پروژه و تحقیق رایگان - 128

راهنمای سایت

سایت اقدام پژوهی -  گزارش تخصصی و فایل های مورد نیاز فرهنگیان

1 -با اطمینان خرید کنید ، پشتیبان سایت همیشه در خدمت شما می باشد .فایل ها بعد از خرید بصورت ورد و قابل ویرایش به دست شما خواهد رسید. پشتیبانی : بااسمس و واتساپ: 09159886819  -  صارمی

2- شما با هر کارت بانکی عضو شتاب (همه کارت های عضو شتاب ) و داشتن رمز دوم کارت خود و cvv2  و تاریخ انقاضاکارت ، می توانید بصورت آنلاین از سامانه پرداخت بانکی  (که کاملا مطمئن و محافظت شده می باشد ) خرید نمائید .

3 - درهنگام خرید اگر ایمیل ندارید ، در قسمت ایمیل ، ایمیل http://up.asemankafinet.ir/view/2488784/email.png  را بنویسید.

http://up.asemankafinet.ir/view/2518890/%D8%B1%D8%A7%D9%87%D9%86%D9%85%D8%A7%DB%8C%20%D8%AE%D8%B1%DB%8C%D8%AF%20%D8%A2%D9%86%D9%84%D8%A7%DB%8C%D9%86.jpghttp://up.asemankafinet.ir/view/2518891/%D8%B1%D8%A7%D9%87%D9%86%D9%85%D8%A7%DB%8C%20%D8%AE%D8%B1%DB%8C%D8%AF%20%DA%A9%D8%A7%D8%B1%D8%AA%20%D8%A8%D9%87%20%DA%A9%D8%A7%D8%B1%D8%AA.jpg

لیست گزارش تخصصی   لیست اقدام پژوهی     لیست کلیه طرح درس ها

پشتیبانی سایت

در صورت هر گونه مشکل در دریافت فایل بعد از خرید به شماره 09159886819 در شاد ، تلگرام و یا نرم افزار ایتا  پیام بدهید
آیدی ما در نرم افزار شاد : @asemankafinet

چگونه خلاقیت خود را تقویت می‌کنید؟

بازديد: 197

چگونه خلاقیت خود را تقویت می‌کنید؟

روزنامه ایران/ پرستو رفیعی
 
ورزشکار‌ها و بسیاری از هنرمند‌ان قبل از مسابقه و اجرا، خود را آماده می‌کنند و به اصطلاح «گرم می‌کنند.» شاید بد نباشد ما هم قبل از هر کاری که نیازمند خلاقیت است، خلاقیت مان را گرم کنیم. شاید اگر قبل از کار، خلاقیت مان را گرم کنیم، بهتر فکر کنیم و بهتر عمل کنیم. شاید بشود، چرا که نه.

دکتر فرشاد نجفی‌پور در گفت‌و‌گو با «ایران» می‌گوید: یکی از بهترین روش‌های گرم کردن خلاقیت، این است که به نحوه استفاده از یک شیء شناخته شده مثل صندلی و آجر، نگاهی کاملاً متفاوت داشته باشیم. وقتی تلاش کنیم برای استفاده متفاوت از این‌ها، روش درست کنیم، به روش‌ها و فکرهای گوناگونی خواهیم رسید.

اغلب ابتدا به حافظه مان رجوع می‌کنیم و مثلاً به ذهن مان می‌آید که از آجر برای بسته نشدن در یا پایه شکسته ویترین هم می‌شود استفاده کرد. همین‌طور که به فکر کردن ادامه می‌دهیم می‌رسیم به آنجا که شیء در دست مان است یا در حال تکه تکه کردنش هستیم. اگر آجر را خرد کنیم می‌توانیم خرده هایش را به عنوان درزگیر راه آب استفاده کنیم. اگر چند تا آجر داشته باشیم می‌توانیم منقل برای کباب بسازیم.

باید هر امکانی حتی خیالی را در نظر گرفت. مثلاً، آجر می‌تواند ابزار ارتباط باشد، می‌شود با آجر روی ماسه یا برف نوشت. با آجر می‌شود غذا را گرم کرد یا حتی پخت (آجر، وسیله آشپزی). می‌شود با آجر آدامس را از کف راهرو برداشت (آجر، وسیله نظافت.)

کسانی که هر روز حداقل 10 دقیقه این تمرین را انجام بدهند بهتر می‌توانند مسأله حل کنند. وقتی اول این طوری گرم کنیم نمره امتحان‌های مختلف مان حتی تست هوش بیشتر می‌شود و بهتر هم پازل درست می‌کنیم. وی با اشاره به نتایج تست‌های تصویربرداری عملکردی مغز خاطر نشان می‌کند: متخصصان با استفاده از تصویربرداری عملکردی مغز (اف‌ام‌ارای=FMRI) ثابت کرده‌اند که پس از چنین تمرینی شدت ارتباط بین بخش‌های خاصی از مغز افزایش می‌یابد. این دو بخش یکی در کارهای تخیلی مثل قصه ساختن، آینده نگری و دومی در درک مفاهیم و ربط دادن افکار و درک استعاره‌ها و مواردی از این دست، نقش دارند.

تشدید اتصال بین این دو بخش از مغز موجب افزایش انعطاف و خلاقیت خواهد شد. 
دکتر نجفی‌پور با تأکید بر اینکه مغز انسان جامد نیست، تصریح می‌کند: پویایی مغز بیش از هر چیزی به میزان استفاده از آن  بستگی دارد. به عبارت ساده تر هرچه بیشتر از ذهنمان کار بکشیم پویا تر شده بهتر کار می‌کند. پس می‌توان گفت هر قدر ذهنمان را با مطالب جدیدتر مواجه کنیم عملاً کارآمدتر می‌شودچراکه مسیرهای ارتباطی بیشتر و بهتری مابین بخش‌های مختلف آن شکل می‌گیرد.

به گفته این روانشناس، در تفکر خلاق و حل مسأله، شبکه‌ها و مدارهای مغزی متعددی درگیر هستند. البته همه در آن واحد درگیر نیستند و اغلب یکی فعال و بقیه در آن لحظه غیر فعال هستند. مثلاً شبکه «سکوت» در روشن و خاموش کردن شبکه‌های «پیش فرض»(برنامه ریزی) و «مهار خاص» (پیگیری) نقش مهمی دارد.اما هنگام خلاقیت این دو شبکه همزمان فعال هستند.

