تجارت الکترونیک

تجارت الکترونیک

کالاها و خدمات بر خط توزیع دیجیتال • کتاب الکترونیک  • نرم‌افزار  • رسانه جاری خدمات خرده فروشی بانکداری • سفارش غذا تحویل آنلاین گل • اجاره آنلاین فیلم

سفارش آنلاین بلیط  • سوپرمارکت خدمات بازار

داد و ستد آنلاین کیف پول آنلاین • مزایده تبلیغات

تجارت الکترونیک (به انگلیسی: Electronic commerce) فرایند خرید، فروش یا تبادل محصولات، خدمات و اطلاعات از طریق شبکه‌های کامپیوتری و اینترنت است.

جایگاه تجارت الکترونیکی در کشورهای جهان 

در مدت کوتاهی که از آغاز عمر تجارت الکترونیکی در جهان معاصر می‌گذرد، این فعالیت رشد بی‌سابقه‌ای را در کشورهای پیشرفته داشته‌است و پیش‌بینی می‌شود در آینده نزدیک با سرعت شگفت‌انگیزی در سطح جهان توسعه یابد. بر اساس آمار محاسبه شده موسسات معتبر اقتصادی نیز پیش‌بینی شده‌است که گستره این فعالیت تا سال ۲۰۱۰ به‌طور متوسط ۵۴ الی ۷۱ درصد رشد خواهد کرد که نشان دهنده شتاب دار بودن حرکت آن است.[۳]

در ایران

تجارت الکترونیکی در ایران بسیار نوپا و در مراحل اولیه است. اما اهمیت فناوری اطلاعات باعث شده تا تدوین و اجرای قوانین و لوایح مورد نیاز در این عرصه همواره مد نظر مسئولان ایران باشد. اما به‌نظر می‌رسد با وجود برگزاری دوره‌ها و کارگاه‌های آموزشی متعدد هنوز میزان آگاهی افراد و تجار کشور از نحوه استفاده از امکانات موجود برای تجارت الکترونیکی کم است. از سوی دیگر نبود شناخت از میزان امنیت موجود در شبکه داخلی و جهانی باعث شده‌است که اطمینان لازم وجود نداشته باشد[۴] البته برخی از فروشگاه‌های اینترنتی با استفاده از روش‌هایی مانند نماد اعتماد، تحویل درب منزل یا گارانتی برگشت وجه، سعی کرده‌اند تا اعتماد خریداران را جلب نمایند. پیش‌بینی می‌شود که فروشگاه‌های اینترنتی به تدریج جای خود را در میان خریداران پیدا کنند.

انواع تجارت الکترونیکی

تجارت الکترونیکی را می‌توان از حیث تراکنش‌ها(Transactions) به انواع مختلفی تقسیم نمود که بعضی از آن‌ها عبارتند از:

ارتباط بنگاه و بنگاه (B2B): به الگویی از تجارت الکترونیکی گویند، که طرفین معامله بنگاه‌ها هستند.

ارتباط بنگاه و مصرف‌کننده (B2C): به الگویی از تجارت الکترونیکی گویند که بسیار رایج بوده و ارتباط تجاری مستقیم بین شرکت‌ها و مشتریان می‌باشد.

ارتباط مصرف‌کننده‌ها و شرکت‌ها (C2B): در این حالت اشخاص حقیقی به کمک اینترنت فراورده‌ها یا خدمات خود را به شرکت‌ها می‌فروشند.

ارتباط مصرف‌کننده با مصرف‌کننده (C2C): در این حالت ارتباط خرید و فروش بین مصرف‌کنندگان است.

ارتباط بین بنگاه‌ها و سازمان‌های دولتی (B2A): که شامل تمام تعاملات تجاری بین شرکت‌ها و سازمان‌های دولتی می‌باشد. پرداخت مالیاتها و عوارض از این قبیل تعاملات محسوب می‌شوند.

ارتباط بین دولت و شهروندان (G2C): الگویی بین دولت و توده مردم می‌باشد که شامل بنگاه‌های اقتصادی، موسسات دولتی و کلیه شهروندان می‌باشد. این الگو یکی از مولفه‌های دولت الکترونیک می‌باشد.

ارتباط بین دولت‌ها (G2G): این الگو شامل ارتباط تجاری بین دولت‌ها در زمینه‌هایی شبیه واردات و صادرات می‌باشد.

البته باید گفت که انواع بالا کاملاً مستقل از هم نیستند و گاهی که تأکید بر خرید و فروش ندارند در قالب کسب و کار الکترونیک می‌آیند.

