Growth your IQ score

به گزارش خبرنگار مهر، درحالی‌که سازمان‌هایی همچون WHO (سازمان بهداشت جهانی) و UN (سازمان ملل) منابعی برای تسهیل پژوهش درباره بیماری کوید ۱۹ اختصاص داده‌اند، نگاه‌های بسیاری به هوش مصنوعی دوخته شده است تا مگر بتواند از شدت این بحران بکاهد. جوامع علمی دنیا به تکاپو افتاده‌اند تا راه‌حلی قرن بیستمی برای آخرین مشکل قرن بیستم بیابند.

گروه مطالعات بنیادین پژوهشگاه فضای مجازی در گزارشی بررسی کرده است که چگونه از هوش مصنوعی برای کنترل شیوع ویروس کرونا استفاده شده است.

استفاده شرکت دیپ‌مایند از سیستم آلفافولد

شرکت دیپ‌مایند اعلام کرد که در حال آزادسازی ساختار پیش‌بینی پروتئین‌های گوناگونی است که می‌تواند تحقیقات در باب ویروس کوید۱۹ را ارتقاء دهد. این شرکت از آخرین نسخه سیستم آلفافولد (یک سیستم هوش مصنوعی) برای یافتن این ساختارها استفاده کرده است.

دقت ۹۶ درصدی تشخیص هوش مصنوعی علی‌بابا

علی‌بابا اخیرا ادعا کرده است که سیستم هوش مصنوعی جدیدش می‌تواند موارد مبتلا به ویروس کرونا را در سی‌تی اسکن‌های قفسه سینه بیماران با دقت ۹۶ درصد از موارد مبتلا به سینه‌پهلوی ویروسی بازشناسد. همچنین، مؤسس آن، جک ما، اعلام کرده است که مؤسسه وی ۲.۱۵ میلیون دلار برای توسعه واکسن این بیماری وقف خواهد کرد.

طبق گفته علی‌بابا، الگوریتم جدید آنها فرآیند کامل تشخیص را به ۲۰ ثانیه کاهش می‌دهد. با توجه به اینکه در روش‌های سنتی تقریبا ۱۵ دقیقه برای تحلیل یک سی‌تی اسکن نیاز است، این امر پیشرفت بزرگی محسوب می‌شود.

ابزار لاینیرفولد تیم هوش مصنوعی بایدو

تیم هوش مصنوعی بایدو ابزاری را منتشر کرده که زمان پیش‌بینی ویروس کوید۱۹ را از ۵۵ دقیقه به ۲۷ ثانیه کاهش می‌دهد. این کاهش زمان، امری مهم برای فهم ویروس و کشف داروهای کاتالیز است.

استفاده از یادگیری ماشین برای رصد رسانه‌های اجتماعی

جان براون‌اشتاین از مدرسه پزشکی هاروارد، عضوی از یک تیم بین‌المللی است که از یادگیری ماشین برای مرور رسانه‌های اجتماعی و دیگر اشکال داده به‌دست‌آمده از کانال‌های رسمی سلامت عمومی و تأمین‌کنندگان مراقبت‌های بهداشتی استفاده می‌کنند تا تحلیل‌های بهداشتی فوری درباره شیوع بیماری به دست دهند.

نظارت بلودات

بلودات، یک شرکت نظارت بر سلامتی واقع در تورنتو است که در سال ۲۰۱۴ افتتاح شده است؛ این شرکت با جمع‌آوری داده‌های بیماری از هزاران منبع آنلاین در این مسئله مسامحت داشته است. آنها با استفاده از اطلاعات پروازی شرکت‌های هواپیمایی پیش‌بینی‌هایی درباره اینکه بیماری‌های واگیردار دفعه بعد احتمالا در کجا ظاهر خواهند شد، به دست می‌دهند.

استفاده شرکت اینسیلیکو از شبکه‌های مولد تخاصمی

شرکت طب اینسیلیکو، شرکتی که از هوش مصنوعی برای کشف دارو استفاده می‌کند، از شبکه‌های مولد تخاصمی (GAN) به منظور پالایش طراحی‌های مولکول استفاده می‌کند. این مسئله را افرادی می‌پسندند که نمره بالایی به ویژگی‌های شبه‌دارویی و نیز فعال بودن شیمیایی می‌دهند و درضمن، مولکول‌هایی را که به دلیل ویژگی‌هایشان نمی‌توانند کارکرد دارو داشته باشند مانند ترکیبات فلزی کنار می‌گذارند.

ترکیب و آزمایشِ مولکولی فرآیندی کند است. اینجا جایی است که هوش مصنوعی با فراهم آوردنِ زمان برای ترکیب و ایجاد گزینه‌های بیشتر برای طراحیِ ساختارهای مولکولیِ متنوع به صحنه می‌آید. با وجود این، ممکن است ترکیب و اعتبارسنجی زمان‌بر باشد و به منابع قوی‌تری نیاز داشته باشد. بنابراین، شرکت اینسیلیکو تا ۱۰۰ مولکول را به منظور ترکیب و تست انتخاب کرده است.

استفاده از نرم‌افزار اینفرویژن برای اسکن بیماران در چین

پزشک‌ها در چین ابزار قدرتمند جدیدی ارائه کرده‌اند که برای تشخیص سریع مبتلایان احتمالی به کرونا به ایشان کمک می‌کند. این نرم‌افزار مبتنی بر هوش مصنوعی که اینفرویژن نامیده شده است، می‌تواند موارد مشکل‌دار بالقوه را به سرعت تشخیص دهد.

این نرم‌افزار به شدت به کیت‌های توسعه نرم‌افزار کلارا متکی است؛ کلارا یک قالب اپلیکیشن هوش مصنوعی برای مراقبت از سلامتی است که شرکت ان.وی.دی.آ برای تصویربرداری پزشکی به کمک هوش مصنوعی ایجاد کرده است.

