برچسب داده

اولین درز اطلاعاتی سال جدید؛ هک بیرونی یا نشت داخلی؟

اولین نشت اطلاعات در سال جدید در پایان تعطیلات نوروزی انجام شد. ادعای هک بانک سپه توسط گروه «Codebreakers» و انتشار بخشی از داده‌های مشتریان، یک بار دیگر بحث امنیت سایبری در سیستم بانکی ایران را داغ کرده است. بانک سپه به شدت این ادعا را رد می‌کند و سیستم‌های خود را «غیرقابل نفوذ» می‌داند، اما واقعیت این است که اطلاعات مشتریان مانند جزئیات حساب‌ها، کدهای ملی و حتی داده‌های حساس نظامیان به صورت عمومی منتشر شده است.

مسعود پزشکیان: بدون داده نمی‌توانیم کشور را مدیریت کنیم

رئیس جمهور در روز جهانی ارتباطات با انتقاد از اینکه می‌گویند در فلان بانک ۱۰ همت پول گم شده و بعد به ۸۰ همت می‌رسد گفت مگر پول گم می‌شود. تمام اینها به این دلیل است که ما داده درست و به موقع در اختیار نداریم.

داده‌های یادگیری هوش مصنوعی، ناکافی و نیازمند به‌روزرسانی

داده‌های یادگیری هوش مصنوعی (Artificial Intelligence) مجموعه‌ای از اطلاعات و ارقام است که به مدل‌های هوش مصنوعی ارائه می‌شود تا آنها را برای انجام معادلات خاص آموزش دهد. این داده‌ها برای آموزش، ارزیابی و اعتبارسنجی مدل‌های هوش مصنوعی استفاده می‌شود. برای داده‌های یادگیری هوش مصنوعی از منابع مختلفی مانند پایگاه‌های داده، انسان‌ها، سنسورها، سامانه‌های آنلاین و غیره استفاده می‌شود. نوع داده‌های یادگیری هوش مصنوعی بستگی به نوع مساله و برنامه کاربرد دارد.

از کجا یادگیری هوش مصنوعی را شروع کنیم؟ مسیر عملی با پایتون تا ورود به بازار کار

یادگیری هوش مصنوعی را از ابزار تازه یا مدل پرحاشیه شروع نکنید. یک مسیر مشخص بردارید، پایتون را نقطه ورود بگذارید، و داده و مدل و پروژه را به ترتیب جلو ببرید. بعد چیزی بسازید که بشود دست کارفرما داد و درباره‌اش حرف زد.

چرا ۸۵ درصد از مدل‌های هوش مصنوعی شما ممکن است شکست بخورند؟

هوش مصنوعی به عنوان یکی از قدرتمندترین فناوری‌های عصر حاضر، پتانسیل بالایی برای تحول در صنایع و کسب‌وکارها دارد. با این حال، علی‌رغم پیش‌بینی‌ها مبنی بر توانمندی روزافزون این فناوری، دستیابی به مزایای واقعی آن بدون توجه به یک عامل حیاتی، یعنی «کیفیت داده»، تقریباً غیرممکن است. گزارش‌ها نشان می‌دهند که درصد قابل توجهی از پروژه‌های هوش مصنوعی، حدود ۸۵ درصد، به دلیل مشکلات مرتبط با داده‌ها، از جمله کیفیت پایین، کمبود یا عدم وجود داده‌های مناسب، با شکست مواجه می‌شوند. این موضوع اهمیت پرداختن به چالش‌های مربوط به داده‌ها را در پروژه‌های هوش مصنوعی بیش از پیش نمایان می‌سازد.

استفاده از داده‌های مصنوعی برای آموزش هوش مصنوعی «اشتباهی بزرگ» است

ریچ ساتن، پیشگام هوش مصنوعی و برنده جایزه تورینگ، با انتقاد از اتکای فزاینده شرکت‌های فناوری به داده‌های مصنوعی برای آموزش مدل‌های هوش مصنوعی، این رویکرد را «اشتباهی بزرگ» دانست و تأکید کرد که داده‌های تولیدشده توسط هوش مصنوعی نمی‌توانند جایگزین تجربه و داده‌های واقعی حاصل از تعامل با جهان شوند. به گفته او، مسیر توسعه هوش مصنوعی باید بیش از آنکه به داده‌های مصنوعی متکی باشد، بر یادگیری مستمر از محیط واقعی و پیامدهای اقدامات مدل‌ها استوار شود.

زیرساخت‌های دهه ۸۰ و داده‌های قدیمی، مانع اصلاح عادلانه قیمت سوخت هستند

بدون یک نظام داده‌ای معتبر و یکپارچه، تغییری در قیمت‌گذاری سوخت، چه افزایش و چه آزادسازی، نمی‌تواند عدالت توزیعی را بهبود دهد. به گفته فعالان این حوزه، سامانه کنونی سوخت که بر زیرساخت‌های دهه‌ ۸۰ استوار است، نه فقط گران و پرریسک شده، بلکه دیگر توانایی پاسخ‌گویی به نیازهای سیاست‌گذاری هوشمند را ندارد.