یادگیری ماشینی از آنچه فکر می‌کنید به شما نزدیک‌تر است

اگر متولد دهه‌ی ۸۰ یا ۹۰ میلادی (دهه ۶۰ یا ۷۰ شمسی) باشید، به‌احتمال‌زیاد با شنیدن اصطلاح «یادگیری ماشینی» (Machine learning)، تصویر «آرنولد شوارتزنگر» (Arnold Schwarzenegger) در فیلم «ترمیناتور» (The Terminator) برایتان تداعی می‌شود. به نظر می‌رسد این اصطلاح به نظر مفهومی از آینده است که شاید مترادف با موضوعاتی همچون هوش مصنوعی و خیزش ماشین‌ها باشد. اما در واقع خیزش ماشین‌ها پیش‌ازاین آغاز شده است. یادگیری ماشینی مفهومی علمی تخیلی نیست، بلکه یک ابزار واقعی است که شما احتمالا به‌طور روزانه با آن برخورد می‌کنید؛ حتی در گوشی هوشمندی که در حال حاضر در جیب شما قرار دارد.

در این مقاله، تلاش می‌کنیم مفاهیم یادگیری ماشینی را اندکی شفاف‌تر کنیم و نشان دهیم چطور این تکنولوژی همین امروز بخش مهمی از زندگی شما را تشکیل داده است. امیدواریم بعد از خواندن این مقاله متوجه شوید که یادگیری ماشینی قصد ندارد بر ما مسلط شود و فقط برای کمک به ما اینجا است. حداقل تا الان.

‌

یادگیری ماشینی چیست؟

برای این‌که به‌طور خلاصه و مفید از مفاهیم یادگیری ماشینی سر دربیاورید بهتر است به این اینفوگرافیسری بزنید. بااین‌حال، اگر حال و حوصله‌ی خواندن مطالب طولانی را ندارید باید گفت که یادگیری ماشینی همان هوش مصنوعی نیست، هرچند که این دو موضوع ارتباط نزدیکی با یکدیگر دارند. درواقع، یادگیری ماشینی با داده‌کاوی و تحلیل آماری هم وجوه مشترک زیادی دارد. هدف یادگیری ماشینی کمک به یک برنامه برای بهبود یک عملکرد خاص است. این کار اغلب از طریق جمع‌آوری و تجزیه‌وتحلیل مجموعه داده‌های بزرگی انجام می‌شود که منجر به پدیدار شدن الگوها خواهند شد.

به‌عنوان‌مثال فرض کنید قرار است با یک هوش مصنوعی در برنامه‌ی «واتس‌اپ» (WhatsApp) صحبت کنید. بسیاری از جنبه‌های رفتار چنین باتی را نمونه‌های از پیش برنامه‌ریزی‌شده‌ی هوش مصنوعی تشکیل می‌دهد. اما اگر این بات همچنین بتواند زبان مورد استفاده و پاسخ‌های شما را ارزیابی کند و سپس این اطلاعات را برای یافتن واژگان طبیعی‌تر و انسانی‌تر به کار ببرد، این فرآیند می‌تواند نمونه‌ای از یادگیری ماشینی باشد. برای مثال، چنین عملکردی می‌تواند با استفاده از پایگاه داده‌ای کار کند که از عبارات، پاسخ‌ها و تعاملات مرسوم تشکیل شده است. این عبارات و پاسخ‌ها می‌توانند به مرور زمان اضافه و تکرار شوند.

این فقط یک مثال فرضی بود، اما مثال‌های قابل‌توجه زیادی درزمینه‌ی یادگیری ماشینی وجود دارد که هر روزه با آن‌ها مواجه می‌شویم.

‌

اسپاتیفای

«اسپاتیفای» (Spotify) مثال دیگری از چیزی است که شاید هر روز استفاده کنید و در همین حین بی‌وقفه داده‌هایی را درباره‌ی شما جمع‌آوری می‌کند. این سرویس از نوعی یادگیری ماشینی ابتدایی برای فهمیدن سلیقه‌ی موسیقی شما استفاده می‌کند. سپس می‌تواند پلی‌لیستی از آهنگ‌های پیشنهادی را برایتان ایجاد کند. اپلیکیشن‌های Deezer و Pandora هم از ویژگی‌های مشابهی استفاده می‌کنند. پیشنهادهای اسپاتیفای تا حدودی بر حسب ژانر و دیگر تقسیم‌بندی‌هایی کار می‌کند که احتمالا توسط یک انسان انجام شده است. بنابراین از این جنبه عملکرد آن یادگیری ماشینی محسوب نمی‌شود. سیستم‌های پیشرفته‌تر برای تشخیص سلیقه‌ی موسیقی شما به بررسی رفتار کاربران مشابه و آماری مانند گام، سرعت و طول آهنگ‌ها می‌پردازند.