اینفرویژن می‌تواند علائم معمول یا علائم جزئی کوید ۱۹ را در بیماران مشکوک شناسایی کند. بدین منظور، نرم‌افزار به دنبال علائم سینه‌پهلویی که می‌تواند ناشی از ویروس باشد، می‌شود.

کشف داروی احتمالی توسط هوش مصنوعی بنوولنت

مثال دیگر الگوریتم هوش مصنوعی بنوولنت است که داده‌های ساختار مولکولی را به اطلاعات زیست‌پزشکی درباره گیرنده‌ها و بیماری‌ها مرتبط می‌کند تا اهداف دارویی بالقوه را بیابد. نرم‌افزار آنها پروتئین کیناز ۱ (AAK۱) را که مرتبط با وفق‌دهنده آنزیم است، یک هدف محتمل بیماری می‌داند. AAK۱ درون‌بری (یعنی فرایند آوردن مواد به درون سلول‌ها) را تنظیم می‌کند و ازاین‌رو شیوه‌ای رایج برای گسترش عفونت‌های ویروسی است.

محققان با کمک نرم‌افزار هوش مصنوعی بنوولنت داروی محتملی با نام «باریسیتینیب» را شناسایی کرده‌اند.

تشخیص چهره توسط شرکت سنس‌تایم

تشخیص چهره ایمن‌تر از اثرانگشت است چراکه احتمال انتقال ویروس از طریق لمس سطوح توسط انسان را کاهش می‌دهد. ازاین‌رو، شرکت سنس‌تایم از هوش مصنوعی در اسکن چهره‌های افرادی که ماسک بر صورت دارند استفاده می‌کند. آنها در حال ارتقاء تشخیص بدون تماس مبتلایان از طریق نرم‌افزار اندازه‌گیری دما در ایستگاه‌های مترو، مدارس و سایر مکان‌های گردهم‌آیی در پکن، شانگهای و شنژن هستند.

پهپادهایی برای نجات

شرکت‌های چینی به منظور تقویت رصد بدون تماس شیوع بیماری کرونا از پهپادها استفاده می‌کنند. بر اساس اخبار واصله، شرکت پودو تکنولوژی در شنژن ماشین‌هایش را در بیش از ۴۰ بیمارستان کشور چین برای کمک به پرسنل درمانی به کار انداخته است.

شرکت میکرومالتی‌کوپت شرکت دیگری در شنژن است که از پهپادها به منظور انتقال نمونه‌های پزشکی و انجام تصویربرداری حرارتی استفاده می‌کند.

ربات‌های یو.وی.دی

شرکت ربات‌های یو.وی.دی که در دانمارک قرار دارد از ربات‌های خود برای ضدعفونی کردن اتاق‌های بیماران بدون مداخله انسانی استفاده می‌کند. بیماری‌های همه‌گیر، امداد انسانی را سخت و خطرناک کرده است. ریسک مبتلا شدن پرسنل درمانی به بیماری بالاست. غلاف ربات‌های سیار یو.وی.دی با تابش اشعه ماوراءبنفش بر روی منطقه‌ای که قرار است ضدعفونی شود به حیات هر گونه ویروس خاتمه می‌دهد.

در این راستا در جایی‌که متخصصان و سیاستگذاران در دنیا بر ویروس کرونا تمرکز کرده‌اند، نظارت، کشف بیماری و تشخیص بیماری اهمیت بسزایی یافته است. براین اساس با کمک هوش مصنوعی می‌توان مقدار زیادی در زمان صرفه‌جویی کرد و زندگی‌های بسیاری را نجات داد.

منبع: اینجا

هوش مصنوعی یکی از مقوله هایی است که در علوم کامپیوتر، اهمیت فراوان دارد و تغییرات در هوش مصنوعی می توانند تحولات گسترده ای را در فناوری اطلاعات پدید بیاورند. در این مقاله قصد داریم که هوش مصنوعی را به شما معرفی کنیم. علاوه بر این چند روبات مطرح را نیز به شما معرفی خواهیم کرد. سعی ما بر این است که این مقاله بتواند به اندازه کافی راهنمای شما باشد

- هوش مصنوعی چیست؟
هوش مصنوعی، هوش ماشین هاست! در واقع شاخه ای از علوم کامپیوتر است که قصد دارد راه حل های الگوریتمی را ارائه کند تا بتوانیم به وسیله آنها در ماشین ها هوشمندی ایجاد کنیم. اما این تعریف کافی نیست؛ اول از همه باید بدانیم که تعریف هوشمندی چیست و بعد باید منظور از ماشین را دربیابیم:

استدلال، منطق، تصمیم گیری ؛ این ها توانایی هستند که شما از آنها استفاده می کنید. پس شما هوشمند هستید. اگر این توانایی ها را در کامپیوتر هم ایجاد کنیم، آنگاه به ماشین هوشمند دست می یابیم! به همین سادگی … ولی به جز این ها چیز های دیگری هم در رابطه با تعریف هوشمندی وجود دارند که دانستن آنها را می توان مهم ارزیابی کرد. در واقع بحث هایی که در مورد هوشمندی و هوش مصنوعی مطرح شده است؛ تنها به دوره ی امروزه ی ما و قرن 21 مربوط نمی شود، بلکه از سال 1950 این مباحث به طور جدی مطرح شد.

- پیشینه ی هوش مصنوعی:
باید گفت که از این نظر هوش مصنوعی یکی از غنی ترین تاریخ ها را دارد، منتها در قصه ها! ماشین ها و مخلوقات مصنوعی باشعور، اولین بار در افسانه های یونان باستان مطرح شدند. شبه انسان ها باور داشتند که باید یک تمدن بزرگ را تشکیل دهند؛ تندیس ها و مجسمه های انسان نما در مصر و یونان به حرکت در آمده بودند و … حتی در مواردی این قصه ها، پای جابر بن حیّان و چند تن دیگر را هم به سازندگان موجودات مصنوعی باز کردند.

