اپلیکیشن چگونه ساخته می شود

اپلیکیشن چگونه ساخته می شود

اکثر غریب به اتفاق مردم از اپلکیشن ها استفاده می کنند اما اما کمتر کسی مب داند که اپلیکیشن چگونه ساخته می شود. در گذشته نه چندان دور تنها یک راه برای ساخت برنامه تلفن همراه وجود داشت و آن هم این بود که با تلفن هوشمند را با زبان برنامه نویسی بومی پلت فرم آن برنامه نویسی کنید. اگر می خواستید یک برنامه Apple / iOS بسازید ، از کیت توسعه نرم افزار Apple و اگر می خواهید یک برنامه Android بسازید ، باید از زبان نیتیو Android استفاده کنید. امروز می توانیم از زبان واسطه ای مانند Javascript برای ساخت برنامه استفاده کنیم. سپس می توانیم این کد را خروجی بگیریم کنیم تا به جای ساخت اپ برای هر پلتفرم با هزینه های بسیار بیشتر ، برنامه ای برای Android و iOS ایجاد کنیم. مزایا و معایبی برای انجام این کار وجود دارد اما خبر خوب این است که امروز ، این گزینه خوبی برای بسیاری از برنامه ها است.

امروزه اپلیکیشن چگونه ساخته می شود ؟

اپلیکیشن های نیتیو

اپلیکیشن های نیتیو و یا برنامه های بومی به طور خاص برای سیستم عامل تلفن همراه مانند Apple iOs ، Android یا Windows phone ساخته شده اند. این برنامه باید متناسب با نیازهای هر سیستم عامل ساخته شود و یکی با دیگری قابل تعویض نیست. بنابراین نمی توانید از یک برنامه iOS در دستگاه Android و بالعکس استفاده کنید. برنامه های بومی معمولاً توسط توسعه دهنده ای که مسلط به زبان خاص لازم برای سیستم عامل مورد نظر است، ساخته می شوند. این برنامه ها از فروشگاه برنامه مربوطه مانند اپ استور و گوگل پلی در دستگاه بارگیری می شوند و در حافظه دستگاه ذخیره می شوند ، و با کلیک روی نماد آن، آماده استفاده می باشند. آنها دارای قابلیت تنظیم بسیار بالایی هستند و طیف گسترده ای از ساختار و جذابیت بصری را ارائه می دهند.

برنامه های بومی بهترین تجربه کاربری را ارائه می دهند. آنها با رعایت قراردادهای پلتفرم رابط کاربری (UI) ،سریعتر و قابل اطمینان تر هستند. این برنامه ها به سخت افزار تلفن و ویژگی های سیستم عامل مانند دوربین ، ژیروسکوپ ، سنسورها ، GPS ، شتاب سنج ، دفترچه آدرس ، تقویم ، تلفن و … دسترسی دارند که به راحتی در فروشگاه برنامه پلتفرم یافت می شوند و بسیاری از آنها می توانند بدون اتصال اینترنت فعال باشند. ساخت آنها نسبت به انواع دیگر برنامه ها گران تر است ، اما بیشترین مزیت ها را نیز دارند.

برنامه های Cross Platform یا میان پلتفرمی

یک گزینه هیجان انگیز که وارد صحنه برنامه شده است ، امکان ایجاد برنامه های کراس پلتفرم است. برنامه های کراس پلت فرم با استفاده از یک زبان جهانی واحد مانند Javascript ساخته می شوند که می تواند برای سیستم عامل های مختلف دستگاه خروجی بدهد. چندین مزیت برای ساخت برنامه های کراس پلتفرم وجود دارد:

بیشتر کدها را می توان بین سیستم عامل ها به اشتراک گذاشت که باعث کاهش هزینه و زمان راه اندازی می شود.
تجربه کاربر بین سیستم عامل های مختلف یکپارچه تر خواهد بود، این امر مهم است زیرا بسیاری از افراد بیش از یک نوع دستگاه دارند.
اکثر اشکالات کد فقط یک بار در تمام سیستم عامل ها برطرف می شود.
دارندگان برنامه بدون نیاز به افزایش هزینه لازم هنگام ساخت برنامه ها در سیستم عامل های مختلف ، مخاطبان گسترده تری دارند.
تعمیر و نگهداری این برنامه ها معمولاً آسان تر است زیرا برای به روزرسانی و نگهداری فقط با یک پایگاه کد سروکار دارید
برای ساخت برنامه های کراس پلت فرم ، توسعه دهندگان از ابزارهایی مانند React Native ، NativeScript ، Xamarin یا Appcelerator استفاده می کنند.

