سیلاب یکی از اصلی ترین بلایای طبیعی است که سالانه در کشور ما و سایر کشورها خسارات گسترده جانی و مالی را به همراه دارد. خسارت های روزافزونی که به خصوص در سال های اخیر به دلیل طغیان رودخانه ها، بیش از گذشته پیش بینی و هشدار به موقع سیلاب را ضروری می سازد. و بسیاری از مناطق ایران در برابر سیل به شدت آسیب‌پذیرند. به همین دلیل، فراهم کردن سیستم‌هایی برای جمع‌آوری اطلاعات مربوط به میزان بارندگی و آب‌های سطحی در این مناطق، برای پیشگیری از آسیب‌های آن بسیار حیاتی است.پلتفرم اینترنت اشیا به کمک حسگرهای محیطی می توانند با پایش اطلاعات، جلوی خسارات بیشماری را بگیرند.
اینترنت اشیا در جلوگیری از سیلاب
با کمک پلتفرم اینترنت اشیا دستیابی به محیط زیست هوشمند دور از دسترس نخواهد بود. پلتفرم اینترنت اشیا به همراه مجموعه ای از حسگر ها به جمع آوری اطلاعات و ذخیره و پردازش آنها برای مدیریت بحران ها می پردازد. پیاده‌سازی سامانه‌های پیشگیری که به کمک تکنولوژی اینترنت اشیا و با سنسورهای دقیق اطلاعات لحظه‌ای را استخراج می‌کنند، نیاز به نیروی انسانی را برطرف میکند و در کاهش هزینه‌ها و خسارات تاثیر بسیاری دارد.
۸۵ درصد آب‌های سطحی و زیرزمینی با استفاده از سنسورهای نصب‌شده در مناطق مختلف، به‌طور پیوسته بررسی و اطلاعات لحظه‌ای به مرکز کنترل ارسال می‌شوند. با استفاده از این اطلاعات، علاوه بر مطالعه و پیش‌بینی روند تغییرات آب‌های سطحی و زیرزمینی می‌توان صدمات ناشی از سیل را نیز کاهش داد.با پلتفرم اینترنت اشیا اطلاعات دقیقی از میزان بارش، آب‌های سطحی و زیرزمینی و جریان آب جمع‌آوری می شود. و با استفاده از این اطلاعات می‌توان احتمال وقوع سیل را ۱۲ تا ۴۸ ساعت قبل از وقوع آن پیش‌بینی کرد. از طرفی، در هنگام وقوع سیل، اطلاعات لحظه‌ای کمک بزرگی به مدیریت بحران میکند.
The post اینترنت اشیا در جلوگیری از سیلاب appeared first on DMIOT دانیال موج.
]]>بیسیم ابری چیست؟
بیسیم ابری ( Push To Talk) یا به عبارت دیگر”بگیر و صحبت کن” خدمتی است که در آن با فشردن یک دکمه ارتباطات بلادرنگ صوتی و یا تصویری از حالت فقط “دریافت” به حالت “ارسال” تغییر می نماید. و این نوع ارتباطات در محدوده شبکه تلفن همراه می باشند و مشترکین با فشردن و نگه داشتن یک دکمه می توانند به صورت فرد به فرد یا فرد به گروه مکالمات خود را بدون درنگ زمانی به گوش مخاطب برسانند علاوه بر این اغلب کاربرانی که به دلایل مختلف نیازمند برقراری ارتباط بین گروه های کاری مختلف خود از طریق شبکه های رادیویی می باشند اما امکان طی مراحل قانونی کسب مجوز و خرید تجهیزات را ندارند می توانند بخش عمده ای از نیاز خود را با کمک این خدمت برطرف نمایند.
شبکه های بیسیم PoC کاربرد بسیاری در حوزه های مختلف اعم از حمل ونقل،حراست ،حفاظت ،ساخت و ساز، حفاظت عمومی و اورژانس، نیرو های نظامی، صنایع نفت و گاز و پتروشیمی ، معادن و غیره دارد.علاوه بر این اغلب کاربرانی که به دلایل مختلف نیازمند برقراری ارتاباطین گروه های مختلف کاری خود از طریق ایجاد شبکه های رادیویی می باشند اما به دلایل مختلف امکان طی مراحل قانونی کسب مجوز و خرید تجهیزات را ندارند ، می توانند بخش عمده ای از نیاز خود را با کمک این این خدمت برطرف نمایند.
از جمله مزایای بیسیم ابری نسبت به سامانه های بلادرنگ رادیویی سنتی می توان به موارد زیر اشاره نمود:
1) یک شبکه بیسیم به وسعت زمین
2) عدم نیاز به راه اندازی ایستگاه ها و آنتن های مرکزی
3) هزینه راه اندازی کم نسبت به سایر راه کارهای موجود
4) متناسب با نیاز کاربر
5) بدون محدودیت در تعداد کاربران و گروه ها
در این شبکه ، مشترکین با فشردن و نگه داشتن یک دکمه می توانند صدای خود را بدون درنگ زمانی به گوش مخاط یا مخاطبان برساند.
The post بیسیم ابری چیست؟ appeared first on DMIOT دانیال موج.
]]>اینترنت اشیا در صنعت بیمه
گسترش پدیده اي به نام اینترنت اشیا ، صنعت بیمه را تحت تأثیر قرار داده و شرکت هاي بیمه وادار به تغییر فرآیند پرداخت شده اند. مشتریان بیمه، در زندگی روزانه شان از فناوري استفاده می کنند و انتظار دارند که شرکت هاي بیمه نیز همین کار را انجام دهند. در دنیاي سریع و پیشرفته امروز، مشتریان می خواهند که در کوتاه ترین زمان ممکن به کارشان رسیدگی شود.