سیستم های خبره

سیستم خبره چیست؟
سامانه‌های خِبره یا سیستم‌های خِبره (Expert systems) به دسته‌ای خاص از نرم‌افزارهای رایانه‌ای اطلاق می‌شود که در راستای کمک به کاردانان و متخصّصان انسانی و یا جایگزینی جزئی آنان در زمینه‌های محدود تخصّصی تلاش دارند. اینگونه سامانه‌ها، در واقع، نمونه‌های ابتدایی و ساده‌تری از فن‌آوری پیش‌رفته‌تر سامانه‌های مبتنی بر دانش به حساب می‌آیند. این سامانه‌ها معمولاً اطلاعات را به شکل واقعیات[۱] و قواعد[۲] در دادگانی به نام پایگاه دانش به شکل ساختار مند ذخیره نموده، و سپس با استفاده از روشهایی خاص استنتاج از این داده‌ها نتایج مورد نیاز حاصل می‌شود.مقدمه در میان اهل فن و صاحبان اندیشه، استدلال تعاریف و تفاسیر متنوعی دارد. در نگاهی کلی، استفاده از دلیل و برهان برای رسیدن به یک نتیجه از فرضیاتی منطقی با استفاده از روش‌های معین، تعریفی از استدلال تلقی می‌شود؛ تعریفی که البته با دیدگاه‌های فلسفی و گاه ایده‌آل‌گرایانه از استدلال تفاوت دارد. با این حال موضوع مهم و اساسی در اینجا بحث در چیستی و چرایی این دیدگاه‌ها نیست، بلکه در مورد نحوه طراحی سیستم‌های با قدرت استدلال، با هر تعریفی، برای رسیدن به مجموعه‌ای از تصمیمات منطقی‌ ‌ با استفاده از مفروضات یا به طور دقیق‌تر دانشی است که در اختیار آن‌ها قرار می‌گیرد. سیستم‌هایی خبره(expert systems) اساسا برای چنین هدفی طراحی می‌شوند. در حقیقت به واسطه الگوبرداری این سیستم‌ها از نظام منطق و استدلال انسان و نیز یکسان بودن منابع دانش مورد استفاده آن‌ها، حاصل کار یک سیستم خبره می‌تواند تصمیماتی باشد که درحوزه‌ها و عرصه‌های مختلف قابل استفاده، مورد اطمینان و تاثیرگذار هستند. بسیاری بر این باورند که سیستم‌های خبره بیشترین پیشرفت را در هوش مصنوعی به وجود آورده‌اند. حوزه‌های کاربرد سیستمهای خبره در زمینه های بسیار متنوعی کاربرد خود را یافته اند برخی از این زمینه ها عبارتند از پزشکی، حسابداری، کنترل فرایندها، منابع انسانی، خدمات مالی، و GIS . حسابداری، تجزیه و تحلیلهای مالی پزشکی ( تشخیص بیماری )، آنژیوگرافی، باستان شناسی، تولید ویفرهای سیلیکونی و انواع خاصی از رادیوگرافی در زمینه های مختلف دیگری نیز سیستمهای خبره پدید آمده اند نظیر : مشاوره حقوقی، مشاوره برای انتخاب بهترین معماری یا ترکیب بندی سیستم کامپیوتری، مشاوره مهندسی ساختمان و غیره. در هر یک از این زمینه‌ها می توان کارهایی از نوع راهنمایی، تحلیل، دسته‌بندی، مشاوره، طراحی، تشخیص، کاوش، پیش بینی، ایجاد مفاهیم، شناسایی، توجیه، یادگیری، مدیریت، کنترل، برنامه‌ریزی، زمان بندی و آزمایش را با مددجویی از سیستم‌های تجربی با سرعت و سهولت بیشتری به انجام رسانید. ∗
سیستم‌های خبره یا به عنوان جایگزین فرد متخصص یا به عنوان کمک به وی استفاده می‌شوند. کاربرد نظام های خبره در خدمات کتابداری و اطلاع رسانی نظام های خبره این امکان را در اختیار می گذارد تا بتوان دانش موجود در سطح جامعه را به صورت گسترده تر و کم هزینه تری اشاعه داد . این موضوع یعنی اشاعه دانش برای عموم مردم یکی از بنیادی ترین و اصلی ترین وظایف و رسالتهای حوزه کتابداری است .
مثلا از طریق واسطهای هوشمند جست و جوی اطلاعات می توان مهارتهای جستجوی پیشرفته را که اغلب خاص متخصصان با تجربه است در میان طیف وسیعی از کاربران در دسترس قرار دهد . سرعت استدلال یا حل مسائل در نظام های خبره می تواند منجر به ارائه خدمات موثرتر و سریع تر در برخی فعالیتهای کتابداری شود و انعطاف پذیری بیشتری را در پاسخگویی به نیازهای مخاطبان به وجود آورد.
کاربرد نظام های خبره و هوشمند را در حوزه های نمایه سازی، چکیده نویسی، طراحی و تولید اصطلاحنامه ها، فهرست نویسی، بازیابی متن فارغ از منطق بولی، بازیابی متون مبتنی بر منطق بولی، تجزیه و تحلیل خودکار محتوا و ارائه دانش، مدیریت و دسترسی به محتوی پایگاه های رابطه ای، اسناد هوشمند، تجزیه و تحلیل پایگاه های اطلاعاتی دانسته اند. کاربرد سیستمهای خبره در حسابداری و امور مالی یکی از پر رونق ترین زمینه های کاربرد سیستمهای خبره، حوزه و تجزیه و تحلیلهای مالی است . یکی از مناسب ترین زمینه‌های کاربرد سیستمهای خبره حوزه حسابداری و امور مالی است . امروزه انواع زیادی از سیستمهای خبره برای کاربردهای مختلف در این شاخه از دانش بشری ساخته شده است که در مورد استفاده گروههای مختلفی از تصمیم گیرندگان نظیر مدیران شرکتها و سازمانها، حسابداران، تحلیلگران مالی ، کارشناسان مالیاتی و بالاخره عامه مردم قرار می گیرد حتی متخصصین و کارشناسان حوزه های مختلف دانش حسابداری و مالی از این نرم افزارهای پر جاذبه به عنوان وسیله ای برای یافتن « حدس دوم » و اطمینان بیشتر نسبت به یافته ها و قضاوت های شخصی خود استفاده می کنند . کاربردهای مختلفی از سیستم های خبره را در سه زمینه حسابداری، حسابداری مدیریت و امور مالیاتی به شرح ذیل می باشد : حسابرسی : ارزیابی ریسک – تهیه برنامه حسابرسی – فراهم آوردن کمکهای فنی – کشف تقلبات و جلوگیری از آنهاحسابداری مدیریت : قیمت گذاری محصولات یا قضاوت دوم با نظر خود او مخالفتی داشته باشد تلاش می‌کند تا در تحلیلهای خود دقت بیشتری به عمل آورده و حتی در مواردی تجدید نظر کند سیستمهای خبره در مورد بررسی صورتهای مالی شرکت قبل از ارائه به مدیران ارشد بررسی گزارشهای واصله از شعب یا شرکتهای تابعه شرکت ارزیابی یک شرکت ارزیابی اعتبار مالی فروشندگان و خریداران (طرفهای تجاری ) و در بسیاری از زمینه های دیگر مالی امروز کاربردهای خود را یافته اند. انواع سیستمهای خبره تحلیل مالی از آنجا که در قضاوت های مختلف مالی عملاً هر چهار مرحله فرآیند تصمیم گیری یعنی گردآوری داده ها، انجام تجزیه و تحلیل کسب بینش مشخص راجع به موضع و بالاخره اتخاذ تصمیم دخالت دارد سیستمهای خبره مرتبط با موضوع تحلیل مالی نیز بر اساس نوع کمکی که به مراحل مختلف فرآیند تصمیم گیری می کنند در سه حوزه تقسیم می شوند . این سه حوزه عبارتند از : کمک به کسب بینش یا بینش آفرین Insight facititaingتسهیل تصمیم گیری Decision facitiatingاتخاذ تصمیم Decision Makingسیستمهای خبره بینش آفرین در این نوع سیستمهای خبره، هدف اصلی ارائه تحلیلهای مربوط به کمک تحلیل نسبتها و نمودار هاست این نسبت ها و نمودارها برای دست اندرکاران تحلیل مالی در ایجاد بینش دقیق تری در مورد وضع مالی و چشم انداز آتی یک موسسه ، یعنی مفید است با چنین هدفی عملاً مراحل اول و دوم از فرآیند چهار مرحله ای تصمیم گیری به کمک این سیستمها انجام می شود این نرم افزارها را به این دلیل بینش آفرین می خوانیم که هدفشان کمک به کارگزاران و دست اندرکاران مالی برای انجام یک مشاهده بینش آفرین مشخص است بنابر این درجه تبحر و تخصص موجود در زمره سیستمهای خبره واقعی به حساب آورده نمونه هایی از این قبیل نرم افزارها عبارتند از : INsiGht و NEWVIEWS که هر دو عملاً یک سیستم جامع حسابداری مشتمل بر تحلیلهای مالی اند یعنی در عین اینکه همه عملیات حسابداری را انجام می دهند. در محیطهای شبیه صفحه گسترده تحلیلهای مالی خود را نیز عرضه می کنند نرم افزار شناخته شده دیگر REFLEX نام دارد که 12 نسبت کلیدی را محاسبه کرده و تحلیل و تفسیرهای پیشنهادی خود را نیز ارائه می کند این تحلیلها همراه با ارائه نسبت ها، روندها و نمودارهای مناسب است . سیستمهای خبره تسهیل کننده تصمیم‌گیری در این نوع از سیستمهای خبره مالی یک پایگاه دانش وجود دارد که ضمن تحلیل نسبتهای مالی می تواند بینشهای خود نسبت به موضوع مورد تحلیل را نیز ارائه دهد و همین امر موجب تمایز آن از سیستمهای دسته اول می شود بنابر این در این قبیل سیستمها سه مرحله از چهار مرحله فرآیند تصمیم گیری انجام می شود یک نمونه از این سیستمهای خبره « ANSWERS » است. نکات تاریخی تا ابتدای دههٔ 1980 (م) کار چندانی در زمینهٔ ساخت و ایجاد سامانه‌های خِبره توسط پژوهش گران هوش مصنوعی صورت نگرفته بود. از آن زمان به بعد، کارهای زیادی در این راستا و در دو حوزهٔ متفاوت ولی مرتبط سامانه‌های کوچک خبره و نیز سامانه‌های بزرگ خبره انجام شده است. در دهه 1970، ادواردفیگن بام در دانشگاه استانفورد به دنبال کشف روش حل مساله ای بود که خیلی کلی و همه منظوره نباشد . محققین دریافتند که یک متخصص معمولا دارای تعدادی رموز و فوت و فن خاص برای کار خود می باشد و در واقع از مجموعه ای از شگردهای مفید و قواعد سرانگشتی در کار خود بهره می برد، این یافته مقدمه پیدایش سیستم خبره بود . سیستم خبره با اخذ این قواعد سر انگشتی از متخصصین و به تعبیری با تبدیل فرآیند استدلال و تصمیم گیری متخصصین به برنامه‌های کامپیوتری می تواند به عنوان ابزار راهنمای تصمیم گیری در اختیار غیرمتخصص و حتی متخصصین کم تجربه قرار گیرد . هوش مصنوعی: هوش مصنوعی روشی است در جهت هوشمند کردن کامپیوتر تا قادر باشد در هر لحظه تصمیم گیری کرده و اقدام به بررسی یک مسئله نماید. هوش مصنوعی، کامپیوتر را قادر به تفکر می‌کند و روش آموختن انسان را تقلید می نماید. بنابراین اقدام به جذب اطلاعات جدید جهت بکارگیری مراحل بعدی می پردازد.
مغز انسان به بخش هایی تقسیم شده است که هر بخش وظیفه خاص خود را جدا از بقیه انجام می دهد. اختلال در کار یک بخش تاثیری در دیگر قسمت‌های مغز نخواهد گذاشت. در برنامه‌های هوش مصنوعی نیز این مسئله رعایت می‌شود درحالی که در برنامه‌های غیر هوش مصنوعی مثل C یا Pascal تغییر در برنامه روی سایر قسمت‌های برنامه و اطلاعات تاثیر دارد.
مباحث کاربردی و مهم در تحقق یک سیستم هوش مصنوعی :

