یادگیری ماشین چیست؟ تعریف ساده

یادگیری ماشین چیست؟ تعریف ساده

یادگیری ماشین (Machine Learning) یکی از زیر مجموعه های هوش مصنوعی است که به سیستم ها این امکان را می دهد تا به صورت خودکار یادگیری و پیشرفت داشته باشند بدون اینکه به برنامه نویسی صریحی برای آن داشته باشند. تمرکز اصلی یادگیری ماشینی بر توسعه برنامه های رایانه ای است که بتوانند به داده ها دسترسی پیدا کنند و از آن برای یادگیری خود استفاده کنند.

فرآیند یادگیری با مشاهدات یا داده ها آغاز می شود، مانند مثال ها، تجارب مستقیم و یا دستور العمل ها، تا به یک الگو در داده ها برسند و بر اساس این مثال هایی که ارائه می دهیم، تصمیمات بهتری بگیرند. هدف اصلی آن است که به کامپیوتر این اجازه را بدهیم که بدون دخالت و کمک انسان به طور اتوماتیک یادگیری داشته باشند و بتوانند اقدامات خود را بر مطابق با آن تنظیم کنند.

machine-learning

مفهوم ساده یادگیری ماشین

الگوریتم های بسیار مختلفی برای یادگیری ماشین وجود دارد و هر روزه صدها الگوریتم جدید نیز تولید می شوند، و به طور معمول توسط سبک یادگیری (learning style) (مانند یادگیری نظارت شده، یادگیری بدون نظارت، یادگیری نیمه نظارت) و یا با توجه به شباهتشان در فرم و عملکرد ( مانند طبقه بندی، برگشت، درخت تصمیم گیری، دسته کردن، یادگیری عمیق و…) گروه بندی می شوند. صرف نظر از سبک یادگیری یا عملکرد، تمام الگوریتم های یادگیری ماشینی به شرح زیر هستند:

  • نمایش: مجموعه ای از طبقه بندی کننده ها یا زبانی که کامیوتر آن را می فهمد.
  • ارزشیابی:  همچنین معروف به عملکرد هدف/نمره دهی.
  • بهینه سازی: روش جست و جو؛ اغلب طبقه بندی کننده ای با بالاترین امتیاز.

 هدف اساسی الگوریتم های یادگیری ماشین ، تعمیم یادگیری ها به فراتر از نمونه های آموزش داده شده است، یعنی تفسیر موفقیت آمیز داده ها.

برخی از روش های یادگیری ماشین

الگوریتم های یادگیری ماشین عمدتا در دو نوع نظارت شده و نظارت نشده دسته بندی می شوند.

  • الگوریتم یادگیری ماشین نظارت شده می تواند از آن چه که در گذشته آموخته اند و همچنین داده های جدید برچسب گذاری شده، برای پیشبینی آینده استفاده کند. این کار از آنالیز مجموعه داده های آموزشی شروع می شود، الگوریتم یادگیری یک عملکرد استنباطی تولید می کند تا پیش بینی های مربوط به مقادیر خروجی را انجام دهد. این نوع سیستم قادر است پس از آموزش های کافی برای هر داده جدیدی هدف مشخص کند. این الگوریتم یادگیری همچنین می تواند خروجی اش را با خروجی درست و از قبل تعیین شده مقایسه کند و خطاهای موجود را بیابد تا بر اساس آن مدل را اصلاح کند.
    • در مقابل، زمانی از الگوریتم های یادگیری ماشین بدون نظارت استفاده می شود که اطلاعات مورد نیاز برای آموزش نه طبقه بندی شده باشد و نه برچسب زده باشد. یادگیری بدون نظارت چگونگی اینکه سیستم می تواند توصیف ساختار پنهان از داده های بدون برچسب استنباط کنند، مطالعه می کند. این نوع سیستم خروجی مناسب را مشخص نمی کند و تنها می تواند داده ها را کاوش کند و از داده های برچسب زده نشده ساختارهای پنهان را استنتاج می کند.
    • الگوریتم یادگیری ماشین نیمه نظارت شده بین دو نوع قبلی قرار دارد. این سیستم از هر دو نوع داده برچسب زده شده و برچسب نزده شده برای آموزش استفاده می کند. سیستم هایی که از این روش استفاده می کنند، می توانند دقت یادگیری را تا میزان قابل توجهی بهبود ببخشند. معمولا زمانی این نوع یادگیری را انتخاب می کنیم که داده های برچسب زده شده بدست آمده  نیاز به منابع ماهر و مرتبط برای آموزش و یادگیری دارند. در غیر این صورت ، دستیابی به داده های دارای برچسب معمولاً نیازی به منابع اضافی ندارد.
    • الگوریتم های یادگیری ماشین تقویت کننده روشی هستند که به وسیله اقدامات با محیط خود در تعامل هستند و خطاها و پاداش ها را کشف می کنند. آزمایش، جست و جوی خطاها و  پاداش های تاخیری مهم ترین ویژگی های یادگیری تقویتی هستند. این نوع یادگیری به ماشین ها و عوامل نرم افزار اجازه می دهد تا به طور خودکار، برای به حداکثر رساندن عملکرد خود، رفتار ایده آل خود را مشخص کنند. این سیستم از بازخورد پاداش ساده استفاده می کند تا ببیند کدام عمل بهتر بهتر است و این امر به عنوان سیگنال تقویت شناخته شده است.

یادگیری ماشین آنالیز مقادیر انبوهی از داده ها را امکان پذیر می کند. این یادگیری در شناسایی فرصت های سودآور و یا خطرناک معمولا نتایج سریعتر و دقیق تری ارائه می کند اما برای آموزش آن ممکن است به زمان و منابع اضافی نیاز داشته باشیم.  تلفیقی از یادگیری ماشین و هوش مصنوعی و فناوری های شناختی می تواند در پردازش حجم زیادی از اطلاعات موثر باشد.

