هوش مصنوعی در عکاسی

هوش مصنوعی در عکاسی

امروزه هوش مصنوعی یک انقلاب در صنعت عکاسی به وجود آورده است. شبکه های عصبی

و یادگیری ماشینی اقدامات ویرایش پیچیده ای را با چند کلیک در دسترس قرار داده اند و  برند ها

حتی می توانند “عکس” بدون حق امتیاز  از افراد که توسط رایانه تولید شده را بارگیری و استفاده

کنند. در بیشتر موارد ، هوش مصنوعی بعنوان موج بزرگ بعدی در تاریخ عکس شناخته می شود،

و ممکن است چنین باشد، اما برخی از کارشناسان در مورد پیامدهای این روند در آینده نزدیک و

دور نگران شده اند. اگر هوش مصنوعی بتواند کارهای عکاسان را سریعتر و راحت تر کند ، آیا

در نهایت می تواند جای آنها را بگیرد؟

چشم اندار هوش مصنوعی در مورد عکاسی

تا حد زیادی ، بزرگترین تصور غلط در مورد هوش مصنوعی این است که فقط ابزاری دیگر خواهد

بود که زندگی عکاس را آسان تر می کند اما به چشم انداز آنها برای اشتغال در آینده آسیب نمی رساند

بیشتر محصولات هوش مصنوعی تجاری که در نرم افزارهایی مانند Adobe ، Skylum یا Topaz

استفاده می شوند فقط ابزار های تاثیر گذار هستند. اما پتانسیل هوش مصنوعی بسیار گسترده تر است.

“هوش” ابزار نیست ، بلکه یک نیروی خلاق است. گسترش آن در صنعت خلاق عواقب عمیقی برای

کسانی که قبلاً فکر می کردند خلاقیت تنها استان نبوغ انسانی است ، به دنبال خواهد داشت.

آیا هوش مصنوعی برای عکاسان خطر آفرین است ؟

این مسئله درگیری فکری چندانی برای عکاسان ایجاد نمی کند ما در واقع عکاسان دقدقه های جدی

دیگری دارند تا اینکه بخواهند به این فکر کنند که هوش مصنوعی روزی کار آنها را خواهد گرفت.

 نگرانی عکاسان کاملاً قابل توجیه است ، اما چند نکته جدی وجود دارد. اول واقع بینانه نیست که

انتظار داشته باشیم AI جایگزین همه رشته های عکاسی شود. آنچه در عوض احتمالاً خواهیم دید

جایگزینی هوش مصنوعی تقریباً به طور کامل است و همانطور که این کار را انجام می دهد ،

فشارهای رو به پایین زیادی را به سایر رشته هایی که از این نوع اختلال عایق بندی شده اند ،

هوش مصنوعی همچنین فشار زیادی بر تدوین گر ها، ویراستاران و فناوری های دیجیتال وارد

خواهد کرد ، زیرا دستیابی به هوش مصنوعی وظایف پرزحمت و جزئی را به فرایندهای با

فشار یک دکمه دکمه تبدیل می کند.تهدید مربوط به جایگزینی هوش مصنوعی به جای عکاسان

نیست بلکه تعریف مجدد مشاغل عکاسی است. شما ممکن است هنوز هم به افرادی نیاز داشته

باشید تا یک دوربین را در محل خود قرار دهند و منتقل کنند ، اما تمام عناصر فنی و خلاقانه ای

که در این کار استفاده می شوند توسط یک ماشین اداره می شوند.

 آیا هوش مصنوعی تغییر در صنایع خلاق مانند عکاسی به وجود می آورد؟

ما دوست داریم “خلاقیت انسان” رابه گونه ای قلمداد کنیم که گویی نوعی جادو است که اتفاق می افتد.

اما خلاقیت انسان در واقع فقط تأثیر متقابل یک محیط ، حافظه و برخی سیگنال های شیمیایی و الکترونیکی

است. در واقع هیچ دلیلی وجود ندارد که چرا این خلاقیت باید فقط به مغز محدود شود و سیلیکون نا کار

آمد است.”و هر لحظه که این خلاقیت سیلیکونی واقعاً به راه افتاده باشد ، اقتصاد بسیاری از صنایع خلاق

را کاملاً خراب خواهد کرد. تمام مثالهای هنر هوش مصنوعی را در نظر بگیرید که امروزه می تواند انسان

را گول بزند و فکر کند این کار توسط یک انسان ساخته شده است و نه یک ماشین. این اتفاق در آهنگسازی

های موسیقی رخ داده است و ناگزیر در عکس ها و حتی تصاویر متحرک تمام قد اتفاق خواهد افتاد.

“البته کسانی که در یادگیری ماشین و هوش مصنوعی کار می کنند احتمالاً مخالفت می کنند و می گویند که

نرم افزار نمی تواند به همان شکلی که انسان است خلاق باشد. ماشین آلات ممکن است بتوانند محصولات

خلاقانه تولید کنند ، اما این کار را طبق قوانین و الگوریتم ها انجام می دهند و نه تجربه و احساسات که

سوخت خلاقیت های بسیار انسانی است.

نگران کننده ترین تحول هوش مصنوعی در صنعت عکاسی چیست ؟

نگرانی از تحولات هوش مصنوعی در دو سطر قرار می گیرند: نگرانی های مربوط به آینده عکاسی به

عنوان یک حرفه و مربوط به آینده جامعه به طور کلی. در مورد اول ، من فکر می کنم کارهای زیادی که

NVIDIA و Microsoft (و گوگل به میزان کمتری) انجام داده اند در مورد ایجاد تصاویر عکس واقعی

از ابتدا در یک خط کاملاً مستقیم به آینده ای است که این فناوری به راحتی می تواند سفارشی ایجاد کند.

