نوشته‌ها

شکست انسان از هوش مصنوعی در تست ارزیابی شخصیت بر اساس تصویر

هوش مصنوعی در سال‌های اخیر پیشرفت‌های زیادی داشته و توانسته در برخی زمینه‌ها انسان را شکست دهد. اخیرا تحقیق جدیدی صورت گرفته که در آن هوش‌مصنوعی ویژگی‌های شخصیتی را توسط تصاویر سلفی تشخیص می‌دهد. هوش‌مصنوعی توانسته در این حوزه عملکرد بهتری نسبت به انسان از خود نشان دهد.

این تحقیق در روسیه صورت گرفته و محققان در این کشور توانسته‌اند هوش‌مصنوعی توسعه دهند که کارایی بهتری نسبت به انسان و دستگاه‌های دیگر داشته باشد. این هوش مصنوعی تصاویر سلفی را بر اساس ویژگی‌های شخصیتی شامل برونگرایی، عصبانیت، توافق‌پذیری، پذیرای تجارب جدید بودن و وجدان قضاوت کرده است.

تیم توسعه‌دهنده این هوش مصنوعی متوجه شد که الگوریتم با تجزیه و تحلیل تصاویر سلفی مختلف از یک شخص، قضاوت‌های شخصیتی پایدار ارائه می‌دهد. این هوش مصنوعی در زمان ارزیابی تصاویر سلفی زنان عملکرد بهتری در مقایسه با مردان داشت و به بهترین نحو می‌توانست وجدان افراد را در مقایسه با سایر خصوصیات شخصیتی قضاوت کند.

محققان دقت این هوش‌مصنوعی را بالاتر از حد متوسط توصیف می‌کنند، البته نتایج آن بهتر از انسان‌ها در هنگام مواجه با افراد ناشناس است. در این تحقیق ۳۱ هزار عکس سلفی از ۱۲ هزار داوطلب مورد بررسی قرار گرفته و افراد علاوه بر تصاویر سلفی، پرسشنامه شخصیتی را نیز پر کردند.

پتانسیل‌های بالایی برای هوش مصنوعی که قادر به تشخیص ویژگی‌های شخصیتی بر اساس چهره افراد است، وجود دارد. محققان به این موضوع اشاره کرده‌اند که از آن می‌توان برای تبلیغات استفاده کرد. شرکت‌ها می‌توانند با ارزیابی چهره، شخصیت افراد را تشخیص دهند و مشتریان را با محصولات خود هدف بگیرند.

منبع: digiato.com

پیش‌بینی عجیب ایلان ماسک: مردم از ۱۰ سال دیگر نیازی به حرف زدن ندارند

ایلان ماسک به تازگی در قسمتی از پادکست «The Joe Rogan Experience» به این موضوع اشاره کرده که انسان‌ها از ۵ یا ۱۰ سال آینده، به صورت غیرکلامی با هم ارتباط برقرار می‌کنند و دیگر با یکدیگر صحبت نخواهند کرد.

طی این مصاحبه، ایلان ماسک درباره موارد مختلفی صحبت کرد که به عنوان مثال می‌توان به دستگاه‌های کاشتنی مغز و همچنین مشکلات مربوط به امنیت خانه‌ها اشاره کرد. زمانی که نوبت به توانایی ارتباط برقرار کردن انسان‌ها با یکدیگر رسید، ماسک پیش‌بینی کرد که انسان‌ها از ۱۰ سال دیگر نیازی به صحبت کردن نخواهند داشت. مدیرعامل تسلا در این پادکست گفت:

«روزی در آینده می‌توانید ذهن یکدیگر را بخوانید و به صورت غیرکلامی با یکدیگر ارتباط برقرار کنید، بدون اینکه از دهان استفاده کنید.»

ماسک تنها در رابطه با گفتگو، ایمیل و پیام‌ها صحبت نکرد، بلکه سیستمی از همزیستی میان انسان و هوش مصنوعی را مدنظر دارد که توسط آن امکان تبادل نظرات و ایده‌ها بدون کلمات وجود دارد. مدیرعامل اسپیس ایکس درباره نظریه خود اعلام کرد:

«مغز ما تلاش زیادی می‌کند تا مفاهیم پیچیده را درون کلمات فشرده کند و اطلاعات زیادی در این بین نابود می‌شوند. زمانی که این کلمات را می‌گویید، آن‌ها تفسیر و ترجمه می‌شوند و سپس درون گوش فرد مقابل از حالت فشرده خارج می‌شوند.»

به اعتقاد ماسک، برای ارتباط سریع‌تر و دقیق‌تر می‌توان انسان را با ماشین ادغام کرد و همچنین فشرده‌سازی ایده‌ها توسط کلمات می‌تواند ارتباط برقرار کردن را تبدیل به امری سخت کند. بنابراین ارتباط غیرکلامی می‌تواند باعث ارتباط بهتر میان افراد شود. به گفته ماسک، انسان تا حدودی سایبورگ محسوب می‌شود، چرا که گوشی هوشمند، لپ‌تاپ و دستگاه‌های الکترونیکی دارد.

شرکت «نورولینک» که توسط ایلان ماسک مدیریت می‌شود، در حال کار روی ایمپلنت مغز است که می‌تواند به صورت مستقیم با مغز بیمار ارتباط داشته باشد تا آسیب‌های مغزی را درمان کند. شاید نزدیک به یکسال دیگر نورولینک به خواسته خود دست پیدا کند. باید منتظر ماند و دید پیش‌بینی ماسک مبنی بر حذف ارتباطات کلامی میان انسان‌ها طی ۵ تا ۱۰ سال آینده محقق می‌شود یا خیر.

منبع: digiato.com

رابط مغز و رایانه؛ عصای دست معلولان یا مقدمه‌ای برای دستکاری شخصیت؟

فناوری در سال‌های اخیر پیشرفت شگفت‌انگیزی داشته که اگرچه باعث شده زندگی ما بسیار راحت‌تر از گذشته شود، اما باعث ایجاد نگرانی‌هایی نیز شده که یکی از مهم‌ترین آن‌ها، واسط مغز و رایانه (BCI) است. این واسط می‌تواند سیگنال‌های مغز را بخواند و از آن‌ها برای کارهای خاصی استفاده کند که نگرانی‌های زیادی در میان دانشمندان و فعالان حوزه فناوری ایجاد کرده است.

در طبقه دهم یکی از ساختمان‌های دانشگاه کلمبیا، افرادی با الکترودهایی که روی سر خود دارند، توسط یک هدست واقعیت مجازی رانندگی با خودرو را تجربه می‌کنند. در میدان دید این افراد پیانوها و قایق‌های بادبانی به نمایش گذاشته می‌شوند که توجه آن‌ها را در پی دارد.