دیجی‌کالا حامی تیم امیرکبیر در «روبوکاپ ۲۰۱۷ ژاپن»

دیجی‌کالا حامی تیم ARC از پژوهشکده‌ی فناوری‌های نو دانشگاه امیرکبیر، در مسابقات روبوکاپ ۲۰۱۷(RoboCup2017) است. این مسابقات از  ۵ تا ۸ مردادماه در شهر ناگویا (Nagoya) کشور ژاپن برگزار خواهد شد.

روبوکاپ مسابقه‌ای بین‌المللی و معتبر در حوزه رباتیک است که از سال ۱۹۹۷ هرسال در کشورهای مختلف برگزار می‌شود. هدف از برگزاری این مسابقات توسعه فناوری‌های مربوط به حوزه رباتیک و هوش مصنوعی است. در این مسابقات بیش از ۳۵۰۰ دانشمند و توسعه‌دهنده از ۴۰ کشور جهان حضور خواهند داشت.

تیم‌های شرکت‌کننده می‌توانند در بخش‌های فوتبال، صنعتی، امدادی، خانگی و دانش‌آموزی شرکت کنند. جالب است بدانید بخش صنعتی این مسابقات از سه سال پیش در دو حوزه لجستیک (Logistics) و کاری (@Work) شروع به کار کرده و این اولین سالی است که یک تیم ایرانی در بخش روبات‌های صنعتی وارد رقابت با تیم‌های جهانی می‌شود.

تیم ARC از پنج جوان فعال در حوزه‌ی روباتیک شکل گرفته که سال گذشته در مسابقه‌ی ربات‌های پرنده‌ی دیجی‌کالا جزء گروه‌های برتر شناخته شدند. گروهی که نه‌تنها توانایی‌های علمی و تخصصی خود را ثابت کردند بلکه رفتار حرفه‌ای و توانایی‌هایشان را در مدیریت یک کار گروهی نشان دادند.

شایان ذکر است که پروژه‌ی پیشنهادی تیم ARC در خصوص ربات‌های حمل کالا در انبار و کاملا همسو با اهداف دیجی‌کالاتِک (DigikalaTECH)  بود. نهادی نوپا در دیجی‌کالا که ماموریتش حمایت از فناوری‌های بومی برای تجاری‌سازی هم‌راستا با کسب‌وکار دیجی‌کالا است و «مسابقه‌ی ربات‌های پرنده‌ی حمل کالا» نخستین چالش دیجی‌کالا در این مسیر بود.

این اولین بار نیست که دیجی‌کالا از رویدادهای این چنینی حمایت می‌کند. سال گذشته دیجی‌کالا اسپانسر یازدهمین دوره‌ی مسابقات روبوکاپ ایران و سال ۹۴ هم از حامیان دهمین دوره‌ی این مسابقات بود. دیگر افتخار دیجی‌کالا حمایت از تیم MRL دانشگاه آزاد اسلامی قزوین در مسابقات جهانی روبوکاپ چین (۲۰۱۵) است. این تیم جوان از تیم‌های موفق مسابقات روبوکاپ ۲۰۱۵ بود.

روبات‌های جدید ال‌جی را ببینید؛ روبات راهنما و روبات نظافتچی فرودگاه!

در برنامه‌ی آماده‌سازی برای المپیک زمستانی آینده در کره‌ی جنوبی شرکت بزرگ ال‌جی دو روبات جدید معرفی می‌کند که در بزرگ‌ترین فرودگاه کشور کار می‌کنند. از امروز فرودگاه بین‌المللی اینچئون سئول میزبان دو روبات جدید است. روبات راهنما و روبات نظافتچی فرودگاه!

