آیا هوش مصنوعی می تواند آینده سیاست را تغییر دهد؟

با توجه به اینکه انتظار می رود هوش مصنوعی طی چند دهه آینده تغییرات چشمگیری را در جوامع ایجاد کند و فراتر از هر چیزی که در طول انقلابهای قبلی فن آوری پیش بینی شده بود ، یک سناریوی آینده قابل قبول این است که انسان ها به همراه هوش مصنوعی اداره شوند. به کشوری که در آن زندگی می کنید فکر کنید. 

برای لحظه ای تصور کنید که یک سیاستمدار انسانی چه دانش ، مهارت و ویژگی هایی باید داشته باشد تا بی نقص باشد ، اگر هدف اصلی آنها نماینده سازنده آنها و اجرای یک دستور کار سیاست گذاری مؤثر است. یک سیاستمدار عالی انسانی ممکن است مسائل مربوط به افرادی را که نماینده آنها هستند ، بفهمد مانند این که چه چالش هایی با آنها روبرو است و چه سیاستی را که دوست دارند ببیند تغییر یافته است. برای پیشبرد سیاست هایی که با مؤلفه های آنها طنین انداز شود و جامعه را به عنوان یک کل جمعی به جلو سوق دهد ، یک سیاستمدار انسانی کامل باید درک عمیقی از گذشته جامعه ، وضعیت فعلی آن و چالش های پیش رو داشته باشد. او همچنین باید یک مذاکره کننده ماهر ، سازنده اجماع و یک مدیر بزرگ بحران باشد.

با بررسی جدید نگرش اروپایی ها نسبت به فن آوری ، مشخص شد که اگر تصمیمات سیاسی به جای سیاستمداران تصمیم گیری های سیاسی را با استفاده از هوش مصنوعی انجام دهند ، یک چهارم مردم ترجیح می دهند.

یک چهارم از پاسخ دهندگان گفتند که ترجیح می دهند هوش مصنوعی را برای تصمیم گیری در مورد حاکمیت کشور خود بر سیاستمداران راهنمایی کنند.

هنگامی که صحبت از خودکارسازی دانش می شود ، سیستم های هوش مصنوعی مجراهای قدرتمند دانش هستند و می توانند به عنوان دستیارهای ارزشمند برای مجلس عمل کنند. در حال حاضر ، AI می تواند به طراحی سیاست ها و پاسخگویی به خطرات کمک کند ،  با پیشرفت فناوری ، سیستم های هوش مصنوعی قادر به انجام کارهای پیچیده ای باشند. علاوه بر این ، ویژگی ها سخت ترین جنبه برای تکثیر خواهند بود زیرا ماشین ها فقط به عنوان موجودات منطقی عمل می کنند. حضور انسان در حکومت احتمالاً برای آینده قابل پیش بینی ضروری خواهد بود.

جناب آقای مهندس حمید اصلانی 

معاونت محترم  اجرایی مجلس شورای اسلامی

موضوع: هوشمند سازی مجلس  توسط تیم ایران سربلند 

با سلام

    پیرو جلسات انتخابات مجلس در ستاد با دکتر قالیباف و علاقمندی ایشاندر کاربرد هوش مصنوعی ومذاکره با دکتر نگاهداری در خصوص تجربه و تخصص تیم ایران سربلند که ترکیبی از تکنولوژی های سطح بالا و هوش مصنوعی شمل دکتر بهروز نقویان ، دکتر مهدی نصیری ، مهندس میثم عباسی و بسیاری متخصصان که دارای سابقه و تجربه و جوایز بین المللی و داخلی می باشند و نظر به برنامه ریزی و اقدام در چارچوب سیاست های کلی نظام قانون گذاری ابلاغی رهبر معظم انقلاب و با رویکرد تحول و تاکید بر کارآمدسازی، شفاف سازی، هوشمندسازی و مردمی سازی با بررسی بعمل آمده در کاربردهای هوش مصنوعی در سایر مجالس جهان طرح ایران سربلند شامل شش زیر مجموعه جهت بررسی و دستور اقدام لازم ایفاد می گردد.

- رزومه تیم ایران سربلند  و شرح مختصری از پروژه های زیر مجموعه شامل

- از تنقیح قوانین با کمک هوش مصنوعی  

-سیستم تصمیم یار انفرادی و گروهی هوشمند برای نمایندگان مجلس

-مدیریت ارتباط وکلای مجلس به کمک هوش مصنوعی

-سامانه  هوشمند سیاست گذاری داخلی و خارجی با در نظر گرفتن روندهای اقتصادی واجتماعی ...  