این تحقیق توسط «پاول ساجدا»، مدیر آزمایشگاه تصویربرداری هوشمند و محاسبات عصبی دانشگاه کلمبیا سرپرستی می‌شود و فعالیت مغز افراد از طریق فناوری الکتروانسفالوگرافی (EEG) را بررسی می‌کند. در این تحقیق هدست واقعیت مجازی حرکات چشم کاربران را ردیابی می‌کند تا محل نگاه کردن افراد را متوجه شود. این اطلاعات توسط یک کامپیوتر که مستقیما با امواج مغز در ارتباط است با نام واسط مغز و رایانه (BCI) پردازش می‌شود.

 

 

واسط مغز و رایانه چه کاربردی دارد؟

در آزمایش دانشگاه کلمبیا هدف از جمع‌آوری اطلاعات مغز، آموزش هوش مصنوعی در خودروهای خودران است، بنابراین آن‌ها متوجه این موضوع می‌شوند که راننده چه زمانی به اطراف یا سوژه‌ای خاص توجه می‌کند. واسط مغز و رایانه در زمینه‌های زیادی کاربرد دارد که برای مثال می‌توان به مدیریت پهپادها توسط سربازان در آژانس پروژه‌های پژوهشی پیشرفته دفاعی ایالات متحده آمریکا (دارپا) و نظارت روی دانش آموزان در مدارس چین اشاره کرد.

 وضع قوانین برای استفاده از واسط مغز و رایانه هستند

این دستگاه‌ها همچنین در صنایع پزشکی نیز مورد استفاده قرار می‌گیرند مانند نسخه‌هایی از آن که برای افراد معلول این امکان را فراهم می‌کند که توسط ذهن خود، با تبلت کار کنند یا اینکه می‌تواند به بیماران مبتلا به صرع پیش از تشنج هشدار دهد. در ژوئیه ۲۰۱۹ مدیرعامل تسلا عملکرد «نورولینک» را به نمایش گذاشت که می‌تواند واسط مغز و رایانه را در مغز افراد قرار دهد تا امکان همزیستی با هوش مصنوعی فراهم شود.

برخی کارشناسان به علت عدم شفافیت در عملکرد این دستگاه‌ها، چندان به آن‌ها اعتماد ندارند. سوال مهم در این زمینه، ادعاهای بدون تایید شرکت‌ها و همچنین نحوه تاثیر آن‌ها روی کاربران است. این موارد باعث شده برخی افراد به دنبال ایجاد قانونی برای محافظت از افراد در برابر با آینده‌ای باشد که می‌توان از اطلاعات مغزی برای موارد تجاری استفاده کرد.

 

دانشمندان به دنبال وضع قوانین برای استفاده از واسط مغز و رایانه هستند

به گفته «دیوید وینیکوف»، تحلیلگر ارشد در زمینه فناوری‌های همگرا در سازمان همکاری و توسعه اقتصادی در پاریس، هر قدم در پیشرفت واسط مغز و رایانه نگرانی‌ها اخلاقی، قانونی و اجتماعی به وجود می‌آورد. وینکوف اعلام کرده:

«این واسط‌ها نگرانی‌های زیادی در رابطه با حریم شخصی کاربران ایجاد کرده‌اند. این فناوری پتانسیل آن را دارد که احساسات یا هویت یک فرد را تغییر دهد که این موضوع سوالاتی در رابطه با استقلال و خودمختاری یا ظرفیت برای هدایت زندگی یک شخص ایجاد کرده است.»

مغز ما برای هر فکر، احساس یا حرکتی سیگنال‌های الکتریکی ایجاد می‌کند و BCI برای خواندن این سیگنال‌ها توسعه پیدا کرده که برخی مواقع برای این کار از EEG و الکترودهایی روی سر استفاده می‌شود. برای این کار اغلب از ۱۶ تا ۶۴ الکترود استفاده می‌شود، البته برخی مدل‌ها ۲۵۶ الکترود دارند. نورولینک قصد دارد در این زمینه عملکرد تهاجمی‌تری داشته باشد و از ۳۰۷۲ رشته فلزی نازک روی مغز افراد استفاده کند.

واسط مغز و رایانه سیگنال‌های مغز را می‌خواند و از اطلاعات آن برای انجام وظایفی مانند نوشتن متن یا کنترل پهپاد توسط کامپیوتر یا ماشین استفاده می‌کند. با وجود اینکه هم اکنون کاربرد BCI بسیار محدود است، ساجدا به این موضوع اشاره می‌کند که هنوز سوالات زیادی در رابطه با نحوه کار مغز انسان وجود دارد.

دانشمندان از دهه ۷۰ میلادی در حال کار روی واسط مغز و رایانه برای اهداف پزشکی هستند، اما از سال ۲۰۰۷ این فناوری وارد بخش مصرفی شد. با پیشرفت در فناوری BCI و ظهور گوشی‌های هوشمند، نسخه‌های مصرفی آن‌ها و سایر فناوری‌ها که با مغز ارتباط برقرار می‌کنند، بسیار رایج شدند. برای مثال شرکت «نورواسکای» که در زمینه فروش اپلیکیشن‌های موبایل و پوشیدنی‌ها فعالیت دارد، سنسورهای مغز را بازاریابی می‌کند که به مردم اجازه می‌دهد که اطلاعات مناسبی را وارد اپلیکیشن‌های موبایل کنند.

«Thync» یکی دیگر از شرکت‌های فعال در حوزه فناوری‌های پوشیدنی محسوب می‌شود که ادعا می‌کند اپلیکیشن‌های BCI می‌توانند احساسات کاربر را تغییر دهند. برای مثال می‌توان آن‌ها به را خواب ترغیب کرد یا حتی مشکل پوستی آن‌ها با نام «پسوریازیس» را نیز درمان کرد. «Emotiv» شرکت دیگری بوده که هدست‌ EEG قابل حمل با قیمت ۷۰۰ دلار به فروش می‌رساند که توسط آن می‌توان اطلاعات مغز را برای آزمایش‌ها جمع آوری کرد. بسیاری از این محصولات مجوز دریافت نکرده‌اند و توسط سازمان مربوطه مورد بررسی قرار نگرفته‌اند.

