هوش مصنوعی

بسیاری از ما عبارت دیجیتال مارکتینگ را شنیده ایم و شاید تا حدی بدانیم که این موضوع چیست اما آیا به طور دقیق می دانید که دیجیتال مارکتیگ شامل چه فرایند ها و مراحلی می شود؟ به طور کلی بازاریابی دیجیتال جزئی از بازاریابی است که از اینترنت و فناوری های دیجیتال آنلاین مانند رایانه های رومیزی ، تلفن های همراه و سایر رسانه ها و سیستم عامل های دیجیتال برای تبلیغ محصولات و خدمات استفاده می کند

تاریخچه دیجیتال مارکتینگ

شاید برای اینکه بهتر بدانیم که دیجیتال مارکتینگ چیست باید اندکی راجع به تاریخ آن بدانیم. توسعه دیجیتال مارکتینگ یا همان بازاریابی دیجیتالی همیشه همسو و همگام با توسعه فناوری بوده است. یکی از اولین وقایع کلیدی در سال 1971 اتفاق افتاد ، زمانی که ری تاملینسون اولین ایمیل را ارسال کرد و فناوری او بستر را برای افرادی فراهم کرد که به افراد امکان ارسال و دریافت فایل از طریق ماشین های دیجیتالی مختلف را بدهد. اما دوره رشد اصلی این تکنیک از 1990 شروع شد. زمانی که موتور جستجوی Archie به عنوان شاخص برای سایت های FTP ایجاد شد. در دهه 1980 ، ظرفیت ذخیره سازی رایانه ها به قدری زیاد بود که می توانست حجم زیادی از اطلاعات مشتری را ذخیره کند. شرکت ها به جای کارگزار لیست محدود ، انتخاب تکنیک های آنلاین مانند بازاریابی پایگاه داده را آغاز کردند. این نوع پایگاه های داده به شرکت ها این امکان را می دهد تا اطلاعات مشتریان را به طور مثرتری ردیابی کنند ، بنابراین روابط بین خریدار و فروشنده را در دنیای دیجیتال متحول می کنند.

ده 90 میلادی به بعد

1990

در دهه 1990 اصطلاح بازاریابی دیجیتال برای اولین بار مطرح شد.با شروع معماری سرور / کلاینت و محبوبیت رایانه های شخصی ، برنامه های مدیریت ارتباط مشتری (CRM) به فاکتور مهمی در فناوری بازاریابی تبدیل شد. بازاریابان همچنین پس از تولد اینترنت قادر به داشتن داده های عظیم آنلاین مشتری توسط نرم افزار eCRM بودند.

2000

در دهه 2000 ، با افزایش تعداد کاربران اینترنت و تولد آیفون ، مشتریان به جای مشورت با یک فروشنده ، ابتدا جستجوی محصولات و تصمیم گیری در مورد نیازهای خود را به صورت آنلاین آغاز کردند ، که این مسئله مشکل جدیدی را برای بخش بازاریابی یک شرکت ایجاد کرد. علاوه بر این ، یک نظرسنجی در سال 2000 در انگلستان نشان داد که بیشتر خرده فروشان آدرس دامنه خود را ثبت نکرده اند. این مشکلات بازاریاب ها را ترغیب می کرد تا روش های جدیدی را برای تلفیق فناوری دیجیتال در توسعه بازار پیدا کنند. در سال 2007 ، اتوماسیون بازاریابی به عنوان پاسخی به جو در حال توسعه بازاریابی توسعه یافت. اتوماسیون بازاریابی فرایندی است که توسط آن نرم افزار برای اتوماسیون فرایندهای متداول بازاریابی استفاده می شود. اتوماسیون بازاریابی به شرکت ها کمک می کند تا مشتریان را تقسیم بندی کنند ، کمپین های بازاریابی چند کاناله را راه اندازی کرده و اطلاعات شخصی را برای مشتریان فراهم کنند. با این حال ، سرعت سازگاری آن با دستگاه های مصرفی به اندازه کافی سریع نبود.

تفاوت دیجیتال مارکتینگ با بازاریابی سنتی چیست

در روش های سنتی بازاریابی بیشتر به صورت فرد به فرد و کلامی بازاریابی می شد. در نهایت رسانه های مانند رادیو و تلوزیون در دسترس بود تا بتوان از طریق آنها بازار یابی کرد. در صورتی که ، استراتژی های بازاریابی دیجیتال غیرخطی با هدف دستیابی به مشتریان احتمالی از طریق چندین کانال آنلاین است.

