دوشنبه, 10 تیر 1398 ساعت 05:11

gen زبان برنامه نویسی هوش مصنوعی

نوشته شده توسط
این مورد را ارزیابی کنید
(1 رای)
gen زبان برنامه نویسی هوش مصنوعی gen زبان برنامه نویسی هوش مصنوعی

نکته‌ی خوبی که درباره هوش مصنوعی وجود دارد آن است که رشته‌های مختلفی را دور هم جمع کرده است؛ رشته‌هایی مانند آمار، بینایی کامپیوتری، یادگیری عمیق و مواردی از این قبیل. با جمع کردن این رشته‌ها زیر یک سقف، اکنون توسعه‌دهندگان می‌توانند از همه‌ی آن‌ها به یک اندازه بهره ببرند. تقاضای روبه‌رشد برای توسعه‌ی برنامه‌های کاربردی مبتنی بر هوش مصنوعی نیز عرصه را برای پلتفرم‌هایی که برای طراحی این نوع برنامه‌ها استفاده می‌شوند بیش‌ازپیش هموار ساخته است.

پلتفرم‌ها یا به‌طور خاص زبان‌های برنامه‌نویسی که برای حوزه‌ی وسیعی مانند هوش مصنوعی استفاده می‌شوند باید علاوه‌بر چابکی، از انعطاف‌پذیری زیادی هم برخوردار باشند. ولی برای ساختن چنین پلتفرم‌هایی، باید از موانعی هم گذر کرد؛ یکی اینکه باید عملکرد خوب برای مدل‌های احتمالاتی ناهمگن متشکل از شبیه‌سازهای جعبه‌ی سیاه، شبکه‌های عصبی عمیق و توابع بازگشتی (recursion) را در نظر گرفت و دیگری آنکه باید مفاهیم تجرید و انتزاعی‌سازی مناسب برای تسهیل اجرای الگوریتم‌های استنتاجی را با کمترین محدودیت در اختیار کاربران قرار بدهد. سیستم‌های موجود فاقد انعطاف‌پذیری و کارایی لازم برای کاربردهای عملی با مدل‌های پرچالش در رشته‌هایی مانند بینایی کامپیوتری و رباتیک هستند.

گروهی از پژوهشگران MIT مشغول کار روی پروژه‌ای هستند که آشنایی مبتدی‌ها با هوش مصنوعی را راحت‌تر و در عین حال، زمینه‌ی پیشرفت بیشتر را نیز برای کارشناسان مهیا می‌کند. این پژوهشگران در مقاله‌ای که به‌تازگی در کنفرانس طراحی و پیاده‌سازی زبان برنامه‌نویسی (Programming Language Design and Implementation conference) ارائه شد، سیستم جدیدی به نام «Gen» برای برنامه‌نویسی احتمالاتی معرفی کردند. کاربران مدل‌ها و الگوریتم‌ها را باتوجه‌به زمینه‌های متعددی که تکنیک‌های هوش مصنوعی در آن‌ها به کار گرفته می‌شود، تهیه می‌کنند: مثل بینایی کامپیوتری، رباتیک و آمار. برای انجام این کار نیازی به کلنجار رفتن با معادلات یا دستی نوشتن کدهایی با کارایی بالا نیست. برنامه‌نویسان با استفاده از Gen می‌توانند مدل‌های پیچیده و الگوریتم‌های استنتاجی بنویسند. نوشتن این مدل‌ها و الگوریتم‌ها که برای کارهای مربوط‌به پیش‌بینی استفاده می‌شوند، در گذشته کاری نشدنی بود.

به‌عنوان مثال، پژوهشگران در همین مقاله ثابت کردند که یک برنامه‌ی کوچک Gen این قابلیت را دارد که حالت‌های بدن را به‌صورت سه‌بعدی به دست بیاورد. این کار یکی از کاری پیچیده‌ی استنتاجی در زمینه‌ی بینایی کامپیوتر است که در سیستم‌های خودکار، تعاملات بین انسان و ماشین و واقعیت افزوده کاربرد دارد. این برنامه در واقعیت شامل بخش‌هایی است که کارهای رندر گرافیکی، یادگیری عمیق (Deep Lerning) و انواع مختلف شبیه‌سازی‌های احتمالاتی را انجام می‌دهد. ترکیب این روش‌های متنوع منجر به دقت و سرعت بیشتر در انجام این کارها نسبت به سیستم‌های توسعه‌یافته توسط پژوهشگران دیگر می‌شود.

ادغام روش های مختلف هوش مصنوعی توسط پژوهشگران با استفاده از gen

پژوهشگران معتقد هستند که هر کسی، از افراد تازه‌کار گرفته تا کارشناسان مجرب، به‌راحتی می‌توانند از این سیستم استفاده کند. این راحتی به خاطر سهولت و حتی در برخی از موارد، خودکار بودن آن است. مارکو کوزومانو-تاونر (Marco Cusumano-Towner)، رهبر این گروه و دانشجوی دکترا در دانشکده‌ی مهندسی برق و علوم کامپیوتر دانشگاه MIT، می‌گوید:

یکی از انگیزه‌های طراحی چنین سیستمی آن است که استفاده‌ی افرادی که دانش کمتری درباره‌ی علوم کامپیوتر یا ریاضیات دارند را از هوش مصنوعی راحت‌تر کنیم. همچنین، می‌خواستیم بهره‌وری را افزایش بدهیم؛ یعنی تولید نمونه‌ی اولیه‌ی سیستم‌های هوش مصنوعی و تکرار آن را برای کارشناسان سرعت ببخشیم.

همچنین، آن‌ها موفق شدند که توانمندی Gen در ساده‌سازی تجزیه‌وتحلیل داده‌ها را ثابت کنند و برای این کار از یک برنامه‌ی Gen دیگر استفاده کردند که به‌طور مدل‌های آماری پیشرفته‌ای تولید می‌کرد که معمولا کارشناسان از آن‌ها برای تجزیه‌وتحلیل، تفسیر و پیش‌بینی الگوهای زیربنایی در داده‌ها استفاده می‌کردند.

این برنامه براساس کار قبلی همین پژوهشگران طراحی شده بود که کاربران به‌وسیله‌ی آن می‌توانستند با نوشتن چند خط برنامه، داده‌های خود را به روندهای مالی، مسافرت‌های هوایی، الگوهای رای‌گیری و شیوع بیماری‌ها و سایر روندهای دیگر تبدیل کنند. این سیستم تفاوت‌هایی با سیستم‌های پیشین هم دارد. دست‌یافتن به یک پیش‌بینی دقیق با استفاده از سیستم‌های پیشین نیازمند برنامه‌نویسی به‌صورت دستی بود.

خواندن 35 دفعه آخرین ویرایش در دوشنبه, 10 تیر 1398 ساعت 05:26

نظرات (0)

نظر ارسال شده‌ی جدیدی وجود ندارد

دیدگاه خود را بیان کنید

  1. ارسال دیدگاه بعنوان یک مهمان -
پیوست ها (0 / 3)
اشتراک‌گذاری موقعیت مکانی شما
/**/