کتاب هوش مصنوعی و مضمون های راهبردی

کتاب هوش مصنوعی و مضمون های راهبردی نوشتهٔ محسن رستمی و سعید امیرعبداللهیان و ویراستهٔ رضا فضلی است و انتشارات پشتیبان آن را منتشر کرده است.

درباره کتاب هوش مصنوعی و مضمون های راهبردی

قرن بیست‌ویکم شاهد طلوع فناوری‌های بسیاری بوده است که صحنهٔ جهان را تغییر داده است. اکثر این فناوری‌ها در بستر دنیای دیجیتال امکان‌پذیر شده‌اند. از هوش مصنوعی با عنوان «انقلاب صنعتی چهارم» یا «انقلاب هوش مصنوعی» یاد می‌کنند. به دلیل ماهیت انعطاف‌پذیری که هوش مصنوعی دارد، به‌سرعت در علوم و کاربردهای مختلف در حوزه‌های پژوهشی، تجاری و غیرتجاری فراگیر شد. با وجود آنکه این واژه اولین بار در اواسط قرن بیستم (پیش از ظهور کامپیوترهای امروزی) استفاده شد، کاربرد امروزی این واژه در عمل به روش‌های محاسباتی مبتنی بر فناوری‌های دیجیتال بر‌می‌گردد که از الگوریتم‌های ریاضی هوش مصنوعی استفاده می‌کند.

بدون شک ارائهٔ تعریفی جامع‌ومانع از فناوری که پیوسته درحال‌توسعه و تکامل است کار ساده‌ای نیست. با این حال تعاریف متعددی از این مفهوم انتزاعی در طول تاریخ ارائه شده است. در کتاب هوش مصنوعی و مضمون های راهبردی به شکل‌گیری و تکامل این مفهوم در طول زمان پرداخته شده است. اولین بار این ایده مطرح شد که آیا فناوری می‌تواند فکر کند. چنین ایده جسورانه‌ای آن‌هم پیش از ظهور کامپیوترهای امروزی، موافقان و مخالفان بسیاری داشته است و هنوز هم دارد. برای پاسخ به این سؤال باید پیش از هر چیز بتوانیم معنای «فکر کردن» را تعریف کنیم. 

فصل‌ها و بخش‌های این کتاب از این قرار هستند:

* فصل اول: هوش مصنوعی و کاربرهای آن 

چیستی فناوری هوش مصنوعی 

تحلیل کلان داده 

یادگیری ماشینی 

جایگاه هوش مصنوعی در آینده 

قابلیت‌های هوش مصنوعی 

* فصل دوم: کاربردهای هوش مصنوعی در حوزه نظامی 

ربات‌ها و تجهیزات خودران 

عملیات پهپادی دسته‌ای 

هوش مصنوعی در فضای سایبری 

لجستیک 

تجهیزات شناسایی 

فناوری سلامت در میدان نبرد 

دسته‌بندی کاربردهای هوش مصنوعی 

* فصل سوم: رویکرد کشورهای پیش رو به هوش مصنوعی 

ایالات‌متحده آمریکا 

روسیه 

هند 

کانادا 

چین 

رژیم اشغالگر قدس 

چرا تلاش‌های سازمان‌های بین‌المللی برای ممنوع کردن توسعه کاربردهای نظامی هوش مصنوعی ممکن است ناموفق باشد؟ 

