یکی از باورهای مشترک در دنیای امروز و در حوزه کسب و کار این است که هوش مصنوعی قدرت ارائه مزایای رقابتی تعیین‌کننده‌ای دارد. در واقع 91% از مدیران سطح C که از هفتصد شرکت در نظرسنجی Forbes Insights شرکت کردند، موافقند که استفاده از هوش مصنوعی در کنار زدن

اولویت مدیران ارشد فناوری اطلاعات و چگونگی نگاه آنان به اولویت‌های این حوزه، در چند و چون برگزیدن استراتژی هوش مصنوعی برای پیشروان فناوری نقشی مهم و اساسی دارد. واقعیت این است که زمانِ حاضر، برای پیشروان فناوری زمانی هیجان‌انگیز و در عین حال ترسناک است. هیجان‌انگیز از‌این‌رو که فناوری‌های

برخی از فعالیت‌های تجاری، مناسب رویکرد «خودت انجامش بده» یا DIY هستند و برخی دیگر از جمله هوش مصنوعی، مناسب آن نیستند؛ زیرا رویکرد DIY در هوش مصنوعی، گران و زمان‌بر و بیشتر مناسب کاربردهای آزمایشی است و نه کاربردهای سازمانی گسترده. در عوض، سازمان‌های خلّاق و آینده‌نگر به صورت

اکثر شرکت‌هایی که علاقه‌مند به استفاده از هوش مصنوعی هستند، مدل واضحی برای دنبال‌ کردن ندارند و این موضوع باعث افزایش هزینه آن‌ها برای استفاده از این فناوری می‌شود. رویکرد مورداستفاده شرکت‌های عظیم اینترنتی مانند آمازون و گوگل برای ساخت هوش مصنوعی، در موقعیت‌های دیگر قابل‌استفاده نیستند؛ بیشتر در واقع،

دلیل سرمایه‌گذاری روزافزون کسب‌وکارها در هوش مصنوعی تا حدودی واضح است. این فناوری مزایای فراوانی دارد که از جمله‌ آن‌ها می‌توان به کاهش هزینه‌ عملیات‌ها، افزایش درآمد و ارتقای بازدهی اشاره کرد. بااین‌حال، شرکت‌هایی که به‌تازگی شروع به استفاده از این فناوری کرده‌اند، این مزایا را دست‌نیافتنی‌تر از آنچه هست،

بی‌تردید، شرکت‌هایی که به دنبال اجرای موفق هوش مصنوعی هستند باید بتوانند به نحو احسن از ظرفیت‌های این فناوری استفاده کنند و به پیشرفت‌های چشمگیری دست پیدا خواهند کرد. اگرچه شرکت‌ها از این موضوع آگاهی دارند که باید در چه زمینه‌هایی هوش مصنوعی را به کار گیرند، اما نحوه‌ی اجرا

بیشتر از یک سال از شروع همه‌گیری کووید-19 می‌گذرد و در حال حاضر، میلیون‌ها نفر آمریکایی در جستجوی شغل هستند. ادعای «نر‌م‌افزارهای مجهز به هوش مصنوعی مصاحبه‌» این است که می‌توانند در غربال متقاضیان و گزینش بهترین افراد ممکن، به کارفرمایان کمک کند. شرکت‌های فعال در این حوزه (فناوری) از

با توجه به اینکه ربات‌ها روز به روز گسترش یافته و پیشرفته‌تر از قبل می‌شوند، تقاضا برای به‌کارگیری متخصصان رباتیک افزایش یافته است. این متخصصان می‌توانند روی سامانه‌های خودمختار کار کنند. طبق پیش‌بینی‌ها، برخی مشاغل این حوزه بین سال‌های 2016 تا 2026 با افزایش 9 درصدی همراه خواهند بود؛ لذا

NVIDIA بستری برای کسب‌وکارهای سراسر جهان فراهم آورده است تا بتوانند مدل‌های زبانی بزرگ (LLM) را طراحی و مستقر کنند. کسب‌وکارها با تکیه بر این طراحی می‌توانند ربات‌های سخنگوی ویژه حوزه‌های خاص، دستیارهای شخصی و دیگر سیستم‌های هوش مصنوعی توسعه دهند.

