خطا! ورودی را کنترل کنید
خطا! ورودی را کنترل کنید
ورود خودکار ؟
اگر فرم ثبت نام برای شما نمایش داده نمیشود، اینجا را کلیک کنید.
اگر فرم بازیابی کلمه عبور برای شما نمایش داده نمیشود، اینجا را کلیک کنید.
انجمن گفتگو استارتاپ و کار آفرینی
شما در حال مشاهده انجمن گفتگو استارتاپ های ایران هستید، این انجمن با هدف ایجاد بستر گفتگو پیرامون موضوعات حوزه کارآفرینی و کسب و کار های نوپا ایجاد شده است. با عضویت در این انجمن می توانید با اعضای اکوسیستم کارآفرینی کشور در ارتباط باشید.
این انجمن همچنین مرجع کاملی از شتاب دهنده ها، مراکز رشد و پارک های علم و فناوری، استارتاپ ها، اسامی منتور ها، سرمایه گذاران و فعالان کارآفرینی کشور را گرداوری نموده است.
ما به شما این اطمینان را می دهیم که با جستجو در این انجمن بتوانید هر موضوعی را در رابطه با استارتاپ ها پیدا کنید. کارشناسان ما نیز بطور 24 ساعته پاسخگوی سوالات شما خواهند بود.
پنج مسئله اساسی که هوش مصنوعی می تواند در حل آنها به ما کمک کندهرچند نگرانیهایی در مورد آینده هوش مصنوعی وجود دارد ولی نمیتوان از تحول مثبتی که در علم و فناوری ایجاد کرده چشمپوشی کنیم. پیش بینی شده است در آینده رباتها میتوانند در بعضی فعالیتها و شغلها جایگزین انسان باشند و یا روزی این پیشرفت به جنگ رباتها منجر شود. با این حال پژوهشها نشان میدهد هوش مصنوعی برای فعالیتهای مثبت نیز به کار برده شده است. در این مقاله به پنج مشکل اساسی که AI در حل آنها میتواند کمک کند پرداخته میشود. بهداشت و درمانیکی از بزرگترین مزایای هوش مصنوعی توانایی آن در جستجو و پردازش حجم عظیمی از داده است. کشف جدیدی از بیماری ALS با همکاری موسسه مغز و اعصاب بارو (Barrow Neurological Institute) و شرکت هوش مصنوعی IBM Watson Health انجام شده است. رایانه هوش مصنوعی IBM Watson هزاران پژوهش را مورد بررسی قرار داده و ژنهای مرتبط با بیماری ALS را شناسایی کرده است. این شرکت اعتقاد دارد که ابزارهای پژوهشی قدیمی برای پژوهشگران علوم داده کافی نیست تا بتوانند همگام با مسائل جهانی پیش بروند. هوش مصنوعی کمک میکند که مطالب مربوط به یک موضوع از میان هزاران داده موجود در سراسر جهان جستجو شود و راه حلی برای مسئله پیدا کنند. کشف جدید دانشمندان در مورد ژنهای مربوط به بیماری ALS که یکی از بیماریهای مهلک جهان است به پژوهشگران بینش جدیدی برای توسعه داروها و درمان این بیماری خواهد داد. دیگر کاربرد نویدبخش هوش مصنوعی در زمینه بهداشت و درمان، توانایی پیشبینی نتیجه درمان داروها است. برای مثال بیماران سرطانی معمولا داروهای مشابهی دریافت میکنند و سپس تاثیر داروها بر روند درمان آنها مورد سنجش قرار میگیرد. هوش مصنوعی قادر است که از دادههای موجود بهره ببرد و پیشبینی کند کدام داروی خاص برای هر بیمار تاثیرگذاری بیشتری دارد. در این راستا مقدار قابل توجهی زمان و هزینه صرفه جویی میشود و برای هر بیمار داروی مختص خودش تجویز میشود. افزایش امنیت رانندگیبا وجود تصادفهایی که برای خودروهای بدون راننده اتفاق افتاد و سروصدای زیادی در خبرها به وجود آمد، با کمک هوش مصنوعی میزان مرگ و میر و صدمههای ناشی از تصادف در جادهها کاهش خواهد یافت. طبق گزارشی که دانشگاه استنفورد منتشر کرده است خودروهای بدون راننده نه تنها میزان مرگ ومیر ناشی از تصادفها را کاهش میدهد بلکه شیوه زندگی جدیدی برای افراد به ارمغان میآورد. در طول رفت و آمدهای شهری زمان بیشتری به وجود میآید که افراد به کارهای موردعلاقه خود بپردازند و انتخابهای بیشتری برای انجام در طول مسیر داشته باشند. گزارش دانشگاه استنفورد اشاره میکند: «افزایش رفاه رفت و آمد و کاهش بار ذهنی و مشغلههای ذهنی با کمک خودروهای خودران و ایجاد وسایل حمل و نقل عمومی و مشترک، به افراد در انتخاب هرچه بهتر روش زندگی خود کمک میکند.» روش انتقال آموزشدر اوایل امسال دانشجویان دانشگاه جورجیاتک (Georgia Tech) آمریکا وقتیکه متوجه شدند دستیار آموزشی آنها یک ربات است شگفتزده شدند. ربات توانست به پرسشهای دانشجویان با دقت ۹۷ درصد پاسخ دهد. دانشگاه پس از تحقیق خود مبنی بر عامل اصلی افت دانشجویان به این نتیجه رسید که چنین رباتی طراحی کند. هر فردی با روشهای یادگیری و سرعت متفاوتی مطالب را یاد میگیرد. هوش مصنوعی این نوید را میدهد که در آینده میتوان روشهای آموزشی داشت که مختص هر فرد و تواناییهای او باشد. هیچ سیستم آموزشی در جهان وجود ندارد که روش متفاوتی برای هر کودک داشته باشد. رباتهای آموزگار هوش مصنوعی به انسان شباهت دارند و قادر هستند برای هر فرد روش انتقال آموزش و یادگیری خاصی پیشنهاد بدهند. کمک به استفاده هوشمندانه از انرژیهوش مصنوعی در استفاده هوشمندانه انرژی به ما کمک میکند. شرکت گوگل و دیگر شرکتهای بزرگ فناوری دارای مرکزهای داده عظیمی هستند که برای اجرای سرورها و خنک نگه داشتن آنها به انرژی زیادی نیاز است. شرکت گوگل از بستر هوش مصنوعی فناوریهای عمیق (Deep Mind) بهره میبرد. با این بستر زمانهایی که مرکز داده بیش از حد گرم شده و نیاز به خنکسازی دارد پیشبینی میشود و سامانههای خنکسازی زمانی فعال میشوند که نیاز باشد. با این روش گوگل تا حدود ۴۰ درصد در مصرف انرژی خود صرفهجویی کرده است. کمک به حیات وحشهمانطور که هوش مصنوعی با پردازش دادههای عظیم به مراقبتهای بهداشتی و درمانی کمک میکند، به حیات وحش نیز کمک میرساند. برای مثال با ردیابی حرکت حیوانها میتواند مشخص کند به کجا میرود و کدام بخش از زیستگاه ما نیاز به حفاظت بیشتری دارد. این مطالعه با استفاده از قدرت محاسباتی بهترین مکانهای حیات وحش را با هدف ایجاد مناطق حفاظت شده برای راسوی بزرگ (WOLVERINE) و خرسهای خاکستری در ایالت مونتانا فراهم کرد. چالشهای پیش رواستفاده از هوش مصنوعی بدون مشکل نیست. یکی از چالشهای بزرگ این است که چگونه امنیت یک سامانه مبتنی بر هوش مصنوعی را تامین کنیم؟ الگوریتمها بر اساس دادههای موجود است پس اگر تغییری در دادهها ایجاد شود نتایج و رفتار الگوریتم تغییر خواهد کرد. هر مشکلی که برای یادگیری ماشینی ممکن است پیش بیاید برای هوش مصنوعی نیز قابل انتظار است و مقابله با چنین مشکلاتی بسیار سخت است. پنج مسئله اساسی که هوش مصنوعی می تواند در حل آنها به ما کمک کند - مجلۀ فناوریهای توانافزا و پوشیدنی
