مایکروسافت از مدل زبانی GPT-4 رونمایی کرد. به لطف چت GPT-4 بینگ هم اکنون با سرعت بیشتری به سوالات پاسخ خواهد داد. چت بات هوش مصنوعی ChatGPT که اخیرا مورد توجه بسیاری از کاربران قرار گرفته است با قابلیت‌های پیشرفته راه را برای توسعه مدل‌های زبانی بزرگ (LLM) نیز هموارتر کرد. در حال حاظر شرکت Open AI قرار است مدل پیشرفته‌تری از فناوری هوش مصنوعی را عرضه کند. مایکروسافت از هوش مصنوعی GPT-4 در هفته آینده رونمایی می‌کند و قابلیت‌های جدیدی را در اختیار کاربران قرار میدهد.
این خبر توسط مدیر بخش فناوری شعبه آلمان برند مایکروسافت به نام آندریاس براون در طی رویدادی به نام AI in Focus-Digital Kickoff تایید شد. طبق گفته‌های این مقام مسئول، مایکروسافت از نسخه جدید هوش مصنوعی GPT در هفته آینده رونمایی خواهد کرد و به کاربران امکان تولید محتواهای مختلف بر پایه هوش مصنوعی را میدهد. آقای براون اذعان داشت: ما هفته آینده از هوش مصنوعی GPT-4 پرده برداری خواهیم کرد که در آن مدل‌های چند رسانه‌ای با قابلیت‌های متفاوت مانند تولید ویدئو ارائه خواهند شد.
مدل جدید Chat GPT از هوش مصنوعی GPT-3.5 بهره می‌برد که تنها به ارائه جواب‌های متنی محدود می‌شود. با عرضه چت GPT-4 این محدودیت به طور کامل برطرف می‌شود و تولید محتوای تصویری و ویدئویی امکان پذیر خواهد شد. این هوش مصنوعی از قدرت بسیار بیشتری در مقایسه با GPT3.5 برخوردار خواهد بود و قابلیت‌های تازه‌تری را به ارمغان خواهد آورد.
استفاده از چت GPT-4 در برنامه‌های آفیس
مایکروسافت ظاهرا در حال آماده شدن برای نمایش نحوه عملکرد برنامه‌های آفیس با هوش مصنوعی مشابه ChatGPT است. این کمپانی که چند وقت پیش از نسخه جدید بینگ با هوش مصنوعی رونمایی کرد، حالا می‌خواهد چنین ابزاری را به برنامه‌های محبوبش مانند ورد، پاورپوینت و اوت‌لوک بیاورد.
مدل جدید Prometheus مایکروسافت که مبتنی بر نسل بعدی مدل Open AI است، موتور جستجوی بینگ را متحول می‌کند و حالا مایکروسافت می‌خواهد چنین کاری را برای برنامه‌های آفیس انجام دهد. این نشان میدهد که مایکروسافت از عملکرد هوش مصنوعی مد نظرش اطمینان کامل دارد. البته در حال حاضر کاربران به لطف نوار بینگ در مرورگر اج می‌توانند از مدل Prometheus در نسخه تحت آفیس بهره ببرند.
مایکروسافت به خاطر رقابت با گوگل می‌خواهد هرچه سریع‌تر هوش مصنوعی را به سرویس‌های مختلفش اضافه کند. حتی طبق برخی گزارش‌ها، ردموندی‌ها ابتدا قصد داشتند بینگ جدید را در اواخر ماه فوریه معرفی کنند، اما چند هفته زودتر رونمایی شد. البته گوگل هم از Bard رونمایی کرد.
چت GPT-4 چیست؟
GPT-4 یک مدل زبان جدید است که توسط Open AI ایجاد شده است و می‌تواند متنی شبیه به گفتار انسان تولید کند. ChatGPT بر فناوری GPT-3.5 مبتنی است و با این روش ارتقا خواهد یافت. GPT مخفف Generative Pre-trained Transformer است، یک فناوری یادگیری عمیق که از شبکه‌های عصبی مصنوعی برای ادامه مطلب...
