واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار»     (HT-CSURE)

واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار» (HT-CSURE)

Hooshyar-Tavandar Common Subsidiary Unit for Research & Engineering
واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار»     (HT-CSURE)

واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار» (HT-CSURE)

Hooshyar-Tavandar Common Subsidiary Unit for Research & Engineering

Ten Breakthrough Technologies 2017


Ten Breakthrough Technologies 2017

These technologies all have staying power. They will affect the economy and our politics, improve medicine, or influence our culture. Some are unfolding now; others will take a decade or more to develop. But you should know about all of them right now.


Things Organized and Productive People Do Every Day

11 Things Organized and Productive People Do Every Day

We often confuse being productive with working as fast as we can, every second of the day. We fear that slowing down to get organized will kill our productivity, but the facts suggest otherwise:

  • The average office employee spends over one hour each day just looking for things.
  • The average U.S. executive spends six weeks per year searching through messy desks and disorganized files for misplaced information.
  • 23% of adults say they're late paying their bills because they lose them.

Being disorganized is costly, in terms of both money and time. But if you can convince yourself to slow down and get organized, the ROI will shock you.

"For every minute spent organizing, an hour is earned." – Benjamin Franklin

While Benjamin Franklin's estimation is overstated, spending time getting organized is still a valuable investment. Experts estimate that every hour spent in planning and organizing saves three to four hours of time that would otherwise be wasted.

There's a reason why people who are the calmest and least stressed are the ones who get the most done—they understand the importance of organization, and they've adapted their habits accordingly. The good news is that you can become more organized and productive too, just by emulating the habits that they rely on.

They don't let their desks get cluttered. You may think you know exactly where, and in which stack of paper, you can find a particular document. But you're kidding yourself if you don't think you'd be more productive with a clean and organized desk. Just the act of organizing the stuff on your desk helps you organize it in your mind. In addition, research conducted at Princeton University revealed that the more our brains are bombarded by the competing stimuli on a cluttered desk, the less we're able to focus. And this wasn't just subjective evidence; they were able to see the difference in MRIs of the subjects' brain activity.

They never touch things twice. Organized and productive people never put anything in a holding pattern, because touching things twice is a huge time-waster. Don't save an e‑mail or a phone call to deal with later. As soon as something gets your attention, you should act on it, delegate it, or delete it.

They don't respond to e-mails as they arrive. Productive people don't allow their e‑mail to be a constant interruption. In addition to checking their e-mail on a schedule, they take advantage of features that prioritize messages by sender. They set alerts for their most important vendors and their best customers, and they save the rest until they reach a stopping point in their work. Some people even set up an autoresponder that lets senders know when they'll be checking their e-mail again.

They work from a single to-do list. Remember the days when people used to buy those expensive, leather-bound planners and fill them up with a to-do list color-coded by priority? Those might seem a bit old school now, but no one can deny that it was effective. Why were those planners effective? They reminded us how important it is to keep a single to-do list. When you consolidate everything into one list, you always know where to look, and you can stop wasting time trying to remember which list has the information you need.

They have a high level of self-awareness. Highly productive and organized people have a clear sense of who they are. They know their weaknesses, and they put organizational structures in place to overcome them. If they tend to let meetings run too long, they set a timer. If they have trouble keeping meetings productive, they make an agenda. If they forget to check their voicemail in the morning, they set a reminder. The details don't matter; what's important is that they think carefully and use specific aids and routines that work with their organizational weaknesses.

They make time for lunch. We've all been there—you're head-down busy, and by the time you look up, it's way past lunchtime. You end up either going without, or grabbing a donut or a bag of chips from the snack machine. Both are really bad ideas. The donut will give you an energy boost for about 20 minutes, but after that, your focus will drop like a rock. As far as skipping meals, not only does it affect your concentration, productivity, and problem-solving skills, it also affects your waistline—and not in the way you might expect. Research from Ohio State University shows that the weight you lose by skipping meals is muscle weight that you regain later as fat.

They eat frogs. "Eating a frog" is the best antidote for procrastination; ultra-productive people start each morning with this tasty "treat." In other words, they do the least appetizing, most dreaded item on their to-do list first, before they do anything else. After that, they're freed up to tackle the stuff that excites and inspires them.

