طراحي سايت فروشگاهي مي تواند يكي از راه كار هايي باشد كه شما مي توانيد از آن كسب درآمد كنيد. با اينكه سايت فروشگاهي زياد جديد نيست اما در ايران بسيار زمان زيادي نيست كه بازار فروشگاه هاي اينترنتي داغ شده است. يا وجود اين شرايط مي توان گفت كه هر كسب و كارس نياز به يك سايت دارد تا خود را در فضاي مجازي به مشتريان معرفي كنند. اما با طراحي سايت فروشگاهي مي توانند نه تنها خود را معرفي كنند بلكه مي توانند محصول خودشان را به فروش برسانند.

در يك سايت فروشگاهي مي توانيد به راحتي محصولات خود را به صورت آنلاين و بدون محدوديت زماني و مكاني بفروشيد. شما مي توانيد اين محصولات را با جزئيات بالا بر روي سايت خود قرار دهيد و به گونه اي آنها را ارائه ديهيد كه مشتريان شما آن محصول را بخرند. اما چگونه مي توانيم يك سايت فروشگاهي خوب داشته باشيم ؟ شما بايد بدانيد كه مراحل طراحي سايت فروشگاهي چه هستند و شروع به انجام آنها بكنيد. همچنين شما بايد بدانيد كه مي خواهيد سايت شما چه امكاناتي را براي مشتريان ارائه دهد. بنابراين با ما همراه باشيد تا در ادامه مطلب چگونگي طراحي سايت فروشگاهي را با هم مرور كنيم.

طراحي سايت فروشگاهي چگونه صورت مي گيرد؟

ساخت يك وب سايت تجارت الكترونيكي كمي متفاوت از ايجاد يك وب سايت استاندارد يا راه اندازي يك وبلاگ خواهد بود. فراتر از تأمين نام دامنه و ميزباني ، همچنين بايد ابزارها و نرم افزارهايي را براي پردازش پرداخت ها ، همراه با ايجاد و ساخت واقعي محصولات خود در نظر بگيريد.

در اينجا خلاصه اي از آنچه براي ساخت وب سايت از ابتدا براي يك فروشگاه تجارت الكترونيكي لازم است ، آورده شده است:

يك نام دامنه
يك ارائه دهنده ميزباني وب
پردازنده پرداخت يكپارچه
سكويي يا ابزاري براي ساخت فروشگاه شما
سرمايه اوليه براي ايجاد محصولات شما
بسته بندي براي حمل كالا
گرچه ساخت فروشگاه تجارت الكترونيك بسيار ارزان تر و آسان تر از ساخت ويترين فروشگاه است ، اما هنوز هم به سرمايه اوليه و كار نياز دارد. مطمئن شويد بودجه اي تنظيم كرده ايد كه براي اهداف شما منطقي باشد وبتوانيد با طراحي سايت فروشگاهي را به پايان برسانيد و گسترش دهيد.

حتي اگر در حال راه اندازي كسب و كار خود باشيد ، يك توسعه دهنده مي تواند روند راه اندازي و طراحي سايت فروشگاهي را ساده تر كند. آنها داراي دانش فني براي راه اندازي سريع شما هستند ، به اين معني كه مي توانيد زودتر فروش خود را شروع كنيد. هنگام بررسي يك برنامه نويس ، از آنها درباره جدول زماني آنها س askال كنيد ، بنابراين مي توانيد تاريخ راه اندازي خود را برنامه ريزي كنيد. بخواهيد وب سايتهاي ديگري را كه ساخته اند ببينيد و از آن مشاغل مرجع بگيريد. اطمينان حاصل كنيد كه توسعه دهنده ديدگاه شما را به اشتراك مي گذارد و مي تواند آنچه را كه دنبال مي كنيد در بودجه شما ايجاد كند.

بازديدكنندگان سايت با اطلاعات بصري درگير مي شوند ، بنابراين تصاوير با كيفيت بالا محصول ضروري است. و از اين طريق است كه بازديد كنندگان و مستريان شما با شما ارتباط بر قرار مي كنند.

براي كمك به مشتري در يافتن خواسته هاي خود مي توانيد محصولات را به دسته ها مانند لباس ، كتاب و فيلم دسته بندي كنيد. از دسته ها مي توان به همراه فيلترها استفاده كرد تا افراد بتوانند مارك هاي خاص يا دامنه قيمت را مرتب كنند و آنها را در بودجه خود نگه دارند. و اقلام برجسته راهي عالي براي هدايت مشتري در مسير خريد ترجيحي شماست.

روش پرداخت صحيح براي بستن فروش ضروري است. اگر روش بيش از حد پيچيده باشد يا مورد اعتماد نباشد ، مشتري شما مي تواند سبد خريد خود را كنار بگذارد و ديگر برنگردد. مطمئن شويد كه اين نيازهاي پردازش پرداخت شما را نيز برآورده مي كند.

تفاوت هوش مصنوعي و اتوماسيون

تفاوت هوش مصنوعي و اتوماسيون

اپليكيشن چگونه ساخته مي شود

اكثر غريب به اتفاق مردم از اپلكيشن ها استفاده مي كنند اما اما كمتر كسي مب داند كه اپليكيشن چگونه ساخته مي شود. در گذشته نه چندان دور تنها يك راه براي ساخت برنامه تلفن همراه وجود داشت و آن هم اين بود كه با تلفن هوشمند را با زبان برنامه نويسي بومي پلت فرم آن برنامه نويسي كنيد. اگر مي خواستيد يك برنامه Apple / iOS بسازيد ، از كيت توسعه نرم افزار Apple و اگر مي خواهيد يك برنامه Android بسازيد ، بايد از زبان نيتيو Android استفاده كنيد. امروز مي توانيم از زبان واسطه اي مانند Javascript براي ساخت برنامه استفاده كنيم. سپس مي توانيم اين كد را خروجي بگيريم كنيم تا به جاي ساخت اپ براي هر پلتفرم با هزينه هاي بسيار بيشتر ، برنامه اي براي Android و iOS ايجاد كنيم. مزايا و معايبي براي انجام اين كار وجود دارد اما خبر خوب اين است كه امروز ، اين گزينه خوبي براي بسياري از برنامه ها است.

