سرمایه گذاری روی افراد باهوش

سرمایه گذاری روی افراد باهوش
با تعاریف مختلفی که از هوش شده است. به این نتیجه رسیده اند که افراد باهوش از بهره هوشی بالا برخوردارند و صد در صد موفقیتشان را تضمین نمی کند. انواع هوش در موفقیت و سرمایه گذاری بر روی هوش افراد تاثیر گذار است. آیا افراد باهوش سرمایه گذاران خوبی هستند؟ تصویری از یک اسکناس یک پوندی، منقش به تصویر نیوتن بی تردید اسحاق نیوتن یکی از نوابغ تاریخ بشر محسوب می شود و خدمات او به علم فیزیک و ریاضی شگفت آور است اما آیا هوش این نابغه بریتانیایی برای سرمایه گذاری موفق در بازارهای مالی کفایت می کرد؟ پاسخ منفی است. در واقع اسحاق نیوین که لقب سِر را هم دریافت کرده در میان بازندگان یکی از نخستین حباب های تاریخ بازارهای مالی جای گرفته که نام کمپانی دریای جنوبی (South Sea Company) در آن به چشم می خورد. اسحاق نیوتن در سال 1719 و زمانی که سهام کمپانی دریای جنوبی حدود 200 پوند ارزش داشت بخشی از سهام این شرکت را خریداری کرد و سپس زمانی که ارزش سهام این کمپانی به حدود  370 پوند رسید از بازار خارج شد. تا همین جا نیز نیوتن به اندازه قابل توجهی سود کرده بود اما سهام شرکت همچنان رشد می کرد و دوستان نیوتن که هنوز سهام خود را نفروخته بودند به میزان قابل توجهی ثروتمندتر شده بودند. به همین خاطر نیوتن بار دیگر تصمیم گرفت که سرمایه خود را به خرید سهام کمپانی دریای جنوبی اختصاص دهد. او زمانی بار دیگر وارد بازار شد که ارزش سهام شرکت تا حدود 700 پوند بالا رفته بود. این روند صعودی ادامه داشت تا جایی که حتی بسیاری انتظار داشتند که ارزش سهام شرکت به 1000 پوند برسد اما در همان زمان دوران بد شرکت فرا رسید و حباب شکل گرفته در بازار سهام به شدت ترکید. طی حدود یکسال از زمان نخستین سرمایه گذاری نیوتن در این بازار، ارزش سهام کمپانی دریای جنوبی به کمتر از 200 پوند رسید و تازه آنجا بود که نیوتن سهام خود را فروخت. سرمایه گذاری اسحاق نیوتن در سهام کمپانی دریای جنوبی با زیانی 20 هزارپوندی همراه بود که حدودا معادل 3 میلیون پوند امروزی است. در واقع تجربه نیوتن نشان می دهد که هوش به تنهایی برای موفقیت در بازارهای مالی کافی نیست و شناخت بازار نیز در این میان نقش پررنگی بازی می کند.