سیستم‌های خبره (Expert Systems)
شبکه‌های عصبی (Neural Network)
الگوریتم‌های ژنتیک (Genetic Algorithms)
سیستم‌های منطق فازی (Fuzzy Logic Systems)

سیستم‌های خبره سیستم‌های خبره برنامه هایی هستند که رفتار یک انسان متخصص در یک زمینه بخصوص را تقلید می کنند. این برنامه از اطلاعاتی که استفاده کننده در آن‌ها ذخیره می‌کند جهت اعلام یک عقیده در یک موضوع بخصوص استفاده می کند. از این رو سیستم‌های خبره تا هنگامی که بتوانند موضوعی را که با پاسخ‌های شما مطابقت داشته باشد بیابند به سوال کردن از شما ادامه می دهند. به منظور درک کردن آنچه یک سیستم متخصص انجام می دهد مکالمه زیر که بین یک متخصص در امور میوه و فرد دیگری که می خواهد از وی توصیه ای در این مورد دریافت کند را در نظر بگیرید:

- متخصص: آیا میوه سبز است؟ 
- استفاده کننده: خیر.
- متخصص: آیا میوه قرمز است؟
- استفاده کننده: بله.
- متخصص: آیا این میوه روی درخت رشد می کند؟
- استفاده کننده: خیر.
- متخصص: آیا این میوه روی یک بوته رشد می کند؟
- استفاده کننده: بله.
- متخصص: آیا این بوته تیغ دارد؟
- استفاده کننده: بله.
- متخصص: این میوه تمشک است!

هدف از طراحی یک سیستم متخصص کامپیوتری در امر میوه تولید این مکالمه است. در حالت عمومی تر سیستم متخصص سعی می‌کند که به استفاده کننده از خود در مورد موضوعی که از آن مطلع است راهنمایی دهد. اگر بخواهیم تعریفی از سیستم های خبره ارایه دهیم می توان گفت « سیستم های خبره برنامه های کامپیوتری هستند که با استفاده از قواعد مورد استفاده متخصصین به حل مسایل در زمینه ای خاص می پردازند. وجه تمایز اصلی سیستم های خبره نسبت به برنامه‌های کاربردی گذشته آن است که از استدلال مبتنی بر استنباط و استنتاج استفاده می کند در برنامه های کاربردی معمولی دارای الگوریتم و روش حل مساله ثابتی هستیم اما در روش های شهودی می توان با آزمون و خطا مسایل دشوارتری را حل کرد و به جواب رضایت بخش رسید . مفهوم سیستم های خبره بر این فرض استوار است که دانش متخصصین در حافظه رایانه ضبط و در دسترس کسانی که به کاربرد آن دانش نیاز دارند، قرار گیرد. یک سیستم پشتیبانی تصمیم شامل برنامه هایی است که منعکس کننده چگونگی اعتقاد یک مدیر در حل یک مساله می باشد. یک سیستم خبره، ازطرف دیگر فرصتی برای تصمیم گیری ها پیش می آورد که از قابلیت های مدیر افزون تر است .تمایز دیگر بین سیستم خبره و سیستم پشتیبانی تصمیم، توانایی سیستم خبره در توصیف نحوه استدلال جهت نیل به یک راه حل خاص است. اغلب اوقات شرح نحوه دست یابی به یک راه حل، از خود راه حل ارزشمند تری است.

هوش مصنوعی

هوش ﻣﺼﻨﻮﻋﻲ:

ﻣﻮﺟﻮﺩﻱ ﻛﻪ ﻗﺮﺍﺭ ﺍﺳﺖ ﻣﺜﻞ ﺍﻧﺴﺎﻥ ﺭﻓﺘﺎﺭ ﻛﻨﺪ ﭘﺲ ﻧﻴﺎﺯ ﺑﻪ ﻫﻮﺵ ﻣﺼﻨﻮﻋﻲ ﺩﺍﺭﺩ.

ﻫﻮﺵ ﻣﺼﻨﻮﻋﻲ:ﺗﻌﺎﺭﻳﻒ ﻣﺘﻔﺎﻭﺗﯽ ﺑﺮﺍﯼ ﻫﻮﺵ ﻣﺼﻨﻮﻋﯽ ﻭﺟﻮﺩ ﺩﺍﺭﺩ:

(Artificial Intelligence) ﺗﻜﻨﻴﻜﻲ ﺑﺮﺍﻱ ﺧﻠﻖ ﻛﺮﺩﻥ ﻣﺎﺷﻴﻦﻫﺎﻳﻲ ﺍﺳﺖ ﻛﻪ ﻗﺎﺩﺭ ﺑﻪ ﻓﻜﺮ ﻛﺮﺩﻥ ﺑﺪﻭﻥ ﻧﻴﺎﺯ ﺑﻪ ﺍﻧﺴﺎﻥﻫﺎ ﺑﺎﺷﺪ. (ﺍﻳﺠﺎﺩ ﻣﻮﺟﻮﺩ ﻣﺼﻨﻮﻋﻲ)

AI ﺷﺎﺧﻪﺍﻱ ﺍﺯ ﻋﻠﻮﻡ ﻛﺎﻣﭙﻴﻮﺗﺮ ﺍﺳﺖ ﻛﻪ ﺑﻪ ﺍﺗﻮﻣﺎﺳﻴﻮﻥ ﺭﻓﺘﺎﺭ ﻫﻮﺷﻤﻨﺪ ﻣﻲﭘﺮﺩﺍﺯﺩ.

ﻫﻮﺵ ﻣﺼﻨﻮﻋﯽ ﺷﺎﺧﻪﺍﻱ ﺍﺯ ﻋﻠﻮﻡ ﻛﺎﻣﭙﻴﻮﺗﺮ ﺍﺳﺖ ﻛﻪ ﻛﺎﻣﭙﻴﻮﺗﺮﻫﺎ ﺭﺍ ﻗﺎﺩﺭ ﻣﻲﺳﺎﺯﺩ ﺗﺎ ﻗﺎﺑﻠﻴﺖ ﻫﻮﺷﻤﻨﺪﺍﻧﻪ ﺍﻧﺴﺎﻥﻫﺎ ﺭﺍ ﻧﻈﻴﺮ ﺍﺩﺭﺍﻙ، ﻳﺎﺩﮔﻴﺮﻱ، ﺣﻞ ﻣﺴﺎﺋﻞ ﻫﻮﺷﻤﻨﺪ، ﺍﺳﺘﺪﻻﻝ ﻭ... ﺭﺍ ﺩﺍﺷﺘﻪ ﺑﺎﺷﺪ.