امروزه اپليكيشن چگونه ساخته مي شود ؟

اپليكيشن هاي نيتيو

اپليكيشن هاي نيتيو و يا برنامه هاي بومي به طور خاص براي سيستم عامل تلفن همراه مانند Apple iOs ، Android يا Windows phone ساخته شده اند. اين برنامه بايد متناسب با نيازهاي هر سيستم عامل ساخته شود و يكي با ديگري قابل تعويض نيست. بنابراين نمي توانيد از يك برنامه iOS در دستگاه Android و بالعكس استفاده كنيد. برنامه هاي بومي معمولاً توسط توسعه دهنده اي كه مسلط به زبان خاص لازم براي سيستم عامل مورد نظر است، ساخته مي شوند. اين برنامه ها از فروشگاه برنامه مربوطه مانند اپ استور و گوگل پلي در دستگاه بارگيري مي شوند و در حافظه دستگاه ذخيره مي شوند ، و با كليك روي نماد آن، آماده استفاده مي باشند. آنها داراي قابليت تنظيم بسيار بالايي هستند و طيف گسترده اي از ساختار و جذابيت بصري را ارائه مي دهند.

برنامه هاي بومي بهترين تجربه كاربري را ارائه مي دهند. آنها با رعايت قراردادهاي پلتفرم رابط كاربري (UI) ،سريعتر و قابل اطمينان تر هستند. اين برنامه ها به سخت افزار تلفن و ويژگي هاي سيستم عامل مانند دوربين ، ژيروسكوپ ، سنسورها ، GPS ، شتاب سنج ، دفترچه آدرس ، تقويم ، تلفن و … دسترسي دارند كه به راحتي در فروشگاه برنامه پلتفرم يافت مي شوند و بسياري از آنها مي توانند بدون اتصال اينترنت فعال باشند. ساخت آنها نسبت به انواع ديگر برنامه ها گران تر است ، اما بيشترين مزيت ها را نيز دارند.

برنامه هاي Cross Platform يا ميان پلتفرمي

يك گزينه هيجان انگيز كه وارد صحنه برنامه شده است ، امكان ايجاد برنامه هاي كراس پلتفرم است. برنامه هاي كراس پلت فرم با استفاده از يك زبان جهاني واحد مانند Javascript ساخته مي شوند كه مي تواند براي سيستم عامل هاي مختلف دستگاه خروجي بدهد. چندين مزيت براي ساخت برنامه هاي كراس پلتفرم وجود دارد:

بيشتر كدها را مي توان بين سيستم عامل ها به اشتراك گذاشت كه باعث كاهش هزينه و زمان راه اندازي مي شود.
تجربه كاربر بين سيستم عامل هاي مختلف يكپارچه تر خواهد بود، اين امر مهم است زيرا بسياري از افراد بيش از يك نوع دستگاه دارند.
اكثر اشكالات كد فقط يك بار در تمام سيستم عامل ها برطرف مي شود.
دارندگان برنامه بدون نياز به افزايش هزينه لازم هنگام ساخت برنامه ها در سيستم عامل هاي مختلف ، مخاطبان گسترده تري دارند.
تعمير و نگهداري اين برنامه ها معمولاً آسان تر است زيرا براي به روزرساني و نگهداري فقط با يك پايگاه كد سروكار داريد
براي ساخت برنامه هاي كراس پلت فرم ، توسعه دهندگان از ابزارهايي مانند React Native ، NativeScript ، Xamarin يا Appcelerator استفاده مي كنند.

اپليكيشن Hybrid / HTML5

برنامه هاي تركيبي و يا Hybrid با استفاده از HTML5 ، Javascript و / يا CSS ساخته مي شوند. اين برنامه ها ممكن است مانند يك برنامه بومي به نظر برسند ، اما در واقع فقط وب سايت هايي با شكوه هستند كه در يك برنامه قابل بارگيري قرار گرفته اند. برنامه هاي تركيبي آسان تر و سريعتر توسعه مي يابند و در همه دستگاه ها قابل استفاده هستند ، كه باعث جذابيت آنها براي برخي از شركت هايي مي شود كه مي خواهند در وقت و هزينه خود صرفه جويي كنند و هنوز هم برنامه خود را داشته باشند كاربرد دارند. با اين حال براي استفاده از اين اپليكيشن ها به استفاده از يك مرورگر وب نياز است. برنامه هاي تركيبي مي توانند از مكان جغرافيايي ، ژيروسكوپ ، دوربين ، شتاب سنج و حافظه محلي تلفن هوشمند شما استفاده كنند. برنامه هاي تركيبي به پر سرعتي برنامه هاي بومي نيستند و عملكرد و بهينه سازي موجود در برنامه هاي بومي را ندارند. ممكن است شركت ها بدون اينكه سرمايه گذاري كامل براي ساخت يك برنامه بومي را انجام دهند ، استفاده از يك برنامه تركيبي را براي ارائه به مشتريان وب سايت موجود خود ، نوعي برنامه تلفن همراه موقت در نظر بگيرند. اين مي تواند يك گزينه ​​خوب باشد.

برنامه هاي تركيبي / HTML5 را مي توان با استفاده از Sencha Touch ، Cordova ، PhoneGap و Ionic ساخت.

وب اپليكيشن ها

برنامه هاي وب اصلاً برنامه نيستند بلكه وب سايت هايي هستند كه براي دسترسي به آنها از طريق مرورگر وب تلفن هاي هوشمند طراحي شده اند. صفحه وب حاصله به گونه اي طراحي خواهد شد كه شباهت زيادي به يك برنامه موبايل دارد. از آنجا كه براي اجراي آنها به يك مرورگر نياز داريد ، به حافظه دستگاه زيادي احتياج ندارند. آنها همچنين با استفاده از HTML5 ، Javascript يا CSS مي شوند و گزينه اي براي نصب بر روي تلفن توسط كاربر با ايجاد نشانك به وب سايت ارائه مي دهند. از آنجا كه به طور خاص براي دستگاه هاي تلفن همراه طراحي شده اند ، بيشتر شبيه برنامه ها هستند تا صفحات وب. آنها در هر دستگاهي كه اتصال اينترنتي داشته باشد قابل دسترسي هستند كه اين يك مزيت است. اگر اتصال ضعيف باشد يا وجود نداشته باشد ،مي تواند براي كاربران بد باشد. برنامه هاي وب همچنين گزينه هاي كمتري براي اتصال به API تلفن بومي دارند.