منبع: emerj.com

اگر این مطلب برای شما نیز مفید بود، آن را با دوستان خود به اشتراک بگذارید.


تبدیل گفتار به متن
مزایای استفاده از هوش مصنوعی (AI) برای خودکارسازی روتوش تصاویر

یک تکنیک کمی معمولی می‌تواند چهره انسان و یا هر سوژه دیگری را در صحنه تغییر دهد. در نرم‌افزار ویرایش عکس یکی از سخت‌ترین بخش‌ها روتوش آن‌ها است. یک ویژگی هوش مصنوعی به نام “انتخاب شیء (subject)” در حال حاضر در Adobe included گنجانده شده ‌است. استفاده از این روتوش برای افراد بی تجربه هم بسیار ساده است. هوش مصنوعی امکان “انتخاب ناحیه و پوشش شیء” را فراهم می‌کند. به کمک این فناوری شما می‌توانید هر جای تصویر را که می‌خواهید انتخاب کنید و با کلیک کردن بر روی آن ناحیه، عملیات روتوش را انجام دهید.

هوش مصنوعی در همه زمینه‌ها بهترین است

در سال 2018، Photoshop CC نسخه 19.1 به روز شده Adobe Photoshop را برای استفاده در سیستم عامل‌های Windows و Mac معرفی کرد. در این نسخه هوش مصنوعی این امکان را فراهم کرده است تا تنها با یک کلیک بتوانید تمام ناحیه مورد نظر خود را انتخاب کنید.

برای کاربران ویندوز، این ویژگی شامل اضافه کردن یک اسلایدر Decontamination به فضای کاری select & Mask و به روز رسانی‌های سازگار قابل‌توجهی است. در نوامبر گذشته اولین دمو این ابزار توسط شرکت Adobe Sensei Al منتشر شد. توجه تیم فتوشاپ را به خود جلب کرد. با این ابزار، کاربران تنها با یک کلیک می‌توانند شی مورد نظر را انتخاب کنند.

انتخاب بخشی از یک تصویر امری معمول است. در طی این سال ها بر بهبود آن کار شده است. انتخاب یک ناحیه در فتوشاپ بخش مهمی از ویرایش تصویر است. این ویژگی به شما کمک می‌کند که سریعتر از قبل کار خود را شروع کنید. یادگیری ماشین و هوش مصنوعی به تشخیص اشیا و ناحیه‌ها در تصویر کمک می‌کند.

مزایای هوش مصنوعی

برای مانیتورهای با قدرت پردازش بالا در تصویر، کاربران ویندوز تلاش می‌کنند که بین تصاویر با رزولوشن‌های متفاوت و اندازه‌های متفاوت سوئیچ کنند. در تیم فتوشاپ یکی از دانشمند به نام جری هریس، سهم بسزایی در روند نوظهور علوم شناختی دارد. در نرم‌افزار فتوشاپ اندازه و زیبایی مظرح نیست. تراکم در صفحه مانتیور هم مهم نیست. در هر صورت این نسخه مفید است. این نسخه از فتوشاپ رابطه کاری تنگاتنگی با مایکروسافت دارد و فاکتورها را منطبق با استانداردهای مایکروسافت تنظیم می‌کند.

سخن آخر

به طور خلاصه، هوش مصنوعی در نرم‌افزارهایی مانند فوتوشاپ ساده‌ترین راه را برای کاربرانی که به روتوش تصویر تسلط چندانی ندارند، فراهم کرده است. هوش مصنوعی در این عرصه بسیار خوب عمل کرده، اما توجه داشته باشید که هنوز به کیفیت انجام دستی این کار نرسیده است و قابل رقابت با آن نمی‌باشد.


تبدیل گفتار به متن
مايکروسافت: انگليس بايد مهارت هاي هوش مصنوعي خود را افزايش داده يا خطر سقوط را بپذيرد!

