EN

موستانگ، وحشیِ دوست داشتنی

هوش مصنوعی

هوش مصنوعی چیست - موستانگ
هوش مصنوعی

هوش مصنوعی چیست ؟

[vc_row][vc_column][vc_column_text]پس از گذشتِ کمتر از 10 سال بعد از اینکه آلن تورینگ ( ریاضی دان ) ماشین کُدگذاری نازی ها ( انیگما ) را رمز گشایی کرد و باعث پیروزی متفقین شد، توانست برای بار دوم تاریخ را تغییر دهد، وقتی این سوال را پرسید: آیا ماشین ها می توانند فکر کنند؟ (1950) در واقع این مقاله تورینگ بود ( ماشین های محاسبه گر و هوشمندی ) که هدف و چشم انداز هوش مصنوعی را تعیین کرد. با موستانگ در این مقاله همراه باشید تا ببینیم هوش مصنوعی چیست و چه کاربرد هایی دارد.   تعریف هوش مصنوعی چیست ؟ هوش مصنوعی( AI ) شاخه ای از دانش کامپیوتر است که هدف اصلی اش پاسخ دادن به همان سوال تورینگ است. AI تلاشی برای شبیه سازی و تکرار انسان است. اما هدف از AI آنقدر وسیع و گسترده است که باعث به وجود آمدن بحثها و سوالهای زیادی شده و می توان گفت که هیچ تعریف مشخص و واحدی برای آن وجود ندارد. اما چرا نمی توانیم هوش مصنوعی را خیلی راحت و با عبارت “ساخت ماشین های هوشمند” تعریف کنیم؟ زیرا این تعریف نمی گوید که هوش مصنوعی چیست یا چه چیزی یک ماشین را هوشمند می کند. استوآرت راسل و پیتر نورویگ ( نویسندگان کتاب هوش مصنوعی: رویکردی مدرن ) از این تعریف استفاده می کنند: هوش مصنوعی مطالعه ماشین هایی است که از محیط اطراف ورودی هایی را دریافت و درک کرده و کارهایی را انجام می دهند. آنها همچنین 4 رویکرد مختلف را هم تعریف می کنند: فکر کردن شبیه انسان فکر کردن منطقی عمل کردن شبیه انسان عمل کردن منطقی دو عبارت اول، به مرحله فکر و استدلال و دو عبارت بعدی به مرحله رفتار مرتبط می شود. نوروینگ و راسل ، تمرکزشان بر روی ماشین هایی است که طوری رفتار کنند که بهترین نتیجه را بگیرند. ممکن است این تعاریف به زبان ساده بیان نکند که هوش مصنوعی چیست . اما در کنفرانسی در سال 2017 در ژاپن، جرمی آچین ، ( مدیر عامل DataRobot ) سخنرانی خود را با این تعریف شروع کرد: AI یک سیستم کامپیوتری است که می تواند کارهایی را انجام دهد که در حالت عادی ، به هوش انسان نیاز دارد. بسیاری از این سیستم ها از یادگیری ماشین (  machine learning ) ، بعضی از یادگیری عمیق ( deep learning ) و برخی نیز از مباحث خسته کننده ای مثل قوانین ( Rules ) استفاده می کنند.   امّا کاربردهای هوش مصنوعی چیست ؟ هوش مصنوعی معمولاً به دو دسته اصلی زیر تقسیم می شود: هوش مصنوعی ضعیف ( Narrow AI ) هوش مصنوعی جامع ( Artificial General Intelligence: AGI ) 1- هوش مصنوعی ضعیف ( Narrow AI ) این نوع از AI به صورت محدودتری استفاده می شود و یک نوع شبیه سازی از هوش انسانی است. Narrow AI تمرکزش را می گذارد روی اینکه یک کار خاص را به بهترین حالت انجام دهد. اگرچه ممکن است این ماشین ها هوشمند به نظر برسند اما نسبت به هوش انسانی بسیار بسیار محدودتر عمل می کنند. Narrow AI ، جلوه بیشتری در زندگی روزمره ما دارد و در یک دهه گذشته توانسته منافع اجتماعی و اقتصادی قابل توجهی را برایمان فراهم کند. ممکن است به این فکر کنید که: خب، نمونه های این نوع از هوش مصنوعی چیست ؟ پاسخ این هاست: سیستم سرچ گوگل چت بات ها نرم افزارهای پردازش تصویر سیری ، الکسا و دیگر منشی های مجازی ماشین های خودران واتسون ، کامپیوتر  IBMکه می تواند به پرسش های انسان پاسخ دهد. یادگیری ماشین و یادگیری عمیق هوش مصنوعی ضعیف بیشتر مدیون پیشرفت های حوزه یادگیری ماشین و یادگیری عمیق است. اما تفاوت میان یادگیری ماشین ، یادگیری عمیق و هوش مصنوعی چیست ؟ آقای فرانک شِن این تفاوت را اینگونه توضیح می دهد: هوش مصنوعی، مجموعه ای از هوش و الگوریتم هایی است که تلاش دارد تا هوش انسان را تقلید کند. یادگیری ماشین یکی از این الگوریتم هاست و یادگیری عمیق نیز یکی از انواع تکنیک های یادگیری ماشین است.   به زبان ساده می توان گفت که: یادگیری ماشین ، مجموعه ای از داده را در اختیار کامپیوتر می گذارد و از روش های آماری استفاده کرده و به کامپیوتر کمک می کند تا یاد بگیرد و وظیفه اش را هر بار بهتر از قبل انجام دهد. در اینصورت دیگر نیازی به نوشتن میلیون ها کُد نداریم. یادگیری ماشین ، هم شامل یادگیری نظارت شده ( با داده های برچسب گذاری شده ) و هم شامل یادگیری نظارت نشده ( با داده های برچسب گذاری نشده ) است. یادگیری عمیق زیرمجموعه ای از یادگیری ماشین است که از الگوریتم های شبکه عصبی (neural networks ) استفاده می کند و تلاش می کند تا مغز انسان را شبیه سازی کند.   2- هوش مصنوعی جامع ( Artificial General Intelligence: AGI ) ساختن ماشینی که هوشی برابر هوش انسان داشته باشد و بتواند هر کاری را انجام دهد، همیشه برای محققان یک آرزوی دیرینه بوده است. اما تحقق این رویا با دشواری هایی نیز همراه است. تلاش برای پیدا کردن یک الگوریتم واحد که بتواند در هر محیطی یاد بگیرد و عمل کند، از مدت ها قبل آغاز شده. اما ساختن ماشینی که توانایی یادگیری همه کارها را داشته باشد، کار آسانی نیست. اگرچه ایده تسلط ربات ها بر انسان ها، همیشه موضوع مورد علاقه فیلم های سینمایی بوده است اما متخصصان متعقدند که این چیزی نیست که حالا حالا ها نگران آن باشیم.   تاریخچه هوش مصنوعی چیست ؟ ربات ها و موجودات هوشمند برای اولین بار در اسطوره های یونانی نمایان شدند. تلاش های ارسطو، مهمترین نقطه ای بود که بشر به هوشمندی خودش پی برد. اگرچه رویای AI قدیمی است، اما آنچه ما امروزه با این عنوان می شناسیم به کمتر از یک قرن اخیر بر می گردد. در نمودار زیر ، به اتفاقات کلیدی که در توسعه این تکنولوژی می پردازیم.[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][wgl_spacing spacer_size=”30px”][wgl_time_line_vertical values=”%5B%7B%22descr%22%3A%22%DA%86%D8%A7%D9%BE%20%D9%85%D9%82%D8%A7%D9%84%D9%87%20%5C%22A%20Logical%20Calculus%20of%20Ideas%20Immanent%20in%20Nervous%20Activity%5C%22%20%D8%A7%D8%B2%20Warren%20McCullough%20%D9%88%20Walter%C2%A0Pitts%20.