حال كه مي دانيم اپليكيشن چگونه ساخته مي شود مي توانيد براي انتخاب منطقي تر و بهتر نوع اپليكيشن خود اقدام كنيد.

با ويرا سگال كارو همراه باشيد

كرونا و هوش مصنوعي

در طي سال اخير ويروس كوويد 19 در تمام دنيا اپيدمي شده. بنابراين رهبران و دانشمندان تمامي نقاط دنيا در تلاش هستند تا با هر روش ممكن با اين بيماري مقابله كنند يكي از روش هايي كه براي مقابله با كرونا بسيار كارآمد است، هوش مصنوعي مي باشد. هوش مصنوعي يكي از شاخه هاي علوم كامپيوتر است كه در دهه پنجاه ميلادي ظهور پيدا كرد. تعريف كلي كه مي توان راجع به هوش مصنوعي كرد اين است كه به هوشي گفته مي شود كه بر خلاف تصور از هوشي كه در انسان ها و حيوانات داريم توسط ماشيـن ها ارائه مي شود. اگر بخواهيم به صورت آكادميك اين عبارت را توصيف كنيم مي توانيم بگوييم كه هر وسيله اي كه محيط خود را درك كند و اقداماتي انجام دهد كه شانس خود را براي دستيابي به اهداف خود به حداكثر برساند. داراي هوش مصنوعي مي باشد. هوش مصنوعي معمولي محيط خود را تجزيه و تحليل مي كند و اقداماتي انجام مي دهد كه شانس موفقيت آن را به حداكثر مي رساند. اين كار ها مي توانند ساده باشند(حالت 0،1) و يا پيچيده باشند (انجام اقدامات رياضي كه فرمول هاي آن موجود مي باشد). البته هوش مصنوعي عبارت كلي است و اين علم داراي زير مجموعه هاي زيادي مي باشد. يادگيري ماشيني(Machine Learning)، يادگيري عميق(Deep Learning)، شبكه هاي عصبي(Neural Networks)،پردازش تصوير(Image Processing)  و خيلي از علوم ديگر زير مجموعه هوش مصنوعي هستند. حال كه اندكي در مورد هوش مصنوعي اطلاعات كسب كرديم مي توانييم به اين بپردازيم كه بيماري كرونا و هوش مصنوعي چگونه با هم در ارتباط هستند.

چگونه از هوش مصنوعي براي مقابله با كوويد 19 استفاده مي شود؟

رويكرد هاي متفاوتي براي مقابله با اين ويروس از طريق هوش مصنوعي ايجاد شده است. براي مثال مي توانيم به استفاده از پردازش داده ها براي تايين اطلاعات آماري در اين زمينه اشاره كنيم و يا استفاده از ربات ها در بسياري از مراكز درماني دنيا براي كاهش ريسك ابتلاي كادر درماني به اين بيماري و يا استفاده از پردازش تصوير براي تحليل عكس هايي كه از ريه بيماران تهيه شده. در ادامه تعدادي از پيشرفت ها و نوآوري هايي كه در زمينه هوش مصنوعي براي مقابله با ويروس كرونا ايجاد شده را به شما معرفي مي كنيم.

آزمايشگاه MIT-IBM Watson AI از ابتداي شيوع اين ويروس بر روش چندين پروژه هوش مصنوعي سرمايه گذاري كرده است تا بتواند با اين بيماري مقابله كند. هدف اين تحقيقات حذف چالش هاي بهداشتي اقتصادي است. اما اين تحقيقات مي تواند تاثير بسيار ژرفي در ارزيابي و پاسخ به ريسك پس از سپري شدن بحران داشته باشد.

تشخيص زودرس سپسيس در بيماران Covid-19:

يك عارضه مرگبار Covid-19 است ، بيماري ناشي از كــــورنا ويروس جديد SARS-CoV-2.حدود 10 درصد از بيماران Covid-19 طي يك هفته از نشان دادن اولين علائم به سپسيس مبتلا مي شوند ،اما فقط حدود نيمي از آنها زنده مي مانند.

طراحي پروتئين براي جلوگيري از SARS-CoV-2:

پروتئين ها بلوك هاي سازنده زيستي هستند. محققان با داشتن هوش مصنوعي مي توانند ساختار آنها را برايبــرطرف كـــردن مشكلات و كشــــف و پروتئيـــن هاي جديد دستكاري كنند. مواد غذايي فاسد شدني را در نظربگيريد. آزمايشگاه MIT-IBM Watson AI اخيراً از هوش مصنوعي براي كشف اينكـه پروتئيــــن ابريشم ساخته شده توسط  زنبور عسل مي تواند به عنــــوان روكش غذاهايي كه سريع فاسد مي شوند براي افزايش زمان نگه داري آنها استفاده شود.

