ماشین‌‌ها نه تنها می‌‌توانند وظایف و برنامه‌های تعریف شده را با دقتی بالا انجام دهند، بلکه با کمک فناوری‌های پیشرفته هوش مصنوعی، می‌توانند بیاموزند.

به گزارش پایگاه خبری شبکه آزمایشگاهی فناوری‌های راهبردی، این تصور که آموختن، صرفا مختص انسان‌ و دیگر موجودات زنده است که از اندام‌های زیستی بهره می‌برند، این روزها چندان معنادار نباشد. یادگیری، فرآیندی است که تحت الگوها و فناوری‌های پیچیده و پیشرفته به دنیای ماشین‌ها و رایانه‌ها نیز راه یافته است.

 

به کمک فناوری هوش مصنوعی، مفهوم یادگیری ماشین به میدان آمده است تا سرعت، دقت و کارآمدی را ویژگی تجهیزات و خدمات کند و در نتیجه، زندگی آسوده‌تری را برای جامعه به ارمغان بیاورد.

 

از یادگیری تا بهینه‌سازی

اما فناوری یادگیری ماشین یا Machine Learning، به عنوان زیر مجموعه‌ای از هوش مصنوعی، سازوکار و الگوهای یادگیری را در اختیار یک ماشین قرار می‌دهد تا پیش‌بینی یا تصمیم‌گیری بدون نیاز به تعریف و برنامه‌ریزی تمامی جزئیات ممکن شود.

 

بدون آن‌که بدانیم، در زندگی روزمره نیز چندین بار از فناوری یادگیری ماشین استفاده می‌کنیم. هر بار که با حساب کاربری خود یک جستجوی اینترنتی در موتور جست‌وجو یا پیگیری خرید یکی کالای خاص را انجام‌می‌دهیم، فرآیند یادگیری ماشینی نقش آفرین می‌‌شود و با شناخت خواست‌ها و سلیقه ما، چگونگی رتبه‌بندی را برای نمایش و چینش نتایج درک کرده‌است.

 

هر بار که صندوق پست الکترونیک خود را بررسی می‌کنیم و فیلتر هرزنامه ما را از مشاهده دوباره هزاران هرزنامه خلاص می‌کند نیز به همین دلیل است که رایانه آموخته‌است که هرزنامه را از غیر هرزنامه تشخیص دهد.

 

فناوری یادگیری ماشین کمک می‌کند تا رایانه‌ها بدون نیاز به یک برنامه‌ریزی صریح، درباره موضوعات مختلف بیاموزند. اما این فناوری از بخش‌های مختلفی شکل گرفته و در گام نخست، شامل رایانه‌ای است که می‌آموزد چگونه می تواند وظایف را بدون اینکه برای این کار به طور صریح برنامه ریزی شده باشد، به سرانجام برساند.

 

یادگیری ماشین چگونه نقش آفرینی می‌کند

برای تحقق این کار، مجموعه‌های از رایانه‌ها، داده‌ها را گردآوری می‌کنند و بر اساس الگوهایی، یاد می‌گیرند تا وظایف خاصی را انجام دهند. برای انجام کارهای پیشرفته‌تر، طراحی و ایجاد الگوریتم‌های مورد نیاز توسط یک انسان چالش برانگیز است. در این کار نیز فناوری به کمک می‌آید و به جای این‌که برنامه نویسان هر مرحله را برنامه‌نویسی و مشخص کنند، می توانند از ماشین برای کمک توسعه الگوریتم خود بهره ببرند. اما فرآیند یادگیری در ماشین‌ها تحت سه فرآیند یادگیری تحت نظارت، یادگیری بدون نظارت و یادگیری نیمه نظارت شده یا به اصطلاح تقویت شده عمل می‌کند.

 

کاربردهای گسترده فناوری یادگیری ماشین

یادگیری ماشین اکنون در چندین زمینه علوم و مهندسی و دیگر فناوری‌ها، به طور گسترده ای مورد استفاده قرار می گیرد. به طور مثال در حوزه علوم و فناوری حوزه مواد پیشرفته، برای شناخت مواد، در حوزه نانوفناوری، فناوری‌های حوزه دیجیتال کاربردهای فراوانی پیدا کرده‌ است. همچنین توانایی ماشین‌ها در آموختن به توسعه فناوری‌های زیستی، علوم و فناوری‌ معدن، ‌فناوری‌های مکان‌محور و سنجش از دور نیز کمک می‌کند. همچنین در حوزه زمین شناسی به کمک شرکت‌های فناور، با توسعه فناوری‌ یادگیری ماشین، زمینه برای تسهیل در اکتشاف و فرآوری معادن گسترده شده است.

 

در حال حاضر با شناخت اهمیت این فناوری، شرکت‌های دانش‌بنیان، خلاق و فناور در مسیر توسعه فناوری‌های هوش مصنوعی و دانش یادگیری ماشین گام بر می‌دارند. در همین راستا، شرکت‌های دانش‌بنیان، شرکت‌های خلاق و آزمایشگاه‌های تحقیقاتی در کشورمان به یاری ستادهای توسعه فناوری و شبکه آزمایشگاهی فناوری‌های راهبردی معاونت علمی و فناوری، فعالیت می‌کنند و به دستاوردهای متنوعی همچون تولید تجهیزات و خدمات دانش‌بنیان و فناورانه رسیده‌اند.

 

کلمات کلیدی : شبکه آزمایشگاهی فناوری‌های راهبردی,هوش مصنوعی,معاونت علمی و فناوری ریاست جمهوری,ربات

ارسال نظر

پاسخ به نظــر بازگشت به حالت عادی ثبت نظر

نظر شما
security code