از قصه ها که بگذریم ؛ فیلسوف ها و ریاضی دان ها از مدت ها پیش مباحث مربوط به استدلال و منطق را پیش کشیدند و امروزه این مباحث به صورت قرار دادی، به رسمیت پذیرفته شده است. این گونه منطق ها اساس کامپیوتر های دیجیتال و برنامه پذیر شده اند. یکی از افرادی که نقش اساسی و مهمی در این مورد ایفا کرد آقای آلن تورینگ بود.

نظریه تورینگ:
تئوری تورینگ مبتنی بر این بود که می توانیم با استفاده از نشانه ها و اعدادی مانند 0 و 1، هر استدلال ریاضی ای را در کامپیوتر عملی کنیم. همزمان با این نظریه کشف های تازه ای در زمینه ی عصب شناسی، نظریه اطلاعات و فرمانشناسی، به وقوع پیوسته بود. این پیشرفت ها الهام بخش گروهی کوچک از پژوهشگران شد تا به طور جدی به مساله ایجاد یک مغز الکترونیکی رسیدگی نمایند.

- تست تورینگ:
در سال 1950، آلن تورینگ مقاله ای را در رابطه با هوش مصنوعی منتشر ساخت که بعد ها به تست تورینگ مشهور شد. در این مقاله عنوان شده بود که اگر فردی از پشت یک دیوار یا هر چیز جدا کننده دیگری، با کامپیوتر مکالمه کتبی داشته باشد و نداند که طرف مقابلش انسان نیست و پس از پایان مکالمه نیز متوجه این موضوع نشود، آنگاه می توان کامپیوتر را ماشینی هوشمند نامید زیرا توانسته است که در برابر یک انسان به اندازه کافی از استدلال و منطق استفاده کند. تست تورینگ تا حدی توانست هوش مندی را توجیه کند ولی فقط ((تا حدی))! اما از آن زمان تا کنون ماشینی اختراع نشده است که توانسته باشد این تست را با موفقیت بگذراند. هر چند زبان AIML ابداع شد، اما این زبان هرگز به این حد از هوش مصنوعی دست نیافت.

تیمی که در زمینه هوش مصنوعی تحقیق می کردند، در تابستان سال 1956، کنفرانسی را در محوطه کالج دارتموس برگزار کردند. این کنفرانس به همراه افرادی مانند جان مک کارتی، ماروین مینسکی، آلین نویل و هربت سیمون که برای دهه ها پیشتازان تحقیق برای هوش مصنوعی بودند انجام شد. آنها و دانش آموزان آنها، برنامه ای نوشته بودند که حقیقتا برای عده زیادی از مردم شگفت آور بود. این برنامه می توانست مشکلات نوشتاری در جبر را حل کند، استدلال های منطقی را اثبات کند و به زبان انگلیسی سخن بگوید. در اواسط دهه ی 1960، بودجه سنگینی برای دایرکردن آزمایشگاه های تحقیقاتی در گرداگرد دنیا، از سوی حوزه ی دفاعی ایالات متحده آمریکا، اختصاص داده شد. پیشتازان هوش مصنوعی درباره آینده آن در جهان بسیار خوش بین بودند. هربت سیمون پیشبینی کرده بود که در مدت 20 سال، کامپیوتر های هوشمند می توانند، هر کاری را که انسان انجام می دهد، انجام دهند. در واقع مشکلات بزرگی که در آن زمان برای ایجاد هوش مصنوعی وجود داشت، اساسا حل شده بود.

- زمستانی سخت برای هوش مصنوعی:
علیرغم چیز هایی که در بالا گفته شد، تیم مذکور، در شناخت و رفع برخی از مشکلات هوش مصنوعی با شکست مواجه شد، در سال 1970 در مقابل انتقادات آقای جیمز لایتهیل از انگلستان و فشار های مداوم کنگره برای کم کردن بودجه برای پروژه های بزرگ، دولت های انگلیس و آمریکا تمام پژوهش های به نتیجه نرسیده برای هوش مصنوعی را لغو کردند و در اندک سالیان بعد از آن، به سختی برای هوش مصنوعی، بودجه اختصاص داده می شد. این دوره را زمستان هوش مصنوعی یا A.I winter می نامند.

به زودی در سال 1980، پژوهش ها بر روی هوش مصنوعی از سر گرفته شد و این امر مدیون این بود که سیستم های هوشمند، به موفقیت های تجاری دست یافتند. سیستم های هوشمند، ترکیب هایی از هوش مصنوعی بودند که مهارت و دانش و توان تجزیه تحلیلی یک متخصص را شبیه سازی می کردند. در سال 1985، هوش مصنوعی به بازار یک میلیارد دلاری دست یافت و در همان زمان پروژه ی کامپیوتر های نسل پنجم ژاپن، که متوقف شده بود، از سر گرفته شد و بودجه ای برای تحقیقات آکادمیک در این زمینه در نظر گرفته شده بود. اما در سال 1987 باز هم چرخ گردان به گونه ای دیگر چرخید و بازار فروش ماشین های پردازش لیست (Lisp Machines) (با زبان Lisp) که با مشکلاتی موجه بودند، نابود شد و در یک ثانیه تمام آبروی هوش مصنوعی را هم با خود برد. پس این بار زمستان طولانی تر و سخت تری برای هوش مصنوعی فرارسید.