وی در توضیح این الگو تصریح می‌کند: این الگو شبیه پل‌های متحرک است. پل باز می‌شود و قایق‌ها می‌روند. پل بسته می‌شود قایق‌های داخل رودخانه متوقف می‌شوند و خودروهای داخل بزرگراه حرکت می‌کنند. اما شاید در فاصله کمی  پل مرتفعی روی رودخانه ساخته شده باشد که قایق‌ها و خودروها همزمان و به‌طور دائم مشغول رفت و آمد هستند.

دکتر نجفی‌پور در خاتمه عنوان  می‌کند: اینکه قبل از یک آزمون خلاق چه کنیم بسیار مهم است. شبکه‌های مغز انسان مدام در حال بازآرایی هستند. پس برای افزایش بصیرت و انعطاف باید با تخیلی عمیق که حافظه، ادراک و تجربیات ما را به کار بکشد، خود را آماده کنیم  یا به اصطلاح گرم کنیم.

خوب است بدانیم مسیرهای مغزی ما مانند یک پل متحرک، طاق و جفت می‌شوند که این امر باعث می‌شود نواحی مختلف مغز، اطلاعات را آهسته تر یا سریع تر بفرستند یا بگیرند. از این‌رو تجسم کاربردهای متفاوت از یک شیء شناخته شده مثل گیره کاغذ یا قوطی حلبی، شیوه مناسبی برای گرم کردن تفکر خلاق است.
منبع : سايت علمی و پژوهشي آسمان--صفحه اینستاگرام ما را دنبال کنید
اين مطلب در تاريخ: شنبه 25 اردیبهشت 1395 ساعت: 8:41 منتشر شده است
برچسب ها : ,
نظرات(0)

آینده هوش مصنوعی و انسان‌ها

بازديد: 213

آینده هوش مصنوعی و انسان‌ها

ماهنامه شبکه - شماره 176 / حمیدرضا تائبی

ما در جهانی مملو از اشیا هوش‌مند زندگی می‌کنیم. تلفن‌ها، ساعت‌ها و ماشین‌های هوش‌مند به‌طور فزاینده‌ای به یک هنجار تبدیل شده‌اند؛ در حالی که واژه هوش‌مندی در اصل به ویژگی‌های اضافی‌تری هم‌چون قابلیت اتصال به اینترنت و شبکه‌های ارتباطی اشاره دارد؛ اما این تعریف به آرامی در حال تغییر است و جای خود را به توانایی‌های شناختی (Cognitive) خواهد داد؛ به‌طوری که بسیاری از سازمان‌ها ویژگی‌های مضاعف‌تری هم‌چون قابلیت اتصال به اینترنت و تعامل با دستگاه‌های دیگر را به عنوان یک اصل زیربنایی برای هوش مصنوعی پذیرفته‌اند و اکنون به دنبال ادارک‌پذیری اشیا هوش‌مند هستند. امروزه چشمان دنیای فناوری روی دو مقوله هوش مصنوعی و ربات‌ها متمرکز شده است.
 
ربات‌ها با بهره‌گیری از یادگیری ماشینی و یاد دهندگی ماشینی، به سرعت در حال نزدیک شدن به انسان‌ها هستند. پیش‌بینی‌ها نشان می‌دهد در کم‌تر از دو دهه دیگر هوش مصنوعی با هوش انسانی برابری خواهد کرد. ما در این مقاله سعی می‌کنیم نگاهی کوتاه به تحولات آتی هوش مصنوعی و ربات‌ها داشته باشیم؛ در ادامه خلاصه نظرات کارشناسان برجسته هوش مصنوعی و رباتیک را خواهیم داشت؛ اما بر خلاف گذشته این‌بار به بررسی دیدگاه‌های مثبت و تحولاتی که این کارشناسان پیش‌بینی کرده‌اند، پرداخته‌ایم.
 
هوش مصنوعی چیست؟
قبل از آن‌که نگاهی به آینده هوش مصنوعی داشته باشیم، ابتدا بهتر است تعریف کوتاهی از این واژه داشته باشیم. جامعه جهانی، هوش مصنوعی را برنامه‌های کامپیوتری توصیف کرده است که برای انجام وظایف پیچیده طراحی شده‌‌اند. این برنامه‌ها به گونه‌ای طراحی شده‌اند تا مشکلاتی که در طول تاریخ با استفاده از هوش انسانی حل می‌شدند را به راحتی حل کنند. هوش‌مندی برنامه‌های کامپیوتری، از تشخیص گفتار تا تصمیم‌گیری بر مبنای ادارک بصری را شامل می‌شود؛ در حالی که هوش منصوعی در حالت عالی و ممتاز خود که عموما در فیلم‌های علمی تخیلی آن‌را مشاهده می‌کنیم، گوی سبقت را از هوش انسانی می‌رباید؛ اما در مقطع فعلی، شرکت‌های بزرگی نظیر آی‌بی‌ام، گوگل، مایکروسافت و فیس‌بوک شبانه‌روز در تلاش هستند هوش مصنوعی را به اندازه‌ای از توان‌مندی برسانند که در دنیای واقعی و نه در فیلم‌های علمی تخیلی، به این سطح از هوش‌مندی برسد. 
 