مايکروسافت: انگليس بايد مهارت هاي هوش مصنوعي خود را افزايش داده يا خطر سقوط را بپذيرد! اين روزها گزارشي از مايکروسافت منتشر شده‌است که به انگليس هشدار مي‌دهد که با شکاف‌هاي بزرگ و حساسي در زمينه هوش مصنوعي (AI) روبرو است و اگر نتواند اين چالش را به خوبي مديريت کند، احتمالاً بايد هزينه آسيب‌هاي حاصل از اين بي‌توجهي را بپردازد! اين تحقيقات که توسط شرکت Microsoft تحت عنوان هوش مصنوعي در انگليس انجام شده‌است، اين موضوع را از چند جنبه بررسي مي‌کند. مايکروسافت براي تهيه گزارش خود به صورت کامل، آن را از چند جهت و جنبه با کمک داده‌هاي 12 هزار نفر از 20 کشور جهان بررسي کرده‌است. اين داده‌ها، کمک مي‌کنند که عملکرد کشور انگليس در حوزه هوش مصنوعي به راحتي بررسي شود و قابل مقايسه با ساير کشورها باشد. طبق اين گزارش، ميزان خرابي و نقص در پروژه‌هاي هوش مصنوعي انگليس، نسبت به ساير کشورها بيشتر بوده‌است و اين موضوع به حيثيت اين کشور لطمه بزرگي خواهد زد. در اين زمينه شايد براي شما هم جالب باشد که بدانيد، 29 درصد شغل‌هاي ايجاد شده بواسطه پروژه‌هايي که توسط دولت انگليس سرمايه‌گذاري شده‌اند، در واقع بدون هيچ ارزش تجاري بوده‌اند، در حالي که ميانگين جهاني چنين پروژه‌هايي تنها 19 درصد است. شکاف و بحران هوش مصنوعي در انگليس، موضوعي ثابت شده! در مورد اين مشکل و معضل نکته جالب تري وجود دارد که آن، نظرات رهبران مشاغل هوش مصنوعي در اين کشور است که از دو سال پيش، چنين وضعيتي را پيش‌بيني مي کرند و معتقد بودند که بحران در صورتي که حل نشود، جدي تر خواهد شد. طبق نظرات متخصصان در اين زمينه، مشکل اصلي اين است که دولت انگليس، آماده‌سازي مهارتي، تخصصي و علمي لازم براي اين موضوع را جدي تصور نمي‌کند و براي آن سرمايه‌گذاري انجام نمي‌دهد! طبق داده‌هاي جمع‌آوري شده، فقط 17 درصد از کارمندان انگليسي فعال در اين حوزه، اطلاعات لازم و کامل را در اين زمينه دارا بوده‌اند. اين روزها که فناوري‌هايي مانند هوش مصنوعي و ابري در حال ادغام هستند و فرآيندهايي مانند پردازش کلمه و … را انجام مي‌دهند، ياد دادن مهارت‌هاي استفاده از چنين فناوري‌هايي براي شرکت‌هايي که کارمندان آن‌ها اطلاعات و مهارت‌هاي کافي ندارند، کاملاً ضروري به نظر مي‌رسد. اين موضوع مي‌تواند به کارمندان هر بخش کمک کند که بهترين تصميم‌گيري‌هاي لازم براي کار با اين فناوري‌ها را اتخاذ کنند و فرآيندهاي مربوط به هدفگذاري توسط مديران به خوبي مسير را طي نمايد. هرچقدر که بازار هوش مصنوعي در جهان و انگلستان گسترده‌تر مي‌شود، جنگي که ميان استعدادها و مهندسين اين شرکت‌ها درمي‌گيرد، شديدتر خواهد بود و تاوان بالاتري خواهد داشت. در اين جنگ تنها تسليهاتي که به درد شما مي‌خورد، علم و دانشي است که داريد و غير از اين موضوع هيچ چيز ديگري براي شما کاربرد نخواهد داشت. نظرات کارمندان شرکت‌هاي فعال در انگليس چيست؟ در حال حاضر تنها حدود يک سوم کارمندان انگليسي بر اين باورند که محل کار و شرکتشان قادر است که به اندازه کافي آن‌ها را براي آينده اي که در انتظار AI است، آماده کند. (ميانگين جهاني در اين زمينه 42 درصد کارمندان است!) در اين زمينه سيمون لامبرت، مدير ارشد يادگيري مايکروسافت انگلستان اظهار داشته‌است که موفق‌ترين سازمان‌ها و موسسات در اين زمينه، آن‌هايي خواهند بود که داراي مهارت‌هاي فني، فعاليت‌هاي فرهنگي و … هستند. نبوغ انساني که با کمک علم و دانش رشد مي‌کند، همان چيزي است که باعث ايجاد تفاوت‌هاي اساسي در زمينه هوش مصنوعي و بازار افراد فعال در اين زمينه مي‌شود. فرار مغزها و استعدادهاي هوش مصنوعي از انگلستان فرار مغزها و استعدادهاي هوش مصنوعي از انگلستان، مشکل ديگري است که کشور انگليس از آن رنج مي‌برد! در اين زمينه دانشگاه‌هاي معروفي مانند آکسفور و کمبريج (که جزو بهترين دانشگاه‌هاي اين کشور محسوب مي‌شوند)، آمار اسفناک و وحشتناکي از اين موضوع منتشر کرده‌اند که نشان مي‌دهد، استعدادهاي اين کشور در حال مهاجرت به آمريکا و دره سيلي ولي هستند! جايي که در آن احساس مي‌کنند، توانايي پيشرفت و دريافت حقوق بسيار بالاتري نسبت به شرکت‌هاي انگليسي دارند. به عنوان مثال همين چندي پيش يکي از اساتيد ارشد امپريال کالج لندن موضوع جالبي را بيان کرد که در آن هميشه تعجب مي‌کرد که چرا يکي از دانشجويان او هيچ وقت در کلاس حاضر نمي‌شود، اما سالانه مبلغي در حدود 9 هزار و 250 پوند براي شرکت در کلاس‌ها پرداخت مي‌کند. پس از آن که استاد، دانشجوي خود را فراخواند اين موضوع را درک کرد که دانشجوي او به دليل کار در شرکت اپل (Apple) در کلاس‌ها شرکت نمي‌کرده‌است و اين شرکت به او حقوق 6 رقمي پرداخت مي‌کند. در اين زمينه برخي از شرکت‌هاي آمريکايي مانند مايکروسافت در حال بررسي و ارائه راهکارهايي به انگليس هستند که جلوي اين معضل و بحران را بگيرند. همان‌طور که احتمالاً خودتان هم حدس مي‌زنيد، اگر بحران و مشکل فرار مغزهاي هوش مصنوعي به درستي حل نشود، مي‌تواند باعث ايجاد بحراني در آينده اي نزديک براي UK (انگلستان) شود. مايکروسافت در حال حاضر چه برنامه اي براي حل اين مشکل دارد؟ دکتر کريس بيشوپ، مدير آزمايشگاه تحقيقات مايکروسافت در کمبريج در اين زمينه گفته‌است که ما در چند سال گذشته موضوع فرار مغزها و مشکلاتي که ممکن است، توسط اين صنعت ايجاد شود را بررسي کرده‌ايم و متوجه شده‌ايم که تنها استعدادهاي برتر دانشگاهي نيستند که اقدام به فرار مي‌کنند، بلکه اساتيد دانشگاهي که در حال کار بر روي پروژه‌هاي AI هستند با شرايطي روبرو شده‌اند که در آن هيج دانشجوي جوان و با استعدادي وجود ندارد که پذيراي دانش آن‌ها براي آماده‌سازي باشد. اين مسئله باعث بوجود آمدن نگراني‌هايي شده‌است که طبق تحقيقات باعث ايجاد يک نسل از مهندسين بدون استعداد شده‌است. طبق فعاليت‌هاي مايکروسافت در اين زمينه از سال 2018 برنامه اي براي آموزش مهندسين نسل بعدي که داراي قابليت‌هاي لازم باشند، شروع شده‌است که اين موضوع به معناي اين است که دانشگاه کمبريج بايد اقدام به پرداخت هزينه‌هايي به اين شرکت آمريکايي کند. شرکت مايکروسافت در اين زمينه به دانشگاه کمبريج اطمينان داده‌است که هيچ استعدادي توسط اين شرکت جذب نمي‌شود و آن‌ها به راحتي قادر هستند که پس از گذراندن دوره‌هاي آموزشي عملي خود در اين شرکت، وارد بازار کاري شوند که علاقه دارند. اين موضوع هم به نفع دانشگاه کمبريج، شرکت مايکروسافت و دانشجوياني است که در اين دانشگاه تحصيل مي‌کنند. در اين زمينه شما چه نظري داريد؟ آيا راهکاري هم وجود دارد که باعث شود، دانشجويان و استعدادهاي ايراني از کشور نروند؟ به نظر شما چه کاري مي‌توان انجام داد. شما در اين زمينه مي‌توانيد نظرات، سوالات و تجربيات خود را با ما و ديگر کساني که اين خبر را مطالعه مي‌کنند به اشتراک بگذاريد.


