هوش مصنوعی یکی از فناوری های نوظهوری است که اخیراً جهان را دچار تغییرات شگرفی کرده است. با افزایش کاربردهای هوش مصنوعی در سال های اخیر، سیاست گذاران در کشورهای مختلف جهان، برای بهبود هرچه بیشتر شرایط استفاده از این فناوری نوظهور و همچنین مقابله با چالش ها و خطرات احتمالی آن، نسبت به تدوین برنامه های سیاستی مختلفی اقدام کرده اند. پژوهش حاضر با بهره گیری از رویکرد کیفی و با استفاده از روش تحلیل مضمون، به منظور دست یابی به مهم ترین اهداف و ابزارهای سیاستی مورد توجه در خلال اسناد منتخب کشورهای مختلف، مضمون های کلیدی اسناد ملی هوش مصنوعی 6 کشور مطرح در این حوزه را در بین سال های 2017 تا 2021 استخراج نموده است. بررسی های انجام شده نشان داد که 5 هدف سیاستی و 7 ابزار سیاستی مهم ترین مواردی بوده اند که در اسناد مورد بررسی، تاکید و توجه ویژه ای به آن ها معطوف شده است. اهداف سیاستی استخراج شده عبارتنداز : 1) دستیابی به مزیت رقابتی و رشد اقتصادی، 2) ارتقای سرمایه انسانی و دانشی، 3) افزایش رفاه اجتماعی و بهبود خدمات عمومی، 4) ارتقای ظرفیت های علمی و 5) بهبود زیرساخت های فنی و داده ای. همچنین ابزارهای سیاستی که در خلال پژوهش مشخص شدند نیز به این شرح بودند: 1) تامین مالی تحقیق و توسعه، 2) مقررات گذاری و تدوین استانداردها، 3) فرهنگ سازی و آموزش، 4) خدمات مشاوره ای و شتابدهی، 5) شبکه سازی و توسعه اکوسیستم، 6) خرید دولتی و 7) تحریک تقاضای بازار. نتایج بررسی اسناد ملی توسعه هوش مصنوعی بیانگر آن است که اهداف توسعه هوش مصنوعی حوزه های مختلف اقتصادی، سیاسی، اجتماعی و فنی را دربر گرفته و علاوه بر کسب منافع اقتصادی و رفاه، چالش های اخلاقی و امنیتی پیرامون توسعه این فناوری را نیز مد نظر قرار می دهند. در بخش ابزارها نیز توجه متوازن به 4 دسته ابزارهای تحریک طرف عرضه، تحریک طرف تقاضا، شکل گیری روابط نظام ساز و در نهایت، قانون گذاری و تدوین مقررات، می تواند متضمن موفقیت کشورها در مواجهه با گسترش روزافزون توسعه و کاربردهای متنوع هوش مصنوعی باشد.

در این مقاله، مدلسازی دستگاه تولید لینک خودکار یا ALE با استفاده از شبکه های عصبی یا هوش مصنوعی معرفی شده است. به طور کلی می توان عملکرد یک دستگاه ALE را مدلسازی کرد. هدف از مدلسازی، طراحی همین دستگاه با استفاده از روش های جدید و پیاده سازی با استفاده از ابزارهای موجود و در نتیجه بومی سازی آن است. در همین راستا، در این مقاله با استفاده از شبکه های عصبی و الگوریتم MLP تلاش شده است که عملکرد کلی دستگاه ALE مدلسازی و پیاده سازی شود. در ابتدا، پس از بررسی کانال های مخابراتی و اثرات غیرخطی و نویز بر انتقال داده، یک مدل برای انتقال داده در کانال های مخابراتی معرفی و در محیط نرم افزار متلب کد نویسی شده است. سپس به معرفی انواع شبکه های عصبی و کاربردهای آن پرداخته شده است و بهترین الگوریتم برای مدلسازی دستگاه ALE انتخاب شده است. در ادامه چندین مدل با استفاده از tools نرم افزار متلب و کد نویسی الگوریتم MLP انجام گرفته است و مقایسه شده است. در نهایت مدل پیشنهادی که مبتنی بر الگوریتم MLP است با کمترین خطا، به ازای خروجی جدید می تواند کانال مناسب را پیش بینی کند. مدل های پیشنهادی پس از بهینه سازی قابل پیاده سازی بر روی FPGA هستند و راهی برای ساخت این دستگاه در داخل کشور فراهم می آورد.