سهام و محصولات در صورت تقاضا ، عکاسان را در این روند به حاشیه می اندازد. هنرهای زیبا پیچیده تر

است. امروز مردم بابت هنر هایی که هوش مصنوعی ایجاد کرده پول می دهند اما می توان یک گالری

هوش مصنوعی را فروخت ؟ در مورد کل جامعه ، توانایی تولید تصاویر و فیلم های واقع بینانه در حال حاضر

شروع به مسموم کردن جریان اطلاعات ما با محتوای جعلی کرده است. این تنها تقصیر توسعه دهندگان

هوش مصنوعی نیست سیستم عامل هایی که بیش از حد اطلاعات غلط را مجاز می دانند و عموم افرادی که

اخبار خود را از رسانه های اجتماعی می گیرند نیز مقصر هستند اما ما به یک ورطه واقعاً تاریک اطلاعات

غلط و فریب دهنده خیره شده ایم. زیرا ابزارها قدرتمندتر می شوند و استفاده از آنها آسان تر می شود.

هوش مصنوعی چه کاربرد هایی در صنعت عکاسی داشته ؟

قطعا هوش مصنوعی برای مصرف کنندگان کاملاً عالی است. دوربین های گوشی های هوشمند آنها ،

قبلاً نیز بسیار خوب بوده اند و بهتر هم خواهند شد. علاوه بر این ، به لطف دید ماشین ، کتابخانه های

عظیم عکس ما می توانند به طور خودکار سازمان یافته و فهرست بندی شوند و بعداً با سهولت جستجو

 شوند.این مزایای سازمانی همچنین کمک شایانی به جوانب مثبت خواهد کرد مانند پیشرفتی که قبلاً در

مواردی مانند برچسب گذاری خودکار لایت روم مشاهده کرده ایم. انتظار می رود که بسیاری از کارهای

آزار دهنده پیرامون سازماندهی و فهرست نویسی تصاویر توسط AI کاهش یابد. احتمال دیگر توانایی AI

برای خاتمه دادن به مسابقه مگاپیکسلی دوربین ها است.

هوش مصنوعی در مهندسی مکانیک

هوش مصنوعی در مهندسی مکانیک

پروژه Pro-mech Minds نمونه ای از هوش مصنوعی و یادگیری عمیق در مهندسی مکانیک است.

امروزه هوش مصنوعی کلمه ای است که همه جا شنیده می شود، همه گیری این موضوع به اسن خاطر

است که در همه زمینه ها نقش دارد. به گفته بریتانیکا ، “هوش مصنوعی (AI) ، به طور گسترده ای به

عنوان توانایی یک کامپیوتر دیجیتال یا روبات تحت کنترل کامپیوتر، در انجام کارهایی گفته می شود

که معمولاً با موجودات هوشمند مرتبط هستند.”هوش مصنوعی اصطلاحی گسترده تر است که در کنار آن

یادگیری ماشین است. یادگیری ماشینی از روشهای آماری استفاده می کند تا به ماشینها اجازه دهد با تجربه

بهبود یابند.(یاد گیرند)

مهندسی مکانیک استفاده کننده و توضیع کننده هوش مصنوعی

شرکتهای مهندسی مکانیک در درجه اول کاربران فن آوری هوش مصنوعی هستند ، اما به عنوان ارائه

دهنده راه حل های صنعتی ، آنها نیز نقش مهمی در انتشار و کاربرد هوش مصنوعی در زنجیره های ارزش

صنعتی دارند. ماشین آلات و تجهیزات ، فناوری های هوش مصنوعی را به عنوان هوش مصنوعی جاسازی

شده برای انواع مشتریان و صنایع به ارمغان می آورند. مهندسان مکانیک براساس تجربیات خود در یکپارچه

سازی فن آوری کارآمد و در طراحی مسئول همکاری انسان و ماشین  مانند رباتیک ، اتوماسیون و فن آوری

سنسور دارد. برای انجمن صنایع مهندسی مکانیک حمایت از شرکتهای عضو خود در استفاده از فناوریهای AI

ضروری است. اما برای ما نیز مهم است که به یک بحث مبتنی بر واقعیت و منطقی در سیاست و جامعه با هدف

ایجاد پذیرش گسترده و شکل دادن به چارچوب اجتماعی کمک کنیم.

فرست ایجاد شده

برای مهندسی مکانیک ، هوش مصنوعی بیش از هر چیز فرصتی برای حفظ رهبری جهانی است. هوش مصنوعی

به افزایش کارایی و توسعه مدل های جدید تجاری کمک می کند. فرآیندهای تولید می توانند بهینه شده و ماشین ها و

خدمات توسط عملکردهای هوشمند از طریق راه حل های تعبیه شده AI توسعه یابند. هوش مصنوعی یک عامل

تعیین کننده در رقابت آینده محصولات و فرآیندهای مهندسی مکانیک خواهد بود. در این زمینه ، هوش مصنوعی

خوب ، هم در فن آوری های موجود و هم در حوزه برنامه های کاربردی ، مهارت خود را ایجاد می کند. با توجه

