هوش مصنوعی یا ai یکی از پرطرفدارترین موضوعات در علم و فناوری است که در سال های اخیر به شدت در حال توسعه و پیشرفت بوده است و به کامپیوترها و سیستم های کامپیوتری که قادر به تقلید هوشمندی انسان هستند، اشاره دارد. این تکنولوژی برای این خلق شده تا ماشین ها را قادر به یادگیری، تصمیم گیری، تفکر و حتی تفسیر و فهم زبان انسانی کند.
یکی از بزرگترین نتایجی که با پیشرفت ai به دست آمده است، ایجاد روبات ها و سیستم هایی است که قادر به انجام کارهایی هستند که قبلاً تنها توسط انسان انجام می شد. این روبات ها و سیستم ها می توانند در بسیاری از حوزه ها به کمک انسان ها بیایند، به شکلی که تمامی زمینه هایی که نیاز به فعالیت هوشمندانه دارند، می توانند توسط آنها پوشش داده شود.
با پیشرفت artificial intelligence، تکنولوژی های جدیدی مانند خودروهای بدون سرنشین، کارخانه های هوشمند، سیستم های تشخیص چهره و تشخیص گفتار، و بسیاری دیگر به وجود آمده است که به شکل چشمگیری به زندگی ما تأثیر می گذارد. امیدواریم که در آینده، با استفاده از آن، بتوانیم به حل مشکلات پیچیده و جدیدتری در جوامعمان بپردازیم.
در این مطلب از ایران فاندر، ما به بررسی جامع تری از هوش مصنوعی، تاریخچه، انواع و کاربردهای آن خواهیم پرداخت. به علاوه، ما تحولات و پیشرفت های اخیر در حوزه هوش مصنوعی را نیز بررسی کرده و سعی خواهیم کرد تا به شکل جامعی، به بیان نحوه عملکرد هوش مصنوعی و چگونگی کارکرد آن بپردازیم. در انتها هم به بررسی چالش هایی که هوش مصنوعی با آن روبرو بوده و راهکارهایی که برای آن ارائه شده است، خواهیم پرداخت.
منظور از هوش مصنوعی چیست؟ معنی و مفهوم هوش مصنوعی چیست؟ اینها سوالاتی هستند که این روزها به وفور می شنویم. هوش مصنوعی (به انگلیسی: Artificial Intelligence) به مجموعهای از تکنیکها، الگوریتمها، و مدلهای ریاضی گفته میشود که با استفاده از دادههای جمعآوری شده، کامپیوترها را قادر به یادگیری و تصمیمگیری در مورد مسائل پیچیده میکند.
در واقع، ai این امکان را به ما میدهد تا به سیستمهای کامپیوتری یاد دهیم که چگونه از دادهها استفاده کرده و چگونه با این دادهها کار کنند تا به نتیجهگیریهایی برای حل مسائل مختلف برسند. هوش مصنوعی در حوزههای مختلفی از جمله تصویربرداری، پردازش زبان طبیعی، یادگیری ماشین و مسائل پیشبینی استفاده میشود.
پس در تعریف هوش مصنوعی باید بگوییم که ai شبیه سازی فرآیندهای هوش انسانی توسط ماشین ها به ویژه سیستم های کامپیوتری است. کاربردهای خاص artificial intelligence شامل سیستم های خبره، پردازش زبان طبیعی، تشخیص گفتار و بینایی ماشین است.
هوش مصنوعی چگونه کار می کند؟
از آنجایی که هیاهو در مورد ai سرعت گرفته است، فروشندگان در تلاش برای تبلیغ نحوه استفاده محصولات و خدمات خود از آن هستند. اغلب، آنچه آنها به عنوان AI یاد می کنند، به سادگی جزئی از فناوری است، مانند یادگیری ماشین.
artificial intelligence به پایه ای از سخت افزار و نرم افزار تخصصی برای نوشتن و آموزش الگوریتم های یادگیری ماشین نیاز دارد. هیچ زبان برنامه نویسی به تنهایی مترادف با هوش مصنوعی نیست، اما پایتون، R، جاوا، C++ و جولیا دارای ویژگی های محبوب توسعه دهندگان هوش مصنوعی هستند.
به طور کلی، سیستمهای ai با دریافت مقادیر زیادی از دادههای آموزشی برچسبگذاری شده، تجزیه و تحلیل دادهها برای همبستگیها و الگوها و استفاده از این الگوها برای پیشبینی وضعیتهای آینده کار میکنند. به این ترتیب، یک ربات چت که با نمونه هایی از متن تغذیه می شود، می تواند یاد بگیرد که تبادلات واقعی با افراد ایجاد کند، یا یک ابزار تشخیص تصویر می تواند با مرور میلیون ها مثال، شناسایی و توصیف اشیاء در تصاویر را بیاموزد. تکنیکهای جدید artificial intelligence که به سرعت در حال بهبود هستند میتوانند متن، تصاویر، موسیقی و سایر رسانههای واقعی را خلق کنند.
ai بر اساس الگوریتمهای ریاضی و مدلهای یادگیری ماشین که با استفاده از دادههای جمعآوری شده، آموزش داده شدهاند، کار میکند. در واقع، در یک سیستم هوش مصنوعی، دادهها ابتدا جمعآوری شده و سپس با استفاده از الگوریتمهای خاص، این دادهها پردازش میشوند. این پردازش شامل تحلیل دادهها، شناسایی الگوها، پیشبینیها و یافتن روابط میان دادهها است. سپس با استفاده از این پردازشها، سیستم هوش مصنوعی به سرعت توانایی یادگیری و پیشبینی بیشتری کسب میکند. در واقع، هوش مصنوعی با استفاده از دادهها و پردازشهای ریاضی، قادر است به صورت خودکار و بدون نیاز به دخالت انسان، برای حل مسائل پیچیده استفاده شود.
برنامه نویسی هوش مصنوعی بر مهارت های شناختی تمرکز دارد که شامل موارد زیر است:
یادگیری (Learning) این جنبه از برنامه نویسی ai بر به دست آوردن داده ها و ایجاد قوانینی برای چگونگی تبدیل آن به اطلاعات عملی متمرکز است. قوانین، که الگوریتم نامیده می شوند، دستورالعمل های گام به گام را برای دستگاه های محاسباتی برای نحوه تکمیل یک کار خاص ارائه می دهند.
استدلال (Reasoning) این جنبه از برنامه نویسی هوش مصنوعی بر انتخاب الگوریتم مناسب برای رسیدن به یک نتیجه دلخواه متمرکز است.