اپلیکیشن Hybrid / HTML5

برنامه های ترکیبی و یا Hybrid با استفاده از HTML5 ، Javascript و / یا CSS ساخته می شوند. این برنامه ها ممکن است مانند یک برنامه بومی به نظر برسند ، اما در واقع فقط وب سایت هایی با شکوه هستند که در یک برنامه قابل بارگیری قرار گرفته اند. برنامه های ترکیبی آسان تر و سریعتر توسعه می یابند و در همه دستگاه ها قابل استفاده هستند ، که باعث جذابیت آنها برای برخی از شرکت هایی می شود که می خواهند در وقت و هزینه خود صرفه جویی کنند و هنوز هم برنامه خود را داشته باشند کاربرد دارند. با این حال برای استفاده از این اپلیکیشن ها به استفاده از یک مرورگر وب نیاز است. برنامه های ترکیبی می توانند از مکان جغرافیایی ، ژیروسکوپ ، دوربین ، شتاب سنج و حافظه محلی تلفن هوشمند شما استفاده کنند. برنامه های ترکیبی به پر سرعتی برنامه های بومی نیستند و عملکرد و بهینه سازی موجود در برنامه های بومی را ندارند. ممکن است شرکت ها بدون اینکه سرمایه گذاری کامل برای ساخت یک برنامه بومی را انجام دهند ، استفاده از یک برنامه ترکیبی را برای ارائه به مشتریان وب سایت موجود خود ، نوعی برنامه تلفن همراه موقت در نظر بگیرند. این می تواند یک گزینه ​​خوب باشد.

برنامه های ترکیبی / HTML5 را می توان با استفاده از Sencha Touch ، Cordova ، PhoneGap و Ionic ساخت.

وب اپلیکیشن ها

برنامه های وب اصلاً برنامه نیستند بلکه وب سایت هایی هستند که برای دسترسی به آنها از طریق مرورگر وب تلفن های هوشمند طراحی شده اند. صفحه وب حاصله به گونه ای طراحی خواهد شد که شباهت زیادی به یک برنامه موبایل دارد. از آنجا که برای اجرای آنها به یک مرورگر نیاز دارید ، به حافظه دستگاه زیادی احتیاج ندارند. آنها همچنین با استفاده از HTML5 ، Javascript یا CSS می شوند و گزینه ای برای نصب بر روی تلفن توسط کاربر با ایجاد نشانک به وب سایت ارائه می دهند. از آنجا که به طور خاص برای دستگاه های تلفن همراه طراحی شده اند ، بیشتر شبیه برنامه ها هستند تا صفحات وب. آنها در هر دستگاهی که اتصال اینترنتی داشته باشد قابل دسترسی هستند که این یک مزیت است. اگر اتصال ضعیف باشد یا وجود نداشته باشد ،می تواند برای کاربران بد باشد. برنامه های وب همچنین گزینه های کمتری برای اتصال به API تلفن بومی دارند.

حال که می دانیم اپلیکیشن چگونه ساخته می شود می توانید برای انتخاب منطقی تر و بهتر نوع اپلیکیشن خود اقدام کنید.

با ویرا سگال کارو همراه باشید

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.

طراحی وبسایت و شیوه های نوین آن

طراحی وبسایت و شیوه های نوین آن

شیوه های نوین طراحی وبسایت 2020 کدامند؟ در یک بازار بسیار رقابتی مانند بازار دیجیتال ، پیش بینی تغییرات و یادگیری نحوه انطباق با آنها مهم است. در نتیجه برای اینکه وبسایت ما در بهترین حالت قرار بگیرد بهتر است از رویکرد های جدید و شیوه های نوین در طراحی آن استفاده شود. بسته به نوع کسب و کار و نحوه طراحی سایت می توان از بسیاری از روش های مختلف کمک گرفت. بنابراین نمی توان گفت که کدام شیوه بهتر از سایرین است. ما در این نوسته سعی داریم تا بتوانیم با معرفی برخی از این روش ها برای شما راهنمای خوبی باشیم.