به این ، مهندسی مکانیک نقشی اساسی در توسعه و استفاده از هوش مصنوعی بین صنعت و مقطعی دارد. این نه

تنها برای شرکتهای مهندسی مکانیک و مشتریان آنها مفید است ، بلکه دارای پتانسیل قابل توجهی برای استفاده موثرتر

از مواد و انرژی ، تصمیم گیری بهتر و تسلط بر چالشهایی مانند کمبود منابع و تغییرات آب و هوایی است. اگر از طرفی،

صنعت نتواند از فرصتهای ارائه شده توسط AI بهره ببرد ، نقش اصلی شرکتهای مهندسی اروپایی به طور حتم برای رقبا

از سایر مناطق جهان فناوری از بین خواهد رفت. بنابراین ادغام هوش مصنوعی در مهندسی مکانیک برای شرکت ها ،

پژوهشگران و سیاست گذاران کاملاً ضروری است.

 مسئولیت مهندسی مکانیک برای هوش مصنوعی

مهندسی مکانیک همچنین با مسئولیت مرتبط با معرفی فن آوری های جدید روبرو است – چه به عنوان ضامن

ایمنی ماشین و چه به عنوان یک شریک گفتگو برای جنبه های اجتماعی. از نظر انجمن صنایع مهندسی مکانیک

، هوش مصنوعی یک حوزه سیاست جدید و مستقل نیست ، بلکه یک فناوری کلیدی با اهمیت افقی است. این امر

نه تنها باید در زمینه سایر موضوعات دیجیتالی مانند مدیریت داده ، سیستم عامل های دیجیتال ، امنیت سایبری

یا زیرساخت های فناوری اطلاعات دیده شود ، بلکه همچنین باید در زمینه فعالیت های “کلاسیک” صنعتی مانند

ایمنی محصول و ماشین ، طراحی محیط کار و استاندارد سازی نیز دیده شود. به عنوان مثال ،ماشین هایی که از

هوش مصنوعی استفاده می کنند باید از قبل تحت پوشش الزامات قانونی ایمنی محصول و مقررات هماهنگی

اتحادیه اروپا قرار گرفته اند باشندبه منظور در نظر گرفتن این جنبه های متنوع ، استفاده از فرصت ها و تجزیه

و تحلیل مخاطرات به طور عینی ، گفتگوی اجتماعی مبتنی بر واقعیت با مشارکت کاربران در مهندسی مکانیک

و صنعت ضروری است.

هوش مصنوعی از ایده آل بودن تا کاربرد

اگر اصطلاح “هوش مصنوعی” مترادف برای یک سیستم بی نهایت خودمختار و شبیه انسان به کار رود ، به عنوان

لیک اصطلاح برای یک سیاست دیجیتالی عملی و ملموس نامناسب است. تمایز بین هوش مصنوعی عمومی و

هوش مصنوعی خاص از این رو برای یک بحث واقعی مهم است که ایده هوش مصنوعی عمومی به معنای تلاش

برای تقلید از هوش مانند انسان است که  توانایی هایی مانند برنامه ریزی ، تصمیم گیری در عدم قطعیت یا پیگیری

اهداف پیچیده را دارد. اما بر سر اینکه این اتفاق می افتد و یا اینکه اصلاً امکان پذیر است ک مشاجره است. از

طرف دیگر ، هوش مصنوعی خاص امروزه برای کاربردهای بتن در حال توسعه است – به عنوان مثال برای تشخیص

گفتار و الگو یا تجزیه و تحلیل خطا، این “هوش مصنوعی” با استفاده از قبل تعیین شده ، مشخصات برنامه نویس و

  نیاز قانونی محدود است. علاوه بر این ، فرایندهای فیزیکی ، الزامات عملیاتی و استانداردهای فنی محدودیت های روشنی

برای استفاده از هوش مصنوعی در فرآیندهای صنعتی تعیین می کنند. علاوه بر این ، تولیدکنندگان ماشین علاقه زیادی به

کنترل تمام عملکردهای دستگاه ، به ویژه عملکردهای تولید شده یا اصلاح شده توسط AI دارند. بنابراین اصطلاح

هوش مصنوعی تنها می تواند به عنوان مبنایی برای بحث و گفتگو سیاسی واقع گرایانه به شکل فعلی آن به عنوان

هوش مصنوعی خاص عمل کند یعنی اینکه استقلال محدود در برنامه های خاص دارند، اما  شعور شبیه به انسان ندارند.

یادگیری ماشین در مهندسی مکانیک

“یادگیری ماشینی” به عنوان شکلی از هوش مصنوعی خاص در حال حاضر بسیار کاربردی است و امکان ارزیابی عینی

را فراهم می کند. این الگوریتم ها آماری است و برنامه های نرم افزاری را قادر می سازد تا براساس تشخیص الگو به طور

مستقل یاد بگیرند. در برنامه های فعلی در صنعت و مهندسی مکانیک ، یادگیری ماشین قبلاً برای پاسخ به سوالات خاص

فناوری یا اقتصادی استفاده شده است. از یادگیری ماشین به عنوان مثال برای بازرسی سطح یا بافت در تضمین کیفیت با

به کارگیری از روش های پردازش تصویر استفاده می شود و پتانسیل بالایی برای کارآمدتر کردن پردازش تصویر دارد.