 

 

قوانین مشخصی برای واسط مغز و رایانه وجود دارد؟

سازمان غذا و داروی ایالات متحده آمریکا (FDA) که برای دستگاه‌های پزشکی شامل BCI مجوز صادر می‌کند تنها برخی از آن‌ها را مورد تایید قرار داده، در حالی که تعداد بالایی از آن‌ها از نظر فنی جزو دستگاه‌های پزشکی دسته‌بندی نمی‌شوند و به صورت مستقیم در بازار به فروش می‌رسند. برای مثال در سال ۲۰۱۵ FDA دستگاه توسعه یافته توسط Thync را به عنوان یک دستگاه پزشکی تایید نکرد. FDA درباره واسط مغز و رایانه‌ که توسط آزمایشگاه‌ها مورد استفاده قرار می‌گیرد، دستورالعمل دارد اما برای نمونه‌هایی که در بازار به فروش می‌رسند دستورالعمل مشخصی وجود ندارد.

 

تحریک جریان مستقیم درون‌ جمجمه‌ای می‌تواند عملکرد افراد را افزایش دهد

به گفته ساجدا، این شکاف‌های نظارتی نگرانی‌های زیادی ایجاد کرده. برای مثال یکی از روش‌های درمان توسط BCI، تحریک بخش‌های خاصی از مغز برای بهبود عملکردهای مخصوصی شامل حافظه، زبان یا دقت است. این نوع از واسط‌های مغز و رایانه از تکنیکی به نام تحریک جریان مستقیم درون‌ جمجمه‌ای (tDCS) استفاده می‌کنند و می‌تواند حرکت فیزیکی و زمان واکنش را تقویت کند. با این وجود، ابهاماتی درباره مزایای این روش وجود دارد.

با این وجود، برخی مانند نیروی دریایی آمریکا و بازیکنان تیم بسکتبال «گلدن استیت واریرز» در حال آزمایش تحریک جریان مستقیم درون ‌جمجمه‌ای برای بهبود عملکرد خود هستند. علاوه بر این، نمونه‌های خانگی این دستگاه‌ها نیز در حال تولید هستند تا توسط آن‌ها بتوان عملکردهای مختلف را بهبود داد یا حتی افسردگی را درمان کرد. تمام این موارد می‌توانند برای افراد عوارض ایجاد کنند و به مغز آسیب بزنند.

ایلان ماسک ادعاهای عجیب‌تری در رابطه با واسط مغز و رایانه دارد که آن، ترکیب آن با هوش مصنوعی است که البته هنوز نمونه مشخصی از آن توسط نورولینک معرفی نشده و اطلاعی از نحوه عملکرد آن نداریم.

پژوهشگر ارشد آزمایشگاه اخلاق و سیاست دانشگاه ETH در زوریخ سوئیس، «مارچلو اینکا» هشدار داده که اگر شرکت‌ها ادعاهای اغراق آمیز مطرح کنند، افراد ترغیب می‌شوند که در آزمایش‌ها شرکت کنند و دنبال نتایج غیر واقعی باشند، بنابراین باید آزمایش‌های انسانی توسط کمیته‌ای مورد تایید قرار بگیرند و پیش از حضور شرکت‌کنندگان، مزایا و خطرات آن‌ها بررسی شوند.

برخی شرکت‌ها و دانشمندان در حال توسعه واسط مغز و رایانه هستند و برخی نیز به دنبال ایجاد یک چارچوب قانونی برای جلوگیری از سوءاستفاده از اطلاعات مغز هستند. نظارت روی فعالیت مغز توسط BCI، اطلاعات زیادی تولید می‌کند که از آن‌ها می‌توان برای اهداف مختلفی از تبلیغات گرفته تا کمپین‌های سیاسی استفاده کرد. به عنوان مثال آزمایش تیم ساجدا به دنبال اطلاع از این موضوع است که افراد روی چه مواردی در محیط اطراف خود تمرکز می‌کنند که می‌توان از آن برای بهبود تبلیغات استفاده کرد.

برای رفع این نگرانی‌ها، اینکا یک رویکرد قانونی با نام «حقوق ذهن» را پیشنهاد داده. این چارچوب قانونی درباره جمع‌آوری اطلاعات، استفاده و همچنین محافظت از آن‌ها اطمینان حاصل می‌کند. اینکا مقاله‌ای در این زمینه در سال ۲۰۱۷ منتشر کرد و که در آن به حقوق جدید که می‌تواند در دهه‌های آینده به قوانین اضافه شوند شامل حق آزادی شناختی، حق داشتن حریم ذهنی، حق تمامیت ذهنی و حق دوام روانشناسی، اشاره داشت. به اعتقاد اینکا، این موارد می‌توانند مانع از سوءاستفاده از اطلاعات مغز شوند.

 

احتمال تغییر شخصیت افراد توسط واسط مغز و رایانه وجود دارد

در حال حاضر شرکت‌های فناوری به علت سرویس‌های خود می‌توانند به برخی اطلاعات حساس کاربران دسترسی پیدا کنند و اطلاعات مغز این موارد را افزایش می‌دهند. اکثر برنامه‌های واسط مغز و رایانه به پذیرش شرایط استفاده از سرویس توسط کاربران وابسته هستند که البته افراد کمی آن‌ها را می‌خوانند.

با پیشرفت در حوزه BCI، نیاز به شفافیت قانونی افزایش پیدا می‌کند. فناوری شاید بتواند در نحوه عملکرد مغز افراد تغییر ایجاد کند یا آنطور که برخی تحقیقات نشان داده‌اند، توسط آن می‌توان هویت خود را درک کرد. برای مثال مطالعه‌ای در سال ۲۰۱۹ روی ۶ بیمار مبتلا به صرع انجام شد تا مشخص شود مغز آن‌ها چگونه به BCI واکنش نشان می‌دهد و این واسط درون مغز آن‌ها برای هشدار تشنج کاشته شد. برخی از افراد پس از این کار احساس قدرت کردند، اما تعدادی روی مشکل خود تاکید بیشتری داشتند. یکی از آن‌ها پس از کاشت این واسط گفته بود که همیشه احساس بیماری می‌کند و حس متفاوت بودن نسبت به دیگران دارد. در حقیقت این فرد پس از کاشت واسط تبدیل به فرد دیگری شد.

برای رفع نگرانی‌ها در این زمینه نیاز به قانون داریم. به نظر می‌رسد FDA به دنبال قوانینی برای واسط‌های مغز و رایانه است، اما هنوز نمی‌دانیم چگونه به مشکلاتی که در تحقیق‌های قبلی ایجاد شده، توجه می‌شود. بسیاری به دنبال حفاظت از اطلاعات مغز هستند و از هر روشی برای این کار بهره می‌برند که برای مثال می‌توان به مسائل اخلاقی اشاره کرد. در گذشته شاهد چنین موضوعی برای دستکاری ژنتیکی بودیم که در نهایت در سال ۲۰۰۳، قوانینی برای آن وضع شد که روی جمع‌آوری و دستکاری اطلاعات ژنتیکی انسان‌ها نظارت دارد. به نظر می‌رسد باید منتظر چنین رویه‌ای برای BCI نیز باشیم.

