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.
توانایی یادگیری ماشین در زمینهی شناسایی و جلوگیری از تقلب در سرویسهای مختلف روز به روز افزایش پیدا میکند که این توانایی در حوزههای مختلف قابل استفاده است. برای مثال میتوان به سیستم پیپال اشاره کرد که از یادگیری ماشین برای مبارزه با پولشویی از طریق پیپال استفاده میکند. این کمپانی قادر است با بهرهگیری از یادگیری ماشین میلیونها تراکنش انجام شده را تحلیل کرده و موارد مشکوک به پولشویی را که بین خریداران و فروشندگان اتفاق میافتد، پیشبینی کند. https://www.zoomit.ir/2016/10/16/147...e-learning-ai/
یکی از عمده مشکلاتی که گریبان پی سی گیمرها را می گیرد، مبحث همیشگی حضور متقلبان و نقض شرایط عادلانه بازی های ویدیویی است؛ مسئله ای که تهدیدی همیشگی برای یکی از پرطرفدارترین عناوین جهان یعنی «کانتر استرایک» محسوب می شود. ضمن مطرح کردن این پرسش که واقعاً چه لذت و دستاوردی در ناعادلانه بازی کردن و کشتن بی خطر دیگران در یک بازی وجود دارد، کمپانی Valve به اندازه تمام قربانیان از متقلبین نفرت دارد. به همین سبب روابط عمومی والو گزارش می دهد که پلتفرمی مبتنی بر هوش مصنوعی در دست توسعه است که توانایی تشخیص متقلبان از بازیکنان حرفه ای و با مهارت را دارد. والود در پاسخ به اعتراضات گسترده بازیکنان مبنی بر جولان دهی متقلبان در کانتر استرایک تاکید می کند که روزانه میلیون ها گیم انجام می شود و گرفتن هکرها به هیچ وجه کار ساده ای نیست. اما در سوی مقابل یک هوش مصنوعی که می تواند کار چندین پردازنده را به صورت همزمان انجام دهد، تا حد زیادی این فرآیند را تسهیل می کند. گفتنی است نسخه اولیه پلتفرم مورد بحث در حال حاضر عملیاتی شده و بر وضعیت بازی نظارت می کند و گروه اجتماعی والو سعی دارد به طور مستقیم نتایج به دست آمده را بررسی نماید. اگر این روش پاسخگو باشد و سربلند از مراحل اولیه آزمایشات بیرون بیاید، می تواند بستری فراهم گردد که عملاً بازیکنان سراسر جهان را از شر متقلبان و هکرها رها می سازد. منبع: Digital Trends http://digiato.com/article/2017/02/1...%D8%B4-%D9%85/
با توسعه و پیشرفت هوش مصنوعی AI، نحوه تاثیر آن بر مشاغل انسانی مورد توجه قرار گرفت. برخی سعی کردند که پیشگویی کنند کدام صنایع و مشاغل بیشتر تحت تاثیر هوش مصنوعی قرار خواهند گرفت. و برای کدام مشاغل تقاضای زیادی وجود خواهد داشت. (آیا در دوران هوش مصنوعی باید کدنویسی یاد گرفت و یا هوش مصنوعی میتواند جایگزین کدنویسان شود.) به جای آن که بخواهیم یک پیشگویی دقیق انجام دهیم، روش جایگزینی را پیشنهاد خواهیم داد. یک تئوری اقتصادی بیان می کند که با توسعه هوش مصنوعی ارزش قضاوت انسانی بالاتر خواهد رفت. بنابراین افرادی که توانایی قضاوت بهتری داشته باشند ارزشمندتر خواهند بود. اما قبل از ادامه بحث باید منظور خود را از قضاوت خوب توضیح دهیم و درباره اینکه چرا خوب قضاوت کردن در آینده ارزشمندتر خواهد بود بحث و گفتگو کنیم. هوش مصنوعی چیست و چه کاربردی دارد؟ با توسعه هوش مصنوعی هزینههای پیش بینی موارد مختلف کاهش مییابد. هنگامیکه از پیشبینی صحبت می کنیم، منظور ما صرفاً پیشبینی آینده نیست. بلکه در هوش مصنوعی پیش بینی به معنی استفاده از دادههای موجود برای به دست آوردن دادههای جدید است. گاهی این کار با تبدیل حجم زیادی داده به دادههای اندک و قابل مدیریت انجام میشود. مثلاً هوش مصنوعی میتواند با دریافت یک عکس اطلاعات آن را به اجزای کوچکتر تقسیم کند و تعیین کند که آیا تصویر یک انسان در عکس موجود است یا خیر. تئوریهای اقتصادی به ما میگویند که با کم شدن هزینه پیشبینی توسط هوش مصنوعی، تعداد پیشبینیهای آن در آینده بیشتر خواهد بود. این به آن معنی است که هوش مصنوعی در آینده قادر به تجزیه و تحلیل موارد بیشتری خواهد بود. پیشبینیها به دلیل بهبود روند تصمیمگیری برای ما حائز اهمیت هستند. اما پیشبینی تنها معیار تصمیمگیری نیست. معیار دیگر برای اتخاذ یک تصمیم، قضاوت است. به عنوان مثال کارتهای اعتباری را در نظر بگیرید. بانکها تلاش میکنند تا با استفاده از هوش مصنوعی از هر گونه تقلب و سوء استفاده از کارتهای اعتباری جلوگیری کنند. اگر پیادهسازی این امر ساده باشد. قطعا تراکنشهای غیرقانونی کاهش خواهند یافت. اما نکته اینجاست که هیچ هوش مصنوعی بدون خطا نیست. قطعاً شما نیز هنگامی که قصد انجام عملیاتهای بانکی روزمره را داشتهاید با سیستمهای جلوگیری از تراکنشهای غیرقانونی مواجه شدید. مواردی مانند اجبار کاربر به تغییر رمز در کارتهای بانک مسکن، به صورت هر سه ماه یک بار و یا مواردی مانند ضبط کارت در صورتی که سه بار در روز، رمز خود را اشتباه وارد کنید. این موارد در حالی که کاربر قصد سوءاستفاده از کارتهای بانکی خود را ندارد صرفاً باعث اتلاف وقت کاربران خواهند شد. این بدان معنی است که اگر میخواهیم از سیستم کارتهای اعتباری بانکها استفاده کنیم، باید این خطاها را نیز بپذیریم. میزان جلوگیری از یک معامله قانونی توسط این سیستمها را بررسی کنید. حالا آن را با توان مقابله این سیستم با تراکنشهای مالی غیرقانونی مانند استفاده از کارت سرقت شده را نیز بررسی کنید. قطعاً شما نیز به این نتیجه میرسید که به کارگیری سیستمهای جلوگیری از سوءاستفاده از کارت های اعتباری ارزش تحمل برخی مشکلات این سیستم را دارد. تصمیمگیری برای اینکه در صورتی که یک معامله به نظر هوش مصنوعی یک معامله غیرقانونی بیاید با برنامهریزان هوش مصنوعی خواهد بود. هوش مصنوعی نمیتواند به تنهایی چنین تصمیماتی را اتخاذ کند. بنابراین شرکتهایی که کارتهای اعتباری را در اختیار کاربران قرار میدهند، با توجه به این موضوع که رخ دادن هرگونه سوءاستفاده از کارتهای صادر شده توسط آنها به چه میزان میتواند کل تجارت آنها را به خطر بیاندازد. درباره نحوه برخورد و میزان سختگیریهای سیستم برای بروز تراکنشهای مالی غیر مجاز تصمیمگیری خواهند کرد. این قسمت از تصمیمگیری است، که به آن قضاوت انسانی میگویند. الزامات قضاوت چیست قضاوت فرآیند تعیین پاداش برای یک عمل خاص در یک شرایط خاص است. قضاوت تعیینکننده نحوه عملکرد ما در ارتباط با مزایا و هزینههای تصمیمات مختلف در شرایط متفاوت است. تقلب در کارت اعتباری یک تصمیم ساده برای توضیح این زمینه است. شما باید میزان خسارتهای ممکن از طریق تقلب در کارتهای اعتباری را در نظر داشته باشید. از طرف دیگر میزان ناراحتی مشتریانی که قصد انجام عملیات قانونی توسط این کارتها را دارند، اما سیستم مانع انجام عملیات بانکی توسط آنها میشود را نیز باید مورد توجه