مثال دیگر بهینه سازی فرآیند ماشین های پیچیده است: در اینجا ، یادگیری ماشین مبتنی بر داده های حسگر می تواند

اطلاعات ارزشمندی را برای کوتاه کردن زمان راه اندازی و کشف منابع ناشناخته خطا ارائه دهد. استفاده موفقیت آمیز از

الگوریتم ها در نگهداری پیش بینی ، یعنی ارزیابی داده ها با هدف کارآمدتر کردن فرآیند بهره برداری و تعمیر ، تقریباً

استاندارد است. اطلاعات کلیدی همچنین می تواند به بهینه سازی ساختارها و فرآیندهای تولید داخلی کمک کند ، به عنوان

مثال با ارزیابی داده های ERP.  می تواند به بهبود توسعه و مدیریت محصول کمک کند ، به عنوان مثال وقتی محصولات

در مرحله استفاده داده ها را ارائه می دهند و اطلاعات را برای نوآوری ها و پیشرفت ها فراهم می کنند. در فروش و برنامه

ریزی ، ابزارهای هوش مصنوعی برای پیکربندی هوشمند ماشین ها می توانند از پتانسیل ارزش قابل توجهی در کسب و

کار استفاده کنند.

هوش مصنوعی و آینده

هوش مصنوعی و آینده

کارشناسان می گویند افزایش هوش مصنوعی و تکنولوژی باعث می شود تا بیشتر مردم در یک دهه آینده

بهتر عمل کنند ، اما بسیاری از آنها درباره این که پیشرفت در هوش مصنوعی چه تاثیری بر انسان بودن

، تولیدی بودن و اعمال اراده آزاد دارد تأثیر می گذارد نگران هستند.زندگی دیجیتال در حال تقویت ظرفیت های

انسانی و مختل کردن فعالیت های قدیمی انسان است. سیستم های کد محور در بیش از نیمی از ساکنان جهان

در اطلاعات و اتصال به محیط گسترش یافته اند ، و فرصت های پیش بینی نشده و تهدیدهای بی سابقه ای

را ارائه می دهند. همچنان که هوش مصنوعی مبتنی بر الگوریتم (AI) در حال گسترش و پیشرفت است ، آیا آینده

از وضعیت امروز بهتر می شوند؟

پیش بینی آینده هوش مصنوعی

کارشناسان پیش بینی کردند که هوش مصنوعی شبکه ای باعث افزایش کارآیی انسان می شود بلکه استقلال

انسانی ، آژانسها و قابلیت های آنها را نیز تهدید می کند. آنها از امکانات گسترده سخن می گفتند. ممکن است

رایانه ها از هوش انسانی و قابلیت های آنها در کارهایی مانند تصمیم گیری پیچیده ، استدلال و یادگیری ،

تجزیه و تحلیل پیشرفته و تشخیص الگوی ، حدت بینایی ، تشخیص گفتار و ترجمه زبان برآیند. آنها گفتند

سیستم های “هوشمند” در جوامع ، وسایل نقلیه ، ساختمانها و تاسیسات ، مزارع و فرایندهای تجاری موجب

صرفه جویی در وقت ، پول و می شوند و فرصت هایی را برای افراد فراهم می کنند تا از یک آینده

دلخواه تر برخوردار شوند.بسیاری سخنان خوش بینانه خود را در مورد مراقبت های بهداشتی و بسیاری

از کاربردهای ممکن هوش مصنوعی در تشخیص و معالجه بیماران یا کمک به سالمندان در زندگی کاملتر

و سالم تر متمرکز کردند. آنها همچنین از نقش هوش مصنوعی در کمک به برنامه های گسترده بهداشت

عمومی که در اطراف مقادیر زیادی از داده ها ایجاد شده اند ، که ممکن است در سال های آینده درباره

همه چیز ، از ژنوم شخصی گرفته تا تغذیه ، ضبط شود ، مشتاق بودند. علاوه بر این ، تعدادی از این

متخصصان پیش بینی کرده اند که هوش مصنوعی تغییرات پیش بینی شده طولانی مدت در سیستم های

آموزش رسمی و غیر رسمی را کاهش می دهد.

نگرانی و خطراتی هوش مصنوعی در آینده

با این حال ، اکثر کارشناسان ، صرف نظر از اینکه خوشبین هستند یا خیر ، ابراز نگرانی در مورد

تأثیر طولانی مدت این ابزارهای جدید بر عناصر اساسی انسان بودن دارند. از همه پاسخ دهندگان د

ر این بوم غیر علمی خواسته شده بود که توضیح دهند که چرا احساس می کنند هوش مصنوعی باعث

بهتر شدن افراد می شود یا خیر. بسیاری از نگرانی های عمیق را به اشتراک گذاشتند ، و بسیاری نیز

مسیرهایی را برای راه حل ها پیشنهاد کردند. مضامین اصلی آنها در مورد تهدیدات و راه حل های

درمانی در جدول همراه آمده است. تصمیم گیری در مورد جنبه های اصلی زندگی دیجیتال به طور

خودکار به ابزارهای “جعبه سیاه” محور کد منتقل می شود. مردم فاقد ورودی هستند و چگونگی کار

ابزارها را یاد نمی گیرند. آنها استقلال ، حریم خصوصی و قدرت را فدای انتخاب می کنند. آنها هیچ

کنترلی بر این فرآیندها ندارند. این اثر با عمیق تر شدن سیستم های خودکار و شیوع آن پیچیده تر

می شود.بیشتر ابزارهای هوش مصنوعی در دست شرکتهایی است که در تلاش برای سودآوری

هستند یا دولتهایی که برای  به دست آوردن قدرت تلاش می کنند. ارزش ها و اخلاق اغلب در سیستمهای