مشخصات و تعاریف هوش مصنوعی

مشخصات و تعاریف هوش مصنوعی
هوش مصنوعی پدیده ای نوظهور است که تعاریف مختلفی از خود دارد. به عنوان مثال، بیشتر نوشته‌ها و مقاله‌های مربوط به هوش مصنوعی، آن را به عنوان «دانش شناخت و طراحی عامل‌های هوشمند» تعریف کرده‌اند. مفهوم هوش مصنوعی چیست؟ ریشه‌ها و ایده‌های اصلی آن را باید در فلسفه، زبان‌شناسی، ریاضیات، روان‌شناسی، نورولوژی و فیزیولوژی جستجو کرد و کاربردهای گوناگون و فراوانی در علوم رایانه، علوم مهندسی، علوم زیست‌شناسی و پزشکی، علوم ارتباطات و بسیاری از علوم دیگر دارد. هوش مصنوعی در علم پزشکی امروزه به دلیل گسترش دانش و پیچیده‌تر شدن فرایند تصمیم گیری، استفاده از سیستم‌های اطلاعاتی به خصوص سیستم‌های در حمایت ازArtificial Intelligence (هوش مصنوعی) تصمیم گیری اهمیت بیشتری یافته است.  هوش مصنوعی به سیستم‌هایی گفته می‌شود که می‌تواند واکنش‌هایی مشابه رفتارهای هوشمند انسانی از جمله درک شرایط پیچیده، شبیه سازی فرایندهای تفکری و شیوه‌های استدلالی انسانی و پاسخ موفق به آن‌ها، یادگیری و توانایی کسب دانش و استدلال برای حل مسایل را داشته باشند.  گسترش دانش در حوزهٔ پزشکی و پیچیدگی تصمیمات مرتبط با تشخیص و درمان - به عبارتی حیات انسان - توجه متخصصین را به استفاده از سیستم‌های پشتیبان تصمیم گیری در امور پزشکی جلب نموده است.  به همین دلیل، استفاده از انواع مختلف سیستم‌های هوشمند در پزشکی رو به افزایش است، به گونه اى که امروزه تأثیر انواع سیستم‌های هوشمند در پزشکی مورد مطالعه قرار گرفته است. هوش مصنوعی به هوشی که یک ماشین در شرایط مختلف از خود نشان می‌دهد، گفته می‌شود. بیشتر نوشته‌ها و مقاله‌های مربوط به هوش مصنوعی، آن را به عنوان «دانش شناخت و طراحی عامل‌های هوشمند» تعریف کرده‌اند.  یک عامل هوشمند، سیستمی است که با شناخت محیط اطراف خود، شانس موفقیت خود را پس از تحلیل و بررسی افزایش می‌دهد. جان مکارتی که واژه هوش مصنوعی را در سال ۱۹۵۶ استفاده نمود، آن را «دانش و مهندسی ساخت ماشین‌های هوشمند» تعریف کرده‌ است. تحقیقات و جستجوهایی انجام شده برای رسیدن به ساخت چنین ماشین‌هایی با بسیاری از رشته‌های علمی در ارتباط و همکاری است، مانند علوم رایانه، روان‌شناسی، فلسفه، عصب‌شناسی، علوم ادراکی، تئوری کنترل، احتمالات، بهینه‌سازی و منطق. هوش مصنوعی توسط فلاسفه و ریاضی‌دانانی نظیر بول که اقدام به ارائهٔ قوانین و نظریه‌هایی در مورد منطق نمودند، مطرح شده بود. با اختراع رایانه‌های الکترونیکی در سال ۱۹۴۳، هوش مصنوعی، دانشمندان آن زمان را به چالشی بزرگ فراخواند. در این شرایط، چنین به‌ نظر می‌رسید که این فنّاوری قادر به شبیه‌سازی رفتارهای هوشمندانه خواهد بود. با وجود مخالفت گروهی از متفکرین با هوش مصنوعی که با تردید به کارآمدی آن می‌نگریستند تنها پس از چهار دهه، شاهد تولد ماشینهای شطرنج باز و دیگر سامانه‌های هوشمند در صنایع گوناگون شدیم. نام هوش مصنوعی در سال ۱۹۶۵ میلادی به عنوان یک دانش جدید ابداع گردید.  البته فعالیت در این زمینه از سال ۱۹۶۰ میلادی شروع شد. بیشتر کارهای پژوهشی اولیه در هوش مصنوعی بر روی انجام ماشینی بازی‌ها و نیز اثبات قضیه‌های ریاضی با کمک رایانه‌ها بود. در آغاز چنین به نظر می‌آمد که رایانه‌ها قادر خواهند بود چنین فعالیت‌هایی را تنها با بهره گرفتن از تعداد بسیار زیادی کشف و جستجو برای مسیرهای حل مسئله و سپس انتخاب بهترین روش برای حل ...