انواع شیوه های نوین طراحی و توسعه وبسایت

برنامه های وب پیشرفته (PWA)

در سال 2019 ، 65٪ از سفارشات خرید آنلاین از طریق وب سایت و با دستگاه های تلفن همراه انجام شده است. روند افزایشی وب سایت PWA این امکان را برای کاربران فراهم می کند تا وب سایت های مورد علاقه خود را از طریق مرورگر وب تلفن همراه و یا دسک تاپ و بدون بارگیری و نصب برنامه های خاص مشاهده کنند. PWA ها در سال 2020 با HTML و CSS ، JavaScript ، React یا Angular نوشته می شوند. علاوه بر تجربه کاربری عالی و عدم نیاز به برنامه های دیگر ، PWA می تواند اعلان های فشاری ارسال کند و دسترسی آفلاین به محتوای ذخیره شده را برای کاربران فراهم کند.

هوش مصنوعی و ربات ها

شرکت های عظیم B2C در حال حاضر از این فناوری برای خدمات دهی به مشتریان خود استفاده می کنند – ربات های چت صفحه رسمی داخل Facebook Messenger ، WhatsApp و Skype نمونه های خوبی هستند. همچنین یک ربات می تواند در PWA ، وب سایت معمولی ، تجهیزات حرفه ای یا خانگی و هر برنامه متصل به اینترنت که توسط یک شرکت تجاری توسعه یافته است ، ادغام شود.

صفحات شتاب داده شده تلفن همراه (AMP)

AMP ها صفحات بهینه شده ای هستند که می توانند سریع کار کنند و دارای یک طراحی ساده و در عین حال راحت هستند و فقط دارای ویژگی های اساسی در مقایسه با محصولات وب کامل هستند. این صفحات همچنین برای موبایل مناسب هستند و محتوای آنها همیشه قابل خواندن است.

برنامه تک صفحه (SPA)

SPA ها به دلیل افزایش چارچوب های JavaScript محبوبیت خاص خود را پیدا می کردند. هنگامی که با آنها کار می کنید وقایع خاص مرورگر را رهگیری کرده و از JSON درخواست می کنید که همانند کار با یک برنامه وب اپلیکیشن است. صفحات Google مانند Gmail ، Google Drive یا Google Maps و همچنین سیستم عامل های شبکه های اجتماعی مانند Facebook از این نوع هستند. مشاهده روند فعلی وب روشن می کند که در آینده اکثر وب سایت های کاربردی به شیوه SPA ساخته می شوند.

بهینه سازی جستجوی صوتی

به نظر می رسد آینده توسعه وب کمتر در گرو متن ها و بیشتر مایل به کارکرد با صدا است و این رویکرد  فقط در مورد دستیارهای خانگی چند منظوره مجازی مانند Siri ، Google Home یا Amazon’s Alexa نیست. در سال 2020 ، بیش از نیمی از دستگاه های هوشمند و اینترنت اشیا سخنان کاربران را می شنوند و دستورات صوتی را اجرا می کنند. و حتی در موارد بیشتر آنها قادر خواهند بود صدای افراد مختلف را تشخیص دهند و تجربه شخصی مبتنی بر هوش مصنوعی را برای همه فراهم کنند.

رابط کاربر متحرک

این احتمال وجود دارد که در سال 2020 MVP ها هنوز بسیار ساده و مینیمال باشند. اما به صورت همزمان ، متخصصان تقاضا برای رویکردهای طراحی جدید مانند UI متحرک را پیش بینی می کنند. اگرچه طراحی رابط کاربر حرکتی از سال 2018 مرسوم است ، اما به دلیل فناوری کتابخانه های SASS اکنون برای همه کاربران دستگاه های متفاوت قابل دسترسی است.