%20%D9%85%D9%82%D8%A7%D9%84%D9%87%20%D8%A7%DB%8C%20%DA%A9%D9%87%20%D8%A8%D8%B1%D8%A7%DB%8C%20%D8%A7%D9%88%D9%84%DB%8C%D9%86%20%D8%A8%D8%A7%D8%B1%20%D9%85%D8%AF%D9%84%20%D8%B1%DB%8C%D8%A7%D8%B6%DB%8C%20%D9%84%D8%A7%D8%B2%D9%85%20%D8%A8%D8%B1%D8%A7%DB%8C%20%D8%B3%D8%A7%D8%AE%D8%AA%20%DB%8C%DA%A9%20%D8%B4%D8%A8%DA%A9%D9%87%20%D8%B9%D8%B5%D8%A8%DB%8C%20%D8%B1%D8%A7%20%D9%85%D8%B9%D8%B1%D9%81%DB%8C%20%DA%A9%D8%B1%D8%AF.%22%2C%22date%22%3A%221943%22%2C%22color%22%3A%22%2300bda6%22%2C%22active%22%3A%22true%22%7D%2C%7B%22descr%22%3A%22%D8%A2%D9%82%D8%A7%DB%8C%20%D8%AF%D9%88%D9%86%D8%A7%D9%84%D8%AF%20%D9%87%D9%90%D8%A8%20%D8%AF%D8%B1%20%DA%A9%D8%AA%D8%A7%D8%A8%20%D8%AE%D9%88%D8%AF%20(The%20Organization%20of%20Behavior%3A%20A%20Neuropsychological%20Theory)%20%D8%A8%DB%8C%D8%A7%D9%86%20%DA%A9%D8%B1%D8%AF%20%DA%A9%D9%87%3A%20%D8%B1%D8%A7%D9%87%20%D9%87%D8%A7%DB%8C%20%D8%B9%D8%B5%D8%A8%DB%8C%20%D8%A8%D8%A7%20%DA%A9%D8%B3%D8%A8%20%D8%AA%D8%AC%D8%B1%D8%A8%D9%87%20%D8%B3%D8%A7%D8%AE%D8%AA%D9%87%20%D9%85%DB%8C%20%D8%B4%D9%88%D9%86%D8%AF%20%D9%88%20%D8%A7%D8%B1%D8%AA%D8%A8%D8%A7%D8%B7%20%D8%A8%DB%8C%D9%86%20%D9%86%D9%88%D8%B1%D9%88%D9%86%20%D9%87%D8%A7%20(%D8%B3%D9%84%D9%88%D9%84%20%D9%87%D8%A7%DB%8C%20%D8%B9%D8%B5%D8%A8%DB%8C)%20%D9%87%D8%B1%20%DA%86%D9%82%D8%AF%D8%B1%20%D8%A8%DB%8C%D8%B4%D8%AA%D8%B1%20%D8%B4%D9%88%D8%AF%D8%8C%20%D9%82%D9%88%DB%8C%D8%AA%D8%B1%20%D9%85%DB%8C%20%D8%B4%D9%88%D8%AF.%20%D9%85%D8%AF%D9%84%20Hebbian%20%D9%87%D9%86%D9%88%D8%B2%20%D9%87%D9%85%20%D8%A8%D8%B9%D9%86%D9%88%D8%A7%D9%86%20%DB%8C%DA%A9%20%D9%85%D8%AF%D9%84%20%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C%20%D9%85%D9%87%D9%85%20%D8%B4%D9%86%D8%A7%D8%AE%D8%AA%D9%87%20%D9%85%DB%8C%20%D8%B4%D9%88%D8%AF.%22%2C%22date%22%3A%221949%22%2C%22color%22%3A%22%2300bda6%22%7D%2C%7B%22descr%22%3A%22%D8%A2%D9%84%D9%86%20%D8%AA%D9%88%D8%B1%DB%8C%D9%86%DA%AF%20%D9%85%D9%82%D8%A7%D9%84%D9%87%20(Computing%20Machinery%20and%20Intelligence)%20%D8%B1%D8%A7%20%D9%85%D9%86%D8%AA%D8%B4%D8%B1%20%DA%A9%D8%B1%D8%AF%D8%8C%20%D9%85%D9%82%D8%A7%D9%84%D9%87%20%D8%A7%DB%8C%20%DA%A9%D9%87%20%D8%A7%D9%85%D8%B1%D9%88%D8%B2%D9%87%20%D8%A8%D8%B9%D9%86%D9%88%D8%A7%D9%86%20%D8%AA%D8%B3%D8%AA%20%D8%AA%D9%88%D8%B1%DB%8C%D9%86%DA%AF%20%D8%B4%D9%86%D8%A7%D8%AE%D8%AA%D9%87%20%D9%85%DB%8C%20%D8%B4%D9%88%D8%AF%D8%8C%20%D8%B1%D9%88%D8%B4%DB%8C%20%D8%A8%D8%B1%D8%A7%DB%8C%20%D8%AA%D8%B9%DB%8C%DB%8C%D9%86%20%D8%A7%DB%8C%D9%86%DA%A9%D9%87%20%D8%A2%DB%8C%D8%A7%20%DB%8C%DA%A9%20%D9%85%D8%A7%D8%B4%DB%8C%D9%86%20%D9%87%D9%88%D8%B4%D9%85%D9%86%D8%AF%20%D8%A7%D8%B3%D8%AA%D8%9F%5Cn%20%20%20-%20%20%20%20%D8%AF%D8%A7%D9%86%D8%B4%DA%AF%D8%A7%D9%87%20%D9%87%D8%A7%D8%B1%D9%88%D8%A7%D8%B1%D8%AF%20%D8%A2%D9%82%D8%A7%DB%8C%20%D9%85%D8%A7%D8%B1%D9%88%DB%8C%D9%86%20%D9%85%DB%8C%D9%86%D8%B3%DA%A9%DB%8C%20%D8%B1%D8%A7%20%D8%A8%D8%B9%D9%86%D9%88%D8%A7%D9%86%20%D8%AF%D8%A7%D9%86%D8%B4%D8%AC%D9%88%DB%8C%20%D9%84%DB%8C%D8%B3%D8%A7%D9%86%D8%B3%20%D9%82%D8%A8%D9%88%D9%84%20%D9%85%DB%8C%20%DA%A9%D9%86%D8%AF%D8%8C%20%D8%A2%D9%82%D8%A7%DB%8C%20%D8%AF%DB%8C%D9%86%20%D8%A7%D8%AF%D9%85%D9%88%D8%AF%D9%86%D8%B2%20%D8%A7%D9%88%D9%84%DB%8C%D9%86%20%DA%A9%D8%A7%D9%85%D9%BE%DB%8C%D9%88%D8%AA%D8%B1%20%D8%B4%D8%A8%DA%A9%D9%87%20%D8%B9%D8%B5%D8%A8%DB%8C%20(SNARC)%20%D8%B1%D8%A7%20%D9%85%DB%8C%20%D8%B3%D8%A7%D8%B2%D8%AF.%5Cn%20%20%20-%20%20%20%20%D8%A2%D9%82%D8%A7%DB%8C%20%DA%A9%D9%84%D9%88%D8%AF%20%D8%B4%D8%A7%D9%86%D9%86%20%D8%8C%20%D9%85%D9%82%D8%A7%D9%84%D9%87%20%D8%A7%DB%8C%20%D8%A8%D8%A7%20%D8%A7%DB%8C%D9%86%20%D8%B9%D9%86%D9%88%D8%A7%D9%86%20%D8%B1%D8%A7%20%DA%86%D8%A7%D9%BE%20%D9%85%DB%8C%20%DA%A9%D9%86%D8%AF%3A%20Programming%20a%20Computer%20for%20Playing%20Chess%5Cn%20%20%20-%20%20%20%20%D8%A2%D9%82%D8%A7%DB%8C%20%D8%A7%DB%8C%D8%B2%D8%A7%DA%A9%20%D8%A2%D8%B3%DB%8C%D9%85%D9%88%D9%81%20%D9%85%D9%82%D8%A7%D9%84%D9%87%20%D8%A7%DB%8C%20%D8%A8%D8%A7%20%D8%A7%DB%8C%D9%86%20%D8%B9%D9%86%D9%88%D8%A7%D9%86%20%D8%B1%D8%A7%20%DA%86%D8%A7%D9%BE%20%D9%85%DB%8C%20%DA%A9%D9%86%D8%AF%3A%20Three%20Laws%20of%20Robotics%5Cn%22%2C%22date%22%3A%221950%22%2C%22color%22%3A%22%2300bda6%22%7D%2C%7B%22descr%22%3A%22%D8%A2%D9%82%D8%A7%DB%8C%20%D8%A2%D8%B1%D8%AA%D9%88%D8%B1%20%D8%B3%D8%A7%D9%85%D9%88%D8%A6%D9%84%20%DB%8C%DA%A9%20%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87%20%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C%20%D9%87%D9%88%D8%B4%D9%85%D9%86%D8%AF%20%D9%85%DB%8C%20%D8%B3%D8%A7%D8%B2%D8%AF%20%DA%A9%D9%87%20%D8%A8%D8%A7%D8%B2%DB%8C%20%DA%86%DA%A9%D9%90%D8%B1%D8%B2%20%D8%B1%D8%A7%20%D8%A7%D9%86%D8%AC%D8%A7%D9%85%20%D9%85%DB%8C%20%D8%AF%D9%87%D8%AF.