- پس از آن، بهاری نو :
پس از این مشکلات، در دهه 1990 و نزدیک به قرن بیست و یکم، هوش مصنوعی به یکی از بزرگ ترین موفقیت های خود دست یافت. اگر چه چیز هایی پشت پرده ماندند ولی هوش مصنوعی در زمینه های مهمی مانند استدلال و منطق، داده کاوی، تشخیص های پزشکی و طیف های گسترده ای از تکنولوژی و صنعت به کار گرفته می شد.

- مقایسه، استدلال و حل مسائل:
خیلی زود توسعه دهندگان هوش مصنوعی به این نتیجه رسیدند که باید در الگوریتم های خود از نحوه حل مساله ((گام به گام)) استفاده کنند. در واقع انسان ها هم معمولا برای حل مواردی از جمله: ساختن پازل و … از این روش استفاده می کنند. آنها همچنین توانستند که پس از دهه های 80 و 90 الگوریتم های موفقیت آمیزی را برای درک داده ها و اطلاعات نا کامل عرضه کنند که این الگوریتم ها از احتمالات، برای درک این اطلاعات استفاده می کردند.

برای حل مسائل سخت، بیشتر این الگوریتم ها به کامپیوتر های بزرگ و قدرتمندی برای پردازش نیاز داشتند. بسیاری از این الگوریتم ها به مقدار زیادی حافظه (رم) نیاز داشتند و حتی در صورت فراهم آمدن آن، با وجود سخت افزار های آن زمان، مدت مورد نیاز برای پردازش نجومی بود. بنابر این می توان این مساله را دریافت که: جستجو برای الگوریتم های بهتر و موثر تر در آن زمان، از اولویت های اصلی پژوهشگران هوش مصنوعی بود.

انسان برای حل مسائل خود خیلی سریع عمل می کند. چیزی که باید فهمید این است که اگر چه انسان در جمع و تفریق اعداد از کامپیوتر شکست می خورد، اما مساله فقط جمع و تفریق نیست. در واقع اولین گام برای حل مساله درک آن است و این چیزی است که برای انسان بسیار ساده و برای کامپیوتر ها بسیار سخت است. بر این اساس آنها به تحقیقات زیادی پرداختند و به این نتیجه رسیدند که باید برای بازدهی بیشتر از شبکه های عصبی استفاده کنند. این کار به آنها کمک می کرد تا بتوانند به ساختار اعصاب و مغز انسان و سایر حیوانات نزدیک تر شوند.

- نمایش معلومات:
نمایش معلومات و مهندسی معلومات مرکز توجه در پژوهش های هوش مصنوعی بودند. بسیاری از دستگاه های حل مساله برای حل مسائل نیازمند معلومات گسترده و وسیعی بودند این معلومات عبارت می شد از : شناختن اشیاء، خواص و اقلام- شناختن روابط بین اشیاء- درک موقعیت، نوع واقعه و زمان و مکان- علت ها و تاثیر عوامل و بسیاری چیز های دیگر…

و سخت ترین مشکلات درباره نمایش اطلاعات و معلومات عبارت بود از:
1- استدلال پیش فرض و مسائل نسبی: دانسته ی یک فرد از یک چیز برابر است با پنداشت او از آن چیز، برای مثال وقتی نام پرنده به گوش کسی می خورد، معمولا یک موجود کوچک را به یاد می آورد با صدای زیبا و قابلیت پرواز؛ در حالی که این موضوع برای همه ی پرندگان صدق نمی کند. مثلا پنگوئن هیچکدام از این ویژگی ها را ندارد! جان مک کارتی این موضوع را به عنوان یک مسئله نسبی در سال 1969 کشف کرد. برای هر قضاوت صحیح (در تعریف عام) که محققان هوش مصنوعی، سعی در پیاده سازی آن داشتند، تعداد زیادی استثنا وجود داشت. بنابر این، آنها به این نتیجه دست یافتند که در قضاوت عام، نمی توان یک چیز را مطلقا درست یا غلط دانست بلکه همه چیز نسبی است. مثلا وقتی به شما می گویند که فلان شخص، خوب است یا بد؟ شما اول به مواردی توجه می کنید که مهم تر هستند و بر این اساس در مورد خوبی و بدی قضاوت می کنید. در حالی که هیچ کس مطلقا خوب یا بد نیست! در واقع شما اول به مواردی اهمیت می دهید که مهم تر است. محققان هوش مصنوعی هم با پیاده کردن چنین الگوریتمی توانستند این مشکلات را حل کنند.

2- سطح وسیع اطلاعات مورد نیاز برای قضاوت عام: منظور از قضاوت عام، همان نحوه قضاوتی است که در بالا توضیح داده شد که شما به نکاتی که بیشتر اهمیت دارند، امتیاز بیشتری اختصاص می دهید و آنها را ملاک قضاوت خود قرار می دهید. اما این نوع قضاوت، شاید در زندگی روزمره ما کار عادی ای شده باشد؛ اما در واقع برای کامپیوتر این کار نیاز به اطلاعات پایه ای زیادی در زمینه هستی شناسی و شناخت ویژگی های موجودات دارد. محققان هوش مصنوعی می بایست، مفاهیم دقیق و پیچیده ای را با دست خود، به کامپیوتر می فهماندند. کار بزرگی که انجام شد این بود که توانستند کامپیوتر را قادر سازند که از منابع اطلاعاتی (نظیر اینترنت امروزی) ، مفاهیمی را کسب کند و از این راه به اطلاعات خود در این باره بیافزاید.

3- استفاده از زبان Sub-Symbolic برای توضیح بعضی مفاهیم در قضاوت عام: بسیاری از معلوماتی که مردم دارند، چیز هایی است که نمی توان آن ها را تصویر کرد و یا توضیح داد. برای مثال یک شطرنج باز ماهر، از قرار دادن یک مهره در یک وضعیت خاص پرهیز می کند زیرا احساس می کند که این کار خطرناک است و یا یک کارشناس و منتقد هنری با نگاه کردن به یک مجسمه و یا یک نقاشی تشخیص می دهد که آن جعلی و تقلبی است. پیاده کردن چنین الگوریتم هایی با استفاده از زبان سمبلیک ممکن نبود و باید از زبان دیگری بر پایه Sub-Symbolic استفاده می شد.