They tidy up at the end of each day. The best remedy for clutter is to set aside about 10 minutes at the end of each day to organize your desk. Although we know that it’s best to touch things only once, we've all stopped halfway through a task because the phone rang or somebody stopped by to chat. You really can't prevent such things, but you can end the day by resolving all of the things you left half-finished.

They plan their days the night before. Organized and productive people go to bed each night, secure in the knowledge of what they'll accomplish the following day. They get their priorities straight the night before, so that once the day starts, they're less likely to get distracted by the "tyranny of the urgent"—those little fires that pop up and get in the way of their real priorities.

They make full use of technology. There's been a lot said about how modern technology extends the work day, making it so that we're always on the clock. While that may be true, technology can also make us more productive. Whether it's setting up an e‑mail filter to keep your inbox spam-free, or using an app like Evernote to organize information you're going to need again, technology isn't always bad. Used properly, it can save a lot of time.

They don't ignore their snail mail. For this one, we go back to the "touch it once" philosophy. For most of us, there's not a lot of snail mail these days that we actually look forward to. But ignoring it can cause problems, especially when it comes to things like bills and tax notifications. Just go ahead and open it, and take care of it as soon as it arrives; otherwise, you'll end up digging under the sofa cushions searching for that overdue bill.

Bringing It All Together

Every minute you spend looking for something you misplaced, or trying to remember what you're supposed to do next, will harm your productivity. That, in turn, eats into your career potential. The good news is that there are many tools you can use to stay organized and productive, and so even the most disorganized among us can put a system in place to keep us in check.

What tools do you use to stay organized and productive? Please share your thoughts in the comments section below, as I learn just as much from you as you do from me.

ABOUT THE AUTHOR:

Dr. Travis Bradberry is the award-winning co-author of the #1 bestselling book, Emotional Intelligence 2.0, and the cofounder of TalentSmart, the world's leading provider of emotional intelligence tests and training, serving more than 75% of Fortune 500 companies. His bestselling books have been translated into 25 languages and are available in more than 150 countries. Dr. Bradberry has written for, or been covered by, Newsweek, TIME, BusinessWeek, Fortune, Forbes, Fast Company, Inc., USA Today, The Wall Street Journal, The Washington Post, and The Harvard Business Review.

If you'd like to learn how to increase your emotional intelligence (EQ), consider taking the online Emotional Intelligence Appraisal® test that's included with the Emotional Intelligence 2.0 book. Your test results will pinpoint which of the book's 66 emotional intelligence strategies will increase your EQ the most.

هوش مصنوعی، شبکه‌های عصبی و یادگیری ماشینی چه کاری انجام می‌دهند؟

بازیگران عرصه هوشمندی
هوش مصنوعی، شبکه‌های عصبی و یادگیری ماشینی چه کاری انجام می‌دهند؟
هر زمان یک برنامه کاربردی ادعا می‌کند به «فناوری هوش مصنوعی تجهیز شده است» احساس می‌کنیم در آینده قرار داریم. اما به‌راستی معنای این جمله چیست؟ اصطلاحات اعجاب‌انگیزی همچون هوش مصنوعی، یادگیری ماشینی، شبکه‌های عصبی و... دقیقاً چه کاری انجام می‌دهند؟ آیا این فناوری‌ها آن‌گونه که ادعا می‌شود، این پتانسیل را دارند تا عملکرد و کارایی برنامه‌های کاربردی را بهبود بخشند؟