%22%2C%22date%22%3A%221952%22%2C%22color%22%3A%22%2300bda6%22%7D%2C%7B%22descr%22%3A%22%D9%85%D8%A7%D8%B4%DB%8C%D9%86%20%D8%AA%D8%B1%D8%AC%D9%85%D9%87%20IBM%20%D8%8C%20%D8%A8%D9%87%20%D8%B7%D9%88%D8%B1%20%D8%AE%D9%88%D8%AF%DA%A9%D8%A7%D8%B1%20%D9%88%20%D8%AF%D9%82%DB%8C%D9%82%D8%8C%2060%20%D8%AC%D9%85%D9%84%D9%87%20%D8%A7%D9%86%D8%AA%D8%AE%D8%A7%D8%A8%DB%8C%20%D8%B1%D8%A7%20%D8%A7%D8%B2%20%D8%B2%D8%A8%D8%A7%D9%86%20%D8%B1%D9%88%D8%B3%DB%8C%20%D8%A8%D9%87%20%D8%B2%D8%A8%D8%A7%D9%86%20%D8%A7%D9%86%DA%AF%D9%84%DB%8C%D8%B3%DB%8C%20%D8%AA%D8%B1%D8%AC%D9%85%D9%87%20%D9%85%DB%8C%20%DA%A9%D9%86%D8%AF.%22%2C%22date%22%3A%221954%22%2C%22color%22%3A%22%2300bda6%22%7D%2C%7B%22descr%22%3A%22%D8%AF%D8%B1%20%DA%A9%D9%86%D9%81%D8%B1%D8%A7%D9%86%D8%B3%DB%8C%20%DA%A9%D9%87%20%D9%85%DB%8C%20%D8%AA%D9%88%D8%A7%D9%86%20%DA%AF%D9%81%D8%AA%20%D9%85%D8%AD%D9%84%20%D8%AA%D9%88%D9%84%D8%AF%20%D9%87%D9%88%D8%B4%20%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C%20%D8%A8%D9%88%D8%AF%D8%8C%20%D8%A2%D9%82%D8%A7%DB%8C%20%D8%AC%D8%A7%D9%86%20%D9%85%D9%8E%DA%A9%20%DA%A9%D8%A7%D8%B1%D8%AA%DB%8C%20%D8%AD%D9%88%D8%B2%D9%87%20%D9%87%D8%A7%20%D9%88%20%D8%A7%D9%87%D8%AF%D8%A7%D9%81%20%D8%AF%D8%A7%D9%86%D8%B4%20%D9%87%D9%88%D8%B4%20%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C%20%D8%B1%D8%A7%20%D9%85%D8%B9%D8%B1%D9%81%DB%8C%20%DA%A9%D8%B1%D8%AF.%20%20%20-%20%20%20%D8%A2%D9%82%D8%A7%DB%8C%D8%A7%D9%86%20%D8%A2%D9%84%D9%90%D9%86%20%D9%86%DB%8C%D9%88%D9%88%D9%90%D9%84%20%D9%88%20%D9%87%D8%B1%D8%A8%D8%B1%D8%AA%20%D8%B2%DB%8C%D9%85%D9%88%D9%86%D8%8C%20%D8%A7%D9%88%D9%84%DB%8C%D9%86%20%D8%A7%D9%84%DA%AF%D9%88%D8%B1%DB%8C%D8%AA%D9%85%20%D8%A7%D8%B3%D8%AA%D8%AF%D9%84%D8%A7%D9%84%20%DB%8C%D8%B9%D9%86%DB%8C%20%20Logic%20Theorist%20(LT)%20%D8%B1%D8%A7%20%D9%85%D8%B9%D8%B1%D9%81%DB%8C%20%DA%A9%D8%B1%D8%AF%D9%86%D8%AF.%5Cn%22%2C%22date%22%3A%221956%22%2C%22color%22%3A%22%2300bda6%22%7D%2C%7B%22descr%22%3A%22%D8%A2%D9%82%D8%A7%DB%8C%20%D8%AC%D8%A7%D9%86%20%D9%85%D9%8E%DA%A9%20%DA%A9%D8%A7%D8%B1%D8%AA%DB%8C%20%D8%8C%20%DB%8C%DA%A9%20%D8%B2%D8%A8%D8%A7%D9%86%20%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87%20%D9%86%D9%88%DB%8C%D8%B3%DB%8C%20%D8%A8%D9%87%20%D9%86%D8%A7%D9%85%20Lisp%20%D8%B1%D8%A7%20%D8%B7%D8%B1%D8%A7%D8%AD%DB%8C%20%DA%A9%D8%B1%D8%AF%20%D9%88%20%D9%85%D9%82%D8%A7%D9%84%D9%87%20Programs%20with%20Common%20Sense%20%D8%B1%D8%A7%20%D9%85%D9%86%D8%AA%D8%B4%D8%B1%20%DA%A9%D8%B1%D8%AF.%20%D9%85%D9%82%D8%A7%D9%84%D9%87%20%D8%A7%DB%8C%20%DA%A9%D9%87%20%DB%8C%DA%A9%20%D8%B3%DB%8C%D8%B3%D8%AA%D9%85%20%DA%A9%D8%A7%D9%85%D9%84%20%D8%A8%D8%A7%20%D8%AA%D9%88%D8%A7%D9%86%D8%A7%DB%8C%DB%8C%20%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C%20%D8%A8%D9%88%D8%B3%DB%8C%D9%84%D9%87%20%D8%AA%D8%AC%D8%B1%D8%A8%D9%87%20(%D9%87%D9%85%D8%A7%D9%86%D9%86%D8%AF%20%D8%A7%D9%86%D8%B3%D8%A7%D9%86)%20%D8%B1%D8%A7%20%D9%85%D8%B9%D8%B1%D9%81%DB%8C%20%D9%85%DB%8C%20%DA%A9%D8%B1%D8%AF.%22%2C%22date%22%3A%221958%22%2C%22color%22%3A%22%2300bda6%22%7D%2C%7B%22descr%22%3A%22%D8%A2%D9%82%D8%A7%DB%8C%D8%A7%D9%86%20%D8%A2%D9%84%D9%86%20%D9%86%DB%8C%D9%88%D9%88%D9%84%20%D8%8C%20%D9%87%D8%B1%D8%A8%D8%B1%D8%AA%20%D8%B2%DB%8C%D9%85%D9%88%D9%86%20%D9%88%20%D8%AC%DB%8C.%20%D8%B3%DB%8C.%20%D8%B4%D8%A7%20%DB%8C%DA%A9%20%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87%20%D8%AD%D9%84%20%D9%85%D8%B4%DA%A9%D9%84%20(GPS)%20%D8%B7%D8%B1%D8%A7%D8%AD%DB%8C%20%DA%A9%D8%B1%D8%AF%D9%86%D8%AF%20%DA%A9%D9%87%20%D9%86%D8%AD%D9%88%D9%87%20%D8%AD%D9%84%20%D9%85%D8%B4%DA%A9%D9%84%20%D8%AA%D9%88%D8%B3%D8%B7%20%D8%A7%D9%86%D8%B3%D8%A7%D9%86%20%D8%B1%D8%A7%20%D8%AA%D9%82%D9%84%DB%8C%D8%AF%20%D9%85%DB%8C%20%DA%A9%D8%B1%D8%AF.%20%20%20-%20%20%20%D8%A2%D9%82%D8%A7%DB%8C%20%D9%87%D8%B1%D8%A8%D8%B1%D8%AA%20%DA%AF%D9%90%D9%84%D9%90%D8%B1%D9%86%D8%AA%D9%90%D8%B1%20%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87%20%D8%A7%DB%8C%20%D8%A8%D8%B1%D8%A7%DB%8C%20%D8%A7%D8%AB%D8%A8%D8%A7%D8%AA%20%D9%82%D8%B6%D8%A7%DB%8C%D8%A7%DB%8C%20%D9%87%D9%86%D8%AF%D8%B3%D9%87%20%D8%B7%D8%B1%D8%A7%D8%AD%DB%8C%20%DA%A9%D8%B1%D8%AF.%20%20%20%20-%20%20%20%D8%A2%D9%82%D8%A7%DB%8C%20%D8%A2%D8%B1%D8%AA%D9%88%D8%B1%20%D8%B3%D8%A7%D9%85%D9%88%D8%A6%D9%84%20%D8%8C%20%DA%A9%D9%84%D9%85%D9%87%20%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C%20%D9%85%D8%A7%D8%B4%DB%8C%D9%86%20%D8%B1%D8%A7%20%D9%85%D8%B9%D8%B1%D9%81%DB%8C%20%D9%85%DB%8C%20%DA%A9%D9%86%D8%AF%20(%D8%AF%D8%B1%20IBM)%20%20%20-%20%20%20%D8%A2%D9%82%D8%A7%DB%8C%20%D8%AC%D8%A7%D9%86%20%D9%85%DA%A9%20%DA%A9%D8%A7%D8%B1%D8%AA%DB%8C%20%D9%88%20%D9%85%D8%A7%D8%B1%D9%88%DB%8C%D9%86%20%D9%85%DB%8C%D9%86%D8%B3%DA%A9%DB%8C%20%D8%8C%20%D9%BE%D8%B1%D9%88%DA%98%D9%87%20%D9%87%D9%88%D8%B4%20%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C%20%D8%AF%D8%A7%D9%86%D8%B4%DA%AF%D8%A7%D9%87%20MIT%20%D8%B1%D8%A7%20%D8%A8%D9%86%DB%8C%D8%A7%D9%86%DA%AF%D8%B0%D8%A7%D8%B1%DB%8C%20%D9%85%DB%8C%20%DA%A9%D9%86%D9%86%D8%AF.%22%2C%22date%22%3A%221959%22%2C%22color%22%3A%22%2300bda6%22%7D%2C%7B%22descr%22%3A%22%D8%A2%D9%82%D8%A7%DB%8C%20%D8%AC%D8%A7%D9%86%20%D9%85%DA%A9%20%DA%A9%D8%A7%D8%B1%D8%AA%DB%8C%20%D8%8C%20%D8%A2%D8%B2%D9%85%D8%A7%DB%8C%D8%B4%DA%AF%D8%A7%D9%87%20%D9%87%D9%88%D8%B4%20%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C%20%D8%B1%D8%A7%20%D8%AF%D8%B1%20%D8%AF%D8%A7%D9%86%D8%B4%DA%AF%D8%A7%D9%87%20%D8%A7%D8%B3%D8%AA%D9%86%D9%81%D9%88%D8%B1%D8%AF%20%D8%B1%D8%A7%D9%87%20%D8%A7%D9%86%D8%AF%D8%A7%D8%B2%DB%8C%20%D9%85%DB%8C%20%DA%A9%D9%86%D8%AF.