قرار دهید. پاداش یک قضاوت درست در این زمینه این خواهد بود که تعداد تراکنشهای مجاز افزوده شده و از تعداد تراکنشهای غیر مجاز کاسته میشود. همه مواردی که در هوش مصنوعی با آن سر و کار داریم به این سادگی نیستند. برخی از آنها دارای پیچیدگیهای زیادی هستند و نتیجه نهایی به کارگیری هوش مصنوعی در آنها مانند مثال ما واضح و مشخص نیست. ما انسانها یاد گرفتهایم که از طریق تجربه و اتخاذ تصمیم و سنجش خطاهای رخ داده بر میزان آگاهی خود بیافزاییم، به این ترتیب نتیجه نهایی به دست آمده از کارهای انسانی ارتقاء میابد. تعیین نتیجه نهایی برای یک سیستم کار دشواری است. شما باید بدانید که شرکت شما برای چه چیزی بیشتر اهمیت قائل است. منافع شرکت شما در چه موارد و مسائلی است. و در آخر هم باید بدانید که چه مشکلاتی بر سر راه شما برای رسیدن به اهداف شرکت وجود دارند. در بسیاری از موارد مخصوصاً در کوتاه مدت انسانها برای اتخاذ تصمیمات مختلف نیاز به تجربهاندوزی دارند. با این تجربهاندوزیهاست که میتوانیم در سبک و سنگین کردن منافع و هزینههای تصمیمات مختلف، مهارت کسب کنیم. بعد از این مرحله است که میتوان قضاوتهای انسانی را با قابلیت پیشبینی ماشینی ترکیب کرد و یک تصمیم نهایی اتخاذ کرد. اما سوالی که اینجا مطرح میشود این است که آیا هوش مصنوعی قادر به برآورد کردن، منافع و هزینههای تصمیمات اتخاذ شده نیست؟ مثال کارتهای اعتباری را در نظر بگیرید. آیا هوش مصنوعی نمیتواند با در نظر گرفتن دادههای بدست آمده از رفتار کاربران خود منافع کاربران و منافع سیستم را بهینهسازی کند؟ بله قطعاً میتوان چنین کاری انجام داد. اما باز هم شخصی باید هوش مصنوعی را برنامهریزی کند و برای نحوه اندازهگیری منافع کاربران و سیستم تصمیمگیری کند. به همین دلیل است که ما بر این باوریم که قضاوتهای انسانی در دنیای هوش مصنوعی با ارزشتر خواهد شد. ایجاد یک پاداش مناسب درست مانند انسان، هوش مصنوعی میتواند از تجارب خود موارد جدیدی بیاموزد. یک تکنیک مهم در هوش مصنوعی به کارگیری یک کامپیوتر است که با یک سیستم پاداش مشخص روند یادگیری را به حداکثر میرساند. برای مثال میتوان به DeepMind’s AlphaGo (هوش مصنوعی طراحی شده توسط گوگل برای پیروزی در بازی GO این سیستم توانسته است قهرمانان جهان در این بازی را شکست دهد. بازی GO بسیار شبیه reverse است که در ایران به نام دوز معروف است) به این ترتیب آموزش داده شده تا شانس پیروزی آن بیشتر شود. در بازی Go پاداش آسان است و میتوان آن را به راحتی برنامه ریزی کرد. سیستم باید بتواند مانع ایجاد حلقه توسط کاربران شود (در بازی دوز ایجاد حلقه به حالتی میگویند که کاربر دو موقعیت برد برای خود ایجاد میکند و در صورت مسدود شدن هر کدام از این دو موقعیت کاربر با استفاده از موقعیت دیگر بازی را میبرد). اما در بازیها میتوان تقلب کرد. مثلا در یک بازی قایقرانی هوش مصنوعی که به آن نحوه کسب بیشترین امتیاز آموزش داده شده بود. بجای کامل کردن مسیر مسابقه شروع به چرخیدن به دور خود کرد. این قبیل تقلبها شاید در یک بازی رایانهای به نظر جالب برسند. ولی هنگامی که بخواهیم از هوش مصنوعی در نرمافزارهای دیگر استفاده کنیم. این قبیل ابتکار عملها میتواند باعث ایجاد تنفر در کاربران نرمافزار شود. نکته کلیدی که