قبل از هر چیز باید، توضیح مختصری از این دو را به شما ارائه کنیم:
در واقع اساس کار زبان های سمبلیک بر پایه استدلال و نتیجه گیری و به طور کلی، منطق است. در این گونه زبان ها برای متغیر ها و توابع مقدار های مشخصی در نظر گرفته می شود و بدین وسیله، هر متغیر حاوی بخشی از اطلاعات برنامه و هر تابع حاوی بخشی از قوانین استنباطی برنامه است.

اما روش Sub-Symbolic تا حد زیادی متفاوت است. این روش از شبکه های عصبی برای پردازش اطلاعات استفاده می کند. این شبکه های عصبی از واحد های ورودی، واحد های پنهان و واحد های خروجی تشکیل شده اند که همگی با یکدیگر ارتباط دارند. این واحد ها گاهی سلول عصبی نیز، خطاب می شوند. همانطور که گفته شد، این سلول های عصبی با یک دیگر ارتباط دارند. اما چیزی که باید بدانید این است که اطلاعات در بین این ارتباطات، پردازش می شوند و بر این اساس ممکن است یک سلول عصبی در پردازش اطلاعات موثر و یا کم اثر باشد. در عوض، در شبکه های عصبی تمامی اجزا مهم تلقی می شود. چون هیچ کدام از آنها به تنهایی نمی توانند، اطلاعات را پردازش کنند ولی وقتی تمام اجزا با هم کار کنند، موجب ایجاد یک عملکرد هوشمند می شوند.

برای این که این روش را بهتر درک کنید، به این مثال توجه نمایید: یک مورچه تنها را در نظر بگیرید، طبعا نه کاری می تواند بکند و نه اثری دارد، اما وقتی مجموعه ای از این مورچه ها جمع می شوند و یک کلونی را تشکیل می دهند، آنگاه جامعه ای از آنها درست می شود که در کلیت، هوشمند و موثر است، به طوری که حتی ما هم با دانستن راز های زندگی جمعی مورچه ها، به فکر فرو می رویم! همین کار را هم می توان با شبکه های عصبي انجام داد و يک شبه مغز را ايجاد کرد.

منبع: اینجا

تعریف هوش

بطور کلی تعاریف متعددی را که توسط روان شناسان برای هوش ارائه شده است، می‌توان به سه گروه تربیتی (تحصیلی) ، تحلیلی و کاربردی تفسیم کرد.

تعریف تربیتی هوش
به اعتقاد روانشناسان تربیتی ، هوش کیفیتی است که مسبب موفقیت تحصیلی می‌شود و از این رو یک نوع استعداد تحصیلی به شمار می‌رود. آنها برای توجیه این اعتقاد اشاره می‌کنند که کودکان باهوش نمره‌های بهتری در دروس خود می‌گیرند و پیشرفت تحصیلی چشم گیری نسبت به کودکان کم هوش دارند. مخالفان این دیدگاه معتقدند کیفیت هوش را نمی‌توان به نمره‌ها و پیشرفت تحصیلی محدود کرد، زیرا موفقیت در مشاغل و نوع کاری که فرد قادر به انجام آن است و به گونه کلی پیشرفت در بیشتر موقعیتهای زندگی بستگی به میزان هوش دارد.

تعریف تحلیلی هوش
بنابه اعتقاد نظریه پردازان تحلیلی ، هوش توانایی استفاده از پدیده‌های رمزی و یا قدرت و رفتار موثر و یا سازگاری با موقعیتهای جدید و تازه و یا تشخیص حالات و کیفیات محیط است. شاید بهترین تعریف تحلیلی هوش به وسیله « دیوید وکسلر » ، روان شناس امریکایی ، پیشنهاد شده باشد که بیان می‌کند: هوش یعنی تفکر عاقلانه ، عمل منطقی و رفتار موثر در محیط.

تعریف کاربردی هوش
در تعاریف کاربردی ، هوش پدیده‌ای است که از طریق تستهای هوش سنجیده می‌شود و شاید عملی‌ترین تعریف برای هوش نیز همین باشد.

تاریخچه مطالعات مربوط به هوش
مساله هوش به عنوان یک ویژگی اساسی که تفاوت فردی را بین انسانها موجب می‌شود، از دیرباز مورد توجه بوده است. زمینه توجه به عامل هوش را در علوم مختلف می‌توان مشاهده کرد. برای مثال زیست شناسان ، هوش را به عنوان عامل سازش و بقا مورد توجه قرار داده‌اند. فلاسفه بر اندیشه‌های مجرد به عنوان معنای هوش و متخصصان تعلیم و تربیت ، بر توانایی یادگیری تاکید داشته‌اند.

در مقاله‌ای معتبر که در سال ۱۹۰۴ منتشر شد، « چارلز اسپیرمن » ، روان شناس بریتانیایی ، نخستین کوشش برای تحقیق در ساختمان هوش را با روشهای تجربی و کمی تشریح کرد. پیدایش مقیاس هوشی بینه سیمون ، در سال ۱۹۰۵ و به دنبال آن تهیه و استاندارد شدن مقیاس استنفرد _ بینه ، در سال ۱۹۱۶ در امریکا ، از فعالیتهای اولیه به منظور تهیه ابزار اندازه گیری هوش بوده است. البته در سال ۱۸۳۸ « اسکیرول » به منظور تهیه ضوابطی برای تشخیص و طبقه بندی افراد عقب مانده ذهنی ، روشهای مختلفی را آزمود و به این نتیجه رسید که مهارت کلامی فرد بهترین توانش ذهنی اوست. جالب آن که بعدها نیز مهارت کلامی از عوامل اساسی توانش ذهنی شناخته شد و امروز نیز محتوای اکثر تستهای هوش را مواد کلامی تشکیل می‌دهد.