گوگل و مایکروسافت به‌تازگی یادگیری مبتنی بر شبکه‌های عصبی را به برنامه‌های ترجمه خود اضافه کرده‌اند. گوگل گفته است از یادگیری ماشینی به‌منظور تهیه فهرستی از آهنگ‌های پیشنهادی استفاده می‌کند. Todoist می‌گوید از هوش مصنوعی به‌منظور مشخص کردن زمان پایان یافتن کارها استفاده می‌کند. Any.do ادعا کرده است بات مبتنی بر هوش مصنوعی این سایت قادر است یک سری از وظایف کاربران را خود انجام دهد. جالب آن‌که تمام این شرکت‌ها تنها در یک هفته این صحبت‌ها را مطرح کرده‌اند. در حالی که به نظر می‌رسد تعدادی از این گفته‌ها بیشتر تکنیک‌های تبلیغاتی هستند و شرکت‌ها سعی کرده‌اند، این‌گونه وانمود کنند که برنامه‌های ‌آن‌ها مورد علاقه طیف گسترده‌ای از کاربران قرار دارد. اما در بعضی موارد این فناوری‌ها تأثیرگذاری محسوس خود را نشان داده‌اند. هوش مصنوعی، یادگیری ماشینی و شبکه‌های عصبی همگی به توصیف راهکارهایی می‌پردازند که به کامپیوترها اجازه می‌دهند فعالیت‌های خود را به شکل پیشرفته‌تر و بر مبنای شرایط محیطی انجام دهد. در این بین تعدادی از توسعه‌دهندگان برنامه‌های کاربردی برای توصیف برنامه هوشمند خود به یک شکل از این اصطلاحات استفاده می‌کنند، اما واقعیت این است که این فناوری‌ها به طور کامل با یکدیگر متفاوت بوده و هر یک کارکرد خاص خود را دارند. ما در این مقاله سعی خواهیم کرد به بیانی ساده هر یک از این فناوری‌ها را مورد بررسی قرار دهیم.

شبکه‌های عصبی با تقلید از مغز انسان داده‌های پیچیده را تحلیل می‌کنند
(ANN) (سرنام Artificial Neural Networks) به گونه‌ای از شبکه‌های عصبی مصنوعی گفته می‌شود که رویکرد ویژه‌ای از مدل یادگیری را مورد استفاده قرار می‌دهند و از رویکرد سیناپس‌ها در مغز انسان الگوبرداری می‌کنند. رویکردهایی که در محاسبات‌ سنتی از آن‌ها استفاده می‌شود، به این شکل عمل می‌کنند که یک سری عبارات منطقی را برای انجام وظیفه‌ای مورد استفاده قرار می‌دهند. اما در شبکه‌های عصبی مجموعه‌ای از گره‌های شبکه (شبیه به سلول‌های عصبی عمل می‌کنند) و یال‌ها (Edges) که شبیه به سیناپس‌ها عمل می‌کنند برای پردازش داده‌ها مورد استفاده قرار می‌گیرند. ورودی‌ها به درون سامانه وارد شده، مورد پردازش قرار گرفته و یک سری خروجی را تولید می‌کنند. در ادامه، خروجی‌های تولید شده با داده‌های شناخته شده مورد مقایسه قرار می‌گیرد. 


مطلب پیشنهادی

فرصتی برای شکفتن
سرمقاله ماهنامه شبکه ۱۹۰

به طور مثال، در نظر دارید به یک کامپیوتر آموزش دهید یک سگ را در یک تصویر شناسایی کند. برای این کار میلیون‌ها تصویر از سگ‌های مختلف را به درون این شبکه وارد می‌کنید و سپس تصاویری که سامانه تشخیص داده‌ است شبیه به سگ‌ها هستند را دریافت می‌کنید. در این گام، عامل انسانی می‌تواند به شبکه عصبی اعلام دارد کدام‌یک از خروجی‌ها دقیقاً تصویر متعلق به یک سگ است. به این ترتیب، مسیرهایی که منتهی به تشخیص درست می‌شوند را روی یک شبکه عصبی مصنوعی تقویت می‌کنید. با تکرار این پروسه به دفعات، شبکه عصبی مصنوعی به اندازه‌ای مهارت پیدا می‌کند که قادر خواهد بود تصویر متعلق به سگ‌ها را با دقیق‌ترین جزییات شناسایی کند. برای آن‌که از نزدیک با شیوه کارکرد این شبکه‌ها آشنا شوید، پیشنهاد می‌کنم سرویس Quick Draw گوگل را مورد آزمایش قرار دهید. 
در این پروژه مطالعاتی گوگل به شبکه‌ای عصبی یاد می‌دهد تصاویری که مردم ترسیم می‌کنند را شناسایی کند. به طور مثال، در شکل‌های 1 و 2 شبکه عصبی موفق شد، شکل ترسیمی را شناسایی کرده و به کاربر بگوید (به شکل صوتی) این تصویر یک گربه است. حتی اگر مهارت‌های شما در رسم تصاویر ضعیف باشد، این شبکه عصبی باز هم قادر است تصاویر را تشخیص دهد. با وجود این، شبکه‌های عصبی مصنوعی را نمی‌توان برای حل تمام مشکلات مورد استفاده قرار داد. اما زمانی که با داده‌های پیچیده‌ای سروکار دارید، آن‌ها بهترین گزینه هستند. با توجه به این‌که فرآیند ترجمه متون کار تخصصی و سختی به شمار می‌رود، گوگل و مایکروسافت از این رویکرد قدرتمند در ارتباط با برنامه‌های ترجمه خود استفاده کرده و نتایج خوبی نیز به دست آورده‌اند. همه ما تا به امروز ترجمه‌های ضعیف بسیاری را مشاهده کرده‌ایم، اما شبکه‌های یادگیری عمیق عصبی به یک سامانه اجازه می‌دهند به‌مرور زمان از ترجمه‌های صحیحی که انجام داده است نکات بیشتری را یاد بگیرد.