دیجیتال تصمیمی نمی گیرند که تصمیمات مردم را برای آنها گرفته می شود. این سیستم ها به صورت

جهانی در شبکه هستند و تنظیم یا تقویت مجدد آن کار ساده ای نیست. کارآیی و سایر مزایای اقتصادی

هوش دستگاه مبتنی بر کد همچنان به اختلال در همه جنبه های کار بشر می پردازد. در حالی که برخی

انتظار دارند که مشاغل جدید ایجاد شود ، برخی دیگر نگران تلفات گسترده شغل ، گسترش شکاف اقتصادی

و تحولات اجتماعی از جمله قیام های پوپولیستی هستند. بسیاری از هوش مصنوعی را تقویت کننده ظرفیتهای

انسانی می دانند ، اما برخی برعکس پیش بینی می کنند – این که وابستگی عمیق مردم به شبکه های ماشینی

باعث می شود توانایی های آنها برای فکر کردن در مورد خود ، اقدامات مستقل از سیستم های خودکار و

تعامل موثر با دیگران از بین برود.

برخی پیش بینی فرسایش بیشتر ساختارهای سنتی اجتماعی و سیاسی و احتمال از دست رفتن زیاد جان ها به

دلیل رشد سریع در برنامه های نظامی مستقل و استفاده از اطلاعات اسلحه ، دروغ و تبلیغات برای بی ثبات

کردن گروههای انسانی خطرناک است. برخی نیز از دسترسی مجرمان سایبری به سیستم های اقتصادی

می ترسند. شرکت های دیجیتال برای خدمت به منافع بشری در اولویت اول قرار دارد. باید روش هایی

برای افراد در سراسر جهان وجود داشته باشد تا به تفاهم ها و توافق های مشترک برسند – برای پیوستن به

نیروها برای تسهیل نوآوری رویکردهای پذیرفته شده با هدف مقابله با مشکلات شرور و کنترل بر روی

شبکه های پیچیده و دیجیتالی انسان کار آیی دارد. برای ایجاد شبکه های دیجیتالی هوشمند غیرمستقیم و

متشکل از “همدلی” که به انسانها کمک می کند تا با تهاجمی اطمینان حاصل کنند که این فناوری با مسئولیت

های اجتماعی و اخلاقی روبرو می شود ، “ذهنیت ماه” را اتخاذ کنید. برخی از سطح جدید مراحل تنظیم و

صدور گواهینامه ضروری خواهد بود. سازماندهی مجدد سیستم های اقتصادی و سیاسی به منظور گسترش

ظرفیت ها و توانایی های انسان به منظور افزایش همکاری های انسانی / هوش مصنوعی و روندهای پایدار

که باعث می شود ارتباط انسان در مقابل هوش برنامه ریزی شده به خطر بیفتد.

فلسفه هوش مصنوعی

فلسفه هوش مصنوعی

تقریبا هر کاری که ما انجام می دهیم دارای فلسفه خاصی است و هوش مصنوعی نیز از

این قاعده مستثنا نیست. هوش مصنوعی در سال 1956 به عنوان یک زمینه تحقیقاتی

شروع به فعالیت کرد و هدف آن ساخت ماشین هایی با قابلیت تفکر بود می توان گفت

که این تحقیقات دارای این اهداف بود: ساخت ماشین هایی که مانند انسان تفکر کنند یا

تفکر عقلانی داشته باشند، وماشین هایی که رفتار انسانی داشته باشند و یا رفتار عقلانی

داشته باشند. پس از سالها خوش بینی به دستیابی به این وظایف ، مشکلاتی درمورد نحوه

نمایش اطلاعاتی که می تواند در برنامه های کاربردی مفید باشد بوجود آمد.این مشکلات

شامل عدم دانش پیش زمینه ، عدم تعامل محاسبات ومحدودیت در ساختارهای نمایندگی دانش

بودند. اما این تنها مشکلات به وجود آمنده نبود و فلسفه هوش مصنوعی نیز توسط متخصصان

زیر سوال رفت .از زمان افلاطون فلاسفه هوش و هوشمندی را مورد بحث قرار داده بودند

و این باعث شد که پای فلسفه به این زمینه نیز باز بشود.با استفاده از مسائل ریاضی و یک

سری از راهکار های علمی دیگر  محققان تلاش کردند تا با استدلال فلسفی برای شعور بشری

ماهیت محدود هوش مصنوعی برای این امر را نشان دهند.

هربرت درفیوس

درفیوس در اهداف م روشهای هوش مصنوعی دیدگاه روشنگرایانه ای در مورد هوش دید.

