی از انسان پیشی بگیرد، نوع بشر محکوم به فنا خواهد بود.

من کاملاً خوش بین هستم. به نظر من تحقیقاتی که روی سیستم های خودمختار و مستقل، از جمله ربات ها و خودروها انجام می دهیم، مسئولیت ما انسان ها را بیشتر می کنند. به عبارت دیگر، این وضعیت هیچ ارتباطی به تکنولوژی ندارد. فناوری رو به پیشرفت است.

نکته مهم اینجاست که ما انسان ها این فناوری را ابداع کرده ایم، بیگانه ها و موجودات فضایی نقشی در آن نداشته اند. بنابراین استفاده صحیح و هدایت درست نیز بر عهده خودمان خواهد بود.

من به این پیشرفت ها کاملاً ایمان دارم، و می دانم که دانشمندان با دقت کامل به بهره گیری و استفاده از این تکنولوژی ها خواهند پرداخت. خیلی به ربات ها توجه نکنید. آنها بالاخره پیشرفت خواهند کرد.

به نظر من باید توجه بیشتر را روی آموزش انسان ها قرار دهیم. آدم هایی که یکدیگر را می شناسند، برای یکدیگر اهمیت قائل هستند، و به پیشرفت جامعه می اندیشند. باید به زمین، طبیعت، و علوم مختلف بیندیشیم، به درمان سرطان، پایان دادن به فقر و بسیاری مشکلات دیگر.

در واقع آنقدر کار برای انجام دادن هست که هر انسانی می تواند با توسعه تکنولوژی، از آنها برای رفع مسائل و معضلات جوامع بشری استفاده نماید.

به بیان دیگر، نهایتاً جنبه انسانگرایانه و نوع دوستانه هوش مصنوعی و سیستم های AI دوباره انسان ها را کنار یکدیگر جمع خواهد کرد. به همین دلیل، من خوش بین هستم.

The post appeared first on .

همزیستی و هم افزایی؛ استاد دانشگاه کارنگی ملون از آینده هوش مصنوعی می گوید

واتساپ جی بی

فصل بازگشايی دانشگاه ها با كاروانرو [رپورتاژ آگهی]

فصل بازگشايی دانشگاه ها با كاروانرو [رپورتاژ آگهی]

با نزدیک شدن نیمه دوم سال و از راه رسیدن فصل پاییز، بسیاری از دانشجویان در حال برنامه ریزی برای برگشت به شهر محل دانشگاه خود هستند.

امسال گزینه های نحوه سفر دانشجویان هیجان انگیزتر است.

““، اولین سرویس ، در حال راه اندازی کمپین “” است.

این کمپین با استفاده از تکنولوژی به سهولت و دانشجویانی که می خواهند به دانشگاه خود بازگردند کمک می کند.

دانشجویانی که با شخصی خود به مقصد شهر محل دانشگاه شان رانندگی می کنند را به دانشجویان بدون معرفی می کند. بنابراین بجای سفر با یا ، دانشجویانی که ندارند می توانند با صاحب شوند.

داشتن همراه و مزایای زیادی دارد.

اول اینکه هزینه برای و کاهش می یابد.

علاوه بر آن به یک مفهوم بوده و دانشجویان قبل از آغاز ترم، فرصت آشنایی با را پیدا می کنند.

آخرین مزیت قابل توجه، است؛ که این امر در ادامه سفر تعداد زیادی از مردم به وسیله یک ماشین، اتفاق می‌افتد. همچنین با کم کردن تعداد به کم شدن حجم ترافیک جاده ای نیز کمک می کند.

سرویس به دانشجویان پیشنهاد می کند که برای بالا بردن شانس پیدا کردن همسفر خود، هرچه زودتر برنامه های سفرشان را در وبسایت وارد کنند. در سایت می توانید از نحوه کار این سرویس و امنیت آن اطلاعاتی کسب کرده و همچنین مطالبی را درباره مطالعه کنید. به عنوان مثال برای امنیت هرچه بیشتر، اطلاعات افراد مثل شماره تلفن و کارت شناسایی تایید می شوند، همچنین کاربران می توانند خودشان را به سایر کاربران معرفی کرده و نظراتشان را در مورد خود بنویسند. این کار باعث بالا رفتن سطح اطمینان هرچه بیشتر بین کاربران سرویس می شود.

برای هیجان انگیز کردن این کمپین، رقابتی برای کاربران، چه به عنوان راننده و چه به عنوان مسافر طراحی شده است که برنده این رقابت صاحب یک خواهد شد. تنها کاری که برای برنده شدن این جایزه باید انجام دهید این است که تجربه سفرتان را در اینستاگرام شخصی خود همراه با هشتک به اشتراک بگذارید.

مدل کسب و کار سرویس کاروانرو از روی مدل های بین المللی “” الگو برداری شده است. مفهوم “ در بسیاری از کشورهای دنیا و در بازارهای پیشرفته و نوظهور پرطرفدار است. برای هر دو طرف یعنی راننده و مسافر و از مزایای این مفهوم جدید است. این سرویس از تفکر”” الهام گرفته شده که تعدادی از افراد قابل اطمینان بخشی از منابعی که به آن نیازی ندارند را با یکدیگر به می گذارند، مثل صندلی های خالی ماشین.