روند پرداخت خسارت بیمه، هفته ها و ماه ها طول می کشد و همین امر، نارضایتی عمومی نسبت به صنعت بیمه را افزایش داده است.به کارگیري اینترنت اشیا در صنعت بیمه به کارها سرعت می بخشد و عاملی تأثیرگذار در افزایش قدرت شرکت هاي بیمه است. به کمک اینترنت اشیا، دوران کاغذبازي ها به پایان می رسد و پرداخت خسارت بیمه با بازدهی بالایی انجام می گیرد.دراین صورت، بیمه گذار نیازي به تکمیل فرم هاي بی شمار ندارد و تنها کاري که باید براي دریافت خسارت بیمه انجام دهد، این است که عکس گرفته و با استفاده از اپلیکیشن موبایلی، آن را به شرکت بیمه گر ارسال کند. تکنولوژي حسگر محیطی و بیومتریک، به کمک صنعت مدرن بیمه آمده است. شرکت بیمه گر با استفاده از این تکنولوژي می تواند میزان ریسک را محاسبه کرده و سیاست گذاري مناسبی را در پیش گیرد.
شرکت بیمه گر می تواند اطلاعاتی که از طریق اینترنت اشیا به دست آورده را مورد تحلیل و بررسی قرار دهد. این اطلاعات بسیار ارزشمند هستند و امکان ایجاد شناخت عمیق از بیمه گذار را فراهم می کنند.مزایاي به کارگیري اینترنت اشیا در صنعت بیمه، تنها در افزایش سطح رضایت مشتري خلاصه نمی شود. اینترنت اشیا به کاهش هزینه هاي شرکت بیمه گر نیز کمک می کند .اتوماسیون می تواند هزینه روند پرداخت خسارت بیمه را تا 30 درصد کاهش دهد. در بسیاري از مواقع، این کاهش هزینه به نفع بیمه گذار تمام می شود .استفاده از دستگاه هاي متصل به اینترنت اشیا در صنعت بیمه باعث کاهش 25 درصدي حق بیمه خواهند شد.
دستگاه های متصل به اینترنت اشیا در بیمه درمانی، امکان مشاهده سطح سلامت افراد فراهم کرده اند؛ بدین ترتیب می توان بسته اختصاصی هر شخص را به او پیشنهاد داد و سیاست مناسبی را در پیش گرفت. بسیاری از شرکت های بیمه، برای کسانی که بیمه شان را به دستگاه متصل به اینترنت اشیا متصل می کنند، تخفیف ویژه ای در نظر می گیرند.
The post اینترنت اشیا در صنعت بیمه appeared first on DMIOT دانیال موج.
]]>اینترنت اشیا در بیمه خودرو
مشکل اصلی که در این حوزه وجود دارد، این است که در محاسبه نرخ حق بیمه پایه، فقط ویژگی خودرو در نظر گرفته می شود و عواملی چون رفتار رانندگی، شرایط آب و هوایی و نوع جاده نادیده گرفته می شود. به عبارت دیگر، این نوع روش در تعیین حق بیمه ناعادلانه است از آن جهت که طیف وسیعی از رانندگان در سطح یکسانی قرار می گیرند که باعث می شود در حق رانندگان کم ریسک اجحاف شود و رانندگان پر ریسک را منتفع سازد.
بهینه کردن روش هاي سنجش رفتار رانندگان در ارزیابی بهتر ریسک ها و تعیین دقیق تر حق بیمه ها می تواند بسیار مؤثر باشد. ازسوي دیگر، به دلیل مزیت هایی که هوشمندسازي بیمه وسایل حمل و نقل براي مشتریان به همراه دارد، می تواند سبب استقبال بیش از پیش آن ها به سمت بیمه هاي غیراجباري شود. بر این اساس، نمره رفتار رانندگی باید برمبناي سابقه و رفتار رانندگی او و نیز فاکتورهاي محیطی چون آب وهوا تعیین شود. حق بیمه در این نوع بیمه ها براساس داده هاي ارسالی از تجهیزات هوشمند قرارگرفته شده در وسیله نقلیه تعیین می گردد. این مدل براساس یک منطق بسیار ساده استوار است، هر چه رانندگان الگوي رفتاري بهتري داشته باشند، حق بیمه کمتري پرداخت می کنند.
قیمت گذاري دقیق و عادلانه اینترنت اشیا در بیمه خودرو
- نصب تجهیزات درون خودرو و ارسال نتایج تحلیل داده ها به شرکت بیمه
- ارزیابی بهتر رفتار مشتري و تعیین قیمت هاي حق بیمه متناسب با رفتار رانندها
- ارائه محصولات و خدمات متمایز و شناساندن بهتر برند در میان مشتریان
- افزایش رضایت و وفاداري مشتریان
- دریافت اطلاعات دقیق تر طی مراحل اولیه صدور بیمهن امه
- افزایش احتمال ارتقاء رفتارهاي رانندگی
The post اینترنت اشیا در بیمه خودرو appeared first on DMIOT دانیال موج.