ﻋﻠﻢ ﻭ ﻣﻬﻨﺪﺳﯽ ﺳﺎﺧﺖ ﻣﺎﺷﻴﻦ ﻫﺎﯼ ﻫﻮﺷﻤﻨﺪ، ﺧﺼﻮﺻﺎ ﺑﺮﻧﺎﻣﻪ ﻫﺎﯼ ﮐﺎﻣﭙﻴﻮﺗﺮﯼ ﻫﻮﺷﻤﻨﺪ. ﺟﺎﻥ ﻣﮏ ﮐﺎﺭﺗﯽ (ﺍﺳﺘﻨﻔﻮﺭﺩ)

ﻫﻮﺵ ﻣﺼﻨﻮﻋﯽ ﻋﻤﻮﻣﺎ ﺑﻌﻨﻮﺍﻥ ﺯﻳﺮ ﺷﺎﺧﻪ ﺍﯼ ﺍﺯ ﮐﺎﻣﭙﻴﻮﺗﺮ ﻣﺤﺴﻮﺏ ﺷﺪﻩ ﻭ ﺍﺭﺗﺒﺎﻁ ﺗﻨﮕﺎﺗﻨﮕﯽ ﺑﺎ ﻋﺼﺐ ﺷﻨﺎﺳﻲ، ﻋﻠﻮﻡ ﺷﻨﺎﺧﺘﯽ، ﺭﻭﺍﻧﺸﻨﺎﺳﯽ ﺷﻨﺎﺧﺘﯽ، ﻣﻨﻄﻖ ﺭﻳﺎﺿﯽ ﻭ ﻣﻬﻨﺪﺳﯽ ﺍﺳﺖ. ﭘﮋﻭﻫﺸﮑﺪﻩ IBM

ﻫﻮﺵ ﻣﺼﻨﻮﻋﯽ ﺷﺎﺧﻪ ﺍﯼ ﺍﺯ ﻋﻠﻮﻡ ﻭ ﻣﻬﻨﺪﺳﯽ ﮐﺎﻣﭙﻴﻮﺗﺮ ﺍﺳﺖ ﮐﻪ ﺭﻭﯼ ﺍﻳﺠﺎﺩ ﺭﻓﺘﺎﺭ ﺷﺒﻴﻪ ﺍﻧﺴﺎﻥ ﻣﺘﻤﺮﮐﺰ ﺷﺪﻩ ﺍﺳﺖ.

ﻫﻮﺵ ﻣﺼﻨﻮﻋﯽ ﻋﺒﺎﺭﺗﺴﺖ ﺍﺯ ﺍﻳﺠﺎﺩ ﻇﺮﻓﻴﺖ ﺑﺮﺍﯼ ﺍﻧﺠﺎﻡ ﻭﻇﺎﻳﻔﯽ ﮐﻪ ﻋﻤﻮﻣﺎ ﺑﻌﻨﻮﺍﻥ ﻭﻳﮋﮔﯽ ﻫﺎﯼ ﺍﻧﺴﺎﻥ ﺷﻨﺎﺧﺘﻪ ﻣﯽ ﺷﻮﺩ ﺩﺭ ﮐﺎﻣﭙﻴﻮﺗﺮ. ﺍﻳﻦ ﻇﺮﻓﻴﺘﻬﺎ ﺷﺎﻣﻞ: ﺍﺳﺘﺪﻻﻝ، ﺍﮐﺘﺸﺎﻑ ﻣﻔﻬﻮﻡ، ﺗﻌﻤﻴﻢ، ﻳﺎﺩﮔﻴﺮﯼ ﻭ ... ﻣﯽ ﺑﺎﺷﺪ. ﻫﺮﺑﺮﺕ ﺳﻴﻤﻮﻥ (ﮐﺎﺭﻧﮕﯽ ﻣﻠﻮﻥ)

ﻣﻐﺰ ﻣﺼﻨﻮﻋﯽ، ﻣﻐﺰ ﺭﺑﺎﺗﯽ ﺍﺳﺖ ﮐﻪ ﻳﺎﺩ ﻣﯽ ﮔﻴﺮﺩ ﻭ ﺭﻓﺘﺎﺭﯼ ﺷﺒﻴﻪ ﻣﻐﺰ ﺍﻧﺴﺎﻥ ﺍﺯ ﺧﻮﺩ ﻧﺸﺎﻥ ﻣﯽ ﺩﻫﺪ. ﺑﺎ ﺍﻳﻦ ﺗﻔﺎﻭﺕ ﮐﻪ ﺑﺼﻮﺭﺕ ﺍﺍﮐﺘﺮﻭﻧﻴﮑﯽ ﺳﺎﺧﺘﻪ ﺷﺪﻩ ﻭ نه ﺑﻴﻮﻟﻮﮊﻳﮑﯽ.

 

ﺍﻳﻦ ﺭﺑﺎﺕ ﺍﻧﺴﺎﻥ ﻧﻤﺎ ﺑﺎﻳﺪ ﺩﺍﺭﺍﻱ ﻗﺎﺑﻠﻴﺖﻫﺎﻱ ﻫﻮﺷﻤﻨﺪﺍﻧﻪﺍﻱ ﻫﻤﺎﻧﻨﺪ ﺍﻧﺴﺎﻥ ﺑﺎﺷﺪ.

ﻣﻬﻤﺘﺮﻳﻦ ﻗﺎﺑﻠﻴﺖﻫﺎﻱ ﺭﺑﺎﺕ ﻫﻮﺷﻤﻨﺪ:

۱ـ ﺍﺩﺭﺍﻙ :(Perception) ﺍﻳﻦ ﺭﺑﺎﺕ ﻳﺎ Agent ﺑﺎﻳﺪ ﺗﻮﺍﻧﺎﺋﻲ ﺩﺭﻙ ﻣﺤﻴﻂ ﺍﻃﺮﺍﻑ ﺧﻮﺩ ﺭﺍ ﺩﺍﺷﺘﻪ ﺑﺎﺷﺪ ( ﺗﺼﻮﻳﺮ ﻭ ﺻﻮﺕ ).

ﻳﻜﻲ ﺍﺯ ﻣﺴﺎﺋﻞ ﻣﻬﻢ ﺩﻳﮕﺮ ﺑﺮﺍﻱ ﺭﺑﺎﺕﻫﺎ، ﺷﻨﺎﺧﺖ ﺍﺯ ﻭﺟﻮﺩ ﺧﻮﺩ Sentient) ﺑﻮﺩﻥ) ﺍﺳﺖ. ﺍﻳﻦ ﺑﺪﺍﻥ ﻣﻌﻨﺎ ﺍﺳﺖ ﻛﻪ ﺭﺑﺎﺕ ﺍﺯ ﻭﺟﻮﺩ ﺧﻮﺩ ﺁﮔﺎﻩ ﺑﻮﺩﻩ ﻭ ﻣﻲﺗﻮﺍﻧﺪ ﺑﺮﻭﯼ ﻣﺤﻴﻂ ﺧﻮﺩ ﺍﺛﺮﮔﺬﺍﺭ ﺑﺎﺷﺪ. ﺍﻳﻦ ﻳﻜﻲ ﺍﺯ ﻭﻳﮋﮔﻲﻫﺎﻱ ﻣﻬﻢ ﻫﺮ ﺍﻧﺴﺎﻥ ﺍﺳﺖ ﻭﻟﻲ ﻣﺪﺭﻛﻲ ﺩﺍﻝ ﺑﺮ Sentient ﺑﻮﺩﻥ ﺣﻴﻮﺍﻧﺎﺕ ﻭﺟﻮﺩ ﻧﺪﺍﺭﺩ.