در سطح جهان های مشهوری مشغول به فعالیت هستند که سرویس های آنها بر اساس مفهوم”” است. یکی از برندهای مشهور و شناخته شده در این زمینه Airbnb” نام دارد. Airbnb سرویسی است که در آن صاحبان خانه می توانند اتاق خالی خانه خود را اجاره دهند.

این سرویس بسیار پر طرفدار بوده و خیلی سریع درحال گسترش در بسیاری از کشورها است. این سرویس دارای ویژگی های متعدد امنیتی برای بالا بردن سطح اعتماد بین کاربران، قبل از اجاره اتاق شان است. کاروانرو نیز همانند سرویس Airbnb امکانات امنیتی برای بالا بردن سطح اعتماد بین کاربران ارائه می دهد. که این امکان قبل از تصمیم گیری برای و یا شدن با راننده قابل دسترسی است. هنگام استفاده از سرویس این امکان برای تمام سرنشینان وجود دارد که پیش از سوار شدن ماشین با یکدیگر آشنا شوند.

The post appeared first on .

فصل بازگشايی دانشگاه ها با كاروانرو [رپورتاژ آگهی]

با نزدیک شدن نیمه دوم سال و از راه رسیدن فصل پاییز، بسیاری از دانشجویان در حال برنامه ریزی برای برگشت به شهر محل دانشگاه خود هستند.

امسال گزینه های نحوه سفر دانشجویان هیجان انگیزتر است.

““، اولین سرویس ، در حال راه اندازی کمپین “” است.

این کمپین با استفاده از تکنولوژی به سهولت و دانشجویانی که می خواهند به دانشگاه خود بازگردند کمک می کند.

دانشجویانی که با شخصی خود به مقصد شهر محل دانشگاه شان رانندگی می کنند را به دانشجویان بدون معرفی می کند. بنابراین بجای سفر با یا ، دانشجویانی که ندارند می توانند با صاحب شوند.

داشتن همراه و مزایای زیادی دارد.

اول اینکه هزینه برای و کاهش می یابد.

علاوه بر آن به یک مفهوم بوده و دانشجویان قبل از آغاز ترم، فرصت آشنایی با را پیدا می کنند.

آخرین مزیت قابل توجه، است؛ که این امر در ادامه سفر تعداد زیادی از مردم به وسیله یک ماشین، اتفاق می‌افتد. همچنین با کم کردن تعداد به کم شدن حجم ترافیک جاده ای نیز کمک می کند.

سرویس به دانشجویان پیشنهاد می کند که برای بالا بردن شانس پیدا کردن همسفر خود، هرچه زودتر برنامه های سفرشان را در وبسایت وارد کنند. در سایت می توانید از نحوه کار این سرویس و امنیت آن اطلاعاتی کسب کرده و همچنین مطالبی را درباره مطالعه کنید. به عنوان مثال برای امنیت هرچه بیشتر، اطلاعات افراد مثل شماره تلفن و کارت شناسایی تایید می شوند، همچنین کاربران می توانند خودشان را به سایر کاربران معرفی کرده و نظراتشان را در مورد خود بنویسند. این کار باعث بالا رفتن سطح اطمینان هرچه بیشتر بین کاربران سرویس می شود.

برای هیجان انگیز کردن این کمپین، رقابتی برای کاربران، چه به عنوان راننده و چه به عنوان مسافر طراحی شده است که برنده این رقابت صاحب یک خواهد شد. تنها کاری که برای برنده شدن این جایزه باید انجام دهید این است که تجربه سفرتان را در اینستاگرام شخصی خود همراه با هشتک به اشتراک بگذارید.

مدل کسب و کار سرویس کاروانرو از روی مدل های بین المللی “” الگو برداری شده است. مفهوم “ در بسیاری از کشورهای دنیا و در بازارهای پیشرفته و نوظهور پرطرفدار است. برای هر دو طرف یعنی راننده و مسافر و از مزایای این مفهوم جدید است. این سرویس از تفکر”” الهام گرفته شده که تعدادی از افراد قابل اطمینان بخشی از منابعی که به آن نیازی ندارند را با یکدیگر به می گذارند، مثل صندلی های خالی ماشین.

در سطح جهان های مشهوری مشغول به فعالیت هستند که سرویس های آنها بر اساس مفهوم”” است. یکی از برندهای مشهور و شناخته شده در این زمینه Airbnb” نام دارد. Airbnb سرویسی است که در آن صاحبان خانه می توانند اتاق خالی خانه خود را اجاره دهند.

این سرویس بسیار پر طرفدار بوده و خیلی سریع درحال گسترش در بسیاری از کشورها است. این سرویس دارای ویژگی های متعدد امنیتی برای بالا بردن سطح اعتماد بین کاربران، قبل از اجاره اتاق شان است. کاروانرو نیز همانند سرویس Airbnb امکانات امنیتی برای بالا بردن سطح اعتماد بین کاربران ارائه می دهد. که این امکان قبل از تصمیم گیری برای و یا شدن با راننده قابل دسترسی است. هنگام استفاده از سرویس این امکان برای تمام سرنشینان وجود دارد که پیش از سوار شدن ماشین با یکدیگر آشنا شوند.