با گسترش هوش مصنوعی هر روز بیشتر با کاربردهای آن و همین طور با موقعیت‌های کاری مختلف مربوط به هوش مصنوعی و یادگیری ماشین و دیتا ساینس آشنا می‌شویم. برخی از بزرگ‌ترین شرکت‌های حوزه فناوری مانند: گوگل، مایکروسافت، اپل و تسلا به شکل گسترده‌ای در حال استفاده از یادگیری ماشین هستند. جالب است که بدانید فناوری یادگیری ماشین می‌تواند فرصت‌های شغلی مختلفی را برای متخصصان به وجود آورد. ایران نیز در رتبه‌ی 15 جهان در زمینه هوش مصنوعی قرار دارد و تنها رقیب وی در خاورمیانه کشور ترکیه است. مسلما با پیشرفت روزافزون این حوزه و توسعه کاربردهای آن ایران می‌تواند به زودی جزو 10 کشور برتر در زمینه یادگیری ماشین و هوش مصنوعی قرار بگیرد. دانشگاه‌های معتبر ایرانی تحقیقات زیادی در این حوزه انجام می‌دهند و به پیشرفت‌های قابل توجهی رسیده‌اند. در این مقاله به توضیحات بیشتر درباره وظایف یک مهندس یادگیری ماشین می‌پردازیم.
مهندسان یادگیری ماشین برنامه نویسانی ماهر هستند که به تحقیق، ساخت و طراحی نرم افزارهای self-governing برای خودکارسازی مدل‌های پیش بینی می‌پردازند. یک مهندس ML سیستم‌های هوش مصنوعی (AI) می‌سازد. که از مجموعه داده‌های عظیمی برای تولید و توسعه الگوریتم‌ها استفاده می‌کند که قادر به یادگیری و در نهایت پیش‌بینی هستند. هر بار که نرم افزار عملیاتی را انجام میدهد، از آن نتایج «یاد می‌گیرد» تا عملیات آینده را با دقت بیشتری انجام دهد.
مهندس یادگیری ماشین کیست؟
یک مهندس یادگیری ماشین فردی است که با حجم زیادی از داده‌ها روبه رو است. این فرد داده‌ها را از منابع مختلف مانند: بانک‌های اطلاعاتی، فضای ذخیره سازی ابری، شبکه‌های اجتماعی و بازخوردهای مشتریان را دریافت کرده و تمام داده‌ها را تجزیه و تحلیل و دسته بندی می‌کند. در ادامه الگوریتمی برای پردازش داده‌ها آماده می‌کند، تا بتواند از داده‌های دریافتی نکاتی را بیاموزد و تصمیماتی دقیق و بی نقص بگیرد. طراحی سیستم‌های یادگیری ماشین مستلزم آن است که مهندس یادگیری ماشین، داده‌ها را ارزیابی، تجزیه و تحلیل کند. تا اینکه بتواند فرآیند یادگیری را برای کمک به توسعه مدل‌های یادگیری ماشینی با کارایی بالا، بهینه کند.
مهندس یادگیری ماشین چه کاری انجام میدهد؟
کاری که یک مهندس یادگیری ماشین انجام میدهد این است که به کامپیوترها اجازه میدهد بر مبنای دانشی که به دست آورده‌اند، تصمیماتی را اتخاذ کنند. مهندسان یادگیری ماشین برنامه نویسان بسیار ماهری می‌باشند که سیستم‌های هوش مصنوعی (AI) را توسعه می‌دهند. و از مجموعه داده‌های بزرگ برای تحقیق، توسعه و تولید الگوریتم‌هایی استفاده می‌کنند که می‌توانند یاد بگیرند و پیش بینی کنند. به طور کلی، این نقش مسئول طراحی سیستم‌های یادگیری ماشین است که شامل ارزیابی و سازماندهی داده‌ها، اجرای آزمایش‌ها، و به طور کلی نظارت و بهینه سازی فرآیندهای یادگیری ماشین برای کمک به توسعه سیستم‌های یادگیری ماشینی با عملکرد قوی است. بسیاری از شغل‌ها مستلزم دانش زبان‌های برنامه نویسی مانند: پایتون، جاوا و C/C++ هستند.