هوش مصنوعی فرآیندهای تجاری را بهبود می‌بخشد
در 11 می سال 1997 میلادی، گری کاسپاروف استادبرتر شطرنج جهان در مبارزه‌ای سخت با ابرکامپیوتر آی‌بی‌ام موسوم به Deep Blue طعم شکست را چشید. به اعتقاد بسیاری این اولین تقابل رو در روی انسان با ماشین بود که در نهایت منجر به پیروزی هوش‌مصنوعی شد؛ اما اگر کمی به عقب‌تر و به جنگ جهانی دوم باز گردیم، مشاهده می‌کنیم، دستگاه هوش‌مندی که توسط آلن تورینگ ساخته شد، به مدت دو تا چهار سال توانست کدهای دستگاه انیگمای آلمان را رمزگشایی کند؛ اما اکنون هوش مصنوعی با روزگار اولیه خود تفاوت‌های کاملا مشهودی دارد. هر چند مقالاتی که امروزه در ارتباط با هوش منصوعی منتشر می‌شوند، این‌گونه القا می‌کنند که فرآیندهایی هم‌چون پردازش گفتار، داده‌کاوی و مواردی از این دست، یک فرآیند پیچیده و زمان‌بر هستند؛ اما واقعیت این است که امروزه بیش از هر زمان دیگری سازمان‌ها به اطلاعات تحلیلی نیاز دارند. اطلاعاتی که بر تصمیم‌گیری‌های استراتژیک سازمان‌ها تأثیرگذار هستند. همین موضوع باعث می‌شود، سازمان‌ها به دنبال ابزارهای هوش‌مندی باشند که در درجه اول توانایی درک و تفسیر سیستم‌های پیچیده را داشته باشند و دوم آن‌که تعامل میان مدیران ارشد، مشتریان و کارمندان یک سازمان را درک کنند؛ بر همین اساس پیش‌بینی می‌شود ابزارهای هوش‌مندی که ظرف چند سال آینده تولید می‌شوند با محوریت محاسبات علوم شناختی و پردازش طبیعی گفتار ساخته ‌شوند. این ابزارها در آینده به راحتی توانایی کشف جزییات و الگوی مستتر در داده‌ها را خواهند داشت. همین موضوع باعث می‌شود، پیچیده‌ترین رفتارها توسط این ابزارها شناسایی شود. برآوردها نشان می‌دهند ظرف چند سال آینده، هوش مصنوعی به درجه‌ای از پیشرفت خواهد رسید که برای تحلیل‌ داده‌ها در حوزه‌های مختلف هم‌چون فروشگاه‌ها، بیمارستان‌ها و صنایع هوایی مورد استفاده قرار خواهد گرفت. در مقطع فعلی اولویت اصلی پژوهش‌گران هوش مصنوعی، وارد کردن محاسبات علوم شناختی و تعامل آن با کلان داده‌ها است. 
 
سرمایه‌گذاری‌های تجاری در صنعت هوش مصنوعی افزایش خواهد یافت
در حالی که هوش مصنوعی در دراز مدت باعث بیکاری افراد خواهد شد و بخش عمده‌ای از کارگران و حتی متخصصان شغل خود را از دست خواهند داد؛ اما در مقابل بسیاری از شرکت‌های بزرگ و به ویژه سازندگان وسایل نقلیه از روند هوش‌مندسازی دستگاه‌ها استقبال خواهند کرد. این کار چند مزیت عمده برای سازمان‌ها دارد؛ اول آن‌که صاحبان صنایع بزرگ دیگر با مشکلاتی هم‌چون حوادث ناگوار در محل کار روبرو نخواهند شد، دوم آن‌که صاحبان صنایع دیگر نیازی به پرداخت پاداش و اضافه کاری نخواهند داشت و سوم آن‌که کیفیت محصولات تولیدی به‌طرز کاملا محسوسی افزایش خواهد یافت؛ هر چند مواردی که به آن‌ها اشاره شد، بخش کوچکی از قابلیت‌های مثبت به کارگیری هوش مصنوعی در صنایع بزرگ است؛ اما در مقابل نباید از این موضوع غافل شویم که سیل عظیم بیکاران در کشورهای مختلف به راه خواهد افتاد. افرادی که عمدتا جزء اقشار متخصص جامعه هستند. پیش‌بینی‌ها نشان می‌دهند که شرکت‌های بزرگ تجاری سرمایه‌گذاری‌های میلیارد دلاری را در حوزه تحقیق و توسعه هوش مصنوعی انجام خواهند داد. این سرمایه‌گذاری‌ها عمدتا در ارتباط با حوزه رباتیک، هوش مصنوعی و  در جهت نوسازی نیروی کار این شرکت‌ها خواهد بود. تویوتا شاخص‌ترین مثالی است که در این زمینه می‌توان به آن اشاره کرد. این شرکت قصد دارد در طول پنج سال، نزدیک به 200پژوهش‌گر را در حوزه‌های مختلف هوش مصنوعی استخدام کند. آکیو تویوتا مدیرعامل شرکت تویوتا در این‌باره گفته است: «به همان اندازه که فناوری در حال پیشرفت است، توانایی‌های ما در زمینه بهبود تولیدات نیز باید افزایش پیدا کنند».
 
دگرگونی‌های دیجیتالی مبتنی بر هوش مصنوعی، نقش محوری در استراتژی‌های سازمانی خواهند داشت
در سال 2016، مدیران اجرایی یک تلاش هماهنگ برای ادغام‌سازی طرح‌های دیجیتالی را در سراسر کسب و کار خود به وجود خواهند آورد. این هماهنگی یک چشم‌انداز دیجیتالی از کسب و کار آن‌ها ارائه خواهد کرد؛ به‌طوری که نشان می‌دهد تجارب دیجیتال چگونه در کسب درآمدها موفق بوده‌اند. الگوهای مبتنی بر تجارت با تجارت (B2B) سعی خواهند کرد، شکاف دیجیتالی مابین B2C را پر کنند و با سرعت بیش‌تری به نیازهای مشتریان پاسخ دهند. تا پایان سال 2018 نزدیک به 67 درصد مدیران اجرایی در 2000 سازمان بزرگ تجاری، دگرگونی دیجیتالی را در مرکز استراتژی‌های بزرگ شرکت‌های‌شان قرار خواهند داد. 
 