این امر در طول تاریخ مورد حمایت بسیاری از فیلسوفان عقل گرایانه بوده است ، اما دریفوس

بیشتر به فلسفه ضد عقل گرایی قرن بیستم ، همانطور که در آثار هایدگر ، مرلو-پونتی و

ویتگنشتاین دیده می شود، علاقه مند بود. به گفته دریفوس ، بنیادی ترین روش شناخت ،

 شهودی است نه منطقی. یک فرد فقط هنگامی که در حال یاد گرفتن است ملزم به ایجاد رابطه

بین قوانین است که همان روش شناخت منطقی است. بعد از آن هوش به منزله یک روش شناخت

شهودی و حسی عمل می کند.رویکرد منطقی هوش مصنوعی در مبانی آنچه که هوش مصنوعی

نمادین نامیده می شود ، کاملا مشخص است. فرایندهای هوشمند به عنوان نوعی پردازش اطلاعات

وجود دارند  و بازنمایی این اطلاعات به صورت نمادین است. بنابراین اطلاعات کم و بیش به

دستکاری نماد کاهش می یابد. دریفوس این را به عنوان ترکیبی از سه مورد تحلیل کرد:

<< فرض روانشناختی ، که بیان می کند که هوش انسانی دستکاری نماد مبتنی بر قانون است >>

<< فرض معرفت شناختی ، با بیان اینکه همه دانش قابل رسم هستند >>

<< فرض هستی شناختی ، که بیان می کند واقعیت دارای یک ساختار رسم پذیر است >>

دریفوس نه تنها از این فرضیات انتقاد کرد ، بلکه مفاهیمی را نیز ارائه کرد که به نظر وی برای

هوشمندی لازم است. به گفته دریفوس ، هوش مجسم و مستقر است. البته در نظر گرفتن تجسم دشوار

است، زیرا معلوم نیست که آیا این بدان معناست که هوش به بدن نیاز دارد یا اینکه هوش فقط با کمک

بدن می تواند توسعه یابد. اما حداقل برای دریفوس مشخص است که، هوش به شرایطی بستگی دارد

که یک عامل هوشمند در آن پیدا شود ، که در آن عناصر در رابطه معنادار با متن خود قرار بگیرند.

نظر Dreyfus کارکرد ماشین های دستکاری نماد را در خارج از یک حوزه رسمی کاملاً تعریف شده

غیرممکن می کند.

مشاهدات عمومی در مورد اراده آزاد

اراده آزاد مفهومی عجیب است. در فلسفه می توان ذهن انسان را از هر طریق مورد بحث قرار داد ،

اما وقتی فرد به این سؤال بپردازد که آیا ما در تصمیمات خود آزاد هستیم ، بحث خطرناک می شود.

ما از نظر اراده ، تصمیمات و اعمال آنقدر با تفکر آشنا هستیم که بیشتر اوقات حتی نمی خواهیم این

احتمال را در نظر بگیریم که در انتخاب های خود آزاد نیستیم. اما چیزهای بیشتری وجود دارد چه

می شود اگر من در چنین بحثی بیان کنم که اراده آزاد انسان وجود ندارد؟ اگر صحیح نباشد ، من

اشتباه می کنم و اگر صحیح باشد ، کل اظهارات بی معنی است زیرا من نمی توانستم کاری جز گفتن

این کار بکنم. انکار اراده آزاد یک تضاد عملی است. هیچ کس نمی تواند اراده آزاد انسان را انکار

کند بدون اینکه این انکار را بی معنی کند. هنوز مسئله اراده آزاد امری مهم به نظر می رسد ، زیرا

تئوری های علمی ممکن است نشان دهند که هر آنچه اتفاق می افتد ، طبق قوانین طبیعت اتفاق می افتد.

بنابراین ، یا اگر بخواهیم خودمان را از دستگاه های ارگانیسم قطعی نگیریم ، باید به انسان ویژگی های

ویژه ای اختصاص دهیم ، یا اینکه قوانین طبیعت را قطعی بدانیم. گزینه اول با بسیاری از تئوری های

فلسفی در ارتباط است ، اما بیشتر از همه با آنچه که دکارت اظهار داشت ، جهان را به دو ماده (روح و

ماده) تقسیم می کند که در انسان ها به هم پیوند دارند. گزینه دوم برای چشم اندازهای جامع تر باز می شود

، که از تحولات اخیر در فیزیک (نسبیت ، مکانیک کوانتومی) استفاده می کنند تا نشان دهند که اراده آزاد

ما ممکن است در غیرقابل پیش بینی پویایی طبیعت قرار بگیرد. دیدگاه دوتایی دکارت و دیگران امکان

اراده آزاد برای چیزهای دیگر غیر از انسان را انکار می کند. بنابراین بحث در مورد اراده آزاد و

فلسفه ماشینهای هوشمند و هوش مصنوعی کاملاً جالب نیست. از طرف دیگر ، دیدگاههای کل نگر نسبت

به چنین بحثی مناسب تر است ، اما نتیجه گیری دیگری غیر از پیش فرض های جسمی که برای واگذاری

خاصیت اراده آزاد ، چه به انسان و چه برای رایانه ها ضروری است ، دشوار است. این ممکن است در

یک بحث فلسفی محض مرتبط باشد ، اما ارتباط چندانی با علم کامپیوتر ندارد.

نسبت دادن اراده آزاد به هوش مصنوعی

اکنون ما در مرحله ای هستیم که ماشین های هوشمند را هم در جامعه و هم در مقالات معرفی می کنیم.

در طول انقلابهای صنعتی ، ما ماشین آلات زیادی را ساختیم که با هدف انجام وظایف جایگزین نیروی

انسانی بود. اکنون ما در حال معرفی ماشین آلات هستیم که قرار است کارهای هوشمندانه ، به ویژه

تصمیم گیری را انجام دهد. این بدان معناست که ما در این مرحله قرار داریم که بیشتر و بیشتر از خودمان

را به ماشین نزدیک کنیم  و محدودیتی برای آنچه می توانیم در این امر انجام دهیم وجود دارد. از آنجا که این

ماشین ها با ما مقابله می کنند ، ما نمی توانیم بدون فکر کردن در مورد آنها به روشی انسانی تر ، حوزه

کارهایی که انجام می دهند را گسترش دهیم.