شکل 1 - یک تصویر ابتدایی که توسط عامل انسانی رسم شده است.

مشابه چنین رویکردی در ارتباط با تشخیص گفتار نیز وجود دارد. زمانی که گوگل شبکه‌های عمیق عصبی را به سرویس صوتی خود Google Voice اضافه کرد، نرخ اشتباهات این برنامه به میزان 49 درصد کم شد. البته این قابلیت هیچ‌گاه کامل نخواهد بود، اما به‌مرور زمان ویژگی‌های عصبی بیشتری به موازات این دستاورد به برنامه‌ها افزوده خواهد شد. به هر ترتیب، با استفاده از رویکرد یادگیری مبتنی بر شبکه‌های عمیق عصبی، تحلیل داده‌های پیچیده‌تر روزبه‌روز پیشرفت خواهد کرد، به طوری که ویژگی‌های طبیعی‌تری به برنامه‌های کاربردی اضافه خواهد شد. 

یادگیری ماشینی با رویکرد تمرین بیشتر باعث پیشرفت کامپیوترها می‌شود
یادگیری ماشینی یکی از پراستفاده‌ترین اصطلاحاتی است که این روزها آن ‌را مشاهده می‌کنید. هرگونه تلاشی که درنهایت به یک کامپیوتر اجازه دهد به شکلی مستقل و پیشرفته کارهای خود را انجام دهد، در زمره دستاوردهای این شاخه قرار می‌گیرد. اگر در نظر داشته باشیم این اصطلاح را به شکل تخصصی‌تری توصیف کنیم، باید بگوییم یادگیری ماشینی به سامانه‌هایی اشاره دارد که در آن عملکرد یک ماشین در انجام یک وظیفه منحصراً بر پایه تجربیاتی است که از اجرای همان وظیفه به دست آورده و بهبود پیدا کرده است. شبکه‌های عصبی مثالی از یادگیری ماشینی هستند. اما این فناوری را به اشکال مختلفی می‌توان پیاده‌سازی کرد. یکی دیگر از زیرشاخه‌های یادگیری ماشینی که این روزها به‌کرات شاهد آن هستیم، یادگیری تقویتی (Reinforcement Learning) است. در یادگیری تقویتی، کامپیوتر وظیفه‌ای را انجام داده و در ادامه نتایج مورد بررسی قرار می‌گیرد. بازی شطرنج مثال خوبی در این زمینه است. یک کامپیوتر یک بازی شطرنج را به طور کامل انجام می‌دهد و درنهایت یا برنده بازی می‌شود یا در بازی شکست می‌خورد. اگر کامپیوتر برنده این بازی باشد، به مجموعه حرکاتی که در طول بازی انجام داده و به پیروزی کامپیوتر منجر شده‌اند، یک امتیاز مثبت تخصیص داده می‌شود. 


شکل 2 - شبکه عصبی تصویر را شناسایی می‌کند و اعلام می‌دارد که یک گربه است.