منبع: digiato.com

شیوع کرونا به جایگزینی ربات با انسان سرعت داده است

ویروس کرونا باعث شده بسیاری از مردم نتوانند سر کار حاضر شوند و این موضوع ضربه بزرگی به اقتصاد جهانی و همچنین تولیدات در کشورهای مختلف زده. در این میان بسیاری از سرمایه‌گذاران، ربات‌ها و اتوماسیون را راه‌حل مناسبی می‌دانند و شرکت‌های فعال در این زمینه با جذب سرمایه، فعالیت‌های خود را افزایش می‌دهند. قرنطینه کارگران و جذب سرمایه روند اتوماسیون را سرعت می‌بخشد و می‌تواند در آینده نزدیک میلیون‌ها نفر را در سراسر جهان بیکار کند، موضوعی که برای بسیاری ترسناک است. کرونا برای بسیاری از کارگران دردسر ایجاد کرده و بسیاری از آن‌ها خانه نشین شده‌اند. در حالی که نزدیک به ۲۰ سال پیش راه‌حلی به نام اتوماسیون چندان جدی گرفته نمی‌شد، اما به لطف پیشرفت در بخش‌های مختلف مانند دید ماشینی، یادگیری ماشینی و هوش مصنوعی، سیستم عامل‌های متن باز رباتیک ، اجزای قابل حمل و سنسور‌ها مورد توجه بسیاری از فعالان قرار گرفته و برخی آن را راه‌حلی از آینده برای این مشکل جهانی می‌دانند.

در حالی که اقتصاد با مشکلات زیادی دست و پنجه نرم می‌کند و بسیاری از استارتاپ‌ها و شرکت‌ها با مشکل مالی مواجه شده‌اند، اما سرمایه‌گذاران از ایده‌ها در زمینه اتوماسیون و رباتیک استقبال می‌کنند. برای مثال یک شرکت چینی با نام ForwardX Robotics که در زمینه لجستیک فعالیت دارد، به تازگی موفق به جذب ۱۵ میلیون دلار سرمایه شده که مجموع سرمایه آن را به ۴۰ میلیون دلار افزایش می‌دهد. علاوه بر این شرکت، BrainCorp که در زمینه اسکرابر رباتیک نیز فعالیت دارد، موفق به جذب ۳۶ میلیون دلار سرمایه شده است.

«نیکلاس چی»، موسس و مدیرعامل ForwardX Robotics در رابطه با دوران کنونی اعلام کرده:

«ما چالش‌های زیادی برای رهبران زنجیره تامین در لجستیک و صنایع تولیدی، از رشد کمبود نیروی کار و مشتری تا انتظار برای افزایش انعطاف پذیری را شاهد هستیم. راه‌حل‌ خودکار ما مبتنی بر هوش مصنوعی، به مشتریان این امکان را می‌دهد که به سرعت با شرایط سازگار شوند و بهره‌وری خود را تا ۳ برابر افزایش دهند. با توجه به شیوع کرونا، شرکت‌ها خواهان تضمین امنیت فعالیت‌های خود در آینده هستند و ما برای این کار، کنار آن‌ها خواهیم بود.»

در حالی که صنایع رباتیک به تازگی مورد توجه قرار گرفته، از نزدیک به یک دهه پیش انقلاب آن‌ها در راه بود. شرکت‌ها و سازمان‌های مختلفی در سال‌های گذشته و اوایل قرن بیست و یکم با برگزاری مسابقات قصد افزایش فعالیت‌ها در این زمینه را داشتند و حالا با توجه به عدم امکان حضور کارگران در سر کار، محبوبیت آن‌ها بیشتر از قبل شده. شاید اتوماسیون روزی تعداد بالایی از مردم را بیکار کند و جایگزین کارگران برای اجرای وظایف ساده شود.

منبع: digiato.com

ایلان ماسک: برنامه‌نویسان جوان قواعد فعلی را بشکنند

ایلان ماسک در مصاحبه‌ای اینترنتی با اعضای باشگاه «Hack Club» از آنها خواست بیش از تئوری روی تولید ابزارهای فیزیکی متمرکز کنند چرا که اینکار به مراتب سخت‌تر است. وی همچنین با آنها در مورد خطرات هوش مصنوعی به گفتگو پرداخت.

Hack Club شبکه ای از باشگاه‌های کدنویسی در مدارس است که آموزش در آن بر پایه پروژه های عملی صورت می گیرد. فعالیت این گروه در پی تعطیلی مدارس بر اثر شیوع کرونا فعلا متوقف شده و حالا روی آموزش فناوری از طریق یوتیوب متمرکز شده‌اند. Hack Club روز شنبه میزبان ایلان ماسک، مدیرعامل تسلا بود و وی از طریق یوتیوب نظرات خود درباره برنامه نویسی، هوش مصنوعی و مسائل دیگر را با اعضای آن در این میان گذاشت.

 

ماسک در ابتدا به بیان مزیت‌های تولید پرداخت و تاکید کرد که ما در حال جدا شدن از دنیای فیزیکی اتم ها هستیم:«ما باید به ساخت و تولید ابزارهای فیزیکی اهمیت بیشتری بدهیم. اساس تولید ابزارها ساخت خطوط تولید است.» وی افزود که خلاقیت و کار روی سیستم تولید به مرتب سخت‌تر از آن چیزی است که مردم تصور می‌کنند: «طراحی راکت دشوار است اما تولید راکت ۱۰ برابر و توسعه خط تولید راکت ۱۰۰ برابر از آن سخت‌تر است.»

ماسک در پاسخ به سوالی در مورد دشواری‌های مدیریت همزمان تسلا و اسپیس ایکس که هر دو در زمینه تولید فعالیت دارند، یکی از چالش‌های دشوار و همیشگی خود را سوییچ بین اسپیس ایکس، کمپانی فعال در زمینه رابط کاربری مغز-ماشین Neuralink و زندگی شخصی عنوان کرد.

 

 

خطرات هوش مصنوعی

ماسک که پیش از درباره خطرات هوش مصنوعی هشدار داده بود یکبار دیگر تاکید کرد سواستفاده از هوش مصنوعی می‌تواند به سرعت باعث شعله‌ور شدن آتش جنگ شود. از نظر وی هوش مصنوعی نباید به حال خود رها شود و باید کنترل آن در دست اپراتور قرار داشته باشد.