ﺗﺎﻛﻨﻮﻥ ﺭﺑﺎﺕ ﺑﺴﻴﺎﺭ ﻛﺎﻣﻞ ﻛﻪ ﻗﺎﺩﺭ ﺑﻪ ﺩﺭﻙ ﺧﻮﺩ ﺑﺎﺷﺪ ﺑﻪ ﻭﺟﻮﺩ ﻧﻴﺎﻣﺪﻩ ﺍﺳﺖ. ﺩﺍﻧﺸﻤﻨﺪﺍﻥ ﺁﻟﻤﺎﻥ ﺭﺑﺎﺗﻲ ﺑﻪ ﻧﺎﻡ Gaak ﺳﺎﺧﺘﻪ ﺍﻧﺪ ﻛﻪ ﺍﻳﻦ ﺭﺑﺎﺕ ﻗﺎﺩﺭ ﺑﻪ ﻓﮑﺮ ﮐﺮﺩﻥ ﺑﻪ ﻃﻮﺭ ﻣﺴﺘﻘﻞ ﺑﻮﺩﻩ ﺍﺳﺖ. ﺍﻳﻦ ﺭﺑﺎﺕ ﺩﺭ ﻣﺴﺎﺑﻘﺎﺕ " ﺯﻧﺪﻩ ﻣﺎﻧﺪﻥ ﻗﻮﻱﺗﺮﻫﺎ" (Surrvival Of The Fittest) ﺳﻌﻲ ﻧﻤﻮﺩﻩ ﺍﺯ ﻳﻜﻲ ﺍﺯ ﻣﺒﺎﺭﺯﺍﺗﺶ ﺑﮕﺮﻳﺰﺩ. ﺍﻳﻦ ﺭﺑﺎﺕ ﺍﺯ ﻣﺤﻞ ﻣﺒﺎﺭﺯﻩ ﮔﺮﻳﺨﺘﻪ ﻭ ﺩﺭ ﺗﺼﺎﺩﻓﻲ ﺍﺯ ﺑﻴﻦ ﺭﻓﺘﻪ ﺍﺳﺖ. ﺍﻳﻦ ﺣﺎﺩﺛﻪ ﻣﻲﺗﻮﺍﻧﺪ ﺩﻟﻴﻠﻲ ﺑﺮ ﻫﻮﺷﻤﻨﺪ ﺑﻮﺩﻥ ﺍﻳﻦ ﺭﺑﺎﺕ ﺑﺎﺷﺪ ﻭﻟﻲ ﺩﻟﻴﻞ ﻗﺎﻃﻌﻲ ﺑﺮﺍﻱ ﺍﺛﺒﺎﺕ ﺍﻳﻦ ﻣﻮﺿﻮﻉ ﻧﻴﺴﺖ.

۲ـ ﻳﺎﺩﮔﻴﺮﻱ :(Learning) ﺭﺑﺎﺕ ﺑﺎﻳﺪ ﻗﺎﺑﻠﻴﺖ ﻳﺎﺩﮔﻴﺮﻱ ﺍﻟﮕﻮﻫﺎﻱ ﺟﺪﻳﺪ ﭘﻴﺮﺍﻣﻮﻥ ﺧﻮﺩ ﺭﺍ ﺩﺍﺷﺘﻪ ﺑﺎﺷﺪ. ﺭﺑﺎﺕ ﺑﺎﻳﺪ ﺑﺘﻮﺍﻧﺪ ﻣﺴﺎﺋﻞ ﺟﺪﻳﺪ ﺭﺍ ﺑﻴﺎﻣﻮﺯﺩ ﻭ ﺩﺭ ﺟﺎﻳﻲ ﻫﻤﺎﻧﻨﺪ ﻣﻐﺰ ﺍﻧﺴﺎﻥ ﺍﻃﻼﻋﺎﺕ ﺭﺍ ﻧﮕﻬﺪﺍﺭﻱ ﻧﻤﺎﻳﺪ.

۳ـ ﺗﻄﺎﺑﻖ ﻭ ﭘﺬﻳﺮﺵ: ﺑﺎ ﻣﺤﻴﻂ، ﺧﻮﺩ ﺭﺍ ﺗﻄﺒﻴﻖ ﻭ ﺩﺭ ﺻﻮﺭﺕ ﺗﻐﻴﻴﺮ ﻣﺤﻴﻂ ﻣﻴﺒﺎﻳﺴﺖ ﻗﺎﺑﻠﻴﺖ ﭘﺬﻳﺮﺵ ﺍﻟﮕﻮﻫﺎﻱ ﺟﺪﻳﺪ ﺭﺍ ﺩﺍﺷﺘﻪ ﺑﺎﺷﺪ.

۴ـ ﻗﺎﺑﻠﻴﺖ ﺍﺳﺘﺪﻻﻝ: ﻛﺎﻣﻞ ﺑﻮﺩﻥ ﭘﺎﻳﮕﺎﻩ ﺩﺍﻧﺶ ﺑﺮﺍﻱ ﺍﺳﺘﺪﻻﻝ ﺭﺑﺎﺕ

۵ـ ﭘﺎﺳﺦ ﺩﻫﻲ ﻣﻨﺎﺳﺐ ﺑﻪ ﺭﻭﻳﺪﺍﺩﻫﺎ (ﺗﺼﻤﻴﻢ ﮔﻴﺮﻱ ﺩﺭﺳﺖ) ﻭ ...

ﺑﺮﺍﻱ ﻣﻮﻓﻘﻴﺖ ﺩﺭ ﺗﺴﺖ ﺗﻮﺭﻳﻨﮓ ﻛﺎﻣﭙﻴﻮﺗﺮ ﺑﺎﻳﺪ ﻗﺎﺑﻠﻴﺖﻫﺎﻱ ﺯﻳﺮ ﺭﺍ ﺩﺍﺷﺘﻪ ﺑﺎﺷﺪ.

۱ـ ﭘﺮﺩﺍﺯﺵ ﺯﺑﺎﻥ ﻃﺒﻴﻌﻲ:(Natural Language Processing) NLP ﺩﺭﻙ ﻣﻌﻨﺎﻳﻲ ﺟﻤﻼﺕ ﻧﻮﺷﺘﻪ ﺷﺪﻩ ﺑﺮﺍﯼ ﻣﺤﺎﻭﺭﻩ ﺑﻪ ﺯﺑﺎﻥ ﺍﻧﮕﻠﻴﺴﻲ. (ﻣﺸﻜﻞ ﺍﺳﺖ ﻣﺜﻼ ﺿﺮﺏ ﺍﻟﻤﺜﻞﻫﺎ ﺭﺍ ﻧﻤﻲﻓﻬﻤﺪ...)

۲ـ ﺑﺎﺯﻧﻤﺎﺋﻲ ﺩﺍﻧﺶ :(Knowledge representation)

 

ﺍﻃﻼﻋﺎﺕ ﺗﻮﻟﻴﺪ ﺷﺪﻩ ﻗﺒﻞ ﻳﺎ ﺩﺭ ﺣﻴﻦ ﺁﺯﻣﻮﻥ ﺭﺍ ﺫﺧﻴﺮﻩ ﺳﺎﺯﺩ.

۳ـ ﺍﺳﺘﺪﻻﻝ ﺧﻮﺩﻛﺎﺭ :(Automated Reasoning)

ﺍﺯ ﺍﻃﻼﻋﺎﺕ ﺫﺧﻴﺮﻩ ﺷﺪﻩ ﺑﺮﺍﻱ ﭘﺎﺳﺦ ﺑﻪ ﭘﺮﺳﺶﻫﺎ ﺍﺳﺘﻔﺎﺩﻩ ﻛﺮﺩﻩ ﻭ ﻧﺘﺎﻳﺞ ﺟﺪﻳﺪﻱ ﺭﺍ ﺍﺳﺘﺨﺮﺍﺝ

ﻧﻤﺎﻳﺪ.

۴ـ ﻳﺎﺩﮔﻴﺮﻱ ﻣﺎﺷﻴﻦ :(Machine Learning)

ﺧﻮﺩ ﺭﺍ ﺑﺎ ﺷﺮﺍﻳﻂ ﺟﺪﻳﺪ ﻭﻓﻖ ﺩﺍﺩﻩ ﻭ ﺍﻟﮕﻮﻫﺎ ﺭﺍ ﻛﺸﻒ ﻛﻨﺪ.

ﻣﺰﻳﺖ ﻛﺎﻣﭙﻴﻮﺗﺮﻫﺎﻱ ﻫﻮﺷﻤﻨﺪ ﻧﺴﺒﺖ ﺑﻪ ﺍﻧﺴﺎﻥ:

۱ـ ﺧﺴﺘﻪ ﻧﻤﻲﺷﻮﺩ

۲ـ ﮔﺮﺍﻧﻲ ﻧﻴﺮﻭﻱ ﺍﻧﺴﺎﻧﻲ

۳ـ ﻋﺪﻡ ﺷﻚ ﻭ ﺍﺷﺘﺒﺎﻩ

۴ـ ﺍﻧﺴﺎﻥﻫﺎ ﺳﺮﺣﺎﻝ ﻧﻴﺴﺘﻨﺪ ﻭ ...

۵ـ ﻋﺪﻡ ﻓﺮﺍﻣﻮﺷﻲ

۶ـ ﺳﺮﻋﺖ ﺑﺎﻻ، ﺩﻗﺖ ﺑﺎﻻ ﻭ ...

ﻣﺒﺎﺣﺜﯽ ﮐﻪ ﺩﺭ ﺍﺭﺗﺒﺎﻁ ﺑﺎ ﻫﻮﺵ ﻣﺼﻨﻮﻋﯽ ﻣﻄﺮﺡ ﻣﻴﺸﻮﻧﺪ:

۳ـ ﺣﻞ ﻣﺴﺎﺋﻞ ﻭ ﺑﺎﺯﻱ ﻫﺎ:

ﺑﻴﺸﺘﺮ ﻓﺼﻮﻝ ﺩﺭﺱ ﻫﻮﺵ ﻣﺼﻨﻮﻋﻲ ﺩﺭ ﺳﻄﺢ ﻟﻴﺴﺎﻧﺲ ﻣﺮﺑﻮﻁ ﺑﻪ ﺣﻞ ﻣﺴﺎﺋﻞ ﻣﻲﺑﺎﺷﺪ. ﻣﺴﺎﺋﻠﻲ ﻛﻪ ﺩﺭ ﺍﻳﻦ ﺑﺨﺶ ﻣﻮﺭﺩ ﺑﺮﺭﺳﻲ ﻗﺮﺍﺭ ﻣﻲﮔﻴﺮﻧﺪ ﻣﺴﺎﺋﻞ ﻫﻮﺷﻤﻨﺪ ﺑﻮﺩﻩ ﻭ ﻣﺴﺎﺋﻠﻲ ﻫﺴﺘﻨﺪ ﻛﻪ ﺍﺯ ﻗﺒﻞ ﺑﺮﺍﻱ ﺁﻥﻫﺎ ﺍﻟﮕﻮﺭﻳﺘﻢ ﺧﺎﺻﻲ ﻧﺪﺍﺭﻳﻢ ﻭ ﺍﻳﻦ ﺑﺪﻟﻴﻞ ﭘﻴﭽﻴﺪﮔﻲ ﺍﻳﻦﮔﻮﻧﻪ ﻣﺴﺎﺋﻞ ﺍﺳﺖ. ﻣﺎﻧﻨﺪ ﻣﻌﻤﺎﻱ ۸، ﺷﻄﺮﻧﺞ، ﻛﺸﻴﺶ ﻭ ﺁﺩﻡﺧﻮﺍﺭ ﻭ … ﺍﻳﻦﮔﻮﻧﻪ ﻣﺴﺎﺋﻞ ﺭﺍ ﺑﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﺩﺍﻧﺶ (Knowledge) ﺣﻞ ﻣﻲ ﻛﻨﻴﻢ. ﺩﺭ ﻣﻮﺭﺩ ﻣﺴﺎﺋﻞ ﻫﻮﺷﻤﻨﺪ ﻧﻴﺎﺯ ﺑﻪ ﺩﺍﻧﺶ ﺩﺍﺭﻳﻢ. ﺩﺍﻧﺶ ﻳﻌﻨﻲ ﺩﺍﺷﺘﻦ ﺩﻭ ﭼﻴﺰ: ﺣﻘﺎﻳﻖ (Facts) ﻭ ﻗﻮﺍﻧﻴﻦ ﺣﺎﻛﻢ ﺑﺮ ﺣﻘﺎﻳﻖ . (Rules) ﺩﺭ ﺿﻤﻦ ﻫﻤﻴﺸﻪ ﺩﺭ ﻛﻨﺎﺭ ﺩﺍﻧﺶ، ﺗﺠﺮﺑﻪ ﻧﻴﺰ ﻭﺟﻮﺩ ﺩﺍﺭﺩ.

ﺣﺎﻝ ﺑﺎ ﺩﺍﻧﺶ ﻭ ﺗﺠﺮﺑﻪﺍﻱ ﻛﻪ ﺍﺯ ﻳﻚ ﻣﺴﺌﻠﻪ ﺩﺍﺭﻳﻢ ( ﺩﺍﺷﺘﻦ Fact ﻫﺎ ﻭ Rule ﻫﺎ ) ﺑﻪ ﻫﺪﻑ ﻣﺴﺌﻠﻪ ﺭﺳﻴﺪﻩ ﻭ ﺁﻥ ﺭﺍ ﺣﻞ ﻣﻲﻛﻨﻴﻢ. ﻣﺴﺌﻠﻪ ﺍﺻﻠﻲ ﻫﻮﺵ ﺍﻳﻦ ﺍﺳﺖ ﻛﻪ ﻛﺪﺍﻡ ﻣﺴﻴﺮ ﺭﺍ ﺑﺮﺍﻱ ﺣﻞ، ﺍﻧﺘﺨﺎﺏ ﻛﻨﻴﻢ (ﻫﻮﺵ ﻳﻌﻨﻲ ﺍﺳﺘﻨﺘﺎﺝ ﻭ ﻗﻀﺎﻭﺕ ﺑﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﺩﺍﻧﺶ ﻭ ﺗﺠﺮﺑﻪ ﺩﺭ ﻣﻮﺭﺩ ﻳﻚ ﻣﺴﺌﻠﻪ) ﻛﻪ ﺩﺭ ﻧﻬﺎﻳﺖ ﺑﺮﺍﻱ ﻣﺴﺎﺋﻞ ﺍﺯ ﺳﻴﺴﺘﻢ ﺗﻮﻟﻴﺪ ﺍﺳﺘﻔﺎﺩﻩ ﻣﻲﻛﻨﻴﻢ ﻛﻪ ﺷﺎﻣﻞ ۳ ﻣﺮﺣﻠﻪ ﺍﺳﺎﺳﻲ ﺍﺳﺖ:

 

۱- ﭘﺎﻳﮕﺎﻩ ﺩﺍﺩﻩ Fact) ﻫﺎ)

٢- ﻗﻮﺍﻧﻴﻦ ﺗﻮﻟﻴﺪ Rule) ﻫﺎ)

٣- ﺍﺳﺘﺮﺍﺗﮋﻱ ﻛﻨﺘﺮﻝ (ﺍﻧﺘﺨﺎﺏ ﺑﻬﺮﻳﻦ ﻣﺴﻴﺮ)

ﻣﺴﺎﺋﻞ ﺑﺎﻻ ﻫﻤﮕﻲ ﺩﺭ ﺍﺩﺍﻣﻪ ﺩﺭﺱ ﻃﺮﺍﺣﻲ ﺍﻟﮕﻮﺭﻳﺘﻢ ﻣﻄﺮﺡ ﻣﻲﺷﻮﺩ.