يكي ديگراز موارد استفاده از اين فناوري استفاده راديولوژيست هاي UC San Diego و ساير پزشكان از يك هوش مصنوعي (AI)براي تقويت تجزيه و تحليل تصوير برداري ريه در يك مطالعه تحقيقات باليني كه توسط خدمات وب آمازون (AWS) استفاده شده است ، مي باشد. توانايي جديد هوش مصنوعي تا كنون ، بيش از 2000 تصوير بينش منحصر به فرد را براي پزشكان بهداشت UC San Diego فراهم كرده است در يك مورد ، بيمار در بخش اورژانس كه هيچ علايمي از COVID-19 نداشت ، به دلايل ديگر تحت پرتونگاري قفسه سينه قرار گرفت. با اين وجود ، هوش مصنوعي اشعه ايكس علائم ذات الريه را نشان داد ، كه بعدا توسط راديولوژيست تأييد شد.در نتيجه ، بيمار براي COVID-19 مورد آزمايش قرار گرفت و مشخص شد كه از نظر بيماري مثبت است. اين قابليت جديد از ماهها قبل شروع شد كه آلبرت هسيا ، دكتراي تخصصي ، استاديار راديولوژي در دانشكده پزشكي دانشگاه كاليفرنيا سن ديگو و راديولوژيست در دانشگاه علوم پزشكي سن ديگو ، و تيم وي الگوريتم يادگيري ماشيني را توسعه دادند كه به راديولوژيست ها اجازه مي دهد از هوش مصنوعي براي افزايش توانايي هاي خود در تشخيص پنوموني در اشعه X قفسه سينه استفاده كنند. اين الگوريتم با 22000 نشانه گذاري توسط راديولوژيست هاي انساني آموزش ديده ، نقشه هاي رنگي را نشان مي دهد كه نشانگر احتمال پنوموني است.

از طرفي دانشمند مراكشي وعده يك مكانيسم هوش مصنوعي براي كمك به مبارزه با كرونا ويروس جديد را داده است. استاد علوم كامپيوتر در دانشگاه نيويورك (NYU) متولد مراكش ، دكتر آناس باري، يك ابزار هوش مصنوعي (AI) را براي تجزيه و تحليل و مهار تكامل پاندمي COVID-19 طراحي كرده است. باري با مديريت تيمي از محققان و دانشمند ها در NYU ، براي ايجاد و مطالعه اثربخشي يك ابزار هوش مصنوعي جهت پيش بيني بيماران در معرض خطر ابتلا به بيماري و تعيين جدي بودن عفونت هاي COVID-19 كمك كرد. ين  دانشمند و استاد مراكشي داراي مدرك ليسانس مهندسي كامپيوتر از دانشگاه Al Akhawayn در ايفران مراكش (AUI) است و در حال مذاكره بين NYU و AUI براي استفاده از فناوري تازه توسعه يافته در مقابله با گسترش COVID-19 در مراكش است. اگرچه مراكش از تحقيقات و توسعه علمي هوش مصنوعي زيادي برخوردار نيست ، اما دانشمندان مهاجر مراكشي در خارج ، در حال به  كارگيري تخصص خود در زمينه هوش مصنوعي ،به ويژه در زمينه بحران COVID-19 ، كه مستلزم سطح بالايي از تعامل علمي است ، هستن دتا اين بحران هر چه زودتر تمام شود.

در اين ميان تحقيقات ديگري كه دانشمندان انجام داده اند موجب شده تا پيشرفت هاي هوش مصنوعي فقط منتهي به اينها نباشد. محققان اكنون مدل هاي رايانه اي را براساس هوش مصنوعي (AI) تهيه مي كنند كه تعيين ريسك خطر نياز يك فرد بيمار به ونتيلاتور يا مراقبت هاي ويژه را محاسبه مي كند. چندين شركت غير بهداشتي در حال حاضر در تلاشند تا تهويه مطبوع توليد كنند زيرا موارد COVID-19 و هرچه بيشتر در سطح جهان بحراني مي شوند. ” مادس نيلسن از دانشگاه كپنهاگ در دانمارك گفت: با استفاده از اين مدل هاي هوش مصنوعي ، به عنوان مثال بيمارستان ها مي توانند بدانند كه 40٪ از 300 بيمار بستري آنها احتمالاً در طي يك هفته به يك دستگاه تهويه احتياج دارند.مادس نيلسن از دانشگاه كپنهاگ در دانمارك گفت: اين فناوري به آنها اجازه مي دهد تا منابع خود را به بهترين شكل برنامه ريزي كنند و به كار گيرند. با استفاده از اين برنامه هوش مصنوعي مس توان يك آمار تقريبا درست از شرايط بيماران به دست آورد تا بتوان برنامه ريزي دقيق تري براي درمان بيماران انجام داد و جان چندين هزار نفر را نجات داد به گفته محققان ، الگوريتم ها مقدار زيادي از داده ها را از منابع متعدد جمع آوري مي كنند. اين داده ها شامل پرتونگاري ايكس ، آزمايشات و اندازه گيري هاي انجام شده از بيماران هنگام ورود به بيمارستان به همراه سوابق الكترونيكي سلامت آنها است. با استفاده از ايننرم افزار همه داده ها به يك رايانه  منتقل مي شوند كه طي چند دقيقه ، مدل محاسبه مي كند كه يك بيمار خاص نياز به يك دستگاه تهويه مطبوع دارد، و اين اظلاعات را چند روز قبل اعلام ميكند. گرچه از اين مدل ها به عنوان پايه اي براي معالجه بيماران منفرد استفاده نخواهد شد ،اما از آن به عنوان ابزاري براي برنامه ريزي استفاده مي شود كه هنوز هم مي تواند تفاوت بزرگي براي كارمندان بيمارستان ايجاد كند.