تبدیل گفتار به متن
فورد در کارخانه‌های خود از سگ‌های رباتیک استفاده می‌کند

کارخانه فورد در میشیگان به سمت استفاده از سگ‌های رباتیک رفته است. جانوران چهار پا رباتیک در دوره جدیدی از طراحی رایانه و راندمان اقتصادی برای این کمپانی سازنده خودرو، طلیعه جدیدی هستند.

Fluffy and Spot

دو سگ به نام Fluffy و Spot که توسط شرکت Boston Dynamics ساخته شده اند. این شرکت در ساخت ربات رتبه برتر را دارد. وظایف این سگ‌های پیمایش کارخانه Van Dyke Transmission در استرلینگ هایتز، میشیگان و اسکن طرح‌ها به منظور کمک به مهندسان در تهیه طرح‌های کارآمدتر برای به روزرسانی پروژه‌ها و اتمام دوره پروژه خواهد بود.

امکانات سگ‌ها

هر سگ مجهز به پنج دوربین است که قابلیت اسکن 360 درجه را دارند. آن‌ها می‌توانند با سرعت حداکثر 3 مایل در ساعت حرکت کنند و از پله‌ها تا زاویه 30 درجه حرکت کنند. باتری آن‌ها تا حدودی کمتر از دو ساعت شارژ نگه می‌دارد.

Scouter

یک ربات قوی تر به نام، Scouter ، به عنوان راننده در کل کارخانه فعالیت می‌کند. این ربات اسکنر بزرگتر و حجیم‌تری دارد و به بسیاری از مناطقی که  Fluffy و Spot نمی‌توانند دسترسی داشته باشند، دسترسی دارد. بر اساس نتایج اولیه این دو حیوان-ربات مورد استقبال قرار گرفته‌اند. مارک گودریس، مدیر مهندسی دیجیتال در فورد، توضیح می‌دهد که چگونه سگ‌های رباتیک در مورد آنچه که سابقا یک کار اسکن طولانی و پرهزینه بود، پیشرفت کردند.

گودریس گفت: “ما قبلاً از سه پایه استفاده می‌کردیم و در محل کار در مکان‌های مختلف سه پایه را مستقر می‌کردیم. هر بار پنج دقیقه برای انجام عملیات صبر می‌کردیم”. اسکن یک کارخانه می‌تواند دو هفته طول بکشد. با کمک Fluffy، ما می‌توانیم این کار را در یک هفته انجام دهیم.”

گودریس گفت: این کارخانه تولیدی طی این سال‌ها دستخوش تغییرات و تعدیلاتی شده است که بسیاری از آن‌ها ثبت نشده اند.

مزایا

“با داشتن ربات اسکن کننده تجهیزات، می‌توانیم دقیق تر کارخانه را زیر نظر داشته باشیم. و یک مدل مهندسی جدید بسازیم. این مدل دیجیتالی هنگام استفاده مجدد کارخانه برای محصولات جدید استفاده می‌شود.” پروژه‌های اسکن معمولاً حدود 300000 دلار هزینه می‌خواهند. انتظار می رود Fluffy و Spot به کاهش قابل توجهی این رقم کمک کنند.

ربات‌ها را می توان مسافت‌هایی تا فاصله 164 فوت دورتر را اداره کنند. سرانجام، برنامه‌های کنترل از راه دور ایجاد شده که امکان کنترل از هر نقطه جهان را فراهم می‌کنند. سگ‌های رباتیک واقعاً نژاد نادری هستند! هزینه آن‌ها 75000 دلار بود فورد در حال حاضر این دو سگ را اجاره کرده است. Boston Dynamics  پسرخاله‌های Spot را به سایر نقاط جهان اعزام کرده است.