تست اتوماسیون

بیشتر فن آوری های در حال ظهور وب با هدف ارزان سازی روند توسعه و ارائه بهترین تجربه به کاربران است. اتوماسیون مراحل توسعه ابزاری برای دستیابی به هدف اول است. یادگیری ماشین و رویکرد AI به ما امکان می دهد پروژه های پیچیده ای را با یک تیم کوچک یا با تعداد کمتری از متخصصان توسعه بسازیم ، در حالی که اتوماسیون تست محصول به ما کمک می کند تا بررسی کنیم که آیا محصول ما برای استقرار آماده است یا خیر.

هوش مصنوعی و روانشناسی

هوش مصنوعی و روانشناسی

چرا باید تئوریهای روانشناسی ، انسان شناسی و علوم شناختی در توسعه و نگهداری هوش مصنوعی اعمال شوند.

هوش مصنوعی در حلقه مشترک بسیاری از زمینه های مختلف تحصیلی ، از جمله روانشناسی ، فلسفه و اخلاق ،

علم داده های علوم رایانه و انسان شناسی می باشد. در روزهای ابتدایی پیدایش آن ، تأکید بسیاری بر هوش مصنوعی

واقعی صورت گرفت. هوش مصنوعی واقعی با بسیاری از سیستم های هوش مصنوعی که در حال حاضر ایجاد شده

و می شوند، نسبتاً متفاوت است.هوش مصنوعی واقعی ، همچنین به عنوان هوش عمومی مصنوعی یا AGI شناخته

می شود ، یک سیستم مصنوعی است که اساساً به روشی که یک انسان عمل می کند، عمل می کند. از طرف دیگر ،

بسیاری از اشکال هوش مصنوعی موجود در این روزها صرفاً سیستم های یادگیری ماشینی است و در بسیاری موارد

تمام سیستم در حال انجام تنظیم دقیق یک عملکرد غیر خطی پیچیده است.

نقش یادگیری ماشینی

بهبود تکنیک های یادگیری ماشین بخش مهمی از تحقیق است و یادگیری ماشین از بسیاری جهات زندگی ما

را آسان تر کرده است. به جای مدل های کدگذاری سخت ، توسعه دهندگان نرم افزار می توانند چارچوب هایی

را برای این مدل ها ایجاد کرده و به یادگیری ماشین اجازه دهند تا الگوهای خاص را مشخص کند. به عنوان

مثال ، به جای ایجاد الگوریتمی که یک بیماری را براساس پیش بینی های شناخته شده مشخص کند ، می توانیم

الگوریتمی ایجاد کنیم که بتواند در وهله اول یاد بگیرد که  عوامل پیش بینی کننده، در کدام حالت قرار دارند.

اما در حالی که یادگیری ماشین مهم است ، دقیقاً علاقه اصلی بسیاری از محققان نیست. آنها اکثرا به AGI

علاقه مند بوده اند. و این زیر مجموعه می تواند از علاقه بیشتر روانشناسان و ارتباط بهتر دانشمندان رایانه و

روانشناسان بهره مند شود. مقاله بن فرولند درباره بیماری روانی سایبرنتیک بسیار جالب است. مقاله بحث

خوبی در مورد اهمیت روانشناسی در AGI است. اگر واقعاً سیستم های نرم افزاری یا سخت افزاری داریم

که اساساً با انسان ها همخوانی دارند ، پس می توانیم انتظار داشته باشیم که آنها مانند انسانها دچار مشکل روانی

شوند. بیماری روانی در ماشین آلات به همان اندازه مشکل است که در انسان وجود دارد.اما دلیل دیگری

وجود دارد که چرا ما برای AGI نیاز به روانشناسی داریم. قبل از اینکه بتوانیم بیماری روانی AGI  را

درمان کنیم ، باید در وهله اول AGI ایجاد کنیم. و اینجاست که روانشناسی و علوم اعصاب شناختی و انسان

شناسی به این فرایند وارد می شوند.

