الگوریتم گوگل چگونه سایت ها را شناسایی می کند ؟

الگوریتم گوگل چگونه سایت ها را شناسایی می کند ؟

​

در این مطلب می خواهم برای شما راجع به الگوریتم گوگل بیشتر توضیح دهم.

الگوریتم گوگل بر پایه هوش مصنوعی کار میکند و عکس العمل های بسیار جالبی دارد.

برای همه پیش آمده که برای جستجوی چیز خاصی به گوگل مراجعه کردیم. این جستجو ها و نتایجی که نشان داده می شود توسط یک الگوریتم خاصی کار می کنند.

 حال این سوالات پیش می آید که گوگل چگونه سایت ها را پیدا می کند و چگونه تصمیم می گیرد که کدام سایت ها را در رده های بالاتر نشان دهد؟ و یا اینکه سئو چیست؟ 

این گوگل است که تصمیم میگیرد کدام پرسش به چه طریقی به سایت های مختلف متصل شود. ما در ادامه به شما توضیحاتی را می دهیم که بتوانید راحت تر ساز و کار موتور جستجو را درک کنید.

​

موتور هایی مانند گوگل چگومه محتوا را پیدا می کنند؟

گوگل با استفاده از کدی به نام “عنکبوت” وب را می گردد و یا به اصطلاح می خزد. این یک برنامه کوچک است که پیوندها را از یک صفحه به صفحه دیگر دنبال می کند و هر صفحه ای که روی آن قرار می گیرد کپی شده و به سرورها منتقل می شود.

 شبکه اینترنت بسیار بزرگ است و به همین ترتیب اگر گوگل بخواهد همه محتوای خود را ثبت کند ، غیرقابل کنترل است. به همین دلیل است که گوگل فقط کد صفحه را ضبط می کند و صفحاتی را که فکر نمی کند مفید باشند (نسخه های کپی ، کم ارزش و غیره) را حذف می کند.

وقتی مقدار زیادی تولید محتوا دارید ، به روشی برای میانبر آن محتوا نیاز دارید. Google نمی تواند فقط یک پایگاه داده بزرگ داشته باشد که شامل همه صفحات باشد ، و هر زمان که سوالی وارد می شود مرتب شوند. این خیلی کند خواهد بود. 

در عوض ، آنها یک نمایه ایجاد می کنند یا به اصطلاح ایندکس می کنند که اساساً این روند را میانبر می کند. موتورهای جستجو با استفاده از فناوری مانند Hadoop مقدار زیادی از داده را خیلی سریع مدیریت و پرس و جو می کنند. جستجوی فهرست بسیار سریعتر از جستجوی کل پایگاه داده در هر زمان است.

الگوریتم گوگل چگونه سایت ها را شناسایی می کند ؟

هنگامی که بهینه سازی یا همان ایندکس انجام شد، گوگل نسخه ای از آن را گرفته و یک میانبر برای صفحه در فهرست قرار داده است. عالی است ، هر جستجوی شما در Google احتمالاً هزاران نتیجه دارد ، بنابراین اکنون گوگل باید تصمیم بگیرد که با چه نظمی نتایج را نمایش می دهد. 

این واقعاً در قلب سئو و سئو کار است که فاکتورهای تنظیم کننده برای دستکاری ترتیب نتایج را مشخص می کند. الگوریتم یک اصطلاح عمومی است که به معنی یک فرایند یا مجموعه قانون است که برای حل یک مسئله دنبال می شود. 

با مراجعه به گوگل ، این مجموعه معیارهای وزنی است که ترتیب رتبه بندی آنها در صفحه را تعیین می کند. الگوریتم گوگل رمانند گذشته ناشناخته نیست و عوامل فردی و معیارهایی که از آن ساخته شده است کاملاً مستند است. 

ما می دانیم که همه معیارهای اصلی درون صفحه ای و خارج از صفحه چیست. نکته مهم در درک وزن یا همبستگی بین آنها است.