یک مهندس یادگیری ماشین با چه کسانی کار می‌کند؟
هوش مصنوعی شاهد رشد چشمگیری در پر کردن شکاف بین توانایی‌های انسان و ماشین بوده است. محققان و علاقه مندان به طور یکسان، روی جنبه‌های متعددی از این رشته کار می‌کنند تا بتوانند اتفاقات شگفت انگیزی را رقم بزنند. یکی از این حوزه‌ها، حوزه بینایی کامپیوتر است. پیشرفت‌های بینایی رایانه‌ای با یادگیری عمیق در گذشت زمان، عمدتا بر روی یک الگوریتم خاص یک شبکه عصبی کانالوشن، ساخته و تکمیل شده است.
شبکه عصبی کانولوشن برای یافتن الگوهایی در تصاویر برای تشخیص اشیا، چهره‌ها و صحنه‌ها مفید میباشد. آن‌ها همچنین می‌توانند برای طبقه بندی داده‌های غیر تصویری مانند: صدا، داده‌های سیگنال کاملا موثر باشند. برنامه‌هایی که به تشخیص اشیا و دید کامپیوتری نیاز دارند. مانند: وسایل نقلیه خودران و برنامه‌های تشخیص چهره به شدت به CNNها متکی هستند.
توضیحی مختصر درباره بینایی کامپیوتر
بینایی کامپیوتری حوزه‌ای از هوش مصنوعی است که به رایانه‌ها و سیستم‌ها این قابلیت را میدهد؛ تا اطلاعات معنا داری را از تصاویر دیجیتال، ویدئوها و سایر ورودی‌های بصری به دست آورند. و بر اساس آن اطلاعات، اقداماتی انجام دهند یا توصیه‌هایی را ارائه کنند. هوش مصنوعی رایانه‌ها را قادر می‌سازد فکر کنند، بینایی رایانه آن‌ها را قادر می‌سازد که ببینند، مشاهده کنند و بفهمند.
انواع مختلفی از شبکه‌های عصبی وجود دارد. به عنوان مثال: شبکه‌های عصبی مکرر که معمولا برای پردازش زبان طبیعی و تشخیص گفتار استفاده می‌شوند. در حالی که شبکه‌های عصبی کانولوشنال (یا CNN) اغلب برای طبقه بندی و وظایف بینایی کامپیوتری مورد استفاده قرار می‌گیرند.
تعریف شبکه عصبی کانولوشن
شبکه عصبی کانولوشن (CNN) نوعی شبکه عصبی مصنوعی میباشد. که در تشخیص و پردازش تصویر استفاده می‌شود و به طور خاص برای پردازش داده‌های پیکسلی طراحی شده است. شبکه عصبی سیستمی از سخت افزار و یا نرم افزار میباشد. که از عملکرد نورون‌ها در مغز انسان الگوبرداری شده است. CNN نورون‌های خود را بیشتر شبیه نورون‌های لوب فرونتال، ناحیه‌ای که مسئول پردازش محرک‌های بصری در انسان و سایر حیوانات است، مرتب می‌کند. لایه‌های CNN شامل یک لایه ورودی، یک لایه خروجی و یک لایه پنهان است.
دستور کار در زمینه شبکه‌های عصبی کانولوشن این است که ماشین‌ها را قادر سازد تا جهان را مانند: انسان‌ها ببینند، آن را به شیوه‌ای مشابه درک کنند و حتی از این دانش برای بسیاری از وظایف مشابه استفاده کنند. مانند: تشخیص تصویر و ویدئو، تجزیه و تحلیل و طبقه بندی تصویر و باز آفرینی رسانه‌ها مورد استفاده قرار می‌گیرد. شبکه عصبی کانولوشن (CNN)، یک معماری شبکه برای یادگیری عمیق است که مستقیما از داده‌ها یاد می‌گیرد. شبکه‌های عصبی کانولوشنال زیر مجموعه‌ای از ادامه مطلب...
با پیشرفت روزافزون کامپیوترها، امکان استدلال ماشین‌ها رفته رفته رنگ واقعیت به خود گرفته و امروزه قدرت استدلال فناوریی‌هایی از جمله یادگیری ماشین از توانایی انسان فراتر رفته است. یکی از اولین فناوری‌هایی که پیش زمینه ظهور هوش مصنوعی را فراهم آورد، دسته‌ای از نرم افزارهای کامپیوتری تحت نام سامانه خبره (expert systems) است که به لطف برخورداری از پایگاه دانشی که دارند، امکان استنباط و استدلال را در اختیار سیستم‌های ماشینی قرار می‌دهند.