اسباب بازی های مورد علاقه کودکان باهوش

اسباب بازی های مورد علاقه کودکان باهوش
تفاوت جنسیت در کودکی و قبل از 6 سالگی در نوع بازی و انتخاب اساب بازی فرقی ندارد اما با بالاتر رفتن سن و ورود به مدرسه و مرزبندی های موجود در جامعه کمی تفاوت را می توانید مشاهده کنید. بچه‌های باهوش چه اسباب‌ بازی‌ هایی دوست دارند؟ اسباب‌بازی را از دست همبازی‌هایش می‌گیرد و هر بار که به خانه می‌آیید، یکی از وسایل بازی فرزند صاحبخانه را در کیفش می‌بینید؟ کودکی که تا قبل از سه سالگی این رفتارها را ابراز می‌کند به مشکلات شخصیتی و رفتاری جدی مبتلاست یا اینکه تنها مرحله‌ای از رشدش را سپری می‌کند؟ اگر می‌خواهید پاسخ این سؤال‌ها را بگیرید و بدانید در جریان بازی‌های کودکانه، کدام رفتارها سالم‌تر هستند، ادامه این مطلب را بخوانید. در دانشنامه بازی کردن به شما می‌گوییم در هر سن، چه انتظاری را باید از سبک بازی کردن فرزندتان داشته باشید و چه اسباب‌بازی‌هایی را باید به او هدیه کنید. تا شش سالگی دخترها و پسرها همبازی هستند در ابتدای کودکی تفاوت زیادی میان بازی‌های دخترها و پسرها مشاهده نمی‌شود اما با بالاتر رفتن سن، آغاز دوره دبستان و ورود به اجتماع، مرزبندی‌های میان این دو جنس بیشتر می‌شود و این مرزها که بسیاری از آنها آموخته شده هستند، در بازی‌ها هم خود را نشان می‌دهند. وقتی این تفکیک نوع در بازی‌های دو گروه شکل می‌گیرد، دیگر همبازی شدن دخترها و پسرها بی‌معنا شده و حتی گاهی با تمسخر هم‌جنسان همراه می‌شود. پسرها دوست دارند در جریان بازی، انرژی بدنی‌شان را تخلیه کنند و سراغ بازی‌های پرتحرک یا قدرتی می‌روند. استفاده از ابزارها، تیراندازی، بادبادک‌بازی، دوچرخه‌سواری، تیله‌بازی، کشتی، مشت‌زنی، فوتبال، دوچرخه‌سواری، کامیون‌بازی، دویدن و ... از بازی‌هایی است که معمولا پسرها به آنها رغبت نشان می‌دهند. دخترها بازی‌های ساکن را ترجیح می‌دهند و دوست دارند کم‌تحرک و آرام خود را سرگرم کنند. عروسک‌بازی، طناب‌بازی، تشکیل کلاس درس، بافندگی و خیاطی، فروشندگی، معمابازی و... ازجمله بازی‌های مورد علاقه دخترهاست. بازی‌های تمرینی در هر سنی کودکان به شیوه خاصی سرگرم می‌شوند. در روزهای اول تولد، لگد زدن و حرکت دادن دست‌ها جذاب‌ترین بازی برای کودک شماست. حتی خارج کردن صدا از حنجره و حرکت دادن لب‌ها هم در این دوره برای او بازی است. کمی بعد کودک دوست دارد اطرافیانش هم در این بازی‌های ساده همراه او شوند و با دالی موشه، او را سرگرم کنند. از صفر تا دو سالگی، بازی وسیله‌ای است برای بیدار کردن حواس کودک. فرزند شما در این دوره دوست دارد لمس کند، بچشد، گوش کند، اعضای بدنش را حرکت دهد و از کیفیت و جنس اشیای مختلف باخبر شود. او ابتدا با تقلید و سپس با تکرار، مهارت‌های تازه پیدا می‌کند. بازی‌های تخیلی این بازی‌ها در یک و نیم سالگی خود را نشان می‌دهند اما آغاز جدی آنها در سه سالگی است. در جریان بازی کودک می‌تواند یک کاسه آب را به عنوان یک دریای بزرگ جلوه دهد و از یک عروسک با قد 10 سانتی‌متر، یک جنگجوی شکست‌ناپذیر بسازد در حالی‌که در بازی‌های تقلیدی، نمایشی و نمادی کودکان از آنچه دیده و تجربه کرده‌اند الگو برمی‌دارند، در بازی‌های تخیلی با استفاده از تجربیات گذشته، رویدادهای جدیدی که چندان سابقه برخورد با آنها نداشته‌اند را می‌سازند. بازی‌های تقلیدی بازی‌های ...