* فصل چهارم: توسعه راهبردی فناوری هوش مصنوعی در حوزه نظامی 

لزوم اتخاذ رویکردی راهبردی در توسعه فناوری هوش مصنوعی 

مفهوم امنیت و دفاع و رویکرد جمهوری اسلامی ایران 

اهداف توسعه فناوری: هوش مصنوعی 

اهداف توسعه هوش مصنوعی 

* فصل پنجم: چالش‌های توسعه هوش مصنوعی در حوزه نظامی کشور 

چالش‌های غیرنظامی به‌کارگیری هوش مصنوعی 

چالش‌های نظامی به‌کارگیری هوش مصنوعی 

چالش‌های توسعه فناوری هوش مصنوعی در سطح سازمان‌های نظامی کشور 

فعال‌سازهای توسعه فناوری هوش مصنوعی در حوزه نظامی کشور 

به‌سوی تدوین سند توسعه هوش مصنوعی در حوزه نظامی کشور 

منابع و مآخذ

خواندن کتاب هوش مصنوعی و مضمون های راهبردی را به چه کسانی پیشنهاد می‌کنیم

این کتاب را به پژوهشگران حوزهٔ هوش مصنوعی پیشنهاد می‌کنیم.

بخشی از کتاب هوش مصنوعی و مضمون های راهبردی

«در علم «یادگیری ماشین»، با استفاده از مثال‌های داده‌شده به ماشین می‌توان یاد داد که چگونه ماشین با سؤالات جدید برخورد کند و به عبارتی به‌طور مستقیم از خود تجربیات، بیاموزد. در واقع، در یادگیری ماشینی تلاش می‌شود تا با بهره‌گیری از الگوریتم‌های یادگیری، یک ماشین به شکلی طراحی شود که بدون آنکه به‌روشنی برنامه‌ریزی و تک‌تک اقدامات به آن دیکته شود بتواند بیاموزد و عمل کند. در یادگیری ماشین، به‌جای برنامه‌نویسی همه‌چیز، داده‌ها به یک الگوریتم عمومی داده می‌شوند و این الگوریتم است که بر اساس داده‌هایی که به آن داده‌شده منطق خود را بسازد. یادگیری ماشین روش‌های گوناگونی دارد. الگوریتم‌های یادگیری ماشین بر سه نوع هستند:

• یادگیری نظارت ‌شده: اغلب روش‌های یادگیری ماشین از یادگیری نظارت‌ شده استفاده می‌کنند. در یادگیری ماشین نظارت ‌شده، سیستم تلاش می‌کند تا از نمونه‌های پیش‌بینی بیاموزد که در اختیار آن قرار گرفته؛ به عبارت دیگر، در این نوع یادگیری، سیستم تلاش می‌کند تا الگوها را بر اساس مثال‌های داده‌شده به آن فرابگیرد. مسائل یادگیری نظارت ‌شده به‌طور عمده عبارت‌اند از: «دسته‌بندی» و «رگرسیون»؛

• یادگیری نظارت ‌نشده: در یادگیری نظارت ‌نشده، الگوریتم باید خود به‌تنهایی به دنبال ساختارهای موجود در داده‌ها باشد. به بیان ریاضی، یادگیری نظارت ‌نشده مربوط به زمانی است که در مجموعه داده فقط متغیرهای ورودی وجود داشته باشند و هیچ متغیر داده خروجی موجود نباشد. به این نوع یادگیری، نظارت‌نشده گفته می‌شود؛ زیرا برخلاف یادگیری نظارت‌شده، هیچ پاسخ صحیح داده‌شده‌ای وجود ندارد و ماشین، خود باید به دنبال پاسخ باشد. مسائل یادگیری نظارت ‌شده به‌طور عمده عبارت‌اند از: «خوشه‌بندی» و «قوانین انجمنی»؛

• یادگیری تقویتی: دسته‌ای از الگوریتم‌های هوش مصنوعی هستند که مرحله تصمیم‌گیری را با مرحله یادگیری ترکیب می‌کند. به این معنا که به‌جای آنکه عامل (برای مثال یک ربات متحرک که با محیطش تعامل دارد) یک سری داده‌های برچسب‌دار دریافت کند و با توجه به تصمیماتی که خود می‌گیرد و تعاملی که با محیط دارد، داده‌های بدون برچسب مختلفی دریافت می‌کند. عامل با پردازش فایده تصمیماتش این داده‌ها را برچسب‌گذاری می‌کند.»