چگونه می توانیم بفهمیم که یک ماشین هوشمند است ؟

لپ تاپ ها من می تواند خیلی سریعتر از آنچه که ما می توانیم معادلات را حل کنند. می توانند چندین عدد

بزرگ را در هم ضرب کند با مراجعه به سایت هایی مانند Wolfram Alpha می توانیم یک معادله نسبتاً

پیچیده را  تقریباً بلافاصله حل می کنیم. اما با این حال ، ما این سیستم ها را هوشمند نمی دانیم. در واقع ما

نمی دانیم که هوشمندی و یا هوش انسانی چیست. بنابراین نمی توئانیم تایید کنیم که آیا چیز دیگری دارای

این هوش هست یا خیر. اما آلن تورینگ ، یک دانشمند فوق العاده مهم رایانه که در اوایل قرن بیستم

زندگی می کرد، با یک ایده جالب ارائه داد. تورینگ به جای گفتن اینکه یک برنامه کاملاً هوشمند

است یا نه، یک تست کور را در نظر گرفت که در آن تست شخص باید حدس بزند که آیا با یک رایانه

صحبت می کرده یا یک انسان واقعی. اگر آنها نمی توانند تفاوت را بیان کنند ، برنامه آزمون را پشت

سر گذاشته بود و هوشمند تلقی می شد.

آزمون تورینگ پیشرفته

متاسفانه این آزمون باعث نمی شود تا برنامه ها بهتر شوند. دراین مرحله روانشناسی دخیل می شود.

اگر بتوانیم پروتکلی را برای تجزیه و تحلیل کاربردهای مختلف AGI تهیه کنیم ، تا ببینیم کدام یک از

آنها به داشتن هوش انسانی مانند نزدیکتر هستند ، می توانیم روشهایی را انتخاب کنیم که ما را در

جهت درست حرکت دهد. کارهای زیادی وجود دارد که باید در ایجاد ارزیابی ها برای برنامه های

هوش مصنوعی انجام شود. یکی از بزرگترین مشکلات این است که بیشتر تعامل بین هوش مصنوعی

و انسان مبتنی بر متن است. ارتباط کلامی ممکن است ، اما تولید کلامی قانع کننده دشوار است. صدایی

با صدای رباتیک به طور خودکار شخصیت واقعی فرد را نشان می دهد ، مگر اینکه صدای مشارکت

کنندگان انسان با فیلتر پخش شود.تست های ضریب هوشی نیز مشکل ساز هستند ، زیرا بسیاری از آنها

دارای اجزای بینایی هستند. با این وجود ، می توان یک تست ضریب هوشی صرفاً شفاهی ایجاد کرد ،

در جایی که پرسشنامه سؤالات کلامی را می پرسد ، و جواب در یک پاسخ کلامی ارائه می شود ، بدون

اینکه نیازی به نوشتن یا ترسیم باشد. این آزمون باید بیشتر به تجزیه و تحلیل توانایی تفکر انتزاعی ،

یادآوری اطلاعات و سنتز دانش جدید و همچنین تجزیه و تحلیل هوش هیجانی و اجتماعی متمرکز شود.

تدوین این نوع از آزمایشات هوش مصنوعی به تعدادی افراد با سابقه و ماهر مختلف از جمله روانشناسی ،

رشد کودک ، پزشکان بهداشت روان و البته دانشمندان رایانه احتیاج دارد. اما این یک آزمایش مهم برای

پیشرفت AGI واقعی و همچنین ارزیابی سلامت اعضای آینده جامعه ما است.

تعریف راسل و نورویگ

راسل و نورویگ (2009) پذیرفته ترین تعریف را برای هوش مصنوعی امروزه ارائه می دهند ، یعنی

طراحی و ساختن مأمورانی که از محیط برداشت می کنند و اقداماتی را انجام می دهند که بر آن محیط تأثیر

می گذارد. علاوه بر این ، توجه AI در حال حاضر توجه بسیار متفاوت از مورد توجه از دهه نود است.

در آن زمان ، توجه بر هوش مصنوعی مبتنی بر منطق ، معمولاً تحت عنوان بازنمایی دانش (KR) انجام

می شد ، در حالی که تمرکز امروز بر یادگیری ماشین (ML) و الگوریتم های آماری است. اولی برای انجام

تخفیف نیاز به یک سیستم بدیهی دارد و چنین سیستم با بازیابی قوانین تولید از طرف متخصصان ایجاد می شود.

حالت دوم برای ایجاد استنتاج نیاز به سوابق تاریخی ، معمولاً به میزان بسیار زیادی ، برای ایجاد استنتاج ، نیاز

دارد.