]]>هوش مصنوعی
سطح های هوش مصنوعی
هوش مصنوعی محدود،هوش مصنوعی عمومی و هوش مصنوعی سوپر
محدود
هوش مصنوعی محدود بسیار زودتر از انواع دیگر آن پدید آمده است. این روزها نمونه های محدود زیاد است. برای مثال رایانه‌هایی که در بازی های پیچیده‌ای مانند شطرنج ، تصمیم گیری هوشمندانه در زمینه تجارت و انواع دیگر کارهای مهم توانسته‌اند بهتر از انسان عمل کنند نمونه‌هایی از هوش مصنوعی محدود هستند. زمانی که در مورد هوش مصنوعی محدود صحبت می‌کنیم منظورمان سیستمهای هوشمندی است که در انجام دادن یک وظیفه (task) به خصوص بهتر از انسان عمل می‌کنند. برای مثال سیستم هوشمندی که میتواند به صورت خودکار گفتار را به نوشتار تبدیل کند یا سیستمهای تشخیص چهره که قادرند هویت یک فرد را حتی در شلوغی و سیل عظیمی از جمعیت تشخیص دهند. اکثر سرویس های هوش مصنوعی اطراف ما از این نوع بوده که به عنوان مثال می توان سامانه های تاکسی اینترنتی، ماشین های خودران، دستیارهای شخصی مثل الکسا، سرویس های هوشمند شناسایی ایمیل های زائد، سامانه های پیش بینی بورس، پیش بینی آب و هوا و …. هر کدام از مدل های خاصی از هوش مصنوعی با الگوریتم های متفاوت استفاده می کنند
عمومی
هوش مصنوعی عمومی ماشینی است که میتواند دنیای اطراف خود را همانند یک انسان درک کند و دارای ظرفیت و گنجایش مشابه برای انجام فعالیت‌ها و وظایفی است که یک انسان به طور معمول آنها را انجام می‌دهد.از نظر تئوری یک هوش مصنوعی عمومی میتواند هم سطح انسان فعالیت کند و یا حتی در زمینه‌هایی مانند حافظه و غیره از او بهتر عمل کند.سیستمهای عمومی میتوانند از کارهای عادی تا کارهای بسیار مهم و خطیر را به بهترین شکل انجام دهند. در موقعیت های مختلف می تواند رفتارهای انسان را شبیه سازی کرده و کاملا مانند یک انسان فکر کند، بفهمد و رفتار کند.در سطح عمومی آنها میتوانند کارهایی مثل رانندگی، دستیار شخصی هوشمند با توانایی درک همه‌ی نیازهای کاربر، یک دستیار پزشک و یا سیستم تشخیص بیماری و غیره باشد. در سطوح بالا این سیستم‌ها میتوانند کارهایی را انجام دهند که به زندگی و امنیت و جان انسان‌ها بستگی دارد و میتوانند به خوبی از پس چنین کارهایی بر بیایند.
سوپر
سوپر هوش مصنوعی به نوعی دارای هوش فرا بشری خواهد شد. تا به حال هنوز هیچ جامعه‌ای نتوانسته به سوپر هوش مصنوعی دست پیدا کند.در این مرحله کامپیوترها از همه لحاظ نسبت به انسان ها برتری خواهند یافت. آن ها می توانند ربات هایی بسیار قوی تر، بسیار سریع تر، بسیار باهوش تر و بسیار خلاق تر از انسان ها باشند.
آموزش هوش مصنوعی
سیستمهای هوش مصنوعی به کمک یادگیری ماشین و یادگیری عمیق هوشمند میتوانند آموزش ببینند.
یادگیری ماشین
یادگیری ماشین (Machine Learning) یکی از زیر مجموعه های هوش مصنوعی (AI) است که به سیستم ها این امکان را می دهد تا به صورت خودکار یادگیری و پیشرفت داشته باشند بدون اینکه نیاز باید تا یک برنامه نویسی مخصوص به آن یادگیری خاص را انجام داد. تمرکز اصلی یادگیری ماشینی بر توسعه برنامه‌هایی است که بتوانند با دسترسی به داده‌ها، به طور خودکار از آنها برای یادگیری خود سیستم استفاده کنند.
یک الگوریتم یادگیری ماشین، با دیدن مجموعه‌ای از داده‌ها میتواند به یک هوشمندی نسبی برسد. به عنوان مثال کافی است عکس حشره های زیادی را به الگوریتم یادگیری ماشین نشان دهید تا از آن پس قادر به تشخیص هرنوع حشره ای باشد.
در یادگیری ماشین فرآیند یادگیری با مشاهدات یا داده ها آغاز می شود و سیستم از مثال ها، تجارب مستقیم و یا دستور العمل ها و.. استفاده میکند تا به یک الگو مشخص برسد و بر اساس آن الگو شروع به تصمیم گیری و حل مسئله کند. هدف اصلی یادگیری ماشین آن است که به کامپیوتر اجازه بدهیم که بدون دخالت و کمک انسان به طور اتوماتیک یادگیری داشته باشند و بتواند بر اساس مشاهدات و داده‌ها رفتار خود را تنیم کند.
یادگیری عمیق
یادگیری عمیق نوعی از یادگیری ماشین و هوش مصنوعی است که در واقع از روشی که ذهن انسان برای یادگیری موضوع خاصی به کار میگیرد، تقلید میکند. این نوع از یادگیری یکی از عناصر مهم در علم داده میباشد که شامل آمار و مدل سازی پیش بینی است. یادگیری عمیق برای دانشمندان داده که وظیفه جمع آوری ، تجزیه و تحلیل و تفسیر مقادیر زیادی از داده ها را دارند، بسیار کاربردی است و روند تحلیل و تفسیر داده‌ها را سریعتر و آسان تر می کند.
یادگیری عمیق تکنولوژی اصلی ساخت خودروهای خودران است؛ یادگیری عمیق به خودروها این توانایی را می‌دهد که تابلوها را شناسایی کنند، و یا تیر چراغ برق را از انسان تشخیص دهند.
به نوعی می توان گفت یادگیری عمیق در واقع همان یادگیری ماشین است به گونه ای که در سطح کارهای پیچیده، نمایش یا انتزاع، عمل یادگیری را برای یک سیستم انجام می‌دهد و به این صورت ماشین درک بهتری از واقعیت های وجودی پیدا میکند و می تواند الگوهای مختلف را شناسایی کند. در ساده ترین سطح، یادگیری عمیق را می توان راهی برای خودکار سازی تجزیه و تحلیل پیش بینی‌ها دانست.
The post هوش مصنوعی در شاخه ها و سطوح مختلف appeared first on DMIOT دانیال موج.
