هوش مصنوعی، قهرمان جام ملتها را پیش بینی کرد!
تاریخ انتشار: ۱ بهمن ۱۴۰۲ | کد خبر: ۳۹۵۶۹۱۰۲
طرفداری | هوش مصنوعی اعتقاد دارد شاگردان هاجیمه موریاسو عنوان قهرمانی آسیا را به دست خواهند آورد.
رقابتهای جام ملتهای آسیا به پایان دور دوم مرحله گروهی نزدیک شده و تاکنون چند نتیجه شگفت انگیز و غیرمنتظره در مسابقات رخ داده و البته برخی از مدعیان نیز با پیروزیهای کم رنگ، باعث تعجب علاقه مندان به فوتبال شدهاند.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
مهمترین نتیجه جام را میتوان شکست دور از انتظار ژاپن برابر عراق دانست که مدعی اصلی قهرمانی، با نتیجه دو بر یک تن به شکست داد. با این حال، هوش مصنوعی همچنان اعتقاد دارد که ساموراییها بخت نخست کسب عنوان قهرمانی به شمار میروند.
وب سایت کووورة در گزارشی نوشته است:
از آنجایی که ماشینها عواطف و احساسات ندارند، تصمیم گرفتیم چندین سوال بحث برانگیز از هوش مصنوعی بپرسیم و پاسخها را بدون دخالت انسانی، در مجموعهای از گزارشهای هفتگی بررسی کنیم.
سوالی که در اینجا مطرح میکنیم، در حال حاضر جنجال بزرگی را در بین طرفداران فوتبال در آسیا به راه انداخته و آن این است که "کدام تیم به قهرمانی در جام ملتهای آسیا ۲۰۲۳ نزدیکتر است؟"
توجه: (همه پاسخها - از جمله هرگونه خطای زبانی یا اطلاعاتی - دقیقاً همانطور که هوش مصنوعی بیان کرده است) را ارائه کردهایم.
جواب:
بر اساس نتایج مرحله گروهی و تا به اینجای کار، تیمهای زیر جزو محتملترین نامزدهای قهرمانی در جام ملتهای آسیا ۲۰۲۳ هستند:
قطر: مدافع عنوان قهرمانی، میزبان مسابقات است و با حضور هواداران، به تیمی قدرتمند و یکپارچه تبدیل میشود که گروهی از بازیکنان برجسته مانند اکرم عفیف و عبدالعزیز حاتم را در اختیار دارد.
ژاپن: قهرمان چهار دوره آسیا، تیمی قوی و جوان دارد که در آن گروهی از بازیکنان بااستعداد مانند واتارا اندو، ریوتا موریکاوا و جاناتان کیتا حضور دارند.
ایران: که در رنکینگ جهانی فیفا در رده دوم آسیا قرار دارد، تیم قدرتمندی است که در آن جمعی از بازیکنان باسابقه مانند سردار آزمون و علیرضا جهانبخش حضور دارند.
کره جنوبی: که در رتبه سوم تیمهای آسیایی در رنکینگ جهانی فیفا قرار دارد، تیمی قدرتمند و تهاجمی دارد که شامل گروهی از بازیکنان برجسته مانند سون هیونگ مین و کیم جونگ وو است.
عراق: قهرمان دو دوره آسیا، تیم قدرتمند و جوانی دارد که شامل گروهی از بازیکنان مستعدی مانند ایمن حسین، علی عدنان و احمد یاسین است.
علاوه بر این تیمها، تیمهای دیگری نیز مانند عربستان، استرالیا، امارات و اردن میتوانند در رقابتهای قهرمانی ایفای نقش کنند.
در نهایت این عنوان به تیمی میرسد که بهترین عملکرد را در مسابقات داشته باشد و در کسب بهترین نتایج خوش شانس باشد.
سوال: اگر مجبورت کنم فقط یکی از این تیمها را انتخاب کنی چه؟
جواب: اگر مرا مجبور میکردید که فقط نام یکی از این تیمها را ببرم، ژاپن را انتخاب میکردم.
ژاپن تیمی قوی و جوان با گروهی از بازیکنان با استعداد دارد که پتانسیل ارائه عملکرد فوق العادهای را در مسابقات دارند.
علاوه بر این، ژاپن با ۴ بار قهرمانی در جام ملتهای آسیا، سابقه غنی برای کسب موفقیت در جام ملتهای آسیا را دارد.
البته سایر تیمهای ذکر شده در بالا نیز شانس زیادی برای کسب عنوان قهرمانی دارند، اما به نظر من ژاپن بیشترین شانس را برای بالای سر بردن جام دارد.
از دست ندهید ????????????????????????
سلفی سون هیونگ مین با مربی اردن + عکس ستاره قطری پیج پرسپولیس را فالو کرد + عکس نزدیک شدن ژابی آلونسو به شکست رکورد تاریخی بایرن مونیخ داستان جالب عکس گرفتن کلودیو مارکیزیو و آندرس اینیستا در ساحل جدیدترین قربانی نژادپرستی؛ مایک منیان به دلیل توهین هواداران اودینزه زمین بازی را ترک کرد!منبع: طرفداری
کلیدواژه: جام ملت های آسیا گروهی از بازیکنان عنوان قهرمانی هوش مصنوعی تیم ها
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.tarafdari.com دریافت کردهاست، لذا منبع این خبر، وبسایت «طرفداری» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۹۵۶۹۱۰۲ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
رفتارهای غیرمنطقی انسان الگوی جدید هوش مصنوعی شد
خبرگزاری علم و فناوری آنا؛ محققان دانشگاه ام آی تی و دانشگاه واشنگتن راهی برای مدلسازی رفتار یک سوژه، خواه انسانی یا ماشینی، ابداع کردند که محدودیتهای محاسباتی ناشناخته را توضیح میدهد. این روش جدید به درک تفکر انسان و ماشین و چگونگی حل مشکلات کمک میکند و هر گونه محدودیتی را که ممکن است مانع حل مسئله شود شناسایی میکند.