با هوش مصنوعی ایمن شوید

با هوش مصنوعی ایمن شوید
امروزه تکنولوژی در هم حیطه های زندگی دخالت کرده و زندگی انسان ها را دستخوش تحولات عمیقی قرار داده است. می دانیم که سر منشا اصلی این تکنولوژی به هوش مصنوعی بر می گردد. پس بیایید از آن نترسیم! هوش مصنوعی ترس ندارد! ماهنامه شبکه / پارسا ستوده‌نیا اشاره: نگرانی از آینده هوش مصنوعی از مدت‌ها پیش آغاز و با ساخت فیلم‌ها و مستندهای علمی و مقالات مختلف فراگیر شده است. این اواخر نیز با اظهار نگرانی افراد مطرح در سطح جهانی پررنگ‌تر شده است. با وجود این‌که ابراز مخالفت با چنین افرادی کار ساده‌ای نیست و باید بااحتیاط در این زمینه اظهار نظر کرد، اما مطالعه تاریخ و به‌طور خاص‌تر تاریخ معاصر علوم کامپیوتر نشان داده است که افرادی در سطوح بالای علمی و مدیریتی، در برهه‌ای از زمان اظهار نظرهایی اشتباه کرده‌اند که پس از گذشت چند سال به عباراتی عجیب و گاهی خنده‌دار بدل شده‌اند. به‌عنوان نمونه، عبارت معروف بیل گیتس در سال 1981 را به‌خاطر بیاورید که هم‌زمان با معرفی IBM PC گفته بود که 640 کیلوبایت RAM برای هر فرد کافی خواهد بود و به بیش از آن نیازی نخواهد شد. با وجود این‌که پشتیبانی سیستم‌های 64 بیتی امروز از 128 گیگابایت RAM، این اظهار ‌نظر را از شخصی در سطح بیل گیتس عجیب و بعید جلوه می‌دهد، در آن زمان چنین صحبتی کاملاً پذیرفتنی بود. نکته این‌جا است که حتی انسان‌های بزرگ نیز به دلیل ذات انسان بودن آن‌ها نمی‌توانند تمام شرایط آینده را پیش‌بینی و تأثیر آن‌ها را در نظر خاص خود اعمال کنند و هرکس تنها به وسعت ذهن خود از آینده سخن می‌گوید. هرچند این وسعت ذهن برای بسیاری افراد نسبت به دیگران بیش‌تر است، اما در هر حال محدود است. برای روشن‌تر شدن مسئله، یک مثال فرضی را مطرح می‌کنم. فرض کنید بارش باران در قاره اروپا در چند سال اخیر هر سال 5 درصد نسبت به سال قبل رشد داشته باشد. با این آمار پیش‌رفته نمی‌توان به‌راحتی پیش‌بینی کرد که مثلاً 50 سال بعد کل این قاره در اثر بارش باران در آب غرق می‌شود! آیا اصلاً کره زمین آن میزان آب دارد که بخار بخشی از آن بتواند در قالب باران یک قاره را در آب غرق کند؟! بنابراین، روند پیش‌روی یک رویداد که در مقطعی از زمان از نظم خاصی پیروی می‌کند، نمی‌تواند تا مدت زمان نامحدودی ادامه پیدا کند. شاید به نظر برسد که چنین مثالی در دنیای واقعی مصداقی ندارد. در ادامه، قصد دارم مصداق واقعی از این مثال را مطرح کنم. بنابر یک نظریه مبتنی‌بر مشاهده تاریخ سخت‌افزار کامپیوتر، نخستین بار در سال 1965 قانونی تحت عنوان «قانون مور» مطرح شد که در بسیاری از مقاله‌ها و نشریه‌ها نیز به آن استناد شده است. طبق این قانون، تعداد ترانزیستورها در واحد سطح مدارات مجتمع، در هر دو سال تقریباً دو برابر می‌شود. این نظریه که توسط گوردون مور، یکی از بنیان‌گذاران شرکت اینتل مطرح شده است، طی این سال‌ها معیار خوبی برای محاسبات و پیش‌بینی‌های آینده بوده است. اما اکنون با اظهار نظر خود اینتلی‌ها و صاحب‌نظران دیگر، چنین به‌نظر می‌رسد که ممکن است به انتهای اعتبار این قانون نزدیک ‌شویم. ...