سیستم خبره نوعی نرم افزار هوشمند است که از اطلاعات یا به عبارت دقیق‌تر دانش ذخیره شده در پایگاه اطلاعات برای حل مسائل استفاده می‌کند. به بیان ساده‌تر، سامانه خبره دانش انسانی را در بانک‌های اطلاعاتی خود ذخیره سازی می‌کند.
سیستم خبره چیست؟
این سیستم یک نرم افزار هوش مصنوعی است که از دانش ذخیره شده در پایگاه اطلاعات برای حل مسائلی که نیازمند دانش انسانی هستند، استفاده می‌کند. به این معنی که سیستم‌های خبره دانش انسانی را در پایگاه اطلاعاتی خود ذخیره می‌کنند. این سیستم توصیه‌ها و توضیحاتی را پیرامون چگونگی رسیدن به یک نتیجه خاص به کاربران ارائه می‌کند.
بیشتر دستاوردهای هوش مصنوعی در زمینه تصمیم گیری و حل مسئله بوده است که اصلی‌ترین آن‌ها شامل سیستم‌های خبره می‌شوند. به آن دسته از برنامه‌های هوش مصنوعی که به سطحی از دانش می‌رسند تا در یک زمینه خاص به جای متخصص تصمیم گیری کنند، expert systems یا سیستم‌های خبره گفته می‌شود. برنامه‌های این سیستم که پایگاه دانش آن‌ها شامل اطلاعاتی است که انسان‌ها براساس آن تصمیم می‌گیرند. روی این موضوع باید تاکید کرد که هیچ یک از سیستم‌های خبره‌ای که تا‌کنون طراحی و برنامه‌نویسی شده‌اند، چند منظوره نبوده‌اند و تنها در زمینه‌های محدود قادر به شبیه سازی فرآیند تصمیم‌گیری انسان می‌باشند.
هدف سیستم خبره چیست؟
هدف سیستم خبره حل پیچیده‌ترین مسائل در یک حوزه خاص و بر اساس دانش به دست آمده از یک متخصص میباشد. هوش مصنوعی و سیستم‌های خبره قادر به بیان و استدلال در بیشتر حوزه‌های علمی هستند. هدف از طراحی و پیاده سازی این سیستم صرفه جویی در هزینه‌ها و تصمیم گیری بهتر و دقیق‌تر میباشد. سامانه خبره بیشتر برای اخذ تصمیمات پیچیده استفاده می‌شود، چرا که در بیشتر موارد جنبه‌های فنی مختلفی را ارزیابی می‌کنند که پردازش و تحلیل این اطلاعات به زمان زیادی نیاز دارد. از سیستم‌های خبره یا به عنوان جایگزین فرد متخصص یا به عنوان دستیار کمکی او استفاده می‌شوند.
ویژگی‌های سیستم خبره چیست؟
بهبود کیفیت تصمیم گیری، کاهش هزینه، ثبات، قابلیت اطمینان و سرعت از مزایای اصلی این سیستم است. در ادامه بیشتر با مزایای این فناوری آشنا می‌شوید.
بالاترین سطح تخصص: این سیستم بالاترین سطح تخصص را در هوش مصنوعی ارائه میدهد و کارایی، دقت و قدرت حل مسئله را فراهم می‌کند.
واکنش درست در زمان مناسب: این سیستم هوش مصنوعی در یک بازه زمانی مشخص با کاربر تعامل دارد. کل این بازه زمانی باید کم‌تر از زمانی باشد که متخصص برای به دست آوردن یک راه حل دقیق صرف می‌کند.
قبلیت اطمینان: این سیستم در ادامه مطلب...
در حال حاظر حجم وسیعی از فعالیت‌ها و کارهای روزمره افراد از طریق اینترنت انجام می‌شود. شبکه‌های اجتماعی و پلتفرم‌های ارائه محتوای گرافیکی فضا را برای کاربران بسیار جذاب‌تر کرده است. اینترنتی که امروزه در حال استفاده از آن هستیم وب ۲ میباشد که در آینده‌ای نه چندان دور می‌توانیم منتظر وب ۳ و ویژگی‌های جذاب آن باشیم.