بازاریابی سنتی از نظر مخاطبان یا مصرف کنندگان هدفمند، محدود است زیرا محدود به مشتریان و یا مصرف کنندگان محلی است در حالی که بازاریابی دیجیتال توجه مشتریان یا مصرف کنندگان از سراسر جهان را به خود جلب می کند و بنابراین از طریق شرکت های بازاریابی دیجیتال می توانند به تعداد بیشتری از مشتریان دسترسی پیدا کرد. همچنین ، دیجیتال مارکتینگ شامل ارتباطات دو طرفه است که امکان تأمین نیاز مشتری را به روشی کارآمد فراهم می کند.
بازاریابی دیجیتال نتایج بازاریابی سریع و در زمان واقعی را فراهم می کند که به شرکت ها امکان می دهد تا استراتژی های بازاریابی را برای ایجاد حداکثر درآمد و سود ،اصلاح کنند. این یکی از دلایل اصلی روی آوردن شرکتها به سیستم عامل بازاریابی دیجیتال است.
بازاریابی دیجیتال بسیار مقرون به صرفه و سازگار با محیط زیست است زیرا تبلیغات بدون کاغذ را فراهم می کند. بازاریابان و مصرف کنندگان می توانند از طریق سیستم عامل های مختلف رسانه های اجتماعی که حتی یک ریال هم هزینه نمی کنند ، تعامل داشته باشند و مستندات به صورت نسخه های نرم افزاری ذخیره شده در طراحی سایت ها است که در هر زمان و هر مکان قابل دسترسی است.

با برترین اپراتور هوش مصنوعی همراه باشید

میکروبلاگینگ یک رسانه پخش آنلاین است که به عنوان شکل خاصی از وبلاگ نویسی وجود دارد. تفاوت یک میکروبلاگ با یک وبلاگ سنتی در این است که محتوای آن به طور معمول هم از نظر حجم فایل واقعی و هم از نظر حجم کوچکتر می شود. وبلاگ های کوچک “به کاربران امکان می دهند عناصر کوچکی از محتوا مانند جملات کوتاه ، تصاویر منفرد یا پیوندهای ویدئویی را مبادله کنند” ، که این ممکن است دلیل اصلی محبوبیت آنها باشد. این پیام های کوچک را گاهی میکرو پست می نامند.

میکروبلاگ از کجا شروع شده و چه کاربرد هایی دارد ؟

اولین وبلاگ های کوچک به عنوان tumblelogs شناخته می شدند. این اصطلاح به این دلیل در یک پست وبلاگی در 12 آوریل 2005 ، رایج شد. با این حال ، تا سال 2006 و 2007 ، اصطلاح میکروبلاگ به طور گسترده تری برای خدمات توسط سایت های مستقر مانند Tumblr و Twitter ارائه شده و در دیجیتال مارکتینگ استفاده قرار گرفت. تا ماه مه 2007 ، 111 سایت میکرو بلاگ در کشورهای مختلف وجود داشت. از جمله برجسته ترین آنها می توان به Twitter ، Tumblr ، FriendFeed ، Plurk ، Jaiku و identi.ca اشاره کرد. از آن پس نسخه های مختلف خدمات و نرم افزار با ویژگی های وبلاگ نویسی کوچک توسعه یافته است. Plurk دارای نمای تایم لاین است که به اشتراک گذاری فیلم و تصویر را ادغام می کند. Flipter از میکرو وبلاگ نویسی به عنوان بستری برای ارسال موضوعات و جمع آوری نظرات مخاطبان برای افراد استفاده می کند. PingGadget یک سرویس میکرو وبلاگ نویسی مبتنی بر مکان است. Pownce ، توسط کوین رز ، بنیانگذار Digg ، و سایر افراد ، وبلاگ نویسی خرد را با به اشتراک گذاری پرونده و دعوت نامه های رویداد تلفیق کرد. Pownce در دسامبر 2008 در SixApart ادغام شد. سایر وب سایت های برجسته شبکه های اجتماعی مانند Facebook ، MySpace ، LinkedIn ، Diaspora ، JudgIt ، Yahoo Pulse ، Google Buzz ، Google+ و XING نیز دارای ویژگی میکرو وبلاگ نویسی خاص خود هستند که با عنوان “به روزرسانی وضعیت” شناخته می شود. اگرچه به روزرسانی وضعیت از نظر نوشتن معمولاً محدودتر از میکرو وبلاگ نویسی واقعی است ، به نظر می رسد هر نوع فعالیتی شامل ارسال ، چه در یک سایت شبکه اجتماعی یا یک سایت میکرو بلاگ ، می تواند به عنوان میکرو بلاگینگ طبقه بندی شود.

