پژوهشکده فرهنگ فناوری و هوش مصنوعی

فرهنگ نامه هوش مصنوعی

واقعیت افزوده (AR)

یک تجربه تعاملی از یک محیط دنیای واقعی که در آن اشیایی که در دنیای واقعی زندگی می کنند توسط اطلاعات ادراکی تولید شده توسط رایانه "تقویت" می شوند ، گاهی اوقات در چندین حالت حسی ، از جمله بینایی ، شنیداری ، لمسی ، حسی حسی و بویایی

محاسبات خودمختار (AC)

ویژگی های خود-مدیریت منابع محاسباتی توزیع شده ، سازگار شدن با تغییرات غیر قابل پیش بینی در حالی که پیچیدگی ذاتی را برای اپراتورها و کاربران پنهان می کند.  هدف اصلی آن توسعه سیستم های رایانه ای با قابلیت مدیریت خود ، غلبه بر پیچیدگی به سرعت در حال رشد مدیریت سیستم های محاسباتی و کاهش سد پیچیدگی برای رشد بیشتر بود.

ربات خودمختار

رباتی که رفتارها یا وظایف خود را با درجه بالایی از استقلال انجام می دهد. رباتیک خودمختار معمولاً زیرمجموعه ای از هوش مصنوعی ، رباتیک و مهندسی اطلاعات در نظر گرفته می شود

انفورماتیک رفتار (BI)

انفورماتیک رفتارها برای به دست آوردن هوش رفتاری و بینش رفتار

اطلاعات بزرگ  big data

اصطلاحی که به مجموعه داده هایی اطلاق می شود که برای مقابله کافی با نرم افزارهای کاربردی سنتی پردازش داده بسیار بزرگ یا پیچیده هستند. داده های دارای موارد زیاد (ردیف ها) قدرت آماری بیشتری را ارائه می دهند ، در حالی که داده هایی با پیچیدگی بالاتر (ویژگی ها یا ستون های بیشتر) ممکن است منجر به نرخ کشف  بالاتر شود

فناوری مغز brain technology

همچنین سیستم دانش فنی خودآموزی.

فناوری ای که از آخرین یافته های علوم اعصاب استفاده می کند. این اصطلاح برای اولین بار توسط آزمایشگاه هوش مصنوعی در زوریخ سوئیس و در متن پروژه ROBOY مطرح شد.  فناوری مغز را می توان در روبات ها ، سیستم های دانش فنی  و هر برنامه دیگری با قابلیت یادگیری خود به کار گرفت. به طور خاص ، برنامه های Brain Technology امکان تجسم معماری اساسی را که اغلب به عنوان "نقشه های دانش فنی" ساخته می شود ، فراهم می کنند.

شبکه عصبی کپسول (CapsNet)

یک سیستم یادگیری ماشین که نوعی شبکه عصبی مصنوعی (ANN) است و می تواند برای مدل سازی بهتر روابط سلسله مراتبی مورد استفاده قرار گیرد. این رویکرد تلاشی است برای شبیه سازی بیشتر سازمان عصبی بیولوژیکی

چت بات  chatbot

همچنین smartbot ، talkbot ، chatterbot ، bot ، IM bot ، عامل تعاملی ، رابط مکالمه یا موجود مصاحبه مصنوعی.

یک برنامه رایانه ای یا یک هوش مصنوعی که مکالمه را از طریق روش های شنیداری یا متنی انجام می دهد

دستگاه کمیته committee machine

نوعی شبکه عصبی مصنوعی با استفاده از یک استراتژی تقسیم و تسخیر که در آن پاسخ چندین شبکه عصبی (متخصصان) در یک پاسخ واحد ترکیب می شوند.انتظار می رود پاسخ ترکیبی دستگاه کمیته نسبت به کارشناسان تشکیل دهنده آن برتر باشد.

سایبرنتیک محاسباتی  computational cybernetics

تلفیق تکنیک های سایبرنتیک و هوش محاسباتی.

هوش محاسباتی (CI)

معمولاً به توانایی رایانه در یادگیری یک کار خاص از داده ها یا مشاهده تجربی اشاره دارد.

نظریه یادگیری محاسباتی computational learning theory

در علوم کامپیوتر ، تئوری یادگیری محاسباتی (یا فقط نظریه یادگیری) زیرمجموعه ای از هوش مصنوعی است که به مطالعه طراحی و تجزیه و تحلیل الگوریتم های یادگیری ماشین اختصاص دارد.