وب 3 نسخه آینده اینترنت مبتنی بر بلاک چین‌های عمومی است. یکی از جذاب‌ترین ویژگی‌های Web 3 این است که مقامات نمی‌توانند تصمیم بگیرند که چه کسی به چه خدماتی دسترسی داشته باشد و همچنین برای انجام تراکنش‌های مجازی نیازی به واسطه نیست. یکی از نکات مهم، امنیت بالای اطلاعات و حفاظت کامل از حریم خصوصی کاربران است.
Web 3 چیست؟
وب ۳ که به آن اینترنت غیر متمرکز می‌گویند می‌تواند با کنترل بیشتر بر اطلاعات امنیت حریم خصوصی را به صورت قابل توجهی افزایش دهد. Web 3 سومین نسل از اینترنت میباشد. در وب 3 تمامی سیستم‌ها در یک شبکه غیر متمرکز بر پایه بلاکچین به یک دیگر متصل شده‌اند و برای ارتباط با همدیگر به یک پایگاه داده مبتنی بر سرور وابسته نمی‌باشند. وب 3 مبتنی بر تعاملات همتا به همتا (peer to peer) میباشد.
وب 3 نسبت به وب 2 پیشرفت قابل توجه‌ای را ارائه میدهد، و تغییرات عمده‌ای در زیرساخت‌ها دارد. وب 3 در واقع نیاز به واسطه‌های متمرکز را از بین می‌برد و جهانی بودن اطلاعات را معرفی می‌کند. همچنین Web 3 از هوش مصنوعی برای ارائه نتایج صحیح با سرعت بیشتر استفاده می‌نماید. Web 3 همچنین به کاربران این قابلیت را میدهد تا از پتانسیل تصاویر و گرافیک‌های سه بعدی استفاده کنند.
ارتباط بین بلاک چین و وب ۳ چیست؟
برخی از افراد به اشتباه بلاک چین را تنها پلتفرمی برای انتقال پول و ارزهای دیجیتال می‌دانند و از دیگر کاربردهای آن بدون اطلاع هستند. در حالی که Blockchain، یکی از تکنولوژی‌های موجود برای راه اندازی وب غیرمتمرکز است. قوانینی که مدیریت خدمات غیرمتمرکز را بر عهده دارند، در یک پروتکل open source تعریف می‌شوند. کاربران برای برقراری تعامل با این پروتکل‌ها می‌توانند از نرم افزار انتخابی خودشان با ویژگی‌های متفاوت استفاده کنند.
شبکه بلاک چین برای ثبت و ذخیره اطلاعات طراحی شده است. یکی از کاربردهای این شبکه نقل و انتقالات مالی است. از بلاک چین برای ساخت و راه اندازی اینترنت نسل 3 که کاملا غیر متمرکز است، استفاده می‌شود. با توجه به ویژگی‌های بلاک چین، این شبکه بستری مناسب برای رد و بدل کردن اطلاعات به شکل همتا به همتا میباشد.
مفهوم دیگری که در اینترنت نسل سوم می‌تواند بسیار مهم باشد، ارزهای دیجیتال و رمز ارزها هستند. از ارزهای دیجیتال معمولا برای نقل و انتقالات مالی استفاده می‌شود. در اینترنت نسل 3 هم ارزهای دیجیتال می‌توانند این کاربرد را داشته باشند. در شبکه اینترنت نسل سوم، افرادی که در نگهداری و ذخیره داده‌ها مشارکت داشته باشند، ارزهای دیجیتال را دریافت و کاربران دیگر هم برای پرداخت هزینه‌های مربوطه از ارزهای دیجیتال استفاده می‌کنند.
هوش مصنوعی در وب ۳ چه کاربردی دارد؟
هوش مصنوعی در ساختار Web 3 نقش مهمی دارد. در نسل سوم اینترنت قرار است کامپیوترها بتوانند اطلاعات دریافت شده را تفسیر نمایند. به این ترتیب که از فناوری‌های مبتنی بر وب معناگرا بهره مند می‌شوند. آن‌ها از طریق پردازش زبان طبیعی یا Natural Language Processing که به اختصار NLP نامیده می‌شود، به تفسیر داده‌ها می‌پردازند.