چندین مطالعه ، به ویژه مطالعه ای که توسط مدرسه بازرگانی هاروارد و سیسوموس انجام شد ، سعی در تحلیل رفتار کاربران در سرویس های وبلاگ نویسی دارد. چندین مورد از این مطالعات نشان می دهد که برای خدماتی مانند توییتر ، گروه کوچکی از کاربران فعال در بیشتر فعالیت ها اشتراک دارند. نظرسنجی سیسموس در توییتر ، که شامل نظر سنجی از بیش از 11 میلیون کاربر می باشد ، نشان می دهد که 10٪ از کاربران توییتر 86٪ کل فعالیت موجود را انجام می دهند. میکروبلاگ همچنین به عنوان یک منبع مهم برای به روزرسانی اخبار در زمان واقعی در طول انقلاب های سیاسی اجتماعی و شرایط بحرانی ، مانند حملات تروریستی بمبئی در سال 2008 یا انتخابات آمریکا تبدیل شده است. ماهیت کوتاه به روزرسانی ها به کاربران اجازه می دهد تا اخبار را به سرعت ارسال کنند و در عرض چند ثانیه به دست مخاطبان برسانند.

اشکالات این نوع بلاگ چیست ؟

مسلماً حریم خصوصی یک مسئله مهم است زیرا کاربران ممکن است اطلاعات شخصی حساس را برای هر کسی پخش کنند. ارائه دهندگان بسترهای نرم افزاری میکرو وبلاگ همچنین می توانند از طریق تغییر یا از پیش تعیین کردن گزینه های حفظ حریم خصوصی کاربران ، به روشی که کاربران احساس می کنند اطلاعات شخصی خود را به خطر می اندازند ، باعث ایجاد مشکلات حریم خصوصی شوند. به عنوان مثال می توان به پلتفرم Buzz Google اشاره کرد که در سال 2010 با تبلیغ خودکار مخاطبین ایمیل کاربران به عنوان “دنبال کننده” بحث برانگیخت. در مورد سرویس های متمرکز ، جایی که تمام اطلاعات میکروبلاگ از یک نقطه عبور می کند (به عنوان مثال سرورهایی که توسط توییتر کار می کنند) ، حریم خصوصی باعث نگرانی شده است زیرا برخی اوقات اطلاعات کاربر بدون موافقت قبلی کاربر تولید کننده ، در معرض دید دولت ها و دادگاه ها قرار می گیرد. این اطلاعات ظاهراً خصوصی ، معمولاً از طریق احضاریه یا احكام دادگاه در دسترس قرار می گیرند. نگرانی های امنیتی در دنیای تجارت ابراز شده است ، زیرا احتمال دارد اطلاعات کار حساس در سایت های میکرو بلاگ مانند توییتر منتشر شود. این شامل اطلاعاتی است که ممکن است منوط به یک نظارت فوق العاده باشد.

نمایانگر آنچیزی است که شما در سایت خود نمایش می دهید بنابراین باید وقتی را برای انتخاب یک اسم مناسب صرف کنید. نام دامنه شما آدرس خانه وب سایت شما در اینترنت است. و گرچه این تنها چیزی نیست که در موفقیت سایت شما تأثیر می گذارد ، دلایل زیادی وجود دارد که باید نام دامنه را با دقت انتخاب کنید.

یک نام بی نظیر و به یاد ماندنی به احتمال زیاد در ذهن بازدیدکنندگان می ماند و آنها را ترغیب به بازگشت به سایت شما می کند.
نام دامنه شما می تواند بلافاصله به بازدیدکنندگان جدید (یا کاربران موتور جستجو) ایده ای از آنچه سایت شما برای ارائه دارد ، بدهد.
نام دامنه در بهینه سازی موتور جستجو (SEO) تأثیر دارد.
تغییر نام دامنه شما پس از ایجاد سایت می تواند منجر به مراحل زمانبر شود.

برای خرید دامنه به چه نکته های باید دقت کرد.

