این نشست در روز سه شنبه ۱۸ دی ماه ساعت ۱۳ و در راستای سلسله سمینارهای هوش مصنوعی و تمدن آینده برگزار شده است. در این نشست آقای پروفسور استفانو ایزولا استاد تمام فیزیک ریاضی دانشکده علم و صنعت دانشگاه کامرینو ایتالیا به طرح ایده خود پرداخت و آقای دکتر حسین صابری دبیر علمی سمینار، عضو هیئت علمی دانشگاه جامع امام حسین علیه السلام به عنوان دبیر علمی از وی میزبانی نمود.
گزارشی مختصر از ارائه آقای پروفسور استفانو ایزولا چنین است: نخستین مدل سازی علمی تفکر انسانی به صورت نمادین در مقاله ١٩٤٣ پیشنهاد شده است. دهه ۱۹۸۰-۱۹۷۰ موسوم به زمستان هومص، با افزایش تصاعدی قدرت محاسبات کامپیوترها و تأکید دوباره بر شبیه سازی تفکر انسانی و بهینه سازی فرایند ماشینی آن همگام میشود و نقطه عطفی برای پیدایش کلان دادهها است. در مراحل بعدی شبکه عصبی جایگزین بازنمایی نمادین میشود.
تا اینجا کار هومص خالی از معنا است. تنها خلاقيت هومص جلوگیری از خطا در سیستم است. شبکه عصبی صرفا بر اساس درک روابط، موضوع را در یک طبقه بندی میکند و هیچ درکی از معنای موضوع یادگیریاش ندارد. در سطح ابزاری، رفتار ماشین، در این خلاصه شده که واقعیتهای پدیداری را شبیه سازی کند و اینجا شاهد پسروی در علوم کامپیوتر بودهایم.
لذا دانشمندان کامپیوتر تلاش کردند تا مسئله را در سطح بنیادینتری حل کنند. به کتاب کریس اندرسن رجوع کنید اندرسن در کتابش روایت میکند که مقدار دادههای بزرگ در دسترس روشهای علمی قدیمی را منسوخ میکند زیرا روابط متقابل برای ما در شبکهها کافیاند و میتوانیم نگاه به مدلها را متوقف کنیم بررسی همبستگی روابط میتواند هر مسئلهای را پاسخ دهد. اینجا جشن بزرگ ظهور کلان دادهها است.
نویسندگان مختلفی متفق القول گفتهاند که داده کاویها میتوانند موفقتر از قبل باشند زیرا دادههای کافی در اختیار داریم و با کمک آنها میتوانیم خلاهای قبلی را به اتکای «روابط بین ارقام» جبران کنیم. در این شرایط، هر نوع همبستگی و ترتیب رخدادها را میتوان استخراج کرد. یعنی بدون ارجاع به زمینه و صرفا مبتنی بر ارتباط متناظر و همبستگی میان آنها میتوانیم نتیجه بگیریم. برای مثالی اغراق شده میتوانیم همبستگی تعداد کسانی که بر اثر سقوط قایق در آب افتادهاند را با نرخ ازدواج در ایالت کنتاکی ایالات متحده بسنجیم.
دکتر محمد محمدینیا، عضو هیأت علمی پژوهشگاه فرهنگ و اندیشه اسلامی و مدیر گروه سايبرپژوهی بنیادین مؤسسه شناخت