علاوه بر تمام فناوري هايي كه گفته شد، در يك متد جديد تشخيص covid-19 هوش مصنوعي با صداي افراد ، آلوده بودن آنها را ارزيابي مي كند. در حال حاضـر ، چندين سازمان روي نرم افزاري كار مي كنند كه مي توانند COVID-19 را با گوش دادن به مكالمات تـشـخـيـص دهـنـد.اولين گـروه از اين تيم ها توسـط دانشمندان دانشگاه هاروارد و MIT تشكيل شـده اسـت. هـدف اين تيم شناسايي علائمي است كه فقط در صداي افراد مبتلا به اين بيماري مشهود است و از اين طريق تشخيص را تسهـيل مي كند.ابتكار ديگر كار Voca.ai اسـت. اين سازمان با هدف ديگر يك راهكار مشابه دارد. آنها نمونه هـاي گفتـار و صـدا را از بـيـماران و افراد سـالم به صـورت داوطلبانه جمع آوري مي كنند. يك مطالعه مشابه در CyLab كه وابسته به دانشگاه كارنگي ملون است انجام شده است. هوش مصنوعـي ايـجاد شـده توسـط ايـن تيم همچنيـن مي توانـد بفهـمد كه آيا افراد با استفاده از تشخيص صدا براي COVID-19 آزمايش شده اند. اگرچه در آزمايشگاه اعلام شده اسـت كه آزمايشات آنها ماهيت پزشكي معتبري ندارد ،اما از اين سازمان ها خواسته شده تا تست هاي آنلاين خود را از روي اينترنت حذف كنـند.تـيـم CyLab اظهـار داشـت كـه آنـهـا مـي دانـند كه چرا دانشگاه از آنها خواسته است تست هاي آنلاين را حذف كنند ، اما اين روند فرصت هاي بسيار مهمي براي جمع آوري اطـلاعـات در مورد ايـن بيمـاري ارائـه مـي دهـد. بـراي شـنـاخـت بيـماري بـايد اطـلاعات بـيشـتري جمع آوري شود

به اين صورت بيشتراين پيشرفت ها در زمينه هوش مصنوعي و با توجه به نياز زيادي كه امروزه براي ايجاد يك راه درماني براي درمان بيماري همه گير كرونا صورت گرفته محققان و كارشناسان زيادي در زمينه هاي هوش مصنوعي رباتيك و علوم داده در حال كار هستند تا هرچه سريع تر اين بيماريرا كنترل و مهار كنند.

طراحي وبسايت و شيوه هاي نوين آن

انواع هوش مصنوعي

با كمك انواع هوش مصنوعي امروزه اين فناوري نه تنها با ما صحبت مي كند بلكه اتومبيل ها را

كنترل مي كند بازي هاي كامپيوتري انجام مي دهد و تمام اين كار ها را بهتر از ما انسان ها 

انجام مي دهد. به نظر مي رشد كه در مدت زمان كوتاهي هوش مصنوعي ذدر ميان ما راه برود.

ديدگاه متداول و مكرر آخرين موفقيت در تحقيقات هوش مصنوعي اين است كه ماشين هاي هوشمند

به زودي در دسترس همگان قرار خواهند گرفت. گزارش جديد كاخ سفيد در مورد هوش مصنوعي

ديدگاه كاملاً بدبينانه اي در مورد اين رويا دارد. اين گزارش مي گويد كه طي 20 سال آينده به احتمال

زياد در ماشين آلات “اطلاعات كاملاً قابل اجرا قابل مقايسه با انسانها يا بيش از آنها” مشاهده نخواهد شد.

انواع هوش مصنوعي كدامند ؟

ماشين هاي واكنش پذير

ابتدايي ترين انواع سيستم هاي هوش مصنوعي كاملاً واكنشي هستند و نه توانايي تشكيل خاطرات و نه استفاده

از تجربيات گذشته براي اطلاع رساني تصميمات فعلي را دارند. Deep Blue ، ابر رايانه شطرنج باز IBM

، كه در اواخر دهه 1990 استاد بزرگ بين المللي گري كاسپاروف را شكست داد ، نمونه عالي اين نوع ماشين ها است.

Deep Blue مي تواند مهره هاي روي صفحه شطرنج را شناسايي كرده و از نحوه حركت هر يك مطلع شود. اين

كامپيوتر مي تواند پيش بيني كند كه ممكن است حريف چه حركات بعدي داشته  باشد. و مي تواند بهينه ترين حركت ها

را از بين احتمالات انتخاب كند.اما هيچ مفهومي از گذشته و هيچ خاطره اي از آنچه قبلاً اتفاق افتاده ندارد. جدا از

يك قانون خاص شطرنج كه به ندرت استفاده مي شود كه در مورد تكرار سه بار حركت مشابه است ، Deep Blue

همه چيز را قبل از لحظه حال ناديده مي گيرد. تمام آنچه كه انجام مي دهد اين است كه به مهره هاي موجود

در صفحه شطرنج در حال حاضر نگاه مي كند و حركت هاي بعدي را انتخاب مي كند. اين مدل از انوع هوش مصنوعي

جهان را به صورت مستقيم درك مي كند و براساس آنچه مي بيند عمل مي كند. اين نوع از هوش به مفهوم دروني جهان

متكي نيست. در يك مقاله اساسي ، رادني بروكس ، محقق هوش مصنوعي استدلال كرد كه ما فقط بايد ماشين هايي از اين

دست بسازيم. دليل اصلي او اين بود كه مردم در برنامه نويسي دقيق دنياهاي شبيه سازي شده براي استفاده كامپيوترها

مهارت ندارند ، چيزي كه در بورس تحصيلي AI “نمايندگي” جهان ناميده مي شود.

حافظه محدود

اين كلاس نوع دوم از انواع هوش منصوعي شامل ماشين هايي است كه مي توانند به گذشته نگاه كنند. اتومبيل هاي

خودران هم اكنون برخي از اسين كارها را انجام مي دهند به عنوان مثال ، آنها سرعت و جهت اتومبيل هاي ديگر

را مشاهده مي كنند.اين كار فقط در يك لحظه امكان پذير نيست ، بلكه به شناسايي اشيا به صورت خاص و نظارت

بر آنها در طول زمان نياز دارد. اين مشاهدات به المان هاي از پيش برنامه ريزي شده اتومبيل هاي خودران اضافه

مي شوند كه شامل خط كشي خيابان ها ، چراغ راهنمايي و ساير عناصر مهم مانند پيچ هاي جاده مي شوند. هنگامي

كه اتومبيل تصميم مي گيرد كه خط عوض كند يا از تصادف با ساير اتومبيل ها كهدر جهات گوناگون حركت مي كنند

جلوگيري كند، تمامي مواردي را كه ذكر شد را مد نظر قرار مي دهد. اما اين اطلاعات ساده درباره گذشته فقط گذرا

هستند. آنها به عنوان بخشي از كتابخانه تجربه اتومبيل كه مي تواند از آن ياد بگيرد عمل نمي كنند، شيوه اي كه انسان ها

در هنگام رانندگي به آن صورت عمل مي كنند.