مدیرعامل اسپیس اکس در بخش پایانی سخنانش از دانش آموزان خواست که ایده‌ها را نه بر اساس جایگاه یا میزان نفوذ مطرح کننده آن بلکه بر اساس منطق بسنجند.

منبع: digiato.com

دستاورد جدید هوش مصنوعی: تبدیل سیگنال‌های مغز به متن با دقت ۹۷ درصد

دانشمندان به تازگی موفق به توسعه سیستم هوش‌مصنوعی جدیدی شده‌اند که می‌تواند سیگنال‌های مغز انسان را با دقت ۹۷ درصد به متن تبدیل کند.

برای اولین بار شاهد توسعه سیستمی با این میزان دقت هستیم. محققان دانشگاه کالیفرنیا، سانفرانسیسکو (UCSF) به چنین موفقیتی دست پیدا کرده‌اند. برای افزایش دقت این سیستم، این تیم توسط جراح مغز و اعصاب، «ادوارد چانگ» سرپرستی شده. در این تحقیق روش جدیدی برای رمزگشایی الکتروکورتیکوگرام مورد استفاده قرار گرفت: پالس‌های الکتریکی که در طی فعالیت قشر مغز ایجاد می‌شوند، توسط الکترودهای کاشته شده در مغز جمع‌آوری شدند.

در این تحقیق جدید چهار بیمار مبتلا به صرع با استفاده از ایمپلنت‌هایی برای نظارت بر تشنج، مورد بررسی قرار گرفتند. تیم دانشگاه UCSF به بیماران گفته بود تعدادی جمله را با صدای بلند بخوانند و تکرار کنند. طی این آزمایش، الکترودها فعالیت مغز را جمع‌آوری کردند.

اطلاعات جمع‌آوری شده وارد یک شبکه عصبی شد. این شبکه عصبی وظیفه تحلیل الگوهای درون فعالیت مغز متناسب با گفتارهای خاص مانند حروف صدادار، صامت‌ها یا حرکات دهن بر اساس صداهای ضبط شده طی آزمایش را برعهده داشت.

پس از این کار، شبکه عصبی دیگری این اطلاعات که از تکرار ۳۰ تا ۵۰ جمله جمع‌آوری شده بود، رمزگشایی کرد. در حقیقت هدف از این کار، پیش‌بینی جملات اصلی تحلیل شده توسط شبکه عصبی اول، در شبکه عصبی دوم بود.

این تحقیق نشان داد سیستم هوش‌مصنوعی توسعه پیدا کرده می‌تواند سیگنال‌های مغز را با ۳ درصد خطا به متن تبدیل کند. در شرایط آزمایشگاهی برای اولین بار چنین دقتی ثبت شده است. تیم دانشگاه UCSF نمونه‌ای از جملاتی که این سیستم به اشتباه تشخیص داده را منتشر کرده. برای مثال جمله «این موزه هر عصر موسیقی‌دان استخدام می‌کند»، توسط هوش‌مصنوعی «این موزه هر صبح گران‌قیمت موسیقی‌دان استخدام می‌کند» پیش‌بینی شده است.

منبع: digiato.com

اینتل قدرتمندترین سیستم تحقیقاتی نورومورفیک را معرفی کرد

اینتل سیستم تحقیقاتی نورومورفیک جدیدی معرفی کرده که ظرفیتش ۱۰۰ میلیون نورون و متشکل از ۷۶۸ تراشه‌های نورومورفیک Loihi است.

اینتل جدیدترین و قدرتمندترین سیستم تحقیقاتی نورومورفیک (عصب‌گون) خود، Pohoiki Springs را معرفی کرد. این شرکت ظرفیت سیستم تحقیقاتی نورومورفیک یادشده را تا ۱۰۰ میلیون نورون افزایش داده است. Pohoiki Springs سیستم پایگاه داده‌ی نصب‌شده روی قفسه و متشکل از ۷۶۸ تراشه‌ی تحقیقاتی نورومورفیک Loihi است که در یک‌جا و درون شاسی به‌مراتب بزرگ‌تر از شاسی استاندارد سرور قرار گرفته‌‌اند. Pohoiki Springs بسیار بزرگ‌تر از سیستم نورومورفیک پیشین اینتل، یعنی Kapoho Bay است که با داشتن دو تراشه‌ی Loihi، از ۲۶۲ هزار نورون دیجیتال بهره می‌برد.

تراشه‌های نورومورفیک درقیاس‌با سایر پردازنده‌های تیم آبی بسیار متفاوت هستند و برای تقلید از مغز انسان طراحی شده‌‌اند. چنین امکانی با پایه‌سازی تراشه‌ها برمبنای عصب‌شناسی محقق شده است. به‌جای تکانه‌های عصبی (Nerve impulse) که شوک‌های الکتریکی ارسال‌شده به مغز هستند، تراشه‌های نورومورفیک اینتل تغییرات منحصر به خودشان را دارند که تیر (Spike) نامیده می‌شود. طراحی این تراشه‌ها به‌عنوان مقلدی از مغز انسان سبب شده است آن‌ها داده‌های پردازش‌نشده یا نویزدار را به‌صورت بی‌درنگی اجرا کنند؛ ولی برای پردازنده‌های معمولی اجرای چنین داده‌هایی بسیار وقت‌گیر است.

سیستم‌های تحقیقاتی نورومورفیک در درجه‌ی اول در پایگاه‌های داده استفاده قرار می‌شوند؛ یعنی پلتفرم‌هایی که برای ایجاد تغییر در تفاوت‌ها طراحی شده‌اند و برای مثال محدودیت‌ها و مشکلات را رفع می‌کنند. مشکلات یادشده می‌تواند وظایف ساده‌ای همچون برنامه‌ریزی برای تحویل بسته یا مشکلات پیچیده‌ای مانند تخصیص سبد سهام یا کاهش ریسک نرخ بازگشت سرمایه باشد.

باتوجه‌به اینکه اینتل ظرفیت سیستم نورومورفیک را افزایش داده و تعداد تراشه‌های مجتمع Loihi را از ۲ به ۷۶۸ رسانده است، سیستم‌های این شرکت امکان یافته‌اند مشکلات پیچیده‌تر را بهتر حل کنند. درکنار افزایش قدرت پردازشی، سیستم جدید تیم آبی فقط ۵۰۰ وات توان مصرفی دارد که برای ۷۶۸ تراشه‌ی پردازشی Loihi بسیار پربازده است.