]]>هوش مصنوعی چیست؟
هوش مصنوعی(Artificial Intelligence) از دو کلمه متفاوت ساخته شده است. منظور از مصنوعی(Artificial) یعنی ساخته شده به دست بشر است و از طرفی دیگر هوش(Intelligence) به معنای توانایی ذهن برای درک اصول، حقیقت، حقایق یا معانی، کسب دانش و تبدیل علم به عمل بر پایه توانایی یادگیری و درک کردن است. بنابراین هوش مصنوعی ماشینی است که توسط انسان ها ایجاد میشود تا زندگی را آسان و راحت کند که به صورت برنامه‌های رایانه‌ای یا ماشین‌هایی بوده که به فکر کردن و یادگیری کمک می‌کنند.و در تمامی حوزه ها کاربرد دارد.
AI را مطالعه‌ی عامل‌های هوشمند (intelligent agents) تعریف کرده‌اند، عامل هوشمند هر دستگاهی است که محیط پیرامون خود را درک میکند و تلاش میکند تا با بالاترین شانس به اهداف خود دست یابد. تعریف دیگری که می‌توان برای هوش مصنوعی ارائه کرد به این صورت است: AI در حقیقت ماشین‌ها یا رایانه‌هایی هستند که سعی در تقلید اعمال شناختی (cognitive) انسان‌ها مانند یادگیری و حل مسئله دارند.
تاریخچه
با وقوع همزمان اکتشافات گوناگون در زمینه علوم اعصاب، نظریه اطلاعات و سایبرنتیک، پژوهشگران احتمال ساخت یک مغز الکترونیکی را نیز مطرح کرده و در نظر گرفتند.
پژوهش در زمینه هوش مصنوعی برای اولین بار در سال ۱۹۵۶ در کارگاهی در کالج دارتموث مطرح شد. شرکت‌کنندگان این کارگاه، آلن نیوول و هربرت سیمون از دانشگاه کارنگی ملون (CMU)، جان مک‌کارتی و ماروین مینسکی از موسسه فناوری ماساچوست (دانشگاه MIT) و آرتور ساموئل از شرکت IBM، به بنیان‌گذاران و رهبران پژوهش‌های هوش مصنوعی جهان مبدل شدند.
در اوایل سال ۱۹۸۰، پژوهش‌های انجام شده در این راستا با کسب موفقیت‌های تجاری در «سیستمهای خبره» (expert systems)، حیاتی دوباره یافتند. سیستمهای خبره شکلی از برنامه‌های شبیه‌سازی شده هستند که دانش و مهارت‌های تحلیلی موجود در انسان خبره را شبیه‌سازی می‌کنند. در سال ۱۹۸۵، سهم هوش مصنوعی از بازار به بیش از یک میلیارد دلار رسید. در همان دوران، با معرفی پروژه رایانه‌های نسل پنجم در ژاپن، دولت‌های ایالات متحده آمریکا و انگلستان بار دیگر به سرمایه‌گذاری در پژوهش‌های دانشگاهی حوزه هوش مصنوعی روی آوردند. اگرچه با فروپاشی ماشین Lips در سال ۱۹۸۷، این علم بار دیگر دچار تخریب و نسل جدیدی از بدگویی‌ها و مخالفت‌های شدید با آن آغاز شد.
در اواخر سال ۱۹۹۰ میلادی و اوایل قرن ۲۱، هوش مصنوعی در لُجستیک، داده‌کاوی، تشخیص پزشکی و دیگر زمینه‌ها مورد بهره‌برداری قرار گرفت. طی این سال‌ها، با افزایش قدرت محاسباتی رایانه‌ها و تاکید بر حل مسائل خاص با استفاده از هوش مصنوعی، تلاقی‌های جدیدی بین این علم و دیگر علوم (مانند آمار، اقتصاد و ریاضیات) به وجود آمد و پژوهشگران به استفاده از روش‌های ریاضیاتی و استانداردهای علمی در این زمینه روی آوردند که منجر به کسب موفقیت‌های متعددی شد.
در راستای موفقیت‌های به دست آمده برای هوش مصنوعی، می‌توان به دیپ بلو (Deep Blue)، اولین رایانه دارای مهارت بازی شطرنج اشاره کرد که توانست قهرمان شطرنج جهان، «گری کاسپاروف» را با نتیجه ۳،۵ به ۲،۵ طی ۶ مسابقه در ۱۱ می ۱۹۹۷ شکست دهد. در سال ۲۰۱۱ نیز طی مسابقات تلویزیونی «جپاردی!» (!Jeopardy)، سیستم پرسش و پاسخ IBM با نام «واتسون» موفق به شکست دادن دو قهرمان جپاردی، «برد راتر» و «جن جینگیز» با اختلاف امتیاز قابل توجهی شد.
رفته رفته با پیشرفت فناوری و سایر سخت افزارهای مورد نیاز برای توسعه هوش مصنوعی، ابزار هوشمند و سرویس‌های هوشمندی به بازار عرضه شدند که از هوش مصنوعی در بسیاری از فرآیندهایشان استفاده می‌کردند. بسیاری از سرویس‌های معروفی همانند موتورهای جستجو، ماهواره‌ها و غیره از هوش مصنوعی استفاده می‌کردند. با معرفی گوشی‌های هوشمند و پس از آن گجت‌های هوشمند، هوش مصنوعی گام بلندی را برای ورود به زندگی انسان‌های پشت سر گذاشت. از این زمان به بعد هوش مصنوعی برای انسان‌ها جلوه کاربردی تری پیدا کرد و انسان‌ها بیشتر با واژه هوش مصنوعی و کاربردهای آن آشنا شدند.
مهم‌ترین اصطلاحات هوش مصنوعی
یادگیری ماشین (Machine learning)
یادگیری ماشین زیرمجموعه‌ای از هوش مصنوعی محسوب میشود که شامل الگوریتم‌هایی است که ماشین را قادر می‌سازد بدون دخالت انسان با استفاده از مثال‌های داده شده به آن و تجربیات خودش، بیاموزد و عمل کند.