هوش مصنوعی و هوش انسانی

هوش مصنوعی و هوش انسانی

چرا تعداد پروژه ها و نرم افزار های هوش مصنوعی  که به هوش انسانی نزدیک باشند بسیار کم است ؟

یک پروژه اینچنین حتما به مشکل بر خواهد خورد. دلایل زیادی برای این احتمال کم وجود دارد اما

بنیادی ترین آن به طور کلی این است که انسان ها در کار هایی که کامپیوتر ها انجام می دهند ضعیف

هستند و همچنین کامپیوتر ها هم در زمینه های انسانی ضعیف هستند. پیش بینی می شود که بازار

هوش مصنوعی تا سال 2025 300 میلیارد دلار ارزش داشته باشد. و اکثریت قریب به اتفاق شرکتهایی

که سعی می کنند که در این بازار حضور داشته باشند ، نوعی هوش مصنوعی شبیه به انسان را

بازاریابی می کنند.

ایده تشبیه هوش مصنوعی و هوش انسانی 

ایده اصلی این دسته از هوش های مصنوعی این است که به عنوان یک به روز رسانی به بازار ارائه شود.

کامپیوتر ها محاسبات انجام می دهند اما هوش مصنوعی یاد می گیرد. اما حقیقت این است که انسان ها

درانجام وظایفی که یک رایانه انجام می دهد ناتوان هستند و هوش مصنوعی هم به همین تریتب قادر به

انجام کار های انسانی نیستند. به همین دلیل است که محققان از پارادایمهای توسعه که بر تقلید از شناخت

انسان متمرکز شده اند ، فاصله می گیرند.دو تن از محققان NYU اخیراً در مورد چگونگی پردازش کلمات

و معنای کلمات در انسان و هوش مصنوعی تحقیق کردند. از طریق مطالعه “معناشناسی روانشناختی” ، این

دو محقق امیدوار بودند که نواقص موجود در سیستمهای یادگیری ماشینی در حوزه پردازش زبان طبیعی

(NLP) را توضیح دهند. توضیحاتی که این دو در arXiv  منتشر کرده اند نشان می دهد که این خلا به

این خاطر به وجود آمده است که سایر محققان به این که هوش مصنوعی توسعه داده آنها انسان مانند

است یا خیر توجه نمی کنند. به همیت دلیل است که انتقادات از هوش های مصنوعی در مورد ناتوانی

آنها از بروز رفتار های انسان مانند، زیاد است.

راهکار های تولید هوش مصنوعی با قابلیت های انسانی

یکی از کار هایی که برای  تولید هوش مصنوعی انسان مانند باید انجام دهیم دقت به روش های تفکر

انسانی است. در زمینه ترجمه ، انسانها روش های مختلفی را برای به یاد آوری داشتن چندین زبان در

سر خود و ایجاد ارتباط سیال بین این زبان ها دارند. از طرف دیگر ، ماشین آلات لازم نیست بدانند که

یک کلمه به چه معنا است تا ترجمه مناسب را به آن اختصاص دهند. این کار هنگامی که دقت به سطح

انسانی نزدیک تر می شود ، مشکل تر می شود. ترجمه یک ، دو و سه به اسپانیایی نسبتاً ساده است.

این ماشین می آموزد که آنها دقیقاً برابر با uno ، dos و tres هستند و احتمالاً 100 درصد اوقات

جواب مناسب را بدست می آورند. اما وقتی مفاهیم پیچیده ای اضافه می کنید ، کلماتی با بیش از

یک معنی و اصطلاحات عامیانه یا محاوره ای به آن می افزایید می توانند پیچیده تر شوند. وقتی

توسعه دهندگان شروع به ایجاد هوش منصوعی می کنند که با تمام شرایط کنار بیاید دچار مشکل

می شوند درست مانند اینکه با گذراندن چند کلاس زبان اسپانیایی نمی توانید تمامی اصطلاحاتی

که در مکریکو سیتی استفاده می شود را متوجه شوید.