سیستم جدید نورومورفیک می‌تواند در یادگیری عمیق هوش مصنوعی کاربرد داشته باشد و نه‌تنها اطلاعات را سریع‌تر پردازش کند؛ بلکه بخش‌های مختلفی از اطلاعاتی را محاسبه کند که در آن لحظه موردنیاز انسان است. درحالی‌که برای به‌روزرسانی سیستم نورومورفیک اینتل، تنها ۷۶۸ تراشه‌ی Loihi اضافه شده، از نظر تئوری، عملکرد مغز انسان تقریبا برابر با ۶۵۰ هزار تراشه‌ی Loihi است. درحال‌حاضر، سیستم جدید نورومورفیک نمی‌تواند با مغز انسان رقابت کند؛ ولی به‌روزرسانی‌های گسترده‌ی اینتل نشان می‌دهد در آینده، ممکن است سیستم‌های نورومورفیک بیش‌ازپیش رشد کنند.

منبع: zoomit.ir

مایکروسافت نقش هوش مصنوعی را در بررسی به‌روزرسانی‌های ویندوز ۱۰ شرح داد

مایکروسافت از هوش مصنوعی و یادگیری ماشین در بررسی صحت عملکرد به‌روزرسانی‌های ویندوز ۱۰ استفاده می‌کند که با وجود انتقادها، دستاوردهای مهمی دارد.

مایکروسافت به‌دلیل مشکلات متعدد به‌روزرسانی‌های اخیر ویندوز ۱۰، هدف انتقادهای شدیدی قرار گرفت. ردموندی‌ها چندی پیش برای رفع باگ‌های ایجادشده پس از عرضه‌ی به‌روزرسانی مه ۲۰۱۹، مجبور شدند به‌روزرسانی کلی و بزرگ دیگری منتشر کردند. پس از مدتی، یکی از کارمندان سابق شرکت ویدئویی از نحوه‌ی آزمایش ویندوز و تغییرات ویندوز ۱۰ منتشر کرد. او در ویدئو خود ردموندی‌ها را به‌‌دلیل استفاده از هوش مصنوعی به‌جای کاربران انسانی در آزمایش ویندوز ۱۰ سرزنش می‌کرد.

ردموندی‌ها برای توضیح نقش هوش مصنوعی و یادگیری ماشین در آزمایش ویندوز ۱۰، پست وبلاگی منتشر کردند. آن‌‌ها اخیرا  v1903 را به‌عنوان نسخه‌ی عرضه‌ی گسترده معرفی کردند و در حال بررسی دستگاه‌های متعدد برای مناسب‌ بودن عرضه‌ی به‌روزرسانی‌های جدید ویندوز ۱۰ هستند. توسعه‌دهنده‌ی ویندوز می‌گوید v1803 اولین به‌روزرسانی ویندوز ۱۰ بود که برای بررسی مناسب‌بودن آن در دستگاه‌های گوناگون، از یادگیری ماشین استفاده شد.

به روزرسانی ویندوز ۱۰

پس از بررسی دستگاه‌های مناسب برای دریافت به‌روزرسانی، v1803 فقط برای کامپیوترهایی ارائه شد که مشکلی با اجرای آن نداشتند. به‌علاوه در پست وبلاگی مایکروسافت، می‌خوانیم یادگیری ماشین در مقابله با مشکلات متعدد عملکردی و اطمینان از بی‌ نقص‌ بودن فرایند انتشار به‌روزرسانی به آن‌ها کمک می‌کند. آمارها نشان می‌دهد کامپیوترهای شخصی‌ای که به‌روزرسانی را از طریق یادگیری ماشین دریافت می‌کنند، مشکلات کمتری در سطح کرنل خواهند داشت. به‌علاوه، توقف فعالیت کامپیوتر و مشکلات مربوط به درایورها پس از به‌روزرسانی،‌ کمتر در آن‌ها دیده می‌شود.

در بخشی از پست وبلاگی مایکروسافت، نمودار یادگیری ماشین را می‌بینیم که زیرساخت کلی و استفاده از این فناوری را در انتخاب کامپیوترهای واجد شرایط دریافت به‌روزرسانی نشان می‌دهد. ناگفته نماند یادگیری ماشین دو قابلیت مهم به فرایندهای به‌روزرسانی اضافه می‌کند:

  • این فناوری مشکلات احتمالی را در کامپیوترهای نامزد دریافت به‌‌روزرسانی شناسایی می‌کند؛ درنتیجه، مشکلات را پیش از ارائه‌ی نهایی توسعه‌دهنده‌های ویندوز شناسایی و رفع می‌کنند.
  • با استفاده از یادگیری ماشین، کامپیوترهای شخصی‌ای شناسایی می‌شوند که به‌روزرسانی بی‌عیب را تجربه خواهند کرد؛ درنتیجه، به‌روزرسانی فقط برای آن‌ها ارائه می‌شود.همان‌طورکه گفته شد، مایکروسافت از ترکیب هوش مصنوعی با یادگیری ماشین استفاده می‌کند؛ بنابراین، مدل یادگیری از به‌روزرسانی‌های گذشته نکاتی را فرا می‌گیرد و رخدادهای آتی را بهتر پیش‌بینی خواهد کرد. چنین رویکردی باعث می‌شود کامپیوترهای مجهز به سخت‌افزار یا نرم‌افزار ناهماهنگ، به‌روزرسانی را تا زمان بهبود سخت‌افزار یا نرم‌افزار برای هماهنگی دریافت نکنند.به روزرسانی ویندوز ۱۰ردموندی‌ها علاوه‌بر فناوری‌های مذکور از Azure Databricks استفاده می‌کنند تا عملکردهای غیرعادی را شناسایی و راهکارهایی برای حفاظت از کامپیوترهای شخصی هدف پیاده‌سازی کنند. البته آن‌ها از روش‌های سنتی مانند فرایندهای آزمایشگاهی و بازخوردهای زنده و تماس‌های واحد پشتیبانی برای اطمینان از منتشرنشدن به‌روزرسانی برای کامپیوترهای ناسازگار استفاده می‌کنند.اگرچه مایکروسافت اکنون از یادگیری ماشینی برای بررسی به‌روزرسانی‌ها استفاده می‌کند، هیچ‌گاه ادعای کامل‌بودن مدل خود را نکرده است. به‌علاوه، آن‌ها تلاش می‌کنند زمان شناسایی مشکلات را از چند ساعت به چند ثانیه کاهش دهند. اگر بخواهیم به‌روزرسانی ۱۹۰۳ را به‌عنوان معیاری برای سنجش انتخاب کنیم، ردموندی‌ها هنوز راه زیادی برای تکامل مدل یادگیری ماشین خود دارند؛ مدلی که بتواند از مشکلات متعدد کاربران پس از به‌‌روزرسانی ویندوز ۱۰ جلوگیری کند. با وجود این، آینده‌ی روشنی برای مدل کنونی تصور می‌شود و پس از تکامل، می‌توان آن را ابزاری برای کمک به مایکروسافت برای کاهش هزینه‌ی نیروی انسانی دخیل در فرایند به‌روزرسانی ویندوز دانست.