در این باره باید به خاطر داشته باشیم این است که در شرکتها معمولاً اهداف هوش مصنوعی با اهداف واقعی شرکت که اندازهگیری آنها دشوار است متفاوت هستند. به این ترتیب تا زمانی که هوش مصنوعی نتواند این اهداف پیچیده را به انجام برساند، همچنان قضاوت در باره نحوه عملکرد در مسائل اصلی سازمانها و شرکتها با ما خواهد بود. در حقیقت هنگامی که یک شرکت اتخاذ تصمیم مشخصی را به هوش مصنوعی میسپارد، لازم است که برای رسیدن به نتیجه نهایی مد نظر شرکت بداند که هوش مصنوعی این تصمیم را چگونه اخذ میکند. احتمال پیشبینی غلط توسط هوش مصنوعی را باید برآورد کرد. همچنین باید احتمال یادگیری اشتباه از پیام داده شده به ماشین را در نظر گرفت. مهندسی توابع پاداشها، با پیشرفت هوش مصنوعی و کمهزینهتر بودن استفاده از پیشبینیهای هوش مصنوعی، ما باید به فکر نحوه استفاده از این پیشبینیها باشیم. مهندسی توابع پاداش یک شغل است که پاداش عملکردهای مختلف هوش مصنوعی را مشخص می کند. برای آن که شخصی بتواند در این شغل موفقیت کسب کند باید با نیازهای سازمان و قابلیتهای ماشین کاملاً آشنا باشد. انجام این کار قطعاً به سادگی دستور جلوگیری از ایجاد حلقه در بازی دوز نخواهد بود. ماشینهای خودران و هوش مصنوعی گاهی اوقات مهندسی توابع پاداشها میتواند با برنامهریزی حرفهای پاداشها برای پیشبینیهای انجام شده، عملیاتی را به صورت اتوماتیک انجام دهد. ماشینهای خودران Self-driving (که در آن خودرو میتواند نسبت به وقایع به سرعت و به طور اتوماتیک واکنش نشان دهد و از رفتن به ترافیک اجتناب کند و یا مانع بروز یک تصادف شود.) در این روش به محض انجام یک پیشبینی عملکردی در سیستم رخ خواهد داد. در مهندسی توابع پاداش باید به امکان بهینهسازی بیش از حد سیستم هوش مصنوعی روی یکی از عوامل موفقیت توجه ویژه داشت. چرا که در این صورت هوش مصنوعی ممکن است در جهتی حرکت کند که با اهداف نهایی شرکت متناض است. در بیشتر مواقع مانند کدنویسی سختافزار و تنظیم سیستمهای پاداش کار دشواری است. بالا رفتن تعداد پیش بینیها در این سیستمها موجب تحمیل هزینه های زیادی برای قضاوت تمام نتایج نهایی هر کدام از این پیش بینیها میشود. به خاطر داشته باشید در بسیاری از موارد قضاوتهایی که ما انسانها باید از یک سیستم ارائه دهیم بر اساس پیشبینی یک سیستم هوش مصنوعی خواهد بود، به این ترتیب میتوان حدس زد که این روند به چه میزان پیچیده است. در دنیای هوش مصنوعی قضاوتهای انسانی به این صورت عمل خواهند کرد و ما باید فرایندهایی را قضاوت کنیم که باید توسط هوش مصنوعی پردازش شوند و در ادامه قضاوت نتیجه تصمیماتی که هوش مصنوعی برای ما گرفته است نیز با ما خواهد بود. بسیاری از ما در حال حاضر از مهندسی توابع پاداش استفاده میکنیم. البته برای انسانها و نه ماشینها، منظور نحوه آموزش ارزشها به فرزندان یک خانواده است. که در آن با یک سیستم پاداشدهی والدین ارزشهای اخلاقی را در کودکانشان نهادینه میکنند. نمونههای دیگر استفاده از این سیستم در روابط انسانی را میتوان در آموزشهایی که مربیان به کارمندان در باره نحوه عملکرد یک سیستم میدهند و یا مدیرانی که اهداف خود را به کارمندان خود نشان میدهد و آنها را به سمت بهبود عملکرد خود هدایت میکنند، مشاهده کرد. ما هر روز تصمیماتی