نظريه ذهن

در اين نقطه تفاوت بين ماشين هايي كه تا كنون ساخته ايم و ماشين هايي كه در آينده آنها را خواهيم ساخت مشخص مي شود.

ماشين آلات در كلاس بعدي كه پيشرفته تر است ، نه تنها تمثال هايي را درباره جهان دارند ، بلكه عوامل يا موجوديت هاي ديگر

   در جهان را نيز تشخيص مي دهند. در روانشناسي ، اين “تئوري ذهن” ناميده مي شود مفهوم اين تئوري درك اين مسئله است كه

افراد موجودات و اشيا مي توانند استدلال و احساسات منحصر به فرد خود را داشته باشند گكه بر روي رفتار و عملكرد خودشان

تاثير مي گذارد. اين نوع درك براي چگونگي تشكيل جوامع انساني بساير حياتي است. بدون داشتن همچون دركي از اطراف و

فهميدن قصد از انجام كار هاي مختلف،در بهترين حالت تشكيل جوامع بسيار سخت خواهد وبود و در بدترين حالت تشكيل جوامع

غير ممكن مي شود. اگر سيستم هاي هوش مصنوعي واقعاً بخواهند در ميان ما گام بردارند ، بايد بتوانند درك كنند كه هر يك از

ما افكار و احساسات و انتظاراتي از نحوه رفتار با ما داريم. و آنها بايد رفتار خود را متناسب با آن تنظيم كنند.

خود آگاهي

مرحله آخر توسعه هوش مصنوعي ساخت سيستم هايي است كه بتوانند بازنمايي و خود آگاهي درباره خودشان ايجاد كنند. درنهايت ،

محققان هوش مصنوعي نه تنها بايد هوشياري را درك كنند بلكه بايد ماشين هايي بسازند كه داراي آن باشند. اين عملكرد، به تعبيري ،

شاخه اي از “نظريه ذهن” است كه توسط هوش مصنوعي نوع سوم اعمال مي شود. به يك دليل به آگاهي “خودآگاهي” نيز گفته مي شود.

براي مثال وقتي مي گوييم من آن مورد را مي خواهم يك جمله بسيار متفاوتي نسبت  به من مي دانم كه آن مورد را مي خواهم است.

موجودات هوشيار از خود آگاه هستند ، از حالات دروني خود اطلاع دارند و قادر به پيش بيني احساسات ديگران هستند. ما تصور مي كنيم

شخصي كه در ترافيك پشت سر ما بوق مي زند عصباني يا بي تاب است ، زيرا وقتي براي ديگران بوق مي زنيم چنين احساسي داريم.

بدون نظريه ذهن ، ما نمي توانيم چنين استنباط هايي داشته باشيم.

طراحي سايت

هوش مصنوعي و داده كاوي

در هوش مصنوعي و يادگيري ماشيني ، داده كاوي يا كشف دانش در پايگاه هاي اطلاعاتي ،

استخراج غيرمعمول اطلاعات ضمني ، از قبل ناشناخته و بالقوه مفيد از داده ها .است. در اين

رويكرد از روش هاي آماري استفاده مي شود كه باعث مي شود روندها و ساير روابط در

پايگاه هاي داده بزرگ شناسايي شوند. دليل عمده اينكه داده كاوي جلب توجه كرده است،

دسترسي گسترده به داده هاي عظيم و نياز به تبديل اين داده ها به اطلاعات و دانش مفيد

مي باشد. از اين اطلاعات به دست آمده مي تواند براي برنامه هاي مختلف مانند نظارت بر

ريسك ، مديريت تجارت ، كنترل توليد ، تجزيه و تحليل بازار ، مهندسي و اكتشاف علوم

استفاده شود.

انواع تكنيك ها و روش هاي داده كاوي در هوش مصنوعي

به طور كلي سه روش داده كاوي وجود دارد. يكي از اين روش ها تجزيه وتحليل هم بستگي است.

كشف قوانين تداعي گرايي است كه شرايط مقدار ويژگي را نشان مي دهد كه اغلب با هم در يك

مجموعه داده خاص رخ مي دهد. تجزيه و تحليل همبستگي به طور گسترده اي براي شناسايي همبستگي

محصولات جداگانه در سبد خريد استفاده مي شود. تجزيه و تحليل رگرسيوندومين گزينه در اين زمينه

است. تحليل رگرسيون مدل هايي را ايجاد مي كند كه متغيرهاي وابسته را از طريق تجزيه و تحليل

متغيرهاي مستقل توضيح مي دهند. به عنوان مثال ، پيش بيني عملكرد فروش محصول مي تواند با

همبستگي قيمت محصول و سطح متوسط درآمد مشتري ايجاد شود. نوع آخر طبقه بندي و پيش بيني

است. طبقه بندي فرآيند طراحي مجموعه اي از مدل ها براي پيش بيني كلاس اشيايي است كه برچسب

كلاس آنها ناشناخته است. مدل مشتق شده ممكن است در اشكال مختلف ، مانند قوانين اگر- پس (if-then)

، درخت تصميم ، يا فرمول هاي رياضي نشان داده شود. درخت تصميم يك نمودار است كه ساختاري شبيه به

درخت دارد كه در آن هر گره يك آزمون را روي مقدار ويژگي نشان مي دهد ، هر شاخه نشان دهنده نتيجه

آزمايش است و هر برگ درخت يك كلاس يا كلاس توزيع را نشان مي دهد. درختان تصميم را مي توان به

قوانين طبقه بندي تبديل كرد. براي پيش بيني برچسب كلاس داده مي توان از طبقه بندي استفاده كرد.

پيش بيني شامل شناسايي روند توزيع بر اساس داده هاي موجود مي باشد.