دیگر کاربردهای سگ‌های رباتیک

شرکت اکتشاف و توسعه نفت نروژی Aker BP ASA در نظر دارد از ظرفیت اسکن استریو Spot، برای سیستم‌های جلوگیری از مانع و حسگرهای پردازنده برای ردیابی نشت گاز و انتقال شرایط آب و هوایی از دریا استفاده کند. این عملیات می‌تواند در مکان‌هایی غیرقابل دستیابی توسط کارگران و در کارهایی که برای انسان بسیار خطرناک هستند انجام شود.

در مزرعه ای در نیوزیلند، از این ربات‌ها برای نظارت بر رشد محصولات زراعی و همچنین گوسفندان گله استفاده می شود. در بیمارستان بریگام و بیمارستان ن در بوستون، یک سگ روباتیک با iPads ساخته شده است تا به پزشکان اجازه دهد از راه دور با بیماران مبتلا به COVID-19 ارتباط برقرار کنند و آن‌ها را معاینه کند.

“مارك رایبرت” بنیانگذار بوستون داینامیك در مصاحبه CNBC گفت: “در ابتدا، ما فقط از طریق این سگ‌ها با آن‌ها صحبت می‌كردیم بدون آنكه نیاز به وجود یك كارگر بهداشتی در آنجا باشیم. حالا ما اندازه گیری‌های علائم حیاتی مانند میزان تنفس، درجه حرارت بدن را به کمک این سگ‌ها انجام می‌دهیم. ما روی اکسیژن رسانی و ضربان قلب کار می‌کنیم. همه این کارها را به کمک این ربات انجام می‌دهیم.”

و در سنگاپور، از ربات‌ها برای نظارت بر شیوه‌های کنترل از راه دور اجتماعی در پارک‌های عمومی استفاده می‌شود. این باعث می‌شود پرسنل انسانی از قرار گرفتن در معرض خطر و در معرض ابتلا به بیماری از افراد آلوده حفظ شوند. این سگ‌ها همچنین می‌توانند پیام‌ها و هشدارهایی را به افراد یادآوری كنند تا آن‌ها بیشتر احتیاط کنند.


تبدیل گفتار به متن
هوش مصنوعي در موزيک و ايجاد ژانر جديد در اين صنعت
 

هوش مصنوعي در موزيک : ايجاد ژانر جديدي در صنعت موسيقي

هوش مصنوعي در موزيک و انقلابي که به کار گيري آن در اين صنعت به وجود آورده و به وجود خواهد آورد، موضوع امروز مقاله ماست. بي‌شک شما از آينده‌اي اين صنعت شگفت‌زده خواهيد شد. پس با عامر انديش همراه باشيد تا در مورد انقلابي AI در صنعت موسيقي بيشتر آشنا شويد.

هوش مصنوعي در موزيک

فضايي را تصور کنيد که در رخت‌خواب خود دراز کشيده‌ايد، درحالي‌که بيرون باران مي‌آيد و شما کتاب مورد علاقه خود را در آغوش گرفته و به موزيک دلخواهتان گوش فرا مي‌دهيد. اين احتمال وجود دارد که موسيقي که در حال گوش دادن به آن هستيد، توصيه برنامه پخش موسيقيتان باشد که دقيقا متناسب با حال و هواي بيرون و فعاليتي است (کتاب خواندن) که در حال انجام دادن آن هستيد.

در حالي‎که کمپانيهاي بزرگ فناوري موسيقي مانند Tencent از Joox، QQ Music، KKBox و غيره از گزاره‌هاي ارزشي متفاوتي مانند ارائه بي‌شمار موسيقي منطقه‌اي و يا مدل‌هاي مختلف کسب و کار ب حمايت مي کنند، اما به نظر مي‌رسد علي‌رغم تمام اين تفاوت‌ها، همگي آنان هدف مشابهي را دنبال مي‌کنند و آن چيزي نيست جز اعمال AI (هوش مصنوعي) در صنعت موسيقي.

اعمال هوش مصنوعي در موزيک

در سال‌هاي اخير، اهميت و محبوبيت AI در موسيقي جايگاه ويژه‌اي پيدا کرده است. استفاده وسيع از AI در هسته برنامه‌هاي پخش موسيقي به دلايلي وابسته است که برخي از آن‌ها بسيار روشن و واضح‌اند و برخي ديگر خير. اين دلايل به قرار زير هستند:

هوش مصنوعي در صنعت موسيقي باعث افزايش تجربه شنوندگان از طريق پلي‌ليست شخصي (Personalozed Playlist) مي‌شود:

در گذشته:

هر هنرمند شخصيت خود را از طريق موزيکش ارائه مي‌داد. به صورتي که برخي از مردمان عاشق طبيعت جاز لوييس آرمسترانگ شده بودند، برخي ديگر، هنگامي‌که الويس پريسلي يکي از آهنگ‌هاي عاشقانه خود را بيرون مي‌داد، از خود بي‌خود مي‌شدند، برخي نيز عاشق گوش دادن به آهنگ‌هاي راک گروه Beatlets با صداي بسيار بلند بودند و در نهايت عده‌اي ديگر نيز عاشق گوش فرادادن به گروه Doors بودند در حالي‌که به آرامي همراه با آهنگ‌ خود را به اين سو و آن سو حرکت مي‌دادند.

انقلاب هوش مصنوعي در موزيکانقلاب هوش مصنوعي در موزيک

شرايط کنوني:

کمپاني‌هاي اپليکيشن‌هاي پخش موسيقي مانند QQ، KuGou از هوش مصنوعي براي آناليز الويت‌هاي شنوندگان استفاده مي‌کنند و براساس آن و سليقه شخصي اين افراد، موسيقي‌هاي مورد علاقه‌شان را پيشنهاد مي‌کنند.