%22%2C%22date%22%3A%221963%22%2C%22color%22%3A%22%2300bda6%22%7D%2C%7B%22descr%22%3A%22%D8%A8%D9%87%20%D8%AF%D9%84%DB%8C%D9%84%20%DA%AF%D8%B2%D8%A7%D8%B1%D8%B4%DB%8C%20%D9%85%D9%86%D8%AA%D8%B4%D8%B1%20%D8%B4%D8%AF%D9%87%20%D8%A7%D8%B2%20%D8%B3%D9%85%D8%AA%20%D8%AF%D9%88%D9%84%D8%AA%20(ALPAC)%20%D9%85%D8%A8%D9%86%DB%8C%20%D8%A8%D8%B1%20%D8%B9%D8%AF%D9%85%20%D9%BE%DB%8C%D8%B4%D8%B1%D9%81%D8%AA%20%D8%AA%D8%AD%D9%82%DB%8C%D9%82%D8%A7%D8%AA%20%D9%85%D8%B1%D8%AA%D8%A8%D8%B7%20%D8%A8%D8%A7%20%D8%AA%D8%B1%D8%AC%D9%85%D9%87%20%D9%85%D8%A7%D8%B4%DB%8C%D9%86%DB%8C%20%D8%8C%20%DA%A9%D9%84%DB%8C%D9%87%20%D9%BE%D8%B1%D9%88%DA%98%D9%87%20%D9%87%D8%A7%DB%8C%20%D8%AF%D8%A7%D9%86%D8%B4%DA%AF%D8%A7%D9%87%20MIT%20%DA%A9%D9%87%20%D8%AA%D9%88%D8%B3%D8%B7%20%D8%AF%D9%88%D9%84%D8%AA%20%D8%B3%D8%B1%D9%85%D8%A7%DB%8C%D9%87%20%DA%AF%D8%B0%D8%A7%D8%B1%DB%8C%20%D8%B4%D8%AF%D9%87%20%D8%A8%D9%88%D8%AF%D8%8C%20%D9%84%D8%BA%D9%88%20%D8%B4%D8%AF.%22%2C%22date%22%3A%221966%22%2C%22color%22%3A%22%2300bda6%22%7D%2C%7B%22descr%22%3A%22%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87%20%D9%87%D8%A7%DB%8C%20%D9%85%D9%88%D9%81%D9%82%DB%8C%20%D8%A8%D9%86%D8%A7%D9%85%20XX%20%D9%88%20MYCIN%20(%DA%A9%D9%87%20%D8%A8%D8%B1%D8%A7%DB%8C%20%D8%AA%D8%B4%D8%AE%DB%8C%D8%B5%20%D8%B9%D9%81%D9%88%D9%86%D8%AA%20%D8%AE%D9%88%D9%86%20%D8%B7%D8%B1%D8%A7%D8%AD%DB%8C%20%D8%B4%D8%AF%D9%87%20%D8%A8%D9%88%D8%AF%D9%86%D8%AF)%20%D8%AF%D8%B1%20%D8%AF%D8%A7%D9%86%D8%B4%DA%AF%D8%A7%D9%87%20%D8%A7%D8%B3%D8%AA%D9%81%D9%88%D8%B1%D8%AF%20%D8%B3%D8%A7%D8%AE%D8%AA%D9%87%20%D8%B4%D8%AF%D9%86%D8%AF.%22%2C%22date%22%3A%221969%22%2C%22color%22%3A%22%2300bda6%22%7D%2C%7B%22descr%22%3A%22%D8%B2%D8%A8%D8%A7%D9%86%20%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87%20%D9%86%D9%88%DB%8C%D8%B3%DB%8C%20%D9%85%D9%86%D8%B7%D9%82%DB%8C%20PROLOG%20%D8%B3%D8%A7%D8%AE%D8%AA%D9%87%20%D8%B4%D8%AF.%22%2C%22date%22%3A%221972%22%2C%22color%22%3A%22%2300bda6%22%7D%2C%7B%22descr%22%3A%22%DA%AF%D8%B2%D8%A7%D8%B1%D8%B4%20Lighthill%20%D8%AA%D9%88%D8%B3%D8%B7%20%D8%AF%D9%88%D9%84%D8%AA%20%D8%A7%D9%86%DA%AF%D9%84%DB%8C%D8%B3%20%D9%85%D9%86%D8%AA%D8%B4%D8%B1%20%D8%B4%D8%AF%20%D9%88%20%D8%A8%D9%87%20%D9%86%D8%A7%20%D8%A7%D9%85%DB%8C%D8%AF%DB%8C%20%D8%AF%D8%B1%20%D8%AA%D8%AD%D9%82%DB%8C%D9%82%D8%A7%D8%AA%20%D8%AD%D9%88%D8%B2%D9%87%20%D9%87%D9%88%D8%B4%20%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C%20%D9%BE%D8%B1%D8%AF%D8%A7%D8%AE%D8%AA%20%D9%88%20%D8%A7%DB%8C%D9%86%20%D9%86%DB%8C%D8%B2%20%D9%85%D9%86%D8%AC%D8%B1%20%D8%A8%D9%87%20%D9%82%D8%B7%D8%B9%20%D8%A8%D9%88%D8%AF%D8%AC%D9%87%20%D9%BE%D8%B1%D9%88%DA%98%D9%87%20%D9%87%D8%A7%20%D8%B4%D8%AF.%22%2C%22date%22%3A%221973%22%2C%22color%22%3A%22%2300bda6%22%7D%2C%7B%22descr%22%3A%22%D8%AE%D8%B4%D9%85%20%D9%86%D8%A7%D8%B4%DB%8C%20%D8%A7%D8%B2%20%D8%B9%D8%AF%D9%85%20%D9%BE%DB%8C%D8%B4%D8%B1%D9%81%D8%AA%20%D9%87%D8%A7%D8%8C%20%D8%A8%D8%A7%20%DA%AF%D8%B2%D8%A7%D8%B1%D8%B4%20%D9%87%D8%A7%DB%8C%20ALPAC%20%D9%88%20Lighthill%20Report%20%D9%87%D9%85%D8%B1%D8%A7%D9%87%20%D8%B4%D8%AF%20%D9%88%20%D9%85%D9%86%D8%AC%D8%B1%20%D8%A8%D9%87%20%D9%82%D8%B7%D8%B9%20%D8%A8%D9%88%D8%AF%D8%AC%D9%87%20DARPA%20(%D8%A8%D9%86%DA%AF%D8%A7%D9%87%20%D9%BE%DA%98%D9%88%D9%87%D8%B4%DB%8C%20%D9%88%D8%B2%D8%A7%D8%B1%D8%AA%20%D8%AF%D9%81%D8%A7%D8%B9%20%D8%A2%D9%85%D8%B1%DB%8C%DA%A9%D8%A7)%20%D8%A7%D8%B2%20%D9%BE%D8%B1%D9%88%DA%98%D9%87%20%D9%87%D8%A7%20%D9%88%20%D8%AF%D8%B1%20%D9%86%D8%AA%DB%8C%D8%AC%D9%87%20%D8%A7%DB%8C%D8%B3%D8%AA%20%D8%AA%D8%AD%D9%82%DB%8C%D9%82%D8%A7%D8%AA%20%D8%B4%D8%AF.%20%D8%A7%DB%8C%D9%86%20%D8%AF%D9%88%D8%B1%D9%87%D8%8C%20%D8%A8%D9%87%20%D8%A7%D9%88%D9%84%DB%8C%D9%86%20%D8%B2%D9%85%D8%B3%D8%AA%D8%A7%D9%86%20%D9%87%D9%88%D8%B4%20%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C%20%D9%85%D8%B9%D8%B1%D9%88%D9%81%20%D8%A7%D8%B3%D8%AA.%22%2C%22date%22%3A%221974-1980%22%2C%22color%22%3A%22%2300bda6%22%7D%2C%7B%22descr%22%3A%22%D8%B3%DB%8C%D8%B3%D8%AA%D9%85%20R1%20%DB%8C%D8%A7%20XCON%20(%20%D8%A7%D9%88%D9%84%DB%8C%D9%86%20%D8%B3%DB%8C%D8%B3%D8%AA%D9%85%20%D8%AA%D8%AE%D8%B5%D8%B5%DB%8C%20%D8%AA%D8%AC%D8%A7%D8%B1%DB%8C%20)%20%D8%A8%D8%A7%20%D9%87%D8%AF%D9%81%20%DA%AF%D8%B1%D9%81%D8%AA%D9%86%20%D8%B3%D9%81%D8%A7%D8%B1%D8%B4%20%D9%87%D8%A7%DB%8C%20%D8%AC%D8%AF%DB%8C%D8%AF%D8%8C%20%D8%B7%D8%B1%D8%A7%D8%AD%DB%8C%20%D8%B4%D8%AF.%20R1%20%D8%A8%D8%A7%D8%B9%D8%AB%20%D8%B3%D8%B1%D8%B1%DB%8C%D8%B2%20%D9%85%D8%AC%D8%AF%D8%AF%20%D8%B3%D8%B1%D9%85%D8%A7%DB%8C%D9%87%20%DA%AF%D8%B0%D8%A7%D8%B1%DB%8C%20%D9%87%D8%A7%20%D8%B4%D8%AF%D9%87%20%D9%88%20%D8%A8%D9%87%20%D8%A7%D9%88%D9%84%DB%8C%D9%86%20%D8%B2%D9%85%D8%B3%D8%AA%D8%A7%D9%86%20%D9%87%D9%88%D8%B4%20%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C%20%D9%BE%D8%A7%DB%8C%D8%A7%D9%86%20%D8%AF%D8%A7%D8%AF.