چکیدههدف اصلی این پژوهش، بررسی تغییرات برنامه درسی در عصر هوش مصنوعی است که در این مقاله با استعاره فرگشت برنامه درسی به آن پرداخته شده است. هوش مصنوعی با قرار گرفتن در مرز میان فلسفه و علم چشم انداز تغییرات وسیعی در حوزه های مختلف زندگی و رویکردهای آنها را به ما نشان می-دهد. با استیلای هوش مصنوعی یکی از دغدغه های اصلی آموزش و پرورش، مواجهه با آن همراه با حفظ اصول اساسی است. ضرورت انکار ناپذیر گذر از تعهد به پارادایم های ثابت و توجه به موقعیت و شرایط پیرامونی در مقابل عدم کفایت و صلاحیت هوش مصنوعی در به دست گرفتن کلیت کار تعلیم و تربیت نقطه عطفی برای برنامه درسی است. در این مقاله با رویکردی فلسفی و با زنجیره ای از استدلال ها، فرگشت عناصر برنامه درسی و فرگشت برنامه درسی مورد بررسی قرار گرفته و به عنوان سازوکاری برای بقاء فعالانه برنامه درسی پیشنهاد شده است. در این مقاله بر اساس اصولی از قبیل داده محوری، تجزیه و تحلیل، شبکه، یادگیری ماشین، الگوریتم های ژنتیکی، خود مختاری، منطق فازی و گراف در هوش مصنوعی، ویژگی هایی همچون توجه به تجربه های تربیتی، عاملیت تلفیق یافته، پایش چندگانه، فرا رشته ای بودن، خودآفرینی و خود تنظیم گری برای برنامه درسی فرگشتی مشخص شده است.

در دنیای امروز  که تکنولوژی به سرعت در حال پیشرفت است، هوش مصنوعی (AI) به یکی از بخش های مهم و ضروری تبدیل شده است(1). این تکنولوژی در حال حاضر در بسیاری از حوزه ها مانند پزشکی، مهندسی، تجارت و آموزش و پرورش کاربرد دارد(2). در حوزه پرستاری نیز، هوش مصنوعی این پتانسیل را دارد تا انقلابی در بهبود نحوه ارائه فرآیندهای پرستاری مانند افزایش کیفیت مراقبت ها، تعامل مناسب با بیماران و تجزیه و تحلیل داده های سلامتی، تشخیص سریع و دقیق بیماری ها، پیش بینی وضعیت بیماران و ارائه راهکارهای مراقبتی مبتنی بر بیمارایجاد کند(3). این امر می تواند به کاهش خطاهای انسانی، افزایش کیفیت خدمات و در نهایت بهبود سلامت بیماران منجر شود(4). با توجه به این تحولات، به نظر می­رسد آموزش پرستاری باید با گنجاندن واحدهای مرتبط با هوش مصنوعی به روز شود. این واحدها باید دانشجویان را با مفاهیم اساسی هوش مصنوعی، کاربردهای آن در مراقبت های بهداشتی و تأثیر آن بر حرفه پرستاری آشنا کند(4). اضافه کردن هوش مصنوعی به برنامه درسی آموزش پرستاری فرصتی برای کمک به آماده سازی دانشجویان جهت آشنایی و استفاده از تکنولوژی های جدید است. این امر می تواند به دانشجویان کمک کند تا مهارت های لازم را برای استفاده، در محیط بالینی کسب کنند(5). این واحد می تواند شامل مباحث مرتبط با هوش مصنوعی مانند یادگیری ماشین، پردازش زبان طبیعی، تشخیص الگو و داده کاوی باشد. همچنین، می تواند شامل کاربردهای عملی هوش مصنوعی در پرستاری مانند تشخیص بیماری ها، پیش بینی وضعیت بیماران و ارائه راهکارهای مراقبتی مبتنی بر بیمار باشد(6).  . . .