- ﺑﺤﺚ ﻧﺤﻮﻩ ﺍﺭﺍﺋﻪ ﭘﺎﻳﮕﺎﻩ ﺩﺍﻧﺶ

۱ـ ﺯﺑﺎﻥ ﻣﻨﻄﻖ

۲ـ ﺯﺑﺎﻥﻫﺎﻱ ﺭﻭﻳﻪﺍﻱ ۳ـ ﺷﺒﻜﻪ ﻣﻌﻨﺎﻳﻲ ۴ـ ﺳﻴﺴﺘﻢﻫﺎﻱ ﺗﻮﻟﻴﺪ ۵ ـ ﻗﺎﺏﻫﺎ

- ﺑﺤﺚ ﺍﺳﺘﺪﻻﻝ ﺑﻪ ﺭﻭﻱ ﭘﺎﻳﮕﺎﻩ ﺩﺍﻧﺶ....

۴ـ ﺷﻨﺎﺳﺎﻳﻲ ﺍﻟﮕﻮ :(Pattern Pecognition)

ﺁﻣﺎﺭﻱ

ﺳﺎﺧﺘﺎﺭﻱ

ﺷﺎﺧﻪﺍﻱ ﺍﺯ ﻋﻠﻢ ﺍﺳﺖ ﻛﻪ ﺑﻪ ﺩﺳﺘﻪﺑﻨﺪﻱ ﻣﺆﺛﺮ ﺍﻟﮕﻮﻫﺎ ﺩﺭ ﺩﺍﺧﻞ ﺩﺳﺘﻪﻫﺎ ﻳﺎ ﻛﻼﺱﻫﺎﻱ ﻣﻌﻴﻦ ﻣﻲﭘﺮﺩﺍﺯﺩ.

 

5. ﺷﺒﻜﻪﻫﺎﻱ ﻋﺼﺒﻲ :(Neural Networks)

ﻫﺮ ﭼﻨﺪ ﻣﻐﺰ ﯾﮏ ﺳﺎﺧﺘﺎر ﭘﺮدازﺷﯽ ﺗﻮزﯾﻊ ﺷﺪه اﺳﺖ، ﻟﯿﮑﻦ اﯾﻦ ﺳﺎﺧﺘﺎر ﺑﻪ ﻣﺮور زﻣﺎن اﻧﺠﺎم وﻇﺎﯾﻒ را ﺗﻘﺴﯿﻢ ﻧﻤﻮده و ﻫﺮ ﻗﺴﻤﺖ آن وﻇﯿﻔﻪ ای را ﺑﺮ ﻋﻬﺪه ﮔﺮﻓﺘﻪ اﺳﺖ. در ﺷﮑﻞ وﻇﯿﻔﻪ ﺑﻌﻀﯽ از ﻗﺴﻤﺘﻬﺎی ﻣﺨﺘﻠﻒ آن آﻣﺪه اﺳﺖ.

ﻗﺴﻤﺖ ﻧﺎرﻧﺠﯽ ﻣﺮﺑﻮط ﺑﻪ اﻃﻼﻋﺎت ﺑﺼﺮی، ﻗﺴﻤﺖ زرد اﻋﻤﺎل ﺻﻮﺗﯽ، ﻗﺴﻤﺖ ﻧﯿﻠﯽ و ﻗﺮﻣﺰ ﺑﺮای اﻋﻤﺎل ﺣﺴﯽ و ﺣﺮﮐﺘﯽ و ...

اﻟﺒﺘﻪ اﯾﻦ ﺗﻘﺴﯿﻢ ﮐﺎر ﻟﻄﻤﻪ ای ﺑﻪ اﯾﻨﮑﻪ اﯾﻦ ﺳﯿﺴﺘﻢ ﯾﮏ ﺳﺎﺧﺘﺎر ﭘﺮدازش ﻣﻮازی ﺑﺰرگ اﺳﺖ ﻧﻤﯽ زﻧﺪ و ﻫﻤﭽﻨﺎن اﯾﻦ وﯾﮋﮔﯽ و ﺳﺎﯾﺮ ﺧﻮاص ﺑﺮ آن ﻣﺘﺮﺗﺐ اﺳﺖ.

ﺳﺎﺧﺘﺎﺭ ﻣﻐﺰﻱ ﺍﻧﺴﺎﻥ ﺣﺪﻭﺩﺍﹰ ﻣﺘﺸﻜﻞ ﺍﺯ ۰۱۰۱ ﻭﺍﺣﺪ ﭘﺎﻳﻪ ﺑﻪ ﻧﺎﻡ ﻧﺮﻭﻥ ﺍﺳﺖ ﻛﻪ ﻫﺮ ﻧﺮﻭﻥ ﺗﻘﺮﻳﺒﺎﹰ ﺑﺎ۴۰۱ ﻧﺮﻭﻥ ﺩﻳﮕﺮ ﺩﺭ ﺍﺭﺗﺒﺎﻁ ﻫﺴﺘﻨﺪ. ﺳﺎﺧﺘﺎﺭ ﻛﺎﻣﭙﻴﻮﺗﺮ ﺑﺪﻳﻦ ﮔﻮﻧﻪ ﺍﺳﺖ ﻛﻪ ﻋﻤﻠﻲ ﺭﺍ ﺑﺎﻳﺪ ﺑﻌﺪ ﺍﺯ ﻋﻤﻞ ﺩﻳﮕﺮﺑﺎ ﺳﺮﻋﺖ ﺑﺎﻻ ﺍﻧﺠﺎﻡ ﺩﻫﺪ، ﺩﺭ ﺻﻮﺭﺗﻲ ﻛﻪ ﻣﻐﺰ ﺍﻧﺴﺎﻥ ﺑﺎ ﺗﻌﺪﺍﺩ ﺍﺟﺰﺍﺀ ﺑﻴﺸﺘﺮ ﻭ ﺑﺎ ﺳﺮﻋﺖ ﻛﻤﺘﺮﻱ(ﺣﺪﻭﺩ۰۰۱ﻫﺮﺗﺰ) ﻭ ﺑﻪ ﻃﻮﺭ ﻫﻤﺰﻣﺎﻥ ﻛﺎﺭ ﻣﻲ ﻛﻨﺪ، ﭘﺲ ﻣﻐﺰ ﺍﻧﺴﺎﻥ ﺑﺮﺧﻼﻑ ﻛﺎﻣﭙﻴﻮﺗﺮ ﺳﺎﺧﺘﺎﺭﻱ ﻣﻮﺍﺯﻱ ﺩﺍﺭﺩ.

 

ﻣﻬﻤﺘﺮﻳﻦ ﺧﺼﻴﺼﻪ ﻣﻐﺰ ﺁﻣﻮﺯﺵ ﺍﺳﺖ. ﺣﺎﻝ ﻣﺎ ﺑﺎﻳﺪ ﭼﮕﻮﻧﻪ ﺍﻳﻦ ﻛﺎﺭ ﺭﺍ ﺍﻧﺠﺎﻡ ﺩﻫﻴﻢ ﻭ ﺭﻓﺘﺎﺭ ﻣﻐﺰ ﺭﺍ ﺗﻘﻠﻴﺪ ﻧﻤﺎﺋﻴﻢ. ﺍﺑﺘﺪﺍ ﺳﺎﺧﺘﺎﺭ ﻣﻐﺰ ﺭﺍ ﺑﺮﺭﺳﻲ ﻣﻲﻛﻨﻴﻢ.