در ادامه، بعد از آن‌که میلیون‌‌ها بار این بازی را انجام داد، سامانه بر مبنای نتایجی که در این مدت به دست آورده است می‌تواند تشخیص دهد که چه حرکاتی احتمال برد او را در بازی‌ها بیشتر می‌کنند. در شرایطی که شبکه‌های عصبی برای انجام کارهایی همچون تشخیص الگوها در تصاویر کارکرد خوبی دارند، اما در مقابل مدل‌های دیگر یادگیری ماشینی می‌توانند به‌منظور انجام یک سری وظایف خاص به صورت بهینه‌سازی شده مورد استفاده قرار ‌گیرند. گوگل در این ارتباط گفته است: «برنامه موسیقی به این شکل عمل می‌کند که قطعه مورد علاقه شما را پیدا می‌کند و هر زمان شما اراده کنید که به موسیقی گوش فرا دهید آن قطعه را برای شما پخش می‌کند.» 
این برنامه بر مبنای الگوی رفتاری شما کار کرده و فهرستی را منطبق با علایق شما آماده می‌کند. اگر شما از قطعه‌ای که برایتان انتخاب شده است راضی نباشید، به منزله آن است که سیستم شکست خورده است. با این حال، اگر هریک از قطعات موسیقی انتخابی را قبول کنید، سیستم این نتیجه مثبت را ثبت کرده و رویکردهایی که درنهایت به‌منظور ساخت یک فهرست شخصی مورد استفاده قرار می‌گیرند را تقویت می‌کند. به طور مثال، اگر برای اولین بار برنامه موسیقی گوگل را باز کنید، با پیشنهادات درهم و برهمی روبه‌رو می‌شود. اما هرچه بیشتر از این برنامه استفاده کنید پیشنهادات هدفمندتر و دقیق‌تری را مشاهده خواهید کرد. این رویکرد دقیقاً در ارتباط با یوتیوب نیز صدق می‌کند. کافی است با حساب کاربری خود وارد یوتیوب شوید و به جست‌وجو بپردازید. در زمان‌های بعد مشاهده خواهید کرد یوتیوب فهرست‌هایی را در اختیار شما قرار می‌دهد که در تشابه نزدیکی با علایق شما قرار دارند. با وجود‌ این باز هم یادگیری ماشینی را در همه امور نمی‌توان مورد استفاده قرار داد و ممکن است در بعضی موارد یک سری ناهمگونی‌هایی را مشاهده کنید. 
به طور مثال، اگر هر 6 ماه یک بار از برنامه موسیقی گوگل استفاده کنید، پیشنهاداتی که ارائه می‌شوند هیچ‌گاه باب میل شما نخواهند بود. به عبارت دقیق‌تر، این رویکرد تنها زمانی دقیق و درست عمل می‌کند که شما به دفعات از آن استفاده کنید. 
به هر ترتیب، یادگیری ماشینی به عنوان یکی از پرکاربردترین اصطلاحات روز دنیای فناوری نکات مبهم بسیاری در مقایسه با شبکه‌های عصبی دارد. ولی نشان داده است، اگر از نرم‌افزاری استفاده کنید و بازخوردهای مرتب و منظمی را در اختیار آن برنامه قرار دهید، به‌مرور زمان شاهد بهبود عملکرد آن برنامه خواهید بود.