یادگیری ماشینی حضور جدی‌تری خواهد داشت
محققان مایکروسافت بر این باور هستند که سال 2016 سال طلایی پیشرفت فناوری خواهد بود؛ به‌طوری که پیشرفت‌‌های عمده‌ای در زمینه هوش مصنوعی رقم خواهد خورد و حتی ماشین‌ها توانایی لبخند زدن به انسان‌ها را خواهند داشت. مایکروسافت با سه پروژه بزرگ خود؛ کورتانا، پروژه آکسفورد و ربات چت کننده Xiaoice سرمایه‌گذاری عظیمی در این زمینه انجام داده است؛ البته جای تعجب است، چرا پژوهش‌گران مایکروسافت سال 2016 میلادی را نقطه عطف این فناوری می‌دانند، در حالی که بسیاری بر این باور هستند که پیشرفت در حوزه‌هایی هم‌چون مکالمه طبیعی مانند انسان‌ها و اکتشافات صنعتی در این حوزه، حداقل در یک دهه آینده رقم خواهد خورد. اریک هارویتز پژوهش‌گر مایکروسافت در این‌باره گفته است: «انتظار دارم مکالمه طبیعی کامپیوترها و اسمارت‌فون‌ها با انسان در سال 2016 بسیار دوستانه‌تر از قبل شود. امروزه دستیاران شخصی به درستی نیازهای مهم انسان‌ها را درک می‌کنند و به راحتی از عهده وظایفی که به آن‌ها محول می‌شوند، بر می‌آیند.  پیش‌بینی‌ها نشان می‌دهند در سال 2016 میلادی، سطح رمزنگاری ارتباطات تحت وب با استفاده از کامپیوترهای کوانتومی که بر پایه هوش مصنوعی عمل می‌کنند، بهبود قابل توجهی پیدا خواهند کرد؛ به طوری که از شدت حملات رایج امروزی کاسته خواهد شد»؛ اما یادگیری ماشینی محدود به این بخش نمی‌شود. یادگیری ماشینی در آینده توانایی سفارشی و شخصی‌سازی کلاس‌های درس را خواهد داشت. یادگیری ماشینی به کلاس‌های هوش‌مند این توانایی را خواهد داد تا فرآیند‌هایی هم‌چون روند یادگیری افراد در یک کلاس، میزان فعالیت کلاسی، فرآیند یادگیری و میزان علاقه افراد را مورد تجزیه و تحلیل قرار دهد و برنامه مدونی را برای دانش‌آموزان آماده کند. مکانیزم ارزیابی دانش‌آموزان یا دانشجویان یک فرآیند تک‌محوری نبوده و معلمان از توانایی‌های این سیستم‌ها به خوبی بهره خواهند برد؛ از جمله حوزه‌های دیگری که تحت تأثیر یادگیری ماشینی پیشرفت خواهند کرد، می‌توان به یادگیری ماشینی ویژه خوددرمانی، یادگیری ماشینی در قالب یک محافظ دیجیتال، یادگیری ماشینی در حوزه شهرهای هوش‌مند، یادگیری ماشینی در زمینه ترکیب مدل‌های خرید سنتی و آنلاین اشاره کرد. 
 
تجربه‌ای فراتر از هوش‌مندی اسمارت‌فون‌ها
هر چند امروزه دامنه خدماتی که اسمارت‌فون‌ها در اختیار کاربران قرار می‌دهند، گسترده شده است و سلفی‌ها بازار بسیار داغی دارند؛ اما هنوز هم بخش غالبی از کاربران اسمارت‌فون‌ها برای ارسال پیام‌های کوتاه از این دستگاه‌ها استفاده می‌کنند. جالب آن‌که این برنامه‌های پیام‌رسان در طول این سال‌ها تغییر خاصی نداشته‌اند و هم‌چنان بر پایه یک الگوی ساده رفتار می‌کنند؛ اما جرقه تکامل برنامه‌های پیغام‌رسان با Emu آغاز شد، یک برنامه پیغام‌رسان که همراه با یک دستیار شخصی روی اسمارت‌فون کاربران می‌نشیند. این برنامه بر اساس نوع گفت‌وگوی کاربر، اطلاعات مناسبی را در اختیار او قرار می‌دهد. این دستیار شخصی به کاربران کمک می‌کند از مشکلاتی هم‌چون کپی/برش رهایی یابند و جست‌وجو برای پیدا کردن برنامه‌ها یا تنظیمات مختلف را به دست فراموشی بسپارند. گوگل سال گذشته میلادی سرویس Emu را خریداری کرد. خریداری این سرویس باعث شد گوگل حدود زیادی از ویژگی‌های Emu در دستیار شخصی خود Google Now استفاده کند؛ اما در سال آینده انتظار داریم گوگل قابلیت تعامل انسان‌محوری دستیار شخصی خود را توسعه دهد. 
 
ربات‌ها می‌آیند
ربات‌ها با شتاب عجیبی مسیر پیشرفت را پشت سر می‌گذارند؛ به‌طوری که این روزها شاهد حضور آن‌ها در صنایع مختلف هستیم. کنفرانس جهانی ربات در تاریخ 23 نوامبر 2015 با شعار نوآوری مشترک «برد‌- برد»، در جهت ساخت یک جامعه هوش‌مند، کار خود را در پکن آغاز کرد. محور اصلی این کنفرانس بین‌المللی بر پژوهش و توسعه دنیای رباتیک و هم‌چنین توسعه جریان جامعه هوش‌مند متمرکز استوار بود؛ در حالی که محورهای مختلف در این کنفرانس مورد بررسی قرار گرفت، شاید ربات‌های انسان‌نما شاخص‌ترین بخش این کنفرانس را تشکیل می‌دادند. پیاده‌سازی ربات‌های انسان‌نما تجلی عالی تلفیق هوش‌مصنوعی و رباتیک خواهد بود. ربات‌های‌ انسان‌نما (Umanoids) از محبوبیت بیش‌تری نزد کاربران و کارشناسان برخوردار هستند. ربات انسان‌نما، رباتی است که ظاهری شبیه به انسان دارد. این ربات‌ها از حس‌گرها و الگوریتم‌های پیچیده‌ای برای شبیه‌سازی حرکات انسان استفاده می‌کنند. پیش‌بینی‌ها نشان می‌دهند ظرف چند سال آینده این ربات‌ها به عنوان یک جایگزین برای انسان در حوزه‌هایی هم‌چون بیمارستان‌ها، آشپزخانه‌ها و مکان‌های عمومی مورد استفاده قرار خواهد گرفت. ربات‌های انسان‌نما، شانس زیادی برای حضور در مکان‌ها و مشاغل مختلف دارند. از جمله این مشاغل به موارد زیر می‌توان اشاره کرد: 
 
مشاغل تکرار شونده 
مشاغلی که در آن‌ فعالیت‌ها به‌طور تکرار شونده و یکنواخت انجام می‌شوند، به راحتی در تیررس ربات‌ها قرار دارند. ربات‌ها در یادگیری امور تکرار شونده استاد هستند و به راحتی از پس انجام این‌گونه وظایف بر خواهند آمد. 
 