معیار اول URL است. کلمات کلیدی ممکن است در URL نشان داده شود ، مانند: www.recipes.com/chocolate-cake

معیار دوم بکلینک ها هستند.البته باید دقت داشته باشید که اگر کلمه کلیدی در URL نمایش داده شود انتظار می رود که در بک لینک ها هم نمایش داده شوند.

تمام فاکتورهای مختلفی که گوگل بررسی می کند روی یکدیگر تأثیر می گذارند. هر یک ممکن است ارزش کم و بیش داشته باشد (در وزن دهی) و رابطه بین آنها دائماً تغییر می کند.

 گوگل هر ساله صدها به روزرسانی را انجام می دهد و مرتباً این کار در الگوریتم گوگل انجام می شود. معمولاً این رابطه و وزن دهی است که بیش از خود معیارها تغییر می کند.

امیدوارم اطلاعات مفیدی در مورد الگوریتم گوگل به شما داده باشم.

کارشناسان ما تخصص خوبی در الگوریتم گوگل دارند و برای حضور موفق شما در دیجیتال مارکتینگ همیشه در کنار شما حضور خواهند داشت.

در مطالب آینده بیشتر از الگوریتم گوگل برای شما خواهم نوشت.

​

با برترین اپراتور هوش مصنوعی ایران همراه باشید

کامپیوتر کوانتومی چینی سریعترین در جهان

کامپیوتر کوانتومی چینی سریعترین در جهان

یک کامپیوتر کوانتومی طراحی و ساخت چینی می تواند مسئله ای را که یک ابر کامپیوتر در دو و نیم میلیارد سال حل می کند را در دویست ثانیه حل کند. این کامپیوتر در دانشگاه علم و صنعت در هفی چین توسعه یافته است ، و توجه جهانیان را به دلیل سرعت پردازش بالا را به خود اختصاص داده است. طبق یافته های منتشر شده در Science و گزارش شده توسط Nature ، سیستم جدید ظاهراً اولین نمایش قطعی “برتری کوانتومی” با استفاده از پرتوهای لیزر است که از نظر ریاضی با استفاده از رایانه های باینری سنتی امکان پذیر نیست.

 آیا کامپیوتر کوانتومی چینی از کامپیوتر گوگل سریع تر است ؟

سال گذشته ، هنگامی که Google اعلام کرد کامپیوتر کوانتومی Sycamore به برتری کوانتومی دست یافته است، عناوین اصلی اخبار جهان  را به خود جلب کرد. Sycamore می تواند محاسباتی را در 200 ثانیه انجام دهد که برای سریعترین ابر رایانه ها حدود 10 هزار سال طول می کشد. اخیراً ، چین یک سیستم محاسبات کوانتومی را توسعه داده است که گزارش می شود 10 میلیارد بار سریعتر از Google’s Sycamore است. محققان دانشگاه علم و صنعت چین توضیح دادند که این نمونه اولیه رایانه ای کوانتومی به نام جیژانگ در چند دقیقه نتیجه ای گرفت که بیش از 2 میلیارد سال برای سومین ابر رایانه قدرتمند جهان زمان می برد.

طبق گزارش مجله Science ، جیژانگ می تواند حداکثر 76 فوتون را از طریق نمونه گیری بوزون گوسی ، یک الگوریتم شبیه سازی استاندارد ، که از ذرات نور ارسال شده از طریق یک مدار نوری برای اندازه گیری خروجی استفاده می کند ، تشخیص دهد. نمونه گیری بوسون توسط اسکات آرونسون و الکس آرخیپوف در سال 2011 به عنوان روشی آزمایشی برای اثبات برتری کوانتومی ابداع شد. در اینجا توزیع احتمال بسیاری از بوزون ها (یک ذره اساسی که شامل فوتون ها است) محاسبه می شود.