-طراحی هوشمند آینده با کمک علم آینده پژوهی 

-سیستم نظارت هوشمند بر اجرای مصوبات مجلس در کشور و اعلام انحرافات لحظه ایی

مدیر عامل

تنقیح قوانین با کمک هوش مصنوعی

نام پروژه :تنقیح قوانین با کمک هوش مصنوعی 

خلاصه مدیریتی- 

بیش از ۱۱۰ سال از شروع قانونگذاری در کشور ما می‌گذرد و در این مدت حدود ۱۰هزار عنوان قانون و صدها هزار مقرره به تصویب رسیده که یافتن قانون معتبر در موضوعات مورد نظر (مانند اجاره، مالیات، شهرداری، مراتع، ازدواج و...) در میان این میزان از قوانین و مقررات حتی برای حقوقدانان نیز بسیار دشوار است. 

بر این مبنا، تدوین و تنقیح قوانین و مقررات، فنی است مبتنی بر دانش حقوقی که با استفاده از آن، از میان تمامی قواعد حقوقی معتبر (اعم از قوانین، مقررات، آرای وحدت رویه، نظرات لازم الاجرا و...) مرتبط با یک موضوع موارد معتبر از غیرمعتبر مشخص و تفکیک می‌شود. 

بنابراین تنقیح قوانین و مقررات به‌عنوان تکلیف حاکمیتی دولت، به دنبال آن است که در حوزه قوانین و مقررات شفافیت ایجاد کند. بدون انجام تنقیح قوانین و مقررات امکان آگاهی دقیق و شفاف از قوانین و مقررات معتبر و لازم الاجرا فراهم نخواهد بود و در چنین بستری است که فساد بروز می‌کند و ناکارآمدی نهادها و سازمان‌ها را به وجود می‌آورد.

هوش مصنوعی ابزاری گسترده است که به مردم این امکان را می دهد تا درباره نحوه ادغام اطلاعات ، تجزیه و تحلیل داده ها و استفاده از بینش های بدست آمده برای بهبود تصمیم گیری به تجدیدنظر بپردازندو با کمک این ابزار مجلس شورای اسلامی و قوه مجریه و مقننه قادر به روز رسانی قوانین و حذف قوانین ناسخ و منسوخ و تشخیص خلاء های قانونی خواهند بود

ü       شرح ضرورت- 

تنقیح قوانین موضوعی که سالها در دست انجام بوده ولی بخاطر سختی کار و استفاده از نفرات حقوقدان و زمان زیاد تقریبا غیر قابل انجام بوده و از سال 1350 آغاز و مجددا در سال 98 شروع ولی نتیجه ایی نداشته است .

آثار ناشی از تصویب قوانین غیرکاربردی، بسیار زیاد است اما شاید مهم‌ترین اثر، لوث شدن مفهوم قانون و فلسفه قانونگذاری است. قانون برای اجرا تصویب می‌شود و نه برای کامل بودن کلکسیون قانونگذاری؛ بر این اساس، قانون باید قابلیت اجرا داشته باشد و غیرکاربردی بودن آن، امکان اجرایی شدن قانون را سلب می‌کند. اجرایی بودن یک قانون بدان معناست که قانون با اقتضائات جامعه و کشور سازگاری داشته باشد، با مبانی و اصول علمی سازگار باشد، با توان و شرایط مخاطبان قانون تناسب داشته باشد. هنگامی که حتی یک قانون به هر دلیل از جمله کاربردی نبودن از اجرایی شدن فاصله بگیرد، در افکار عمومی، باب قانون‌گریزی باز می‌شود و این با فلسفه قانونگذاری در تعارض است.

نکته دیگر آنکه «تنقیح» یک امر فنی، تخصصی و زمانبر است. تجربه کشورهای دیگر حاکی از آن است که انجام تنقیح ممکن است چندین دهه به طول بینجامد و باز هم به نهایت نرسد و تداوم داشته باشد.