فرايند داده كاوي
هوش مصنوعي و داده كاوي دو معقوله اي هستند كه از هم نمي توان جدا كرد. فرايند داده كاوي شامل يك

توالي تكراري از اين مراحل است:

انسجام و تميز كردن داده ها براي حذف ناهنجاري ها و داده هاي متناقض
ادغام داده ها به گونه اي كه ممكن است چندين منبع داده با هم تركيب شوند
انتخاب داده كه در آن داده هاي مربوط به تجزيه و تحليل بازيابي مي شود
تبديل داده ها در جايي كه داده ها به فرم هاي مناسب استخراج تلفيق مي شوند
براي استخراج الگوها جديد، از الگوها و تكنيك هاي آماري استفاده مي شود
ارزيابي الگو براي شناسايي الگوهاي جالب نشان دهنده اطلاعات
از تكنيك هاي تجسم براي ارائه اطلاعات استخراج شده به كاربران استفاده مي شود

محدوديت هاي داده كاوي
وارد شدن و خارج شدن اطلاعات با كيفيت پايين به داده كاوي نسبت داده مي شود زيرا

زيرا كيفيت اطلاعات به دست آمده از داده كاوي به كيفيت داده هاي تاريخي بستگي دارد.

ما مي دانيم كه مغايرت داده ها و برخورد با چندين منبع داده مشكلات بزرگي را در مديريت

داده ايجاد مي كند. تكنيك هاي تميز كردن داده ها براي مقابله با شناسايي و از بين بردن

خطاها و ناسازگاري ها براي بهبود كيفيت داده ها استفاده مي شود. با اين حال ، تشخيص

اين ناسازگاري ها بسيار دشوار است. چگونه مي توانيم تبادلي را شناسايي كنيم كه به

اشتباه به عنوان مشكوك برچسب گذاري شده است؟ يادگيري از داده هاي نادرست منجر

به مدل هاي نادرست مي شود محدوديت ديگر داده كاوي اين است كه فقط اطلاعات محدود به

مجموعه خاص داده هاي تاريخي را استخراج مي كند و پاسخ ها را فقط مي توان با توجه به

روندهاي قبلي آموخته شده از داده ها بدست آورد و تفسير كرد. اين توانايي فرد را براي بهره مندي

از روندهاي جديد محدود مي كند. از آنجا كه درخت تصميم به طور خاص در مجموعه داده هاي

تاريخي آموزش ديده است ، شخصي سازي درخت را در بر نمي گيرد. علاوه بر اين ، داده كاوي

غير افزايشي است و در هنگام توليد سازگار نيست.

مزاياي داده كاوي
داده كاوي به شركت هاي بازاريابي كمك مي كند مدل هايي را بر اساس داده هاي تاريخي بسازند

تا پيش بيني كنند چه كسي به فعاليت هاي بازاريابي جديد مانند نامه هاي مستقيم ، كمپين بازاريابي

آنلاين و غيره پاسخ خواهد داد. از طريق نتايج ، بازاريابان رويكرد مناسبي در فروش محصولات

 سودآور به مشتريان هدف خواهند داشت. داده كاوي همانند بازاريابي ، مزاياي زيادي را براي

شركت هاي خرده فروشي به همراه دارد. از طريق تجزيه و تحليل سبد بازار ، يك فروشگاه مي تواند

يك ترتيب توليد مناسب داشته باشد به گونه اي كه مشتريان بتوانند خريد مكرر محصولات دلپذير را

دارا باشند. علاوه بر اين ، همچنين به شركت هاي خرده فروشي كمك مي كند تا تخفيف هاي خاصي

را براي محصولات خاص ارائه دهند كه مشتريان بيشتري را به خود جلب كند. داده كاوي به موسسات

مالي اطلاعاتي در مورد وام و گزارشگري اعتبار مي دهد. با ساخت يك مدل از داده هاي مشتري تاريخي ،

بانك و موسسه مالي مي توانند وام هاي خوب و بد را تعيين كنند. علاوه بر اين ، داده كاوي به بانك ها كمك

مي كند تا معاملات جعلي كارت اعتباري را براي محافظت از صاحب كارت اعتباري شناسايي كنند. با استفاده

از داده كاوي در داده هاي مهندسي عملياتي ، توليد كنندگان مي توانند تجهيزات معيوب را شناسايي كرده و

پارامترهاي كنترل بهينه را تعيين كنند. به عنوان مثال ، توليدكنندگان نيمه هادي اين چالش را دارند كه حتي شرايط

محيط هاي توليد در كارخانه هاي مختلف توليد ويفر مشابه است ، كيفيت ويفر بسيار يكسان است و برخي به دلايل

نامعلوم حتي داراي نقص هستند. داده كاوي براي تعيين دامنه پارامترهاي كنترلي كه منجر به توليد ويفر طلايي

مي شود مورد استفاده قرار گرفته است. سپس از آن پارامترهاي كنترل بهينه براي توليد ويفر با كيفيت مطلوب

استفاده مي شود.

طراحي سايت

انواع هوش مصنوعي

با كمك انواع هوش مصنوعي امروزه اين فناوري نه تنها با ما صحبت مي كند بلكه اتومبيل ها را

كنترل مي كند بازي هاي كامپيوتري انجام مي دهد و تمام اين كار ها را بهتر از ما انسان ها 

انجام مي دهد. به نظر مي رشد كه در مدت زمان كوتاهي هوش مصنوعي ذدر ميان ما راه برود.

ديدگاه متداول و مكرر آخرين موفقيت در تحقيقات هوش مصنوعي اين است كه ماشين هاي هوشمند

به زودي در دسترس همگان قرار خواهند گرفت. گزارش جديد كاخ سفيد در مورد هوش مصنوعي

ديدگاه كاملاً بدبينانه اي در مورد اين رويا دارد. اين گزارش مي گويد كه طي 20 سال آينده به احتمال

زياد در ماشين آلات “اطلاعات كاملاً قابل اجرا قابل مقايسه با انسانها يا بيش از آنها” مشاهده نخواهد شد.