اولین کاری که باید انجام دهید این است که یک یا چند کلمه کلیدی را انتخاب کنید که نمایانگر سایت شما باشد. روش های زیادی برای شروع تولید ایده برای نام دامنه وجود دارد. شما می توانید دامنه سایت خود را بر اساس نام خود یا تجارت موجود خود قرار دهید. با این حال ، عنصر اصلی یک نام دامنه واقعاً موثر ، یک کلمه کلیدی قوی است. استفاده از کلمات کلیدی در نام دامنه شما هوشمندانه است به همان دلایلی که استفاده از آنها در محتوای خود نیز هوشمند است. مزایای SEO می تواند با کمک به رتبه بندی سایت شما در نتایج موتور جستجو ، بازدید بیشتری داشته باشد. به علاوه ، کلمات کلیدی می توانند به بازدیدکنندگان بالقوه کمک کنند تا تمرکز و جایگاه سایت شما را بهتر درک کنند.در مرحله بعدی برای مرور گزینه های خود از یک تولید کننده نام دامنه استفاده کنید.پس از چند گزینه کلمه کلیدی ، وقت آن است که ایده هایی را برای نام دامنه خود ایجاد کنید. اگرچه می توانید این کار را بدون هیچ ابزار خاصی انجام دهید ، اما اغلب دشوار است زیرا به نام هایی که قبلاً گرفته شده اند بر خواهید خورد. سپس بهترین نام دامنه را بر اساس معیارهای ساده انتخاب کنید. در این مرحله ، شما آماده هستید که لیست کوتاه خود را محدود کرده و روند نحوه انتخاب نام دامنه را به پایان برسانید. بخشی از این فرآیند ذهنی است در آخر ، مهم است که یک نام دامنه را که دوست دارید انتخاب کنید. با این حال ، معیارهای ساده ای نیز وجود دارد که می توانید برای سهولت تصمیم گیری استفاده کنید. نام باید مختصر و روشن ، خلاق و به یاد ماندنی و خواندن و تلفظ آن آسان باشد.

پنتاگرام برند تجاری جدید رولزرویس را طراحی کرده است که از سپتامبر ارائه می شود. هدف این زبان تصویری جدید ، جذابیت برای جمعیتی جوانتر از مشتریان است. تورستن مولر-اتوئس ، مدیر اجرایی رولز رویس اظهار داشت: “با افزایش حضور دیجیتالی مارک ، هرگز زمان مهمی نبوده است که زبان بصری این شرکت جایگاه ما را به عنوان برند لوکس پیشرو در جهان منعکس کند.” “ما سفری جذاب برای مدرن سازی هویت برند خود آغاز کرده ایم تا همان تغییرات را در نمونه کارها ، اطلاعات جمعیتی مشتری ، سبک زندگی آنها و دنیای لوکس پیرامون آنها مشاهده کند.”

برند تجاری جدید رولزرویس چگونه است ؟

رولزرویس برای ایجاد برند نام تجاری جدیدی که می تواند فراتر از مکانیک “بهترین اتومبیل جهان” باشد ، مارینا ویلر ، شریک Pentagram را منصوب کرد تا حضور و نام تجاری را به عنوان یک کالای لوکس واقعی محصور کند. این هویت برای جلب نظر جمعیتی جدید مشتریان و همه آنچه که آنها از نظر دیجیتالی و فیزیکی نمایندگی می کنند ، طراحی شده است. پنتاگرام شروع به کاوش عمیق در رولز رویس ، از جمله محصولات آن – اعم از جدید و قدیمی ، اخلاق طراحی آن ، طراحان آن ، مواردی که برای شرکت مهم هستند ، و رابطه منحصر به فرد مارک با مشتریان خود است، روی آورده. آنها وقت خود را در کارخانه گذراندند ، و درک اصل Bespoke و اینکه چگونه این امر برای تأسیس رولزرویس مهم است را درک کردند. مارینا ویلر گفت: “آنچه به زودی آشکار شد این است که رولزرویس از تبدیل شدن به عنوان یک تولید کننده خودرو به عنوان یک چراغ برجسته در جهان لوکس تبدیل شده است.” “اطمینان از اینکه هویت جدید برند منعکس کننده این تغییر است برای ما ضروری بود. ما باید رولزرویس را به روشی رو به جلو ، تازه و مرتبط ارائه دهیم – ضمن احترام به مشتریان وفادار شرکت ، با مخاطبان جدید صحبت کنیم.”

یک کامپیوتر کوانتومی طراحی و ساخت چینی می تواند مسئله ای را که یک ابر کامپیوتر در دو و نیم میلیارد سال حل می کند را در دویست ثانیه حل کند. این کامپیوتر در دانشگاه علم و صنعت در هفی چین توسعه یافته است ، و توجه جهانیان را به دلیل سرعت پردازش بالا را به خود اختصاص داده است. طبق یافته های منتشر شده در Science و گزارش شده توسط Nature ، سیستم جدید ظاهراً اولین نمایش قطعی “برتری کوانتومی” با استفاده از پرتوهای لیزر است که از نظر ریاضی با استفاده از رایانه های باینری سنتی امکان پذیر نیست.