اوایل سال 2021، آمریکایی‌های ساکن کرانه‌ی شرقی با اتفاقی روبرو شدند که درس مهمی در مورد اهمیت امنیت سایبری در صنعت انرژی به آن‌ها داد. شرکت اپراتور خط لوله‌ی کلنیال Colonial Pipeline مورد حمله‌ی باج‌افزارها قرار گرفت؛ این خط لوله، بخش اصلی زیرساختی است که حدود نیمی از نفت مایع سواحل

به عنوان فعالان جامعه‌ی علوم داده، شاهد آغاز یک infodemic (فزون‌باری اطلاعاتی) هستیم: جریانی از فزونی اطلاعات صحیح و غیرصحیح که داده ها را به جای یک ابزار کمکی، به یک بار اضافی تبدیل کرده است. جریان کنونی به سمت و سوی مدل‌هایی از هوش مصنوعی پیش می‌رود که نیاز

شرکت‌ها اغلب فرض بر این دارند که با پذیرش فناوری دیجیتال، کسب و کار آن‌ها تحول دیجیتالی را تجربه خواهد کرد. به همین دلیل، به سراغ تغییراتی فی‌البداهه و سرمایه‌گذاری‌هایی موقتی می‌روند که نتایجی ناکارآمد به دنبال دارند.

هوش مصنوعی می‌تواند درست مانند اینترنت، در امور زندگی ما جاری شود. مقیاس استفاده از آن به سرعت در حال رشد است و تا امروز توانسته بسیاری از مشکلات ما را برطرف کند. در آینده هم مطمئنا بیش از پیش روی زندگی عادی و امور کسب و کار ما تاثیر

مرکز آینده‌ کار Cognizant چرخه‌ معیوبی را کشف کرده که مانع پیشرفت هوش مصنوعی و کابردهای آن است، طوری که تنها 20 درصد از سردمداران این حوزه امکان پیشروی بیشتر را در اختیار دارند.

شروع یک شغل با محوریت علوم داده بسیار جذاب است، اما مشکلات خودش را هم دارد. برای مثال سوال‌هایی هستند که همواره برای شروع پیش روی شما قرار دارند. از کجا شروع کنم؟ چه چیزی یاد بگیرم و چگونه؟ منابع مناسب درباره علوم داده را چطور پیدا کنم؟ اگر این

پیش از پرداختن به اهمیت کاهش سوگیری هوش مصنوعی در واحدهای منابع انسانی شرکت‌ها، باید به این موضوع اشاره کرد که بهره‌مندی از مزایای هوش مصنوعی و یادگیری ماشین در سراسر دنیا نهادینه شده است. این فناوری‌ها به کسب و کارها کمک می‌کنند تا فرآیندها را خودکار کرده، از طریق

مقاله حاضر در صددِ بررسی اثرات هوش مصنوعی بر مشاغل و سازمان‌ها است. شیوع بیماری کووید-19 در سراسر جهان به تغییر شیوه کار منجر شده است. رد پای هوش مصنوعی در خودکارسازی و ایجاد محیط کار ترکیبی قابل چشم‌پوشی نیست. همچنان‌که کارفرمایان در حال انتخاب بهترین روش برای بهینه‌سازی کارها

در سال 21-2020 شاهد تغییر و تحولات چشمگیری در حوزه‌ی علوم داده بوده‌ایم. این تحولات با شکار متخصصان مسلط به نوشتن الگوریتم‌های یادگیری ماشین و متخصصان یادگیری ماشین/عمیق به دست غول‌های فناوری همچون توییتر، اپل، تسلا و شرکت‌هایی از جمله نتفلیکس، تیک‌تاک، بایننس و اسپاتیفای، تشدید و تقویت شده‌اند. کشور

بخش مدیریت ثروت بریتانیا در سال‌های اخیر رشد قابل توجهی داشته است و حدود 948 میلیارد پوند دارایی دارد که معادل 46 درصد از تولید ناخالص داخلی این کشور است. بنابراین، جای تعجب نیست که موسسات مالی و شرکت‌های مدیریت ثروت به دنبال این هستند که هر چه سریع‌تر به