یادگیری عمیق (Deep learning)
یادگیری عمیق در واقع نسخه تکامل یافته یادگیری ماشین و زیرمجموعه ای از آن است. در یادگیری عمیق از شبکه‌های عصبی (Artificial neural networks) استفاده میشود. تفاوت یادگیری عمیق از یادگیری ماشینی این است که در یادگیری ماشین باید دیتا به صورت طبقه بندی به الگوریتم داده شود اما در یادگیری عمیق خود الگوریتم دیتا را میتواند آنالیز و طبقه بندی کند. به عنوان مثال در یادگیری ماشین باید برای شناسایی عکس سگ، برای ماشین تمامی اجزای سگ مانند سر، بدن، دم و غیره جدا تعریف شود اما در یادگیری عمیق، ماشین با دیدن تعداد زیادی عکس سگ، خود قادر به شناسایی دیگر عکس‌های سگ‌ها است. برای همین یادگیری عمیق نیاز به کلان داده یا دیتای بسیار زیاد دارد.
شبکه‌های عصبی مصنوعی (Artificial neural networks-ANN)
شبکه‌های عصبی مصنوعی با الهام از شبکه‌های عصبی مغز انسان ساخته شده اند، گرچه شباهت چندانی به عملکرد آن ندارند. همانطور که گفته شد از شبکه‌های عصبی مصنوعی در یادگیری عمیق استفاده میشود. یک شبکه عصبی صدها، هزاران یا حتی میلیون‌ها نورون مصنوعی به نام واحد دارد که در مجموعه ای از لایه ها قرار گرفته اند. شبکه عصبی مصنوعی از لایه ورودی، لایه خروجی و لایه‌های بین این دو که لایه‌های مخفی نامیده میشود تشکیل شده است.
پردازش زبان طبیعی (Natural language processing-NLP)
پردازش زبان طبیعی زیرمجموعه ای از هوش مصنوعی برای درک زبان انسانی توسط کامپیوتر است. از پردازش زبان طبیعی برای خواندن و فهم زبان انسانی توسط کامپیوتر استفاده میشود تا فاصله صحبت انسان و درک کامپیوتر را از بین ببرد.
کلان داده (Big data)
کلان داده (بیگ دیتا) حجم زیادی از داده‌ها است که خیلی سریع تولید می‌شوند، تنوع زیادی دارند و پیچیده هستند و پردازش آن ها با استفاده از روش‌های سنتی بسیار سخت و وقت گیر است. در اهمیت کلان داده همین بس که از دیتا به عنوان نفت قرن ۲۱ یاد میشود و موفقیت شرکت‌ها به حجم بالای دیتای آنها بستگی دارد.
The post هوش مصنوعی(Artificial Intelligence) چیست؟و چه کاربرد هایی دارد؟ appeared first on DMIOT دانیال موج.
]]>هوش مصنوعی در شناسایی مسافران
از هوش مصنوعی در فناوری تشخیص چهره هوشمند نیز استفاده می شود. و میتواند در موارد امنیتی و مشکوک شدن پلیس به افراد مظنون کمک بسزایی کند. همچنین این فناوری برای آن دسته از مسافرانی که به‌علت دیر رسیدن به فرودگاه ممکن است. پرواز خود را برای طولانی بودن امور فرودگاهی از دست بدهند، بسیار مفید و کاربردی خواهد بود.
اسکنرهای تشخیص چهره و هویت مسافران درترمینال ها و فرودگاه‌ها استفاده می شود. و به متولیان فرودگاه‌های بین‌المللی که میزبان حجم زیادی از مسافران در روز هستند. اجازه می‌دهد. تا با بیشترین سرعت ممکن و بدون نیاز به چک و بازرسی کردن گذرنامه مسافران و چهره آنان توسط ماموران فرودگاهی، هویت آنها را شناسایی کنند. این امر از ایجاد خطای انسانی و احتمال بروز مشکلات و خطرات امنیتی پس از آن پیشگیری خواهد کرد.
فناوری مذکور از سیستم ورود و خروج بیومتریک (با بررسی دقیق و تجزیه و تحلیل اجزای صورت) پشتیبانی میکند. و از طریق حسگر و دوربین‌های فوق پیشرفته و هوشمندی که در فواصل مختلف و در گیت ورودی فرودگاه نصب شده‌اند.، به احراز هویت مسافران اقدام میکند. کشورهای بسیاری هم اکنون در حال نصب و تجهیز فرودگاه‌های بین‌المللی خود به فناوری تشخیص هویت مسافران و اسکنرهای هوشمند هستند.
فناوری هوشمند و پیشرفته تشخیص چهره مبتنی بر هوش مصنوعی که در فرودگاه واشنگتن اایلات متحده آمریکا بکار گرفته شده است.هویت واقعی یک مسافر را که با مدارک جعلی قصد ورود به واشنگتن داشت را افشا نمود.
البته فرودگاه‌های معدودی هستند. که به این فناوری هوشمند مجهز شده‌اند. هرچند که فرودگاه‌های بین‌المللی نیوزلند، استرالیا ریال سنگاپور و ایالات متحده آمریکا از پیشگامان استفاده از اسکنرهای بیومتریک تشخیص چهره و هویت در فرودگاه‌های خود بوده‌اند. و بسیاری دیگر از کشورها نیز درصدد بهره‌برداری از این فناوری جدید و مدرن هستند.
Big Data از مسافران
حال اپراتورها می توانند با هوش مصنوعی اقدامات اختصاصی سازی مبنی بر داده ها را یک گام جلوتر ببرند. هم اکنون این امکان میسر شده است. که مسافر تقویم خود را با سیستم به اشتراک بگذارد. و بدین شکل سیستم از زمان بازگشت مسافر و ملاقات های برنامه ریزی شده در آخر مسافرت وی آگاهی پیدا کند.