آیا کامپیوتر کوانتومی چینی از کامپیوتر گوگل سریع تر است ؟

سال گذشته ، هنگامی که Google اعلام کرد کامپیوتر کوانتومی Sycamore به برتری کوانتومی دست یافته است، عناوین اصلی اخبار جهان را به خود جلب کرد. Sycamore می تواند محاسباتی را در 200 ثانیه انجام دهد که برای سریعترین ابر رایانه ها حدود 10 هزار سال طول می کشد. اخیراً ، چین یک سیستم محاسبات کوانتومی را توسعه داده است که گزارش می شود 10 میلیارد بار سریعتر از Google’s Sycamore است. محققان دانشگاه علم و صنعت چین توضیح دادند که این نمونه اولیه رایانه ای کوانتومی به نام جیژانگ در چند دقیقه نتیجه ای گرفت که بیش از 2 میلیارد سال برای سومین ابر رایانه قدرتمند جهان زمان می برد.

طبق گزارش مجله Science ، جیژانگ می تواند حداکثر 76 فوتون را از طریق نمونه گیری بوزون گوسی ، یک الگوریتم شبیه سازی استاندارد ، که از ذرات نور ارسال شده از طریق یک مدار نوری برای اندازه گیری خروجی استفاده می کند ، تشخیص دهد. نمونه گیری بوسون توسط اسکات آرونسون و الکس آرخیپوف در سال 2011 به عنوان روشی آزمایشی برای اثبات برتری کوانتومی ابداع شد. در اینجا توزیع احتمال بسیاری از بوزون ها (یک ذره اساسی که شامل فوتون ها است) محاسبه می شود.

احتمال تشخیص بوزون در یک موقعیت معین را می توان از یک معادله در بسیاری از موارد ناشناخته محاسبه کرد.لو چائویانگ ، استاد مسئول آزمایش در USTC اظهار داشت كه جیوژانگ با دستكاری ذرات نور به موفقیت بزرگی دست یافت. این فرایند متفاوت از رویکردی است که توسط گوگل استفاده شده است ، و از فلز ابررسانا برای ساخت مدارهای کوانتومی برای دستکاری کیوبیت ها استفاده کرده است. Qubits یا کوانتوم بیت مترادف با بیت های باینری کامپیوتر کلاسیک است ، اما بر خلاف بیت های باینری ، می تواند به طور همزمان در بسیاری از حالت ها وجود داشته باشد.

آیا هیچ رقیبی برای جیوژانگ وجود ندارد ؟

رویکرد مشابهی نیز توسط IBM اعمال شده است. هر دو غول فناوری مبالغ زیادی را در مدارهای ابررسانا سرمایه گذاری کرده اند تا تحقیقات محاسبات کوانتومی را تا سر حد ممکن پیش ببرند. در همین حال ، هانی ول و IonQ در حال توسعه معماری های رایانه ای جایگزین کوانتومی هستند که شامل به دام انداختن یون ها باشد. علاوه بر این ، رایانه کوانتومی Silicon Quantum در استرالیا برای سیستم های کوانتومی خود از کیوبیت های سیلیکون چرخشی استفاده می کند.

در مقایسه ، برای جیوژانگ ، تیم تحقیقاتی به سرپرستی فیزیکدان کوانتوم جیان وی پان در دانشگاه علم و صنعت چین ، یک دستگاه بزرگ رومیزی متشکل از لیزر به عنوان منبع نور و تقسیم کننده پرتو برای کمک به ایجاد فوتون های جداگانه ، ایجاد کردند. صدها منشور و ده ها آینه برای فراهم کردن مسیرهای تصادفی برای حرکت فوتون ها استفاده شده اند.مجله Wired اشاره می کند که می توان تصور کرد که هر فوتونی که در پایان فرآیند خوانده می شود تقریباً معادل خواندن یک کیوبیت روی پردازنده ای مانند Google است که نتیجه محاسبه را نشان می دهد.

محققان کامپیوتر کوانتومی چینی ، جیوژانگ را، به 300 جدا کننده پرتو و 75 آینه مجهز کردند. در حین اجرای آزمایشی به مدت 200 ثانیه ، حداکثر 76 کلیک فوتونی خروجی مشاهده شد در حالی که متوسط تعداد فوتون شناسایی شده توسط نمونه اولیه 43 است. در مقایسه ، ابر رایانه چینی ، TaihuLight ، 2.5 میلیارد سال طول می کشید تا به همان نتیجه برسد.