دید رایانه ای computer vision

یک رشته علمی میان رشته ای که به چگونگی ساخت کامپیوتر برای درک سطح بالا از تصاویر یا فیلم های دیجیتال می پردازد. از منظر مهندسی ، این کار به دنبال خودکار کردن وظایفی است که سیستم بینایی انسان می تواند انجام دهد

مدل شرطی محدود constrained conditional model

یک چارچوب یادگیری ماشین و استنتاج که یادگیری مدل های مشروط (احتمالی یا افتراقی) را با محدودیت های اعلامی تقویت می کند.

شبکه عصبی کانولوشن convolutional neural network

در یادگیری عمیق ، یک شبکه عصبی کانولوشن (CNN یا ConvNet) دسته ای از شبکه های عصبی عمیق است که معمولاً برای تجزیه و تحلیل تصاویر بصری استفاده می شود. CNN ها از تنوعی از گیرنده های چند لایه استفاده می شود که به حداقل نیاز به پیش پردازش دارند.

یکپارچه سازی داده ها data integration

فرآیند ترکیب داده های مستقر در منابع مختلف و ارائه دیدگاه یکپارچه به کاربران.  این فرایند در شرایط مختلف ، از جمله دامنه های تجاری (مانند زمانی که دو شرکت مشابه نیاز به ادغام پایگاه داده خود دارند) و علمی (به عنوان مثال ترکیب نتایج تحقیقات از مخازن بیوانفورماتیک مختلف) ، قابل توجه می شود. یکپارچه سازی داده ها با افزایش فرکانس ، با افزایش حجم (یعنی داده های بزرگ) و نیاز به اشتراک گذاری داده های موجود ، ظاهر می شود. 

داده کاوی data mining

روند کشف الگوها در مجموعه داده های بزرگ شامل روش هایی در تقاطع یادگیری ماشین ، آمار و سیستم های پایگاه داده.

علم داده data science

یک رشته میان رشته ای که از روش ها ، فرآیندها ، الگوریتم ها و سیستم های علمی برای استخراج دانش و بینش از داده ها به اشکال مختلف ، چه ساختاری و چه غیر ساختاری استفاده می کند ، مشابه داده کاوی. علم داده "مفهومی برای متحد کردن آمار ، تجزیه و تحلیل داده ها ، یادگیری ماشین و روش های مربوط به آنها" به منظور "درک و تجزیه و تحلیل پدیده های واقعی" با داده است. 

سیستم پشتیبانی تصمیم  decision support system

سیستم اطلاعاتی Aan که از فعالیتهای تصمیم گیری تجاری یا سازمانی پشتیبانی می کند. DSS ها به سطح مدیریت ، عملیات و برنامه ریزی سازمان (معمولاً مدیریت متوسط و بالاتر) خدمت می کنند و به مردم کمک می کنند تا درمورد مشکلاتی که ممکن است به سرعت در حال تغییر باشند و به راحتی از قبل مشخص نشوند تصمیم بگیرند - یعنی. مشکلات تصمیم گیری غیر ساختاری و نیمه ساختاری. سیستم های پشتیبانی تصمیم می توانند به طور کامل رایانه ای یا از طریق نیروی انسانی استفاده شوند و یا ترکیبی از هر دو باشند.

یادگیری عمیق deep learning

همچنین یادگیری ساختاری عمیق یا یادگیری سلسله مراتبی.

بخشی از یک خانواده گسترده تر از روش های یادگیری ماشین بر اساس نمایش داده های یادگیری ، در مقابل الگوریتم های خاص کار. یادگیری می تواند تحت نظارت ، نیمه نظارت یا بدون نظارت باشد

تشخیص diagnosis

با توجه به توسعه الگوریتم ها و تکنیک هایی که قادر به تعیین صحت رفتار یک سیستم هستند. اگر سیستم به درستی کار نکند ، الگوریتم باید بتواند تا آنجا که ممکن است دقیقاً مشخص کند که کدام قسمت از سیستم خراب است و با کدام نوع خطا روبرو است. محاسبه بر اساس مشاهدات انجام می شود ، که اطلاعاتی راجع به رفتار فعلی ارائه می دهد.