با تحلیل و تفسیر این داده ها، سیستم شناختی میداند. که چگونه با مسافر به صورت همزمان با وقوع وقایع تعامل کند. یک رستوران و یا یک قطار زودتر یا یک مسیر ثانویه را پیشنهاد کند و به محض رسیدن مسافر به مقصد خود، مکانی آرام را برای برگذاری ملاقات پیشنهاد دهد.
با اطلاعاتی که از مسافران بدست می آید. مراکز خرید و تفریحی و تجاری و اقامتی می توانند. پیشنهادات شگفت انگیزی برای مسافران ارسال کنند.
The post هوش مصنوعی در شناسایی مسافران appeared first on DMIOT دانیال موج.
]]>هوش مصنوعی در ارتش های دنیا
هوش مصنوعی در ارتش آمریکا
ارتش آمریکا فناوری هوش مصنوعی را در پروژه‌های نظامی مانند «Airborne Battle Management System» و نیروی هوایی یا «Project Convergence» ارتش به کار گرفته است. اما چنین اقدامی کمی غیرمعمول و جدید به نظر می‌رسد و بیم آن میرود که وزارت دفاع آمریکا هوش مصنوعی را با سیستمهای جنگی، هواپیماها، کشتی‌ها و تجهیزات دیگر نظامی ادغام کند. از این رو، تلاش‌های زیادی لازم است تا تجربه سیلیکون ولی تکرار نشود. آنچه روشن است این است که وزارت دفاع آمریکا یک استراتژی هوش مصنوعی در ارتش و … را به طور گسترده به کار گرفته است. نیروی هوایی آمریکا مدتی قبل هم نبرد بین یک جنگنده با خلبان انسانی را با جنگنده تحت کنترل هوش مصنوعی شبیه‌سازی کرده بود که طی آن خلبان مقهور مهارت مقابل شد. استفاده از این ویژگی‌ها محدود به آمریکا نیست و کشورهای دیگر از جمله چین و بریتانیا نیز استفاده از پتانسیل هوش مصنوعی و رباتیک را کلید زده‌اند.
یک برنامه تحقیقاتی ویژه مبتنی بر اینترنت اشیا نیز توسط سازمان پروژه‌های تحقیقات پیشرفته دفاعی ایالات متحده در حال انجام است، که با نام اینترنت اشیای میدان جنگ (Internet of Battlefield Things) شناخته میشود. هدف این تحقیقات، استفاده هرچه بیشتر از دستگاه‌ها، نیروها، سلاح‌ها، و در نهایت ربات‌های کنترل شده است، تا حضور انسان‌ها در میدان نبرد کاهش یابد.و در امنیت سایبری نیز از این فناوری استفاده میشود.
پروژه پنتاگون
شرکت صنایع “Anduril” با وزارت دفاع آمریکا(پنتاگون) قرارداد همکاری امضا کرد تا در برنامه هوش مصنوعی ارتش آمریکا همکاری کند. و قراراداد یک برنامه جنجالی هوش مصنوعی را دارند که با استفاده از “یادگیری ماشین” است و به مرتب‌سازی و تفسیر فیلم‌های ضبط شده توسط پهپادها می‌پردازد تا سیستم‌ها بتوانند افراد را از محیط اطرافشان تفکیک کنند.این پروژه با این هدف انجام میشود که افسران نظامی به اطلاعات بهتری دست یابند تا اشتباهات آنها کم شده و سبب کاهش تلفات غیرنظامی شود.
سیستمهای تسلیحاتی را می‌توان به راحتی با سنسورهای متصل مبتنی بر اینترنت اشیا مدیریت کرده و به آنها منطق بخشید. پس از آنها، با شبکه C2BMC لاکهید مواجه می‌شویم که یک شبکه جنگی از ارتباطات دستگاه‌های متصل برای یک هدف نظامی میباشد. فرآیند اصلی کار C2BMC به این صورت است که کارکردهای مختلف سیستم دفاعی بسیار حساس مانند موشک بالیستیک ایالات متحده که در سرتاسر دنیا پراکنده هستند را به یکدیگر متصل کند، تا از کشور محافظت کرده و متحدان خود را از لیست حملات موشکی بالستیک حذف کند.ماجرای اسکای نت نیز نمونه‌ای دیگر از تلاش ارتش ایالات متحده برای استفاده از قدرت اینترنت اشیا و هوش مصنوعی برای متحول کردن قوانین تعامل در سطح جهانی است: آنها در تلاش هستند تا تمامی سیستمهای تسلیحاتی در یک میدان جنگ جهانی را به یکدیگر متصل کنند. ایده این نوع از سیستمهای متصل، از شبکه عصبی هوش مصنوعی فیلم مشهور ترمیناتور گرفته شده است.
هوش مصنوعی در نرم‌افزار کنترل پرواز FCAS
ایرباس اخیرا اعلام کرد قصد دارد در نرم‌افزار کنترل پرواز تعبیه‌شده داخل جنگنده FCAS از هوش مصنوعی استفاده کند. برای این منظور ایرباس مذاکراتی را با شرکت ANSYS به عنوان یکی از بزرگترین ارائه دهندگان پلتفرم توسعه نرم‌افزارهای ایمنی- بحرانی آغاز کرده است. این پلتفرم یک محیط توسعه مبتنی بر مدل برای نرم‌افزارهای تعبیه شده بحرانی است که فضای طراحی را برای فعالیت‌هایی از جمله مدیریت نیازمندی‌ها، طراحی مبتنی بر مدل و شبیه‌سازی یکپارچه میکند. از SCADE Suite برای طراحی نرم‌افزارهای بحرانی مانند سیستمهای کنترل پرواز و کنترل موتور، خلبان خودکار، سیستمهای مدیریت سوخت و نمایشگرهای کابین خلبان و.. استفاده میشود.