تهدید دستاوردهای هوش مصنوعی توسط هکرها فناوری اطلاعات > سخت افزار - رشد روزافزون هوش مصنوعی خطر سوء استفاده از کاربران و کشف حفره و حملات خودکار هکری را موجب خواهد شد تا جایی که ممکن است موجب تصادف خودروهای خودران شده و مینی پهپادهای تجاری را تبدیل به سلاح خطرناک کند. به گزارش خبرآنلاین، بیست و پنج محقق کمبریج، آکسفورد و دانشگاه ییل با مشارکت کارشناسان نظامی و حریم خصوصی زنگ خطر سوء استفاده احتمالی از AI توسط دولتهای متخاصم، مجرمان سایبری و شاخهای از هکرهای موسوم به «گرگهای تنها» را به صدا درآوردهاند.{لینک} به گفته این محققان، استفاده مخرب از هوش مصنوعی، امنیت دیجیتال، فیزیکی و سیاسی را به مخاطره میاندازد و امکان حملات گسترده و دقیق با خسارات فراوان را موجب خواهد شد. مطالعات این گروه بر مبنای 5 سال تحقیق صورت گرفته است و «مایلز براندِج» از موسسه «آینده بشریت» وابسته به آکسفورد در این زمینه ضمن تاکید بر اپلیکیشنهای خوب حول محور هوش مصنوعی یادآور میشود که شکافی میان ادبیات استفاده از هوش مصنوعی به صورت درست و مخرب وجود دارد. هوش مصنوعی استفاده از یارانه برای انجام کارهای معمول یک انسان است و تصمیم گیری، تشخیص متن یا گفتار یا تصاویر بصری را جایگزین هوش انسان میکند. در تحقیق 98 صفحهای این محققان، روی نیروی قدرتمند هوش مصنوعی برای کمک به انسان تاکید شده است اما از سوی دیگر نسبت به خطرات اتوماسیون گسترده با استفاده از هوش مصنوعی که منجر به بیکاری انسانها میشود نیز هشدار داده شده است. https://www.khabaronline.ir/detail/756757/ict/hardware
کسپرسکی هوش مصنوعی در عرصه IT امنیت هوش مصنوعی در عرصه IT امنیت 2010 اکتبر 25 ویروس اخبار سایبر یاور، هوش مصنوعی، توسط کسپرسکی در سال 2009 توسعه یافته، طراحی شده است به طور خودکار روند مبارزه با نرم افزارهای مخرب. سایبر یاور شامل چندین زیر سیستم مستقل قادر به تبادل داده ها و قابلیت همکاری. این همچنین شامل چندین الگوریتم "سخت" و قوانین که در برنامه های استاندارد استفاده می شود. با این حال، بسیاری از زیر سیستم های آن استفاده هوش مصنوعی و منطق فازی و مستقل را تعریف رفتار خود را به عنوان آنها در مورد حل وظایف مختلف بروید. وظیفه اصلی رویارویی با کسانی هوش مصنوعی در حال توسعه است که برای ایجاد یک دستگاه مستقل AI طور کامل قادر به یادگیری، تصمیم گیری آگاهانه و اصلاح الگوی رفتاری خود را در پاسخ به محرک های خارجی. در اغلب موارد هوش مصنوعی بر تجربه و دانش توسط انسان در قالب الگوهای رفتاری، قوانین یا الگوریتم، که به معنی آن است که در رویارویی با چالش های ویروس شناسی کامپیوتر مدرن بسیار موثر است ارائه شده است. با سایبر یاور هدف برای ایجاد یک سیستم خود یادگیری قادر به انجام تحقیقات مستقل و جمع آوری دانش و تجربه بود. در نتیجه، سیستم نه تنها می آموزد اما، بر اساس دانش خود و در نتیجه از تجزیه و تحلیل خود را از یک شی، به صورت دوره یابد خطا در کار تحلیلگر است. در چنین مواردی، سایبر یاور ممکن است با قطع کردن فرآیند تحلیل و تصمیم گیری شروع و ارسال اخطار به کارشناس قبل از رفتن به جلوگیری از اسکریپت که به کاربر، که از دیدگاه سیستم می تواند آسیب کاربر ارسال می شود کامپیوتر. ساده ترین مثال از یک اشتباه ممکن است زمانی که یک برنامه مخرب جایگزین یک جزء مهم سیستم. از یک طرف لازم است برای از بین بردن برنامه های مخرب، در حالی که از سوی دیگر؛ برای انجام این کار ممکن است در آسیب سیستم غیر قابل جبران می شود. در قلب سیستم سایبر یاور یک ابزار به نام AVZ که به صورت خودکار جمع آوری داده ها از کامپیوتر به طور بالقوه آلوده و ذخیره آن در فرم ماشین خوان برای استفاده توسط سایر زیر سیستم و همچنین انجام اقدامات بر روی یک کامپیوتر از راه دور با استفاده از اسکریپت جهانی ایجاد شده است. ابزار تولید گزارش در فرمت های HTML و XML. از سال 2008 به بعد، این برنامه AVZ هسته شده است را به راه حل های آنتی ویروس کسپرسکی یکپارچه و می تواند برای درمان عفونت در صورت لزوم استفاده می شود. "برنامه های مخرب مدرن عمل می کنند و انتشار بسیار سریع است. به منظور پاسخ بلافاصله، پردازش هوشمند حجم زیادی از داده های غیر استاندارد مورد نیاز است، می گوید: "اولگ Zaitsev، توسعه دهنده پشت سایبر یاور و ارشد فناوری کارشناس در لابراتوار کسپرسکی. "هوش مصنوعی ایده آل برای این کار مناسب است. می تواند داده ها به مراتب بیش از سرعت فکر انسان را پردازش کند. سایبر یاور یکی از تنها تعداد انگشت شماری از تلاش موفق برای رسیدن به ایجاد هوش مصنوعی مستقل نزدیک تر است. مزیت اصلی سایبر یاور آن است که مثل یک موجود هوشمند، آن را قادر به خود را یاد بگیرند و به نحو مستقل تعریف اقدامات خود است. " https://shopkaspersky.com/news/1/895...86%DB%8C%D8%AA
چگونه هوش مصنوعی امنیت خانه را کامل میکند؟ با پیشرفت روزافزون وسایل و تجهیزات امنیتی خانه، استفاده از فناوری هوش مصنوعی برای کنترل حسگرها و تجهیزات ایمنی در قالب یک بستر الکترونیک کاملا ضروری به نظر میرسد. به گزارش سیتنا و به نقل از دیلی میل، تا یک دهه قبل قیمت وسایل امنیتی پیشرفته مثل اسکنر اثر انگشت و اسکنر لنز چشم بسیار بالا و تنها برای طیف خاصی از مشتریان قابل تهیه بود، اما در حال حاضر با پیشرفت صنایع تولید وسایل امنیتی، سیاست تولید این وسایل به سمت استفاده همگانی تغییر پیدا کرده و با قیمتگذاری مناسب اکنون تجهیزات پیشرفته امنیت خانه با قیمت مناسب در دسترس علاقهمندان است. فناوری هوش مصنوعی کنترل امنیت خانه با استفاده از اطلاعات دریافتی از وسایل و حسگرهای امنیتی در بیرون و داخل خانه به صورت کاملا خودکار امنیت خانه را تامین کرده و در صورت بروز حادثه، صاحبخانه را در جریان امور قرار میدهد. محققان معتقدند که در صورت استفاده از تجهیزات الکترونیک متصل به اینترنت برای کنترل بعضی از وسایل خانه مثل درِ برقی، دوربین امنیتی یا سیستم خودکار تهویه هوا، بستر هک شبکه توسط افراد سودجو فراهم میشود و در صورت عدم استفاده از فناوری هوش مصنوعی کنترل خانه، احتمال سرقت به مراتب افزایش مییابد. فناوری امنیت با هوش مصنوعی در واقع یک رایانه با نرمافزار پیشرفته است که با استفاده از مجموعه دوربینهای موجود در اطراف خانه و با نرمافزار شناسایی پیشرفته چهره، قادر است صورت عابران و همسایگان را شناسایی و در بانک اطلاعاتی خود ذخیره کند تا هنگام تشخیص افراد غریبه در مجاورت خانه، احتمال دستبرد و تصویر عابر را از طریق اپلیکیشن تلفنهمراه هوشمند به صاحب خانه اطلاع دهد، یا در صورتیکه صاحبخانه در دسترس نباشد و احتمال دستبرد قطعی باشد، با پلیس تماس گرفته و وضعیت را گزارش دهد. انتهای پیام دسته بندی:ICT در دیگر رسانه ها منبع:ایسنا چگونه هوش مصنوعی امنیت خانه را کامل میکند؟ | سیتنا