احتمال تشخیص بوزون در یک موقعیت معین را می توان از یک معادله در بسیاری از موارد ناشناخته محاسبه کرد.لو چائویانگ ، استاد مسئول آزمایش در USTC اظهار داشت که جیوژانگ با دستکاری ذرات نور به موفقیت بزرگی دست یافت. این فرایند متفاوت از رویکردی است که توسط گوگل استفاده شده است ، و از فلز ابررسانا برای ساخت مدارهای کوانتومی برای دستکاری کیوبیت ها استفاده کرده است. Qubits یا کوانتوم بیت مترادف با بیت های باینری کامپیوتر کلاسیک است ، اما بر خلاف بیت های باینری ، می تواند به طور همزمان در بسیاری از حالت ها وجود داشته باشد.

آیا هیچ رقیبی برای جیوژانگ وجود ندارد ؟

رویکرد مشابهی نیز توسط IBM اعمال شده است. هر دو غول فناوری مبالغ زیادی را در مدارهای ابررسانا سرمایه گذاری کرده اند تا تحقیقات محاسبات کوانتومی را تا سر حد ممکن پیش ببرند. در همین حال ، هانی ول و IonQ در حال توسعه معماری های رایانه ای جایگزین کوانتومی هستند که شامل به دام انداختن یون ها باشد. علاوه بر این ، رایانه کوانتومی Silicon Quantum در استرالیا برای سیستم های کوانتومی خود از کیوبیت های سیلیکون چرخشی استفاده می کند.

در مقایسه ، برای جیوژانگ ، تیم تحقیقاتی به سرپرستی فیزیکدان کوانتوم جیان وی پان در دانشگاه علم و صنعت چین ، یک دستگاه بزرگ رومیزی متشکل از لیزر به عنوان منبع نور و تقسیم کننده پرتو برای کمک به ایجاد فوتون های جداگانه ، ایجاد کردند. صدها منشور و ده ها آینه برای فراهم کردن مسیرهای تصادفی برای حرکت فوتون ها استفاده شده اند.مجله  Wired اشاره می کند که می توان تصور کرد که هر فوتونی که در پایان فرآیند خوانده می شود تقریباً معادل خواندن یک کیوبیت روی پردازنده ای مانند Google است که نتیجه محاسبه را نشان می دهد.

محققان کامپیوتر کوانتومی چینی ، جیوژانگ را، به 300 جدا کننده پرتو و 75 آینه مجهز کردند. در حین اجرای آزمایشی به مدت 200 ثانیه ، حداکثر 76 کلیک فوتونی خروجی مشاهده شد در حالی که متوسط تعداد فوتون شناسایی شده توسط نمونه اولیه 43 است. در مقایسه ، ابر رایانه چینی ، TaihuLight ، 2.5 میلیارد سال طول می کشید تا به همان نتیجه برسد.

از جیژانگ نمی توان بلافاصله در برنامه های واقعی استفاده کرد. برای انجام محاسبات مختلف این کامپیوتر نیاز به کار با تراشه قابل برنامه ریزی دارد. همچنین پرداختن به شایعات در مورد تهدید آن برای ارز رمزنگاری شده ، یا هرگونه رمزگذاری مورد استفاده در سیستم های مالی ، ارتباطی و دولتی در حال حاضر ؛ گزارش شده است که جیوژانگ قادر به حل مشکل فاکتورینگ نیست که برای رمزگشایی اطلاعات رمزگذاری شده بسیار مهم است.

هوش مصنوعی در جنگلبانی افراد را نجات می دهد

هوش مصنوعی در جنگلبانی افراد را نجات می دهد

سه محقق از دانشگاه یوهانس کپلر سیستمی طراحی کرده اند که از هوش مصنوعی برای بهینه سازی جستجو در جنگلبانی دوربین تصویربرداری حرارتی از افراد گمشده در جنگل استفاده کرده اند. در مقاله خود که در ژورنال Nature Machine Intelligence منتشر شده است ، دیوید شدل ، ایندراجیت کورمی و الیور بیمبر ، توصیف می کنند که چگونه آنها یک شبکه یادگیری عمیق را برای مشکل افراد گمشده در جنگل اعمال می کنند و همچنین می گویند که چگونه کار می کند. این پیشرفت می تواند جان افرادی را که به طبیعت گردی علاقه دارند را نجات دهد و به جنگلبانان کمک فراوانی را برساند.