مشاغل پر خطر
مشاغل پر خطر همواره سلامت و ایمنی افراد را به مخاطره می‌اندازند؛ در نتیجه شرکت‌ها به فکر جایگزین کردن ربات‌ها با انسان در این حوزه هستند. در میان مشاغل پر خطر امروزی، کاری که آتش‌نشان‌ها انجام می‌دهند در بسیاری از موارد پر خطر است؛ به دلیل این‌که نه تنها با آتش مستقیم، بلکه با انواع مختلفی از آلودگی محیطی هم‌چون استنشاق دود و مواد سمی روبرو هستند؛ در نتیجه حضور ربات‌های آتش‌نشان از سال آینده میلادی بسیار محتمل خواهد بود. 
 
ماشین‌های خودران
ماشین‌های خودران را می‌توان یک ترکیب و تلفیق زیبا از هوش‌مصنوعی، رباتیک و اینترنت اشیا دانست؛ به عبارت دقیق‌تر سه حوزه هوش‌مصنوعی، رباتیک و اینترنت اشیا دست به دست هم داده‌اند تا این ماشین‌ها، تولید شوند. خودروهای خودرانی‌ که این روزها‌ توسط گوگل مورد آزمایش قرار گرفته و حتی توسط پلیس جریمه شده‌اند، خود سرآغازی بر یک جهش بزرگ به شمار می‌روند. امنیت جانی مسافران مهم‌ترین عاملی است که باعث می‌شود شرکت‌ها به سمت و سوی تجاری‌سازی این ماشین‌ها بروند.
 
بهداشت و درمان 
جالب است هر جا اینترنت اشیا حضور پر رنگی دارد، به همان نسبت ربات‌ها نیز حضور دارند. امروزه فناوری رباتیک نه تنها به جراحان این توانایی را می‌دهد تا محل جراحات را با دقت هر چه تمام‌تر برش دهند؛ بلکه در آینده این توانایی را در اختیار پزشکان قرار خواهد داد تا از راه دور به جراحی بیماران بپردازند. ارائه مراقبت‌های بهداشتی و درمانی (پرستاری) به بیماران یکی دیگر از مشاغلی است که ربات‌ها توانایی ورود به آن را خواهند داشت.
 
کارمندان ادارات و ربات‌های راهنما
شاید هوش‌مصنوعی تداعی کننده واژه کامپیوتر باشد. حال تصور کنید در یک اداره ربات‌ها به جای نیروی انسانی به فعالیت مشغول باشند. این‌کار یک دستاورد بزرگ به همراه دارد. ربات‌ها به راحتی توانایی برقراری ارتباط با انواع مختلفی از دستگاه‌ها هم‌چون چاپگرها را خواهند داشت. حوزه دیگری که ربات‌ها شانس حضور موفق در آن‌را خواهند داشت، راهنمایی گردشگران است. اولین مورد به‌کارگیری ربات‌های راهنما در موزه ملی علوم و تحقیقات توکیو بوده است. Kodomoroid و Otonaroid دو ربات انسان‌نمایی هستند که ضمن راهنمایی مردم، توانایی انجام چند حرکت محدود را با دست خود دارند. 
 
کارگر آشپزخانه و پیش‌خدمت
بخش عمده‌ای از رستوران‌های بزرگ با معضل کمبود نیرو یا سرویس‌دهی ضعیف پیش‌خدمت‌ها روبرو هستند. عدم دریافت حقوق کافی و هم‌چنین هزینه بالای استخدام پیش‌خدمت‌ها باعث شده است در بیش‌تر موارد مشتریان با حالتی ناراضی یک رستوران را ترک ‌کنند؛ اما ربات‌های پیش‌خدمت و سرآشپز به خوبی از عهده این‌کار بر می‌آیند؛ به‌طور مثال در کشور چین، آشپزی چینی موفق به ساخت یک روبات انسان‌نمای آشپز شده است. رباتی که بنا به گفته‌ سازنده آن، در هر دقیقه توانایی آماده‌سازی 130 نودل را دارد؛ البته کارایی این ربات محدود است و بسیاری از وظایف توسط انسان باید انجام شود.
 
آموزش متقابل ربات‌ها
در یک یا دو سال آینده شاهد حضور ربات‌هایی خواهیم بود که به یک‌دیگر آموزش می‌دهند. محققان موفق به کشف راه‌هایی شده‌اند که به ربات‌ها اجازه می‌دهند در حوزه‌های مختلف به یک‌دیگر آموزش دهند.  مشاغل دیگری هم‌چون نظافت، روزنامه‌نگاری، جراحی، امدادرسانی، پرستاری، پذیرش، خط تولید کارخانه‌ها و امور خانه‌داری از جمله مشاغلی هستند که حضور ربات‌ها در آن‌ها ملموس خواهد بود. 

دلایل بسیاری برای حضور مستمر ربات‌ها در آینده وجود دارد. امروزه طیف گسترده‌ای از مردم در مشاغلی به کار مشغول هستند که شاید واگذاری این مشاغل به ربات‌ها مفیدتر باشد؛ به‌طوری که به این افراد کمک می‌کنند که در شغل‌های مناسب‌تری به فعالیت بپردازند. پیش‌بینی‌ها نشان می‌دهند ظرف بیست سال آینده ربات‌ها حداقل چهل درصد مشاغل مختلف را تحت سلطه خود درخواهند آورد. 
 
هوش رباتی هم‌تراز با هوش انسانی
پروفسور ری کورزویل مدیر آزمایشگاه‌های گوگل‌ایکس پیش‌بینی کرده است، هوش‌مند‌ی ربات‌ها تا سال 2029 همانند انسان‌ها خواهد بود؛ به‌طوری که تا سال 2025 یک سوم کارهایی که امروز توسط انسان انجام می‌شود به‌طور کامل توسط ماشین‌ها و ربات‌ها انجام خواهد شد. رایان کالو، استاد دانشگاه واشنگتن در این خصوص گفته است: «دیدگاه‌ها در خصوص حضور ربات‌ها متفاوت است. عده‌ای بر این باور هستند که ورود آن‌ها موجی از بیکاری را به‌وجود خواهد آورد؛ اگر پیش‌بینی‌‌های گارتنر درست باشد، این به معنای توانمندی گسترده ربات‌ها خواهد بود. ما به لحاظ تاریخی بر این باور هستیم که ربات‌ها عمدتا کارهای خطرناک، کسل‌کننده و کثیف را انجام می‌دهند؛ اما در طول زمان محدوده کاری آن‌ها گسترش پیدا خواهد کرد. گسترده شدن حیطه کاری ربات‌ها ممکن است باعث به وجود آمدن مشاغل جدیدی در این زمینه شود. همانند انقلاب صنعتی ممکن است عصر دوم ماشین‌ها به ایجاد فرصت‌های شغلی جدید منجر شود. ربات‌ها در بسیاری از حوزه‌ها حضور موفقی خواهند داشت. تنها حوزه‌ای که آن‌ها هیچ‌گاه در آن موفق ظاهر نمی‌شوند، کارهای غیر ساختاری است».
 