هوش مصنوعی به هر شی‌ء هوشمند اطلاق می‌شود
دقیقاً مشابه با شبکه‌های عصبی که شکلی از یادگیری ماشینی هستند، یادگیری ماشینی خود شکلی از هوش مصنوعی است. با وجود این، گروه‌بندی‌های دیگری نیز در زیر شاخه هوش مصنوعی قرار می‌گیرند، اما آن‌گونه که باید و شاید مورد توجه نیستند، به طوری که در ارتباط با بعضی از این گروه‌ها ارائه یک تعریف واحد کمی بی‌معنا به نظر می‌رسد. در حالی که در تعدادی از فیلم‌های علمی و تخیلی یک سری تصورات ذهنی را مشاهده می‌کنیم. اما واقعیت این است که در بعضی از حوزه‌های هوش مصنوعی به اندازه‌ای از پیشرفت‌ دست پیدا کرده‌ایم که تا همین چند سال پیش تقریباً تصور آن‌ را هم نمی‌کردیم. به طور مثال، نویسه‌خوانی نوری (OCR) (سرنام Optical Character Recognition) از جمله نقاط عطف هوش مصنوعی به شمار می‌رود. این فناوری در شرایطی این روزها به سهولت در اختیار ما قرار دارد که تا چند سال پیش اگر در نظر داشتید این فناوری را در اختیار داشته باشید، باید هزینه سنگینی پرداخت می‌کردید. امروزه ابتدایی‌ترین گوشی‌ها نیز قادر هستند یک سند را اسکن و آن ‌را به متن تبدیل کنند. این فناوری به اندازه‌ای پیشرفت کرده است که به‌راحتی می‌توانید گوشی خود را روی یک تصویری که به طور مثال لغات فرانسوی در آن قرار دارد نگه داشته و برنامه به طور هم‌زمان کلمات را شناسایی و آ‌ن‌ها را به زبان مورد نظر شما ترجمه می‌کند. این فناوری دیگر هیجان‌برانگیز تلقی نمی‌شود و بیشتر به عنوان یکی از وظایف ابتدایی هوش مصنوعی از آن نام برده می‌شود. دلیل این‌که چنین کار ساده‌ای در مجموعه هوش مصنوعی قرار می‌گیرد به این دلیل است که ما دو رویکرد کلی ضعیف (Weak or narrow) و قوی (Strong) را در حوزه هوش مصنوعی داریم. ضعیف در حوزه هوش مصنوعی اشاره به سامانه‌هایی دارد که برای انجام یک یا چند وظیفه خاص طراحی شده‌اند. به طور مثال، سیری اپل و Google Assistant دو برنامه کاملاً قدرتمند هستند، با وجود این در این گروه قرار می‌گیرند به دلیل این‌که دامنه فعالیت‌های آن‌ها به یک سری دستورات صوتی و پاسخ دادن به آن‌ها محدود می‌شود. در حالی که تحقیقات گسترده‌ای برای پیاده‌سازی چنین قابلیت‌هایی از سوی گوگل و اپل انجام شده است، اما باز هم به این چنین برنامه‌هایی در حوزه هوش مصنوعی weak گفته می‌شود. 

واقعیت این است که در بعضی از حوزه‌های هوش مصنوعی به اندازه‌ای از پیشرفت‌ دست پیدا کرده‌ایم که تا همین چند سال پیش تقریباً تصور آن‌ را هم نمی‌کردیم.

قوی در مقابل ضعیف قرار دارد. واژه قوی اشاره به هوش مصنوعی عمومی (AGI) (سرنام Artificial General Intelligence) دارد. در بعضی منابع از واژه هوش مصنوعی کامل (full AI) نیز استفاده می‌شود. این سامانه‌ها قادر هستند همانند انسان‌ها هر وظیفه‌ای را انجام دهند و همان‌ گونه که در مقاله شماره قبل «همزیستی مستقل انسان و هوش مصنوعی» به آن اشاره کردیم، هنوز چنین سامانه‌هایی ساخته نشده‌اند. در نتیجه نباید در آینده نزدیک در انتظار روبات‌های هوشمندی همچون Alan Tudky باشید که بتوانند تمام کارهای روزمره زندگی را انجام دهند. از آن‌جا که تقریباً تمام سامانه‌های هوشمندی که از آن‌ها استفاده می‌کنید در رده weak AI قرار دارند، هر زمان عبارت هوش مصنوعی را در ارتباط با یک برنامه مشاهده کردید، بدانید که منظور این است که برنامه فوق فقط هوشمند است. این احتمال وجود دارد که جملات یا پیشنهادهای جالب توجهی را در این ارتباط مشاهده کنید، اما باید این واقعیت را بدانید که هنوز هیچ‌یک از این برنامه‌ها قادر نیستند با هوش انسانی رقابت کنند. 

دقیقاً مشابه با شبکه‌های عصبی که شکلی از یادگیری ماشینی هستند، یادگیری ماشینی خود شکلی از هوش مصنوعی است