هوش مصنوعی در جنگلبانی چگونه اعمال می شود

هنگامی که مردم در جنگل ها گم می شوند ، متخصصان جستجو و نجات با استفاده از هلی کوپترها منطقه ای را که احتمالاً افراد گم شده در آن ها حضور دارند را می گردند. محققان علاوه بر اسکن ساده زمین زیر ، از دوربین های شکاری و دوربین های تصویربرداری حرارتی استفاده می کنند. امید است که چنین دوربینهایی تفاوت دمای بدن افراد روی زمین را در مقایسه با محیط اطراف آنها آسانتر کند تا بتوان آنها را بهتر تشخیص داد. متأسفانه ، در بعضی موارد تصویربرداری حرارتی به دلیل درنظرگرفتن پوشش گیاهی زیر خاک یا آفتاب که باعث گرم شدن درختان در دمای مشابه با دمای بدن فرد از دست رفته می شود، آنطور که در نظر گرفته شده عمل نمی کند. در این تلاش جدید ، محققان سعی کردند تا با استفاده از یک برنامه یادگیری عمیق برای بهبود تصاویر ساخته شده ، بر این مشکلات غلبه کنند. راه حلی که تیم ارائه کرد این بود که با استفاده از یک برنامه هوش مصنوعی برای پردازش تصاویر متعدد از یک منطقه داده شده آنالیز شود. آنها تصاویر را با استفاده از هوش مصنوعی برای پردازش داده ها از چندین رادیو تلسکوپ مقایسه می کنند. انجام این کار باعث می شود تا چندین تلسکوپ به صورت یک تلسکوپ بزرگ عمل کنند. به همین ترتیب ، برنامه هوش مصنوعی که آنها استفاده کردند ، به چندین تصویر حرارتی گرفته شده از هلی کوپتر (یا هواپیمای بدون سرنشین) اجازه می داد تا تصویری ایجاد کند که گویی توسط دوربین با لنز بسیار بزرگتر گرفته شده است. پس از پردازش ، تصاویر تولید شده که از عمق میدان بسیار بالاتری برخوردار بودند  بالای درختان تار به نظر می رسید در حالی که افراد روی زمین بسیار بیشتر قابل تشخیص هستند. برای آموزش سیستم هوش مصنوعی ، محققان مجبور شدند پایگاه داده تصاویر خود را ایجاد کنند. آنها از هواپیماهای بدون سرنشین برای گرفتن عکس از داوطلبان روی زمین و در موقعیت های بسیار گسترده استفاده کردند. آزمایش سیستم نشان داد که تقریباً 87 تا 95 دقیق است در حالی که برای تصاویر حرارتی سنتی فقط 25 درصد دقت داشت. محققان پیشنهاد می کنند سیستم آنها برای استفاده توسط گروه های جستجو و نجات آماده است و همچنین می تواند توسط تیم های اجرای قانون ، ارتش یا تیم های حیات وحش نیز مورد استفاده قرار گیرد.