البته بسیاری از رویکرد های دیگر هست که باید برای دانستن فلسفه هوش مصنوعی باید به آنها آگاه بود

اما همیشه این چالش وجود داشته تا امیال انسانی را توسط ماشین ها باز سازی کنیم .

هوش مصنوعی با پایتون

هوش مصنوعی با پایتون

پایتون یک زبان برنامه نویسی است که در با هوش مصنوعی درآمیخته و بسیار کاربرد دارد.

با توجه به نظرات توسعه دهندگان پایتون با داشتن 57% آرا، نسبت به زبان C++ محبوب تر

است. دلیل این امر یادگیری و اجرای آسان پایتون است.با وجود بسیاری از کتابخانه ها ، می توان

از آنها برای تجزیه و تحلیل داده ها نیز استفاده کرد. در صورتی که برای یادگیری و استفاده از

 به این دلیل که برنامه ابتدایی تری است بسیار سخت تر است. پایتون زبان برنامه نویسی C++

 جدیدی نیست اما در سال های اخیر جایگاه ویژهای را برای خود به دست آورده.

پایتون چیست ؟

پایتون (به انگلیسی: Python) یک محیط یکپارچه توسعه نرم‌افزار همه منظوره سطح بالا، شیءگرا،

اِسکریپتی و متن باز است که توسط خیدو فان روســـــوم در سال ۱۹۹۱ در کشور هلند طــراحی شــد.

فلسفهٔ ایجاد آن تأکید بر دو هدف اصلی خوانایی بالای برنامه‌های نوشته شده و کوتاهی و بازدهی نسبی

بالای آن است. کلمات کلیدی و اصلی این زبان به صورت حداقلی تهیه شده‌اند و در مقابل کتابخانه‌هایی

که در اختیار کاربر است بسیار وسیع هستند.

بر خلاف برخی زبان‌های برنامه ‌نویسی رایج دیگر که بلاک‌های کد در آکولاد تعریف می‌شوند (به‌ ویژه

زبان‌هایی که از گرامر زبان سی پیروی می‌کنند) در زبان پایتون از فــــاصله و جلو بــردن متن برنامه

برای مشخص کردن بلاک‌های کد استفاده می‌شود. به این معنی که تعدادی یکسان از نویسه فاصله در

ابتدای سطرهای هر بلاک قرار می‌گیرند، و این تعداد در بلاک‌های کد درونی‌تر افــزایش می‌یابد. بدین

ترتیب بلاک‌های کد به صورت خودکار ظاهری مرتب دارند.پایتون مدل‌های مختلف برنامه ‌نویسی

(از جمله شی‌گرا و برنامه‌نویسی دستوری و تابع محور) را پشتیبانی می‌کند و برای مشخص کردن نوع

متغیرها از یک سامانهٔ پویا استفاده می‌کند.به همین دلایل است که پایتون با هوش مصنوعی بسیار همخوانی

دارد و مناسب است.

چرا هوش مصنوعی را با پایتون می نویسند ؟

پایتون با تعداد زیادی کتابخانه داخلی ساخته شده است. بسیاری از کتابخانه ها برای هوش مصنوعی

و یادگیری ماشین است. برخی از کتابخانه ها عبارتند از Tensorflow (که کتابخانه شبکه عصبی

سطح بالایی است) ، scikit-Learn (برای داده کاوی ، تجزیه و تحلیل داده ها و یادگیری ماشین)

، pylearn2 (انعطاف پذیر تر از scikit-Learn) البته تمام کتابخانه ها نیستند و این لیست کتابخانه ها

ادامه دارد.پایتون یک پیاده سازی آسان برای OpenCV دارد. آنچه پایتون را برای همه محبوب می کند،

اجرای قدرتمند و آسان آن است. برای سایر زبانها ، دانشجویان و محققان باید قبل از نوشتن کد های

یادگیری ماشینی یا هوش مصنوعی با آن زبان ، باید شناخت کاملی از آن زبان مورد نظر را بدانند. اما

در مورد پایتون اینگونه نیست. حتی یک برنامه نویس با دانش بسیار پایه ای می تواند به راحتی پایتون

را اداره کند. گذشته از آن ، زمانی که کسی در نوشتن و اشکال زدایی کد در پایتون سپری می کند،

در مقایسه با C ، C ++ یا Java ، بسیار کمتر می شود.

مزیت های پایتون برای نوشتن هوش مصنوعی

اولین مزیتی که خیلی ها را به سمت پایتون سوق می دهد همانطور که قبلا ذکر کردیم داشتن تعداد بالای

کتابخانه ها برای این زبان برنامه نویسی است. کتابخانه یک ماژول یا گروهی از ماژولهایی

منتشر شده توسط منابع مختلف مانند PyPi است که شامل یکسری کد از پیش نوشته شده است که به

کاربران امکان می دهد تا به برخی عملکردهای مختلف برسند. کتابخانه های Python

موارد سطح پایه ای را ارائه می دهند ، بنابراین توسعه دهندگان مجبور نیستند که از همان ابتدا هر

بار کد نویسی کنند. موانع کم برای ورودی، دانشمندان داده بیشتری را مجاب می کند تا

پایتون را انتخاب کنند و بدون هدر دادن زمان و تلاش زیاد برای یادگیری زبان برنامه نویسی ، از