تولید اولین هوش مصنوعی غیردیجیتالی که نیازی به مصرف برق ندارد

دانشمندان موفق‌‌به تولید اولین نمونه از شیشه‌‌های هوشمندی شده‌‌اند که می‌تواند به‌‌کمک علم اپتیک، اعداد مختلف را از یکدیگر تشخیص دهد.

 

طبق نتایج پژوهش اخیر دانشمندان حوزه‌‌ی هوش مصنوعی ؛ برای خلق یک هوش مصنوعی نه‌‌تنها نیازی به یک کامپیوتر نداریم؛ بلکه شاید اصلا نیازی به الکتریسیته هم وجود نداشته باشد.

در یک پژوهش خارق‌‌العاده، دانشمندانی در دانشگاه ویسکوزین-مدیسون موفق شده‌‌اند روشی برای تولید یک شیشه مجهز به هوش مصنوعی بیابند که می‌‌تواند بدون نیاز به هرگونه حسگر، مدار یا حتی منبع توان خارجی، تصاویر را از یکدیگر تشخیص دهد. این فناوری روزی می‌‌تواند منجربه افزایش طول عمر باتری تلفن همراهتان شود. زونگ‌‌فو یو، نویسنده‌‌ی ارشد این پژوهش می‌‌گوید:

ما همواره می‌‌اندیشیم که چگونه می‌‌توان در آینده به ماشین‌‌ها قدرت بینایی بخشید؛ موضوعی که به‌‌خصوص برای کاربردهایی نظیر فناوری‌‌های مأموریت‌‌محور اهمیت دارد. این موضوع می‌‌تواند همه‌‌چیز را در ارتباط‌‌با طراحی بینایی ماشین متحول کند.

 

یو می‌‌افزاید: این روزها ما به محاسبات دیجیتالی عادت کرده‌‌ایم؛ اما این (پژوهش) افق دید ما را گسترده‌‌تر کرد. دینامیک موجی انتشار نور، روش تازه‌‌ای را از محاسبات عصبی مصنوعی آنالوگ پیش روی ما قرار می‌‌دهد. وی همچنین می گوید: ما می‌‌توانیم چنین شیشه‌‌ای را به‌‌گونه‌‌ای تنظیم کنیم که بتواند چهره‌‌ی تنها یک نفر را بشناسد و بدین‌‌ترتیب از آن به‌‌عنوان یک قفل بیومتریک استفاده کنیم. اگر یک‌بار چنین تنظیماتی انجام شود، دیگر بدون نیاز به مصرف انرژی یا اینترنت می‌‌توان تا ابد از آن بهره برد. این بدان معنا است که این فناوری می‌‌تواند یک چیز را تا هزاران سال برایتان محفوظ نگاه دارد.

 

در یک مطالعه‌‌ی اثبات مفهومی که روز دوشنبه در ژورنال علمی فوتونیکس به‌‌چاپ رسید، پژوهشگران توضیح می‌دهند که چگونه موفق به تولید یک قطعه «شیشه‌‌ی هوشمند» شده‌‌اند که می‌‌تواند اعداد دست‌‌نویس را از یکدیگر تشخیص دهد.

کاربردهای هوش مصنوعی

کاربردهای هوش مصنوعی؛ تعریف و روند پیشرفت:

در اصطلاح عامیانه، واژه هوش مصنوعی زمانی به کار برده می‌شود که یک دستگاه از عملکرد شناختی که طی آن انسان‌ها از اندیشه‌ها و افکار دیگر انسان‌ها بهره می‌گیرند، تقلید کند، عملکرد شناختی همچون، یادگیری و حل مشکلات.

در واقع هوش مصنوعی و یادگیری ماشین را باید کلید حل مشکلات در دنیای فناوری خواند. این روزها هوش مصنوعی، یادگیری ماشین، یادگیری عمیق و اصطلاحاتی این چنین، در خلال اخبار دنیای فناوری، بسیار به گوش می‌رسند؛ چراکه بسیاری از کمپانی‌های رده بالا و پیشتاز در دنیای فناوری، هوش مصنوعی را قدم بزرگ بعدی برای اضافه کردن قابلیت یادگیری به رایانه‌ها عنوان کرده‌اند.

ابزارهای بسیاری در هوش مصنوعی به کار گرفته شده اند که انواع تحقیق و بهینه سازی ریاضی، منطق، شیوه های مبتنی بر احتمال و اقتصاد را احاطه کرده است.

هوش مصنوعی مدعی است که می توان هوش انسانی را جزء به جزء ترسیم کرده و دستگاهی برای تقلید از آن ساخت.

هوش مصنوعی در سال‌های اخیر پیشرفت‌های زیادی کرده و به تدریج در حال تبدیل شدن به یک صنعت بزرگ است. به این ترتیب کامپیوترها و دستگاه‌های دیجیتال در این حوزه به سرعت در حال پیچیده و پیشرفته‌تر شدن هستند. با این حال اما بعضی از باهوش‌ترین مردم جهان عمیقا نگران روزی در آینده نه چندان دور هستند که در آن روبات‌ها می‌توانند رشد کنند و در برابر ما قرار بگیرند، تا جایی که این روند در نهایت تهدیدی برای موجودیت بشر باشد.

تیم برنرزلی  معمار ساختار اصلی و اولیه وب جهانی معتقد است؛ در اختیار گرفتن کنترل جهان توسط هوش مصنوعی می‌تواند کابوس ترسناکی باشد. این پدیده با ایجاد شرکت‌های جدید و نفوذ به ساختار بخش‌ها و شرکت‌های مختلف دیگر می‌تواند تغییرات جدی در دنیای پیرامون ما ایجاد کند.

استفان هاوکینگ نیز به عنوان یکی دیگر از پیشتازان این صنعت مدتی پیش در دانشگاه کمبریج درباره آینده هوش مصنوعی صحبت کرد. آن‌طور که پروفسور هاوکینگ می‌گوید: با سرعتی عجیب به آینده هوش مصنوعی نزدیک می‌شویم.