سیستم گفتگو dialogue system

همچنین عامل مکالمه (CA).

یک سیستم رایانه ای برای مکالمه با انسانی با ساختاری منسجم در نظر گرفته شده است. سیستم های گفتگو متن ، گفتار ، گرافیک ، حروف لفظی ، حرکات و حالت های دیگر را برای برقراری ارتباط در کانال ورودی و خروجی به کار برده اند.

توزیع هوش مصنوعی distributed artificial intelligence

همچنین هوش مصنوعی غیرمتمرکز.

زیرمجموعه تحقیقات هوش مصنوعی که به توسعه راه حل های توزیع شده برای مشکلات اختصاص یافته است. DAI از نزدیک در زمینه سیستم های چند عاملی وابسته و پیش از آن است

سیستم خبره expert system

یک سیستم رایانه ای که از توانایی تصمیم گیری یک متخصص انسانی تقلید می کند. سیستم های خبره برای حل مشکلات پیچیده با استدلال از طریق دانش ، که به طور عمده به عنوان قوانین نشان داده می شوند ، به جای کد آیین دادرسی مرسوم ، طراحی شده اند.

یادگیری ویژگی feature learning

در یادگیری ماشینی ، یادگیری ویژگی یا یادگیری بازنمایی  مجموعه تکنیک هایی است که به سیستم اجازه می دهد نمایش های مورد نیاز برای تشخیص یا طبقه بندی ویژگی ها را از داده های خام به طور خودکار کشف کند. این جایگزین مهندسی ویژگی دستی می شود و به دستگاه اجازه می دهد تا هم ویژگی ها را بیاموزد و هم برای انجام یک کار خاص از آنها استفاده کند.

قاب frame

یک ساختار داده ای هوش مصنوعی برای تقسیم دانش به زیر ساخت ها با نمایش "موقعیت های کلیشه ای" استفاده می شود. فریم ها ساختار داده اولیه هستند که در زبان قاب هوش مصنوعی استفاده می شوند.

هوش مصنوعی دوستانه friendly artificial intelligence

همچنین AI یا FAI دوستانه.

یک هوش عمومی مصنوعی فرضی (AGI) که تأثیر مثبتی بر بشریت خواهد داشت. این بخشی از اخلاق هوش مصنوعی است و رابطه نزدیکی با اخلاق ماشین دارد. در حالی که اخلاق ماشینی به چگونگی رفتار یک عامل هوشمند مصنوعی مربوط می شود ، تحقیقات دوستانه هوش مصنوعی بر چگونگی ایجاد عملی این رفتار و اطمینان از محدودیت کافی آن متمرکز است.

آینده پژوهی futures studies

مطالعه پیش فرض آینده های احتمالی ، احتمالی و ترجیحی و جهان بینی و افسانه هایی که زمینه ساز آنها هستند

الگوریتم ژنتیک genetic algorithm

 الهام گرفته از روند انتخاب طبیعی که متعلق به گروه بزرگتر الگوریتم های تکاملی (EA) است. الگوریتم های ژنتیک معمولاً برای تولید راه حل های با کیفیت بالا برای بهینه سازی و جستجوی مشکلات با تکیه بر اپراتورهای مبتنی بر زیست نظیر جهش ، کراس اوور و انتخاب استفاده می شوند.

یادگیری افزایشی incremental learning

روشی برای یادگیری ماشین ، که در آن از داده های ورودی به طور مداوم برای گسترش دانش مدل موجود استفاده می شود ، یعنی آموزش بیشتر مدل. این نشان دهنده یک تکنیک پویا از یادگیری تحت نظارت و یادگیری بدون نظارت است که می تواند هنگامی که داده های آموزش به تدریج با گذشت زمان در دسترس قرار می گیرند یا اندازه آنها از حد حافظه سیستم خارج می شود ، استفاده شود. الگوریتم هایی که می توانند یادگیری افزایشی را تسهیل کنند به عنوان الگوریتم های یادگیری افزایشی ماشین شناخته می شوند.

زبان پردازش اطلاعاتInformation Processing Language

یک زبان برنامه نویسی شامل ویژگی هایی است که برای کمک به برنامه هایی انجام می شود که اقدامات ساده حل مسئله مانند لیست ها ، تخصیص حافظه پویا ، انواع داده ها ، بازگشت ، توابع به عنوان آرگومان ها ، مولدها و چند وظیفه مشارکتی را انجام می دهند. IPL مفهوم پردازش لیست را ابداع کرد ، البته به سبک مونتاژ زبان.