منبع : سايت علمی و پژوهشي آسمان--صفحه اینستاگرام ما را دنبال کنید
اين مطلب در تاريخ: شنبه 25 اردیبهشت 1395 ساعت: 8:41 منتشر شده است
برچسب ها : ,
نظرات(0)

تراشه‌ای‌که باهوش‌تر از موش است

بازديد: 121

تراشه‌ای‌که باهوش‌تر از موش است

حمیدرضا تائبی

شبکه‌‌های عصبی دستاوردهای مهمی برای دنیای علم ارمغان آورده‌اند، اما مشکل اصلی، بزرگ بودن و انرژی بالایی است که نیاز دارند. همین موضوع باعث به‌وجود آمدن محدودیت‌های زیادی می‌شود؛ اما آی‌بی‌ام می‌گوید: مشکل را حل کرده است.

شبکه‌های عصبی در سال‌های اخیر پیشرفت‌های خیره‌کننده‌ای داشته‌اند؛ دستاوردهای بزرگ به دست آمده در این حوزه، بیان‌گر رشد هوش‌مصنوعی است. امروز به لطف شبکه‌های عصبی، سیستم‌ها توانایی توصیف و شناسایی تصاویر، ترجمه گفتار و اجرای بازی‌های ویدئویی را دارند. در کنار ویژگی‌هایی که به آن‌ها اشاره شد، این سیستم‌ها با یک‌سری مشکلات روبرو هستند. کند بودن و بزرگ بودن از معایب شبکه‌های عصبی به شمار می‌رود. به عنوان مثال اگر نرم‌افزاری شبیه به DeepDeam را که بر پایه شبکه عصبی کار می‌کند روی کامپیوتر شخصی خود اجرا و از آن برای شناسایی یک تصویر استفاده کنید، باید نزدیک به ده دقیقه منتظر بمانید تا فرآیند تشخیص به پایان برسد؛ اما مشکل تنها در ارتباط با طولانی بودن زمان تحلیل‌ها نیست.
 
آیا تا به حال از دست‌یاران شخصی مانند Google Now یا سیری برای جست‌وجو و دریافت نتایج استفاده کرده‌اید؟ این دست‌یاران شخصی برای آن‌که بتوانند تعامل خوبی با کاربر خود برقرار کنند، نیازمند ارتباط با سرور‌ها و ابرکامپیوترهایی هستند که اطلاعات شما را پردازش کرده و نتایج را به شما نشان دهند. ما در پرونده ویژه هوش مصنوعی به تفصیل نشان دادیم که دست‌یار شخصی اپل چه‌گونه فرآیند تشخیص گفتار و پردازش محاوره‌های کاربر را انجام می‌دهد. این فرآیند رفت و برگشت اطلاعات به سرور به‌طور معمول زمان‌بر است. همین موضوع باعث می‌شود فاصله زیادی تا رسیدن به شرایطی داشته باشیم که گوشی تلفن شما توانایی اجرای میلیون‌ها نورون مبتنی بر فناوری شبکه‌های عصبی را داشته باشد. فناوری‌هایی شبیه به رایانش کوانتومی این روزها کانون توجه قرار گرفته است و شرکت‌هایی هم‌چون گوگل و سازمان فضایی ناسا به تازگی از نسل دوم سیستم‌های D-Wave موسوم به D-wave 2x در زمینه یادگیری ماشینی استفاده می‌کنند و حتی گوگل در حال ساخت آزمایشگاه هوش‌مصنوعی کوانتومی خود است؛ هرچند حداقل یک دهه تا پیاده‌سازی کامل و موفق این فناوری به صورت عمومی زمان باقی است. بسیاری از شرکت‌ها سال‌ها است فعالیت‌های خود را در این زمینه متمرکز کرده‌اند تا موانع پیش‌رو را بردارند و روند تجاری‌سازی این فناوری را آغاز کنند. در این بین آی‌بی‌ام همواره پیش‌رو بوده است. آی‌بی‌ام به تازگی اعلام کرده، پیشرفت‌هایی در این زمینه به دست آورده است.
 
یک مغز درون یک بسته
اندازه مجموعه‌ای که آی‌بی‌ام طراحی کرده است با اندازه یک یخچال کوچک یا یک قفسه دارو برابری می‌کند. درون این مجموعه 48 بسته کوچک، که اندازه‌ای در حد یک هارددیسک کامپیوتری دارند، قرار گرفته است. این جعبه‌ها شامل تراشه‌های کامپیوتری هستند که کمی عجیب و غریب به نظر می‌رسند. آی‌بی‌ام این تراشه‌ها را TrueNorth نامیده است. این تراشه‌ها مختص کار در شبکه‌های عصبی طراحی شده‌اند. هسته اصلی این تراشه‌ها از سیلیکون و آنالوگ‌های فیزیکی است که شامل نورون‌ها و سیناپس‌ها هستند. سیناپس‌ها وظیفه برقراری ارتباط، میان سلول‌های عصبی را بر عهده دارند. هر تراشه‌ شبیه‌سازی شده در حدود یک میلیون نورون را به همراه 256 سیناپس که مابین آن‌ها قرار دارد، در خود جای داده‌است. در مجموع 48 میلیون نورون سیلیکونی، که از تعداد نورون‌های درون قشر مغز یک موش بیش‌تر است. همان‌گونه که ممکن است حدس زده باشید، این تراشه‌ها بیش از دو برابر مغز یک موش قدرت‌مند هستند (مغز یک موش حداکثر 21 میلیون نورون دارد). همین موضوع قدرت یادگیری این جعبه کوچک را شگفت‌انگیز کرده است (حال تصور کنید آی‌بی‌ام موفق شود تعداد نورون‌ها را در حد مغز یک انسان افزایش دهد).
 