هوش مصنوعی در خدمت امنیت خانهها ایسنا: با پیشرفت روزافزون وسایل و تجهیزات امنیتی خانه، استفاده از فناوری هوش مصنوعی برای کنترل حسگرها و تجهیزات ایمنی در قالب یک بستر الکترونیک کاملا ضروری به نظر میرسد. به نقل از دیلی میل، تا یک دهه قبل قیمت وسایل امنیتی پیشرفته مثل اسکنر اثر انگشت و اسکنر لنز چشم بسیار بالا و تنها برای طیف خاصی از مشتریان قابل تهیه بود، اما در حال حاضر با پیشرفت صنایع تولید وسایل امنیتی، سیاست تولید این وسایل به سمت استفاده همگانی تغییر پیدا کرده و با قیمتگذاری مناسب اکنون تجهیزات پیشرفته امنیت خانه با قیمت مناسب در دسترس علاقهمندان است. ایسنا: با پیشرفت روزافزون وسایل و تجهیزات امنیتی خانه، استفاده از فناوری هوش مصنوعی برای کنترل حسگرها و تجهیزات ایمنی در قالب یک بستر الکترونیک کاملا ضروری به نظر میرسد. به نقل از دیلی میل، تا یک دهه قبل قیمت وسایل امنیتی پیشرفته مثل اسکنر اثر انگشت و اسکنر لنز چشم بسیار بالا و تنها برای طیف خاصی از مشتریان قابل تهیه بود، اما در حال حاضر با پیشرفت صنایع تولید وسایل امنیتی، سیاست تولید این وسایل به سمت استفاده همگانی تغییر پیدا کرده و با قیمتگذاری مناسب اکنون تجهیزات پیشرفته امنیت خانه با قیمت مناسب در دسترس علاقهمندان است. فناوری هوش مصنوعی کنترل امنیت خانه با استفاده از اطلاعات دریافتی از وسایل و حسگرهای امنیتی در بیرون و داخل خانه به صورت کاملا خودکار امنیت خانه را تامین کرده و در صورت بروز حادثه، صاحبخانه را در جریان امور قرار میدهد. محققان معتقدند که در صورت استفاده از تجهیزات الکترونیک متصل به اینترنت برای کنترل بعضی از وسایل خانه مثل درِ برقی، دوربین امنیتی یا سیستم خودکار تهویه هوا، بستر هک شبکه از سوی افراد سودجو فراهم میشود و در صورت عدم استفاده از فناوری هوش مصنوعی کنترل خانه، احتمال سرقت به مراتب افزایش مییابد. فناوری امنیت با هوش مصنوعی در واقع یک رایانه با نرمافزار پیشرفته است که با استفاده از مجموعه دوربینهای موجود در اطراف خانه و با نرمافزار شناسایی پیشرفته چهره، قادر است صورت عابران و همسایگان را شناسایی و در بانک اطلاعاتی خود ذخیره کند تا هنگام تشخیص افراد غریبه در مجاورت خانه، احتمال دستبرد و تصویر عابر را از طریق اپلیکیشن تلفنهمراه هوشمند به صاحبخانه اطلاع دهد، یا در صورتیکه صاحبخانه در دسترس نباشد و احتمال دستبرد قطعی باشد، با پلیس تماس گرفته و وضعیت را گزارش دهد. https://donya-e-eqtesad.com/%D8%A8%D...7-%D9%87%D8%A7
پر کردن خلا نیروی انسانی سایبری با هوش مصنوعی کمبود نیروی انسانی برای مقابله با تهدیدات سایبری باعث شده شرکتها به توان ماشین روی بیاورند. بسیاری از افراد داوطلب کار در امنیت سایبری دارای سطح مهارتی کافی نیستند و این مساله باعث مشکلاتی در جذب نیرو برای صنعت سایبری شده است. به گفته انجمن کنترل و بازرسی سیستمهای امنیتی کمتر از یک نفر از هر چهار نفری که برای شغلهای امنیت سایبری درخواست میدهند، احراز صلاحیت میشوند. به پیشبینی این سازمان تا سال 2019 کمبود نیروهای شایسته باعث کمبود دو میلیون متخصص امنیت در سراسر جهان خواهد شد. از سوی دیگر مجرمان سایبری میتوانند هزاران کامپیوتر را در قالب باتنتها فرماندهی کنند و آنها را برای حملههای سایبری به کار گیرند. در واکنش به این مساله بعضی شرکتها در حال تکیه بر هوش مصنوعی هستند تا حجم زیاد کار امنیتی خود را مدیریت کنند. یکی از این شرکتها Booz Allen Hamilton است که برای مدیریت کاراتر نیروهای انسانی امنیتی از هوش مصنوعی بهره میبرد. هوش مصنوعی مسائل امنیتی را اولویتبندی میکند تا کارشناسان انسانی بتوانند روی مسائل حساستر تمرکز کنند. بعضی شرکتهای کوچکتر از خدمات مبتنی بر هوش مصنوعی شرکتهایی مثل Trustwave استفاه میکنند. به گفته Trustwave حدود 60 درصد از کمپانیهایی که در نظرسنجی آنها شرکت کرده اند، اظهار داشتند که حدود نیمی از کارکنان امنیتی آنها دارای مهارتهای لازم برای مقابله با تهدیدات پیچیده هستند. با کمک هوش مصنوعی میتوان با نیروی کار کمتری با تهدیدات مقابله کرد. یک نمونه جالب توجه شرکت Daqri (تولیدکننده عینکهای واقعیت افزوده برای کاربردهای مهندسی) است که با 300 کارمند، تنها یک نفر را به تحلیل سایبری گمارده است. بخش دیگر وظایف امنیتی توسط هوش ماشین انجام میشود که دادههای دریافتی از حدود 1200 دستگاه شرکت را رصد میکند. منابع: technologyreview isaca آزمایشگاه تخصصی آپا دانشگاه سمنان( Semnan University CERT Lab. (Computer Emergency Response Team - اخبار > پر کردن خلا نیروی انسانی سایبری با هوش مصنوعی
2018: سال همسویی بلاکچین، هوش مصنوعی و اینترنت اشیامترجم: مریم لطانی سال 2017، سالی بود که ارزهای رمزنگاری شده تبدیل به یک جریان اصلی شد. اما آنچه که برای بسیاری از ما که در طی چند سال گذشته سرمایه گذاری کردهاند، بسیار هیجان انگیز است، توسعه فناوری پایه آن است. فناوری بلاکچین، که پایه بیشترین ارزهای رمزنگاری شده را در اختیار دارد، در مراحل ابتدایی قرار دارد. در سال گذشته، شاهد نتایج مثبت استفاده از این فناوری بودیم. از جمله بورس اوراق بهادار استرالیا که اعلام کرد پس از اجرای همروند هر دوسیستم، بلاکچین را جایگزین سیستم موجود فرآیندهای تجاری خود خواهد کرد. این رویداد برای بسیاری یادآور تبدیل فرآیندهای شرکتهای بزرگ از مدل کلاینت سروری به تحت وب در اواخر دهه 90 و اوایل قرن 20 ام میباشد که طی آن زنجیره تامین و فرآیندهای تدارکاتی به وضعیت آنلاین تبدیل شد. تحقیقات گستردهای برای سرمایه گذاری (ROI) انجام شد تا توجیه هزینههای پیشنهادی جایگزین کردن سیستمهای فعلی را داشته باشند. اکنون بعد از گذشت بیست سال، با وجود آنکه بسیاری از شرکتها ریسک این کار را بالا میدیدند ولی نتیجه این تحقیقات مشهود است. پیش بینی میشود که در سال 2018 شرکتهای بیشتری را در صنایع مختلف خواهیم دید که به فناوری بلاکچین برای ایجاد کارایی بیشتر (و مدلهای جدید کسب و کار در آینده) روی خواهند آورد. زمانی که صندوق سرمایه گذاری (Future\Perfect Ventures) در سال 2014 راه اندازی شد، ازترکیب بلاکچین با سایر فناوریهای در حال ظهور، از جمله ماشینهای یادگیرنده/هوش مصنوعی، امنیت و اینترنت اشیا بسیار هیجان زده بودیم. از این رو انتظار میرود که سال 2018، سالی باشد که ما شاهد همسویی این فناوریها برای ایجاد سیستم عاملهای محاسباتی و ارتباطی غیرمتمرکز آینده خواهیم بود. غیر متمرکزسازی، به واسطۀ ماهیت خود، مستلزم آن است که بیشتر اطلاعات به جای ذخیره در یک سرور مرکزی به گرهها منتقل شوند. ما همچنان شاهد توسعه نیمه هادیهایی هستیم که قادر به پردازش پیشرفته در دستگاههای کوچکتر و کوچکتر هستند. هرچه تجهیزاتی که در لبه شبکه قرار میگیرند، هوشمندتر باشند، قراردادهای هوشمندی که در ساختار بلاکچین فعال میشوند، با قابلیتهای پیشرفتهتری در تجزیه و تحلیل دادهها کار میکنند. در دسترس بودن اطلاعات بیشتر و پردازش دقیق در گرهها، مجموعه وسیعی از دادهها را در اختیار شرکتها و افراد دیگر قرار خواهد داد و جایگزین مالکیت داده اختصاصی که در حال حاضر برای شرکتهایی مانند فیس بوک و گوگل وجود دارد، خواهد شد. مهمتر این که این دادهها متنوع و نمایانگر جهانی هستند که ما در آن زندگی میکنیم، نه دادههای فیلتر شده توسط چند شرکت که در یک جغرافیای خاص قرار دارند. همه این ها ممکن است در سال آینده رخ ندهند، ولی ما حرکت اجتناب ناپذیری را به سوی آینده آغاز کردهایم، که حتی انقلابی تراز اینترنت خواهد بود. منبع: coindesk 2018: سال همسویی بلاکچین، هوش مصنوعی و اینترنت اشیا - Iran Blockchain Labs-آزمایشگاه بلاکچین ایران
هشدار محققان در رابطه با هک شدن هوش مصنوعی رایانه هامحققان آژانس امنیت ملی آمریکا در رابطه با امنیت هوش مصنوعی هشدارهایی داده اند و می گویند فناوری هوش مصنوعی و رایانه هایی که توان یادگیری دارند، توسط هکرها و دشمنان سایبری هر کشور قابل استفاده هستند. اگر چه ساخت رایانه هایی با توان خودآموزی از جذابیت های علمی و آموزشی و حرفه ای بالایی برخوردار است، اما سواستفاده از این الگوریتم ها می تواند امنیت و آسایش انسان ها را به خطر بیندازد.دکتر دبوراه فینکه رییس واحد تحقیقات آژانس امنیت ملی امریکا معتقد است ممکن است افرادی با نیات بد کنترل این نوع سیستم ها را در دست بگیرند و با توجه به حجم زیاد و ارزشمند داده های تولید شده توسط این رایانه های هوشمند می توان از آنها برای آسیب زدن به افراد و حتی میلیون ها نفر از جمعیت جهان سواستفاده کرد.به گفته وی سواستفاده از رایانه های هوشمند پدیده ای است که در آینده حتما شاهد آن خواهیم بود و اگر از هم اکنون برای مهار این چالش راهی پیدا نشود مشکلات جدی برای بشریت ایجاد خواهد شد.هکرها می توانند پس از نفوذ به شبکه های عصبی مورد استفاده رایانه های هوشمند، اطلاعات غلطی به آنها تزریق کنند و از این داده های غلط به منظور آموزش اشتباه به آنها و سواستفاده های بعدی نهایت استفاده را بکنند.وزارت دفاع آمریکا که از هم اکنون با نگرانی نسبت به این مساله در تلاش برای کنترل دقیق شبکه های عصبی یاد شده است تا در صورت لزوم آنها را از دسترس دشمنان خود مخفی کند. همچنین قرار است آموزش هایی به این شبکه ها داده شود تا آنها از پذیرش و اجرای دستورات افراد غیرمجاز و تعریف نشده خودداری کنند. هشدار محققان در رابطه با هک شدن هوش مصنوعی رایانه ها - برسام
معنای متفاوت باهوش بودن در عصر هوش مصنوعیبسپار می نویسد، اندرو ان.جی (Andrew NG) دانشمند چینی-آمریکایی علوم کامپیوتر، هوش مصنوعی را به اختراع برق تشبیه میکند، چراکه به نظر او این مقوله برای انسانهای امروز مرحله گذاری را شکل میدهد که برق برای گذشتگان ما به وجود آورده بود. میتوانم تصور کنم که برق در آن زمان چقدر برای آنها رمزآلود، ترسناک و حتی شوکهکننده بود. همانطور که اکنون هوش مصنوعی نیز برای بسیاری از ما همین حس را تداعی میکند. از نظر اندرو، اسم هوش مصنوعی به خوبی تعبیر نشده است. اختراع برق، دنیا را متحول کرد و شیوه حملونقل، تولید، کشاورزی و بهداشت را بهبود بخشید. هوش مصنوعی نیز قرار است اثر مشابهی داشته باشد. تکنولوژی اطلاعات، جستوجوی وب و تبلیغات در حال حاضر با هوش مصنوعی قویتر شدهاند. این هوش مصنوعی است که این روزها برای خیلی از مردم در سراسر دنیا تصمیم میگیرد که آیا واجد شرایط دریافت وام هستند یا نه. هوش مصنوعی به ما کمک میکند پیتزا سفارش دهیم و زمانی را که باید منتظر بمانیم برای ما تخمین میزند. حوزههای دیگری که تحت تاثیر هوش مصنوعی قرار میگیرند، عبارت است از: تکنولوژی مالی، لجستیک، سلامت و امنیت. هوش مصنوعی در حال حاضر به بسیاری از تعاملات امروز ما قدرت میبخشد. وقتی به برنامه «سیری» دستور میدهید و توصیههای نتفلیکس را دنبال میکنید، میدانید که این تعاملات با سیستمهایی اداره میشوند که از حجم انبوهی از داده برای پیشبینی نیازهای شما استفاده میکنند. این بازار رو به رشد است. تحقیقات شرکت پژوهشی IDC پیشبینی میکند تا سال 2020 هوش مصنوعی درآمدزایی در سطح جهانی را به بیش از 47 میلیارد دلار میرساند، درحالیکه این رقم در سال 2016 تنها 8 میلیارد دلار بوده است. دانشمندان همچنین پیشبینی میکنند که اتوماسیون بخشهای خدماتی و مشاغل حرفهای در ایالات متحده، بیش از 10 برابر بیشتر از تعداد مشاغل تولیدی خواهند بود که تاکنون به شکل اتوماتیک درآمدهاند. این مساله به احتمال زیاد برای ما بسیار تکاندهنده است. با این حساب، ما در جهت آماده شدن برای دنیای جدید چه اقداماتی باید انجام دهیم؟ هوش مصنوعی رقیبی سرسختتر از هر انسانی خواهد بود و ما خواسته یا ناخواسته در یک مسابقه آشفته خواهیم بود تا خود را در این قاب بگنجانیم. این موضوع مستلزم آن است که مهارتهای دانشبنیان و احساسی خود را در سطح بسیار بالاتری نگه داریم. بسیاری از متخصصان بر این باور هستند که هنوز برای مشاغلی که دارای اهمیت زیادی هستند، خلاقیت بیشتری میطلبند و نیاز به تفکر نوآورانه دارند و همچنین مشاغلی که مستلزم حضور احساسی برای برآوردن نیاز انسانهای دیگر است، به وجود بشر نیاز است. مشکل بسیاری از ما این است که در این مهارتها دارای برتری نیستیم و علت آن در طبیعت دانشپژوه و احساسات شرورانه ما نهفته است: ما متفکرانی هستیم که به دنبال تایید شدنیم و استدلالگرانی هستیم که تدافعی به دنبال برآوردن حس امنیت خود هستیم. ما باید بر این تمایل به شر خود غلبه کنیم تا بتوانیم مهارتهای تفکر، گوش دادن، ارتباطگیری و همکاری را به سطوح بالاتری برسانیم. من معتقدم که فرآیند این ارتقا، از تغییر تعبیری که از آن بهعنوان «باهوش بودن» یاد میکنیم، شروع میشود. تا امروز بسیاری از ما با «باهوشتر بودن» از دیگران آن گونه که از نتایج امتحانات در سالهای اولیه مدرسه آغاز میشود، موفقیت کسب کردهایم. همیشه افراد باهوش آنهایی بودهاند که بالاترین نمرات را با کمترین اشتباه به دست آوردهاند. هوش مصنوعی این مفهوم را تغییر میدهد، چرا که هیچ راهی وجود ندارد که بشر بتواند بر آن مستولی شود؛ به عنوان مثال، سوپرکامپیوتر واتسون IBM. ماشینهای هوشمند میتوانند سریعتر و بهتر از ما انسانها اطلاعات را پردازش، ذخیره و بازیابی کنند. به علاوه، هوش مصنوعی میتواند سریعتر از ما الگوها را با هم تطبیق دهد و ارائههای جایگزین و وسیعتری از ما ایجاد کند. هوش مصنوعی میتواند حتی سریعتر یاد بگیرد. در عصر ماشینهای هوشمند، تعریف قدیمی ما از آنچه یک شخص را باهوش نشان میدهد، هیچ معنایی نخواهد داشت. به یک تعریف جدید از باهوش بودن نیاز است؛ تعریفی که سطح بالاتری از تفکر انسان و حضور احساسی او را ارتقا دهد. شخص باهوش در دنیای امروز، آن گونه که میدانید یا میشناسید تعریف نمیشود، بلکه تعریف او به کیفیت تفکر، گوش دادن، برقراری ارتباط، همکاری و یادگیری وابسته است و این حرکت ما را قادر خواهد کرد تمام تمرکز و تلاش خود را بهکار بگیریم تا مهارتهای دانشپژوهی و احساسی خود را به سطوح بسیار بالاتری ارتقا دهیم. ما زمان بیشتری را صرف آموزش خود برای داشتن ذهن باز و بهروز کردن باورهایمان در پاسخ به دورههای جدید خواهیم کرد. ما تمرین خواهیم کرد که بعد از اشتباه، خود را تنظیم کنیم و سرمایهگذاری بیشتری در مهارتهایی خواهیم کرد که بهطور سنتی با هوش مصنوعی در ارتباط هستند. باهوش بودن در دنیای جدید یعنی تلاش برای غلبه بر دو مانع بزرگ: تفکر بحرانی و همکاری تیمی. یعنی منیت ما و ترسمان. با انجام این اقدامات، راحتتر میتوانیم حقیقت را همانگونه که هست برداشت کنیم، نه آنگونه که دلمان میخواهد باشد. به عبارت سادهتر، باید فروتنی را بپذیریم. اینگونه است که ما انسانها در دنیای تکنولوژی هوشمند، ارزش خلق خواهیم کرد. منبع: دنیای اقتصاد به نقل از HBR معنای متفاوت باهوش بودن در عصر هوش مصنوعی
نقش هوش مصنوعی در دفاع سایبری سلام دوستان، موضوع امروز ما دربارهی یکی از مهمترین مسائلی است که روزانه با اون سروکار داریم. یعنی داشتن امنیت در فضای سایبری. پس اگر به این موضوع علاقه دارید، پیشنهاد میکنم که با ما همراه باشید. سرعت داده ها و حجم دادههایی که در دفاع فضای سایبری استفاده میشود بدون توجه به اتوماسیون و تنها به دست بشر نمیتواند کنترل شود. هرچند توسعه نرم افزارها با الگوریتمهای ثابت، برای دفاع موثر در برابر حملات گوناگون در حال توسعه در شبکه ها مشکل است. این وضعیت میتواند با بکارگیری روش هایی از هوش مصنوعی که قابلیت و گنجایش یادگیری را برای نرمافزار فراهم میکنند کنترل شود. این مقاله برآورد خلاصهای از کاربردهای هوش مصنوعی در دفاع سایبری را ارائه کرده و چشم اندازهایی از افزایش قابلیتهای دفاع سایبری را با استفاده از افزایش هوشمندی سیستم های دفاعی تحلیل میکند. ما میتوانیم پس از بررسی مقالات در مورد کاربردهای هوش مصنوعی در دفاع سایبری، نرمافزارهای مفیدی که در حال حاضر موجود هستند را شناسایی کنیم. این واضح است که بسیاری از مشکلات دفاع سایبری تنها زمانی با موفقیت حل میشود که روش های هوش مصنوعی در آن به کار برده شوند. برای مثال، استفادهی گسترده ازعلوم در تصمیمگیریها بسیار ضروری بوده، و پشتیبانی تصمیمگیری هوشمند هنوز یکی از مشکلات حل نشده در دفاع سایبری است. این واضح است که دفاع در برابر سلاح های سایبری هوشمند تنها توسط نرمافزارهای هوشمند میتواند به دست آید، و حوادث دو سال اخیر افزایش سریع هوشمندی نرم افزارهای مخرب و سلاحهای سایبری را نشان میدهد. اجازه دهید برای مثال کرم Conficker را ذکر کنیم. برخی از تاثیر های کرم Conficker روی شبکه های کامپیوتری پلیس و نظامی در اروپا به این شرح ذکر شده است: شبکه های کامپیوتری نظامی کشور فرانسه (Intramar)، در ژانویه سال 2009 به کرم Conficker آلوده شده بود. متعاقبا شبکه به حالت قرنطینه درآمده، و هواپیماهای جنگندهی چند فرودگاه به علت دانلود نشدن نقشه های پرواز بلااجبار به زمین نشانده شدند. وزارت دفاع بریتانیای کبیر اعلام کرد که بخش عمدهای از سیستمهای اصلی آنها و کامپیوترهای رومیزیشان آلوده به این ویروس شده. ویروس درتمام دفاتر اداری گسترش یافته بود، کامپیوتر های Navi* روی ناوهای جنگی سلطنتی مختلف و زیر دریاییهای جنگی سلطنتی، و بیمارستانهای شهر شیفلد خبر از آلوده شدن حدود 800 کامپیوتر میدادند. در دوم ماه فوریه سال 2009، نیروهای مسلح متحد جمهوری فدرال آلمان خبر از آلوده شدن یکصد کامپیوتر داد، در ژانویه سال 2010 بخش اعظمی از شبکهی کامپبوتری پلیس منچستر آلوده شد، و به دنبال آن کامپوتر ملی پلیس به عنوان اقدام احتیاطی برای 3 روز پیاپی قطع شد. در طول آن زمان، مامورین میبایست برای بررسی معمولی یا روزمرهی مردم و ماشین ها از نیروهای دیگر درخواست کمک میکردند. نرم افزارهای کاربردی جنگ محور شبکه، حوادث سایبری را به شکل خاصی خطرناک میکند، و به همین دلیل تغییرات در دفاع سایبری به طور ضرور احتیاج است. روشهای جدید دفاعی مثل راه اندازی گوناگون محیط های ایمن، آگاهی از وضعیت محیط، واکنش کاملا خودکار هنگام حملات در شبکه ها نیاز زیادی به استفادهی گسترده از روشهای هوش مصنوعی و ابزار مبتنی بر دانش دارد. چرا نقش نرمافزارهای هوشمند در عملیات سایبری به این سرعت افزایش یافته؟ با نگاه نزدیکتر بر فضای سایبری، پاسخهای زیر را میتوان دریافت. هوش مصنوعی اول از همه برای عکسالعمل سریع به وضعیتها در اینترنت مورد نیاز است. یکی باید قادر به بررسی سریع مقدار زیادی از اطلاعات به منظور توصیف و بررسی حوادثی که در فضای سایبری روی داده و گرفتن تصمیم مناسب باشد. سرعت پردازشها و حجم دادههایی که استفاده می شود نمیتواند بدون توجه به اتوماسیون و تنها توسط انسانها به کار آید. هرچند، توسعهی نرم افزارها با الگوریتم های ثابت معمولی برای دفاع موثر در برابر حملات گوناگون در فضای سایبری به دلیل اینکه تهدیدات جدید به طور مداوم ظاهر میشوند بسیار سخت است. این جا مکانی است برای رویش های هوش مصنوعی. هوش مصنوعی به عنوان زمینه ای از تحقیقات علمی( در ابتدا هوش ماشینی نیز نامیده میشد)، تقریبا به قدمت کامپیوتر های الکتریکی عمر دارد. امکان ساخت دستگاهها/ نرم افزارها/ سیستمهای هوشمند تر از انسان از همان روزهای اولیه هوش مصنوعی به عنوان افقهای هوش مصنوعی به شمار میرفت. مشکل آن است که با گذشت زمان افق های زمانی نیز دورتر میشوند. ما شاهد حل شدن تعدادی از مشکلات سخت هوشمندی توسط کامپیوترها بودیم. مثل بازی خوب شطرنج. برای مثال، در طول روزهای اولیه از محاسبه، بازی شطرنج به عنوان یک بنچمارک نمونه از هوش واقعی در نظر گرفته میشد. حتی در 70 سال گذشته، زمانی که شطرنج کامپیوتر در سطح کارشناسی بود، این تقریبا غیرممکن بود که یک برنامه ایجاد کرد که بتواند قهرمان جهان را از پیش رو بردارد. به هر حال این اتفاق زودتر از آنچه که پیش بینی میشد افتاد. این اتفاق 3 دلیل داشت: افزایش قدرت محاسبات، توسعه یک الگوریتم خوب جستجو( که میتوانست در برنامههای کاربردی در رده شطرنج استفاده شود)و پایگاه دانش خوب سازماندهی شده که شامل تمام علوم شطرنج میشد( اول از همه شروع و پایان بازی). ذاتا، مشکل شطرنج میبایست به دلیل اینکه آن یک مشکل خاص وابسته به هوش مصنوعی به نام هوش مصنوعی باریک بود، حل میشد. یک موضوع دیگر، ترجمه از یک زبان به زبان دیگر مورد نیاز بود که به هوش مصنوعی عام احتیاج دارد. در 60 سالٍ قرن گذشته، خصوصا بعد از کارهای نوآم چامسکی( چامسکی زبانشناس، فیلسوف، آنارشیست و نظریه پرداز آمریکایی است که از او به عنوان پدر زبانشناسی مدرن یاد میشود) در زبان شناسی ساختاری، انتظار میرفت که مشکل ترجمهی زبان طبیعی به زودی حل شود. اگرچه موفقیت در بعضی نرم افزارهای کاربردی خاص مانند، زبان شناسی هوش مصنوعی گوگل به چشم میخورد، اما هنوزاین اتفاق نیافتاده. علت آن است که این کار به پردازش هوش عمومی مصنوعی و توانایی دسته بندی حجم بالایی از دانش در هر زمینهی مربوط به فعالیت های بشر احتیاج دارد. عموما این مورد قبول است که هوش مصنوعی میتواند در 2 راه در نظر گرفته شود: به عنوان هدف علمی در تلاشهایی برای پیبردن به ذات هوش و توسعهی عمومی ماشینهای هوشمند، یا به عنوان روش های ارایهی علم برای حل مشکلات پبچیده که نمی توان بدون اضافه کردن قدری هوش آن را حل کرد مانند بازی شطرنج یا گرفتن تصمیم درست هنگامی که با حجم بالایی از داده های وضعیت روبهرو هستیم. در این مقاله ما روش دوم را در نظر میگیریم، یعنی روشی برای اضافه کردن الگوریتمهای خاص هوش مصنوعی به مشکلات دفاع سایبری. اول از همه نیاز به کاربردهایی از شبکه های حسگر عصبی در دفاع محیطی است، از طرف دیگر، این واضح است که بیشتر مشکلات دفاع سایبری تنها زمانی با موفقیت حل میشوند که روش های هوش مصنوعی در آن استفاده شود. استفاده از دانش گسترده در تصمیم گیریها ضروری است، و پشتیبانی از تصمیم هوشمند هنوز یکی از مشکلات حل نشده در دفاع سایبری میباشد. تعداد زیادی از روش ها در زمینه هوش مصنوعی برای حل کردن مشکلات سختی که نیازبه هوش از دیدگاه بشر هستند ایجاد شده است. برخی از این روشها به مرحلهی تکاملی رسیدهاند که الگوریتمهای دقیق موجود بر پایه این روش ها هستند. حتی برخی از روشها آنقدر به طور گستردهای شناخته شدهاند که دیگر به عنوان وابسته به هوش مصنوعی در نظر گرفته نمیشوند، بلکه به قسمتی از محیط برنامه تبدیل شدهاند. برای مثال: الگوریتم های دادهکاوی که از رشتههای یادگیری هوش مصنوعی پدیدار شدهاند. این امتحان غیر ممکن خواهد بود که عملا کمتر یا بیشتر بررسی کاملی از تمامی قسمتهای سودمند روش های هوش مصنوعی در یک بررسی مختصر داشته باشیم، در عوض، ما روشها و ساختارهایی را در چندین زمینه گروهبندی کردیم: شبکههای حسگر، سیستم های خبره، عامل هوشمند، جست و جو، یادگیری ماشینی، داده کاوی و حل محدودیت. ما این دسته بندیها را اینجا خلاصه کردیم، و منابعی مشخص کردیم برای استفاده از روش های مربوطه در دفاع سایبری . ما در مورد فهم زبان طبیعی، رباتیک و دید کامپیوتر که آن را کاربردهای خاصی از هوش مصنوعی در نظر گرفتیم بحث نخواهیم کرد. رباتیک و دید کامپیوتر قطعا کاربردهای نظامی قابل توجهی دارند، اما ما چیز خاصی مربوط به دفاع سایبری در آن نیافتیم. شبکه های عصبی شبکه های عصبی تاریخچه طولانی دارند که با اختراع پرسپترون توسط فرانم روزن بلات در سال 1957 شروع شد. یک سلول عصبی یکی از مهمترین عناصر رایج در شبکه های عصبی است. پیش از این تعداد کمی از پرسپترون های ترکیب شده با هم میتوانستند یاد بگیرند و مشکلات جالب را حل کنند. اما شبکه های عصبی میتوانند از تعداد زیادی عصب های مصنوعی تشکیل شوند. از این رو شبکههای حسگر تابعی از یادگیری موازی سریع و تصمیم گیری را فراهم میکنند. ویژگی برجسته آنها سرعت عملکرد آنهاست. اون ها برای یادگیری تشخیص الگو، طبقه بندی، انتخاب پاسخ ها به حملات و… مناسب هستند. آنها میتوانند در هر دوی سخت افزار و نرم افزار اجرا شوند. شبکههای عصبی در تشخیص نفوذ و ممانعت از نفوذ به خوبی قابل اجرا هستند. برای استفاده از آنها در تشخیص حمالات DDos، تشخیص کرمهای کامپیوتری، تشخیص Spam، تشخیص Zombie، طبقه بندی بدافزارهای مخرب و تحقیقات قانونی پزشکی پیشنهادهایی وجود دارد. یکی از دلایل محبوب بودن شبکه های عصبی در دفاع سایبری، در سخت افزارها و پردازنده های گرافیکی بالا بودن سرعت آنها است. پیشرفت های جدیدی در تکنولوژی شبکه های عصبی وجود دارد: شبکه های عصبی نسل سوم، شبکه های عصبی Spiking که از نورون های زیستی واقع بینانه تر تقلید میکند، و فرصت های کاربردی بیشتری فراهم میکند. فرصتهای خوب توسط FPGA که توسعه سریع شبکه های عصبی و تنظیم آنها برای تغییرات نفوذی را قادر میسازد فراهم میشوند. سیستم های خبره سیستمهای خبره بی قید وشرط سریع ترین برنامه های مورد استفاده در هوش مصنوعی اند. یک سیستم خبره نرم افزاری جهت پیدا کردن پاسخ برای سوال ها در برخی حوزه های نرم افزارهای کاربردیٍ ارائه شده توسط یک کاربر یا توسط نرم افزار دیگر میباشد. آن میتواند به طور مستقیم برای پشتیبانی تصمیمگیری استفاده شود. برای مثال در تشخیص پزشکی، سرمایه گذاری یا فضای سایبری. تنوع بزرگی در سیستمهای خبره از سیستمهای تشخیص فنی کوچک تا سیستم های پیوندی پیشرفته برای حل مشکلات پیچیده وجود دارد. مفهوماً، یک سیستم خبره شامل پایگاه دانش است، جایی که دانش تخصصی در مورد یک فضای برنامهی کاربردی خاص ذخیره میشود. در کنار پایگاه دانش، آن شامل یک موتور رابط جهت استخراج پاسخ هایی مبتنی بر دانش آن و احتمالاً، دانش فرعی در مورد یک وضعیت میباشد. پایگاه دانش خالی و موتور رابط با هم هستهی سیستم خبره نامیده میشوند. قبل از آنکه بتواند استفاده شود، آن باید با دانش پر شود. هستهی سیستم خبره باید با نرم افزار، جهت اضافه کردن دانش در پایگاه دانش پشتیبانی شود، و آن میتواند با برنامه ها برای فعل و انفعالات کاربر، و برنامههای دیگر که ممکن است در پیوند سیستم های خبره استفاده شوند توسعه پیدا کند. منظور از توسعه ی یک سیستم خبره، ابتدا انتخاب/ توافق از یک هستهی سیستم خبره و دوم بدست آوردن دانش خبره و پر کردن پایگاه دانش توسط دانش است. قدم دوم به مراتب پیچیده تر و زمان بر تر از قدم اول میباشد. ابزار زیادی برای توسعهی سیستمهای خبره وجود دارد. عموما یک ابزار شامل یک هستهی سیستم خبره و همچنین یک عملکرد برای اضافه کردن دانش به مخزن دانش است. سیستم های خبره میتوانند عملکردهای اضافی برای شبیه سازی،و برای انجام محاسبات داشته باشند. فرم های مختلفی جهت نمایش دانش در سیستم های خبره وجود دارد. رایجترین آنها یک نمایش قانونمند است. اما بدون سود بودن یک سیستم خبره بستگی اساسی به کیفیت دانش در پایگاه دانش سیستم خبره، و نه خیلی برروی فرم داخلی از نمایش دانش دارد. این منجر به حاصل شدن مشکل در توسعه ی برنامه های کاربردی واقعی میشود که بسیار سخت است. یک نقشه ریزی امنیتی مثالی از یک سیستم خبرهی دفاع سایبری است. این سیستم خبره انتخاب اقدامات امنیتی را به طور قابل توجهی ساده کرده و راهنماییهایی جهت استفادهی بهینه از منابع محدود را فراهم میکند. کارهای اولیهی زیادی برای استفاده از سیستم های خبره درتشخیص نفوذ وجود دارد. عوامل هوشمند عوامل هوشمند اجزای نرم افزاری هستند که دارای برخی ویژگی ها از رفتار هوشمند هستند که آن ها را خاص کرده است. آنها ممکن است قابلیت نقشه کشی، قابلیت تحریکپذیری و بازتاب داشته باشند. در جوامع مهندسی نرم افزار، هنر عامل های نرم افزاری وجود دارد که مطرح شده تا به عنوان اشیائی باشد که حداقل فعال بوده و قابلیت استفاده در زبان ارتباطات عامل را داشته باشد. با مقایسه عاملها و اشیاء، میتوان گفت که اشیاء ممکن است غیرفعال باشند و آن ها قادر به فهم هیچ زبانی نیستند. (اگرچه آنها پیامهایی که به نحو خوبی تعریف شدهاند را قبول میکنند). شبیهسازی این را نشان میدهد که عوامل مشترک میتوانند به طور موثر در مقابل حملات DDos مقاومت کنند. بعد از حل کردن برخی مشکلات قانونی و تجاری در قوائد اصلی، توسعهی یک پلیس سایبری شامل عوامل هوشمند محرک ممکن خواهد بود. این نیازمند پیادهسازی زیرساختهایی برای پشتیبانی تحریک پذیری عوامل سایبری و ارتباطات است، اما بیشتر باید برای دشمنان غیرقابل دسترس باشد. این کار نیازمند همکاری با ISP ها است. ابزار چند عامله میتوانند تصویر عملیاتی کاملی از فضای سایبری را فراهم کنند. جستجو جست و جو یک روش جهانی از حل مشکل است که میتواند در تمام جهات وقتی که هیچ روش دیگری قادر به حل مشکل نیست استفاده شود. به طور مداوم مردم در زندگی روزمره خود از این روش استفاده میکنند، بدون هیچ توجهی به آن. در واقع برای استفاده از الگوریتمهای جست و جوی اصلی به هنگام موقیعتهای رسمی دانش کمی لازم است. یکی از آنها قادر بودن به معلوم کردن نوعی وضعیت است، و یک پردازنده باید برای تصمیم گرفتن که آیا هدف کاندید شده میتواند پاسخ نیازهای ما را برای وضعیت برطرف کند باید در دسترس باشد. اما اگر علوم اضافی بتواند برای راهنمایی در جستجو مورد استفاده قرار گیرد، سپس بازدهی جستجو میتواند به شدت افزایش یابد. الگوریتم جستجو به شکلهای دیگری نیز در هر برنامه هوشمند ارائه شده، و معمولا شدت آن برای کارایی در کل برنامه بسیار مهم است. انواع بسیاری از روش های جستجو توسعه یافتهاند که به عنوان یک علم خاص در مورد مشکلات رایج جستجو که به حساب میآیند. اگرچه در هوش مصنوعی روش های جستجوی زیادی ایجاد شده، ولی آن ها در برنامه ها به صورت گسترده مورد استفاده قرار میگیرند و به ندرت در هوش مصنوعی استفاده میشوند. جستجو در نرم افزار پنهان است و آن به عنوان یک برنامه کاربردی هوش مصنوعی قابل مشاهده نیست. جستجوی درونی یا درختی، جستجوی βα، جست جوی مینیماکس و جستجوی اتفاقی به صورت گسترده در نرم افزارهای بازی استفاده شدهاند، و آن ها در تصمیمگیری در دفاع سایبری بسیار سودمند هستند. در الگوریتم جستجوی βα، شرط اصلی برای شطرنج کامپیوتری، اجرا گرفتن از یک ایدهی مفید در حل مشکل، و به طور خاص در تصمیمگیری است، زمانی که 2 حریف بهترین حرکات ممکن خود را انتخاب کردهاند. این از آورد حداقل ضمانت برد و حداکثر امکان باخت استفاده میکند. اغلب در وهله ی اول این برای از کار انداختن حجم زیادی از اختیارات و بالا بردن سرعت جستجو استفاده میشود. یادگیری توسعه دادن یک سیستم دانش توسط گسترش یا چینش دوبارهی پایگاه دانش آن یا از طریق توسعه موتور رابط. این یکی از بیشترین مشکلات افزایشی از هوش مصنوعی است که آن تحت بررسی شدید است. یادگیری ماشین شامل روشهای محاسباتی برای کسب کردن علوم جدید، مهارت ها و راههای جدید برای سازماندهی علم میباشد. مشکلات یادگیری همراه با پیچیدگی تا حد زیادی از آموزش ساده ی پارامتریک که به عنوان یادگیری مقادیری از بعضی پارامترها نیز یاد میشود متفاوت است. برای اشکال پیچیدهای از نمادها، به عنوان مثال، یادگیری مفاهیم، دستور زبان، توابع، و حتی یادگیری از رفتار. هوش مصنوعی برای هر دو نوع روشهایی را فراهم کرده. یادگیری تحت نظارت(یادگیری همراه با یک معلم) به خوبی یادگیری بدون نظارت. دومی در صورت وجود حجم زیادی از داده ها بسیار سودمند است، و این در دفاع سایبری در جایی که گزارشهای بزرگی گردآوری میشوند رایج است. دادهکاوی دراصل از یادگیری بدون نظارت در هوش مصنوعی به وجود آمده است. یادگیری بدون نظارت میتواند عملکردی از شبکههای حسگر باشد، به ویژه از نقشههای خود-سازمان. یک نوع برجسته از روشهای یادگیری توسط الگوریتمهای یادگیری موازی که برای اجرا بر روی سختافزارهای موازی مناسب هستند تشکیل میشود. این روشهای یادگیری توسط الگوریتم های ژنتیک و منطق فازی نیز بودهاند. برای نمونه، بکارگیری در سیستم های تشخیص تهدید. حل محدودیت حل محدودیت یک شیوهی توسعه داده شده برای یافتن راه حلهایی جهت مشکلاتی که نمایان شدهاند، توسط ارائه کردن مجموعهای از راه حل های مرتبط با محدودیت در هوش مصنوعی میباشد. به عنوان مثال، اظهارات منطقی، جداول، معادلات، نابرابری ها و… راهحل مشکل مجموعهای از مقادیر که محدودیت ها را به وجود میآورند میباشد. در حقیقت، بر اساس نوع محدودیت ها روش هایحل محدودیت متفاوتی وجود دارند( برای مثال، محدودیت های مربوط به مجموعههای متناهی، محدودیتهای تابعی، درختان منطقی). در بسیاری از سطوح انتزاعی، تقریبا هر مشکل میتواند به عنوان یک مشکل حل محدودیت نمایان شود. حل این مشکلات بخاطر حجم زیادی از جستجو که در کل مورد نیاز است سخت است. تمام روشهای حل محدودیت ها هدفشان به سوی محدود کردن جستجو توسط در نظر گرفتن اطلاعات خاص در مورد کلاسهای خاص از مشکلات میباشد. حل محدودیت میتواند در تجزیه و تحلیل و پشتیبانی تصمیم در ترکیب با برنامهنویسی منطقی مورد استفاده قرار گیرد. چالشها در دفاع سایبری هوشمند زمانی که توسعه وکاربردهای هوشمصنوعی در دفاع سایبری در پژوهشهای آینده برنامهریزی میشوند، یک چیز باید بین اهداف فوری و چشمانداز بلند مدت مشخص شود. روشهای بیشماری از هوشمصنوعی وجود دارد که بلافاصله در دفاع سایبری قابل قبول هستند، و مشکلات دفاع سایبری آنی وجود دارند که نیاز به انحلال هوشمندتری نسبت به ابزار معرفی شده دارند. درآینده، میتوان چشمانداز امیدوارکنندهای از اصول کاملا جدید بکارگیری علوم در مدیریت وضعیت و تصمیمگیری را دید. این اصول شامل مقدمهای از یک ساختار علمی سلسله مراتبی و وابسته در یک نرم افزار تصمیمگیری میباشد. یک محدودهی کاربردی به چالش کشیده شده، مدیریت دانش برای شبکهی جنگ محور میباشد. تنها مدیریت دانش خودکار میتواند ارزیابی سریع وضعیتی تضمین کند که بهترین تصمیم را به رهبران و تصمیم گیرندگان در هر سطح C2 ارائه کند. در حال حاضر سیستمهای خبره در بسیاری از برنامههای کاربردی استفاده می شوند، بعضی اوقات در درون نرمافزارهای کاربردی پنهان هستند، مانند نرمافزار برنامه ریزی اقدامات امنیتی. هرچند سیستم های خبره میتوانند کاربردهای وسیعتری داشته باشند، اگر پایگاهدانش آن ها توسعه پیدا کند. این نیازمند سرمایهگزاری قابل توجهی در کسب دانش، و توسعهی پایگاه دانش سطح بالا میباشد. همچنین توسعه بیشتر تکنولوژی سیستم خبره نیز مورد نیاز است، همپیمان بودن باید در ابزار سیستم خبره معرفی شود، و پایگاههایدانش سلسله مراتبی باید مورد استفاده قرار گیرد. با توجه به آیندهی دور، حداقل چند دههی پیش رو، شاید ما، نباید خودمان را به هوش مصنوعی باریک محدود کنیم. برخی از مردم به این که هدف اصلی هوشمصنوعی توسعهی عمومی هوشمصنوعی است متقائد شدهاند. هوشمصنوعی عمومی در نیمههای قرن حاضر به وجود آمد. محققان دربارهی توسعهی سریعتر هوشمصنوعی درکامپیوترها هشدار میدادند. این توسعه ممکن بود به شگفتی منجر شود. شگفتی، ایجاد فنآوریِ هوشمندتر از هوش انسان است. چندین فناوری وجود دارد که اغلب در این راستا نام برده میشود. شایعترین نام برده شدگان احتمالا هوش مصنوعی است. اما چندین شیوه متفاوت دیگری نیز هستند که اگر آنها به آستانه ی کمال برسند، قادر به ایجاد هوشمصنوعیِ هوشمندتر از انسان خواهیم بود. آیندهای که شامل هوشی هوشمندتر از هوش انسان باشد واقعا متفاوت است، از این نظر که Ray Kurzweil(نویسنده و آینده نگر آمریکایی) ارزیابی کرده که روند توسعه تا سال 2045 به شگفتی خواهد رسید. نباید شگفتی را یک تهدید باور داشت، چون توسعهی سریع فناوری اطلاعات ایجاد قابل توجه هوشمصنوعی در نرمافزارهای این دوره را به خوبی قادر خواهد ساخت. (با توجه به کارایی خارق العادهی برنامه ی Watson از شرکت IBM). در ارائهی وضعیتی از گسترش سریع هوشمندی برنامه های مخرب و مهارتهای حملات سایبری، توسعهی روشهای هوش مصنوعی در دفاع سایبری اجتناب ناپذیر است. تجربیات در تسکین حملات DDos این را نشان میدهد که حتی یک مقاومت در برابر حملات بزرگمقیاس با کمترین منابع زمانی که روشهای هوشمند استفاده میکنند، میتواند موفقیت آمیز باشد. تجزیه و تحلیلها از انتشارات نشان میدهد که هوشمصنوعی به صورت گستردهای در دفاع سایبری توسط پژوهش در شبکههای حسگر هوشمند فراهم میشود. کاربردهای شبکههای حسگر میتواند در دفاع سایبری ادامه یابد. همچنین یک نیاز ضروری برای کاربرد روش های دفاع سایبری هوشمند در محیط های گوناگون، جایی که شبکههای حسگر فناوری کارآمدی نیستند وجود دارد. آگاهی وضعیت و مدیریت دانش، و فناوری سیستمهای خبره از امید بخشترین روش ها در محیط های پشتیبانی تصمیم هستند. پایان این به درستی واضح نیست که چگونه توسعه سریع هوشمصنوعی عمومی ادامه مییابد، در هرصورت تهدیداتی وجود دارند که یک هوشمصنوعی سطح جدید ممکن است سریع تر از اینکه در دسترس باشد، از آن ها توسط عاملان حمله استفاده شود. ظاهرا، پیشرفت های جدید در فهم دانش، نمایش و بررسی در یادگیری ماشین میتواند به خوبی توانایی دفاع سایبری سیستم هایی که از آن ها استفاده میکنند باشد. نقش هوش مصنوعی در دفاع سایبری | تکفارس
مشاهده قوانین انجمن