کرونا و هوش مصنوعی

کرونا و هوش مصنوعی

در طی سال اخیر ویروس کووید 19 در تمام دنیا اپیدمی شده. بنابراین رهبران و دانشمندان تمامی نقاط دنیا در تلاش هستند تا با هر روش ممکن با این بیماری مقابله کنند یکی از روش هایی که برای مقابله با کرونا بسیار کارآمد است، هوش مصنوعی می باشد. هوش مصنوعی یکی از شاخه های علوم کامپیوتر است که در دهه پنجاه میلادی ظهور پیدا کرد. تعریف کلی که می توان راجع به هوش مصنوعی کرد این است که به هوشی گفته می شود که بر خلاف تصور از هوشی که در انسان ها و حیوانات داریم توسط ماشیـن ها ارائه می شود. اگر بخواهیم به صورت آکادمیک این عبارت را توصیف کنیم می توانیم بگوییم که هر وسیله ای که محیط خود را درک کند و اقداماتی انجام دهد که شانس خود را برای دستیابی به اهداف خود به حداکثر برساند. دارای هوش مصنوعی می باشد. هوش مصنوعی معمولی محیط خود را تجزیه و تحلیل می کند و اقداماتی انجام می دهد که شانس موفقیت آن را به حداکثر می رساند. این کار ها می توانند ساده باشند(حالت 0،1) و یا پیچیده باشند (انجام اقدامات ریاضی که فرمول های آن موجود می باشد). البته هوش مصنوعی عبارت کلی است و این علم دارای زیر مجموعه های زیادی می باشد. یادگیری ماشینی(Machine Learning)، یادگیری عمیق(Deep Learning)، شبکه های عصبی(Neural Networks)،پردازش تصویر(Image Processing)  و خیلی از علوم دیگر زیر مجموعه هوش مصنوعی هستند. حال که اندکی در مورد هوش مصنوعی اطلاعات کسب کردیم می توانییم به این بپردازیم که بیماری کرونا و هوش مصنوعی چگونه با هم در ارتباط هستند.

چگونه از هوش مصنوعی برای مقابله با کووید 19 استفاده می شود؟

رویکرد های متفاوتی برای مقابله با این ویروس از طریق هوش مصنوعی ایجاد شده است. برای مثال می توانیم به استفاده از پردازش داده ها برای تایین اطلاعات آماری در این زمینه اشاره کنیم و یا استفاده از ربات ها در بسیاری از مراکز درمانی دنیا برای کاهش ریسک ابتلای کادر درمانی به این بیماری و یا استفاده از پردازش تصویر برای تحلیل عکس هایی که از ریه بیماران تهیه شده. در ادامه تعدادی از پیشرفت ها و نوآوری هایی که در زمینه هوش مصنوعی برای مقابله با ویروس کرونا ایجاد شده را به شما معرفی می کنیم.

آزمایشگاه MIT-IBM Watson AI از ابتدای شیوع این ویروس بر روش چندین پروژه هوش مصنوعی سرمایه گذاری کرده است تا بتواند با این بیماری مقابله کند. هدف این تحقیقات حذف چالش های بهداشتی اقتصادی است. اما این تحقیقات می تواند تاثیر بسیار ژرفی در ارزیابی و پاسخ به ریسک پس از سپری شدن بحران داشته باشد.

تشخیص زودرس سپسیس در بیماران Covid-19:

یک عارضه مرگبار Covid-19 است ، بیماری ناشی از کــــورنا ویروس جدید SARS-CoV-2.حدود 10 درصد از بیماران Covid-19 طی یک هفته از نشان دادن اولین علائم به سپسیس مبتلا می شوند ،اما فقط حدود نیمی از آنها زنده می مانند.

طراحی پروتئین برای جلوگیری از SARS-CoV-2:

پروتئین ها بلوک های سازنده زیستی هستند. محققان با داشتن هوش مصنوعی می توانند ساختار آنها را برایبــرطرف کـــردن مشکلات و کشــــف و پروتئیـــن های جدید دستکاری کنند. مواد غذایی فاسد شدنی را در نظربگیرید. آزمایشگاه MIT-IBM Watson AI اخیراً از هوش مصنوعی برای کشف اینکـه پروتئیــــن ابریشم ساخته شده توسط  زنبور عسل می تواند به عنــــوان روکش غذاهایی که سریع فاسد می شوند برای افزایش زمان نگه داری آنها استفاده شود.