آن برای توسعه هوش مصنوعی استفاده کنند. زبان برنامه نویسی پایتون شباهت زیادی به زبان انگلیسی

دارد و این روند یادگیری را آسانتر می کند. نحو ساده آن به شما امکان می دهد تا با سیستمهای

پیچیده راحت کار کنید و روابط صریح بین عناصر سیستم را تضمین کنید. پایتون برنامه بسیار انعطاف

پذیری است و به کاربر اجازه می دهد تا با  بسیاری از داده های موجود بتواند کار کند. پایتون یک پلتفرم

مستقل است و می تواند روی سیستم عامل هایی مثل ویندوز، مک او اس، لینوکسو خیلی از

سیستم عامل دیگر اجرا شود. خواندن کد های این برنامه بسیار آسان است و می توانید به راحتی

کد دیگر توسعه دهندگان را بخوانید. این برنامه قابلیت تجسم سازی خوبی دارد برای مثال کتابخانه Matplotlib

اجازه می دهید نمودارها ، و طرح هایی برای درک بهتر داده ها ، ارائه مؤثر و تجسم

بهتر ایجاد کنند. این زبان جامعه پشتیبانی بسیار خوبی دارد و در نهایت محبوبیت آن به شدت در حال گسترش است.

برنامه هایی که با پایتون نوشته شده

اینستاگرام (Instagram): نرم‌افزار اشتراک‌گذاری تصاویر و ویدیوها
بیت‌تورنت (نرم‌افزار) (BitTorrent): نرم‌افزار کلاینت برای فایل‌های به اشتراک گذاشته شدهٔ (p2p) توسط پروتکل بیت‌تورنت
چندلر (Chandler): مدیر اطلاعات شخصی شامل تقویم، میل، کارهای روزانه، یادداشت‌ها و…
Civilization IV: یک گیم کامپیوتری بر مبنای پایتون که از boost.python استفاده می‌کند
میلمن (Mailman): یکی از معروفترین نرم‌افزارهای مرتبط با ایمیل
کمبیلو (Kombilo): مدیر پایگاه داده و مرورگر بازی‌های go
موین‌موین (MoinMoin): یکی از قدرتمندترین و معروفترین ویکی‌های موجود
پلون (Plone): یک ابزار مدیریتی محتوایی متن باز، قدرتمند و کاربر پسند
پورتاژ (Portage): قلب توزیع جنتو. یک مدیر بستهای سیستم لینوکس
زوپ (zope): یک پلتفورم شیء گرای مبتنی بر وب. زوپ شامل یک سرور نرم‌افزار به همراه پایگاه داده شیء گرا و یک رابط مدیریتی درونی مبتنی بر وب می‌باشد
اس‌پی‌ای (SPE): یک IDE رایگان، متن باز برای سیستم‌عامل‌های ویندوز، لینوکس، مک که از wxGlade(طراحی رابط کاربر),PyChecker (دکتر کد) (Blender(3D پشتیبانی می‌کند
یام (Yum): یک برنامه مدیریت بسته متن‌باز برای توزیع‌های سازگار با آرپی‌ام.
آباکوس(Abaqus):نرم‌افزار شبیه‌سازی با روش المان محدود که امکان اسکریپت‌نویسی به زبان پایتون را به کاربر می‌دهد.

زبان های دیگر که تحت تاثیر پایتون نوشته شده اند

طراحی و فلسفه پایتون بر بسیاری از زبانهای برنامه نویسی دیگر تأثیر گذاشته است:

بو از حالت تورفتگی ، نحو مشابه و الگویی مشابه شی استفاده می کند.
کبرا از اصطلاح و نحو مشابه استفاده می کند ، و سند تأیید آن ، پایتون را برای اولین بار در بین زبان هایی که بر آن تأثیر گذاشته اند ، لیست می کند.
CafeScript ، یک زبان برنامه نویسی است که به زبان JavaScript کامپایل می شود ، دارای نحوی الهام گرفته از پایتون است.
ECMAScript / جاوا اسکریپت تکرار کننده و ژنراتورها را از پایتون گرفته است.
GDScript ، یک زبان برنامه نویسی بسیار شبیه به پایتون ، که در موتور بازی گودوتساخته شده .
Go برای “سرعت کار با زبانی پویا مانند پایتون” طراحی شده است و همین نحو را برای برش آرایه ها به اشتراک می گذارد.
گرووی از میل به آوردن فلسفه طراحی پایتون به جاوا انگیزه گرفت.
جولیا به گونه ای طراحی شده بود که برای برنامه نویسی عمومی به مانند پایتون قابل استفاده باشد.
نیم از عملکرد  و نحو مشابهی استفاده می کند.
یوکیهیرو ماتسوموتو ، خالق روبی گفته است: “من می خواهم یک زبان برنامه نویسی داشته باشم که از پرل قدرتمندتر باشد و از پیتون شیء گرا باشد. به همین دلیل تصمیم گرفتم که زبان خودم را طراحی کنم.”
سوئیفت ، یک زبان برنامه نویسی است که توسط اپل ساخته شده است و دارای نحوی با الهام از پایتون است.
شیوه های توسعه پایتون نیز توسط زبان های دیگر تقلید شده است. به عنوان مثال ، تمرین نیاز به سندی که توضیحات منطقی را برای آن شرح می دهد ، و مسائل مربوط به آن ، تغییر زبان (در پایتون ، یک PEP) در Tcl ،  Erlang ، ​​و Swift نیز مورد استفاده قرار می گیرد.