لیست مقالات

امنیت سایبری

حمله خصمانه به مدل‌های هوش‌مصنوعی

امروزه شبکه‌های عصبی به‌عنوان یکی از بهترین ابزارهای مطرح در هوش‌مصنوعی و یادگیری ماشین شناخته شده‌اند و در انجام کار‌های متنوع مورد استفاده قرار می‌گیرند. در سال‌های اخیر موارد متعددی از آسیب‌پذیری این شبکه‌ها مطرح شده است [1]–[20]. این آسیب‌پذیری‌ها غالباً با افزودن اختلالات و تغییرات بسیار اندک به‌صورت جمع‌شونده و غیر جمع‌شونده در داده ورودی ایجاد می‌شوند. این اختلالات موجب می‌شوند که با وجود نامحسوس بودن تغییرات اعمال شده در ورودی از دیدگاه عامل انسانی، خروجی مدل‌های آموزش دیده تغییر یابند. ناکارآمد شدن این شبکه‌ها به دلیل شکست در مقابل حملات خصمانه موجب گردیده است که توجه برخی از پژوهشگران فعال در عرصه یادگیری عمیق به بررسی و تحلیل دقیق‌تر این شبکه‌ها و مقاوم‌سازی آن‌ها نسبت به اینگونه حملات معطوف گردد.

کلان داده

جاودانگی مجازی با فناوری ساخت انسان‌های دیجیتال

در این مقاله به بررسی محصولی منبعث از فناوری هیجان انگیزی می‌پردازیم که از ترکیب چندین فناوری پیاده شده در زمینه راهکارهای دیجیتال و هوش مصنوعی نشأت می‌گیرد. این محصول، تجسم رویایی است که خاطره خوش همصحبتی با عزیزان درگذشته را زنده می‌سازد.

کلان داده

هوش مصنوعی چگونه به شناخت شخصیت افراد کمک می­‌کند؟

شخصیت ترکیبی از رفتار، عواطف، انگیزه و ویژگی­های الگوی فکری افراد است. افراد در روابط با یکدیگر، نحوه تعامل، و در موقعیت­های مختلف زندگی، تحصیلی و کاری ویژگی­های شخصیتی و هیجانی متفاوتی از خود بروز میدهند. مجموعه تمام این ویژگی­ها، ویژگی­های شخصیتی افراد را شامل میشود. طی سال­های اخیر ساختن سیستم­های هوشمند تشخیص شخصیت افراد با استفاده از ورودی­های مختلف و چند وجهی مانند متن، ویدیو و صدا و با کمک الگوریتم­های هوش مصنوعی از سری موضوعات مهم و جنجالی محسوب میشود. در این مقاله، مدل‌های یادگیری ماشینی که برای تشخیص شخصیت به کار گرفته شده‌اند، معرفی شده است. این مقاله محبوب‌ترین رویکردها برای تشخیص خودکار شخصیت، مجموعه داده‌های محاسباتی مختلف، کاربردهای صنعتی آن و مدل‌های پیشرفته‌ی یادگیری ماشین برای تشخیص شخصیت با تمرکز ویژه بر رویکردهای چندوجهی ارائه می‌کند. تشخیص شخصیت موضوعی بسیار گسترده و متنوع است: این مقاله فقط بر رویکردهای محاسباتی تمرکز دارد و مطالعات روانشناختی در مورد تشخیص شخصیت را کنار گذاشته است.

اینترنت اشیاء

سامانه ردیابی اشخاص و اشیا

در این مستند بخش‌های مختلف سامانه ردیابی اشخاص و اشیا به مخاطب ارائه ‌‌‌‌می‌شود و او را با نحوه پیاده سازی و نکات کلیدی در پیاده سازی هر بخش آشنا می‌کند. در این سامانه از فناوری‌های نظیر 1- هوش مصنوعی در شاخه‌های بینایی ماشین، تشخیص اشیا و چهره‌ها 2-روش‌های مختلف پردازش تصویر 3-ایجاد کلان داده 4-آنالیز داده و مصور سازی داده استفاده شده است که در این مقاله به روش استفاده از هر کدام، در هر زیر سامانه ‌‌می‌پردازیم.

شبکه های مخابراتی

استفاده از هوش مصنوعی در شبکه‌های نرم‌افزارمحور

با رشد سریع اطلاعات و داده‌ها، فشار بر پهنای باند شبکه روز به روز در حال افزایش است.  معماری‌های سنتی شبکه  دیگر نمی‌تواند پاسخگوی نیازهای روزمره کاربران باشد. ظهور شبکه‌های نرم‌افزار محور [1](SDN) فرصت‌ها و چالش‌های جدیدی را در زمینه شبکه‌های آینده به ارمغان می‌آورد.  به دلیل انعطاف پذیری بالا و قابلیت برنامه‌ریزی شبکه‌های نرم‌افزار محور، عملکرد این شبکه‌ها تا حد زیادی نسبت به شبکه‌های سنتی بهبود پیدا کرده است. از طرفی استفاده از هوش مصنوعی[2] (AI) در سال‌های اخیر در بسیاری از فناوری‌ها توسعه پیدا کرده و نتایج خوبی حاصل گردیده است. لذا، محققین حوزه مخابرات به دنبال استفاده از هوش مصنوعی در شبکه‌های نرم‌افزار محور هستند تا منابع شبکه به صورت بهینه بین کاربران تخصیص یابد و عملکرد شبکه به مراتب بهبود یابد. بنابراین در این مقاله، ابتدا پیش‌زمینه‌ای راجع به هوش مصنوعی و شبکه‌های نرم‌افزار محور مطرح می‌شود و سپس به بیان هوشمندسازی شبکه‌های نرم‌افزار محور با استفاده از هوش مصنوعی برای حل مسئله‌ی کنترل ترافیک شبکه پرداخته می‌شود.