ترستون ، ثرندایک ، سیریل برت ، گیلفورد ، فیلیپ ورنون ، از دیگر افرادی بودند که در زمینه هوش به تحقیق و بررسی پرداختند.

عوامل موثر بر هوش
از عوامل مهم موثر بر هوش ، تغذیه و دیگر شرایط دوران بارداری است. تغذیه مناسب در این دوران و رعایت بهداشت جسمی و روحی مادر ، تاثیر مهمی در هوش نوزاد خواهد داشت. سطح هوشی والدین ، تغذیه دوران کودکی و نوزادی ، شرایط و امکانات محیطی ، نوع ارتباط والدین با کودک از دیگر عوامل موثر در رشد و شکوفایی هوش به شمار می‌روند. عوامل محیطی مثل وجود محرکات مناسب در محیط پرورش کودک که او را به کنجکاوی و کنکاش وا می‌دارد، در بروز و ظهور و شکوفایی هوش وی نقش اساسی دارد.

انواع آزمونهای هوش
تست بینه به عنوان قدیمی‌ترین آزمون برای سنجش هوش شناخته می‌شود که آزمون استنفرد _ بینه شکل تجدید نظر شده است که به فارسی نیز برگردانده شده است. تست ریون از دیگر آزمونهای هوش است که به لحاظ سهولت اجرا معروف است. آزمون وکسلر که آزمونی پیشرفته برای سنجش ابعاد مختلف هوش است، آزمون دقیقی است که برای گروههای سنی خردسالان و کودکان و بزرگسالان فرمهای مجزایی دارد.

طبقات هوش
با توجه به نمرات حاصل از اجزای آزمونهای هوشی و تعیین بهره هوشی ، افراد در طبقات مختلفی قرار می‌گیرند. در طبقه بندیهای گذشته افراد دارای هوش پایین در طبقات کودن ، کانا و کامیو قرار می‌گرفتند. امروزه دیگر این طبقه بندی رایج نیست و از طبقه بندی عقب مانده ذهنی ، بهره هوشی پایین ، متوسط و بالا استفاده می‌شود.

هوش و استعداد

کاربرد هوش و استعداد
موفقیت افراد در تمامی فعالیتها و رفتارهای او تا درجاتی به میزان هوش و استعداد او بستگی دارد. هرچند برخی فعالیتها نیاز چندانی به سطح هوشی بالا و یا استعداد خاص در آن زمینه ندارند و همه افراد تا حدودی از عهده انجام آن فعالیتها برمی‌آیند، مثل امور روزمره و شخصی زندگی. اما برخی فعالیتها نیز وجود دارند که لازمه آنها و موفقیت در انجام آنها سطح معینی از هوش و استعداد فرد در آن زمینه است. به عنوان مثال در هنر موسیقی علاوه برداشتن سطح معینی از هوش ، داشتن استعداد از عوامل بسیار ضروریست. بنابراین کاربرد سطح هوشی و استعداد عمدتا در زمینه انتخاب مشاغل و رشته‌های تحصیلی مورد توجه است.

رابطه هوش و استعداد
در گذشته از بهره هوشی برای تعیین اینکه یک فرد در یک زمینه خاص می‌تواند کارایی لازم را از خود نشان دهد یا نه استفاده می‌کردند. به عبارتی آزمونهای هوشی برای تعیین میزان استعداد فرد در آن زمینه بکار می رفت و اولین بار چنین روشی در جنگ جهانی اول و دوم برای گزینش افراد برای تخصصهای مختلف استفاده شد. در جنگ جهانی دوم فقط داوطلبانی را که نمره آنها در آزمون هوشی از حد خاصی بالاتر بود برای آموزش خلبانی انتخاب می‌کردند. در تحقیقاتی که در این زمینه انجام شده بود برای حقوقدان شدن بهره هوشی ۹۵ – ۱۵۷ ، مهندس شدن ۱۰۰ -۱۵۱ ، مکانیک شدن ۶۰ – ۱۵۵ و … تعیین شده بود.

امروزه علاوه بر تأکید اساسی که بر بهره هوشی در یادگیری مهارتها و حرفه‌ها می‌شود مسأله استعداد نیز در کنار آن اهمیت ویژه‌ای دارد و آزمونهای هوشی نمی‌توانند تعیین کننده صرف میزان موفقیت فرد در یک زمینه باشند. به عنوان مثال فردی که از لحاظ سطح هوشی در حد بالایی قرار دارد لزوما مهندس یا پزشک خوبی نخواهد شد. موفقیت آن وابسته به بهره هوشی او در کنار استعدادهایی که در آن زمینه دارد می‌باشد. افرادی با بهره هوشی یکسان ممکن است

استعدادهای مختلفی در زمینه‌های مختلف از خود نشان دهند. فردی ممکن است در زمینه موسیقی مهارت و شایستگی نشان دهد، دیگری در مکانیک و دیگری در علوم پزشکی.

منبع: اینجا

دفاتر پستی در کانادا, البته در شهرهای بزرگ کانادا از دوشنبه تا جمعه از ساعت 10صبح تا 5 بعدازظهر باز هستند. در بعضی از شهرها حتی 24 ساعته باز هستند و مشغول به کار حتی در تمام روز میتوانید به با مراجعه کردن به این دفاتر به تمبر, ترازو, جداول نرخ پستی و جعبه های بزرگ پستی دسترسی داشته باشید.

