• Posted by icasat
• 16 August 2025
• مقالات

انسان‌ها بیش از پیش مصرف می‌کنند. تعداد ما بیشتر از هر زمان دیگری شده و به فناوری‌های نوین و دسترسی گسترده‌تر به اطلاعات که این فناوری‌ها برای زندگی ما به ارمغان آورده‌اند، عادت کرده‌ایم. برای کسب‌وکارهای صنایع بزرگ – کشاورزی، انرژی، دریایی، معدن و حمل‌ونقل – این مسئله تأثیر قابل‌توجهی دارد. تولیدکنندگان باید فرآیندهای استخراج خود را بهینه کنند، تولیدکنندگان کالا باید امکان ردیابی محصولات از مرحله استخراج اولیه تا مقصد نهایی را فراهم سازند و تأمین‌کنندگان نیز باید اطلاعات بیشتری در مورد کالاهایی که تحویل می‌دهند ارائه کنند.

داده‌هایی که توسط فناوری‌های هوشمند مانند «اینترنت صنعتی اشیا» (IIoT) تولید می‌شوند، این تغییرات را ممکن ساخته‌اند و برای کسب‌وکارهای فعال در این صنایع، به عامل تمایز کلیدی تبدیل شده‌اند. هر کسب‌وکار باید بتواند داده‌ها را به‌طور مؤثر جمع‌آوری کند تا کارایی‌های جدیدی ایجاد کرده و آن‌ها را در اختیار مشتریان قرار دهد، پیش از آنکه رقبا از آن‌ها پیشی بگیرند.

برای مطالعه فایل کامل کلیک کنید.

• Posted by icasat
• 22 April 2025
• مقالات

مدیریت عملیات معدن

• بر شرایط محیطی معادن خود نظارت کنید، قوانین مربوط به بیزینس خود را تنظیم کرده و مقادیر آستانه را برای تشخیص شرایط خطرناک مانند وجود گازهای سمی، رطوبت بیش از حد یا اکسیژن و غیره اعمال کنید.
• معدن خود را حصار کشی جغرافیایی کنید، حرکت نیروی انسانی و دارایی های سرمایه ای خود را ردیابی و کنترل کنید، هنگامی که دارایی ها به مرز حصار جغرافیایی نزدیک شوند، هشدارها فعال می شوند.
• به طور خودکار فن های اگزوز را روشن کنید یا یک تونل را بر اساس داده های آنی و بدون وقفه که از حسگرهای موجود در معدن استخراج می شوند، خاموش کنید.
• شناسایی و ثبت خودکار نقض‌مقررات و ادغام آن با سیستم‌های گزارش‌دهی نظارتی برای گزارش‌دهی بصورت خودکار.

برای مطالعه فایل کامل کلیک کنید.

• Posted by icasat
• 26 October 2024
• مقالات

قسمت اول – راهنمای تدوین
نگارش: علی مرشدسلوک، فعال در حوزه هوش مصنوعی
مهر ،1403 نسخه 1

مقدمه
در پی تدوین سند ملی هوش مصنوعی کشور ایران در سال 1403 توسط سازمان ملی هوش مصنوعی و با توجه به حاشیه هایی که پیرامون نقد و نیاز به تکمیل این سند ملی هوش مصنوعی مطرح شد، مصمم شدم چارچوبی جامع برای یک سند ملی هوش مصنوعی به عنوان یک قالب راهنما و با هدف مساعدت و مشارکت با سازمان محترم ملی هوش مصنوعی برای تدوین نسخه بعدی سند ملی هوش مصنوعی کشور تهیه کنم، که در این نوشتار به عنوان قسمت اول در قالب راهنمای کلی تدوین سند استراتژی به آن اشاره شده است. این مقاله با بررسی سند ملی برخی کشورهای دیگر و همینطور آموزه های کلی طرحریزی استراتژیک و با کمک گیری از منابع اینترنت و البته خود هوش مصنوعی گردآوری و تدوین شده است.

در قسمت دوم این مقاله نگاهی به سند ملی هوش مصنوعی کشورهای آمریکا، اتحادیه اروپا، چین و سنگاپور پرداخته ایم. این سند برای تدوین سند استراتژی هوش مصنوعی سازمانها نیز قابل الگو برداری بوده و در قسمت سوم این مقاله با رویکرد سازمانی به موارد کاربردی در حوزه نفت و گاز نیز اشاره شده است.

از انتقادات و پیشنهادات کلیه علاقمندگان و مطالعه کنندگان این سند، به مشارکت در تدوین و تکمیل این سند استراتژی هوش مصنوعی دعوت می نماید تا با ارسال نظرات خود به اینجانب نگارنده این مقاله (علی مرشدسلوک) یاری رسانده تا کلیه اصلاحات در نسخه های بعدی منعکس گردد.

نگارنده دارای مدرک کارشناسی و کارشناسی ارشد کامپیوتر از دانشگاه شریف و دارای مدرک دکترای حرفه ای مدیریت استراتژیک DBM بوده و عضو انجمن رمز ایران، و عضو کمیسیون های هوش مصنوعی، کمیسیون اینترنت اشیا و کمیسیون اینترنت و انتقال داده سازمان نظام صنفی رایانه ای تهران می باشد.