خود اصلاحی (Self-correction) این جنبه از برنامه نویسی ai برای تنظیم مداوم الگوریتم ها و اطمینان از ارائه دقیق ترین نتایج ممکن طراحی شده است.
خلاقیت (Creativity) این جنبه از هوش مصنوعی از شبکه های عصبی، سیستم های مبتنی بر قوانین، روش های آماری و سایر تکنیک ها برای تولید تصاویر، متن، موسیقی و ایده های جدید استفاده می کند.
تاریخچه تکامل هوش مصنوعی
مفهوم اشیای بی جان دارای هوش از زمان های قدیم وجود داشته است. در طول قرنها، متفکرانی از ارسطو تا رامون لول، الهیدان اسپانیایی قرن سیزدهم تا رنه دکارت و توماس بیز، از ابزارها و منطق زمان خود برای توصیف فرآیندهای فکری انسان به عنوان نمادها استفاده کردند و اساس مفاهیم هوش مصنوعی مانند بازنمایی دانش عمومی را پایه ریزی کردند.
در پایان قرن نوزدهم و نیمه اول قرن بیستم، محققان بسیاری به دنبال ساخت ماشین هایی بودند که بتوانند به صورت خودکار کارهایی را انجام دهند که قبلاً به دست انسانها بوده است. با این حال، پیشرفت تکنولوژی در این زمینه به دلیل محدودیت های سخت افزاری و نرم افزاری در آن زمان، کاملاً محدود بود.
دهه ۱۹۵۰
هوش مصنوعی یا AI، مفهومی است که از دهه ۱۹۵۰ میلادی و با رشد رایانهها و پیشرفت تکنولوژیهای مرتبط با آن شکل گرفته است. دهه ۱۹۵۰ با ظهور رایانه های مدرن، دانشمندان می توانند ایده های خود را در مورد هوش ماشینی آزمایش کنند. یک روش برای تعیین اینکه آیا کامپیوتر دارای هوش است یا خیر توسط ریاضیدان بریتانیایی و رمز شکن جنگ جهانی دوم، آلن تورینگ ابداع شد. آزمون تورینگ بر توانایی رایانه در فریب دادن بازجویان به این باور بود که پاسخهای آن به سؤالات آنها توسط یک انسان ساخته شده است.
سال ۱۹۵۶
جان مک کارتی و میتشل شاپیرو به همراه دیگر محققان، کنفرانسی با عنوان “کنفرانس تابستانی AI” در دانشگاه دارتموث برگزار کردند. این کنفرانس نخستین گام رسمی در ایجاد حوزه تحقیقاتی ai بود. در این کنفرانس که توسط آژانس پروژه های تحقیقاتی پیشرفته دفاعی (دارپا) حمایت می شود، ۱۰ تن از افراد برجسته در این زمینه از جمله پیشگامان هوش مصنوعی، ماروین مینسکی، الیور سلفریج و جان مک کارتی که ابداع واژه هوش مصنوعی هستند، شرکت کردند. همچنین آلن نیول، دانشمند کامپیوتر، و هربرت آ. سیمون، اقتصاددان، دانشمند علوم سیاسی و روانشناس شناختی در این مراسم حضور داشتند. این دو، نظریه پرداز منطق پیشگامانه خود را ارائه کردند، یک برنامه کامپیوتری که قادر به اثبات برخی قضایای ریاضی است و به عنوان اولین برنامه AI از آن یاد می شود.
دهه ۱۹۶۰ و ۱۹۷۰
تحقیقات بر روی ai در اوج بود و ایدههای جدیدی مانند درختهای تصمیم، شبکههای عصبی و تحلیل پردازش تصویر رو به رشد بودند. اما این دوران همراه با محدودیتهایی بود که باعث کاهش علاقه و تمرکز بر روی تحقیقات هوش مصنوعی شد. تا دهه ۱۹۸۰ با بهبود تکنولوژیهای پردازش و ذخیرهسازی داده، تحقیقات هوش مصنوعی دوباره شروع شد و در دهه ۱۹۹۰، با ورود اینترنت و تجارت الکترونیک، رشد چشمگیری داشت. افزایش قدرت محاسباتی و انفجار داده ها، جرقه یک رنسانس AI را در اواخر دهه ۱۹۹۰ ایجاد کرد که زمینه را برای پیشرفت های چشمگیر در artificial intelligence که امروز می بینیم فراهم کرد. ترکیبی از داده های بزرگ و افزایش قدرت محاسباتی باعث پیشرفت در NLP، بینایی کامپیوتر، روباتیک، یادگیری ماشین و یادگیری عمیق شد. در سال ۱۹۹۷، با سرعت گرفتن پیشرفت در هوش مصنوعی، Deep Blue از IBM، گری کاسپاروف، استاد بزرگ شطرنج روسی را شکست داد و اولین برنامه کامپیوتری بود که یک قهرمان شطرنج جهان را شکست داد.
دهه ۲۰۰۰
پیشرفتهای بیشتر در یادگیری ماشینی، یادگیری عمیق، NLP، تشخیص گفتار و بینایی کامپیوتری باعث ایجاد محصولات و خدماتی شد که شیوه زندگی امروز ما را شکل داده است. اینها شامل راه اندازی موتور جستجوی گوگل در سال ۲۰۰۰ و راه اندازی موتور توصیه آمازون در سال ۲۰۰۱ است. نتفلیکس سیستم توصیه خود را برای فیلم ها، فیس بوک سیستم تشخیص چهره و مایکروسافت سیستم تشخیص گفتار خود را برای رونویسی گفتار به متن راه اندازی کرد. آیبیام واتسون را راهاندازی کرد و گوگل ابتکار خودران خود، Waymo را آغاز کرد.
دهه بین ۲۰۱۰ و ۲۰۲۰
شاهد یک جریان ثابت از پیشرفت های هوش مصنوعی بود از جمله راه اندازی سیری اپل و دستیارهای صوتی الکسای آمازون، خودروهای خودران؛ توسعه اولین شبکه متخاصم مولد؛ راه اندازی TensorFlow، چارچوب یادگیری عمیق منبع باز گوگل. تاسیس آزمایشگاه تحقیقاتی OpenAI، توسعه دهندگان مدل زبان GPT-3 و تولید کننده تصویر Dall-E، شکست قهرمان جهان Go Lee Sedol توسط AlphaGo از Google DeepMind. و پیاده سازی سیستم های مبتنی بر AI که سرطان ها را با درجه بالایی از دقت تشخیص می دهد.