ü       تشریح پروژه- 

 جستجو در داده ها و بهینه سازی جستجو برای به دست آوردن مناسب ترین نتایج در تنقیح قوانین مورد نیاز

زنجیره های منطقی برای استدلال if-then که می تواند برای اجرای یک سری دستورات بر اساس پارامترها اعمال شود که نتیجه هر تغییری در یک قانون بررسی می شود

شناسایی الگو برای شناسایی الگوهای قابل توجه در مجموعه داده های بزرگ برای بینش های منحصر به فرد که باعث سرعت بخشیدن قوانین مشابه می شود

 پیش بینی نتایج آینده از مدلهای احتمالی استفاده شده که به پیشنهاد قوانین جدید و خلاء های موجود می پردازد

نقطه آغازین انجام تنقیح، قوه مجریه و قوه قضائیه (هریک در موضوعات مربوط به خود) و نقطه پایانی آن «قوه مقننه» است. نقطه شروع تنقیح باید قوای مجریه و قضائیه باشد چراکه این «مجریان» هستند که می‌توانند تعارضات و تزاحمات میان قوانین را به‌خوبی شناسایی کنند و به نحو واقع‌بینانه پیشنهاد تعیین تکلیف آن را بدهند و اگر قانونگذار می‌توانست چنین تشخیصی بدهد اساساً نباید قوانین معارض و مزاحم تصویب می‌کرد.

ü       نتایج پروژه

کاهش خطای انسانی برای کارشناسان حقوقی

 همیشه در دسترس و سرعت کار را به چند ثانیه کاهش می دهد

در کار تکراری  به کارشناسان حقوقی کمک می کند

تصمیمات سریعتر را در مورد قوانین می گیرد

تصمیم سازی منطقی  با توجه به کل اطلاعات می گیرد

امکان دسترسی غیر مجاز و تغییر عمدی و سهوی در قوانین با امنیت را بهبود می بخشد

ارتباط موثر مابین قوای سه گانه در در اصلاح یا حذف قانون انجام می دهد

rfp1

نام پروژه :تنقیح قوانین با کمک هوش مصنوعی 

خلاصه مدیریتی- خلاصه ای از تمام پروژه که در یک یا چند صفحه اطلاعات کلی و لازم را در اختیار خواننده می گذارد.

ü       شرح ضرورت- تشریح ضرورت انجام پروژه و تاثیرات آن در کسب و کار

ü       تشریح پروژه-  تشریح چگونگی اجرا و ارزیابی پروژه

ü       اطلاعاتی در مورد سازمان

ü       برنامه زمانی پروژه

ü       بودجه

ü       نتایج پروژه

هوش مصنوعی چگونه کار می کند؟

هوش مصنوعی چگونه کار می کند؟

دکتر بهروز نقویان

هوش مصنوعی هر روز عناوین صفحه اول بیشتری کسب می کند. هوش مصنوعی ، یا هوش مصنوعی ، فناوری هایی است که دستگاه ها را قادر می سازد از تجربه یاد بگیرند و کارهای مشابه انسان را انجام دهند.

این بیشتر به این دلیل است که هوش مصنوعی به خودی خود فن آوری های مختلفی را توصیف می کند که توانایی یادگیری را به روشی هوشمندانه به ماشین ها می دهد.

سیستم های هوش مصنوعی ، با جستجوی کوه های داده های ایجاد شده توسط انسان ، جستجوی هوشمندانه را انجام می دهند ، متن و تصاویر را تفسیر می کنند تا الگوهای موجود در داده های پیچیده را کشف کنند و سپس بر روی آن یادگیری ها عمل کنند.

بسیاری از فن آوری های انقلابی هوش مصنوعی کلمات کلیدی متداول مانند "پردازش زبان طبیعی" ، "یادگیری عمیق" و "تحلیلی پیش بینی کننده" هستند. فن آوری های پیشرفته ای که سیستم های رایانه ای را قادر می سازند معنای زبان انسان را درک کنند ، از تجربه یاد بگیرند و به ترتیب پیش بینی کنند.

یادگیری ماشینی کاربردی از هوش مصنوعی است که به سیستمهای رایانه ای امکان یادگیری و پیشرفت خودکار از تجربه را بدون برنامه ریزی صریح فراهم می کند. یادگیری ماشینیبر توسعه الگوریتم هایی تمرکز دارد که می توانند داده ها را تجزیه و تحلیل کرده و پیش بینی های لازم را انجام دهند. ، یادگیری ماشین در صنایع بهداشت ، داروسازی و صنایع علوم زندگی برای کمک به تشخیص بیماری ، تفسیر تصویر پزشکی و تسریع در پیشرفت دارو انجام می شود.

یادگیری عمیق زیر مجموعه ای از یادگیری ماشین است که از شبکه های عصبی مصنوعی استفاده می کند که با پردازش داده ها یاد می گیرند. شبکه های عصبی مصنوعی شبکه های عصبی بیولوژیکی مغز انسان را تقلید می کنند.