در شرایطی که معناشناسی این اصطلاحات کمی پیچیده است، اما در مقابل پژوهش‌های علمی و دستاوردهایی که در حوزه هوش مصنوعی به دست آمده کارایی خود را به‌خوبی نشان داده‌اند. به طوری که امروزه در زندگی روزمره خود تأثیرات این پژوهش‌ها را مشاهده می‌کنیم. به طور مثال، هر زمان گوشی هوشمند شما مکانی که خودروی خود را در آن‌جا پارک کرده‌اید را به شما یادآوری می‌کند، چهره‌هایی را درون تصاویر مختلف شناسایی می‌کند یا در هنگام جست‌وجوی معمول نتایج مشابهی را به شما نشان می‌دهد یا قادر است تصاویر مربوط به سفرهای مختلف را به شکل دقیقی برچسب‌گذاری و طبقه‌بندی کند در تمام این موارد به طور مستقیم و غیر مستقیم از هوش مصنوعی استفاده کرده‌اید. تا حدی می‌توانیم تعریف هوش مصنوعی را به معنای هوشمندتر کردن برنامه‌های کاربردی بسط دهیم. رویکردی که همه ما به دنبال آن هستیم. این هوشمندی در شرایطی است که یادگیری ماشینی و به‌ پیروی آن شبکه‌های عمیق عصبی به شکل منحصر به فردی به منظور انجام یک سری از وظایف آن هم به شکلی ایده‌آل مناسب هستند.

اما به این نکته توجه داشته باشید زمانی که یک برنامه اعلام می‌دارد که از هوش مصنوعی استفاده می‌کند این حرف کمتر به معنای آن است که این برنامه از یادگیری ماشینی استفاده می‌کند. همین موضوع در ارتباط با شبکه‌های عصبی نیز صادق است. گفتن این حرف که یک برنامه از یادگیری ماشینی به منظور انجام بهتر کارها استفاده می‌کند، تقریباً شبیه به گفتن این جمله است که یک دوربین بهتر است، به این دلیل ‌که دیجیتالی است؛ بله دوربین‌های دیجیتالی برای انجام بعضی از کارها بهتر از دوربین‌های نگاتیو قدیمی هستند، اما این حرف لزوماً به معنای آن نیست که هر عکس دیجیتالی بهتر از یک عکس آنالوگ خواهد بود. به عبارت دیگر، خوب بودن هرچیز به طرز استفاده از آن وسیله بستگی دارد. تعدادی از شرکت‌ها این توانایی را دارند تا شبکه‌های عصبی قدرتمندی را توسعه دهند که به‌خوبی قادر به انجام وظایف پیچیده هستند، به طوری که زندگی بهتری را برای ما به ارمغان می‌آورند.

اما تعداد دیگری از این شرکت‌ها تنها یک برچسب یادگیری ماشینی روی محصولات خود قرار می‌دهند. در حالی که در عمل محصول آن‌ها همان کاری که در گذشته انجام می‌داده است را بدون هیچ‌گونه تغییری انجام می‌دهد. اما بدون شک در پشت صحنه، یادگیری ماشینی و شبکه‌های عصبی فناوری‌های هیجان‌برانگیزی هستند. با وجود این به این نکته توجه داشته باشید، هر زمان در توضیحات یک برنامه چنین اصطلاحاتی را مشاهده کردید، این حرف به معنای آن است که این برنامه‌ها احتمالاً کمی هوشمندتر است. در نتیجه همانند گذشته، ابتدا یک برنامه را مورد استفاده قرار دهید و بررسی کنید که این برنامه تا چه اندازه برای شما مفید بوده است، آن‌گاه درباره آن قضاوت کنید.

 

اینفوگرافیک: چگونه حتی وقتی حسش را ندارید از خودتان کار بکشید

14 راه برای غلبه بر خواب‌آلودگی، درجا زدن، یا پشت گوش انداختن کارها و در عوض انگیزه‌مند شدن


چگونه برای خودتان انگیزه ایجاد می‌کنید؟  زمانی که رئیس خودتان باشید انگیزه‌ خود را حفظ کردن کار دشواریست، و و زمانی دشواری آن دو چندان می‌شود که می‌بینید در حالی که شما سرتان شلوغ است، بقیه در حال خوشگذرانی و سفر و استراحت هستند.

در اینفوگرافی زیر 14 راه برای مقابله با درجا زدن و انجام کارهایتان به شما معرفی می‌کنیم. این استراتژی‌ها بسیار هوشمندانه، و بر اساس تجربه من بسیار هم کارآمد هستند. به خصوص پیاده‌روی در راه انداختن موتور مغز بسیار موثر است، پدیده‌ای که علم نیز از آن حمایت می‌کند؛ و تقسیم کردن کارهای به قسمت‌های کوچک و انجام شدنی نه تنها باعث شد تا در زمان فشرده استارتاپ خود را راه‌اندازی کنم، بلکه اساس کلی کتابم The Bite-Sized Entrepreneur را نیز به قلم درآورم.