دهه ۲۰۲۰
دهه کنونی شاهد ظهور ai مولد بود، نوعی فناوری artificial intelligence که می تواند محتوای جدیدی تولید کند. هوش مصنوعی مولد با یک درخواست شروع می شود که می تواند به شکل متن، تصویر، ویدیو، طرح، نت های موسیقی یا هر ورودی باشد که سیستم AI بتواند پردازش کند. سپس الگوریتمهای مختلف هوش مصنوعی در پاسخ به درخواست، محتوای جدید را برمیگردانند. محتوا میتواند شامل مقالهها، راهحلهایی برای مشکلات یا… باشد که از تصاویر یا صدای یک شخص ایجاد شده است. تواناییهای مدلهای زبانی مانند ChatGPT-3، Google’s Bard و Megatron-Turing NLG مایکروسافت جهان را شگفتزده کرده است، اما این فناوری هنوز در مراحل اولیه است.
چرا هوش مصنوعی مهم است؟
هوش مصنوعی به دلیل پتانسیل بالایی که برای تحول و بهبود جوامع بشری دارد، بسیار مهم است و به طور موثر در تجارت برای خودکار کردن وظایف انجام شده توسط انسان، از جمله خدمات مشتری، تولید سرنخ، تشخیص تقلب و کنترل کیفیت استفاده شده است. این تکنولوژی در حال تغییر و بهبود جوامع، صنایع و کسب و کارهای مختلف است.
در تعدادی از زمینه ها، ai می تواند وظایف را بسیار بهتر از انسان ها انجام دهد. به ویژه هنگامی که صحبت از وظایف تکراری و جزئیات محور می شود، مانند تجزیه و تحلیل تعداد زیادی از اسناد قانونی برای اطمینان از پر شدن صحیح فیلدهای مربوطه.
در زمینه بهبود خدمات بهداشتی، AI میتواند بهبود در تشخیص و درمان بیماریها، پیشگیری از آنها و همچنین کاهش هزینههای سلامتی را به همراه داشته باشد.
در زمینه محیط زیست و پایداری، ai میتواند برای بهینه سازی استفاده از منابع طبیعی، کاهش آلودگی هوا، بهبود برنامههای پایداری و غیره به کار گرفته شود.
در زمینه صنعت و تولید، ai میتواند برای بهبود فرآیندهای تولید، کاهش هزینهها، بهینه سازی عملکرد ماشینآلات و غیره استفاده شود.
ai همچنین در زمینه امنیت و حفاظت، بهبود خدمات بانکی و مالی، تحلیل دادههای اجتماعی و سیاسی و بسیاری از زمینههای دیگر نیز کاربرد دارد. ابزارهای هوش مصنوعی اغلب کارها را به سرعت و با خطاهای نسبتا کمی تکمیل می کنند.
هوش مصنوعی به دلیل مجموعه دادههای عظیمی که میتواند پردازش کند، میتواند به شرکتها بینشهایی درباره عملیاتهایشان بدهد که ممکن است از آنها اطلاعی نداشته باشند. ابزارهای مولد هوش مصنوعی که به سرعت در حال گسترش است در هر حوزه ای از آموزش و بازاریابی گرفته تا طراحی محصول مهم خواهد بود. با توجه به اینکه ai در حال حاضر در بسیاری از صنایع استفاده میشود و پتانسیل بسیاری برای بهبود و بهینه سازی وجود دارد، به طور کلی میتوان گفت که در آینده هم بسیاری از جوامع و صنایع بشری از آن بهره خواهند برد.
تفاوت بین هوش مصنوعی، یادگیری ماشین و یادگیری عمیق
هوش مصنوعی (AI)، یادگیری ماشینی (machine learning) و یادگیری عمیق (deep learning) هر سه مفاهیم مرتبط و اصطلاحات رایج در فناوری اطلاعات سازمانی هستند و گاهی اوقات به جای یکدیگر استفاده می شوند، به خصوص توسط شرکت ها در مواد بازاریابی خود، اما تفاوتهایی دارند.
اصطلاح هوش مصنوعی که در دهه ۱۹۵۰ ابداع شد، به شبیه سازی هوش انسانی توسط ماشین ها اشاره دارد. یعنی مجموعهای از الگوریتمها، فنون و تکنیکهایی که به سیستمها اجازه میدهد تا به صورت خودکار و بدون نیاز به دخالت انسان، از دادههایی که در اختیار دارند، نتیجه گیری کنند و تصمیماتی بگیرند.
یادگیری ماشینی یک روش ai است که به کامپیوترها اجازه میدهد تا از دادهها یاد بگیرند و بتوانند الگوها و روابط مختلفی را در دادهها شناسایی کنند. بدین ترتیب، یادگیری ماشین به سیستمها امکان میدهد تا با تجربه و تلاش مستمر، به صورت خودکار بهبود یابند. یادگیری ماشینی برنامههای نرمافزاری را قادر میسازد تا در پیشبینی نتایج بدون برنامهریزی صریح، دقیقتر شوند. الگوریتم های یادگیری ماشین از داده های تاریخی به عنوان ورودی برای پیش بینی مقادیر خروجی جدید استفاده می کنند. این رویکرد با افزایش مجموعه داده های بزرگ برای آموزش بسیار مؤثرتر شد.
یادگیری عمیق نیز نوعی یادگیری ماشینی است که به شبکههای عصبی عمیق و بزرگ متصل است. این شبکههای عصبی متشکل از چندین لایه با تعداد زیادی نورون هستند که برای یادگیری الگوهای پیچیده و تشخیص اشیاء مورد استفاده قرار میگیرند. یادگیری عمیق، زیر مجموعه ای از یادگیری ماشینی، بر اساس درک ما از ساختار مغز است. استفاده یادگیری عمیق از ساختار شبکههای عصبی مصنوعی، زیربنای پیشرفتهای اخیر در AI، از جمله اتومبیلهای خودران و ChatGPT است.
مزایا و معایب هوش مصنوعی چیست؟
شبکههای عصبی مصنوعی و فناوریهای AI یادگیری عمیق به سرعت در حال تکامل هستند، در درجه اول به این دلیل که ai میتواند حجم زیادی از دادهها را بسیار سریعتر پردازش کند و پیشبینیها را دقیقتر از آنچه که انسان ممکن است انجام دهد.