 چندین لایه شبکه عصبی مصنوعی با هم کار می کنند تا یک خروجی واحد از بسیاری از ورودی ها را تعیین کنند ، 

 عمیق ، تشخیص گفتار است که دستیار صوتی را در تلفن ها قادر می سازد سؤالاتی از قبیل "سلام سیری ، هوش مصنوعی چگونه کار می کند؟" را درک کند.

 شبکه عصبی | ایجاد انجمن

 شبکه ای از خطوط که تصویر مغز انسان را تشکیل می دهد.

شبکه های عصبی یادگیری عمیق را امکان پذیر می کنند. همانطور که گفته شد شبکه های عصبی سیستم های رایانه ای هستند که پس از اتصالات عصبی در مغز انسان الگوسازی می شوند. معادل مصنوعی یک نورون انسانی یک پرسپترون است. درست مانند بسته های عصبی ، شبکه های عصبی را در مغز ایجاد می کنند ، پشته های ادسپرون شبکه های عصبی مصنوعی را در سیستم های رایانه ای ایجاد می کنند.

 شبکه های عصبی با پردازش نمونه های آموزشی می آموزند. بهترین نمونه ها در قالب مجموعه داده های بزرگ مانند ، مثلاً مجموعه ای از 1000 عکس گربه آمده است. دستگاه با پردازش بسیاری از تصاویر (ورودی ها) قادر به تولید یک خروجی واحد است و در پاسخ به این سؤال که "آیا تصویر گربه است یا نه؟"

 این فرایند داده ها را بارها و بارها تجزیه و تحلیل می کند تا به آنها پیوند پیدا کند و به داده های قبلاً تعریف نشده معنی دهد. از طریق مدل های مختلف یادگیری ، مانند تقویت مثبت ، به این ماشین آموزش داده می شود که با موفقیت جسم را شناسایی کرده است.

محاسبات شناختی یکی دیگر از اجزای اساسی هوش مصنوعی است. هدف آن تقلید و بهبود تعامل بین انسان و ماشین است. محاسبات شناختی به دنبال بازآفرینی روند تفکر انسان در یک مدل رایانه است ، در این حالت با درک زبان انسانی و معنای تصاویر.

 محاسبات شناختی و هوش مصنوعی تلاش می کنند ماشین هایی با رفتارهای انسانی و توانایی پردازش اطلاعات را وقف کنند.

 پردازش زبان طبیعی   ، به رایانه ها اجازه می دهد زبان و گفتار انسانی را تفسیر ، تشخیص و تولید کنند. هدف نهایی پردازش زبان طبیعی فعال کردن تعامل بدون درز با ماشینهایی است که هر روز با آموزش سیستمها برای درک زبان انسان در متن و تولید پاسخهای منطقی امکان پذیر می شویم.

 نمونه های پردازش زبان طبیعی در دنیای واقعی  سخنرانی چندین زبان را در زمان واقعی برای تسهیل ارتباط تفسیر می کند.

دید رایانه روشی است که یادگیری عمیق و شناسایی الگوی را برای تفسیر محتوای یک تصویر پیاده سازی می کند. از جمله نمودارها ، جداول و تصاویر موجود در اسناد و همچنین متن و فیلم دیگر. بینایی رایانه یک زمینه جدایی ناپذیر از هوش مصنوعی است و کامپیوترها را قادر می سازد داده های بصری را شناسایی ، پردازش و تفسیر کنند.

 واحد پردازش گرافیکی یا پردازنده های گرافیکی پردازنده اصلی توانائی هوش مصنوعی هستند ، و قدرت محاسبات گسترده ای را برای پردازش سریع میلیون ها نفر از داده ها و محاسبات لازم فراهم می کنند.

 اینترنت اشیا یا IoT شبکه تجمعی دستگاه هایی است که به اینترنت متصل هستند. پیش بینی می شود IoT بیش از 100 میلیارد دستگاه را در سالهای آینده به هم وصل کند.

 پردازش داده های هوشمند با استفاده از الگوریتم های پیشرفته برای تجزیه و تحلیل سریع تر چند سطحی از داده ها بهینه شده است. این راه حل برای پیش بینی وقایع نادر ، سیستمهای درک و موقعیتهای منحصر به فرد است.

 با ادغام برنامه های رابط کاربری یا API ها ، جنبه های هوش مصنوعی را می توان به نرم افزار موجود وصل کرد و عملکرد عادی آن را با هوش مصنوعی تقویت می کند.