برنامه‌هاي پخش موسيقي با کمک (AI) و براساس موتورهاي توصيه‌کننده (recommendation engine) تاريخچه موسيقي‌هاي افراد براي دادن بهترين و دقيق‌ترين پيشنهاد، آناليز و تجزيه و تحليل مي‌کنند.

آينده:

درحالي‌که امروزه کاربرد AI در موسيقي، براي پيشنهاد نزديک‌ترين آهنگ مطابق با  سليقه شخصي افراد است، اما اين احتمال قوي وجود دارد که در آينده صنعت پخش موزيک با استفاده از AI سعي در ارائه موزيک بايومتريک و فيزيولوژيکي با استفاده از پارامترهايي مانند اندازه‌گيري ضربان قلب، ميزان سطح استرس، سيگنال‌هاي عصبي و غيره کند.

تصور کنيد که در يک مترو کاملا شلوغ هستيد. عجله ديگر افراد براي رسيدن به موقع به مقصدهاي خود باعث عصبي شدن شما مي‌شود. در اين حالت، وسيله‌ي ريز و نازکي در زير گوش‌ شما قرار داده شده، ميزان استرس و ناراحتي شما را اندازه مي‌گيرد و براساس آن موزيک ملايم و آرام‌بخشي از خواننده مورد علاقه‌تان پخش مي‌نمايد.

بازخورد اتوماتيک و خودکار اين دستگاه‌هاي هوشمند مشخص مي‌کند که چگونه يک موسيقي ملايم و آرام مي‌تواند در سلامت جسم و روانتان موثر واقع شود.

اين احتمال وجود دارد که AI در موسيقي قادر باشد تا با استفاده از ملودي آهنگ، ژانر آن، کيفيت تن موزيک، ريتم هارموني و غيره سلامت جسم و روان شما را تضمين کرده و منجر به بهبودي چشم‌گيري در سلامت روان شما شود.

در حقيقت اين رويکرد، مي‌تواند موج بعدي شخصي‌سازي موسيقي در AI به شمار آيد.

انقلاب هوش مصنوعي در موزيکانقلاب هوش مصنوعي در موزيک

هوش مصنوعي در موزيک يعني قدرت بي‌نهايت شما در انتخاب موسيقي مورد علاقه‌تان  :

در گذشته:

براي گوش دادن به موسيقي در خانه، شنودگان تنها مي‌توانستد ‌برچسب‌هاي ضبط شده واينال 12 اينچي را خريداري کنند که هر طرف آن قادر به پخش تنها 22 دقيقه موسيقي بود. واينال‌ها بسيار گران بودند. بنابراين شنوندگان تنها خوانندگان محلي و موسيقي سنتي خود را مي‌‌شناختند.

با تجاري ‎سازي گسترده راديو به منظور اهداف پخش رسانه‌اي، هنرمندان شروع به ضبط آهنگ‌هاي کوتاهتر 3 تا 7 دقيقه‌اي نمودند که به راحتي و از طريق راديو در دسترس همگان قرار مي‌گرفت.

پس از آن دوره‌اي از آلبوم‌هاي ضبط شده به صورت CD و DVD روانه بازار شد.

فراگير شدن اينترنت نقطه عطفي در صنعت موسيقي بود وقتي اپل در اوايل 2000، با تجاري‌سازي آهنگ‌ها (پرداخت براي هر آهنگ) اين امکان را فراهم نمود تا شنوندگان بدون هيچ محدوديتي هر آهنگي که دوست دارند، دانلود نمايند.

شرايط کنوني:

امروزه، با استفاده از AI در موسيقي و اپليکيشن‌هاي پخش موسيقي ديگر نيازي نيست همچون گذشته براي هر آهنگ هزينه‌اي پرداخت شود. به جاي آن، اپليکيشن‌ها، از شنوندگان درخواست پرداخت هزينه‌هايي ماهانه يا سالانه براي پخش آهنگ‌هاي بي‌شمار از هنرمندان مختلف مي‌کنند.

شايد برايتان جالب باشد اگر بدانيد که اپليکيشن‌هاي پخش موزيک، روزانه، 20.000 آهنگ جديد در پلتفرم‌هاي خود بارگزاري مي‌کنند.

شرکت‌هاي پخش موسيقي با استفاده از موتورهاي ينگ (filtering engines)، هزارن هزار آهنگ جديد و تازه بارگزاري شده در پلتفرم خود را اسکن کرده تا يک پلي‌ليست بهتر براي شنوندگان خود بسازد و همچنين آهنگ‌هايي نزديک به سليقه آنان را پيشنهاد دهد. اين مهم، شنوندگان را از جست‌وجو در ميان هزاران هزار آهنگ براي يافتن آهنگ مورد علاقه خود، بي‌نياز مي‌کند‌.

به علاوه، موتورهاي ينگ تنها ژانرهاي خاصي را شخصي‌سازي نمي‌کنند، بلکه تعريف تازه‌اي به مفهوم “ژانر” مي‌بخشند. اين تعريف تازه با استفاده از ايجاد يک پلي‌ليست (Playlist) جديد تحت عنوان “آهنگ‌هاي خوب” ممکن مي‌باشد.

انقلاب هوش مصنوعي در موزيکانقلاب هوش مصنوعي در موزيک

آينده هوش مصنوعي در موزيک:

در آينده افراد ديگر به موسيقي گوش فرا نمي‌دهند بلکه آن را با تک تک وجودشان لمس مي‌کنند. با استفاده از پيشرفت‌هاي چشمگير AI در موسيقي و  فناوري واقعيت مجازي، شنوندگان امکان مشاهده موزيسين‌هاي مورد علاقه خود را دارند که به طور اختصاصي براي آنان اجرا مي‌کنند. اين فناوري از طريق شبيه‌سازي‌هاي عصبي- الکتريکي ممکن خواهد شد که در آن افراد موزيک را در تمامي استخوان‌ها، ماهيچه‌ها و مغز خود احساس مي‌کنند. حتي ممکن است آنان به کمک همين شبيه‌سازي‌ها قادر به درک احساس و عواطف هنرمندي باشند که در لحظه براي آنان اجرا مي‌کند.