ﻣﻐﺰ ﺍﺯ ۰۱۰۱ ﻧﺮﻭﻥ Neuron ﺗﺸﻜﻴﻞ ﺷﺪﻩ ﺍﺳﺖ. ﻧﺤﻮﻩ ﻋﻤﻠﻴﺎﺕ ﻧﺮﻭﻥ ﺑﺴﻴﺎﺭ ﭘﻴﭽﻴﺪﻩ ﺍﺳﺖ ﻭ ﻫﻨﻮﺯ ﺩﺭ ﺳﻄﺢ ﻣﻴﻜﺮﻭﺳﻜﻮﭘﻲ ﺷﻨﺎﺧﺘﻪ ﺷﺪﻩ ﻧﻴﺴﺖ ﻫﺮﭼﻨﺪ ﻗﻮﺍﻧﻴﻦ ﭘﺎﻳﻪ ﺁﻥ ﻣﺸﺨﺺ ﺍﺳﺖ. ﻫﺮ ﻧﺮﻭﻥ ﺩﺍﺭﺍﻱ ﺗﻌﺪﺍﺩ ﻣﺘﻌﺪﺩ ﻭﺭﻭﺩﻱ ﺍﺳﺖ ﻛﻪ ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﺑﻪ ﻃﺮﻳﻘﻲ ﺟﻤﻊ ﻣﻲﺷﻮﻧﺪ ﺍﮔﺮ ﺗﻌﺪﺍﺩ ﻭﺭﻭﺩﻱﻫﺎﻱ ﻓﻌﺎﻝ ﻧﺮﻭﻥ ﺩﺭ ﻳﻚ ﻟﺤﻈﻪ ﺑﻪ ﺣﺪ ﻛﻔﺎﻳﺖ ﺑﺮﺳﺪ ﻧﺮﻭﻥ ﻧﻴﺰ ﻓﻌﺎﻝ ﻣﻲﺷﻮﺩ، ﺩﺭ ﻏﻴﺮ ﺍﻳﻦ ﺻﻮﺭﺕ ﻧﺮﻭﻥ ﻏﻴﺮﻓﻌﺎﻝ ﻣﻲﺑﺎﺷﺪ.

 

منبع نوشته :

 علی کارگر نژاد

رایانش ابری چیست؟

 یک تعریف عمومی، دیتاسنترهای سخت‌افزاری و نرم‌افزارهای تأمین‌کننده‌ی سرویس پردازشی را «رایانش ابری» می‌نامند. رایانش ابری یک روش نوین پردازش است که در آن منابع قابل گسترش و اغلب مجازی شده، به صورت یک سرویس پردازشی و از طریق شبکه‌های ارتباطی مانند شبکه‌های محلی و اینترنت عرضه می‌شود. محوریت این مدل، سرویس‌دهی به کاربر بر اساس تقاضا است، بدون آن که کاربر نیازی به تجهیزات خاصی برای پردازش داشته یا از محل انجام این پردازش آگاه باشد. این سرویس را می‌توان به شبکه برق‌رسانی تشبیه کرد که مشترک بدون نیاز به داشتن اطلاع از نحوه‌ی تولید برق و مکان دقیق تولید آن، تنها با اتصال از طریق یک درگاه، انرژی لازم برای استفاده از وسایل الکتریکی خود را تامین می‌کند.

مدل‌های به‌کارگیری رایانش ابری

    ابرهای عمومی: در این روش، مالکیت زیرساخت و منابع محاسباتی در اختیار یک شرکت است و از طریق شبکه‌ی عمومی، خدمات خود را ارائه می‌کند. در این نوع ابر، برنامه‌های مشتریان مختلف در سرورها و سیستم‌های ذخیره‌ساز و شبکه ابری باهم قرار دارند.

    ابر خصوصی: در مقابل تعریف ابرهای عمومی، ابرهای خصوصی قرار دارند که زیرساخت آن در داخل یک واحد تجاری یا سازمان قرار دارد و در دسترس عموم نیست. به بیان دیگر، ابر خصوصی به معنی طراحی یک زیرساخت محاسباتی با اضافه کردن مجازی‌سازی و واسط‌های مشابه ابر است. این ساختار به کاربران اجازه می‌دهد تا با دیتاسنتر‌های محلی خود تعامل داشته باشند. در واقع ابر خصوصی، مراکز داده مجازی شده داخل FireWall شرکت هستند. در این مدل اغلب مصرف‌کننده و فراهم‌کننده ابر یکی هستند؛ البته ممکن است این فضا در مرکز داده شرکت دیگری باشد که به آن ابرخصوصی برون سازمانی می‌گویند.

    ابر ترکیبی: به روشی که در آن چند ابر ارتباط دارند (انجمنی، خصوصی یا عمومی) ابر ترکیبی گفته می‌شود. به عنوان مثال ممکن است سازمانی برای نیازهای اصلی خود مانند سرور اصلی وب‌سایت از ابر خصوصی استفاده کند ولی برای برخی کاربردها مانند کار با فایل‌های چندرسانه‌ای با ترافیک بالا از ابر عمومی استفاده کند. یک ابر مرکب، متشکل از چندین فراهم‌کننده ابر است. این ارائه‌دهندگان به صورت مؤسسات مجزا هستند ولی به واسطه‌ی فناوری استاندارد که امکان جابجایی و انتقال داده و برنامه را فراهم می‌کند، اتصالات محدودی دارند.

مدل‌های ارائه خدمات در رایانش ابری

خدمات رایانش ابری را می‌توان در سه‌ گروه عمده تقسیم‌بندی کرد:

    زیر ساخت به عنوان خدمت یا به اختصار [۲] IaaS :

پایه‌ای‌ترین خدمات زیرساخت مانند تهیه‌ی سرور، پردازنده، فضای ذخیره‌سازی و دیگر منابع بر حسب نیاز در این مدل ارائه می‌شود. در حال حاضر غالب خدماتی که تحت فناوری رایانش ابری در داخل کشور ارائه می‌شود از این نوع است.

    بستر به عنوان خدمت یا به اختصار  [۳] PaaS :

این خدمات شامل نرم‌افزار و سرویس‌هایی است که به کاربران اجازه می‌دهد با استفاده از ابزارهای عرضه شده توسط ارائه‌دهنده، برنامه‌های کاربردی و نرم‌افزار ایجاد کنند. این خدمات می‌تواند شامل ویژگی‌های از پیش پیکربندی شده‌ای باشد که مشترکین می‌توانند به عضویت آن در بیایند و از آن‌ها استفاده کنند.

    نرم‌افزار  به عنوان خدمت یا به اختصار [۴] SaaS :

خدمات این گروه تنوع زیادی دارند؛ چرا که بیشتر خدمات ارائه شده از یک برنامه کاربردی می‌تواند تحت عنوان خدمات نرم‌افزاری در اختیار کاربر قرار گیرد. در این روش کاربر با یک حساب کاربری و بر بستر اینترنت می‌تواند از نرم‌افزار استفاده کند. همچنین به‌روزرسانی و نگهداری این نرم‌افزارها به عهده ارائه دهنده خدمت است.

در سال‌های اخیر استقبال از این فناوری در بازار نرم‌افزارهای سازمانی افزایش یافته و عرضه‌کنندگان، علاوه بر روش‌های معمول، راهکارهای خود را بر بستر این فناوری نیز فراهم کرده‌اند. در مقاله بعد به دلایل این استقبال و مزایای این فناوری در بازار نرم‌افزارهای سازمانی خواهیم پرداخت.