%22%2C%22date%22%3A%221980%22%2C%22color%22%3A%22%2300bda6%22%7D%2C%7B%22descr%22%3A%22%D9%88%D8%B2%D8%A7%D8%B1%D8%AA%20%D8%B5%D9%86%D8%B9%D8%AA%20%D9%88%20%D8%AA%D8%AC%D8%A7%D8%B1%D8%AA%20%DA%98%D8%A7%D9%BE%D9%86%D8%8C%20%D9%BE%D8%B1%D9%88%DA%98%D9%87%20%D9%86%D8%B3%D9%84%20%D9%BE%D9%86%D8%AC%D9%85%20%D8%B3%DB%8C%D8%B3%D8%AA%D9%85%20%D9%87%D8%A7%DB%8C%20%DA%A9%D8%A7%D9%85%D9%BE%DB%8C%D9%88%D8%AA%D8%B1%DB%8C%20(FGCS)%20%D8%B1%D8%A7%20%D8%A8%D9%87%20%D9%85%D9%86%D8%B8%D9%88%D8%B1%20%D8%B7%D8%B1%D8%A7%D8%AD%DB%8C%20%D8%A7%D8%A8%D8%B1%DA%A9%D8%A7%D9%85%D9%BE%DB%8C%D9%88%D8%AA%D8%B1%D9%87%D8%A7%20%D9%88%20%D9%BE%D9%84%D8%AA%D9%81%D8%B1%D9%85%DB%8C%20%D8%A8%D8%B1%D8%A7%DB%8C%20%D8%AA%D9%88%D8%B3%D8%B9%D9%87%20%D9%87%D9%88%D8%B4%20%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C%20%D8%B1%D8%A7%D9%87%20%D8%A7%D9%86%D8%AF%D8%A7%D8%B2%DB%8C%20%DA%A9%D8%B1%D8%AF.%22%2C%22date%22%3A%221982%22%2C%22color%22%3A%22%2300bda6%22%7D%2C%7B%22descr%22%3A%22%D8%AF%D8%B1%20%D9%BE%D8%A7%D8%B3%D8%AE%20%D8%A8%D9%87%20%D8%A7%D9%82%D8%AF%D8%A7%D9%85%20%DA%98%D8%A7%D9%BE%D9%86%D8%8C%20%D8%A2%D9%85%D8%B1%DB%8C%DA%A9%D8%A7%20%D9%86%DB%8C%D8%B2%20%D8%B1%D9%88%DB%8C%20DARPA%20%D9%88%20%D8%AA%D8%AD%D9%82%DB%8C%D9%82%D8%A7%D8%AA%20%D8%AF%D8%B1%20%D8%AD%D9%88%D8%B2%D9%87%20%D8%B3%DB%8C%D8%B3%D8%AA%D9%85%20%D9%87%D8%A7%DB%8C%20%DA%A9%D8%A7%D9%85%D9%BE%DB%8C%D9%88%D8%AA%D8%B1%DB%8C%20%D9%BE%DB%8C%D8%B4%D8%B1%D9%81%D8%AA%D9%87%20%D9%88%20%D9%87%D9%88%D8%B4%20%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C%20%D8%B3%D8%B1%D9%85%D8%A7%DB%8C%D9%87%20%DA%AF%D8%B0%D8%A7%D8%B1%DB%8C%20%D9%85%DB%8C%20%DA%A9%D9%86%D8%AF.%22%2C%22date%22%3A%221983%22%2C%22color%22%3A%22%2300bda6%22%7D%2C%7B%22descr%22%3A%22%D8%B4%D8%B1%DA%A9%D8%AA%20%D9%87%D8%A7%20%D8%B3%D8%A7%D9%84%DB%8C%D8%A7%D9%86%D9%87%20%D8%A8%DB%8C%D8%B4%20%D8%A7%D8%B2%201%20%D9%85%DB%8C%D9%84%DB%8C%D8%A7%D8%B1%D8%AF%20%D8%AF%D9%84%D8%A7%D8%B1%20%D8%B1%D9%88%DB%8C%20%D8%B3%DB%8C%D8%B3%D8%AA%D9%85%20%D9%87%D8%A7%DB%8C%20%D8%AA%D8%AE%D8%B5%D8%B5%DB%8C%20%D8%B3%D8%B1%D9%85%D8%A7%DB%8C%D9%87%20%DA%AF%D8%B0%D8%A7%D8%B1%DB%8C%20%D9%85%DB%8C%20%DA%A9%D9%86%D9%86%D8%AF%20%D9%88%20%D8%B5%D9%86%D8%B9%D8%AA%DB%8C%20%D8%A8%D9%86%D8%A7%D9%85%20%5C%22%D8%A8%D8%A7%D8%B2%D8%A7%D8%B1%20%D9%85%D8%A7%D8%B4%DB%8C%D9%86%20%D9%87%D8%A7%DB%8C%20Lisp%5C%22%20%D8%8C%20%D8%A8%D8%B1%D8%A7%DB%8C%20%D8%AD%D9%85%D8%A7%DB%8C%D8%AA%20%D8%A7%D8%B2%20%D8%A2%D9%86%20%D9%87%D8%A7%20%D8%A8%D9%88%D8%AC%D9%88%D8%AF%20%D9%85%DB%8C%20%D8%A2%DB%8C%D8%AF.%20%D8%B4%D8%B1%DA%A9%D8%AA%20%D9%87%D8%A7%DB%8C%DB%8C%20%D9%86%D8%B8%DB%8C%D8%B1%20Symbolics%20%20%D9%88Lisp%20Machines%20Inc%20%D8%8C%20%DA%A9%D8%A7%D9%85%D9%BE%DB%8C%D9%88%D8%AA%D8%B1%D9%87%D8%A7%DB%8C%20%D9%88%DB%8C%DA%98%D9%87%20%D8%A7%DB%8C%20%D8%A8%D8%B1%D8%A7%DB%8C%20%DA%A9%D8%A7%D8%B1%20%D8%A8%D8%A7%20%D8%B2%D8%A8%D8%A7%D9%86%20Lisp%20%D9%85%DB%8C%20%D8%B3%D8%A7%D8%B2%D9%86%D8%AF.%22%2C%22date%22%3A%221985%22%2C%22color%22%3A%22%2300bda6%22%7D%2C%7B%22descr%22%3A%22%D8%A8%D9%87%20%D9%85%D8%B1%D9%88%D8%B1%20%DA%A9%D9%87%20%D8%AA%DA%A9%D9%86%D9%88%D9%84%D9%88%DA%98%DB%8C%20%DA%A9%D8%A7%D9%85%D9%BE%DB%8C%D9%88%D8%AA%D8%B1%20%D9%BE%DB%8C%D8%B4%D8%B1%D9%81%D8%AA%20%DA%A9%D8%B1%D8%AF%20%D9%88%20%D8%A7%D8%B1%D8%B2%D8%A7%D9%86%20%D8%AA%D8%B1%20%D8%B4%D8%AF%D8%8C%20%5C%22%D8%A8%D8%A7%D8%B2%D8%A7%D8%B1%20%D9%85%D8%A7%D8%B4%DB%8C%D9%86%20%D9%87%D8%A7%DB%8C%20Lisp%5C%22%20%D8%B3%D9%82%D9%88%D8%B7%20%DA%A9%D8%B1%D8%AF%20%D9%88%20%D8%AF%D9%88%D8%B1%D9%87%20%D8%B2%D9%85%D8%B3%D8%AA%D8%A7%D9%86%20%D8%AF%D9%88%D9%85%20%D9%87%D9%88%D8%B4%20%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C%20%D8%B4%D8%B1%D9%88%D8%B9%20%D8%B4%D8%AF.%20%D8%AF%D8%B1%20%D8%A7%DB%8C%D9%86%20%D8%AF%D9%88%D8%B1%D9%87%D8%8C%20%D8%B3%DB%8C%D8%B3%D8%AA%D9%85%20%D9%87%D8%A7%DB%8C%20%D8%AA%D8%AE%D8%B5%D8%B5%DB%8C%20%D8%A8%D8%B3%DB%8C%D8%A7%D8%B1%20%D9%BE%D8%B1%D9%87%D8%B2%DB%8C%D9%86%D9%87%20%D8%A8%D9%88%D8%AF%D9%86%D8%AF%20%D9%88%20%D8%AF%D8%B1%D9%86%D8%AA%DB%8C%D8%AC%D9%87%20%D8%AF%DB%8C%DA%AF%D8%B1%20%D9%85%D9%88%D8%B1%D8%AF%20%D8%B9%D9%84%D8%A7%D9%82%D9%87%20%DA%A9%D8%B3%DB%8C%20%D9%86%D8%A8%D9%88%D8%AF%D9%86%D8%AF%20%20%20%20-%20%20%20%DA%98%D8%A7%D9%BE%D9%86%20%D9%BE%D8%B1%D9%88%DA%98%D9%87%20FGCS%20%D8%B1%D8%A7%20%D8%AF%D8%B1%20%D8%B3%D8%A7%D9%84%201992%20%D8%AE%D8%A7%D8%AA%D9%85%D9%87%20%D8%AF%D8%A7%D8%AF%20%D9%88%20%D8%A7%D8%B9%D9%84%D8%A7%D9%85%20%DA%A9%D8%B1%D8%AF%20%DA%A9%D9%87%20%D8%B4%DA%A9%D8%B3%D8%AA%20%D8%AE%D9%88%D8%B1%D8%AF%D9%87%20%20%20-%20%20%20DARPA%20%D9%86%DB%8C%D8%B2%20%D8%AF%D8%B1%20%D8%B3%D8%A7%D9%84%201993%20%D9%88%20%D8%A8%D8%B9%D8%AF%20%D8%A7%D8%B2%20%D8%B5%D8%B1%D9%81%201%20%D9%85%DB%8C%D9%84%DB%8C%D8%A7%D8%B1%D8%AF%20%D8%AF%D9%84%D8%A7%D8%B1%20%D9%87%D8%B2%DB%8C%D9%86%D9%87%D8%8C%20%D8%B3%D8%B1%D9%85%D8%A7%DB%8C%D9%87%20%DA%AF%D8%B0%D8%A7%D8%B1%DB%8C%D8%B4%20%D8%B1%D8%A7%20%D8%AE%D8%A7%D8%AA%D9%85%D9%87%20%D8%AF%D8%A7%D8%AF.