به جای استفاده از نرم‌افزاری برای شبیه‌سازی رفتار یک شبکه عصبی، این تراشه‌ها می‌توانند به‌طور مستقیم و خارج از سیلیکون، نورون‌ها را ایجاد کنند. این‌کار مزیت‌های بسیاری دارد. به‌طور معمول یک شبکه‌ عصبی با دو چالش بزرگ روبرو است؛ اول آن‌که پیاده‌سازی شبکه‌های عصبی به فضای زیادی نیازمند است و دوم آن‌که یک شبکه عصبی نیازمند انرژی بالایی است و معادل یک بلوک شهری به انرژی الکتریکی نیاز دارد (درست همانند روزهای اولیه ساخت کامپیوترها)؛ اما آی‌بی‌ام توانسته است این دو مشکل بزرگ را حل کند. محصول آی‌بی‌ام تنها به 73 میلی وات انرژی نیاز دارد؛ به عبارت دیگر انرژی مورد استفاده این تراشه‌ معادل یک صدم انرژی مورد استفاده در پردازنده‌های قدرتمند اینتل است؛ به‌‌طوری که باتری یک اسمارت‌فون‌ مدت یک هفته توانایی سرویس‌دهی به این تراشه‌ها را خواهد داشت. 48 پردازنده به احتمال زیاد، به انرژی کم‌تر از یک کامپیوتر شخصی نیاز خواهند داشت.
 
پیش به سوی موبایل‌های هوشمند
هر چند آی‌بی‌ام به فناوری تولید تراشه‌ها در مقیاس کوچک و انرژی پایین، دست پیدا کرده است؛ با استانداردهای لازم برای به کارگیری در اسمارت‌فون‌ها فاصله زیادی دارد. این تراشه‌ها برای آن‌که بتوانند از سوی تولیدکنندگان مختلفی نظیر اسمارت‌فون‌ها، سازندگان خودروهای هوشمند و هواپیماهای بدون سرنشین مورد استفاده قرار گیرند، باید باز هم کوچک‌تر شده و مصرف انرژی آن‌ها کاهش پیدا کند. اگر آی‌بی‌ام موفق شود از این مرحله عبور کند، آن‌گاه اسمارت‌فون‌های شما به معنای واقعی کلمه، هوشمند خواهند شد و جهشی خیره کننده را در هوش مصنوعی رقم خواهند زد. 

مشکل دیگری که این تراشه‌ها با آن روبرو هستند عدم یادگیری است. متأسفانه در مقطع فعلی، این تراشه‌ها به شبکه اجازه یادگیری  با شتاب‌دهنده سخت‌افزاری را نمی‌دهد. شما هنوز هم به ابرکامپیوترهای سنتی وابسته هستید که به شبکه اجازه یادگیری و سپس انجام وظیفه‌ می‌دهند؛ با این‌حال، زمانی که یک شبکه آموزش داده شود، از تراشه‌ ساخت آی‌بی‌ام برای انجام آن می‌توان استفاده کرد. 
 
در آینده این تراشه‌ها ممکن است توانایی پیاده‌سازی الگوریتم‌های یادگیری خودشان را درون سخت‌افزار داشته باشند؛ به این معنی که یادگیری را با استفاده از الگوریتم‌های یادگیری به صورت درون شبکه‌ای انجام دهند. آن‌گاه ما موفق به ساخت مغزهای متفکر الکترونیک خواهیم شد (آینده‌ای که پروفسور استیون هاوکینگ همواره در مورد آن هشدار می‌دهد)؛ اما هنوز به درستی مشخص نیست این جهش فناورانه چه مدت ‌طول خواهد کشید. نیازی به گفتن نیست که این تراشه‌ها نیازمند راه‌کارهای جدیدی هستند که بتوانند با نرم‌افزارها تعامل و هم‌فکری داشته باشند؛ به همین دلیل آی بی ام از 30 دانشمند برجسته از سراسر جهان دعوت کرده است از این سیستم توسعه‌یافته دیدن کنند و برای پیاده‌سازی نرم‌افزار بهینه‌سازی شده  بر مبنای این تراشه‌ها همکاری‌ داشته باشند. دانشمندان دعوت شده باید راهی پیدا کنند که منجر به ساخت نرم‌افزارهای قدرت‌مندی برای تراشه‌های ارگانیک شود.
 
تراشه‌ای برای تمام فصول
اگر شایعات پایان یافتن قانون مور درست باشد، این فناوری به‌طرز قابل توجه ای اهمیت پیدا خواهد کرد. تکامل مغزهای متفکر الکترونیک باعث می‌شوند تعامل کامپیوتر و انسان‌ به صورت دو طرفه برقرار شود؛ در نتیجه پرده از معماهایی چون سیاه‌چاله‌ها، زیست‌شناسی و ویروس‌ها برداشته خواهد شد. 

همان‌گونه که اشاره کردیم، اگر دانشمندان و آی‌بی‌ام موفق به پیاده‌سازی الگوریتم‌های فکری شوند و قدرت تراشه‌های آی‌بی‌ام افزایش پیدا کند، با استفاده از 2000 بسته 48 تایی از تراشه‌های TureNorth، ما برای نخستین بار توانایی شبیه‌سازی مغز انسان را که بیش از 100 میلیارد نورون در خود جای داده است، خواهیم داشت؛ اما 2000 بسته 48 تایی از این تراشه به معنای فضایی در حد یک اتاق و انرژی‌ای معادل یک خودروی الکتریکی خواهد بود. TureNorth برای این منظور نمی‌تواند مورد استفاده قرار گیرد؛ اما بی‌ تردید نخستین گام برداشته شده است
منبع : سايت علمی و پژوهشي آسمان--صفحه اینستاگرام ما را دنبال کنید
اين مطلب در تاريخ: شنبه 25 اردیبهشت 1395 ساعت: 8:40 منتشر شده است
برچسب ها : ,
نظرات(0)

پژوهش: یک مدل ریاضی برای حل همزمان مسئله زمانبندی پروژه و تخصیص نیروی انسانی

بازديد: 55

پژوهش: یک مدل ریاضی برای حل همزمان مسئله زمانبندی پروژه و تخصیص نیروی انسانی

عرفان مهمانچی 1و شهرام شادرخ 2

چکیده
تخصیص نیروی انسانی به فعالیت های پروژه برای زمانبندی آن ها، یکی از نزدیک ترین حالات به شرایط واقعی مسائل زمانبندی است، اما با توجه به تازگی و تعلق این مسئله به دسته مسائل غیر چندجمله ای سخت، تاکنون روش های دقیق فقط قادر به حل مسائل با اندازه کوچک بوده اند. در این مسئله، منابع تجدیدپذیر از نوع ستادی بوده، به طوری که هر فرد با مهارت های چندگانه فقط قادر است، یکی از مهارت های مورد نیاز فعالیت ها را در زمان مشخص برآورده کند. در این مقاله، با تعریف مفهوم کارآیی برای اعضای پروژه، یک مدل برنامه ریزی ریاضی برای حل همزمان دو مسئله بالا ارائه می شود. از آنجا که این مسئله جزو مسائل غیر چند جمله ای سخت طبقه بندی می شود، برای حل آن یک الگوریتم فراابتکاری تکامل دیفرانسیلی توسعه داده شده است. نتایج حاصل بیانگر کارآیی این الگوریتم فراابتکاری در حل همزمان دو مسئله زمانبندی پروژه و تخصیص نیروی انسانی است.