هوش مصنوعي در موزيک باعث خلاقيت هنرمندان و نوازندگان مي‌شود:

گذشته:

نوازندگان،گروه‌هاي موسيقي و هنرمندان همواره محبوب همه مردمان جهان بوده‌اند. طرفدارانشان علاقه‌مند به تماشاي فرايند خلاقيتيشان در راهي که در پيش گرفتند، بودند. آهنگ‌ها، ترانه‌هاي گاها عجيب ولي دلنشين، و در نهايت اجراي آنان براي تمامي افراد در تمامي جهان بدون توجه به مليت، زبان، مذهب همواره مورد احترام طرفداران بوده است.

الکل، مديتيشن، انزواهاي غيرمعمول، عشق، مردم، اعتراض، فقر و بسياري از موارد اين چنين، موضوعات پيرامون هنرمندان‌اند که همواره مردم به دانستن آنان علاقه‌مندند. براي مثال، روند خلاقانه اديت پياف، اين نوازنده شهير فرانسوي که آهنگ‌هايش در زمان انقلاب فرانسه نمايانگر بازگرداندن شادي، مثبت‌نگري و اميد به فرانسويان بود، نه تنها مورد علاقه تک‌تک فرانسه زبانان بلکه مورد علاقه ديگر مردمان جهان با مليت‌هاي مختلف بود.

شرايط اکنوني:

امروزه فرايند خلاقانه مبتني بر داده و اطلاعات و همچنين AI در موسيقي است.

نوازندگان امروز تمايل دارند تا در مورد اولويت‌ها و علاقه مردمان توسط داده‌هايي که منابع مختلف و شرکت‌هاي اپليکيشن‌هاي پخش موزيک در اختيارشان قرار مي‌دهند، تحقيق نمانيد تا متوجه شوند که چه دسته از موسيقي‌هايي کجا، کدام منطقه، در ميان کدام مذاهب، سنين، زن يا مرد و غيره بيشتر يا کمتر به مي‌رسد.

ديگر اپليکيشن‌هاي AI در صنعت موسيقي، تسلط صوتي (audio mastering) است. به عنوان مثال مي‌توان از شرکت کانادايي Lander در اين زمينه ياد کرد. اين شرکت به نوازندگان کمک مي‌کند تا با صرف زمان و هزينه کمتر (نصف زمان و هزينه جاري)، کيفيت صداي موزيک خود را درست برابر با کيفيت موزيک ضبط شده در استوديوهاي حرفه‌اي بالا برند. چنين اپليکيشن‌هايي با آناليز، تجزيه و تحليل آهنگ‌ها و از طريق اسکن در ميان انبوهي از آهنگ‌هاي مشابه، پيشنهادهايي سريع براي بهبود کيفيت صدا، يونيک و يکتا ساختن آهنگ و اضافه کردن علايق فردي به آن، ارايه مي‌دهند.

انقلاب هوش مصنوعي در موزيکانقلاب هوش مصنوعي در موزيک

آينده AI در موزيک:

پيشرفت هوش مصنوعي در ايجاد موسيقي مبتني بر بايومترک، بر خلاقيت نوازندگان تاثيرهاي شگرفي خواهد داشت. ممکن است در آينده تنها نوازندگاني که دانشي عميق در زمينه علوم اعصاب، روانشناسي و دانش پايه هوش مصنوعي داشته باشد مجال فعاليت يابند. زيرا مجبور به راائه موسيقي هستند که همه اين موارد را در خود جاي داده باشد.

ممکن است سرانجام، هوش مصنوعي، موسيقي خاص خود را توليد نمايد:

بسياري از شرکت‌هاي غول در زمينه موسيقي بر اين باورند در آينده‌اي نه چندان دور، AI  در موسيقي جايگاه ويژه‌اي پيدا خواهد کرد و اين فناوري موسيقي خود را به جهانيان ارايه خواهد داد.

هوش مصنوعي با آناليز ضربان قلب، EQ و غيره و هم‌چنين با در نظر گرفتن ژانر و سبک دلخواه شنونده، براي هر شخص و متناسب با حالات روحي، رواني و جسمي وي موسيقي جديدي توليد خواهد کرد.

زماني را تصور نماييد که هر فرد به موسيقي مخصوص به خود که تنها براي وي توليد شده، گوش فرا خواهد داد.

صرف‌نظر از آنکه در آينده چه رخ مي‌دهد، اما يک چيز مورد يقين است، شيوه شنيدن به موسيقي و نحوه ساخت آن به سرعت در حال تغيير است. با پيشرفت AI در موسيقي ، تغييرات چشم‌گيري در اين صنعت شاهد خواهيم بود.




تبدیل گفتار به متن

اهميت هوش مصنوعي در چيست؟

هوش مصنوعي (Artificial Intelligence) مبنايي است براي تقليد رايانه و يا ماشين‌ها از فرآيندهاي هوش انساني که از طريق ايجاد و استفاده از الگوريتم‌ در يک محيط محاسبات پويا به وجود مي‌آيد. به زبان ساده، هوش مصنوعي در تلاش است تا رايانه‌ها را مانند انسان‌ها به فکر و سپس عملکرد بکشاند و کمک کند تا کارهايي که نياز به هوش انساني دارد را انجام دهند.