هوش مصنوعی در نیروی نظامی روسیه
فرمانده کل نیروی هوایی روسیه، اظهار داشت که روسیه در اوایل فوریه ۲۰۱۷ در حال کار بر روی موشک‌هایی است که توسط هوش مصنوعی هدایت می‌شوند و میتوانند برای تغییر مسیرها در طول پرواز، تصمیم‌گیری کنندکمیته صنعتی نظامی روسیه برنامه‌هایی را برای تأمین ۳۰ درصد از قدرت جنگی روسیه از سیستم عامل‌های رباتیک کنترل از راه دور و هوش مصنوعی تا سال ۲۰۳۰ تصویب کرده‌است. روسیه چندین سیستم جنگی خودمختار و نیمه خودمختار مانند ماژول رزمی «شبکه عصبی» کلاشنیکوف را با مسلسل، دوربین و هوش مصنوعی آزمایش کرده‌است که سازندگان آن ادعا می‌کنند بدون دخالت انسان میتوانند هدف‌گیری خود را انجام دهند. ارتش روسیه در حال تحقیق در مورد تعدادی از کاربردهای هوش مصنوعی با تأکید شدید بر وسایل نقلیه نیمه خودکار و تمام خودکار است.
The post هوش مصنوعی و اینترنت اشیا در ارتش های دنیا appeared first on DMIOT دانیال موج.
]]>هوش مصنوعی در امنیت سایبری
مدیران و تیم‌های سایبری باید روش‌هایی پیدا کنند که از مجرمان و خلافکاران سایبری پیشی بگیرند چرا که عقب افتادن از آنها میتواند منجر به حملات تخریب‌کننده و هزینه‌بری شود. به کارگیری هوش مصنوعی راه حلی برای این قضیه است،برنامه‌های پیشرفته امنیت سایبری نیاز دارند ریسک را کاهش دهندکه هوش مصنوعی این نیازشان را رفع کرده‌است. همچنین در سال‌های آتی، هوش مصنوعی در مراقبت از اطلاعات و شبکه‌های شرکت‌ها نقش مهمی ایفا خواهد کرد.تحقیقی که به تازگی انجام شده نشان‌دهنده پیشرفت هوش مصنوعی است که توانسته به عنوان بخش اصلی امنیت شناخته شود. گزارشی از طرف شرکت P&S Intelligence (شرکت ارائه دهنده خدمات تحقیق بازار و مشاوره کسب‌وکارها) بیان میکند، هوش مصنوعی جهانی، در بازار امنیت سایبری، بین سال های ۲۰۲۰ و ۲۰۳۰ با رشد سالانه ۲۶ درصد روبرو خواهد شد و در پایان دوره به مبلغ ۱۰۱.۸ میلیارد دلار می رسد.با استفاده از یادگیری ماشین، تیم‌های امنیت سایبری الگوها را تجزیه و تحلیل می‌کنند و از آنها یاد می‌گیرند. بدین ترتیب از حملات مشابه جلوگیری می‌کنند و به الگوهای رفتاری در حال تغییر پاسخ میدهند،در این شرایط میتوانند در جلوگیری از تهدیدها و پاسخ به حملات نیز بی‌درنگ عمل کنند و فعال‌تر باشند.
شرکت P&S intellagence معتقد است، همه‌گیری ویروس کرونا به افزایش استفاده از هوش مصنوعی در امنیت سایبری کمک کرده‌است. در زمان این بیماری بسیاری از سازمان‌ها مدل کار کردن خود را به دورکاری و کار در خانه تغییر داده‌اند و همگی به مراقبت‌های بهداشتی اهمیت میدهند. در این شرایط تعداد مهاجمان سایبری نیز به طور چشمگیری افزایش پیدا کرده است. مجرمان سایبری از شرایط کووید ۱۹ استفاده می‌کنند تا حمله‌های جدیدتر و موثرتری انجام دهند. به این ترتیب تقاضا برای راه حل‌های امنیت سایبری که مبتنی بر هوش مصنوعی هستند، افزایش یافته است. شرکت‌هایی که خدمات امنیت مبتنی بر هوش مصنوعی ارائه میدهند در حال ارتقا مجموعه خدمات سایبری خود هستند، سیستمهای امنیت شبکه پیشرفته ارائه میدهند، با استفاده از ابزارهای جداسازی شبکه خدمات خود را ارتقا می‌بخشند، تهدیدهای ناهنجار و فوری را تشخیص میدهند و از برنامه‌های اینترنت اشیا در مقابل این تهدیدها حمایت می‌کنند.
چت‌بات‌ها از جمله ابزار مبتنی بر هوش مصنوعی هستند که نوید خاصی برای برنامه‌های امنیتی میدهند. استفاده از فناوری‌های هوش مصنوعی مانند پردازش زبان طبیعی (NLP) و یادگیری ماشین، چت‌بات‌ها را قادر می‌سازد تا در سال‌های آینده با تهدیدات سایبری مقابله کنند. چت‌بات‌های پیشرفته میتوانند با هدایت ارتباطات از طریق پروتکل‌های امن، آسیب‌پذیری سیستم‌ها را کاهش دهند و از حملاتی مانند فیشینگ ایمیل جلوگیری کنند.
آلوده کردن داده ها
الگوریتم های اشتباه
صنعت امنیت نیاز دارد به حملاتی نظیر آلوده کردن داده های تمرینی و برنامه های تجاری که منجر به مختل کردن فرایند تصمیم گیری شوند،یک مجموعه داده آلوده شده میتواند باعث کمبود بیش از حد یا زیاد کالا شود.
حملات BEC هزینه‌های میلیارد دلاری بر روی دست سازمان‌ها گذاشته است. این حمله بدین شکل میباشد که فرد حمله کننده با جا زدن خود به جای یک شخص رده بالا در آن شرکت ، به کارمندان از طریق تلفن امر و نهی کند. امروزه با استفاده از فناوری Deepfake این حملات به شکل بی نقصی انجام می‌شوند.