واژه های کلیدی: زمانبندی پروژه، تخصیص نیروی انسانی، کارآیی، الگوریتم فراابتکاری
 
 
1 کارشناسی ارشد مهندسی صنایع- دانشگاه صنعتی شریف
دانشیار دانشکده مهندسی صنایع- دانشگاه صنعتی شریف
 
:: متن کامل پژوهش، در بخش ضمیمه و نیز در لینک منبع، در دسترس می باشد
منبع : سايت علمی و پژوهشي آسمان--صفحه اینستاگرام ما را دنبال کنید
اين مطلب در تاريخ: شنبه 25 اردیبهشت 1395 ساعت: 8:36 منتشر شده است
برچسب ها : ,
نظرات(0)

انگشتان؛ بهترین وسیله کمک آموزشی برای یادگیری ریاضی

بازديد: 168

انگشتان؛ بهترین وسیله کمک آموزشی برای یادگیری ریاضی

کابوس بسیاری از بچه های گذشته و امروز که هر چه می کردند حساب این اعداد و ارقام روی صفحه جور در نمی آمد و به ناچار سراغ ابزارهای کمکی می رفتیم. انگشتان دست ساده ترین وسیله کمک آموزشی ریاضی بودند که همیشه با ما همراه بودند؛ اما معلم ها و والدین دل خوشی از این کمک رسان های آموزشی نداشتند و استفاده از انکشتان برای جمع و تفریق را نهی می کردند.با این حال به نظر می رسد که کارشناسان آموزش نظری کاملاً متفاوت در این خصوص دارند.
 
 خلاف تصور برخی از معلم ها و والدین استفاده بچه ها از انگشتان برای حل مسائل ریاضی نه تنها نشان از ضعف آنها ندارد بلکه موجب فهم بهتر آنها از این درس می شود. در واقع، این بچه ها می توانند سؤالات ریاضی را با سرعت و دقت بیشتر پاسخ دهند و طبیعتاً نتیجه بهتری هم بگیرند. این مسأله نشان از آن دارد که نه تنها انگشت دست بلکه دیگر ابزارهای کمک آموزشی که بتوانند در حل ریاضی به کمک بچه ها بیایند موجب درک عمیق تر آنها از درسی می شوند که به سختی معروف است.

به همین دلیل، آن دسته از بچه هایی که به صورت خودکار موقع ریاضی خواندن از انگشت خود برای یادگیری استفاده می کنند به هنگام مواجهه با سؤالات ریاضی عملکرد بهتری نسبت به سایرین از خودشان نشان می دهند. این موضوع محققان را بر آن داشته است به فکر تولید ابزارهایی باشند که بتوان در حل مسائل پیجیده ریاضی از آنها کمک کرد؛ ابزارهایی که به دانش آموزان در تمامی مقاطع تحصیلی کمک کنند تا به ریاضی را هم چون غولی شکست ناپذیر نگاه نکنند.

بنابراین، اگر معلم هستید یا کودک دبستانی در خانه دارید که موقع ریاضی خواندن دائماً در حال شمارش با انگشتانش است به هیچ وجه عصبی یا ناراحت نشوید. به خاطر داشته باشید، این شیوه خودکاری که او برای آموزش انتخاب کرده است به درک بهتر و عمیق تر از این درس کمک می کند.
 
منبع : سايت علمی و پژوهشي آسمان--صفحه اینستاگرام ما را دنبال کنید
اين مطلب در تاريخ: شنبه 25 اردیبهشت 1395 ساعت: 8:35 منتشر شده است
برچسب ها : ,
نظرات(0)

ليست صفحات

تعداد صفحات : 1554

شبکه اجتماعی ما

   
     

موضوعات

پيوندهاي روزانه

تبلیغات در سایت

پیج اینستاگرام ما را دنبال کنید :

فرم های  ارزشیابی معلمان ۱۴۰۲

با اطمینان خرید کنید

پشتیبان سایت همیشه در خدمت شماست.

 سامانه خرید و امن این سایت از همه  لحاظ مطمئن می باشد . یکی از مزیت های این سایت دیدن بیشتر فایل های پی دی اف قبل از خرید می باشد که شما می توانید در صورت پسندیدن فایل را خریداری نمائید .تمامی فایل ها بعد از خرید مستقیما دانلود می شوند و همچنین به ایمیل شما نیز فرستاده می شود . و شما با هرکارت بانکی که رمز دوم داشته باشید می توانید از سامانه بانک سامان یا ملت خرید نمائید . و بازهم اگر بعد از خرید موفق به هردلیلی نتوانستیدفایل را دریافت کنید نام فایل را به شماره همراه   09159886819  در تلگرام ، شاد ، ایتا و یا واتساپ ارسال نمائید، در سریعترین زمان فایل برای شما  فرستاده می شود .

درباره ما

آدرس خراسان شمالی - اسفراین - سایت علمی و پژوهشی آسمان -کافی نت آسمان - هدف از راه اندازی این سایت ارائه خدمات مناسب علمی و پژوهشی و با قیمت های مناسب به فرهنگیان و دانشجویان و دانش آموزان گرامی می باشد .این سایت دارای بیشتر از 12000 تحقیق رایگان نیز می باشد .که براحتی مورد استفاده قرار می گیرد .پشتیبانی سایت : 09159886819-09338737025 - صارمی سایت علمی و پژوهشی آسمان , اقدام پژوهی, گزارش تخصصی درس پژوهی , تحقیق تجربیات دبیران , پروژه آماری و spss , طرح درس