این دو روبات پیش از این در CES رونمایی شده بودند و هر دو دقیقا کاری می‌کنند که نامشان نشان می‌دهد. روبات راهنما در ترمینال‌ها می‌چرخد و آماده است تا مسافران را راهنمایی کند و در مورد زمان و گیت سوار شدن به هواپیما اطلاعات بدهد.

این روبات به چهار زبان انگلیسی، کره‌ای، چینی و ژاپنی صحبت می‌کند. مسافران می‌توانند کارت پرواز خود را با این روبات اسکن کنند تا روبات آن‌ها را تا گیت خروج راهنمایی کند. اگرچه این ابداع جالبی است اما اگر مثل سایر روبات‌ها کند باشد ممکن است فقط باعث شود مسافران از پرواز جا بمانند.

روبات راهنمای فرودگاه

روبات نظافتچی در واقع یک روبات شبیه تانک کوچکی است که از جنگ جهانی آینده آمده است. ال‌جی در گزارشی گفته این روبات جاهایی که بیشتر نیا به تمیزکاری دارند را تشخیص می‌دهد و آن مکان‌ها را در دیتابیسش ذخیره می‌کند. این روبات زمان مناسب برای نظافت را هم محاسبه می‌کند.

روبات نظافتچی فرودگاه

با این حال روبات‌ها همیشه ما را یاد فیلم‌های علمی تخیلی و خطرات احتمالی آن‌ها می‌اندازد. شما چطور فکر می‌کنید؟

منبع: The Verge

با قدرتمندترین ربات‌های جهان آشنا شوید

اگر نظر «مارک زاکربرگ» (Mark Zuckerberg) یا «ایلان ماسک» (Elon Musk) را در مورد ربات‌ها بپرسید، با دو جواب متضاد روبرو می‌شوید؛ ربات‌ها یا آینده‌ی درخشان ما را رقم می‌زنند یا این‌که با گرفتن شغل‌ها و اهداف ما، بشریت را نابود می‌کنند. در حقیقت، سرعت پیشرفت هوش مصنوعی فراتر از انتظارات ما است. شرکت فیسبوک یک الگوریتم هوش مصنوعی ساخت که بعد از مدتی زبان خودش را ابداع کرد. سرانجام کار به جایی رسید که برنامه‌نویسان قادر به کنترل این هوش مصنوعی نبودند و با توجه به خطر بالقوه، به‌ناچار این الگوریتم سرکش را خاموش کردند. ما در دوران هوش مصنوعی و ربات‌ها زندگی می‌کنیم، برای همین آشنایی بیشتر با آن‌ها، بی‌فایده نخواهد بود. مانند فهرست‌هایی که هرساله از پولدارترین افراد جهان منتشر می‌شود، ما هم تصمیم گرفتیم ۶ ربات قدرتمند در جهان را معرفی کنیم.

‌

۱. واتسون (IBM Watson)

ابررایانه‌ی «واتسون» (Watson) از شرکت IBM اینجا است تا کوچکی ما انسان‌ها را یادآور شود. این ابررایانه با بررسی صدها زبان، پاسخ سوالات مختلف را خیلی سریع‌تر از ذهن انسان پیدا می‌کند. به‌عنوان‌مثال می‌توان به رقابت واتسون با برندگان Jeopardy (مسابقه‌ی اطلاعات عمومی معروف) اشاره کرد که این ابررایانه، با سرعت خیلی زیادی همه‌ی آن‌ها را شکست داد.

البته جاه‌طلبی‌های IBM، فراتر از برنده شدن در یک مسابقه‌ی اطلاعات عمومی است. این کمپانی در نظر دارد واتسون را به پیشرفته‌ترین ماشین پرسش و پاسخ تبدیل کند. به همین خاطر، IBM هسته‌ی مرکزی واتسون را به ۱۵ سرویس شناختی مانند چت‌بات‌ها و برنامه‌های پردازش زبان تقسیم کرده است. در حال حاضر، این هوش مصنوعی به روش‌های مختلفی مورد استفاده قرار می‌گیرد. برای مثال برخی از شرکت‌های استرالیایی که از هوش مصنوعی واتسون برای غربالگری رزومه‌های کاری استفاده می‌کنند.

پس از همین حالا به فکر روشی برای جلب نظر این هوش مصنوعی باشید، چون شاید روزی روزگاری استخدام شما به نظر واتسون بستگی داشته باشد.