میگیریم و نتایج آن را مورد قضاوت قرار میدهیم. بنابراین میتوان چنین نتیجهگیری کرد که پیشبینی و قضاوت دو فرایند مستقل نیستند. بلکه یک مجموعهای هستند که در کنار هم میتوانند به تصمیمگیری بهتر بیانجامند. ماشینها روز به روز در ارائه پیش بینیها بهتر عمل میکنند و این امر ارزش مهندسی توابع پاداش را افزایش خواهد داد. که خود باعث میشود قضاوتهای انسانی درست بیش از پیش مورد نیاز باشد. هنوز خیلی زود است که بخواهیم بگوییم قابلیت پیشبینی ماشینها فرصتهای شغلی ما انسان ها را کاهش میدهد و یا فرصتهای جدید شغلی برای ما به همراه میآورد. از طرفی باید ببینیم که پیشبینی ماشینی میتواند جایگزین پیش بینی انسان شود یا خیر، و از طرف دیگر این پیشبینیهای ماشینی کاملاً به قضاوتهای انسانی وابسته است. هر چه هزینه پیشبینی ماشینی کاهش یابد، فرصت بیشتری برای ارائه قضاوتهای انسانی به وجود خواهد آمد. بنابراین هرچند که هنوز برای تعیین میزان تاثیر هوش مصنوعی در مشاغل انسانی بسیار زود است. میتوان پیشبینی کرد در دنیای هوش مصنوعی تقاضا برای قضاوتهای انسانی در سیستم مهندسی توابع تشویقی افزایش یابد. https://blog.faradars.org/the-effect...cision-making/
تشخیص تقلب در بازی های ویدیویی با هوش مصنوعی یکی از عمده مشکلاتی که گریبان پی سی گیمرها را می گیرد، مبحث همیشگی حضور متقلبان و نقض شرایط عادلانه بازی های ویدیویی است؛ مسئله ای که تهدیدی همیشگی برای یکی از پرطرفدارترین عناوین جهان یعنی «کانتر استرایک» محسوب می شود. به گزارش جامجم آنلاین به نقل از دیجیاتو، به همین سبب روابط عمومی والو گزارش می دهد که پلتفرمی مبتنی بر هوش مصنوعی در دست توسعه است که توانایی تشخیص متقلبان از بازیکنان حرفه ای و با مهارت را دارد. والود در پاسخ به اعتراضات گسترده بازیکنان مبنی بر جولان دهی متقلبان در کانتر استرایک تاکید می کند که روزانه میلیون ها گیم انجام می شود و گرفتن هکرها به هیچ وجه کار ساده ای نیست. اما در سوی مقابل یک هوش مصنوعی که می تواند کار چندین پردازنده را به صورت همزمان انجام دهد، تا حد زیادی این فرآیند را تسهیل می کند. گفتنی است نسخه اولیه پلتفرم مورد بحث در حال حاضر عملیاتی شده و بر وضعیت بازی نظارت می کند و گروه اجتماعی والو سعی دارد به طور مستقیم نتایج به دست آمده را بررسی نماید. اگر این روش پاسخگو باشد و سربلند از مراحل اولیه آزمایشات بیرون بیاید، می تواند بستری فراهم گردد که عملاً بازیکنان سراسر جهان را از شر متقلبان و هکرها رها می سازد. جام جم کلیک - تشخیص تقلب در بازی های ویدیویی با هوش مصنوعی
عصر بانک؛*مجتبی مظفری فرد؛بدون شک امروزه رایانهها و ماشینهای الکترونیکی بخش جدایی ناپذیر فعالیتهای روزمره انسانها و خدمات را تشکیل دادهاند به طوری که دنیای بدون رایانهها تقریبا غیرقابل تصور است. در این بین رشد نمایی سرعت پردازش رایانهها و حرکت صنعت فناوری اطلاعات به سمت تعریف خدمات مبتنی بر یادگیری ماشینی (Machine Learning) موج جدیدی از تحولات را ایجاد کرده که به شکلی ساختارشکن نه تنها نحوهی ارائه خدمات را متحول کرده، بلکه خدمات و محصولاتی را پدید خواهد آورد که پیش از این اصلا وجود نداشتهاند. هوش مصنوعی به شکل: "هر عاملی است که نسبت به محیط اطراف خود آگاهی داشته و حداکثر