ضعف و کمبود هوش مصنوعی نسبت به هوش انسانی

به همین دلیل است که ماشین ها با درک زبان انسان ها که همیشه در حال تحول است

مشکل دارند.  هنوز پردازش زبان طبیعی قادر به شناخت در سطح انسانی نیست به

همین دلیل رفتار های انسان مانندی که بروز می دهد خنده دار به نظر می رسد تصور

کنید که گوگل ترنسلیت با گرفتن عبارت توله خاموش شود چون این کلمه را اهانت آمیز

استنباط کرده ! این خط تفکر فقط مختص NLP نیست. ساخت هوش مصنوعی بیشتر

شبیه به انسان ، صرفاً یک تصمیم طراحی برای اکثر پروژه های یادگیری ماشین است.

همانطور که محققان NYU  در مطالعه خود اشاره کرده اند: یک راه برای فکر کردن

در مورد چنین پیشرفت های صرفاً از نظر مهندسی است یعنی کاری وجود دارد که باید

انجام شود و اگر سیستم آن را به اندازه کافی خوب انجام دهد ، آن کار موفقیت آمیز

محسوب می شود. مهندسی مهم است ، و می تواند عملکرد بهتری و سریعتر داشته باشد

و انسان را از کار کسل کننده مانند  پیدا کردن واژگان کلیدی در پاسخنامه ها و یا بررسی

برنامه سفر های هوایی رهایی بخشد.

دید مهندسی هوش مصنوعی و هوش انسانی

از نظر مهندسی ، بیشتر مشاغل انسانی که انسان ها در حال حاضر انجام می دهد و در همه جا هستند

را می توان به کارهای فردی تقسیم بندی کرد که برای اتوماسیون مناسب تر باشد تا از هوش مصنوعی و

در مواردی که شبکه های عصبی ضروری باشد مانند هدایت ترافیک در یک بندر حمل و نقل  کار بسیار

سختی خواهد بود. اتومبیل های خودران را در نظر بگیرید. ساختن وسیله نقلیه متشکل از چندین سیستم

که با هم کار می کنند به جای اینکه یک ربات انسان نما ساخته شود که بتواند تا اتومبیل برود ، قفل را

باز کند ، وارد شود ، یک اتومبیل کلاسیک را استارت بزند و شروع به رانندگی کند بسیار معقول تر به نظر

می رسد.بیشتر اوقات ، هنگامی که توسعه دهندگان ادعا می کنند که هوش مصنوعی “شبیه به انسان”

ایجاد کرده اند ، منظور آنها این است که آنها وظیفه ای را که اغلب افراد برای آنها استخدام می شوند

به صورت خودکار انجام داده اند. به عنوان مثال نرم افزار تشخیص چهره می تواند جایگزین نگهبان

انسانی درب ورود شود اما نمی تواند به شما بگوید پیتزا در رستوران محلی چقدر خوب است. بنا به

این دلایل حوضه هوش های مصنوعی انسان مانند بسیار محدود است در این راستا سیری و الکسا

موفق تر بودند. آنها اسامی و صدا دارند و برنامه ریزی شده اند که  مفید ، خنده دار ، دوستانه و مودب

به نظر برسند.

آیا هوش مصنوعی کار خارق العاده ای انجام می دهد ؟

اما در واقع هیچ عملکردی وجود ندارد که یک دستیار هوشمند  قادر به انجام آن باشد و شما نتوانید آن را

با یک دکمه انجام دهید. یعنی اگر شما فضا و دید بی نهایت داشتید می توانستید تمام آن  کار ها را انجام

دهید می توان اینگونه تعبیر کرد که این دستیار های هوشمند همانقدر به رفتار انسانی نزدیک هستند که

یک کنترل غول پیکر هست. هوش مصنوعی مانند انسان نیست. ما ممکن است ده ها سال یا بیشتر از یک

هوش مصنوعی عمومی  که می تواند در هر حیطه ای در سطح انسانی عملکرد داشته باشد فاصله داشته

باشیم . خدمتکار های روباتی فاصله زیادی با واقعیت دارند. در حال حاضر ، بهترین  کاری که توسعه

دهندگان هوش مصنوعی می توانند انجام دهند ، تقلید از تلاش های انسان است ، و این به معنی  ساده

کردن یک فرآیند برای کاری به خودکار است.