در حالی که حجم عظیم داده های ایجاد شده به صورت روزانه یک محقق انسانی را دفن می کند، برنامه های کاربردی هوش مصنوعی با استفاده از یادگیری ماشینی می توانند این داده ها را گرفته و به سرعت آن ها را به اطلاعات قابل اجرا تبدیل کنند. در زمان نگارش این مقاله، یکی از معایب اصلی ai این است که پردازش مقادیر زیادی از داده های مورد نیاز برنامه نویسی هوش مصنوعی گران است. از آنجایی که تکنیکهای AI در محصولات و خدمات بیشتری گنجانده میشوند، سازمانها نیز باید با پتانسیل artificial intelligence برای ایجاد سیستمهای مغرضانه و تبعیضآمیز، هماهنگ باشند.
مزایا
در مشاغل مرتبط با جزئیات خوب است. ai ثابت کرده است که در تشخیص برخی سرطان ها از جمله سرطان سینه و ملانوما به خوبی یا بهتر از پزشکان عمل می کند.
کاهش زمان برای کارهای سنگین داده. هوش مصنوعی به طور گسترده در صنایع سنگین داده، از جمله بانکداری و اوراق بهادار، داروسازی و بیمه استفاده می شود تا زمان تجزیه و تحلیل مجموعه های کلان داده را کاهش دهد. به عنوان مثال، خدمات مالی به طور معمول از ai برای پردازش درخواست های وام و کشف تقلب استفاده می کنند.
باعث صرفه جویی در نیروی کار و افزایش بهره وری می شود. یک مثال در اینجا استفاده از اتوماسیون انبار است که در طول همه گیری کرونا رشد کرد و انتظار می رود با ادغام هوش مصنوعی و یادگیری ماشین افزایش یابد.
نتایج ثابتی را ارائه می دهد. بهترین ابزارهای ترجمه AI سطوح بالایی از سازگاری را ارائه میکنند و حتی به کسبوکارهای کوچک نیز توانایی دسترسی به مشتریان را به زبان مادری خود ارائه میدهند.
ai میتواند محتوا، پیامها، تبلیغات، توصیهها و وبسایتها را برای مشتریان فردی شخصیسازی کند و رضایت مشتری را از طریق شخصی سازی بهبود بخشد.
برنامه های AI نیازی به خوابیدن یا استراحت ندارند و خدمات ۲۴/۷ ارائه می دهند. از این رو می توان گفت که عوامل مجازی مبتنی بر هوش مصنوعی همیشه در دسترس هستند.
هوش مصنوعی با استفاده از الگوریتمها و قوانین دقیق، قابلیت پردازش سریع دادههای بزرگ را دارد. بنابراین، از دقت بالایی برخوردار است که به انسانها دستنیافتنی نیست.
معایب
گران
نیاز به تخصص فنی عمیق
تعداد محدود افراد آشنا و واجد شرایط برای ساخت ابزارهای هوش مصنوعی
انعکاس سوگیری های داده های آموزشی
تهدید امنیتی و حریم شخصی افراد به خصوص در زمینه اطلاعات حساس.
عدم توانایی تعمیم از یک کار به کار دیگر.
حذف مشاغل انسانی و افزایش نرخ بیکاری
هوش مصنوعی ضعیف در مقایسه با هوش مصنوعی قوی
در زمینه AI، دو دستهی مهم الگوی AI قابل توجه هستند: هوش مصنوعی قوی (Strong AI) و هوش مصنوعی ضعیف (Weak AI) که به طور گسترده به عنوان هوش مصنوعی عمومی و هوش مصنوعی تخصصی شناخته میشوند.
هوش مصنوعی ضعیف چیست؟ هوش مصنوعی ضعیف که به عنوان هوش مصنوعی محدود (narrow AI) نیز شناخته می شود، به صورت تخصصی طراحی شده است و تنها برای یک وظیفه خاص مانند تشخیص چهره، ترجمه زبانی، بازیابی اطلاعات، و غیره طراحی و آموزش داده شده است. برای نمونه، یک سیستم پردازش زبان طبیعی میتواند به صورت دقیق و درست، ترجمه کند، اما نمیتواند ایدههای خلاقانه پیشنهاد دهد ربات های صنعتی و دستیاران شخصی مجازی مانند Apple’s Siri از هوش مصنوعی ضعیف استفاده می کنند.
هوش مصنوعی قوی چیست؟ هوش مصنوعی قوی، همچنین به عنوان هوش مصنوعی عمومی (AGI) شناخته می شود، برنامه ریزی را توصیف می کند که می تواند توانایی های شناختی مغز انسان را تکرار کند و میتواند با هرگونه فعالیت شناختی، انسانی برخورد کند. به عبارت دیگر، هدف هوش مصنوعی قوی ایجاد یک مغز مصنوعی برابر با مغز انسان است.
۴ نوع هوش مصنوعی کدامند؟
هوش مصنوعی را می توان به چهار نوع طبقه بندی کرد، که از سیستم های هوشمند که امروزه به طور گسترده استفاده می شود شروع می شود و تا سیستم های حساس پیشرفت می کند.
نوع ۱: ماشینهای واکنشی (Reactive machines)
این سیستمهای AI حافظه ندارند و مختص وظایف هستند. یعنی آنها تنها از دادههای حال حاضر ورودی دریافت میکنند و بدون داشتن حافظه یا تجربیات گذشته، به آنها پاسخ میدهند. این نوع هوش مصنوعی بیشتر در کاربردهای محدودی مانند بازیهای رایانهای و خودروهای بدون سرنشین استفاده میشود. به عنوان مثال Deep Blue، برنامه شطرنج IBM که گری کاسپاروف را در دهه ۱۹۹۰ شکست داد. این برنامه می تواند مهره های روی صفحه شطرنج را شناسایی کند و پیش بینی کند، اما چون حافظه ندارد، نمی تواند از تجربیات گذشته برای اطلاع رسانی به آینده استفاده کند.
نوع ۲: ماشینهای با حافظه محدود (Limited memory)
این سیستم های artificial intelligence دارای حافظه هستند، بنابراین می توانند از تجربیات گذشته برای اطلاع رسانی تصمیمات آینده استفاده کنند. با اینکه این نوع هوش مصنوعی، همچنان مبتنی بر تجربیات گذشته است، اما تنها یک مقدار محدودی از این تجربیات را در حافظه خود نگه میدارد. برخی از عملکردهای تصمیم گیری در خودروهای خودران به این شکل طراحی شده اند. این نوع AI برای بسیاری از کاربردهای عمومی مانند رباتیک و تصمیمگیری در بازار بورس استفاده میشود.