‌

۲. اسپات (Spot)

شرکت «بوستون داینامیکس» (Boston Dynamics) که چندی پیش گوگل آن را خرید، این ربات چهارپای عجیب‌وغریب را ساخته است. ربات «اسپات» (Spot) که کم‌وبیش شبیه سگ است، با پاهای هیدرولیکی و حسگر چرخنده‌ای که دارد، تا ۴۵ دقیقه می‌تواند در زمین‌های ناهموار محیط‌های داخلی و خارجی حرکت کند. این ربات برای محیط‌های خطرناک طراحی و ساخته‌شده است. حتی زمانی که افراد با پا به اسپات ضربه بزنند، این ربات می‌تواند تعادلش را حفظ کند و زمانی هم که بر زمین بیفتد، می‌تواند بلند شود.

سپاه تفنگداران دریایی آمریکا تصمیم دارد در پاییز امسال، ربات اسپات را برای امکان حضور در عملیات‌های نظامی آزمایش کند. البته شرکت بوستون داینامیکس هنوز به فکر استفاده‌ی تجاری از این ربات است. بنیان‌گذار و مدیرعامل این شرکت، مارک ریبرت، معتقد است که شاید بهترین استفاده‌ی تجاری از اسپات، به‌عنوان پیک حمل کالا باشد. شاید هم روزی برسد که بسته‌هایتان را از چنین ربات‌هایی تحویل بگیرید. در همین رابطه، چندی پیش ویدیویی از اسپات منتشر شد که این ربات یک بسته را حمل می‌کند و در نهایت بسته‌ی مذکور را به خانه‌ای می‌رساند.

‌

۳. دابل (Double)

این ربات احتمالا دورکاری را راحت‌تر و منعطف‌تر می‌کند. این ربات که ترکیبی از آیپد و اسکوتر برقی است، به کاربر اجازه می‌دهد تا از راه دور، حضوری فیزیکی در محیط کار داشته باشد. با استفاده از ربات «دابل» (Double)، امکان دیدن چهره‌ی کارمندان و گفت‌وگوی مستقیم با آن‌ها فراهم می‌شود. با استفاده از این ربات، حتی زمانی که در قاره‌ی دیگری به سر می‌برید، می‌توانید در محیط کار حضور داشته باشید و بر عملکرد دیگران نظارت کنید. برعکس استفاده از ویدیوکنفرانس که به یکجا محدود می‌شود، این ربات به شما اجازه می‌دهد که در محیط کار یا هر محیطی، حرکت کنید و با افراد مختلف گپ بزنید.

استفاده از این ربات هنوز همه‌گیر نشده است. زمان مشخص می‌کند که این ربات برای استفاده‌های خاص خواهد ماند یا این‌که فراگیر می‌شود.

۴. بینا۴۸ (BINA48)

این ربات تحت نظر دکتر «مارتین راتبلات» (Martine Rothblatt) ساخته شده است. ربات «بینا۴۸» (BINA48) هدف جاه‌طلبانه‌ای دارد. این ربات به‌منظور «آزمایش امکان انتقال خودآگاهی از انسان به یک بدن بیولوژیکی یا تکنولوژیکی» طراحی‌شده است. اگر راتبلات در این زمینه موفق شود، طرز تفکر ما نسبت به آگاهی، برای همیشه تغییر می‌یابد.

نبرد اپل و گوگل بر سر فناوری‌های کپی‌ناپذیر

یکی از جالب‌ترین نکات تکنولوژی این است که نوآوری‌ها خیلی سریع از گجت‌های گران‌قیمت به گجت‌های ارزان‌قیمت راه پیدا می‌کنند. البته سرقت ایده‌ها در بین شرکت‌های کوچک یا کپی‌برداری شرکت‌های بزرگ از شرکت‌های کوچک‌تر (مانند جریان فیسبوک و اسنپ‌چت) اتفاق چندان جالبی محسوب نمی‌شود. اما بهره بردن شرکت‌های کوچک و گجت‌های ارزان آن‌ها از نوآوری‌های اپل و گوگل خیلی هم خوب است. البته غول‌هایی مانند اپل و گوگل مانند ما فکر نمی‌کنند و با این قضیه مشکل دارند؛ به همین خاطر آن‌ها به‌سختی روی تکنیک‌ها و رویکردهایی کار می‌کنند که به این راحتی‌ها قابل کپی‌برداری نباشند.