تلاش خود را برای انجام موفق عملیات محوله به کار می بندد" تعریف خواهد شد. کاربردهای بیشماری را می توان برای عاملی که دارای مشخصات "آگاهی از محیط" و "خود بهبود دهندگی" باشد متصور بود. با این حال به نظر می رسد برخی از این کاربردها در شکل دادن آینده خدمات بانکداری نقش پر رنگتری خواهند داشت. 1- مشاوره هوشمند(Robo-Advisor): به لطف دسترسی باز به اطلاعات و حجم بالای دادههای وب،روباتهای هوشمند قابلیت شناسایی فرصتهای ویژه را پیدا کردهاند. اکنون روباتهای هوشمند به دنبال بهترین فرصتهای سپرده پذیری گشته و آنها را به کاربران خود ارائه خواهند کرد. این روباتها خواهند بود که مدیریت حسابهای مشتریان را در دست خواهند گرفت و بهترین سبد حسابهای بانکی را با توجه به رفتارهای مالی مشتریان طراحی و پیشنهاد خواهند کرد. رباتهای هوشمند خواهند توانست بوسیله الگوریتمهای یادگیری حرکت سرمایه در بازارهای مختلف را شناسایی و بهترین فرصتهای سرمایه گذاری را پیشنهاد دهند. 2- شناسایی مشتریان بالقوه: استفاده از الگوریتمهای تشخیصی در هوش مصنوعی در کنار استفاده از دادههای دریافتی از مشتریان شامل؛ اطلاعات جست و جوهای اینترنتی، محتوای تولیدی در شبکه، مکانهایی که مشتری از آن بازدید می کند، همه و همه دادههایی است که به بانکها کمک خواهد کرد تا رفتارهای مشتریان و نیازهای آنها را پیش بینی کنند. از این رو بانکها می توانند زمان مناسب برای پیشنهاد اعطای تسهیلات به مشتریان را شناسایی کرده و یا مشتریان نیازمند به خدمات بانکی را مشخص کنند. 3-اعتبارسنجی مشتریان: استفاده از الگوریتمهای هوشمند برای برآورد اعتبار مشتریان مبتنی بر رفتارهای مالی و عمومی آنها یکی از کاربردهای تازه هوش مصنوعی در زمینه بانکداری است. امروزه بانکها با استفاده از الگوریتمهای یادگیری برخط (online learning) میزان ریسک اعتباری مشتریان مختلف را حتی قبل از افتتاح حساب در بانک برآورد می کنند. با استفاده از این روش میزان صحت و دقت اعتبارسنجی مشتریان به شدت بالا خواهد رفت. 4- دستیاران هوشمند: ظهور دستیاران هوشمندی چون cortana,Siri,Google assistant دنیای جدیدی را پیش روی بازیگران فناوری اطلاعات باز کرده است. این دستیاران هوشمند میتوانند به عنوان حد واسط بین بانک و مشتریان به عنوان کانالی برای ارائه خدمات بانکی رفتار کنند. این فرصت در کنار الزامات ایجاد شده برای بانکداری باز و دسترسی به اطلاعات مشتریان باعث شده تا غولهای تکنولوژی همچون اپل و گوگل برای ایفای نقشهای جدید خود در زمینه پرداخت الکترونیک و بانکداری به تکاپو بیافتند. 5-دادهکاوی و برآوردهای اقتصادی: بدون شک تحلیلهای اقتصادی به هنگام برای تعیین میزان اعتبارات اعطایی و امور بانکداری در بانکهای خصوصی اهمیت بسیار زیادی دارد. استفاده از هوش مصنوعی به عنوان بخشی از سیستم هوش تجاری در بانکها در برآورد اهداف تجاری بانکها نقشی اساسی و تاثیر گذار خواهد داشت. شناسایی فرصتهای سرمایهگذاری و بازارهای ممکن به همراه تعیین نرخهای مناسب برای خدمات از کاربردهای هوش مصنوعی در این بخش است. 6-قیمت گذاری خدمات و اعتبارات: موفقیت در بازار وامها و تسهیلات متکی بر ارائه نرخهای بهتر در ارائه خدمات و شناسایی فرصتهای بهتر ارائه تسهیلات می باشد. این موضوع در کنار برآورد