البته باید توجه داشته باشید ساعات ذکر شده در شهرهای بزرگ کانادا امکان پذیر است زیرا در شهرهای روستایی و کوچک تر کانادا این بازه های زمانی محدود تر هستند ساعت شروع به کار این دفاتر در ایام هفته ممکن است بین 8 تا9:30 صبح و ساعت پایان کار بین 2 تا 5 بعد از ظهر باشد یا فقط ساعاتی در صبح و شاید ساعاتی از روز دوشنبه کار کنند.

روز سی‌ام ماه آوریل، آخرین روزی که کانادایی‌ها می‌توانند پرونده مالیاتی خود را ارسال کنند، دفاتر پستی تا نیمه شب باز هستند تا اظهارنامه‌های مالیاتی را مهر کنند (اگر مالیات بدهکار باشید و یک روز دیرتر از سی‌ام ماه آوریل مالیات خود را فایل کنید، باید بهره آن را بپردازید). باید از مراجعه به دفاتر پستی یک هفته قبل از این تاریخ پرهیز کرد.

در ادامه مطلب اطلاعات عمومی پست در کانادا را برایتان شرح میدهیم

در ابتدا برای ارسال نامه و بسته های پستیتون باید به یک سری از مسائل توجه داشته باشید

1.در دفاتر پستی خدماتی به نام priority post service برای نامه های پستی و expedited parcel برای بسته های  پستی لحاظ میشوند, بنابراین در هنگام ارسال نامه یا بسته هایتان از کانادا به ایران باید به این دو مورد توجه داشته باشید.

روش ارزان‌تر دیگر Xpress post است که نامه یا بسته ارسالی طی دو روز به مقاصد می‌رسد. پاکت‌های پست Priority و Xpresspost بسته‌های حباب‌دار، و جعبه‌های مخصوص Xpresspost نیز موجود است.

پس این چنین میتوانید بسته هایتان را به دفاتر پستی کانادا بسپارید, اما متاسفانه با توجه به تحریم های اقتصادی نسبت به ایران در این زمان امکان ارسال بسته از کانادا به ایران از طریق دفاتر پست ممکن نیست.

اما برای رفع این مشکل چه کنیم؟ بهتر است بیشتر با سایت baste.co برای ارسال بسته هایتان از کانادا به ایران آشنا شوید.

روش کار  baste.co به چه شکل است؟

Baste.co با ارسال بسته های پستی شما همراه با مسافرین کانادا به ایران کالای مورد نظر شما را به ایران منتقل میکنند, به این شکل است که ساکنین کانادا برای ارسال بسته خود به ایران در بسته.کو کالای مورد نظر خود را فرم کرده و اطلاعات برقراری تماس خود را در لیست بسته خود به جای میگذارند, بسته های لیست شده از طریق متقاضیان در سایت ذخیره باقی میماند و با یک سرچ کوچک از طریق تاریخ مورد نظر برای ارسال بسته از سوی شما به هر یک از شهرهای ایران که در لیست وارد کرده اید برای مسافری که از کانادا به سمت ایران مسافرت میکند قابل مشاهده است.

البته ممکن است برایتان سوال باشد که مسافران چگونه راضی به حمل بار شما خواهند شد؟ برای صورت گرفتن این پروسه فرد ارسال کننده هزینه ای برای مسافری که بسته اش را از کانادا به ایران منتقل میکند در نظر میگیرد به همین صورت مسافران را ترغیب به بردن بسته ها خواهد کرد.

بنابراین اگرچه بسته ای برای فرستادن از کانادا به ایران دارید و اگرچه مسافر این مسیر هستید baste.co میتواند بهترین انتخاب شما باشد.

داشتن مسکن مناسب یکی از ابتدایی ترین نیازهای بشر است و صنعت ساختمان سازی عمری به اندازه پیدایش بشر در این کره خاکی دارد. هم اکنون و در زمان امروزی نیز صنعت ساخت ساختمان یکی از بزرگترین صنایع هر کشور است که نقش کلیدی را در زمینه اشتغال در هر کشور فراهم می کند.

در کشور ما نیز به دلیل رشد جمعیت از یک طرف و عمر پایین سازه های قبلی از طرف دیگر، نیاز شدیدی به ساخت خانه های جدید در کشور به وجود دارد، به طوری که مشکل تامین مسکن به یکی از ابر چالشهای اقتصاد کشور تبدیل شده است. صنعت تولید مسکن از طرف دیگر با توجه به اینکه نقش اصلی را در ایجاد اشتغال کشور دارد، می تواند به حل اساسی و پایدار معضل اشتغال در کشور نیز کمک کند. این صنعت نقش اصلی را در به کارگیری مهندسین در رشته های مختلف دارد که در این مقاله، رشته های تخصصی درگیر در این صنعت را مرور می کنیم

1-مهندسی معماری:

در ده یا پانزده سال گذشته از مهندسین معمار تنها در طراحی پروژه های بسیار لوکس و یا پروژه های بزرگ دولتی استفاده می شد; اما در حال حاظر با توجه به افزایش سرسام آور قیمت زمین و مسکن به نسبت دستمزد استفاده از خدمات مهندسین معمار و همینطور تغییر سلیقه خریداران مسکن، سازندگان خوب هم اکنون نسبت به استخدام مهندس معمار برای طراحی بنا اهمیت بسیار زیادی قائلند و مواردی مانند طراحی نما، دکوراسیون داخلی، طراحی معماری بنا و انتخاب مصالح رو کار بنایی از جمله مواردی است که از مهندسین معمار کمک گرفته می شود. باتوجه به حساسیت بیشتر مردم و نهادهای دولتی نسبت به تاثیرات فرهنگی و هنری معماری در زندگی روزمره مردم، نقش مهندسین معمار در زمینه ساختمان سازی هر روز بیشتر احساس می شود

2-مهندسی عمران:

رشته مهندسی عمران اصلی ترین رشته کاربردی مهندسی در زمینه ساخت مسکن است. جالب است بدانید تا حدود 25 سال پیش، اجبار قانونی برای استفاده از دانش مهندسی عمران در ساخت ساختمانهای معمولی نبود. به همین دلیل ساختمانهای با بیش از 20 سال سابقه ساخت در ایران کلنگی و بی ارزش شناخته می شوند. در حالیکه عمر مفید ساختمانها در کشورهای پیشرفته بیش از 70 سال است. اما با توجه به زلزله های بسیار شدید در کشور که علاوه بر به جای گذاشتن هزاران کشته، بسیاری از مناطق کشور را ویران کرده، قانون گذاران را به اجبار استفاده از مهندسین عمران برای طراحی و نظارت و اجرای ساخت مسکن سوق داده است. هم اکنون تقریبا هیچ سازه مسکونی در کشور (حتی در روستاهای دورافتاده) بدون استخدام مهندس عمران جهت طراحی سازه و نظارت برساخت وجود ندارد. تاثیر این اقدامات (هر چند نصفه و نیمه) را در زلزله اخیر در کرمانشاه و مقایسه تلفات و خسارات آن با زلزله ها قبلی در طبس،بم و یا رودبار می توان به وضوح مشاهده کرد.

3-مهندسی برق:

طراحی و نظارت مهندسی برق روی تاسیسات الکتریکی ساختمان نیز در دهه اخیر اجباری شده و ساختمانهای قدیمی در زمینه برق بسیار بیکیفیت و خطر ناکند. ولی با اجبار قانونی سازمان نظام مهندسی بر روی نظارت مهندسین برق مورد تایید این سازمان، شاهد افزایش کیفیت کار و ایمنی در تاسیسات ساختمان هستیم. ایجاد چاه ارت و سیستم ارتینگ، استفاده از کلیدهای محافظ جان بعد از کنتور، طراحی روشنایی، سایزینگ درست سیمها در پخش بار مناسب همه از مزایای خوب استخدام مهندس تاسیسات برق در تاسیسات الکتریکی ساختمان است. همینطور پیشرفت تکنولوژی و نیاز خریداران در بکارگیری سیستمهای جدید الکتریکی مانند سنسورهای اعلان حریق، دوربینهای مداربسته، دربهای اتوماتیک ریموت دار، آسانسورهای برقی، درب بازکن های تصویری را به امکانات معمولی در خانه های جدید تبدیل کرده و خانه های لوکس نیز به استفاده بیشتر از دانش مهندسی برق جهت اتوماسیون تاسیسات حرارتی و برودتی روی آورده اند. در آینده نیز قطعا تولید انرژی الکتریکی مورد نیاز هر ساختمان توسط سیستمهای تولید انرژی خورشیدی و بادی به صورت مستقل همه گیر خواهد شد.

4-مهندسی تاسیسات مکانیک:

لوله کشی آب، فاضلاب، گاز، کانالهای هوا، دودکشها، و تعیین ظرفیت سیستمهای حرارتی و برودتی همه از کاربردهای مهندسی تاسیسات مکانیک در ساختمان سازی مدرن است. خوشبختانه با اجبار در استخدام مهندس تاسیسات مکانیکی در زمینه های طراحی و نظارت بر اجرای این موارد، شاهد افزایش کیفیت و کاهش هزینه های تعمیر و نگهداری ساختمان و کاهش حوادث و تلفات در کنار بهینه سازی مصرف انرژی از نکات مثبت استفاده از مهندسین تاسیسات مکانیکی در ساخت ساختمانهای جدید است.

5-مهندسی صنایع:

به گارگیری و استخدام مهندس صنایع در شرکت های ساختمانی اجباری نیست. ولی با گرایش صنعت ساختمان کشور به انبوه سازی و لزوم به کارگیری مفاهیم مربوط به برنامه ریزی دقیق منابع و زمان، هماهنگی اکیپهای طراحی و اجرایی، همچنین پیشبینی های مالی که هر کدام از این موارد نقش بزرگی در کاهش هزینه و زمان دارد، باعث شده تا شرکتهای بزرگ پیمانکار و مشاور نسبت بکارگیری مهندسین صنایع در پروژه های بزرگ ساختمانی همت گمارند.

6-رشته شیمی:

پیشرفت دانش شیمی موجب کاربری وسیع این دانش در مصالح ساختمانی جدید شده است. انواع مکملها و افزودنیهای شیمیایی در بتن، انواع عایقهای حرارتی و رطوبتی، انواع سنگهای تزئینی مصنوعی، انواع کفپوش و لمینت در دکوراسیون، انواع پوششهای چوبی مصنوعی، درب و پنجره های جدید یو پی وی سی، استفاده از لوله های چند لایه پلاستیکی در تاسیسات، شیشه های دوجداره پرشده با انواع گازها، رنگها با فرمولاسیون جدید و….همه ناشی از کاربرد علم شیمی و استخدام کارشناس شیمی در صنعت مصالح ساختمانی است.

نتیجه گیری: با توجه به اینکه ساخت ساختمانهای جدید ضمن برطرف کردن مشکل مسکن خانواده ها، که از مشکلات اصلی مردم در ایران است، می تواند باعث بکارگیری وسیع نیروی متخصص و مهندسین کشور شود و آمار بیکاری را در جامعه مهندسی کشور به شدت کاهش دهد. بنابراین انتظار می رود دولت و بانکها نیز نسبت به افزایش اعتبارات در زمینه ساخت مسکن همت بیشتری گمارند و شهرداریها نیز تسهیلات بیشتری را جهت نوسازی بافتهای فرسوده شهری و ساخت ساختمانهای جدید در نظر بگیرند.

منبع:

https://vatanjob.com/engineering-expertise-required-to-build-a-house