در نظرسنجی Forbes Insights که 700 مدیر اجرایی سطح C در آن شرکت کردند، مشخص شد سواد داده‌‎ای مهم‌ترین مانع برای موفقیت در پروژه‌های هوش مصنوعی است. مشکل سواد داده‎ای در نتیجه عدم وجود متخصص هوش مصنوعی و علوم داده به وجود می‌آید. در نتیجه برای استفاده موفق از هوش

بسیاری از شرکت‌‌های فعال در صنایع مختلف متوجه مزایای استفاده از هوش مصنوعی برای سازمان خود هستند و اقدام به خرید هوش مصنوعی یا ساخت آن کرده‌اند. برای مثال، شرکت‌ها می‌توانند با استفاده از هوش مصنوعی بهره‌وری را افزایش دهند، اطلاعات بیشتری در مورد مشتریان خود و رفتار خرید آن‌ها

شرکت استارتاپی SiteAware که سابق بر این با نام Dronomy شناخته می‌‌‌شد، در حال توسعه پلتفرمی است که استفاده از هوش مصنوعی در ساختمان سازی را میسر می‌‌‌سازد. سرمایه اولیه برای راه اندازی این پلتفرم از مشارکت چند سرمایه گذار تامین شد و هفته گذشته این بودجه 10 میلیون دلاری

تصور کنید شما یک فضانورد هستید که برای ماموریت اعزام به مریخ انتخاب شده‌اید. در این میان، علاوه بر مسئولیت‌‌‌های پژوهشی، بعضی وظایف فنی را نیز بر عهده دارید و برخی دیگر از عملکردهای اصلی سفینه فضایی شما مثل تنظیم دما، اکسیژن‌رسانی و غیره توسط یک سیستم هوش مصنوعی مدیریت

تولید هوش مصنوعی ایمن کار بسیار دشواری است و پژوهش‌های انجام شده منعکس کننده این واقعیت‌اند. نتایج یکی از نظرسنجی‌های NewVantage Partners حاکی از این است که از 8/98% درصد شرکت‌های سرمایه‌گذار، 8/64% درصد آنها بیش از 50 میلیون دلار در داده‌های کلان و هوش مصنوعی سرمایه گذاری می‌کنند. با

زنان شاغل در صنایع و کسب‌وکارهای گوناگون هرروزه موانعی همچون سقف شیشه‌ای را پشت سر گذاشته و به رده‌ها و سِمت‌های عالی سازمانی پیشرفت می‌کنند. بااین‌حال، زنان در بخش فناوری و به‌خصوص حوزه‌ علم داده و هوش مصنوعی همچنان حضور بسیار کمرنگی دارند؛ امری که خود ناشی از تصورات قالبی

با رواج هوش مصنوعی و یادگیری ماشین از سیستم‌های پردازش کوانتوم حرفه‌ای و تشخیص دارویی تا وسیله‌های الکترونیکی مشتریان و دستیارهای هوشمند شخصی، دو سوژه‌ داغ سال 2020 بوده‌اند.

کاربران به طرق متفاوتی با محصولات دیجیتال درگیر هستند و کسب‌وکارها هم در خدمات­‌رسانی خود از تجارب نوآورانه استفاده می­‌کنند؛ با این حال امروزه هوش مصنوعی (AI) در حال تغییر و تحول این شیوه­‌هاست. برای آن دسته از تیم‌­های محصولات که قصد دارند هوش مصنوعی را وارد برنامه­‌های شرکت خود

راز موفقیت استارتاپ های هوش مصنوعی چیست و چه کسانی از هوش مصنوعی درآمد کسب می‌کنند؟

تنها یک سوال ساده از هوش مصنوعی پرسیدم و این فناوری یک مقاله کامل درباره آن نوشت: «درآمد غیرفعال چیست؟» هوش مصنوعی‌ای که جواب این سوال را داد یکی از بزرگ‌ترین مدل‌های پردازش زبان و تولید متنِ مجهز به شبکه عصبی یعنی GPT-3 محصول شرکت OpenAI است. برای اینکه GPT-3