از جیژانگ نمی توان بلافاصله در برنامه های واقعی استفاده کرد. برای انجام محاسبات مختلف این کامپیوتر نیاز به کار با تراشه قابل برنامه ریزی دارد. همچنین پرداختن به شایعات در مورد تهدید آن برای ارز رمزنگاری شده ، یا هرگونه رمزگذاری مورد استفاده در سیستم های مالی ، ارتباطی و دولتی در حال حاضر ؛ گزارش شده است که جیوژانگ قادر به حل مشکل فاکتورینگ نیست که برای رمزگشایی اطلاعات رمزگذاری شده بسیار مهم است.

در طی اجلاس هوش مصنوعی مجازی IBM این هفته ، این شرکت دیجیتال مارکتینگ به روزرسانی خود را در مورد محصولات خانواده واتسون خود را در زمینه های زبان ، توضیح و اتوماسیون محل کار اعلام کرد. ویژگی جدیدی به نام درک مطلب خوانایی از پایگاه داده اسناد سازمانی در پاسخ به سوالات زبان طبیعی کتر می کند و به هر پاسخ نمره اطمینان می دهد. یک ماژول جدید در دستیار واتسون به نام استخراج پرسش و پاسخ به طور خودکار اسناد پرسش و پاسخ ایجاد می کند. و اطلاعات علمی AI به طور خودکار واقعیت های اصلی در مورد عملکرد مدل یادگیری ماشین را ضبط می کند و گزارش هایی را برای “تقویت شفافیت و اطمینان از انطباق” تولید می کند.

این هوش مصنوعی IBM برای چه طراحی شده؟

بنا به گفته خود شرکت IBM این درک مطلب خوانایی به عنوان یکی از برترین سیستم های پرسش و پاسخی ساخته شده است تا به شناسایی پاسخهای دقیق تر به سوالات ارجاع شده به اسناد تجاری کمک کند. در مورد استخراج پرسش و پاسخ ، که در مهارت جستجوی دستیار واتسون در مرحله بتا است ، IBM می گوید که از یک روش جدید پردازش زبان طبیعی برای استخراج جفت های پرسش و پاسخ از اسناد FAQ استفاده می کند. IBM می گوید ، ایده این است که به مشاغل کمک کند دستیاران مجازی را با آخرین پاسخ ها به روز نگه دارند و در عین حال نیاز به بروزرسانی های دستی را کاهش دهند. در مورد استخراج پرسش و پاسخ ، که در مهارت جستجوی دستیار واتسون در مرحله بتا است ، IBM می گوید که از یک روش جدید پردازش زبان طبیعی برای استخراج جفت های پرسش و پاسخ از اسناد FAQ استفاده می کند. IBM می گوید ، ایده این است که به مشاغل کمک کند دستیاران مجازی را با آخرین پاسخ ها، به روز نگه دارند و در عین حال نیاز به بروزرسانی های دستی را کاهش دهند.

IBM همچنین خدمات مربوط به هوش مصنوعی را در مقیاس ، یک چارچوب ، روش و مجموعه فناوری هایی که برای کمک به مشتریان در افزایش سرعت استقرار هوش مصنوعی و به حداقل رساندن خطر استفاده می کند ، معرفی کرد. سرانجام ، این شرکت قابلیت های جدید Cloud Pak را برای داده ها ، از جمله مدیریت ساده ، تجربه کاربری بهبود یافته ، حاکمیت و امنیت بیشتر ، و در دسترس بودن OpenPages با Watson ، محصول حاکمیت IBM و محصول انطباق مورد توجه قرار داد.

سه محقق از دانشگاه یوهانس کپلر سیستمی طراحی کرده اند که از هوش مصنوعی برای بهینه سازی جستجو در جنگلبانی دوربین تصویربرداری حرارتی از افراد گمشده در جنگل استفاده کرده اند. در مقاله خود که در ژورنال Nature Machine Intelligence منتشر شده است ، دیوید شدل ، ایندراجیت کورمی و الیور بیمبر ، توصیف می کنند که چگونه آنها یک شبکه یادگیری عمیق را برای مشکل افراد گمشده در جنگل اعمال می کنند و همچنین می گویند که چگونه کار می کند. این پیشرفت می تواند جان افرادی را که به طبیعت گردی علاقه دارند را نجات دهد و به جنگلبانان کمک فراوانی را برساند.