نوع ۳: هوش مصنوعی با نظریه ذهن (Theory of mind)
نظریه ذهن یک اصطلاح روانشناسی است و هنگامی که برای ai اعمال می شود، به این معنی است که سیستم از هوش اجتماعی برای درک احساسات برخوردار است. این نوع هوش مصنوعی قادر به استنباط نیات انسان و پیش بینی رفتار خواهد بود، در این نوع ai ، قابلیت درک از دیدگاه دیگران و پیشبینی رفتار آنها وجود دارد. این نوع هوش مصنوعی برای بسیاری از کاربردهای مانند روباتهای اجتماعی و ارتباط با انسانها و همافزایان کاربرد دارد.
نوع ۴: هوش مصنوعی خودآگاه (Self-awareness)
در این دسته، سیستمهای AI حسی از خود دارند که به آنها آگاهی میدهد. ماشین های دارای خودآگاهی وضعیت فعلی خود را درک می کنند. در این نوع ai ، قابلیت درک از وجود خود، هویت و تفکر وجود دارد. این نوع هوش مصنوعی بیشتر در حوزه تحقیقاتی است و هنوز در مراحل اولیه توسعه قرار دارد.
نمونه هایی از فناوری هوش مصنوعی
فناوری هوش مصنوعی (AI) دارای کاربردهای گستردهای است. در زیر، نمونههایی از فناوری هوش مصنوعی و کاربردهای آنها آورده شده است:
اتوماسیون (Automation)
وقتی ابزارهای اتوماسیون با فناوریهای artificial intelligence همراه شوند، میتوانند حجم و انواع وظایف انجامشده را افزایش دهند. به عنوان مثال، اتوماسیون فرآیند روباتیک (RPA)، نوعی نرم افزار است که وظایف پردازش داده های تکراری و مبتنی بر قوانین را که به طور سنتی توسط انسان انجام می شود، خودکار می کند.
RPA هنگامی که با یادگیری ماشینی و ابزارهای نوظهور هوش مصنوعی ترکیب شود، میتواند بخشهای بزرگتری از مشاغل سازمانی را خودکار کند و رباتهای تاکتیکی RPA را قادر میسازد تا اطلاعات هوش مصنوعی را منتقل کنند و به تغییرات فرآیند پاسخ دهند. یا سیستمهای هوشمند برای مدیریت منابع انسانی، خودکارسازی فرآیندهای تولید و توزیع محصولات و خدمات، و حتی خودکارسازی فرآیندهای مالی مورد استفاده قرار میگیرد.
یادگیری ماشینی (Machine learning)
این یکی از اصلیترین کاربردهای هوش مصنوعی و به کار بردن کامپیوتر بدون برنامه نویسی است. الگوریتمهای یادگیری ماشین میتوانند با تجزیه و تحلیل دادههای موجود، الگوهای مهم را شناسایی کرده و پیشبینی و تصمیمگیری را بهبود ببخشند. به عنوان مثال، الگوریتمهای یادگیری ماشین در پیشبینی تقاضای بازار، تحلیل خطرات در صنعت بیمه و تحلیل دادههای پزشکی مورد استفاده قرار میگیرند. یادگیری عمیق زیرمجموعهای از یادگیری ماشینی است که به زبان بسیار ساده میتوان آن را خودکارسازی تجزیه و تحلیل پیشبینیکننده در نظر گرفت.
سه نوع الگوریتم یادگیری ماشین وجود دارد:
یادگیری تحت نظارت (Supervised learning) مجموعه داده ها برچسب گذاری می شوند تا الگوها را بتوان شناسایی و برای برچسب گذاری مجموعه داده های جدید استفاده کرد.
یادگیری بدون نظارت (Unsupervised learning) مجموعه داده ها برچسب گذاری نمی شوند و بر اساس شباهت ها یا تفاوت ها مرتب می شوند.
یادگیری تقویتی (Reinforcement learning) مجموعه داده ها برچسب گذاری نمی شوند، اما پس از انجام یک عمل یا چندین عمل، به سیستم هوش مصنوعی بازخورد داده می شود.
دید ماشینی (Machine vision)
این فناوری به ماشین توانایی دیدن می دهد و به یکی از کاربردهای هوش مصنوعی در زمینه پردازش تصویر اطلاق میشود. این فناوری با استفاده از دوربین، تبدیل آنالوگ به دیجیتال و پردازش سیگنال دیجیتال، اطلاعات بصری را ضبط و تجزیه و تحلیل می کند.. با استفاده از الگوریتمهای هوشمند، میتوان تصاویر را شناسایی و تفکیک کرد، اشیا، شکلها و حتی احساسات موجود در تصویر را تشخیص داد. تشخیص چهره در دوربینهای امنیتی، خودکارسازی صنعتی و تشخیص عیوب در خطوط تولید مثالهایی از کاربردهای دید ماشینی میباشد.
پردازش زبان طبیعی (Natural Language Processing (NLP))
پردازش زبان انسان توسط یک برنامه کامپیوتری است. این فناوری به سیستمهای اجازه میدهد که متنهای زبانی را بررسی و تحلیل کنند و به زبان انسانی پاسخ دهند. این فناوری میتواند برای پردازش خودکار اطلاعات، مثل محتوای وب سایتها، تحلیل نظرات کاربران، پاسخ به پرسشهای مشتریان در شرکتها و چت باتها استفاده شود.
به عنوان مثال، سیستمهای گفتگوی هوشمند که با استفاده از NLP ساخته شدهاند، میتوانند با کاربران در موضوعات مختلف گفتگو کرده و به سؤالات و نیازهای آنها پاسخ دهند. یکی از قدیمیترین و شناختهشدهترین نمونههای NLP، تشخیص هرزنامه است که به موضوع و متن ایمیل نگاه میکند و تصمیم میگیرد که آیا ناخواسته است یا خیر. رویکردهای فعلی NLP مبتنی بر یادگیری ماشینی است و وظایف آن شامل ترجمه متن، تجزیه و تحلیل احساسات و تشخیص گفتار است.
رباتیک (Robotics)
این رشته مهندسی بر طراحی و ساخت ربات ها تمرکز دارد. ربات ها اغلب برای انجام کارهایی استفاده می شوند که انجام آنها یا انجام مداوم آنها برای انسان دشوار است. این رباتها میتوانند به طور خودکار و بهرهوری بالا فرآیندهایی را مانند تولید، جمعآوری، بستهبندی و حمل و نقل محصولات انجام دهند. به عنوان مثال، ربات ها در خطوط مونتاژ تولید خودرو یا توسط ناسا برای جابجایی اجسام بزرگ در فضا استفاده می شوند. محققان همچنین از یادگیری ماشینی برای ساخت روباتهایی استفاده میکنند که میتوانند در محیطهای اجتماعی تعامل داشته باشند.