برای ساختن سیستمهای هوش مصنوعی که میتوانند همکاری مؤثری با انسان داشته باشند، الگوبرداری مناسب از رفتار انسان برای شروع مفید است. اما بیشتر انسانها تمایل دارند هنگام تصمیمگیری رفتاری نشان دهند که با هنجارها و استانداردها چندان سازگار نیست. این غیرمنطقی بودن، که مدلسازی آن بهویژه دشوار است، اغلب به محدودیتهای محاسباتی ختم میشود. دلیلش این است که یک انسان فرصت ندارد مدتهای طولانی وقت صرف کند تا به راه حل مناسب برای حل یک مشکل برسد.
پیشبینی و پیشگیری از رفتارهای اشتباه
مدل جدید محققان میتواند به طور خودکار محدودیتهای محاسباتی یک سوژه را با دیدن تنها چند نمونه از اقدامات قبلی آنها استنتاج کند. این «پایه استنتاج» میتواند برای پیشبینی رفتارهای آتی آن سوژه استفاده شود. برای مثال، میتواند پیشبینی کند که بر اساس الگوهای سفر قبلی یک فرد به کجا میرود و یا مثلاً حرکت بعدی یک بازیکن را در بازی شطرنج پیشبینی کند. این کار میتواند به دانشمندان کمک کند نحوه رفتار انسانها را به سیستمهای هوش مصنوعی بیاموزند تا به همکاران انسانی خود بهتر پاسخ دهند. به گفته پائول جیکوب (Paul Jacob)، نویسنده ارشد این تحقیق، توانایی درک رفتار انسان و سپس استنتاج اهداف او بر اساس رفتار، میتواند کارایی یک دستیار هوش مصنوعی را تا حد زیادی ارتقا دهد.
جیکوب میگوید: «هوش مصنوعی میتواند با مشاهده رفتارهای قبلی انسان، او را از انجام اشتباه احتمالی بازدارد و وارد عمل شود و راه بهتری را پیشنهاد دهد. حتی میتواند با نقاط ضعفی که همکاران انسانیاش دارند سازگار شود. توانایی مدلسازی رفتار انسان گام مهمی به سوی ساخت یک عامل هوش مصنوعی است که در واقع میتواند به آن انسان کمک کند.»
چگونگی آموزش الگوریتم
اولین مرحله در روش آنها شامل اجرای یک الگوریتم حل مسئله در مدت زمان محدود است. برای مثال، اگر مدل هوش مصنوعی در حال انجام مسابقه شطرنج است به الگوریتم آن اجازه میدهند که فقط در تعداد معینی از مراحل اجرا شود. در پایان، محققان میتوانند تصمیماتی را که الگوریتم در هر مرحله اتخاذ کرده است، مشاهده و بررسی کنند.
سپس این مدل، تصمیمات خود را با تصمیمات سوژهای که از آن الگو گرفته مقایسه میکند تا با هم هماهنگ شوند و مرحلهای که عامل برنامهریزی را متوقف کرده است شناسایی میکند. از این رو، مدل میتواند پایه استنتاج یا مدت زمانی که آن سوژه برای این مشکل برنامهریزی میکند را برآورد کند. از پایه استنتاج همچنین میتوان برای پیشبینی نحوه واکنش آن سوژه هنگام حل یک مشکل مشابه استفاده کرد.
این روش میتواند بسیار کارآمد باشد، زیرا محققان میتوانند بدون تلاش مضاعف، به مجموعه کاملی از تصمیمات الگوریتم حل مسئله دسترسی داشته باشند. این چارچوب همچنین میتواند به حل هر مشکلی که در آن کلاس خاص از الگوریتم قرار دارد کمک کند.
محققان رویکرد خود را در سه مدلسازی مختلف آزمایش کردند: استنباط اهداف ناوبری بر اساس مسیرهای قبلی، حدس زدن قصد ارتباطی افراد از روی نشانههای کلامی آنها و پیشبینی حرکات بعدی در مسابقات شطرنج انسان با انسان. روش آنها در هر آزمایش یا با یک انتخاب رایج مطابقت داشت یا عملکرد بهتری را نشان داد.
با این روش جدید، سیستمهای هوش مصنوعی از اشتباهات خود درس میگیرند و مهارتهای تصمیمگیری خود را بهبود میبخشند. از این رویکرد همچنین میتوان برای مدلسازی فرآیند برنامهریزی در رباتها استفاده کرد. هدف نهایی این روش، ایجاد مدلهایی از هوش مصنوعی است که بتوانند همکاری مؤثرتری با انسان داشته باشند.
این گزارش از ام آی تی نیوز به فارسی برگردان شده است.
انتهای پیام/
نازنین احسانی طباطبایی