 او معتقد بود که هوش مصنوعی تله‌ها و دام‌های مخرب مختلفی دارد. آنچه نشان می‌دهد که در تئوری‌ها کامپیوترها توانایی انجام آن را دارند، در واقع نوعی شبیه‌سازی از مغز انسان است. همین روند هم در حال توسعه هوش مصنوعی است. از نظر وی پیش از آنکه به آنجا برسیم که روبات‌ها بخواهند تصمیم بگیرند بشر کلا مازاد است یا نه،  باید فکر کنیم ببینیم خودروی بی‌راننده باید برای حفظ جان سرنشین برنامه‌ریزی شود یا حفظ جان عابر؟

 

کاربردهای هوش مصنوعی:

امنیت داده‌ها:

بدافزارها یکی از مشکلات کاربران و کمپانی‌ها در فضای آنلاین است. تحقیقات انجام شده نشان از این دارد که مدل یادگیری مورد استفاده در هوش مصنوعی قادر است تغییرات ۲ تا ۱۰ درصدی در کد پیاده‌سازی شده را شناسایی کرده و تشخیص دهد که کدام فایل‌ها بدافزار هستند. همچنین باید به این نکته اشاره کرد که الگوریتم‌های یادگیری ماشین می‌توانند الگوی‌های مربوط به رد و بدل شدن اطلاعات در سرورهای ابری را تحت نظر گرفته و موارد مشکوک را که احتمالا منجر به سوءاستفاده‌های امنیتی خواهند شد، شناسایی کنند.

امنیت در دنیای واقعی:

این روزها گیت‌های امنیتی در تمام مکان‌ها نظیر فرودگاه‌ها یا شماری از گردهمایی‌ها که حساسیت امنیتی وجود دارد، دیده می‌شوند. یادگیری ماشین نشان داده که قادر است روند کنترل امنیتی را تسریع کرده و دقت این فرآیند را افزایش دهد.

مبادلات مالی:

بسیاری از افراد تمایل دارند تا قیمت سهام کمپانی‌ها در روزهای آینده را در صورت حاکم شدن شرایط مشخص، پیش‌بینی کنند. استفاده از یادگیری ماشین در کنار کلان‌ داده، درصدد تحقق این امر است.

سرویس‌های سلامتی و مراقبت‌های بهداشتی:

الگوریتم‌های مبتنی بر یادگیری ماشین می‌توانند اطلاعات بسیار زیادی را پردازش کرده و الگوهای بسیاری را در مقایسه با انسان‌ها از میان داده‌های بسیار استخراج کنند.

بازاریابی:

هراندازه که درک و شناخت شما از کاربرانتان بیشتر باشد، بهتر می‌توانید به آن‌ها سرویس دهید و در نتیجه فروش بهتری را نیز تجربه خواهید کرد. این نگرش را باید بنیان استفاده از یادگیری ماشین و هوش مصنوعی در بازاریابی خواند.

جلوگیری از تقلب:

توانایی یادگیری ماشین در زمینه‌ی شناسایی و جلوگیری از تقلب در سرویس‌های مختلف روز به روز افزایش پیدا می‌کند که این توانایی در حوزه‌های مختلف قابل استفاده است.

سیستم ارائه‌ی پیشنهاد:

سرویس‌هایی نظیر آمازون و نتفلیکس با استفاده از فعالیت‌های کاربران در سرویس‌هایشان، پیشنهاداتی را در اختیار افراد قرار می‌دهند. الگوریتم‌های مبتنی بر یادگیری ماشین با تحلیل و بررسی فعالیت یک کاربر مشخص و مقایسه‌ آن با میلیون‌ها کاربر دیگر، لیستی از پیشنهادات را تهیه می‌کنند که احتمالا کاربر در نوبت بعدی به خرید کالا یا برنامه‌ی پیشنهادی علاقه نشان دهد. این پیشنهادات که برگرفته از سیستم‌های هوشمند هستند، رفته رفته باهوش‌تر شده و می‌توانند درک کنند که شما چه کالاهایی را برای هدیه دادن و چه کالاهایی را برای استفاده‌ شخصی خریداری می‌کنید.

جستجوی آنلاین:

به جرأت می‌توان جستجوی اینترنتی را شناخته شده‌ترین نمونه از کاربرد یادگیری ماشین خواند. الگوریتم هوشمند مبتنی بر یادگیری ماشین قادر است با دریافت اطلاعات، نتایج جستجو را در مقایسه با گذشته بهبود دهد.

تشخیص گفتار:

تشخیص گفتار طبیعی یا Natural language Processing که به اختصار NLP خوانده می‌شود، قابلیت استفاده در کاربردهای مختلف را دارد. با استفاده یادگیری ماشین و تشخیص گفتار طبیعی می‌توان کاربران یا مشتریان را با سرعت بیشتری به سمت اطلاعاتی که مدنظر وی است، هدایت کرد.

خودروهای هوشمند:

IBM اخیرا تحقیقی انجام داده که براساس آن بیش از ۷۴ درصد متخصصان در حوزه‌ خودرو از پیش‌بینی خود برای عرضه‌ تجاری خودروهای هوشمند تا سال ۲۰۲۵ سخن گفته‌اند. یک خودروی هوشمند نه تنها با استفاده از مفهوم اینترنت اشیا قادر است با خودروهای دیگر و تابلوهای کنار جاده ارتباط برقرار کند، بلکه قادر است تا با یادگیری ماشین، عادت‌های کاربر یا به بیان راننده را نیز بشناسد. این عادات شامل دمای داخلی خودرو، تنظیمات سیستم صوتی و وضعیت صندلی است. خودرو قادر است با تکیه بر قابلیت‌های هوشمند تنظیمات را تغییر داده و در صورت بروز مشکل، خود مساله را حل کند.

سازماندهی عکس ها و ویدئوها:

این مورد یکی از نمونه های کاربرد هوش مصنوعی برای کاربران عادی است که شاید خیلی از ما با آن آشنا نباشیم. اگر از گوشی های اندرویدی استفاده می کنید احتمالا با اپلیکیشن اختصاصی گوگل برای مرور تصاویر یعنی Google Photos آشنا هستید. این اپلیکیشن برای سازماندهی و مرتب سازی تصاویر از شبکه های عصبی استفاده می کند.

یافتن فیلم و موسیقی در سبک مورد علاقه:

با وجود عدم دسترسی به سرویس‌هایی مانند اسپاتیفای و نت فلیکس در ایران، بسیاری از کاربران از این دو پلتفرم برای گوش دادن به موسیقی و یا مشاهده و پیدا کردن فیلم‌های سینمایی و سریال استفاده می‌کنند. یکی از قابلیت‌های هر دو پلتفرم مورد اشاره، پیشنهاداتی است که به کاربران ارائه می‌دهند. برای مثال اگر شما طرفدار سبک بلوز در موسیقی باشید و در اسپاتیفای هم به این سبک آهنگ ها گوش کنید، هوش مصنوعی آن علایق شما را تشخیص داده و سعی می‌کند موسیقی‌هایی به شما پیشنهاد کند که در سبک مورد نظرتان باشد.