کلیدواژه‌ی این روزهای دنیای تکنولوژی، عبارت یادگیری ماشینی است. همانند واقعیت افزوده و واقعیت مجازی، در مورد یادگیری ماشینی هم زمانی تصور می‌کردیم که به این زودی‌ها چشممان به آن نخواهد خورد. هرچند، در سال ۲۰۱۷ حضور یادگیری ماشینی را بیش از هر زمان دیگری می‌توانیم احساس کنیم. اصلی‌ترین چیزی که آیفون ۱۰ و گوشی پیکسل ۲ و ۲ ایکس‌ال را از باقی گوشی‌ها متمایز می‌کند، همین یادگیری ماشینی است. این همان چیزی است که موجب تمایز شرکت‌ها در امروز و آینده می‌شود و شرکت‌هایی که از این بابت عقب بیفتند، در آینده‌ی نزدیک از عرصه‌ی رقابت حذف می‌شوند.

یادگیری ماشینی چیزی نیست که بشود از آن کپی‌برداری کرد و امکان انجام مهندسی معکوس هم در آن وجود ندارد. برای این که شرکت‌ها از لحاظ یادگیری ماشینی به پای غول‌هایی همچون اپل و گوگل برسند، باید به اندازه‌ی آن‌ها از قدرت محاسباتی و داده‌های کاربران بهره ببرند (که احتمالا این‌گونه نیستند) و به اندازه‌ی آن‌ها سرمایه‌گذاری کرده باشند (که احتمالا چنین پولی را ندارد). اگر بخواهیم ساده‌تر بگوییم، برای شرکت‌های بزرگ یادگیری ماشینی همانند جام مقدس است که دست دیگر شرکت‌ها به راحتی به آن نمی‌رسد. پیشرفت یادگیری ماشینی ارتباط مستقیمی با تعداد کاربران و سرمایه‌گذاری عظیم شرکت‌ها دارد و علاوه بر این، به مرور زمان بهتر هم می‌شود. به همین خاطر، رقبای این شرکت‌ها باید به‌سختی تلاش کنند تا فقط در این عرصه باقی بمانند.

ما نمی‌گوییم که یادگیری ماشینی می‌تواند تمام مشکلات صنعت تکنولوژی را حل و فصل کند؛ نکته‌ی مهم این است که یادگیری ماشینی پایه و اساس برخی از ویژگی‌های متمایزکننده‌ی کلیدی است که از همین الان تولید آن‌ها شروع شده.

‌

یادگیری ماشینی در دوربین گوگل پیکسل ۲

یکی از جذاب‌ترین کاربردهای فناوری یادگیری ماشینی در دوربین گوشی‌های پیکسل و پیکسل ۲ صورت گرفته است. دوربین این گوشی‌ها، به خصوص در محیط‌های کم نور، عملکرد فوق‌العاده‌ای دارند. گوگل با بهره بردن از نرم‌افزارهای خاصی موفق شده که فراتر از محدودیت‌های دوربین گوشی‌ها (مانند محدودیت در اندازه‌ی سنسور و لنز) عمل کند و توسعه‌ی چنین نرم‌افزارهایی به‌لطف الگوریتم‌های هوشمند و یادگیری ماشینی محقق شده است.

همان‌طور که از فناوری‌های مربوط به یادگیری ماشینی انتظار داریم، گوگل می‌گوید که دوربین این گوشی‌ها به‌مرور زمان بهتر هم می‌شوند. حتی اگر گوگل برای پیکسل ۲ از همان دوربین پیکسل استفاده می‌کرد، همین گذشت زمان به‌تنهایی موجب بهبود دوربین گوشی می‌شد. یکی از جذاب‌ترین مشخصه‌های یادگیری ماشینی، همین تاثیر گذشت زمان در بهبود نتیجه‌ی نهایی است. یکی از محققان گوگل در همین زمینه می‌گوید که دوربین گوشی‌های پیکسل مانند هر سیستم یادگیری ماشینی دیگری هستند؛ به این نحو که هرچقدر داده‌ی بیشتری به آن‌ها بدهید، نتیجه‌ی نهایی بهتر می‌شود. دو عامل حیاتی برای بهبود این دوربین‌ها، زمان و قدرت پردازش (هم درون گوشی و هم در سرورهای گوگل) است.