انواع هوش مصنوعي كدامند ؟

ماشين هاي واكنش پذير

ابتدايي ترين انواع سيستم هاي هوش مصنوعي كاملاً واكنشي هستند و نه توانايي تشكيل خاطرات و نه استفاده

از تجربيات گذشته براي اطلاع رساني تصميمات فعلي را دارند. Deep Blue ، ابر رايانه شطرنج باز IBM

، كه در اواخر دهه 1990 استاد بزرگ بين المللي گري كاسپاروف را شكست داد ، نمونه عالي اين نوع ماشين ها است.

Deep Blue مي تواند مهره هاي روي صفحه شطرنج را شناسايي كرده و از نحوه حركت هر يك مطلع شود. اين

كامپيوتر مي تواند پيش بيني كند كه ممكن است حريف چه حركات بعدي داشته  باشد. و مي تواند بهينه ترين حركت ها

را از بين احتمالات انتخاب كند.اما هيچ مفهومي از گذشته و هيچ خاطره اي از آنچه قبلاً اتفاق افتاده ندارد. جدا از

يك قانون خاص شطرنج كه به ندرت استفاده مي شود كه در مورد تكرار سه بار حركت مشابه است ، Deep Blue

همه چيز را قبل از لحظه حال ناديده مي گيرد. تمام آنچه كه انجام مي دهد اين است كه به مهره هاي موجود

در صفحه شطرنج در حال حاضر نگاه مي كند و حركت هاي بعدي را انتخاب مي كند. اين مدل از انوع هوش مصنوعي

جهان را به صورت مستقيم درك مي كند و براساس آنچه مي بيند عمل مي كند. اين نوع از هوش به مفهوم دروني جهان

متكي نيست. در يك مقاله اساسي ، رادني بروكس ، محقق هوش مصنوعي استدلال كرد كه ما فقط بايد ماشين هايي از اين

دست بسازيم. دليل اصلي او اين بود كه مردم در برنامه نويسي دقيق دنياهاي شبيه سازي شده براي استفاده كامپيوترها

مهارت ندارند ، چيزي كه در بورس تحصيلي AI “نمايندگي” جهان ناميده مي شود.

حافظه محدود

اين كلاس نوع دوم از انواع هوش منصوعي شامل ماشين هايي است كه مي توانند به گذشته نگاه كنند. اتومبيل هاي

خودران هم اكنون برخي از اسين كارها را انجام مي دهند به عنوان مثال ، آنها سرعت و جهت اتومبيل هاي ديگر

را مشاهده مي كنند.اين كار فقط در يك لحظه امكان پذير نيست ، بلكه به شناسايي اشيا به صورت خاص و نظارت

بر آنها در طول زمان نياز دارد. اين مشاهدات به المان هاي از پيش برنامه ريزي شده اتومبيل هاي خودران اضافه

مي شوند كه شامل خط كشي خيابان ها ، چراغ راهنمايي و ساير عناصر مهم مانند پيچ هاي جاده مي شوند. هنگامي

كه اتومبيل تصميم مي گيرد كه خط عوض كند يا از تصادف با ساير اتومبيل ها كهدر جهات گوناگون حركت مي كنند

جلوگيري كند، تمامي مواردي را كه ذكر شد را مد نظر قرار مي دهد. اما اين اطلاعات ساده درباره گذشته فقط گذرا

هستند. آنها به عنوان بخشي از كتابخانه تجربه اتومبيل كه مي تواند از آن ياد بگيرد عمل نمي كنند، شيوه اي كه انسان ها

در هنگام رانندگي به آن صورت عمل مي كنند.

نظريه ذهن

در اين نقطه تفاوت بين ماشين هايي كه تا كنون ساخته ايم و ماشين هايي كه در آينده آنها را خواهيم ساخت مشخص مي شود.

ماشين آلات در كلاس بعدي كه پيشرفته تر است ، نه تنها تمثال هايي را درباره جهان دارند ، بلكه عوامل يا موجوديت هاي ديگر

   در جهان را نيز تشخيص مي دهند. در روانشناسي ، اين “تئوري ذهن” ناميده مي شود مفهوم اين تئوري درك اين مسئله است كه

افراد موجودات و اشيا مي توانند استدلال و احساسات منحصر به فرد خود را داشته باشند گكه بر روي رفتار و عملكرد خودشان

تاثير مي گذارد. اين نوع درك براي چگونگي تشكيل جوامع انساني بساير حياتي است. بدون داشتن همچون دركي از اطراف و

فهميدن قصد از انجام كار هاي مختلف،در بهترين حالت تشكيل جوامع بسيار سخت خواهد وبود و در بدترين حالت تشكيل جوامع

غير ممكن مي شود. اگر سيستم هاي هوش مصنوعي واقعاً بخواهند در ميان ما گام بردارند ، بايد بتوانند درك كنند كه هر يك از

ما افكار و احساسات و انتظاراتي از نحوه رفتار با ما داريم. و آنها بايد رفتار خود را متناسب با آن تنظيم كنند.

خود آگاهي

مرحله آخر توسعه هوش مصنوعي ساخت سيستم هايي است كه بتوانند بازنمايي و خود آگاهي درباره خودشان ايجاد كنند. درنهايت ،

محققان هوش مصنوعي نه تنها بايد هوشياري را درك كنند بلكه بايد ماشين هايي بسازند كه داراي آن باشند. اين عملكرد، به تعبيري ،

شاخه اي از “نظريه ذهن” است كه توسط هوش مصنوعي نوع سوم اعمال مي شود. به يك دليل به آگاهي “خودآگاهي” نيز گفته مي شود.

براي مثال وقتي مي گوييم من آن مورد را مي خواهم يك جمله بسيار متفاوتي نسبت  به من مي دانم كه آن مورد را مي خواهم است.

موجودات هوشيار از خود آگاه هستند ، از حالات دروني خود اطلاع دارند و قادر به پيش بيني احساسات ديگران هستند. ما تصور مي كنيم

شخصي كه در ترافيك پشت سر ما بوق مي زند عصباني يا بي تاب است ، زيرا وقتي براي ديگران بوق مي زنيم چنين احساسي داريم.

بدون نظريه ذهن ، ما نمي توانيم چنين استنباط هايي داشته باشيم.