عامل هوشمند intelligent agent

موجودی مستقل که فعالیت خود را به سمت دستیابی به اهداف (یعنی یک عامل) هدایت می کند ، بر روی محیطی با استفاده از مشاهده از طریق سنسورها و محرک های متعاقب آن (یعنی هوشمند است) عمل می کند. عوامل هوشمند همچنین ممکن است دانش را برای رسیدن به اهداف خود بیاموزند یا از آنها استفاده کنند. ممکن است بسیار ساده یا بسیار پیچیده باشند.

سیستم دانش بنیان knowledge-based system

یک برنامه رایانه ای که برای حل مشکلات پیچیده از پایگاه دانش استفاده می کند. این اصطلاح گسترده است و به انواع مختلفی از سیستم ها اشاره دارد. یک موضوع مشترک که تمام سیستم های دانش بنیان را به هم پیوند می دهد ، تلاش برای بازنمایی صریح دانش و یک سیستم استدلالی است که به آن امکان می دهد دانش جدیدی بدست آورد. بنابراین ، یک سیستم دانش بنیان دارای دو ویژگی متمایز است: یک دانش بنیان و یک موتور استنتاج.

دید ماشین machine vision

فناوری و روشهای مورد استفاده برای تهیه بازرسی و تجزیه و تحلیل خودکار مبتنی بر تصویربرداری برای برنامه هایی مانند بازرسی خودکار ، کنترل فرآیند و هدایت ربات ، معمولاً در صنعت. بینایی ماشین اصطلاحی است که شامل تعداد زیادی فناوری ، محصولات نرم افزاری و سخت افزاری ، سیستم های یکپارچه ، اقدامات ، روش ها و تخصص است. بینایی ماشین به عنوان یک رشته مهندسی سیستم را می توان متمایز از دید رایانه ، نوعی علم کامپیوتر دانست. این برنامه سعی در تلفیق فن آوری های موجود به روش های جدید و بکارگیری آنها برای حل مشکلات دنیای واقعی دارد. این اصطلاح اصطلاح رایج برای این توابع در محیط های اتوماسیون صنعتی است اما در سایر محیط ها مانند امنیت و راهنمایی وسایل نقلیه نیز برای این توابع استفاده می شود.

یادگیری ماشین machine learning

مطالعه علمی الگوریتم ها و مدل های آماری که سیستم های رایانه ای برای انجام یک کار خاص بدون استفاده از دستورالعمل های صریح ، با تکیه بر الگوها و استنتاج از آنها استفاده می کنند.

مکاترونیک mechatronics

همچنین مهندسی مکاترونیک.

یک شاخه مهندسی چند رشته ای که مهندسی هر دو سیستم الکتریکی و مکانیکی را متمرکز کرده و همچنین ترکیبی از رباتیک ، الکترونیک ، کامپیوتر ، ارتباطات از راه دور ، سیستم ها ، کنترل و مهندسی محصول را شامل می شود.

گره node

یک واحد اساسی از یک ساختار داده ، مانند یک لیست پیوندی یا یک ساختار داده درختی. گره ها حاوی داده ها هستند و همچنین ممکن است به گره های دیگر پیوند داشته باشند. پیوندهای بین گره ها اغلب توسط اشاره گرها پیاده سازی می شوند.

یادگیری آفلاین offline learning

یادگیری ماشین آنلاین

روشی برای یادگیری ماشینی که در آن داده ها به ترتیب متوالی در دسترس قرار می گیرند و برای به روزرسانی بهترین پیش بینی کننده برای داده های آینده در هر مرحله استفاده می شود ، در مقابل تکنیک های یادگیری دسته ای که با یادگیری روی کل مجموعه داده های آموزش ، بهترین پیش بینی را تولید می کنند . یادگیری آنلاین یک روش معمول است که در مناطقی از یادگیری ماشین مورد استفاده قرار می گیرد که از نظر محاسباتی آموزش کل مجموعه داده غیرممکن است و این نیاز به الگوریتم های خارج از هسته دارد. همچنین در شرایطی که لازم است الگوریتم به صورت پویا با الگوهای جدید داده ها سازگار شود ، یا وقتی داده ها خود به عنوان تابعی از زمان تولید می شوند ، مورد استفاده قرار می گیرد.