«هوش مصنوعی برای فردایی بهتر» شعار ارزشمندترین شرکت هوش مصنوعی در جهان یعنی سنس تایم SenseTime است. سنس ­تایم یک شرکت پیشرو جهانی است که در اکتبر ۲۰۱۴ تاسیس شد و با تمرکز بر توسعه فناوری­‌ هوش مصنوعی در پی آن است که فردایی بهتر برای اقتصاد، جامعه و انسان‌ها

هوش مصنوعی آماده است تا تمام صنایع را دگرگون کند، همانطور که ۱۰۰ سال پیش الکتریسیته همه چیز را تغییر داد. طبق برآورد مک کینزی، تا سال ۲۰۳۰ هوش مصنوعی سیزده تریلیون دلار رشد تولید ناخالص داخلی ایجاد خواهد کرد که بیشتر آن در بخش‌های غیر اینترنتی شامل تولید، کشاورزی، انرژی،

برترین استارتاپ های هوش مصنوعی جهان با الهام از دستاوردهای شگفت‌انگیز رهبران این فناوری، تیم‌‌‌هایی ایده‌پرداز و خلاق خود را آموزش‌‌‌ می‌دهند و برای کشف جدیدترین عرصه‌‌‌هایی فناوری تلاشی وصف‌ناپذیر را آغاز کرده‌‌‌‌اند. از گوگل و آمازون گرفته تا اپل و مایکروسافت، هر شرکت بزرگ فناوری در حال اختصاص منابع

محیط ابری می‌تواند بستر مناسبی برای تحولات راهبردی فراهم کند. از این رو، انتظار می‌رود این قابلیت در فناوری های نوظهور نسل بعدی تعبیه گردد. محققان اظهار داشتند که بیش از سه‌چهارم شرکت‌های مدیریت ثروت گام‌های موثری برای اجرای فناوری ابر برداشته‌اند.

هم‌اکنون بیش از 50 سال است که هوش مصنوعی در اکوسیستم کسب و کارها حضور دارد. از این جمله می‌توان به رایانه شرکت IBM یعنی Deep Blue اشاره کرد که توانست قهرمان شطرنج دنیا را در این بازی شکست دهد. حدود 20 سال پس از شگفتی‌آفرینی این رایانه و به

بیایید به موضوع تکینگی فناوری بپردازیم و بررسی کنیم که چرا برخی معتقدند هوش مصنوعی تهدیدی برای بشریت است و برای غلبه بر تهدیدات این فناوری چه باید بکنیم. برای این‌که هوش مصنوعی در آینده تهدیدی برای ما نباشد، باید در حال حاضر و در شرایطی که هنوز این فناوری

در اصل کار فریلنسری کاری است که در آن فرد به‌جای کار برای یک شرکت، برای خودش کار می‌کند. با اینکه فریلنسرها با شرکت‌ها و سازمان‌ها قرارداد کاری دارند، این قرار‌دادها با قراردادهای کاری بلندمدت و حضوری متفاوت است و دست‌آخر فریلنسرها خود-اشتغال هستند.

مباحث یادگیری عمیق Deep learning و شبکه‌های عصبی Neural networks می‌توانند گیج‌کننده باشند. اما باید توجه داشته باشید که برای استخدام یادگیری عمیق در مصاحبه‌های کاری علوم داده، عمده‌ی سؤالات از چند مبحث خاص مطرح می‌شوند. بعد از بررسی صدها نمونه از این مصاحبه‌ها، به 10 مفهوم از یادگیری عمیق رسیدم

در کنار فراگرفتن مهارت‌های فنی، آشنایی با روند کاری یا گردش کار تیم‌های مختلف هوش مصنوعی برای طیف مختلف علاقه‌مندان به هوش مصنوعی ضروری است. در این مقاله با استفاده از مثال‌هایی سعی می‌کنیم گردش کار در تیم‌های یادگیری ماشین و داده‌کاوی را توضیح دهیم. در تهیه این مطلب از

نقش افراد در پروژه هوش مصنوعی و راه‌اندازی آن کاملا متفاوت است. اولین نقش متعلق به خود شماست. اگر در شرف راه‌اندازی اولین پروژه‎‌ی هوش مصنوعی خود هستید، خودتان هم باید نقشی در پروژه بر عهده داشته باشید. هیچ‌گاه نباید مسئولیت‌های کلیدی را به فرد دیگری واگذار کنید و از