ماشین های خودران (Self-driving cars)
این نوع از خودروها دارای سیستمهای هوشمندی هستند که به آنها اجازه میدهد که بدون نیاز به راننده، خودرو را به طور اتوماتیک رانده و به مقصد مورد نظر برسانند. این فناوری میتواند در کاهش تصادفات جادهای، بهبود ترافیک و صرفهجویی در زمان و سوخت مفید باشد. وسایل نقلیه خودران از ترکیبی از بینایی کامپیوتر، تشخیص تصویر و یادگیری عمیق برای ایجاد مهارتهای خودکار برای هدایت یک وسیله نقلیه در حالی که در یک خط معین میمانند و اجتناب از موانع غیرمنتظره مانند عابران پیاده استفاده میکنند.
تولید متن، تصویر و صدا (Text, image and audio generation)
با استفاده از فناوری هوشمند، میتوانیم به سیستمهایی دسترسی داشته باشیم که قادر به تولید متن، تصویر و صدا با کیفیت بالا هستند. به عنوان مثال، میتوان از این فناوری در ساخت رباتهای گفتگوی هوشمند، تولید متن ویدئوهای خلاقانه و تولید تصاویر سه بعدی استفاده کرد. تکنیکهای هوش مصنوعی مولد، که انواع مختلفی از رسانهها را از پیامهای متنی ایجاد میکنند، بهطور گسترده در بسیاری از کسبوکارها به کار میروند تا طیف به ظاهر نامحدودی از انواع محتوا از هنر واقعی واقعی گرفته تا پاسخهای ایمیل و فیلمنامهها را ایجاد کنند.
همچنین، فناوری هوش مصنوعی در زمینههای دیگری مانند تشخیص چهره، پردازش تصویر، تحلیل احساسات، افزایش بهرهوری و تحقیقات علمی نیز مورد استفاده قرار میگیرد. مثلاً در شبکههای اجتماعی، سیستمهای شناسایی چهره از ai استفاده میکنند تا بتوانند تصاویر را بر اساس افراد مختلف دستهبندی کنند.
۱۱ نمونه از کاربردهای هوش مصنوعی در زندگی روزمره
۱- کاربرد هوش مصنوعی در حوزه سلامت و بهداشت (AI in healthcare)
استفاده از AI در حوزه سلامتی، امکانات جدیدی را برای بهبود درمان بیماران و پیشگیری از بیماریها فراهم کرده است. سیستمهای هوشمند با استفاده از شناسایی الگوهای مشابه در دادهها، میتوانند بیماریها را شناسایی کنند و به پزشکان کمک کنند تا دقیقتر تشخیص دهند. به عنوان مثال، سیستمهای تشخیص سرطان سینه با استفاده از تصاویر پرتودرمانی و عکسهای MRI میتوانند سریعتر این بیماری را شناسایی کرده و به درمان آن کمک کنند. یکی از شناخته شده ترین فناوری های مراقبت های بهداشتی IBM Watson است. زبان طبیعی را می فهمد و می تواند به سوالاتی که از آن پرسیده می شود پاسخ دهد. این سیستم دادههای بیمار و سایر منابع داده موجود را استخراج میکند تا یک فرضیه را تشکیل دهد، که سپس با یک طرح امتیازدهی اطمینان ارائه میکند.
artificial intelligence در تشخیص تصاویر پزشکی، مانند سونوگرافی و MRI، نقش مهمی دارد. این فناوری به پزشکان کمک میکند تا تصاویر را بررسی کرده و نتیجهگیری دقیقتری انجام دهند. این سیستمهای هوشمند با تجزیه و تحلیل دادههای پزشکی، میتوانند به پزشکان کمک کنند تا بیماریهای مزمن مانند دیابت و فشار خون را نیز پیشبینی کنند. این موضوع کمک میکند تا درمان بهتر و پیشگیری از بیماریها در مراحل ابتدایی انجام شود.
سایر برنامه های کاربردی AI شامل استفاده از دستیاران سلامت مجازی آنلاین و ربات های گفتگو برای کمک به بیماران و مشتریان مراقبت های بهداشتی در یافتن اطلاعات پزشکی، برنامه ریزی قرار ملاقات، درک فرآیند صورتحساب و تکمیل سایر فرآیندهای اداری است. مجموعه ای از فناوری های هوش مصنوعی نیز برای پیش بینی، مبارزه و درک بیماری های همه گیر مانند COVID-19 استفاده می شود.
۲- کاربرد هوش مصنوعی در تجارت (AI in business)
الگوریتم های یادگیری ماشینی در حال ادغام با پلتفرم های تجزیه و تحلیل و مدیریت ارتباط با مشتری (CRM) هستند تا اطلاعاتی را در مورد نحوه ارائه خدمات بهتر به مشتریان کشف کنند. استفاده از هوش مصنوعی در تجارت، به شرکتها کمک میکند تا فرآیند تصمیمگیریهای خود را بهبود بخشند، هزینههای خود را کاهش دهند و در نتیجه سود خود را افزایش دهند.
ai با تجزیه و تحلیل دادهها، به شرکتها کمک میکند تا درک بهتری از مشتریان و بازار داشته باشند. این امر کمک میکند تا بهترین تصمیمگیریها را در مورد تولید، بازاریابی و توزیع محصولات بگیرند. هوش مصنوعی میتواند با تحلیل دادههای مشتری و رفتار آنها، به شرکتها در ارائه خدمات بهتر به مشتریان کمک کند.
این فناوری میتواند به شرکتها کمک کند تا برخورد بهتری با مشتریان داشته باشند و نیازهای مشتریانشان را برآورده کنند. همچنین AI با تجزیه و تحلیل دادههای مربوط به تولید، میتواند به شرکتها در بهینهسازی فرآیند تولید و کاهش هزینههای تولید کمک کند. این کمک میتواند باعث افزایش سود شرکت و بهبود کیفیت محصولات شود.
