1

هوش مصنوعی ؛ آینده‌ای فراتر از تصور

وبینار ” روش‌هاي نوين هوش مصنوعي در تجزيه و تحليل داده” روز چهارشنبه 29 بهمن ماه در پارک علم و فناوری دانشگاه تهران برگزار شد.

در این وبینار که با حضور دكتر امين شهبازي-دكتري ژئوفيزيك نفت و متخصص فناوري اطلاعات برگزار شد به ارائه‌ی محورهایData Analytics Concept، Challenges with Data in Industry، Machine Learning and Artificial Intelligence Impact on industry و Unstructured data needs to be structured پرداخته شد.

شهبازی در ابتدای سخنرانی خود به بیان 3 بخش اصلی هوش مصنوعی پرداخت و گفت: « تکمیل شدن یک هوش مصنوعی به طور کلی شامل سه بخش اصلی Artificial Intelligence، Machine Learning و Deep Learning است که از مدل‌سازی هوش مصنوعی بر پایه‌ی داده‌های انسانی شروع شده و پس تحلیل داده‌های مدل و سازماندهی این داده‌ها برای مشکلات مطرح شده راه حل ارائه می‌کند».
شهبازی در ادامه به بیان مثال‌های متنوعی از نقش هوش مصنوعی در جهان پرداخته و گفت:« مثال‌های زیادی وجود دارد که نشان از نقش موثر هوش مصنوعی در جهان امروز است مانند: شناسایی جغرافیای دارای فقر موجود در جهان با استفاده از داده‌های ماهواره‌ای، روبات‌های معلم و آموزش دهنده، سیستم‌های پزشکی که قابلیت پیش‌بینی بیماری قبل از رخ دادن آن را با توجه به داده‌های استخراجی از بدن انسان را دارند، sniper ها و هواپیماهای بدون سرنشینی که به صورت کاملا دقیق به هدف تیراندازی می‌کنند، روبات‌هایی که سرعت آن‌ها از قهرمانان دوی سرعت نیز بیشتر است، روبات‌هایی که می‌توانند روبات‌های دیگر را کنترل کنند و … ».
شهبازی در ادامه به تعریف و بیان توضیحات لازم در مورد Big Data و Data Analytics پرداخت و گفت:« تولید تعداد 9/72 آیتم توسط آمازون در هر ثانیه، تعداد 50 میلیون توییت در هر روز، تعداد 9/2 میلیون رد و بدل شدن ایمیل در هر ثانیه و … از جمله مثال‌هایی برای Big Data است. سه شاخصه‌ی اصلی Big Data حجم بالای داده‌ها، سرعت تولید بسیار بالای آن و متنوع بودن نوع داده‌های آن (مانند متن، توصیر، ویدئو و …) است».

شهبازی ادامه داد:« در اطراف ما سنسورهایی که داده‌ها را از ما دریافت می‌کنند زیاد است مانند City Data (تمام داده‌هایی که از شهر خارج می‌شود)، Web Data (داده‌های دنیای وب)، Fanancial Data (داده‌های مالی) و … که نیاز به تجزیه و تحلیل دارند. در موردData Analytics دو مورد امنیت داده (privacy and security) و چگونگی استفاده از این داده‌ها (policy) بسیار حائز اهمیت است. تجزیه و تحلیل داده‌ها به این صورت است که ابتدا استخراج داده‌ها (Data Extraction) صورت گرفته و پس از آن یکپارچه‌سازی داده‌ها (Data Integration) انجام می‌شود. سپس Big Data Computing و Data Managment و در گام نهایی Data Mining & Visulisation صورت می‌گیرد».
شهبازی در ادامه چالش‌های موجود در صنعت را اینگونه بیان کرد:« چالش‌های موجود در صنعت و در بخش Data 8 مورد است. 1- داد‌ها امن نیستند و ممکن است به راحتی از بین بروند. 2- استانداردی برای نوع آن‌ها وجود ندارد. 3- استانداردی برای نام‌گذاری وجود ندارد. 4- محرمانگی وجود ندارد. 5- منبعی برای ذخیره‌سازی وجود ندارد. 6- پیدا کردن و جستجوی داده‌ی مورد نظر بسیار سخت است. 7- سیستم قدرتمند وجود ندارد. 8- در نتیجه کیفیت داده‌ها بسیار کاهش می‌یابد.»
شهبازی در بیان راه‌حل‌های مورد نیاز برای رفه این چالش‌ها ادامه داد:« برای رفع این چالش‌ها 5 مورد را باید مهم دانست که عبارتند از: 1- باگذاری داده‌ها باید به صورت اتوماتیک صورت گیرد. 2-نام و ساماندهی داده‌ها باید به صورت استاندارد صورت گیرد. 3- ایجاد یک پلتفرم مدیریت داده‌ها که بتواند داده‌ها را پی از یکپارچه سازی در آن پیاده کند. 4- ایجاد امنیت چند سطحی برای داده‌ها و 5- ایجاد داشبرد برای دسترسی یوزر به داده‌ها به منظور انجام انالیز روی داده‌ها».

شهبازی در ادامه به بیان مفاهیم تخصصی‌تر در حوزه‌ی تحلیل داده در صنعت نفت و گاز پرداخت. بخش پایانی وبینار به پرسش و پاسخ پیرامون مطالب ارائه شده پرداخته شد.

برچسب ها: بدون برچسب

دیدگاه ها بسته شده اند.