تحقیقات امنیتی نشان می دهند به احتمال زیاد در آینده شاهد استفاده از هوش‌مصنوعی در بدافزارها خواهیم بود.به جای استفاده از قوانین از پیش تعیین شده در بدافزارها ، هکرها میتوانند با استفاده از هوش‌مصنوعی شرایط را بررسی کنند سپس بدافزار تصمیم میگیرد که چه تصمیمی اتخاذ کند.
انتظار میرود زمانی که بحث استفاده از هوش مصنوعی و فناوری بیومتریک در زمینه احراز هویت مشتریان می شود ، شاهد بازی موش و گربه(cat-and-mouse game – یک اصطلاح در زبان انگلیسی میباشد.) در زمینه پیشگیری از کلاهبرداری‌های مالی باشیم. مؤسسات مالی به سرعت در حال راه‌اندازی مکانیسم های تأیید هویت هستند که از تشخیص چهره و هوش مصنوعی برای اسکن ، تجزیه و تحلیل و تأیید هویت آنلاین با استفاده از دوربین های تلفن همراه استفاده می کنند. اما هکرها با استفاده از هوش مصنوعی و فناوری Deepfake میتوانند این سیستمهای امنیتی را دور بزنند.
The post هوش مصنوعی در امنیت سایبری appeared first on DMIOT دانیال موج.
]]>ارتش هوشمند
کاربرد اینترنت اشیا در حوزه های نظامی جزء جدا نشدنی و اضطراری توسعه اطلاعاتی بخش نظامی محسوب می گردد،اینترنت اشیا توسعه حوزه نظامی را به طور عمده ای پیش خواهد برد و به نظر می رسد که به زودی شاهد شبکه های اینترنت اشیا نظامی باشیم که در آن نقش انسان کمرنگ تر از قبل شده و دستگاه ها و جنگ افزارهای هوشمند با تکیه بر ارتباطات گسترده و متعاقبا توانایی تصمیم گیری و انجام فعالیت های تصمیم گیرانه، نقش آفرینی قابل ملاحظه ای داشته باشند. با توجه به دامنه کاربردهای اینترنت اشیا نظامی و اهمیت خروجی آنها، شاید بتوان گفت که همانند مفهوم اصلی اینترنت اشیا حوزه امنیت اصلی ترین چالش اینترنت اشیا نظامی محسوب میگردد. وجود یك آسیب پذیری در هر یك از بخش ها و اجزای اینترنت اشیا نظامی میتواند به بروز خسارت های جبران ناپذیری منجر گردد.
جنگ الکترونیک
چالش دیگر پیاده سازی اینترنت اشیا در ارتش هوشمند این است که اینترنت اشیا سیستم ها را در برابر جنگ الکترونیك آسیب پذیر می سازد، اکثر فناوری های اینترنت اشیا از ارتباطات بیسیم بر روی فرکانس های رادیویی استفاده می نمایند و مهاجمان میتوانند تکنیك های نه چندان پیچیده مثل مسدودسازی سیگنال RF را استفاده نمایند تا این سیگنال ها را مسدود نمایند، و باعث شوندتا دستگاه ها نتوانند با زیرساخت خود در شبکه ارتباط داشته باشند. اساساً دستگاه های ارسال کننده می توانند توسط هر گیرنده رادیویی که در حوزه فرکانسی آن باشد، تشخیص داده شده وآشکار شوند. ارسال مختصات از فرستنده ها نیز می تواند موقعیت مکانی سربازان یا وسایل نقلیه را فاش نماید.
محرمانگی در ارتش هوشمند
محرمانگی یك رویکرد مهم از هر عملیات نظامی به شمار می رود، در حالت استفاده از سیستم های اینترنت اشیا محافظت محرمانگی برای تمامی کانال های ارتباطی، ذخیره سازی و پردازش داده بخش مهمی تلقی میشود. برای مثال، در حالت شبکه های حسگر بیسیم یا وسایل نقلیه بدون سرنشین، افشای محرمانگی ممکن است به وسیله سرنخ دادن در مورد نقشه های نظامی و فراهم نمودن پشتیبانی غیرعمدی به دشمن از طریق دادن اطلاعات به او و افزایش آگاهی های موقعیتی و مکانی دشمن هم نیروهای خودی و هم اهداف عملیات را به خطر بیاندازد. یك نمونه از دنیای واقعی مصداق چنین تهدیدی در دسامبر2011و زمانی بود که نظامیان عراقی به لینك ارسال ناامن که توسط پرنده های بدون سرنشین آمریکا مورداستفاده قرارمیگرفت دسترسی پیدا کردند.
احرازاصالت و صدور مجوز
در فضای اینترنت اشیا، طرفین ارتباط باید قادر به بررسی اصالت وهویت یکدیگر باشند. به بیان ساده تر، گیرنده باید قادر باشد تا بتواند اصالت پیام های تبادلی را تأیید و یا رد نماید.علاوه بر آن، دستگاه های IoT باید بتوانند تأیید کنند که آیا موجودیت های خاص مجاز به دسترسی به داده های مربوطه هستند یا نه؟در لایه شبکه، تنها دستگاه های مجاز باید قادر باشند تا به شبکه IoTدسترسی یابند. دستگاه های غیرمجاز نباید بتوانند تا پیام هایشان را به دیگر دستگاه های مجاز IoT ارسال نمایند، چرا که ممکن است هدف شان تخلیه و یا پایین آوردن انرژی باتری دستگاه های مجاز باشد برای پاسخ به این نگرانی ها، نیاز به استفاده از پروتکل های احرازصالت و مجازشناسی می باشد. بدین منظور از اولیه های رمزنگاری همچون امضاهای دیجیتال، توابع چکیده ساز، پروتکل های مدیریت کلید و طرح های تسهیم راز استفاده می شود.
The post ارتش هوشمند appeared first on DMIOT دانیال موج.
]]>