یکی دیگراز موارد استفاده از این فناوری استفاده رادیولوژیست های UC San Diego و سایر پزشکان از یک هوش مصنوعی (AI)برای تقویت تجزیه و تحلیل تصویر برداری ریه در یک مطالعه تحقیقات بالینی که توسط خدمات وب آمازون (AWS) استفاده شده است ، می باشد. توانایی جدید هوش مصنوعی تا کنون ، بیش از 2000 تصویر بینش منحصر به فرد را برای پزشکان بهداشت UC San Diego فراهم کرده است در یک مورد ، بیمار در بخش اورژانس که هیچ علایمی از COVID-19 نداشت ، به دلایل دیگر تحت پرتونگاری قفسه سینه قرار گرفت. با این وجود ، هوش مصنوعی اشعه ایکس علائم ذات الریه را نشان داد ، که بعدا توسط رادیولوژیست تأیید شد.در نتیجه ، بیمار برای COVID-19 مورد آزمایش قرار گرفت و مشخص شد که از نظر بیماری مثبت است. این قابلیت جدید از ماهها قبل شروع شد که آلبرت هسیا ، دکترای تخصصی ، استادیار رادیولوژی در دانشکده پزشکی دانشگاه کالیفرنیا سن دیگو و رادیولوژیست در دانشگاه علوم پزشکی سن دیگو ، و تیم وی الگوریتم یادگیری ماشینی را توسعه دادند که به رادیولوژیست ها اجازه می دهد از هوش مصنوعی برای افزایش توانایی های خود در تشخیص پنومونی در اشعه X قفسه سینه استفاده کنند. این الگوریتم با 22000 نشانه گذاری توسط رادیولوژیست های انسانی آموزش دیده ، نقشه های رنگی را نشان می دهد که نشانگر احتمال پنومونی است.

از طرفی دانشمند مراکشی وعده یک مکانیسم هوش مصنوعی برای کمک به مبارزه با کرونا ویروس جدید را داده است. استاد علوم کامپیوتر در دانشگاه نیویورک (NYU) متولد مراکش ، دکتر آناس باری، یک ابزار هوش مصنوعی (AI) را برای تجزیه و تحلیل و مهار تکامل پاندمی COVID-19 طراحی کرده است. باری با مدیریت تیمی از محققان و دانشمند ها در NYU ، برای ایجاد و مطالعه اثربخشی یک ابزار هوش مصنوعی جهت پیش بینی بیماران در معرض خطر ابتلا به بیماری و تعیین جدی بودن عفونت های COVID-19 کمک کرد. ین  دانشمند و استاد مراکشی دارای مدرک لیسانس مهندسی کامپیوتر از دانشگاه Al Akhawayn در ایفران مراکش (AUI) است و در حال مذاکره بین NYU و AUI برای استفاده از فناوری تازه توسعه یافته در مقابله با گسترش COVID-19 در مراکش است. اگرچه مراکش از تحقیقات و توسعه علمی هوش مصنوعی زیادی برخوردار نیست ، اما دانشمندان مهاجر مراکشی در خارج ، در حال به  کارگیری تخصص خود در زمینه هوش مصنوعی ،به ویژه در زمینه بحران COVID-19 ، که مستلزم سطح بالایی از تعامل علمی است ، هستن دتا این بحران هر چه زودتر تمام شود.

در این میان تحقیقات دیگری که دانشمندان انجام داده اند موجب شده تا پیشرفت های هوش مصنوعی فقط منتهی به اینها نباشد. محققان اکنون مدل های رایانه ای را براساس هوش مصنوعی (AI) تهیه می کنند که تعیین ریسک خطر نیاز یک فرد بیمار به ونتیلاتور یا مراقبت های ویژه را محاسبه می کند. چندین شرکت غیر بهداشتی در حال حاضر در تلاشند تا تهویه مطبوع تولید کنند زیرا موارد COVID-19 و هرچه بیشتر در سطح جهان بحرانی می شوند. ” مادس نیلسن از دانشگاه کپنهاگ در دانمارک گفت: با استفاده از این مدل های هوش مصنوعی ، به عنوان مثال بیمارستان ها می توانند بدانند که 40٪ از 300 بیمار بستری آنها احتمالاً در طی یک هفته به یک دستگاه تهویه احتیاج دارند.مادس نیلسن از دانشگاه کپنهاگ در دانمارک گفت: این فناوری به آنها اجازه می دهد تا منابع خود را به بهترین شکل برنامه ریزی کنند و به کار گیرند. با استفاده از این برنامه هوش مصنوعی مس توان یک آمار تقریبا درست از شرایط بیماران به دست آورد تا بتوان برنامه ریزی دقیق تری برای درمان بیماران انجام داد و جان چندین هزار نفر را نجات داد به گفته محققان ، الگوریتم ها مقدار زیادی از داده ها را از منابع متعدد جمع آوری می کنند. این داده ها شامل پرتونگاری ایکس ، آزمایشات و اندازه گیری های انجام شده از بیماران هنگام ورود به بیمارستان به همراه سوابق الکترونیکی سلامت آنها است. با استفاده از ایننرم افزار همه داده ها به یک رایانه  منتقل می شوند که طی چند دقیقه ، مدل محاسبه می کند که یک بیمار خاص نیاز به یک دستگاه تهویه مطبوع دارد، و این اظلاعات را چند روز قبل اعلام میکند. گرچه از این مدل ها به عنوان پایه ای برای معالجه بیماران منفرد استفاده نخواهد شد ،اما از آن به عنوان ابزاری برای برنامه ریزی استفاده می شود که هنوز هم می تواند تفاوت بزرگی برای کارمندان بیمارستان ایجاد کند.