پیچیدگی هوش مصنوعی را حس کنید

پیچیدگی هوش مصنوعی را حس کنید
کارنن بر اين باور است که ما از بسياری ابعاد، به هوش مصنوعی فراگير که در آن کامپيوتر بتواند مانند انسان رفتار کند، نزديک‌تر نشده‌ايم. سامانه‌هایی مانند يادگيری ماشينی که از فناوری‌های هوش مصنوعی بهره می‌برند، به‌گونه‌ای تعريف شده‌اند که فقط کارهای بسيار مشخصی را انجام دهند. هوش مصنوعی مثل هميشه پيچيده‌ است ماهنامه شبکه - دی 1393 شماره 164 در سال 1996، چند تن از پژوهش‌گران دانشگاه ام‌آی‌تی فکر کردند می‌توانند بينایی کامپيوتری را در خلال يک پروژه تابستانی (موسوم به Summer of Vision) به نتيجه برسانند و اصلاً شايد کامل کردن اين پروژه را به چند دانشجوی باهوش بسپارند. از آن سال تاکنون همه دنيا روی اين مسئله کار می‌کند. بينایی کامپيوتری حيطه‌ای است که در آن کامپيوترها نيز می‌توانند اشيا را همان‌گونه تشخيص دهند که انسان‌ها شناسایی می‌کنند. مثلاً «آن يک درخت است.»، «او کارلوس است.» و مانند اين‌ها. اين يکی از چند کاری است که انتظار داريم هوش مصنوعی تعميم‌يافته (Generalized Artificial Intelligence) از پس‌ آن برآيد تا درنتيجه، ماشين‌ها بتوانند مانند انسان‌ها کار و استدلال کنند. ما در حيطه بينایی کامپيوتری، به‌ويژه در چند سال اخير، پيش‌رفت‌های قابل ‌توجهی هم داشته‌ايم که البته اين پيش‌رفت‌ها 50 سال ديرتر از آن‌چه پيش‌بينی شده ‌بود به‌دست‌ آمد و همين موضوع نشان می‌دهد چرا هوش مصنوعی هدفی چنين سخت و پيچيده است. بو کرونن (Beau Cronin)، از مديران بخش محصولات سايت سيلزفورس که در راستای اهداف شرکت خود، روی فناوری‌های متأثر از هوش مصنوعی کار می‌کند، چندی پيش در کنفرانس O'Reilly Strata + Hadoop World در نيويورک گفته ‌بود: «سخت بتوان پی برد که در حيطه هوش مصنوعی چقدر پيش‌رفت حاصل شده ‌است.» بن‌مايه اصلی اين کنفرانس بزرگ‌داده‌ها (Big Data) بود. نياز به تحليل‌های بزرگ‌داده يا بیگ دیتا به پژوهش‌های هوش مصنوعی شتاب بخشيده ‌است. امروزه بزرگان صنعت اينترنت از جمله اپل، گوگل، فيس‌بوک، مايکروسافت و آی‌بی‌ام، تحقيقات هوش مصنوعی را در اولويت کارهای‌شان قرار می‌دهند و روند رو‌به‌ پيش‌رفت آن‌ در کارهای کم‌وبيش روزمره‌ای همچون آگهی‌های هدف‌مند و دستياری شخصی را ادامه می‌دهند. کارنن بر اين باور است که ما از بسياری ابعاد، به هوش مصنوعی فراگير که در آن کامپيوتر بتواند مانند انسان رفتار کند، نزديک‌تر نشده‌ايم. سامانه‌هایی مانند يادگيری ماشينی که از فناوری‌های هوش مصنوعی بهره می‌برند، به‌گونه‌ای تعريف شده‌اند که فقط کارهای بسيار مشخصی را انجام دهند. کارنن می‌گويد: «برآورد وضعيت هوش مصنوعی هميشه دشوار بوده ‌است. ارزيابی سامانه‌های هوش مصنوعی سخت است و ممکن است آن‌ها در يک حيطه پيش بروند، ولی در حيطه‌‌ای ديگر موفقيتی به‌دست نياورند. بسياری از پروژه‌ها، گاهی حتی آن‌ها که خيلی خوب برای‌شان سرمايه‌گذاری شده ‌است، به جایی نمی‌رسند.» حتی تعريف‌های ابتدایی از هوش مصنوعی نيز هنوز ابهام‌زدایی نشده‌اند. هنگامی ‌که دو نفر درباره هوش مصنوعی سخن می‌گويند، ممکن است منظور يکی از آن‌ها يک الگوريتم خاص در يادگيری ماشينی باشد، درحالي‌که ديگری دارد درباره روبات‌های خودکار حرف می‌زند. هوش مصنوعی هنوز هم برای آدم‌های عجيب و غريب و گوشه‌گيری که اميدوارند هر هفته با ده ساعت کار در زيرزمين‌ خانه‌شان مسئله هوش مصنوعی را يک‌بار برای همه حل کنند، جذاب است. پروژه جاه‌طلبانه Summer of Vision ام‌‌آی‌تی در دهه 1960 يکی از موانع بزرگ ...