%22%2C%22date%22%3A%221987-1993%22%2C%22color%22%3A%22%2300bda6%22%7D%2C%7B%22descr%22%3A%22%D8%B7%DB%8C%20%D8%AC%D9%86%DA%AF%20%D8%AE%D9%84%DB%8C%D8%AC%20%D9%81%D8%A7%D8%B1%D8%B3%D8%8C%20%D9%86%DB%8C%D8%B1%D9%88%D9%87%D8%A7%DB%8C%20%D8%A2%D9%85%D8%B1%DB%8C%DA%A9%D8%A7%DB%8C%DB%8C%20%D8%A7%D8%B2%20%D9%BE%D8%B1%D9%88%DA%98%D9%87%20DART%20(%D8%A7%D8%A8%D8%B2%D8%A7%D8%B1%DB%8C%20%D8%AE%D9%88%D8%AF%DA%A9%D8%A7%D8%B1%20%D8%A8%D8%B1%D8%A7%DB%8C%20%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87%20%D8%B1%DB%8C%D8%B2%DB%8C%20%D9%84%D8%AC%D8%B3%D8%AA%DB%8C%DA%A9)%20%D8%A7%D8%B3%D8%AA%D9%81%D8%A7%D8%AF%D9%87%20%D9%85%DB%8C%20%DA%A9%D9%86%D8%AF.%22%2C%22date%22%3A%221991%22%2C%22color%22%3A%22%2300bda6%22%7D%2C%7B%22descr%22%3A%22%D9%BE%D8%B1%D9%88%DA%98%D9%87%20Deep%20Blue%20%D8%B4%D8%B1%DA%A9%D8%AA%20IBM%20%D8%8C%20%D9%82%D8%B1%D9%85%D8%A7%D9%86%20%D8%B4%D8%B7%D8%B1%D9%86%D8%AC%20%D8%AC%D9%87%D8%A7%D9%86%20(%DA%AF%D9%8E%D8%B1%DB%8C%20%DA%A9%D8%A7%D8%B3%D9%BE%D8%A7%D8%B1%D9%8F%D9%81)%20%D8%B1%D8%A7%20%D8%B4%DA%A9%D8%B3%D8%AA%20%D9%85%DB%8C%20%D8%AF%D9%87%D8%AF.%22%2C%22date%22%3A%221997%22%2C%22color%22%3A%22%2300bda6%22%7D%2C%7B%22descr%22%3A%22%D9%85%D8%A7%D8%B4%DB%8C%D9%86%20%D8%AE%D9%88%D8%AF%D8%B1%D8%A7%D9%86%20(STANLEY)%20%D8%8C%20%D9%85%D8%B3%D8%A7%D8%A8%D9%82%D9%87%20%D8%A7%DB%8C%20%DA%A9%D9%87%20%D8%AA%D9%88%D8%B3%D8%B7%20DARPA%20%D8%A8%D8%B1%DA%AF%D8%B2%D8%A7%D8%B1%20%D8%B4%D8%AF%D9%87%20%D8%A8%D9%88%D8%AF%20%D8%B1%D8%A7%20%D8%A8%D8%B1%D9%86%D8%AF%D9%87%20%D9%85%DB%8C%20%D8%B4%D9%88%D8%AF.%20%20%20-%20%20%20%D8%A7%DB%8C%D8%A7%D9%84%D8%A7%D8%AA%20%D9%85%D8%AA%D8%AD%D8%AF%D9%87%20%D8%B4%D8%B1%D9%88%D8%B9%20%D8%A8%D9%87%20%D8%B3%D8%B1%D9%85%D8%A7%DB%8C%D9%87%20%DA%AF%D8%B0%D8%A7%D8%B1%DB%8C%20%D8%B1%D9%88%DB%8C%20%D8%B1%D8%A8%D8%A7%D8%AA%20%D9%87%D8%A7%DB%8C%20%D8%AE%D9%88%D8%AF%D8%B1%D8%A7%D9%86%20%D9%86%D8%B8%DB%8C%D8%B1%20Big%20Dog%20%D9%88%20PackBot%20%D9%85%DB%8C%20%DA%A9%D9%86%D8%AF.%22%2C%22date%22%3A%222005%22%2C%22color%22%3A%22%2300bda6%22%7D%2C%7B%22descr%22%3A%22%DA%AF%D9%88%DA%AF%D9%84%20%D9%BE%DB%8C%D8%B4%D8%B1%D9%81%D8%AA%20%D9%87%D8%A7%DB%8C%20%D8%B2%DB%8C%D8%A7%D8%AF%DB%8C%20%D8%AF%D8%B1%20%D8%A7%D8%A8%D8%B2%D8%A7%D8%B1%D9%87%D8%A7%DB%8C%20%D8%AA%D8%B4%D8%AE%DB%8C%D8%B5%20%DA%AF%D9%81%D8%AA%D8%A7%D8%B1%20%D9%85%DB%8C%20%DA%A9%D9%86%D8%AF%20%D9%88%20%D8%A2%D9%86%20%D8%B1%D8%A7%20%D8%AF%D8%B1%20%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87%20%D8%A2%DB%8C%D9%81%D9%88%D9%86%20%D8%AE%D9%88%D8%AF%20%D9%85%D9%86%D8%AA%D8%B4%D8%B1%20%D9%85%DB%8C%20%DA%A9%D9%86%D8%AF.%22%2C%22date%22%3A%222008%22%2C%22color%22%3A%22%2300bda6%22%7D%2C%7B%22descr%22%3A%22%DA%A9%D8%A7%D9%85%D9%BE%DB%8C%D9%88%D8%AA%D8%B1%20Watson%20%D8%B4%D8%B1%DA%A9%D8%AA%20IBM%D8%8C%20%D8%AA%D9%88%D8%A7%D9%86%D8%B3%D8%AA%20%D8%B1%D9%82%DB%8C%D8%A8%D8%A7%D9%86%D8%B4%20%D8%B1%D8%A7%20%D8%AF%D8%B1%20%DB%8C%DA%A9%DB%8C%20%D8%A7%D8%B2%20%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87%20%D9%87%D8%A7%DB%8C%20%D8%AA%D9%84%D9%88%DB%8C%D8%B2%DB%8C%D9%88%D9%86%20%D8%A2%D9%85%D8%B1%DB%8C%DA%A9%D8%A7%20(Jeopardy)%20%D8%B4%DA%A9%D8%B3%D8%AA%20%D8%AF%D9%87%D8%AF.%22%2C%22date%22%3A%222011%22%2C%22color%22%3A%22%2300bda6%22%7D%2C%7B%22descr%22%3A%22%D8%A2%D9%82%D8%A7%DB%8C%20Andrew%20Ng%20%D8%8C%20(%20%D8%A8%D9%86%DB%8C%D8%A7%D9%86%DA%AF%D8%B0%D8%A7%D8%B1%20%D9%BE%D8%B1%D9%88%DA%98%D9%87%20%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C%20%D8%B9%D9%85%DB%8C%D9%82%20%DA%AF%D9%88%DA%AF%D9%84%20)%2010%20%D9%85%DB%8C%D9%84%DB%8C%D9%88%D9%86%20%D9%88%DB%8C%D8%AF%D8%A6%D9%88%20%D8%A7%D8%B2%20%DB%8C%D9%88%D8%AA%DB%8C%D9%88%D8%A8%20%D8%B1%D8%A7%20%D8%A8%D8%B1%D8%A7%DB%8C%20%D8%AA%D8%B3%D8%AA%20%D8%A8%D9%87%20%DB%8C%DA%A9%20%D8%B4%D8%A8%DA%A9%D9%87%20%D8%B9%D8%B5%D8%A8%DB%8C%20%D9%85%DB%8C%20%D8%AF%D9%87%D8%AF.%20%D8%B4%D8%A8%DA%A9%D9%87%20%D8%B9%D8%B5%D8%A8%DB%8C%20%DB%8C%D8%A7%D8%AF%20%DA%AF%D8%B1%D9%81%D8%AA%20%DA%A9%D9%87%20%DB%8C%DA%A9%20%DA%AF%D8%B1%D8%A8%D9%87%20%D8%B1%D8%A7%20(%D8%A8%D8%AF%D9%88%D9%86%20%D8%A7%DB%8C%D9%86%DA%A9%D9%87%20%D8%A8%D9%87%20%D8%A7%D9%88%20%D8%A8%DA%AF%D9%88%DB%8C%D9%86%D8%AF)%20%D8%AA%D8%B4%D8%AE%DB%8C%D8%B5%20%D8%AF%D9%87%D8%AF.%20%D8%A7%DB%8C%D9%86%20%D9%85%D9%88%D8%B6%D9%88%D8%B9%20%D8%A8%D8%A7%D8%B9%D8%AB%20%D8%B1%D9%88%D9%86%D9%82%20%D8%AD%D9%88%D8%B2%D9%87%20%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C%20%D8%B9%D9%85%DB%8C%D9%82%20%D9%88%20%D8%B4%D8%A8%DA%A9%D9%87%20%D9%87%D8%A7%DB%8C%20%D8%B9%D8%B5%D8%A8%DB%8C%20%D8%B4%D8%AF.%22%2C%22date%22%3A%222012%22%2C%22color%22%3A%22%2300bda6%22%7D%2C%7B%22descr%22%3A%22%DA%AF%D9%88%DA%AF%D9%84%20%D8%A7%D9%88%D9%84%DB%8C%D9%86%20%D9%85%D8%A7%D8%B4%DB%8C%D9%86%20%D8%AE%D9%88%D8%AF%D8%B1%D8%A7%D9%86%20%D8%B1%D8%A7%20%D9%85%DB%8C%20%D8%B3%D8%A7%D8%B2%D8%AF.%22%2C%22date%22%3A%222014%22%2C%22color%22%3A%22%2300bda6%22%7D%2C%7B%22descr%22%3A%22%D9%BE%D8%B1%D9%88%DA%98%D9%87%20AlphaGo%20%20%DA%AF%D9%88%DA%AF%D9%84%D8%8C%20%D9%82%D8%B1%D9%85%D8%A7%D9%86%20%D8%A8%D8%A7%D8%B2%DB%8C%20Go%20%D8%8C%20%D8%A2%D9%82%D8%A7%DB%8C%20Lee%20Sedol%D8%8C%20%D8%B1%D8%A7%20%D8%B4%DA%A9%D8%B3%D8%AA%20%D9%85%DB%8C%20%D8%AF%D9%87%D8%AF.