به عبارت دیگر، این مسائل شدنیست. دفعه بعدی که در حال سخت کار کردن هستید و بقیه در خواب شیرین به سر می‌برند، سعی کنید چند مورد یا اصلا همه آنها را بکار گیرید. در ادامه با اسکیل ما همراه باشید.



منبع: www.inc.com


بازنشر و استفاده از مقالات اسکیل ما، به هر شکلی تنها با ذکر نام "اسکیل ما" در بخش منابع و ارائه هایپرلینک مجاز می باشد.

 


کلمات کلیدی :

Habits Successful People Avoid

7 Habits Successful People Avoid


We all have bad habits that we struggle with, but are your habits preventing you from being successful? I’m not talking about biting your nails or fidgeting, but rather habits you may not even be aware that you have.

If your goal is to be successful in your endeavors, read this list closely and try to identify if you have any of these bad habits — and then see how you can try to fix them


a1. Perfectionism

It’s almost become a joke that people think perfectionism is a “good” bad habit. But it’s really not. True perfectionism often means fear of doing something badly can prevent us from even beginning or trying anything new.

Successful people understand that success comes with a great deal of failure, false starts, first drafts, and do-overs


a2. Waiting on opportunity

Opportunity doesn’t always knock; and those people who tend to sit around and wait for it for it often miss the opportunities that are waiting if they just put in a little effort. This sometimes also manifests as someone waiting around for the “easy button” scheme that will help them do the thing.

As Thomas Edison said, “Opportunity is missed by most people because it is dressed in overalls and looks like work.” Successful people understand that opportunity is fueled by work and putting oneself out there


a3. Driven to distraction

If you jump (and salivate?) every time your phone dings, and start to feel itchy and unsettled if you’re unable to check it right away, you might have a distraction problem. Social media, texts, emails — all of these tasks pull us away from focusing on what you should be doing.

You’ll find that many successful people turn off notifications on their devices — if they even have those distracting apps at all. Many choose to opt-out from these distractions in order to focus on their more important tasks


a4. Letting others set the agenda

Not having your own priorities, or putting your priorities behind someone else’s is one of the worst habits of the unsuccessful person. Of course, doing the work your boss asks you to do, helping out family and friends, etc. are things that everyone should do — but successful people understand where their priorities fit in

Successful people tend to be the ones with the guts to say no to an invitation or a request to volunteer when they really don’t have time. They also tend to be the ones who write the book, get the promotion, start the business, or go on that trip of a lifetime, because they kept their priorities front and center


a5. Procrastinating

If you tend to put off your most important work until later, spending the first part of your day answering emails, browsing the internet, etc., you’ll have trouble being as successful as you can possibly be. For most people, their most productive time is when they first start working, and so that’s the time you should tackle your most challenging tasks

If you can train yourself to “eat the frog” — that is, do your most challenging work first — you’ll likely produce better work, more efficiently, and in turn be more successful


a6. Resisting change

No matter your age, if you find yourself reluctant to adopt new technology, learn new skills, or try new ideas, you are, unfortunately, doomed to fall behind. Today, the world is moving and changing faster than ever, and those who refuse to change will not have the tools to succeed

In contrast, successful people are open to learning and trying new things. This isn’t to say that they jump on every bandwagon when something new comes along, but rather that they’re open to new possibilities and willing to learn and try — and then make a decision about whether the old way or new way is best


a7. Multitasking

How many tabs do you have open in your internet browser right now? How many apps running in the background on your phone? If you find yourself constantly switching between tasks or jumping at every interruption (see No. 3), you won’t ever be able to do your best work, or truly focus on any one thing

Multitasking often results in errors and time wasted because our brains need at least several seconds to switch contexts, and those seconds add up over time. Focus is critical for producing your best work and, ultimately, succeeding


The great thing about habits is that they are changeable. While it may be challenging to overcome an ingrained habit, it can be changed — which means that your fate is not sealed, and you can increase your own odds of being successful



مرتبط: