هوش مصنوعی

این پرسش که آیا می توان ماشینی اختراع کرد که قادر به انجام رفتارهایی حتی هوشمندانه تر از انسان باشد، حتی پیش از پیدایش رایانه های قدرتمند و داده های هوش مصنوعی نیز مطرح بود. پیشتر برخی از اندیشمندان زبان شناس و فیلسوفان زبان بر این باور بودند که این کار شدنی نیست. ایده بهره برداری از هوش مصنوعی، وتسهیل در بهره وری در حیطه های مختلف علوم ایده ای درست و ضروری بود، اما ابزار تحقق آن مکانیک نبود. مکانیک بستر مناسبی برای ایجاد اکمال متقابل زبان شناسی، منطق، آمار و ریاضی بر حول مکانیک، نبود و چابکی لازم را برای امکان بهره برداری از دستاوردهای خود در تحقق ترجمه ماشینی را فراهم نمی کرد. با ظهور پدیده ای به نام دیجیتال، نه تنها رویه های منطق صوری به سمت منطق نوین و ریاضیات به ریاضیات جدیدتمایل پیدا کرد، بلکه گرایشات نوینی در پژوهش های زبانشناختی متناسب با حضور در بستر دیجیتال شکل گرفت و به سرعت پیشرفت کرد. در این مقاله سعی شده است پس از ارائه مختصری از تاریخچه موضوع و چارچوب نظری آن؛ به چگونگی دستاوردهای بدست آمده پرداخته شود و چشم انداز آتی آن با توجه به متد های انتخاب شده، ترسیم گردد. نویسنده مقاله ضمن ارائه تجربیات شخصی خود در این عرصه، بر ایجاد بانک منابع بنیادی متنوع در حیطه زبانشناسی نوین تاکید دارد. به زعم وی، موفقیت های و دستاوردهای آینده، منوظ به تقویت داده های نوین و مورد نیاز زیرساختی در حیطه زبانشناسی، بعنوان یک علم بین رشته ای با تکنولوژی به منظور کسب دستاوردهای کاربردی، اجتناب ناپذیر است.

در میان مسائل فلسفه ذهن، نظریه کارکردگرایی، ذهن را یک کارکرد می داند که ورودی را به خروجی تبدیل می کند. براساس این نظریه، با پذیرش تحقق چندگانه حالات ذهنی، می توان حالات ذهنی را در غیر انسان نیز یافت. ازآنجاکه کارکردگرایی بر نفی تجرد روح استوار است، دارای اهمیت خواهد بود. از سوی دیگر، علم النفس سینوی، هم نفس و هم تجرد آن را اثبات کرده است. ازجمله براهین برای اثبات نفس، برهان انسان معلق در فضاست و نیز برای اثبات تجرد نفس براهینی آورده که بر سلب ویژگی های بدنی و نفس جسمانیت نفس دلالت دارد.دیدگاه کارکردگرایی نیز لوازمی دارد که براساس حکمت سینوی مورد نقد و ارزیابی قرار گرفت. ازجمله اینکه تمایز اشخاص براساس نظریه کارکردی ذهن، مادی انگارانه است؛ درحالی که حکمت سینوی ملاک صحیح را نفس مجرد می داند. بنابراین براساس حکمت سینوی، نظریه کارکردی ذهن دچار اشکالات متعدد و اساسی ای است که نمی توان با وجود آنها از نظریه کارکردی ذهن دفاع کرد. این تحقیق در پی آن است که نظریه کامپیوتری ذهن و برخی لوازم آن را از منظر حکمت سینوی با روش تحلیلی توصیفی مورد بررسی قرار دهد.

با توجه به شرایط رقابتی اقتصاد کشورها و بحران های اقتصادی ایجاد شده در سطح بین المللی و داخل کشور، نیاز به یک مدل مناسب برای پیش بینی ورشکستگی شرکت های کشور احساس می شود. تصمیم گیران کلان اقتصادی، سازمان های اقتصادی کشور و سیستم بانکی با استفاده از این مدل ها توانایی اتخاذ تصمیمات دقیق تر و با عوارض کمتری را دارا خواهند بود. همچنین مدل های فوق در سطح خرد نیز برای تصمیم گیری برای سرمایه گذاری های آتی قابل استفاده می باشد. در این تحقیق با پیاده سازی یک سیستم منسجم و هوشمند مبتنی بر شبکه عصبی، ماشین های بردار پشتیبان و یادگیری تشدید شده و در کنار آن استفاده از الگوریتم های بهینه سازی رقابت استعماری، الگوریتم فرهنگی و جستجوی هارمونی سعی شده است تا حد امکان نواقص مدل های پیشین در سطح بین الملل رفع شود. علاوه بر آن با همکاری سازمان امور مالیاتی کشور مقیاس بررسی سیستم به داده های کل کشور تعمیم یافته است که بررسی در ابعاد فوق در سطح بین الملل منحصر به فرد می باشد. تعداد نمونه های مورد بررسی در صنعت موادغذایی و نساجی به ترتیب برابر با ۵۸۲۵ و 4089 می باشد که با اعمال معیار قانونی ورشکستگی به ترتیب ۹۹۹ و ۸۴۸ نمونه شرایط ورشکستگی را در دو سال مورد بررسی دارا بوده اند. نتایج نشان دهنده برتری عملکرد ترکیب ماشین بردار پشتیبان با الگوریتم های بهینه سازی جستجوی هارمونی و رقابت استعماری در شرایط عدم حذف داده های پرت می باشد Abstract Due to the competitiveness of nations' economies and the recent financial crisis at both national and international levels, the need for an effective model to predict the bankruptcy of domestic companies is felt more than ever. Macroeconomic decision makers, economic agencies, and the banking system can benefit from this modeling to make more accurate decisions and reduce undesired outcomes. These models can also be used at the microeconomic level to help with decision-making for future investments.In this research, by implementing an intelligent and coherent system based on Artificial Neural Network (ANN), Support Vector Machine (SVM), Extreme Learning Machine (ELM), and utilizing Imperialist Competitive Algorithm (ICA), Cultural Algorithm (CA) and Harmony Search (HS), we have attempted to improve on the shortcomings of existing models used internationally. Furthermore, in a joint effort with the Iranian National Tax Administration (INTA), the evaluation scale has been extended to incorporate nationwide data which makes the scope of the work unprecedented in the world. The number of examined samples are 5825 and 4089 respectively in the food and textile sectors, and by applying bankruptcy criteria 999 and 848 samples were detected as bankrupt companies. We found the best performance in the combination of support vector machine with harmony search and imperialist competitive algorithm in terms of not using outlier detection.

با بررسی های پژوهش های پیشین مشخص شد که بیشتر مطالعات صورت گرفته درباره بررسی توانمندی های زنجیره تأمین پایدار به صورت آزمون های آماری و مدل سازی های ریاضی محدود به چند متغیر است. هدف این پژوهش، ارائه یک مدل ارزیابی توانمندی های چندگانه و همچنین تعیین نقش این توانمندی ها در سیستم ارزیابی زنجیره تأمین پایدار است. پس از تعیین قواعد مدل سازی، مدل ریاضی تهیه می شود. قلمرو مکانی انجام این پژوهش شامل 16 شرکت فعال در صنعت کاشی و سرامیک در ایران است. نتایج ارزیابی نشان می دهد که بیشتر شرکت های موردمطالعه از نظر توانمندی در سطح 2 قرار می گیرند؛ ازاین رو پیشنهاد می شود شرکت های تولیدکننده صنعت کاشی و سرامیک برای ارزیابی سطح توانمندی و تعیین شکاف توانمندی های خود، نسبت به بهره برداری از این متغیرها اقدام نمایند. در این پژوهش از ابزار چک لیست برای پالایش معیارها با کاربرد دلفی فازی استفاده شده؛ سپس با مطالعه مدل های ارزیابی، مدل مناسب تهیه شد. سپس با استفاده از فرآیند تحلیل سلسله مراتبی اقدام به مقایسه و نهایی کردن معیارها شده است؛ همچنین با استفاده از سیستم خبره فازی (FIS and ANFIS) نسبت به نهایی سازی معیارها اقدام شده است. بر پایه مدل تهیه شده نتیجه مدل راستی آزمایی گردید. شبیه سازی مدل با استفاده از نرم افزارهای MATLAB و Simulink انجام شد.

هدایت درست و تخصیص بهینه منابعِ مالی سبب افزایش تولید و رشد ناخالص ملی، ایجاد شغل و افزایش رفاه عمومی می شود. پژوهش حاضر با هدف ارایه یک استراتژی سرمایه گذاری تلاش می کند مسیر پیشرفت شرکت سرمایه گذار را در بازارهای مالی هموار کند. بنابراین، پژوهش پیش رو را می توان از نظر هدف کاربردی دانست. همچنین با توجه به اینکه در تحقیق حاضر از مدل ریاضی ، مدلسازی، هوش مصنوعی و ... بهره گرفته شده و بهینه سازی پورتفوی شرکت سرمایه گذار را با مدل پیشنهادی مورد ارزیابی قرار میدهد، لذا از نوع تحقیقات کمی و توصیفی می باشد. این پژوهش عملکرد مدل پیشنهادی را در سه حالت: شرکت سرمایه گذار محتاط، میانه رو و ریسک پذیر ارزیابی نمود. نتایج به دست آمده نشان داد که برای هر سه حالت، استراتژیِ ارایه شده به طور قابل توجهی بهتر از شاخص بازار و سایر استراتژی های پیشین عمل می کند.در پایانِ دوره سرمایه گذاری، پورتفوی ریسک پذیر نسبت به سایر پورتفوی ها از ارزش بالاتری برخوردار بود. از سوی دیگر، پورتفوی محتاط، بازدهِ پایدار و باثبات تری کسب کرده است.این نتایج آشکار نمود که برنامه ریزی فازی ارائه شده قادر است خصوصیات و تمایلات شرکت سرمایه گذار را در ترکیب پورتفوی منعکس کند.

در دنیای امروز، فناوری اطلاعات و سیستم های اطلاعاتی، دیگر تنها یک ابزار کار یا منبعی از منابع تولید نیستند؛ بلکه فناوری اطلاعات بستر مناسب را برای بکارگیری سیستم های اطلاعاتی فراهم می کند و سیستم های اطلاعاتی فرایندی است که از طریق فناوری اطلاعات اجرا می شود. توسعه فناوری اطلاعات و ارتباطات، زندگی بشر امروز و عملیات سازمان ها را همراه با هم تحت تاثیر قرار داده است اما در سازمان های امروز شاید کمتر فعالیتی به اندازه کاری که حسابداران و سیستم اطلاعاتی حسابداری انجام می دهند از آثار و تبعات این جهش های علمی و فنی تاثیر پذیرفته باشد. این پژوهش به دنبال بررسی نقش هوش مصنوعی در تحقق اهداف حسابرسی صورت های مالی می باشد.

"ارزیابی" همیشه یک چالش اساسی در توسعه نرم افزارهای مبتنی بر هوش مصنوعی (AI) به دلیل پیچیدگی فنی نرم افزار و فرآیندهای پیچیده اجتماعی – فنی موجود درآن، بوده است. پیشرفت های اخیر در یادگیری ماشین (ML) که توسط شبکه های عصبی عمیق امکان پذیر شده است ، چالش ارزیابی چنین نرم افزارهاییی را به دلیل ماهیت مبهم این محصولات مصنوعی مبتنی بر ML ، تشدید کرده است. یک موضوع مهم کلیدی ، توانایی (ناتوانی) این سیستم ها در تولید توضیحات مفید در مورد خروجی هایشان است و ما معتقدیم که مسائل توضیح و ارزیابی به طور تنگاتنگی با هم مرتبط هستند. این مقاله عناصر یک سیستم AI مبتنی بر ML را در زمینه برنامه های تصمیم گیری بخش دولتی (PSD) شامل هوش مصنوعی و انسانی مدل سازی می کند ، و در ارزیابی و توضیح، این عناصر را بر خلاف مسائل ترسیم می کند و نحوه ارتباط این دو را نشان می دهد. ما با توجه به مدل خود تعدادی مدل کاربرد PSD متداول را در نظر می گیریم و مجموعه ای از موضوعات اصلی مرتبط با توضیح و ارزیابی را در هر مورد شناسایی می کنیم. در نهایت ، ما چندین استراتژی را برای ترویج پذیرش گسترده تر فناوری های AI / ML در PSD پیشنهاد می کنیم ، به طوری که هر کدام بر اساس تمرکز بر عناصر مختلف مدل ما تفکیک می شوند ، و به سیاست گذاران PSD اجازه می دهد رویکردی که متناسب با زمینه و نگرانی های آنها باشد، انتخاب کنند.

هدف: پژوهش حاضر با هدف میزان آگاهی و استفاده کتابداران کتابخانه های دانشگاهی از فناوری هوش مصنوعی انجام شد. روش پژوهش: پژوهش حاضر، توصیفی-پیمایشی از نوع کاربردی است. جامعه آماری تمامی کتابداران کتابخانه های دانشگاه علوم پزشکی جندی شاپور و شهید چمران اهواز که از روش سرشماری استفاده شد و در نهایت تعداد 79 پاسخنامه جمع آوری شد. داده ها با استفاده از پرسشنامه وود و آلن (2018) جمع آوری و با نرم افزار اس. پی.اس. اس. نسخه 24 تجزیه و تحلیل شد. یافته ها: یافته ها نشان داد وضعیت استفاده و تعامل کتابداران در کتابخانه در رابطه با هوش مصنوعی و دستیاران مجازی (داده های مربوط به کتابخانه های برخوردار از هوش مصنوعی و دستیاران مجازی) معادل  295/3 است که در مقایسه با عدد معیار اختلاف معناداری وجود دارد. اکثر کتابداران در خصوص استفاده مسئولین کتابخانه از  قابلیت های مبتنی بر هوش مصنوعی به عنوان ابزاری برای ارتباط با اعضاء معتقدند از این ابزار استفاده نمی شود. در خصوص برگزاری کارگاه آموزشی مربوط به هوش مصنوعی یا دستیاران مجازی اکثر کتابدارن عنوان کردند که این کار انجام نمی شود. اکثر کتابداران (2/53 درصد) عقیده دارند که  هوش مصنوعی تأثیرگذاری مثبت بر کیفیت ارائه خدمات کتابخانه دارد.  نتیجه گیری: استفاده از فناوری هوش مصنوعی و دستیاران مجازی در کتابخانه ها جهت سهولت فعالیت های کتابخانه ای در جامعه اطلاعاتی امروز، یک امر مهم است که باید مورد توجه قرار گیرد و زیرساخت های لازم جهت استفاده از این فناوری ها ایجاد شود. این سیستم ها گرچه در همه موارد نمی توانند جایگزین مناسبی برای کتابداران باشند اما وجود آن ها در کتابخانه ضرورتی است که نمی توان آن را نادیده گرفت.

تاکنون توصی ههای دقیقی برای مهندسان معمار جهت تعیین ابعاد مناسب پنجره با رویکرد کاهش مصرف انرژی برای فضاهای آموزشی ارائه نشده است. برای آنکه طراحان فضاهای آموزشی ب هدوراز محاسبات هزین هبر و وق تگیرِ شبیه سازی انرژی قادر به تعیین سطح مناسب پنجره و یا حداقل اولویت بندی گزین ههای ممکن نورگیری باشند، در تحقیق حاضر بر پایه هوش مصنوعی ساختاری جدید ارائه شده است که م یتواند هزینه انرژی را در مدت بهر هبرداری از یک کلاس درس استاندارد، به عنوان مه مترین بخش فضای آموزشی، پی شبینی نماید. بدین منظور، 288 سناریوی نورگیری شبیه سازی شده و نتایج حاصله برای آموزش شبک ه عصبی مصنوعی استفاد هشد ه است. آزمو نهای شبکه آموزش نشان م یدهد که ساختار پیشنهادی ب هخوبی م یتواند جایگزین مدل شبیه ساز مصرف انرژی گردد و طراح تنها با مشخص نمودن جهت نورگیری و نسبت سطح پنجره به سطح دیوار کلاس م یتواند هزینه مصرف گاز و الکتریسیته را در مدت بهر هبرداری با دقت بسیار خوبی پیش بینی نماید.

هیوبرت دریفوس با روش پدیدارشناسانه خود که برگرفته از آموزه های هیدگر و مرلوپونتی است، دو پارادایم هوش مصنوعی، یعنی نمادگرایی و پیوندگرایی را به نقد می کشد. وی سپس جریانی را از پارادایم سوم هوش مصنوعی، یعنی حیات مصنوعی با قید شروطی ویژه می پذیرد. این جریان به هوش مصنوعی هیدگری مشهور است. در این مقاله با بیان اجمالی نقد های دریفوس بر دو پارادایم نخست هوش مصنوعی، رأی نهایی وی در خصوص امکان پذیرش هوش مصنوعی هیدگری بررسی می شود. به نظر نویسنده این مقاله، دست کم به سه طریق می توان امکان هوش مصنوعی هیدگری بر مبنای نظریات دریفوس را نشان داد. راهکار نخست با استفاده از رهیافت دنیل سوسر و بر اساس تعاملگرایی ارائه می شود؛ راهکار دوم با استناد به دیدگاه جان سرل و تفکیک هوش مصنوعی قوی و ضعیف بیان می شود؛ راهکار سوم باتوجه به آموزه هم تحققی، میان آگاهی، هوشمندی و رفتار هوشمندانه نشان می دهد که این امکان به چه ترتیب میسّر است. 

استفاده از فناوری های نوین مبتنی بر هوش مصنوعی در سال های اخیر پیشرفت های بی سابقه ای داشته است. ابعاد حقوقی مسائل مرتبط با این فناوری ها از جنبه های مختلف قابل بررسی است. این پژوهش به طور خاص به مسئولیت مدنی موتورهای جست وجوگر اختصاص دارد و برای رسیدن به پاسخ این سؤال صورت گرفته است که چگونه می توان با تکیه بر قواعد عام مسئولیت مدنی مرورگرها را در صورت سوءاستفاده از داده ها مسئول شناخت؟ این مقاله با روشی توصیفی   تحلیلی به کنکاش در نظام مسئولیت مدنی ایران و خلأهای آن در مواجهه با فناوری های مبتنی بر هوش مصنوعی، به ویژه موتورهای جست وجوگر اختصاص یافته است و در این خصوص مبانی و ارکان مسئولیت مدنی موتورهای جست وجوگر در سوءاستفاده از داده های کاربران بررسی شده است. نتایج این پژوهش نشان دهنده به روز نبودن، تقصیرمحور بودن و ناکافی بودن نظام مسئولیت مدنی ایران درخصوص مسئولیت مدنی موتورهای جست وجوگر در سوءاستفاده از داده ها و حفظ حقوق کاربران است. با به رسمیت شناختن شخصیت حقوقی مرورگرها، استفاده از ابزارهای مختلف مانند بیمه اجباری مسئولیت مدنی، پذیرش مسئولیت محض و تصویب قوانین خاص حاکم بر هوش مصنوعی می توان در جهت حفظ حقوق کاربران و جلوگیری از سوءاستفاده بنگاه های اقتصادی در فضای دیجیتال گام برداشت.

یکی از چالش های مهم در دادرسی های بین المللی کیفری، تحصیل دلیل معتبر است. فقدان وحدت جغرافیایی محل دادگاه و محل وقوع جرم و ممانعت دولت ها از دسترسی نهادهای بی طرف به ادله از دلایل این چالش برشمرده می شوند. در این شرایط، استفاده از فناوری های جدید را به منزله راهکار رفع این چالش می توان مورد توجه قرار داد. سامانه ردیاب تیراندازی در زمره فناوری های نوینی است که در این راستا مفید واقع می شود. سازوکار این فناوری، شناسایی و ثبت و انتقال فوری اطلاعات مربوط به استفاده از سلاح گرم به مراکز از پیش تعیین شده است و در دو بعد شهری و نظامی کاربرد دارد. بسیاری از جرایم بین المللی با استفاده از سلاح های گرم ارتکاب می یابند و ثبت و انتقال فوری اطلاعات مربوط به آن ها در دادرسی متأخر مفید خواهد بود. در این مقاله، به امکان سنجی کاربرد سامانه ردیاب تیراندازی در قبال سند مؤسس و آیین دادرسی پنج محکمه بین المللی کیفری که درحال حاضر فعال اند پرداخته شده است که از میان آن ها، دیوان بین المللی کیفری، به دلیل قاعده مندرج در بند 3 از ماده 69 اساسنامه رم و ویژگی های دائمی بودن و جهان شمولی، بیش از سایر محاکم ظرفیت استفاده از این فناوری را دارد.

هدف از پژوهش حاضر، بررسی تأثیر تکنولوژی هوش مصنوعی بر حسابداری پالایشگاه های کشور با تأکید بر پیش بینی مالی، شفافیت حسابداری و تصمیم گیری بهینه در سال 1400 است. این پژوهش به لحاظ هدف، کاربردی و به لحاظ نوع روش، توصیفی-همبستگی می باشد. جامعه آماری شامل کلیه کارکنان مدیریت مالی شرکت پالایش گاز فجر جم می باشد که به دلیل محدودیت دسترسی به جامعه آماری با وجود بیماری کووید 19، تعداد 150 نفر با استفاده از فرمول کوکران و با روش نمونه گیری تصادفی به عنوان حجم نمونه انتخاب شدند. ابزار گردآوری داده ها در این پژوهش، پرسشنامه محقق ساخته دارای 4 بُعد و حاوی 110 گویه بوده است. تحلیل داده ها نیز توسط نرم افزار SPSS نگارش 25 صورت پذیرفت. نتایج پژوهش نشان داد تکنولوژی هوش مصنوعی در پیش بینی مالی، شفافیت حسابداری و تصمیم گیری بهینه شرکت های پالایشگاهی، تأثیر مثبت و معناداری داشته است.

در عصر جدید با پیشرفت فناوریهای نوین، الگوریتم ها تقریباً در همه زمینه های زندگی ما حضور دارند. در دنیای حقوق نیز تعداد قابل توجهی از قراردادها توسط الگوریتم ها منعقد می شود؛ در این بین «قراردادهای الگوریتمی جعبه سیاه» از اهمیت ویژه ای برخوردارند. زیرا الگوریتم های جعبه سیاه (هوش مصنوعی) در تصمیم سازی کاملاً مستقل عمل می کنند و نحوه تصمیم گیری آنها برای کاربر انسانی قابل پیش بینی نیست. چگونگی تشکیل قصد انشاء سازنده قراردادهای الگوریتمی جعبه سیاه و قابلیت انتساب آن به کاربر انسانی از جمله مسائلی است که تحقیق حاضر در پی پاسخگویی به آن است. با بررسی های بعمل آمده می توان اظهار داشت که الگوریتم های جعبه سیاه بر خلاف الگوریتم های ساده و جعبه روشن در انعقاد عقود به نحو مستقل عمل می کنند. در این قراردادها قصد انشای سازنده عقد به کاربر انسانی قابل انتساب نیست، ولی می توان با قیاس از ملاک شکل گیری اراده (قوه تمیز) و کیفیات تشکیل قصد در صغیر ممیز و سفیه، وجود اراده در الگوریتم های جعبه سیاه (هوش مصنوعی) را اثبات کرد. در این زمینه، بازنگری در قوانین موجود و انطباق با فناوریهای جدید در زمینه حقوق رقابت، حریم خصوصی و حفاظت از دادها ضروری به نظر می رسد.

تجارت الکترونیک از پدیده های بسیار مهم منبعث از فناوری اطلاعات و ارتباطات است که تحولی بس شگرف در حجم و شیوه تجارت و کسب و کار ایجاد کرده است. اهمیت تجارت الکترونیک در دنیای کنونی که عصر ارتباطات و گستردگی فعالیتهای اجتماعی، اقتصادی، سیاسی وفرهنگی است، برکسی پوشیده نیست. از طرفی دیگر تحولات چندین سال اخیر در فناوری اطلاعات باعث نفوذ اینترنت در بین عموم مردم در سطح جهان و بویژه کشورهای پیشرفته شده است. میزان دسترسی در سطح جوامع پیشرفته به حدی گسترش یافته است که باعث شده است تا از آن به عنوان ابزاری برای رفع احتیاجات روزمره زندگی استفاده شود. رشد روز افزون فناوری به ویژه فناوری اطلاع رسانی (IT ) چه در سطح داخلی و چه در سطح بین المللی باعث شده است افراد بسیاری به اینترنت دسترسی داشته باشند به گونه ای که پیش بینی می شود در سال های نه چندان دور در منطقه آسیا، اقیانوسیه و آمریکای لاتین بیشترین تعداد کاربران اینترنت در جهان را خواهد داشت. این رشد بالای دسترسی عموم مردم به اینترنت باعث شده است تا امکان تجارت و کسب و کار از طریق اینترنت یا به عبارت بهتر تجارت الکترونیک و کسب و کار الکترونیکی از جایگاه ویژه ای برخوردار شده است. ویژگی های تجارت الکترونیکی از قبیل جهانی نمودن تجارت، برداشتن محدودیت های زمانی و مکانی، کاهش قیمت منابع جهت خرید، افزایش درصد فروش، عدم وجود محدودیت زمانی در معاملات، دسترسی آسان به اطلاعات لازم، کاهش چشمگیر هزینه های معاملاتی و بسی اری دیگ ر از مزایای تج ارت الکترونیک در چند دهه اخیر می باشد که به طور اجم الی می توان آنها را ذکر کرد.

امروزه ماهواره های مدار پایین نقش مهمی در جمع آوری مشاهدات مربوط به زمین و میدان گرانش حاکم بر آن ایفا می کنند. عوامل مختلفی بر دقت و صحت مشاهدات این ماهواره ها مؤثر هستند. ازجمله ی این عوامل، اصطکاک اتمسفری وارد بر ماهواره ها است که حتی می تواند پس از مدتی کارایی آن ها را با چالش مواجه کند. به همین دلیل تلاش های گوناگونی درصدد مدل سازی و پیش بینی عوامل مؤثر بر این نیرو برآمده است. مدل های تجربی ارائه شده برای چگالی اتمسفری نمونه ای از این تلاش ها است. باگذشت زمان و پیدایش خطاهای موجود در مدل های تجربی، تلاش برای اصلاح آن ها آغاز شد چراکه به دلیل ساده سازی ها و محدودیت های مشاهداتی، این مدل ها همواره با خطا همراه هستند و مقدار خروجی آن ها با مقدار واقعی چگالی اتمسفر، تطابق کامل ندارد . از دیگر سو، با گسترش علوم، روش های جدیدی مانند هوش مصنوعی و شبکه های عصبی برای پیش بینی یک سری زمانی ارائه شده است که قابلیت یادگیری رفتار سیگنال بدون تشکیل یک مدل ریاضی پیچیده را دارند. در این تحقیق، از شبکه های عصبی با حافظه بلند-کوتاه مدت برای پیش بینی و اصلاح مدل های تجربی چگالی اتمسفری که مهم ترین عامل تعیین کننده ی میزان کشش اتمسفری است، استفاده شده است. این شبکه های عصبی از نوع شبکه های بازگشتی هستند و با حفظ وابستگی سیگنال در زمان می توانند دقت بهتری را برای پیش بینی سیگنال فراهم آورند. داده های مورداستفاده برای آموزش شبکه عصبی مربوط به ماهواره ی GRACE و در نیمه ی نخست سال 2014 بوده است. برای ارزیابی نتایج نیز با استفاده از ضریب اصطکاک خروجی حاصل از شبکه عصبی و همچنین ضریب اصطکاک مربوط به مدل های عددی، موقعیت ماهواره تعیین و با موقعیت واقعی مقایسه شده است. نتایج پیش بینی نشان می دهد که در حالت تک متغیره مقدار RMSE در حدود 0.054 و در حالت چند متغیره در حدود 0.03 است و همچنین شبکه ی عصبی قادر است مدار ماهواره GRACE   را با RMSE در حدود 0.15 متر پیش بینی کند.

با توسعه سریع تکنولوژی های هوش مصنوعی (AI)و علاقه به کاربرد آن ها در زمینه های آموزشی، رشد قابل توجهی در ادبیات علمی در رابطه با کاربرد AI در آموزش بوجود آمده است. طراحی معماری فرآیند پیچیده ای است که از تجربه و خلاقیت گذشته برای تولید طرح های جدید استفاده می کند. استفاده از هوش مصنوعی برای این فرآیند نباید معطوف به یافتن راه حلی در یک فضای جستجوگر تعریف شده باشد زیرا هنوز الزامات طراحی در مرحله مفهومی به خوبی مشخص نشده است. در عوض، این فرآیند باید به عنوان کاوش در الزامات و همچنین راه حل های ممکن برای پاسخگویی به این الزامات در نظر گرفته شود. مطالعه کاربردی حاضر با هدف ارائه مدل آموزش طراحی معماری مبتنی بر هوش مصنوعی در آموزش معماری جهت ارائه یک نمای کلی از هوش مصنوعی برای توسعه و اجرای بیشتر آن سیستم آموزش طراحی کشور است. نوع این تحقیق کاربردی توسعه ای و روش آن به صورت توصیفی تحلیلی بوده و از لحاظ گردآوری داده ها به صورت پیمایشی است. برای جمع آوری داده های مورد نیاز این پژوهش پرسش نامه ای باز پاسخ بین کلیه اعضای هیئت علمی دانشگاه آزاد و..... و متخصصان این موضوع توزیع و با روش تجزیه و تحلیل محتوا این اطلاعات بررسی گردیده است. نتایج این پژوهش حاوی راهکارهایی برای ارائه مدل آموزش طراحی معماری مبتنی بر هوش مصنوعی است. با این مطالعه، با توانمندسازی اساتید و محققان برای درک وضعیت و توسعه زیرساخت های مالی و فیزیکی و سخت افزاری و نرم افزاری هوش مصنوعی آشنا شده و به افزایش اثربخشی و کارایی کمک شایانی خواهد شد. هم چنین، یافته های بدست آمده به فعالان و مسئولین و آموزگاران و محققان در شناسایی راه کارهایی بهبود آموزش طراح کمک می کند.

در این مقاله تلاش شده تا بسترسازی مناسبی در جهت ایجاد رابطه بین داده های منابع انسانی به عنوان کلان داده و هوش مصنوعی ایجاد شود و با استفاده از نتایج مدل تعالی سازمان در صنعت بزرگ گاز ایران و برای حدود 51 شرکت، به یک مدل برای خوشه بندی مدیران موفق منابع انسانی سازمان بر اساس نتایج ارزیابی شرکت ها با مدل تعالی سازمانی (EFQM) دست یابیم. در این مقاله تلاش شده تا بسترسازی مناسبی در جهت ایجاد رابطه بین داده های منابع انسانی با استفاده از نتایج مدل تعالی سازمانی، برای حدود 51 شرکت فرعی و ستادی شرکت ملی گاز ایران با بهره گیری از روش های هوش مصنوعی و یادگیری ماشین صورت پذیرد و به یک مدل برای خوشه بندی مدیران ارشد سازمان براساس نتایج ارزیابی شرکت ها با مدل تعالی سازمانی (مبتنی بر مدل تعالی EFQM) دست یابیم. ویژگی منحصربه فرد این روش این است که براساس خروجی و عملکرد واقعی سازمان های موفق به دست می آید که در رأس آن ها مدیران و رهبران موفق سازمان حضور داشته اند و براساس آن در آینده می توان به یک مدل شایستگی مبتنی بر عملکرد دست یافت. در این مقاله ابتدا بر اساس نتایج حاصل از ارزیابی مدل تعالی سازمان، به خوشه بندی نتایج مدل تعالی در 51 شرکت صنعت گاز ایران بر اساس نتایج ارزیابی های سال های 1396، 1397 و 1398 اقدام می کنیم. خوشه بندی برای 3776 داده با روش های مبتنی بر هوش مصنوعی و کدنویسی با نرم افزار پایتون صورت می گیرد. تحقیق حاضر از لحاظ هدف کاربردی بوده و به دنبال طراحی و تدوین یک مدل جدید برای کشف خبرگان و دسته بندی علمی منابع انسانی سازمان بر اساس داده های معتبر می باشد. این پژوهش همچنین به دنبال تلفیق مباحث جدید علمی هوش مصنوعی شامل خوشه بندی در ایجاد زیرساخت های پژوهشی در منابع انسانی است و در بعد کاربردی از نتایج به دست آمده در تصمیم گیری و برنامه ریزی های سازمانی استفاده می کند و به دنبال تولید ابزاری است که با آن بتواند در آینده با داشتن داده های مناسب در حرفه منابع انسانی، عملکرد مدیریتی کارکنان این حرفه و سازمان را پیش بینی نماید. در انتها با استفاده از نرخ تفکیک پذیری فیشر یک اولویت بندی برای آموزش و توسعه مدیران براساس شکاف شایستگی های ایشان بدست خواهد آمد.

هوش مصنوعی شاخه ای از علم و فناوری است که طی دهه ها در زمینه های مختلف به طور مؤثر مورد استفاده قرار گرفته است و اکنون به عنوان یکی از فناوری های پیشرو در عصر کنونی به بخشی ضروری از شیوه های سازمانی تبدیل شده است. روند نوظهور استفاده از فناوری های هوش مصنوعی در مشاغل. ضرورت اصلی مدیریت منابع انسانی نیز عمدتاً مبتنی بر رویکردهای فناورانه است، زیرا به یک نیاز بالقوه برای هر بخش منابع انسانی برای ایفای نقش خود در توسعه کل سازمان تبدیل شده است. فناوری های مبتنی بر هوش مصنوعی، سیستم هوشمند آینده هستند و خواهند بود و همچنین با وابستگی بیشتر به فناوری های پیشرفته، فرآیندهای مدیریت منابع انسانی را تغییر می دهند. از طریق این مقاله، محقق با فناوری های مصنوعی مورد استفاده در فعالیت های منابع انسانی آشنا می شود و احتمال و پتانسیل فنی بودن هوش مصنوعی در مدیریت منابع انسانی و همچنین چالش های مرتبط با هوش مصنوعی در مدیریت منابع انسانی و احتمالات آینده آن را بررسی می کند..

هوش مصنوعی سبب شد که حجم عظیمی از داده های علوم اسلامی به محیط دیجیتال منتقل شدند. به گونه ای که برای بهره برداری از این حوزه و عبور از تنگناهای تولید علوم اسلامی و تدبر در آن و افزایش سرعت،حجم و حتی دقت کار ناگریز به هوش مصنوعی روی آوردند،از این رو در این مقاله با استفاده از فناوری ها و فرآیندهای کشف دانش نهفته داده ها به کارکردهای متنوع هوش مصنوعی از جمله داده کاوی، متن کاوی و خوشه بندی چه در کتاب مقدس قرآن کریم و چه در دیگر متون اسلامی پرداختیم،و به عنوان نمونه ای عملی در این زمینه به نرم افزار های مرکز تحقیقات کامپیوتری علوم اسلامی نور یعنی؛ جامع الاحادیث و درایه النور اشاره کردیم .و روش این پژوهش کتابخانه ای وبصورت توصیفی _تحلیلی بود،که آن را با روش عقلی_برهانی جمع آوری کردیم و موضوع این تحقیق تک رشته ای و ساده است ،که بدین وسیله به هدف بنیادی آن رسیدیم ،که خود باعث گشایش دریچه ای جدید در بازیابی معارف قرآنی و حدیثی و...بود و امکان خلق ایده های بدیع و راهکارهای مفید پژوهشی را در ذهن پژوهشگران این حوزه ایجاد کرده است.