هوش مصنوعی در جنگلبانی چگونه اعمال می شود

هنگامی که مردم در جنگل ها گم می شوند ، متخصصان جستجو و نجات با استفاده از هلی کوپترها منطقه ای را که احتمالاً افراد گم شده در آن ها حضور دارند را می گردند. محققان علاوه بر اسکن ساده زمین زیر ، از دوربین های شکاری و دوربین های تصویربرداری حرارتی استفاده می کنند. امید است که چنین دوربینهایی تفاوت دمای بدن افراد روی زمین را در مقایسه با محیط اطراف آنها آسانتر کند تا بتوان آنها را بهتر تشخیص داد. متأسفانه ، در بعضی موارد تصویربرداری حرارتی به دلیل درنظرگرفتن پوشش گیاهی زیر خاک یا آفتاب که باعث گرم شدن درختان در دمای مشابه با دمای بدن فرد از دست رفته می شود، آنطور که در نظر گرفته شده عمل نمی کند. در این تلاش جدید ، محققان سعی کردند تا با استفاده از یک برنامه یادگیری عمیق برای بهبود تصاویر ساخته شده ، بر این مشکلات غلبه کنند. راه حلی که تیم ارائه کرد این بود که با استفاده از یک برنامه هوش مصنوعی برای پردازش تصاویر متعدد از یک منطقه داده شده آنالیز شود. آنها تصاویر را با استفاده از هوش مصنوعی برای پردازش داده ها از چندین رادیو تلسکوپ مقایسه می کنند. انجام این کار باعث می شود تا چندین تلسکوپ به صورت یک تلسکوپ بزرگ عمل کنند. به همین ترتیب ، برنامه هوش مصنوعی که آنها استفاده کردند ، به چندین تصویر حرارتی گرفته شده از هلی کوپتر (یا هواپیمای بدون سرنشین) اجازه می داد تا تصویری ایجاد کند که گویی توسط دوربین با لنز بسیار بزرگتر گرفته شده است. پس از پردازش ، تصاویر تولید شده که از عمق میدان بسیار بالاتری برخوردار بودند بالای درختان تار به نظر می رسید در حالی که افراد روی زمین بسیار بیشتر قابل تشخیص هستند. برای آموزش سیستم هوش مصنوعی ، محققان مجبور شدند پایگاه داده تصاویر خود را ایجاد کنند. آنها از هواپیماهای بدون سرنشین برای گرفتن عکس از داوطلبان روی زمین و در موقعیت های بسیار گسترده استفاده کردند. آزمایش سیستم نشان داد که تقریباً 87 تا 95 دقیق است در حالی که برای تصاویر حرارتی سنتی فقط 25 درصد دقت داشت. محققان پیشنهاد می کنند سیستم آنها برای استفاده توسط گروه های جستجو و نجات آماده است و همچنین می تواند توسط تیم های اجرای قانون ، ارتش یا تیم های حیات وحش نیز مورد استفاده قرار گیرد.

محققان نشان داده اند که ابزار هوش مصنوعی می تواند داور و ارزیابی کننده محتوای یک فیلم، در عرض چند ثانیه و براساس فیلمنامه فیلم و قبل از ضبط یک صحنه ، باشد. چنین رویکردی می تواند به مدیران سینمایی این امکان را بدهد که با انجام ویرایش های مناسب روی یک فیلمنامه و قبل از فیلمبرداری حتی یک صحنه ، درجه بندی فیلم را از قبل و به دلخواه طراحی کنند. استفاده از هوش مصنوعی در این زمینه می تواند مزایای زیادی داشته باشد. در نظر بگیرید که قبل از تولید از بدانید که نتیجه فیلم شما چگونه خواهد بود.