علاوه بر تمام فناوری هایی که گفته شد، در یک متد جدید تشخیص covid-19 هوش مصنوعی با صدای افراد ، آلوده بودن آنها را ارزیابی می کند. در حال حاضـر ، چندین سازمان روی نرم افزاری کار می کنند که می توانند COVID-19 را با گوش دادن به مکالمات تـشـخـیـص دهـنـد.اولین گـروه از این تیم ها توسـط دانشمندان دانشگاه هاروارد و MIT تشکیل شـده اسـت. هـدف این تیم شناسایی علائمی است که فقط در صدای افراد مبتلا به این بیماری مشهود است و از این طریق تشخیص را تسهـیل می کند.ابتکار دیگر کار Voca.ai اسـت. این سازمان با هدف دیگر یک راهکار مشابه دارد. آنها نمونه هـای گفتـار و صـدا را از بـیـماران و افراد سـالم به صـورت داوطلبانه جمع آوری می کنند. یک مطالعه مشابه در CyLab که وابسته به دانشگاه کارنگی ملون است انجام شده است. هوش مصنوعـی ایـجاد شـده توسـط ایـن تیم همچنیـن می توانـد بفهـمد که آیا افراد با استفاده از تشخیص صدا برای COVID-19 آزمایش شده اند. اگرچه در آزمایشگاه اعلام شده اسـت که آزمایشات آنها ماهیت پزشکی معتبری ندارد ،اما از این سازمان ها خواسته شده تا تست های آنلاین خود را از روی اینترنت حذف کنـند.تـیـم CyLab اظهـار داشـت کـه آنـهـا مـی دانـند که چرا دانشگاه از آنها خواسته است تست های آنلاین را حذف کنند ، اما این روند فرصت های بسیار مهمی برای جمع آوری اطـلاعـات در مورد ایـن بیمـاری ارائـه مـی دهـد. بـرای شـنـاخـت بیـماری بـاید اطـلاعات بـیشـتری جمع آوری شود

به این صورت بیشتراین پیشرفت ها در زمینه هوش مصنوعی و با توجه به نیاز زیادی که امروزه برای ایجاد یک راه درمانی برای درمان بیماری همه گیر کرونا صورت گرفته محققان و کارشناسان زیادی در زمینه های هوش مصنوعی رباتیک و علوم داده در حال کار هستند تا هرچه سریع تر این بیماریرا کنترل و مهار کنند.

انواع هوش مصنوعی

انواع هوش مصنوعی

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

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

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

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

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

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

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

انواع هوش مصنوعی کدامند ؟

ماشین های واکنش پذیر

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

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

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

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

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

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

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

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

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

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

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

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

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

حافظه محدود

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

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

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

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

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

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

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

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

در هنگام رانندگی به آن صورت عمل می کنند.

نظریه ذهن

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

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

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

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

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

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

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

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

خود آگاهی

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

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

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

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

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

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

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

طراحی سایت