کلان داده

ارتقای عملکرد مراکز تماس با هوش مصنوعی

مراکز تلفنی سنتی در پاسخگویی بهینه به نیازهای متنوع مشترکین با چالش‌هایی مواجه شده‌اند. از طرفی رضایت‌مندی مشتریان و سنجش

کلان داده

کاهش هزینه در اپراتورها به کمک فناوری‌های هوش مصنوعی

شرکت‌ها و اپراتورهای مختلف دنیا به دنبال بهبود خدمات و ارائه سرویس­های متنوع به مشترکین خود هستند. افزایش تقاضا و حرکت به سمت نسل پنجم ارتباطی، باعث ایجاد فرصت­های فراوان برای کسب­و کارهای مختلف شده است. از طرفی چالش­های مدیریت هزینه و افزایش بهره­ وری در اپراتورها بیش از گذشته احساس می­شود. در این مقاله ضمن معرفی چالش­های اصلی اپراتورها، نحوه کاهش هزینه به کمک فناوری­های هوش مصنوعی بیان خواهد شد. به طور مشخص، با پیاده­سازی اتوماسیون فرایند رباتیک (RPA) و خودکارسازی فرایندهای جاری در مدیریت شبکه و ارائه سرویس ضمن صرفه­جویی در زمان، هزینه نیروی انسانی و نگهداری تجهیزات بطور چشمگیری کاهش خواهد یافت. پس از معرفی، برخی از کاربردها و مصادیق استفاده از RPA در اپراتورها را بیان خواهیم کرد. استفاده از ظرفیت­های RPA به اپراتورها کمک کرده کیفیت ارائه سرویس را افزایش داده و به شرکت‌ها کمک می­کند تا در مسیر تبدیل شدن به کسب‌وکارهای دیجیتالی کارآمدتر و چابک‌تر شوند.

شبکه های مخابراتی

5G بزرگ‌ترین متحد هوش مصنوعی

هوش مصنوعی یکی از برجسته‌ترین عناوین فناوری به‌شمار می‌رود. هوش مصنوعی شبیه‌‌سازی فرآیندهای هوش انسانی توسط ماشین‌ها به ‌ویژه سیستم‌های

شبکه های مخابراتی

کاربردهای هوش مصنوعی در شبکه‌های مخابراتی

علی‌رغم مطرح شدن رویکردهای متعدد در زمینه هوشمندسازی کسب‌وکارها و صنایع در سال‌های اخیر که حتی تعاریفی نظیر بازمهندسی فرآیندها را نیز دربر می‌گیرند، محقق شدن تحول دیجیتال در آینده‌ای نزدیک مستلزم تحقق اتصال هوشمند در نتیجه هم‌افزایی هوش مصنوعی و 5G خواهد بود. در این بین، هوش مصنوعی منبع کلیدی تحول و عینیت‌بخشی به ظرفیت‌های ایجاد شده در نتیجه ارائه اتصال فوق پهن‌باند و اینترنت اشیاء انبوه در قالب 5G است و عمق بهره‌برداری از آن، عامل تعیین‌کننده مزیت رقابتی کسب‌وکارها در صنایع مختلف و خلق ارزش در اقتصادها و جوامع در سراسر جهان خواهد بود. با این‌حال، اپراتورهای مخابراتی غالباً در به‌کارگیری هوش مصنوعی پیشرفت محدودی داشته‌اند. ازجمله موانع موجود در مسیر اپراتورها در به خدمت گرفتن هوش مصنوعی می‌توان به عدم اولویت‌دهی راهبردی به این موضوع در سطوح کلان و سیاست‌گذاری، کمبود سرمایه انسانی متخصص، محدودیت در منابع سرمایه‌گذاری و مقررات اغلب نامشخص و غیرشفاف در حوزه‌هایی نظیر حریم خصوصی افراد، مالکیت و بهره‌برداری از داده‌ها و محدودیت‌های مقرراتی در نرخ‌گذاری پویای خدمات، اشاره کرد. در این مقاله، ضمن دسته‌بندی حوزه‌های بهره‌برداری از هوش مصنوعی توسط اپراتورهای مخابراتی، چند مصداق عملیاتی کاربرد هوش مصنوعی توسط اپراتورها را مورد بررسی قرار می‌دهیم.

شبکه های مخابراتی

ذخیره‌سازی ابری مسیری هموار برای توسعه 5G  رونوشت

وقتی به یک شرکت مخابراتی فکر می‌کنیم، تصور ما زیرساخت‌های سنگین متشکل از برج‌ها، فرستنده‌ها، مراکز داده، کابل‌ها و سیم‌ها و غیره است اما شاید شنیده باشید که ودافون، راکوتن و دویچه تلکام بخش‌هایی از زیرساخت خود را به ابر عمومی منتقل کرده‌اند و این روند قرار است تا سال‌های آتی ادامه یابد. رایانش ابری در مخابرات پتانسیل بالایی دارد و با توجه به نتایج نظرسنجی سالانه توسط وبسایت Telecoms.com سه حوزه فناورانه 5G، ابر و تحول دیجیتال جزو اولویت‌های اصلی شرکت‌های مخابراتی برای سرمایه‌گذاری در سال‌های آتی خواهد بود (شکل 1).

پیمایش به بالا