صحیح و پایای اعتبار مشتریان کمک خواهد کرد تا بانکها در بازار رقابت برای اعطای تسهیلات مزیت رقابتی خود را با در نظر داشتن ریسک مشتریان بهبود دهند. 7-خدمات پشتیبانی: رباتهای پاسخگو یکی از روندهایی است که در ایجاد تجربه جدید کاربری در مشتریان تاثیر به سزایی خواهد داشت. میزان دقت و کیفیت ارائه خدمات در این دسته از عوامل اجرایی نسبت به کاربران انسانی به شدت بالاتر است. حال آنکه کاربردهای رباتهای پشتیبان در حال توسعه از ارائه پیشنهاد به سوی دستیاران پشتیبان با توانایی رفع مشکل یا ارائه خدمات بانکی تغییر کرده است. در آینده نه چندان دور ربات پشتیبان بانک خدمات پیشخوان بانک را ارائه خواهد داد. 8-شناسایی حس مشتری و ایجاد تجربه منحصر به فرد: ارائه خدمات اختصاصی یکی از دستاوردهای ویژهای است که بهرهگیری از هوش مصنوعی آن را ممکن خواهد ساخت. بدون تردید هر فرد با علایق، خواسته ها و حالات روحی خاصی در مقاطع زمانی گوناگون روبروست. این مشخصات در کنار عادات رفتاری مشتری به الگوریتمهای یادگیرنده هوش مصنوعی اجازه خواهد داد تا به تناسب وضعیت مشتری محصولات و خدمات منحصر به فرد مشتری را پیشنهاد و ارائه دهد. این اختصاصی سازی در تمامی سطوح از نوع و رابط کاربری خدمات تا زمان ارائه خدمت گسترده خواهد بود. 9-احراز هویت مشتریان: روند رو به رشد بهرهگیری از روشهای بیومتریک و رفتاری برای شناسایی مشتریان باعث شده تا بانکها نیز به سمت بهره گیری از این فناوری حرکت کنند. این روشها به بانکها کمک خواهد کرد تا روند احراز هویت مشتریان را از طرق جدید به انجام رسانده و سطح دقت و کیفیت روشهای شناسایی را تا حد زیادی بهبود دهند. این روشها نه تنها به مشخصات مشتری بلکه به رفتارهای ایشان متکی بوده و احتمال سو استفاده از هویت مشتریان را به حداقل خواهند رساند. 10-کشف تقلب و جلوگیری از پولشویی: روشهای کشف تقلب مبتنی بر هوش مصنوعی با استفاده از الگوریتمهای شناسایی رفتار مشتریان و الگوهای رفتاری کمک خواهد کرد تا شناسایی رفتارهای مشکوک مشتریان به سادگی صورت گیرد. هوش مصنوعی با استفاده از ابزارهای اطلاعاتی و بانکهای اطلاعاتی در دسترس امکان جست و جو و پیگری منابع مالی و گردش مالی را در اختبار بانکها و نظام مالی قرار خواهد داد تا از فرآیندهای غیر قانونی چون پولشویی جلوگیری نمایند. صنعت بانکداری همواره از صنایع پیشرو در بهرهبرداری از فناوریهای نو بوده و در این بین استفاده از هوش مصنوعی یکی از بدیهیات و فرضیات اصلی در آینده بانکداری خواهد بود. بانکداری باز به عنوان تسهیلگر این روند الزاماتی را برای بانکها فراهم نموده که سرعت بهرهبرداری از هوش مصنوعی در صنعت بانکداری را به شدت بالا خواهد برد. آنچه قطعی است حضور هوش مصنوعی در بانکداری قطعی و حتمی است و بانکها میبایست خود را برای بهرهبرداری از این فرصت آماده کنند. این تغییرات تدریجی خواهد بود ولی قطعا انتهای این مسیر به بانکداری کاملا هوشمند مبتنی بر ماشینها ختم خواهد شد. *مدیر پروژههای مشاورهای مدیریت و فناوری در شرکت رهنما @RahnamaaConsulting Www.Rahnamaa.com چگونه هوش مصنوعی بانکها را متاثر خواهد کرد؟