%20%D9%BE%DB%8C%DA%86%DB%8C%D8%AF%DA%AF%DB%8C%20%D8%A7%DB%8C%D9%86%20%D8%A8%D8%A7%D8%B2%DB%8C%20%D8%A8%D8%A7%D8%B3%D8%AA%D8%A7%D9%86%DB%8C%20%DA%86%DB%8C%D9%86%DB%8C%D8%8C%20%DB%8C%DA%A9%20%DA%86%D8%A7%D9%84%D8%B4%20%D8%A7%D8%B5%D9%84%DB%8C%20%D8%AF%D8%B1%20%D9%87%D9%88%D8%B4%20%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C%20%D8%A8%D9%87%20%D8%AD%D8%B3%D8%A7%D8%A8%20%D9%85%DB%8C%20%D8%B1%D9%81%D8%AA.%22%2C%22date%22%3A%222016%22%2C%22color%22%3A%22%2300bda6%22%7D%5D”][/vc_column][/vc_row][vc_row][vc_column][wgl_spacing spacer_size=”30px”][vc_separator][wgl_spacing spacer_size=”30px”][vc_column_text] نظر شما درباره هوش مصنوعی چیست ؟ اگر هر گونه سوال، ابهام یا پیشنهادی برای تولید محتوا داشتید، کافی است تا نظرات خود را در قسمت دیدگاه ها ثبت کنید. موستانگ ، خواندن بازخورد

بیشتر بخوانید »
یادگیری ماشین - موستانگ
هوش مصنوعی

یادگیری ماشین ( machine learning)

کلمه ای که این روزها همه توجه ها را به خود جلب کرده! و دلیل خوبی هم برای آن وجود دارد. تقریباً هر تکنولوژی جدیدی در حوزه علوم کامپیوتر ، به نوعی از یادگیری ماشین استفاده می کند، آنهم پشت درهای بسته! مثلاً: Cortana مایکروسافت ، نرم افزارهای تشخیص چهره و حتی پشنهاد محصولاتی که آمازون به خریدارانش می دهد، همگی از مفهوم یادگیری ماشین استفاده می کنند. تنها این ها نیست! یادگیری ماشین و علوم داده همه جا هست. چرا؟ چون داده همه جا هست! در این مقاله از وبسایت موستانگ ، قصد داریم تا بیشتر به توضیح این شاخه از کامپیوتر و کاربردهای آن بپردازیم. پس در ادامه با ما همراه باشید. هر فرد با هوش متوسط و اندک دانشی از کدنویسی ، کاملاً طبیعی است که بخواهد سرکی هم به دنیای ماشین ها بزند. اما یادگیری ماشین چیست؟ چه اندازه بزرگ است؟ بیایید یکبار برای همیشه این مفهوم را توضیح دهیم. یادگیری ماشین واقعاً یعنی چه ؟ در واقع ، یادگیری ماشین زیرشاخه ای از هوش مصنوعی است که از دانش  الگوشناسی (Pattern Recognition) و تئوری یادگیری محاسباتی (Computational Learning theory) سرچشمه گرفته. Arthur Lee Samuel یادگیری ماشین را اینگونه تعریف می کند: شاخه ای از علوم کامپیوتر و هوش مصنوعی که بدون دخالت انسان ، می تواند از داده ها یاد بگیرد. طبق این تعریف ، هر زمان که اسم یادگیری ماشین می آید ، مردم به طور ناخودآگاه به هوش مصنوعی (AI) ، شبکه های عصبی (شبکه هایی که می توانند از مغز انسان تقلید کنند) و ماشین های خودران فکر می کنند. اما واقعیت اینست که مفهوم یادگیری ماشین خیلی خیلی گسترده تر از این هاست. در ادامه موستانگ برخی نمونه هایی که تصورش را می کردید و برخی را که اصلاً فکرش را هم نمی کردید ، به شما معرفی خواهد کرد. نمونه هایی از یادگیری ماشین که احتمالاً حدسش را می زدید فیلدهایی را معرفی می کنیم که احتمالاً خودتان هم حدس می زنید: 1- تشخیص صدا (Speech Recognition) شما در ویندوز با cortona یا در گوشی سامسونگتان با Bixy صحبت می کنید و او هم حرفتان را می فهمد! اما چطور این کار را می کند؟ اینجاست که پای شاخه ای بنام NLP یا Natural Language Processing باز می شود که نحوه تعامل انسان با ماشین را مورد مطالعه قرار می دهد. حالا حدس بزنید در دل NLP چه چیزی قرار دارد؟ الگوریتم های یادگیری ماشین ! 2- بینایی ماشین (Computer Vision) بینایی ماشین یکی از زیرشاخه های دانش هوش مصنوعی است که به درک ماشین از محیط اطرافش می پردازد. در واقع ، تشخیص چهره (Facial Recognition) ، تشخیص الگو (Pattern Recognition) و تشخیص کاراکتر (Character Recognition) ، همگی مربوط به بینایی ماشین است. و اینجا هم دوباره در دل ماجرا ، الگوریتم های یادگیری ماشین حضور دارند. 3- ماشین خودران گوگل خب ، خودتان می توانید حدس بزنید که چه چیزی ماشین های خودران گوگل را می راند ؟ باز هم یادگیری ماشین ! نمونه هایی که احتمالاً تصورش را نمی کردید حالا بیایید جاهایی را بررسی کنیم که مردم عادی ، احتمال وجود یادگیری ماشین در آن مکان ها را نمی دهند: 1- پیشنهاد محصول در فروشگاه های آنلاین معروف (مثل آمازون) دقت کرده اید که چرا این فروشگاه ها دقیقاً همان پیشنهادهای وسوسه کننده ای را می دهند که می تواند جیب شما را خالی کند ؟! چون الگوریتمی خاص بنام سیستم های توصیه گر (Recommended Systems) در پشت پرده کار می کند که علاقه مندی های هر کاربر را یاد گرفته و می تواند بر اساس آن ها ، به او محصول پیشنهاد دهد. سایت های YouTube و Netflix هم دقیقاً به همین شیوه کار می کنند. 2- داده کاوی (Data Mining) / کلان داده (Big Data) داده کاوی و کلان داده ، شاخه هایی برای مطالعه و یادگیری از داده در مقیاسی بزرگ است. و هر جا هم هدف جمع آوری اطلاعات از داده باشد ، بدانید که یادگیری ماشین در کمین نشسته ! 3- بازر بورس / بازار مسکن تمامی این شاخه ها ، برای اینکه بتوانند بهتر بازار را مورد بررسی قرار دهند ، از الگوریتم های یادگیری ماشین استفاده می کنند. اصطلاحاً به این تکنیک ها ، تحلیل رگرسیون (Regression Techniques) می گویند که از قیمت یک خانه گرفته تا ترندهای بازار بورس را می تواند پیشبینی کند. همان طور که دیدید ، امروزه machine learning همه جا حضور دارد. از تحقیق و توسعه تا بهبود اوضاع شرکت های کوچک. بنابرین می توان آن را به عنوان یک فیلد کاری محبوب در صنعت در نظر گرفت. اگر هر گونه سوال و یا ابهامی در این مورد داشتید، می توانید در پایین همین نوشته و در قسمت ثبت دیدگاه ها با موستانگ در میان بگذارید. برای مطالب بیشتر نیز کافی است تا ما را در قسمت پادوک تازه ها از وبسایت موستانگ دنبال کنید. مرجع: سایت dev.to

بیشتر بخوانید »
چت با هوش مصنوعی - موستانگ
تازه ها

چت با هوش مصنوعی | با بزرگان تاریخ صحبت کنید!