چت بات ها برای ارائه خدمات فوری به مشتریان در وب سایت ها گنجانده شده اند. انتظار می رود پیشرفت سریع فناوری هوش مصنوعی مولد مانند ChatGPT پیامدهای گسترده ای مانند حذف مشاغل، ایجاد انقلابی در طراحی محصول و اختلال در مدل های تجاری داشته باشد
۳- کاربرد هوش مصنوعی در آموزش (AI in education)
استفاده از artificial intelligence در آموزش، به دانشآموزان و مدرسان کمک میکند تا بهبود یابند. هوش مصنوعی می تواند نمره دهی را خودکار کند و به مربیان زمان بیشتری برای کارهای دیگر بدهد. همچنین میتواند با تحلیل دادههای دانشآموزان، سطح دانش آنها را تعیین کند. این امر کمک میکند تا مدرسان بتوانند برنامههای آموزشی مناسبی برای هر دانشآموز ارائه کنند.
با توجه به دادههای جمعآوری شده در مورد دانشآموزان، ai میتواند برنامههای آموزشی سفارشی برای هر دانشآموز ارائه کند. این کمک میکند تا هر دانشآموز با توجه به سطح دانش خود، برنامهای مناسب داشته باشد. همچنین میتواند با تجزیه و تحلیل دادههای جمعآوری شده، دانشآموزان را ارزیابی کند. این کمک میکند تا مدرسان بتوانند به دانشآموزان خود بازخورد دقیقتری دهند و برنامههای آموزشی بهتری ارائه کنند.
هوش مصنوعی میتواند با تحلیل رفتار دانشآموزان، به مدرسان کمک کند تا دانشآموزانی که به مشکل برخوردهاند را تشخیص دهند. این کمک میکند تا مدرسان بتوانند بهترین راهحلها را برای حل مشکلات دانشآموزان پیدا کنند. ظهور این ابزارها همچنین مربیان را وادار می کند که در مورد تکالیف دانش آموز و تست و بازنگری در سیاست های سرقت ادبی تجدید نظر کنند.
۴- کاربرد هوش مصنوعی در امور مالی (AI in finance)
artificial intelligence در امور مالی برای بهبود عملکرد صنعت مالی و بهرهوری بیشتر مورد استفاده قرار میگیرد. با استفاده از الگوریتمهای پیشرفته، AI قادر به پیشبینی بازده سرمایهگذاریها میباشد. این امر به سرمایهگذاران کمک میکند تا تصمیمات بهتری در خصوص سرمایهگذاریهای خود بگیرند. همچنین میتواند برای تجزیه و تحلیل ریسکهای مالی استفاده شود. با استفاده از این هوش، شرکتها و سازمانها میتوانند ریسکهای مالی را پیشبینی و مدیریت کنند.
ai میتواند برای تشخیص تقلب در تراکنشهای مالی مورد استفاده قرار بگیرد. با استفاده از AI، شرکتها میتوانند به طور دقیق تراکنشهایی را که حاوی تقلب هستند، شناسایی کنند. همچنین میتواند برای بهبود امنیت مالی استفاده شود. با استفاده از AI، شرکتها میتوانند بهترین راهحلهای امنیتی را برای جلوگیری از سرقت و کلاهبرداری در تراکنشهای مالی پیدا کنند.
هوش مصنوعی در برنامه های مالی شخصی مانند Intuit Mint یا TurboTax، مؤسسات مالی را مختل می کند. برنامه هایی مانند اینها داده های شخصی را جمع آوری می کنند و مشاوره مالی ارائه می دهند. برنامه های دیگری مانند IBM Watson در فرآیند خرید خانه به کار گرفته شده است. امروزه نرم افزار ai بیشتر معاملات را در وال استریت انجام می دهد.
۵- کاربرد هوش مصنوعی در حقوق (AI in law)
روند کشف یا غربال کردن اسناد در قانون اغلب برای انسان طاقت فرسا است. هوش مصنوعی در صنعت حقوق یکی از پیشرفتهایی است که به تازگی برای بهبود کارایی و بهرهوری در این صنعت مورد استفاده قرار میگیرد. استفاده از هوش مصنوعی برای کمک به خودکارسازی فرآیندهای پر زحمت صنعت قانونی باعث صرفه جویی در زمان و بهبود خدمات مشتری می شود. شرکتهای حقوقی از یادگیری ماشینی برای توصیف دادهها و پیشبینی نتایج، بینایی کامپیوتری برای طبقهبندی و استخراج اطلاعات از اسناد و NLP برای تفسیر درخواستهای اطلاعات استفاده میکنند.
ai میتواند برای پیشبینی نتیجه پروندههای قضایی استفاده شود. با استفاده از الگوریتمهای پیشرفته، AI میتواند پروندههای قضایی را بررسی کند و به قاضیان و وکلای مشاوره حقوقی کمک کند تا تصمیمات بهتری در خصوص مورد مطرح شده بگیرند. همچنین میتواند برای استخراج اطلاعات از پروندههای قضایی مورد استفاده قرار گیرد. با استفاده از الگوریتمهای پردازش زبان طبیعی، هوش مصنوعی میتواند اطلاعات مفیدی از پروندههای قضایی استخراج کند و به قاضیان و وکلای مشاوره حقوقی کمک کند تا در پروندههای خود از اطلاعات بهتری بهره بگیرند.
artificial intelligence میتواند برای تحلیل متن از اسناد حقوقی مورد استفاده قرار گیرد. با استفاده از الگوریتمهای پردازش زبان طبیعی، ai میتواند اطلاعات مفیدی را از اسناد حقوقی استخراج کند و به قاضیان و وکلای مشاوره حقوقی کمک کند تا در تحلیل پروندههای خود بهترین تصمیمات را بگیرند.
۶- کاربرد هوش مصنوعی در سرگرمی و رسانه (AI in entertainment and media)
هوش مصنوعی در صنعت سرگرمی و رسانه نقش مهمی را ایفا میکند. در این صنعت، ai به عنوان یک ابزار مورد استفاده قرار میگیرد تا برای کاربران تجربه سرگرمی بهتری ایجاد شود. کسب و کار سرگرمی از تکنیک های هوش مصنوعی برای تبلیغات هدفمند، توصیه محتوا، توزیع، کشف تقلب، ایجاد فیلمنامه و ساخت فیلم استفاده می کند.
شرکتهای فیلمسازی میتوانند از الگوریتمهای هوش مصنوعی برای پیشبینی بازدهی فیلمهای جدید استفاده کنند. این الگوریتمها با تحلیل دادههای مختلفی مانند نظرات کاربران، رفتار خرید آنلاین و محبوبیت بازیگران، بازدهی یک فیلم را پیشبینی میکنند.