رسيدن به اين هدف به سه مؤلفه اصلي نياز دارد:

  • سيستم‌هاي محاسباتي
  • مديريت داده‌ها و مديريت داده‌ها
  • الگوريتم‌هاي پيشرفته هوش مصنوعي (کد)

براي اينکه نتيجه اين سيستم به رفتارهاي انساني نزديک‌تر باشد، به داده و قدرت پردازش بيشتري نياز دارد.

چگونگي ايجاد هوش مصنوعي

مي‌توان گفت حداقل از قرن يک قبل از ميلاد مسيح، انسان احتمال ايجاد ماشين‌هايي که از مغز انسان تقليد مي‌کنندرا در ذهن خود پرورانده است . نخستين بار در دوران مدرن و در سال 1955 اصطلاح هوش مصنوعي توسط جان مک کارتي ابداع شد. در سال 1956، مک کارتي و ديگر  فعالان اين حوزه کنفرانسي را با عنوان “پروژه تحقيقاتي تابستاني دارتموت در زمينه هوش مصنوعي” ترتيب دادند. اين مسئله شروعي براي ايجاد يادگيري ماشين، يادگيري عميق، مسئله تجزيه و تحليل پيشبيني و امروزه نيز تجزيه و تحليل تجربي محسوب مي‌شود. اين مسئله همچنين حوزه‌اي کاملاً جديد در زمينه مطالعه علم داده ايجاد کرد.

چرا هوش مصنوعي مهم است؟

امروزه، ميزان داده‌هايي که توسط انسان و ماشين‌ها ايجاد مي‌شو آنقدر زياد است که جذب، تفسير و تصميم گيري‌هاي پيچيده بر اساس آن داده‌ها از توانايي انسان فراتر مي‌رود. هوش مصنوعي پايه و اساس تمام يادگيري رايانه‌ها را تشکيل مي‌دهد و آينده تصميم گيري‌هاي پيچيده است. به عنوان نمونه، بيشتر انسان‌ها مي‌توانند بفهمند که چگونه نبايد در بازي‌هاس مختلف پس از آزمون و خطاي بسيار برنده شوند و حتي روند بازي را تشخيص دهند. تعداد افراد کمي در دنيا به عنوان بزرگترين قهرمانان بازي چکر در نظر گرفته مي‌شوند که بيش از 500 ميليارد حرکت متفاوتي مي‌تواند داشته باشد. استفاده از رايانه‌ها در محاسبه اين ترکيب‌ها و جابجايي‌ها، براي دستيابي به بهترين تصميم بسيار کاربردي است. هوش مصنوعي (و تحول آن در يادگيري ماشين) و يادگيري عميق آينده اساسي براي تصميم گيري در مورد کسب و کار و بسياري از حوزه‌هاي ديگر رقم است.

موارد استفاده از هوش مصنوعي

برنامه‌هاي کاربردي مبتني بر هوش مصنوعي را مي‌توان در حوزه‌هاي مختلفي مانند تشخيص تقلب در خدمات مالي، پيشبيني خريد در خرده ي و تعامل آنلاين و پشتيباني از مشتري به کار برد. در اينجا چند مثال اين زمينه آورده شده است:

  • تشخيص تقلب: حوزه خدمات مالي به دو روش از هوش مصنوعي استفاده مي‌کند. امتيازدهي اوليه برنامه‌هاي اعتباري که از هوش مصنوعي براي درک اعتبار استفاده مي‌کند و ديگر اينکه از موتورهاي پيشرفته هوش مصنوعي براي نظارت و کشف معاملات جعلي در پرداخت در زمان کوتاه استفاده مي‌شود.
  • دستيار مجازي مشتري (VCA): مراکز تماس از VCAها براي پيشبيني و پاسخ به سوالات مشتري بدون نياز به عامل انساني استفاده مي‌کنند. تشخيص صدا، همراه با گفتگوي شبيه سازي شده به تعاملات انسان، اولين نکته تعامل دستياران مجازي با مشتري است. در زماني که سوالات مشتري سطح بالاتر از درک و توان هوش مصنوعي باشد، به طور خودکار، مشتري به يک عامل انساني هدايت مي‌شود. براي مثال هنگامي که يک شخص از طريق چت بات گفتگو را در يک صفحه از وب‌سايت آغاز مي‌کند، آن فرد اغلب در حال تعامل با رايانه‌اي است که داراي هوش مصنوعي پيشرفتهاست. اگر اين چت بات هوشمند نتواند سؤال او را تفسير کند يا به آن جوابي مناسب دهد، يک انسان براي برقراري ارتباط مستقيم با مشتري مداخله مي‌کند.

تحول فناوري اطلاعات و ارتباطات به کمک هوش مصنوعي

سخن پاياني

به طور کلي دلايل اهميت هوش مصنوعي بسيار زياد هستند و نمي‌توان آن‌ها را تنها در يک مقاله گنجاند. هوش مصنوعي مي‌تواند بسياري از فرآيندهاي موجود در کسب و کارها را به تنهايي انجام دهد، حجم کاري نيروهاي انساني را به طور چشمگيري کاهش دهد، بازدهي يک سازمان را افرايش دهد، در زمان و هزينه و بسياري از منابع ديگر صرفه جويي کند و… . همه اين‌ها از اهميت هوش مصنوعي به خصوص براي کسب و کارها است. البيته هوش مصنوعي قادر است زندگي خصوصي انسان‌ها را نيز دچار تحول کند.


تبدیل گفتار به متن

تبلیغات

آخرین ارسال ها

آخرین جستجو ها

بهترین های اندروید تخفیف ویژه oksZazas food-resepi برترین مطالب وب دکتر درمان معرفی کالا فروشگاهی