هوش مصنوعی چگونه داور فیلم ها می شود ؟

Shrikanth Narayanan ، نویسنده تحقیق ، از دانشگاه کالیفرنیای جنوبی گفت: “فراتر از تأثیر احتمالی مالی ، چنین بازخورد فوری به داستان نویسان و تصمیم گیرندگان اجازه می دهد تا در مورد محتوایی که برای عموم ایجاد می کنند و تأثیری که این محتوا بر بینندگان می گذارد ، تأمل کنند.” آنها با استفاده از هوش مصنوعی که روی فیلم نامه ها اعمال می شود ، نشان داده اند که نشانه های زبانی می توانند به طور موثری رفتارهای خشونت آمیز ، سو مصرف مواد مخدر و محتوای جنسی (اقداماتی که اغلب پایه ای برای رتبه بندی یک فیلم هستند) توسط شخصیت های فیلم را نشان دهند. تیم تحقیقاتی با استفاده از 992 متن فیلم شامل محتوای خشونت آمیز ، سو مصرف مواد و جنسی ، که توسط Common Sense Media ، مشخص شده اند را به سیستم تمرین داد تا رفتارها ، الگوها و زبان مربوطه را تشخیص دهد. ابزار AI ایجاد شده همه اسکریپت ها را به عنوان ورودی دریافت می کند ، آنها را از طریق یک شبکه عصبی پردازش کرده و از نظر معنایی و احساسات بیان شده اسکن می کند. در این فرآیند ، جملات و عبارات را به عنوان توصیف کننده های مثبت ، منفی ، پرخاشگرانه و سایر موارد طبقه بندی می کند. ابزار AI به طور خودکار کلمات و عبارات را در سه دسته طبقه بندی می کند: خشونت ، سو مصرف مواد مخدر و محتوای جنسی. ویکتور مارتینز ،یکی از محققان این تحقیق ، گفت: “مدل ما بیشتر از اینکه به صحنه های واقعی مانند شلیک گلوله یا انفجار توجه کند به فیلم نامه فیلم نگاه می کند.” آنها همچنین ارتباط جالبی بین رفتارهای خطرناک و رتبه بندی MPA (Motion Picture Association) پیدا کردند. با افزایش محتوای جنسی ، به نظر می رسد MPA تأکید کمتری بر محتوا ی خشونت / سو substance مصرف مواد دارد. بنابراین ، صرف نظر از محتوای خشونت آمیز و سو مصرف مواد ، فیلمی با محتوای جنسی زیاد احتمالاً دارای درجه R خواهد بود. این مطالعه قرار است در کنفرانس 2020 در زمینه روشهای تجربی در پردازش زبان طبیعی ارائه شود.

یادگیری ماشینی به طور گسترده ای در علوم و آزمایشگاه های شیمی برای طراحی دارو و سایر فرایندها مورد استفاده قرار گرفته است. مدل هایی که به طور آینده نگر برای نتایج واکنش جدید آزمایش می شوند و برای تقویت درک انسان برای تفسیر تصمیمات واکنش شیمیایی گرفته شده توسط چنین مدل هایی مورد استفاده قرار می گیرند ، بسیار محدود هستند. گوراو چوپرا ، استادیار شیمی تجزیه و فیزیک در کالج علوم پوردو گفت: “ایجاد واکنش های جدید و سریع برای طراحی کتابخانه های شیمیایی در کشف دارو ضروری است.” “ما یک واکنش چندکاره ای جدید ، سریع و یک گلدان از N-sulfonylimines ایجاد کرده ایم که به عنوان یک مورد نماینده برای تولید داده های آموزشی برای مدل های یادگیری ماشین ، پیش بینی نتایج واکنش و آزمایش واکنش های جدید به روش آینده نگرانه کور استفاده شده است.

یادگیری ماشینی در آزمایشگاه های شیمی چه نقشی دارد

چوپرا گفت که رویکرد یادگیری ماشین قابل تفسیر توسط تیم Purdue ، که به عنوان نمودار جریان واکنش شیمیایی معرفی شده است ، می تواند برای بررسی واکنش هر MCR یا هر واکنش شیمیایی گسترش یابد. این به روباتیک در مقیاس بزرگ نیاز ندارد ، زیرا این روش ها می توانند توسط شیمی دانان هنگام آزمایش غربالگری در آزمایشگاه های خود مورد استفاده قرار گیرند. این کار با سایر نوآوری ها و تحقیقات آزمایشگاه های Chopra که اعضای تیم آن برای ثبت اختراع فن آوری های متعدد با دفتر بنیاد تحقیقات Purdue همکاری می کنند ، همسو است. برای کسب اطلاعات بیشتر در مورد اختراعات ثبت شده آنها ، با otcip@prf.org تماس بگیرید.کروپال جتهاوا ، دانشجوی فوق دکترا در آزمایشگاه Chopra ، که یکی از نویسندگان این اثر است ، گفت: “استفاده بی سابقه از یک مدل یادگیری ماشین در تولید نمودار جریان واکنش شیمیایی به ما کمک کرد تا واکنش واکنش های مختلف N-sulfonylimin مختلف را که به طور سنتی در MCR ها استفاده می شوند ، درک کنیم.” “ما معتقدیم که کار دستی با شیمی دانهای آلی و محاسباتی راهی جدید برای حل مشکلات پیچیده واکنش شیمیایی برای سایر واکنش ها در آینده خواهد داشت.”