The post appeared first on .

فصل بازگشايی دانشگاه ها با كاروانرو [رپورتاژ آگهی]

آلفابت پهپادهای تحویل کالا را در دانشگاه تکنولوژی ویرجینیا می آزماید

آلفابت پهپادهای تحویل کالا را در دانشگاه تکنولوژی ویرجینیا می آزماید

مدت هاست که ایده پهپادهای تحویل دهنده کالا مطرح شده و آمازون نمونه هایی آزمایشی از آن را آزموده، اما هنوز به دلیل مشکلات قانونی و فنی مختلف، استفاده زیادی از آنها نمی شود. با این حال، پیشرفت های شگرفی در حوزه وسایل نقلیه پرنده بدون سرنشین شکل گرفته است.

در همین راستا، به تازگی بازوی تحقیقاتی آلفابت با نام X می خواهد آخرین نسل از پهپادهایش را در دانشگاه فناوری ویرجینیا به منظور تحویل بسته های غذای آماده به دانشجویان و کارمندان بیازماید.

این پهپادها بسته های غذا را از مرکز تهیه غذای Chipotle Mexican Grill دریافت کرده و سپس مسیری مشخص به فاصله کم را می پیمایند، تا این بسته را به مقامات مربوطه تحویل دهند. پس از این امر، بسته ها بین دانشجویان و کارکنان توزیع خواهد شد.

این آزمایش به مدت چند روز و تحت نظارت اداره هوانوردی فدرال (FAA) صورت می گیرد. هدف از این برنامه، علاوه بر ارزیابی عملکرد پهپادها در تحویل غذا به ویژه در ساعات شلوغی، بازخورد انسان ها نسبت به مشاهده مکرر این وسایل نقلیه هوایی بدون سرنشین است.

«آسترو تلر» مدیر پروژه X می گوید: «آیا دانشجویان از دیدن این پهپادها خوشحال می شوند، یا حضور آنها مزاحم فعالیت هایشان خواهد شد؟ ما قصد داریم احساس مردم نسبت به دریافت بسته ها از طریق پیک های هوایی را ارزیابی کنیم.»

گفتنی است X پیش تر نیز چنین برنامه ای را اجرا کرده است. آنها در سال 2014 از این وسایل برای تحویل خوراکی، رادیو و بسته های شکلات به کشاورزان استرالیایی استفاده کرده بودند. نتایج به دست آمده از تحقیق پیشین برای بهبود برنامه کنونی و طراحی پهپادهای جدید به کار گرفته شده است.

The post appeared first on .

آلفابت پهپادهای تحویل کالا را در دانشگاه تکنولوژی ویرجینیا می آزماید

مدت هاست که ایده پهپادهای تحویل دهنده کالا مطرح شده و آمازون نمونه هایی آزمایشی از آن را آزموده، اما هنوز به دلیل مشکلات قانونی و فنی مختلف، استفاده زیادی از آنها نمی شود. با این حال، پیشرفت های شگرفی در حوزه وسایل نقلیه پرنده بدون سرنشین شکل گرفته است.

در همین راستا، به تازگی بازوی تحقیقاتی آلفابت با نام X می خواهد آخرین نسل از پهپادهایش را در دانشگاه فناوری ویرجینیا به منظور تحویل بسته های غذای آماده به دانشجویان و کارمندان بیازماید.

این پهپادها بسته های غذا را از مرکز تهیه غذای Chipotle Mexican Grill دریافت کرده و سپس مسیری مشخص به فاصله کم را می پیمایند، تا این بسته را به مقامات مربوطه تحویل دهند. پس از این امر، بسته ها بین دانشجویان و کارکنان توزیع خواهد شد.

این آزمایش به مدت چند روز و تحت نظارت اداره هوانوردی فدرال (FAA) صورت می گیرد. هدف از این برنامه، علاوه بر ارزیابی عملکرد پهپادها در تحویل غذا به ویژه در ساعات شلوغی، بازخورد انسان ها نسبت به مشاهده مکرر این وسایل نقلیه هوایی بدون سرنشین است.

«آسترو تلر» مدیر پروژه X می گوید: «آیا دانشجویان از دیدن این پهپادها خوشحال می شوند، یا حضور آنها مزاحم فعالیت هایشان خواهد شد؟ ما قصد داریم احساس مردم نسبت به دریافت بسته ها از طریق پیک های هوایی را ارزیابی کنیم.»

گفتنی است X پیش تر نیز چنین برنامه ای را اجرا کرده است. آنها در سال 2014 از این وسایل برای تحویل خوراکی، رادیو و بسته های شکلات به کشاورزان استرالیایی استفاده کرده بودند. نتایج به دست آمده از تحقیق پیشین برای بهبود برنامه کنونی و طراحی پهپادهای جدید به کار گرفته شده است.

The post appeared first on .

آلفابت پهپادهای تحویل کالا را در دانشگاه تکنولوژی ویرجینیا می آزماید