پرولوگ Prolog

یک زبان برنامه نویسی منطقی مرتبط با هوش مصنوعی و زبانشناسی محاسباتی. ریشه Prolog در منطق مرتبه اول ، یک منطق رسمی است و برخلاف بسیاری دیگر از زبان های برنامه نویسی ، Prolog در درجه اول به عنوان یک زبان برنامه نویسی اعلانی در نظر گرفته شده است: منطق برنامه با توجه به روابط بیان می شود ، به عنوان واقعیت ها و قوانین نشان داده می شود. محاسبه با اجرای پرس و جو بر روی این روابط آغاز می شود

پایتونPython

یک زبان برنامه نویسی با اهداف عمومی تفسیر شده ، سطح بالا ، ایجاد شده توسط Guido van Rossum و اولین بار در سال 1991 منتشر شد. فلسفه طراحی پایتون با استفاده قابل توجه از فضای سفید قابل توجه ، بر خوانایی کد تأکید دارد. ساختارهای زبان و رویکرد شی گرا آن کمک به برنامه نویسان برای نوشتن کد منطقی و واضح برای پروژه های کوچک و بزرگ است

محاسبات کوانتومی quantum computing

استفاده از پدیده های مکانیکی کوانتوم مانند برهم نهی و درهم تنیدگی برای انجام محاسبات. برای انجام چنین محاسباتی از رایانه کوانتومی استفاده می شود که می تواند از نظر تئوری یا فیزیکی پیاده سازی شود

رباتیک robotics

یک شاخه میان رشته ای از علوم و مهندسی است که شامل مهندسی مکانیک ، مهندسی الکترونیک ، مهندسی اطلاعات ، علوم کامپیوتر و سایر موارد است. رباتیک به طراحی ، ساخت ، بهره برداری و استفاده از ربات ها و همچنین سیستم های رایانه ای برای کنترل ، بازخورد حسی و پردازش اطلاعات می پردازد.

الگوریتم جستجو

هر الگوریتمی که مشکل جستجو را حل کند ، یعنی بازیابی اطلاعات ذخیره شده در برخی از ساختارهای داده یا محاسبه شده در فضای جستجو در یک دامنه مسئله ، چه با مقادیر گسسته یا مداوم.

یادگیری شباهت similarity learning

منطقه ای تحت نظارت یادگیری ماشین در هوش مصنوعی. این رابطه نزدیکی با رگرسیون و طبقه بندی دارد ، اما هدف این است که از یک تابع شباهت یاد بگیریم که اندازه گیری دو شی objects مشابه یا مرتبط را اندازه گیری می کند. این برنامه در رتبه بندی ، در سیستم های توصیه ، ردیابی هویت بصری ، تأیید چهره و تأیید بلندگو کاربرد دارد.

نرم افزار software

مجموعه ای از داده ها یا دستورالعمل های رایانه ای که به کامپیوتر نحوه کار را می گویند. این در مقابل سخت افزار فیزیکی است که سیستم از آن ساخته شده و در واقع کار را انجام می دهد. در علوم کامپیوتر و مهندسی نرم افزار ، نرم افزار رایانه ای کلیه اطلاعات پردازش شده توسط سیستم ها ، برنامه ها و داده های رایانه ای است. نرم افزار رایانه ای شامل برنامه های رایانه ای ، کتابخانه ها و داده های غیر اجرایی مرتبط مانند اسناد آنلاین یا رسانه های دیجیتال است.

یادگیری بدون نظارت unsupervised learning

نوعی یادگیری خودکار سازمان یافته  که به یافتن الگوهای ناشناخته قبلی در مجموعه داده ها بدون برچسب های قبلی کمک می کند. همچنین به عنوان خود سازماندهی شناخته می شود و اجازه می دهد تا تراکم احتمالی ورودی های داده شده مدل سازی شود.  این یکی از سه دسته اصلی یادگیری ماشین ، همراه با یادگیری تحت نظارت و تقویت است. یادگیری نیمه نظارت شده نیز توصیف شده است و ترکیبی از تکنیک های تحت نظارت و بدون نظارت است.