شناسایی سارقان برق به کمک هوش مصنوعی محققان الگوریتمی طراحی کردهاند که با کمک آن میتوان اختلال موجود در سیستمهای انتقال برق را شناسایی و از سرقت آنها جلوگیری کرد. به گزارش برق نیوز، استفاده از سیستمهای هوش مصنوعی باعث جلوگیری از هدر رفت میزان بالایی پول در حسابهای شرکتی مثل گوگل شده است. به نظر میرسد استفاده از این قابلیت برای حل مشکلات متفاوت دیگری نیز کاربرد داشته باشد. در بخش صنعت، سارقانی وجود دارد که سالانه ۹۶ میلیارد دلار به شرکتها دستبرد میزنند. در صورت استفاده از این سیستمهای هوش مصنوعی که با الگوریتم ویژهای عمل میکنند؛ میتوان این سارقان را شناسایی کرد. تیمی در دانشگاه لوکزامبورگ الگوریتمی طراحی کرده است که میتواند با استفاده از محاسبه دادههای الکتریکی، استفادههای غیرطبیعی (و معمولا غیرقانونی) از سیستم انتقال برق را شناسایی کند. آنها این الگوریتم را بر اساس اطلاعات حاصل از ۶ /۳ میلیون خانواده برزیلی و طی پنج سال گردآوری کردهاند. این کار با کمک کارشناسان حرفهای و بررسی ۲۰۰ میلیون بازخوانی داده در هر ماه انجام شده است. این الگوریتم میتواند در بیش از ۶۵ درصد موارد، مشکلات سیستم برقرسانی را شناسایی کند. طراحان این الگوریتم معتقدند که این نرمافزار بهتر از سایر ابزارهای مشابه است و قصد دارند آن را در آمریکای لاتین تجاری سازی کنند. برزیل با میزان بالای خسارات غیرفنی، همچون سرقت انرژی، خطاهای صورت حساب، تقلب و موارد دیگر از دست رفتن درآمد، مواجه است. در این کشور حدود ۲۲ درصد از برق تولیدی توسط سارقان دزدیده میشود. کشورهای دیگری همچون بریتانیا نیز با این مشکل مواجهند به طوری که این موارد باعث از بین رفتن ۵۹۶ میلیون دلار در هر سال میشود. پرجمعیتترین شهر هند، اوتار پرداش حدود ۳۱ درصد از برق تولیدی خود را در سال ۲۰۱۶ از دست داد. با جلوگیری از دزدیده شدن انرژی الکتریکی، ساله میلیونها دلار از منابع انرژیای که صرف تولید این برق شدهاتس نیز حفظ خواهد. شناسایی سارقان برق به کمک هوش مصنوعی
استفاده از هوش مصنوعي براي شناسايي برنامه هاي مخرب اندرويدي گوگل براي جلوگيري از انتشار بدافزار از طريق برنامه هاي اندرويدي و در محيط اپ استور خود به استفاده از هوش مصنوعي روي آورده است. به گزارش خبرنگار فناوری اطلاعات خبرگزاری فارس به نقل از انگجت، گوگل می گوید در سال 2017 موفق به شناسایی و حذف بیش از 700 هزار برنامه مخرب که قوانین پلی استور این شرکت را نقض می کنند، شده است. این رقم نسبت به سال 2016 حدود 70 درصد افزایش نشان می دهد و علت این موفقیت استفاده از هوش مصنوعی است. از این طریق می توان 99 درصد از برنامه های موبایلی دارای محتوای نامناسب و ضدامنیتی را قبل از نصب توسط دیگر کاربران شناسایی و حذف کرد. گوگل می گوید فناوری هوش مصنوعی ابداع شده توسط این شرکت برای شناسایی موارد تقلب و کلاه برداری، سرقت اطلاعات از طریق برنامه های موبایلی و غیره قابل استفاده است. طراحی این سیستم هوش مصنوعی در سال 2016 آغاز شد و در این سال 250 هزار برنامه مخرب بدین شیوه شناسایی شد. البته این سیستم هنوز به طور کامل قادر به شناسایی برنامه های مخرب موبایلی نیست و لذا کاربران باید از برنامه های امنیتی پیشرفته در گوشی خود برای حفظ امنیت استفاده کنند. انتهای پیام/آ لینک اصل خبر مخبر - 1396/11/11 - استفاده از هوش مصنوعي براي شناسايي برنامه هاي مخرب اندرويدي
مشاهده قوانین انجمن