<< برای ساخت اکانت ChatGPT کلیک کنید (پیام به واتساپ) >> برخی بر این باورند که تکنولوژی مردم را گوشه نشین کرده، امّا همیشه هم این طور نیست. گاهی اوقات با کمک فناوری های جدید می توانیم با مردمانی که فکرش را هم نمی کردیم، صحبت کنیم: شخصیت های بزرگ تاریخ که سال هاست مرده اند! با موستانگ در این مقاله همراه باشید تا ببینیم چت با هوش مصنوعی چیست و چه کارهایی می توان با آن کرد. نویسنده ای به نام Andrew Mayne ، یک پروژه چت با هوش مصنوعی را راه اندازی کرد که AI|Writer نام دارد. این پروژه امکانی فراتر از مکالمه با دوستان و اعضای فامیل را برایتان مهیا می کند. با کمک گرفتن از کتابخانه های OpenAI ، شما می توانید با شخصیت های بزرگی نظیر نیوتن، انیشتین یا مادرترزا صحبت کنید! یا حداقل به نظر بیاید که با آن ها مکالمه دارید. AI|Writer این شخصیت ها را از مرگ بر نمی گرداند. بلکه از دانش هوش مصنوعی کمک می گیرد و صدا و کاراکتر آن ها را تقلید می کند. می توانید از این اسطوره ها سوال هایی درباره زندگی روزمره شان بپرسید، نظراتشان را در مورد زندگی مدرن بخواهید و یا مکالمه هایی کوتاه و عادی داشته باشید. دقیقاً مثل انسان های واقعی، در چت با هوش مصنوعی هم به ندرت از سوال های یکسان، پاسخ های یکسانی می گیرید. چت با هوش مصنوعی چطور کار می کند؟ AI|Writer از پروژه تولید متن OpenAI (OpenAI’s Text Generator) استفاده می کند که مدتی است به عنوان اولین محصول تجاری عرضه شده است. این سیستم از الگوریتمی پیشرفته در حوزه یادگیری ماشین استفاده می کند تا بتواند پیام های شما را تفسیر کرده و دقیق ترین پاسخ ممکن را بدهد. AI|Writer ، این api را با اطلاعات هر یک از اسطوره های تاریخی مخلوط می کند تا بتواند با صدای خودشان این سوال ها را پاسخ دهد. اگرچه ویژگی های اخلاقی کاراکترها دقیقاً همانند خودشان پیاده سازی نشده است، اما اگر شخصیتی برای رُک گو بودن و یا نیش داشتن حرف هایش معروف بوده، مدل هوش مصنوعی شده آن ها هم اینگونه با شما صحبت خواهد کرد. هر کدام از این اسطوره ها، نظرات، الگوهای مکالمه ای و دانش مختص خود را دارند. ممکن است خیلی دقیق نباشد، اما به واقعیت بسیار نزدیک است. هنگام چت با هوش مصنوعی ، شما محدودیت 300 کلمه ای دارید. اما در عوض می توانید تقریباً هر چیزی را از کاراکترها بپرسید. همانند هر هوش مصنوعی دیگری که امروزه می بینید، فهم و درک این یکی نیز اندکی محدود است. می پرسید یعنی چه؟ یعنی مثلاً اگر سوالی تاریخی از کاراکترتان بپرسید، بسیار دقیق تر پاسخ می دهد تا هنگامی که نظرش را در مورد ایده ای جدید بپرسید. علاوه بر شخصیت های تاریخی، AI|Writer کاراکترهایی افسانه ای هم دارد. اگر به شخصیت های تاریخی علاقه ندارید، می توانید با افرادی مثل ایندیانا جونز یا بتمن صحبت کنید! در پروژه چت با هوش مصنوعی این شرکت، ادعا می شود که می توان با هر شخصیت معروف تاریخی و یا افسانه ای مکالمه کرد. آینده چت با هوش مصنوعی اگرچه این پروژه، یک منبع قابل اعتماد برای تاریخ دانان نیست، اما به عنوان قدمی برای توسعه هوش مصنوعیِ سالم به شمار می رود. با تحقیقات و تلاش هایی اینچنین، می توانیم ابزراهای مفید برای آموزش در مدارس و یا موزه ها تولید کنیم. در واقع، چنین پروژه هایی حرکتی عظیم به سمت استفاده از هوش مصنوعی در محتواهای آموزشی خواهد بود. پروژه های چت با هوش مصنوعی ، ارزش سرگرمی نیز دارند و این موضوع باعث این خواهد شد که دانش مصنوعی نزد عموم مردم وجهه بهتری پیدا کند. بیشتر محققان بر این باورند که ما هنوز به اندازه 80 سال از یک هوش مصنوعی قوی که بتواند برای خودش فکر کند، عقب هستیم. اگرچه، هر چقدر مردم بیشتر از این دانش استفاده کنند، سرعت پیشرفت در این حوزه نیز افزایش پیدا خواهد کرد و در نتیجه ممکن است زودتر از آن 80 سال به جاهای بهتر برسیم. هوش مصنوعی، مرزهای آنچه ممکن است را پهناورتر می کند زمانی بود که تحقق چنین پروژه هایی و سفر در تاریخ غیرممکن به نظر می رسید. اما به مرور که محققان اینگونه سیستم ها را توسعه می دهند و هوش مصنوعی هم کار طبیعی اش را انجام داده و خودش را بهبود می بخشد، محدودیت ها نیز کمتر خواهد شد. دیگر به همین راحتی نمی توان هر چیزی را غیر ممکن دانست! چت با هوش مصنوعی ممکن است نتواند آدمیان را از مرگ برگرداند، اما می تواند حسی مشابه را برای ما ایجاد کند. پروژه AI|Writer در حال حاضر به عنوان یک سرگرمی استفاده می شود، اما در واقع مثالی است از اینکه چطور هوش مصنوعی می تواند همه چیز را دگرگون کند! موستانگ حتما پیشنهاد می کند که به سایت این پروژه سری بزنید و نمونه سوال هایی که از اشخاص مهم تاریخی پرسیده شده و جواب های آن ها را مشاهده کنید. حتی می توانید ایمیل خودتان را وارد کرده و منتظر بمانید تا نوبت شما هم بشود. ما در زیر نمونه سوالی که از آقای نیوتن در مورد توضیح قانون جاذبه شده است را آورده ایم. نمونه سوال از نیوتن: پاسخ نیوتن (چت با هوش مصنوعی): در نهایت شما در مورد ایده چت با هوش مصنوعی چه فکر می کنید؟ به نطرتان این دانش برایمان سودمند خواهد بود؟  نظراتتان را در قسمت دیدگاه ها می توانید با موستانگ در میان بگذارید. ( در مورد ابزارهای هوش مصنوعی در 2024 بخوانید ) برای ویدئو ها و مقاله های جذاب بیشتر نیز تنها کافی است تا سری به پادوک تازه ها از وبسایت موستانگ بزنید. مرجع: سایت  besttechie

بیشتر بخوانید »