برای مطالعه فایل کامل چارچوبی برای تدوین سند ملی هوش مصنوعی – قسمت اول کلیک کنید.

برای دریافت فایل PDF سند ملی هوش مصنوعی ایران کلیک کنید.

 چارچوبی برای تدوین سند ملی (استراتژی) هوش مصنوعی کشور | LinkedIn

• Posted by icasat
• 17 August 2024
• مقالات

Grok  ایلان ماسک (Elon Musk )یک LLM منبع باز است که بر روی داده های کاربر X (توئیتر سابق) آموزش دیده است که رقیب منبع باز  ChatGPT و Claude.AI Anthropic است.

هر سه LLM از نوع B2C  بوده و یک اصل را به اشتراک می گذارند: آموزش یک LLM از مجموعه داده ها (دیتا ست) برای پاسخ به سؤالات کاربر.

تفاوت ها در جزئیات است:

1 .  در دسترس بودن

می توانید اشتراک GPT 4 یا Claude Pro را در سایت های مربوطه با 20 دلار ماهانه دریافت کنید.

Grok  ماهانه 16 دلار هزینه دارد و مستقیماً در پلتفرم X در دسترس است. برخلاف دو مدل دیگر، این مدل یک مدل منبع باز نیز هست.

بنابراین توسعه دهندگان می توانند بدون پرداخت هزینه مجوز از Grok استفاده کنند.

2 . مجموعه داده ها

هر سه LLM با داده های در دسترس عموم آموزش دیده اند. ChatGPT بر روی گسترده ترین مجموعه داده ها آموزش دیده است، در حالی که Claude.AI از منابع محدودتری استفاده می کند.

همراه با مجموعه داده های عمومی، Grok  همچنین در مورد داده های کاربر X نیز آموزش می بیند. برخلاف ChatGPT و Claude.AI، Grok  از داده های کاربر در زمان واقعی از X استفاده می کند تا به سوالات پاسخ دهد.

بنابراین Grok پاسخ های به روزتری را نسبت به دو مورد دیگر ارائه می دهد.

3 . عملکرد

هوش مصنوعی Grok  عموماً کمی بدتر از ChatGPT و Claude AI در دقت واقعی و تولید متن به صورت خلاقانه عمل می کند.

از آنجایی که گروک بر روی داده های رسانه های اجتماعی آموزش دیده است، گروک نیز به سمت منابع رسانه های اجتماعی تعصب دارد، بنابراین نسبت به دو مورد دیگر قابل اعتمادتر است.

4 . سبک مکالمه

هر دو ChatGPT و Claude.AI سبک های مکالمه خنثی و مودبانه ای دارند. هر دو پرسش های بحث برانگیز را رد می کنند و هدفشان ارائه پاسخ های حساس و درست از نظر سیاسی است.

از سوی دیگر، گروک شخصیتی شوخ طبع و رگه ای سرکش دارد. طنز را به پاسخ های خود تزریق می کند و سوالات بحث برانگیز تری را نسبت به ChatGPT و Claude.AI مطرح می کند.

5 . موارد استفاده

ChatGPT  و Claude AI هر دو LLMهای همه منظوره هستند. می توانید از آنها برای تحقیق، نوشتن مطالب کوتاه یا حل مسائل ساده استفاده کنید.

می‌توانید همین کار را در Grok انجام دهید، ‌علاوه بر اینکه پیشرفت‌های بی‌درنگ را در X دنبال کنید. بنابراین، Grok از بازاریابی و ردیابی رسانه‌های اجتماعی بیشتری استفاده می‌کند که ChatGPT و Claude.AI از آن استفاده نمی‌کنند.

PDF دانلود فایل 

• Posted by icasat
• 11 August 2024
• مقالات

اکتشاف آینده هوش مصنوعی مولد

ظهور مدل‌های زبانی کوچک

مدل‌های زبانی کوچک سیستم‌های هوش مصنوعی سفارشی‌سازی شده‌ای هستند که برای درک و تولید زبان مخصوص نیازهای کسب‌وکار طراحی شده‌اند. این مدل‌ها دقت و کارایی بیشتری را در حوزه‌های تخصصی ارائه می‌دهند و در انجام وظایف مرتبط با زمینه خاص، عملکرد بهتری نسبت به مدل‌های بزرگ‌تر دارند.

آموزش بر اساس داده‌های خاص حوزه

مدل‌های زبانی کوچک (SLM) بر اساس داده‌های خاصی آموزش می‌بینند تا اطمینان حاصل شود که آن‌ها به زبان و نیازهای عملیاتی منحصربه‌فرد یک سازمان دقیقاً تنظیم شده‌اند.  این رویکرد آموزشی منجر به تولید زبان مرتبط‌تر و دقیق‌تر می‌شود و از مشکلات مدل‌های یک‌دست جلوگیری می‌کند.

کاربردهای دنیای واقعی مدل‌های زبانی کوچک

با توجه به کارایی مدل‌های زبانی کوچک و توانایی آن‌ها در اجرا بر روی منابع محاسباتی حداقل، پیش‌بینی می‌شود که آن‌ها در طیف گسترده‌ای از ابزارهای روزمره تعبیه شوند.

بهترین SLMs های موجود