روزنامهنگاری خودکار به اتاقهای خبر کمک میکند تا جریان کار رسانهای را سادهتر کنند و زمان، هزینهها و پیچیدگی را کاهش دهند. اتاق های خبر از هوش مصنوعی برای خودکارسازی کارهای معمولی مانند ورود داده ها و تصحیح و برای تحقیق در مورد موضوعات استفاده می کنند.
در صنعت رسانه، سیستمهای توصیه مبتنی بر هوش مصنوعی مورد استفاده قرار میگیرند. این سیستمها با تحلیل رفتار کاربران و نظراتشان در مورد فیلمها و برنامههای تلویزیونی، توصیههایی به آنها ارائه میدهند. AI میتواند در تولید محتوای خلاق مورد استفاده قرار گیرد. از جمله این کاربردها میتوان به تولید شعر، نوشتن داستان و حتی تولید موسیقی با ai اشاره کرد.
هوش مصنوعی در طراحی بازیهای رایانهای نقش مهمی ایفا میکند. بازیهایی که از الگوریتمهای هوش مصنوعی برای گرافیک، شخصیتها و حتی شرایط محیطی استفاده می کنند.
۷- هوش مصنوعی در کدنویسی نرم افزار و فرآیندهای فناوری اطلاعات (AI in software coding and IT processes)
ابزارهای مولد جدید artificial intelligence را می توان برای تولید کد برنامه بر اساس اعلان های زبان طبیعی استفاده کرد، اما روزهای اولیه برای این ابزارها است و بعید است که به زودی جایگزین مهندسان نرم افزار شوند. همچنین از هوش مصنوعی برای خودکارسازی بسیاری از فرآیندهای فناوری اطلاعات، از جمله ورود داده ها، کشف تقلب، خدمات مشتری و نگهداری و امنیت پیش بینی شده استفاده می شود.
۸- کاربرد هوش مصنوعی در امنیت (Security)
هوش مصنوعی و یادگیری ماشینی در صدر فهرست کلیدواژههای امنیتی هستند که فروشندگان برای بازاریابی محصولات خود استفاده میکنند، بنابراین خریداران باید با احتیاط برخورد کنند. با این حال، تکنیکهای هوش مصنوعی با موفقیت در جنبههای مختلف امنیت سایبری، از جمله تشخیص ناهنجاری، حل مشکل مثبت کاذب و انجام تجزیه و تحلیل تهدیدات رفتاری استفاده میشوند.
سازمانها از یادگیری ماشین در نرمافزار مدیریت رویداد و اطلاعات امنیتی (SIEM) و حوزههای مرتبط برای شناسایی ناهنجاریها و شناسایی فعالیتهای مشکوک که نشاندهنده تهدید هستند، استفاده میکنند. با تجزیه و تحلیل دادهها و استفاده از منطق برای شناسایی شباهتها به کدهای مخرب شناخته شده، ai میتواند هشدار حملات جدید و در حال ظهور را خیلی زودتر از کارکنان انسانی و تکرارهای فناوری قبلی ارائه دهد.
AI در تشخیص تقلب و کلاهبرداری در امور مالی و پرداختهای الکترونیکی مورد استفاده قرار میگیرد. به عنوان مثال، الگوریتمهای هوش مصنوعی میتوانند بر اساس الگوهای عملکرد قبلی و شاخصهای مشخص، هویت کاربران را تایید کرده و تلاش برای تقلب و سوءاستفاده از اطلاعات بانکی را شناسایی کنند. هوش مصنوعی همچنین میتواند در تشخیص چهرههای شناخته شده یا ناشناخته در کنترل ورود و خروج افراد به محیطهای امنیتی مورد استفاده قرار گیرد. این فناوری به عنوان یک ابزار قدرتمند در تشخیص تهدیدات امنیتی و پیشگیری از حوادث مربوط به تروریسم و جرائم سایبری استفاده میشود. همچنین میتواند به طور خودکار و سریع دادههای امنیتی را تحلیل کرده و در صورت وجود تهدیدات و حوادث، سیستمهای امنیتی را هشدار دهد.
۹- کاربرد هوش مصنوعی در تولید (AI in manufacturing)
artificial intelligence به شرکتها کمک میکند تا رویکردهای نوینی را برای بهبود فرآیند تولید و بهبود کیفیت محصولات خود انتخاب کنند. با استفاده از الگوریتمهای هوش مصنوعی مانند یادگیری ماشین و شبکههای عصبی، ماشینآلات هوشمند میتوانند برای پیشبینی نیازمندیهای مواد اولیه، تشخیص خطاهای فرآیند تولید، بهبود زمانبندی تولید، بهینهسازی فرایند تولید و کاهش ضایعات و خطاهای انسانی استفاده شوند.
به عنوان مثال، شرکتهای تولید ماشین با استفاده از رباتهای هوشمند میتوانند فرایند تولید را بهبود بخشند. رباتها با استفاده از دادههای جمع آوری شده میتوانند برای کاهش زمان تولید، کاهش خطاهای انسانی و بهبود کیفیت محصولات استفاده شوند.
همچنین، AI در حوزه تحلیل دادههای حجیم و پیشبینی فعالیتهای تولیدی و فروش نیز کاربرد دارد. به عنوان مثال، با استفاده از الگوریتمهای هوشمند، میتوان پتانسیل فروش یک محصول را پیشبینی کرد و بهطور مداوم برای بهبود و ارتقای کیفیت محصول و تضمین رضایت مشتریان استفاده کرد.
۱۰- کاربرد هوش مصنوعی در بانکداری (AI in banking)
هوش مصنوعی در بانکداری، به عنوان یکی از حوزه های مهم کاربردی آن، برای بهبود فعالیت های مختلف بانکی و خدمات ارائه شده به مشتریان به کار گرفته میشود. بانکها با موفقیت از رباتهای گفتگو استفاده میکنند تا مشتریان خود را از خدمات و پیشنهادات آگاه کنند و تراکنشهایی را انجام دهند که نیازی به دخالت انسانی ندارند.
دستیارهای مجازی هوش مصنوعی برای بهبود و کاهش هزینه های انطباق با مقررات بانکی استفاده می شوند. سازمانهای بانکی از هوش مصنوعی برای بهبود تصمیمگیری برای وامها، تعیین محدودیتهای اعتباری و شناسایی فرصتهای سرمایهگذاری است آموزش آشپزی و مطالب جالب جدید...
ما را در سایت آموزش آشپزی و مطالب جالب جدید دنبال می کنید