فروشگاه رایانه - سخت افزار و کالای دیجیتال

گادی سینگر (Gadi Singer) معاون ارشد اینتل معتقد است که بزرگترین چالش اخیر استفاده از هوش مصنوعی (AI) برای اکتشافات علمی است. اکتشافات علمی که در صد سال گذشته اتفاق افتاده‌اند، ممکن است با وقایعی که در دهه‌های ۵۰ و ۶۰ اتفاق افتاده‌اند مقایسه شوند که شامل انتقال به داده‌ها و سیستم داده‌های بزرگ می‌باشد. در دهه‌ی ۶۰ میزان جمع‌آوری داده‌ها بسیار بزرگ بود و کسانی در این حوزه پیشرو بودند که قادر به تجزیه و تحلیل داده‌های جمع‌آوری شده در هر حوزه‌ی علمی مانند آب و هوا، زمین لرزه، زیست شناسی، صنایع غذا و دارو و… بودند. در حال حاضر این داده‌ها به سطوح بسیار فراتر از توانایی‌هایی افراد رسیده است که ترکیب این داده‌ها با انجام محاسبات مدرن باعث یادگیری‌های عمیقی خواهد شد.

به عنوان یکی از نمونه‌ها می‌توان به استفاده از قدرت یادگیری عمیق در شناسایی الگوهای بسیار ضعیف در یک مجموعه از داده‌ها است که فاقد مدل ریاضی و محاسباتی است که به دنبال آن هستید. در نظر بگیرید که در خصوص رویدادهای کیهانی که در یک کهکشان دور اتفاق میافتد به دنبال برخی از ویژگی‌های آن هستید که در یک مجموعه از داده‌های بسیار بزرگ می‌باشد که فاقد معادله‌ی خاصی است. حال با یادگیری از طریق سیستم یادگیری عمیق مسائل مختلف را در نظر گرفته و در نهایت یک الگوی خاص پیدا می‌کنیم.

بنابراین شما می‌دانید دنبال چه هستید، اما چگونه پیدا کردن آن برایتان مشخص نیست. شما با توجه به پرسش‌های به وجود آمده قادر نخواهید بود معادله‌ی دقیقی برای رسید به جواب طرح کنید. میزان داده‌ها نیز برای آزمون و خطا بسیار زیاد هستند تکنیک‌های قبلی در خصوص تجزیه و تحلیل داده‌های بزرگ برای رسیدن به یک الگو کافی نیستند. سیستم یادگیری عمیق چنین مجموعه‌ی بزرگی از داده‌ها نیز می‌تواند به شما کمک کند.

مثال دیگر زمانی است که یک مدل ریاضی با یک مجموعه از معادلات دقیق در اختیار شما وجود دارد. در این مورد شما می‌توانید از هوش مصنوعی جهت دستیابی به نتایج قابل مقایسه در زمان و محاسباتی با نسبت ده هزار برابر کمتر استفاده کنید.