پیشینه و هدف: با توجه به اینکه یکی از کاربردهای هوش مصنوعی در آموزش در طراحی برنامة درسی نهفته است، پژوهش حاضر با هدف شناسایی نقش هوش مصنوعی در طراحی برنامه درسی، انجام شده است. روش: این پژوهش ازنظر نحوة گردآوری داده ­ها و اطلاعات از نوع کیفی بوده که با استفاده از شیوة مرور سیستماتیک و با جستجوی کلمات کلیدی؛ طراحی، برنامة درسی، نقش و هوش مصنوعی و معادل آنها در انگلیسی در مقالات منتشر شده از سال 2000 تا 2024 موجود در پایگاه­های اطلاعاتیGoogle Scholar، Springer،Magiran،SID scopus ,Science Direct، سیویلیکا و ایران داک انجام گرفته است که پس از تجزیه و تحلیل اطلاعات بدست آمده از پایگاه­های مذکور، در مجموع از 103 منبع بدست آمده، تعداد 54 منبع پس از حذف منابع غیرمرتبط برای انجام بررسی نهایی انتخاب شدند. یافته ­ها: یافته ­های پژوهش حاضر حاکی از آن است؛ ادغام هوش مصنوعی در طراحی برنامة درسی شامل استفاده از فنّاوری­های هوش مصنوعی برای طراحی، پیاده­سازی و بهینه­سازی برنامه­های درسی است. معلمان در برنامة درسی با استفاده از قابلیت های هوش مصنوعی برای تجزیه و تحلیل داده ها، تولید محتوا و ارائة بازخورد مستمر، می توانند کیفیت آموزش را افزایش و نیازهای دانش آموزان خود را بهتر برآورده کنند. نتیجه­ گیری: بر اساس یافته های پژوهش می­توان نتیجه گرفت؛ برنامه درسی مبتنی بر هوش مصنوعی، تجربیات یادگیری شخصی­تر، کارآمدترو قانع ­کننده­ تری ایجاد می­ کند و نقشی دگرگون­ کننده­ای در طراحی برنامة درسی با شخصی ­سازی یادگیری، کارایی آموزشی، تصمیمات مبتنی بر داده، همسویی با استانداردهای آموزشی و بهبود مستمر یادگیری ایفا می ­کند.

مقدمه این ویژه­نامه هوش مصنوعی را مورد بحث قرار می دهد که معمولاً به عنوان «توانایی یک سیستم برای پردازش صحیح داده های خارجی، یادگیری از همان داده ها و استفاده از آن دانش از طریق سازگاری و انعطاف پذیری برای دستیابی به اهداف و وظایف خاص» تعریف می شود. این مقاله هفت پژوهش منتشر شده در این ویژه نامه از چندین متخصص برجسته جهان که دیدگاه های متنوعی در مورد هوش مصنوعی ارائه می کنند را خلاصه می کند و با ارائه یک چشم انداز جامع در مورد آینده هوش مصنوعی و با ترسیم چشم اندازهای خرد و کلان به پایان می رسد.

پیشینه ها و اهداف: ارتباط بین هوش مصنوعی و برنامه ریزی شهری یک زمینة تحقیقاتی جدید است که از دهة گذشته اهمیت قابل توجهی در حوزه های مختلف ازجمله شهرسازی و برنامه ریزی شهری یافته است. تا کنون محققان کاربرد هوش مصنوعی را در حوزه های مختلف شهری مانند برنامه ریزی های حمل ونقل، انرژی، کاربری زمین، و ساختمان سازی بررسی کرده اند.یکی از مهم ترین کاربردهای هوش مصنوعی مدیریت حمل ونقل شهری است. پژوهشگران با توسعة سیستم هایی، از طریق استفاده از حسگرها و واحدهای محاسباتی در خودروها و زیرساخت های جاده ای، امکان ارزیابی زمان واقعی جابه جایی در بزرگراه ها را فراهم کرده اند. همچنین، با کمک سیستم هایی مانند Stmp و بهره گیری از داده های حسگرها، اینترنت اشیا، و رسانه های اجتماعی به پیش بینی جریان ترافیک و عرضة راه حل های مدیریتی می پردازند. در زمینة حفاظت از محیط زیست و کیفیت هوا، هوش مصنوعی نقش نظارت و هشدار دارد. با سیستم هایی مانند C-Air و با استفاده از میکروسکوپ و الگوریتم های یادگیری ماشینی، امکان بررسی کیفیت هوا و شناسایی ذرات موجود در آن فراهم است. این قابلیت ها به برنامه ریزان در دستیابی به شهری پایدارتر و سالم تر کمک می کند. مدیریت انرژی نیز از دیگر حوزه های کاربرد هوش مصنوعی است. پژوهشگران با استفاده از این فناوری، به پیش بینی بار الکتریکی و تشخیص مقدار انرژی مصرفی در مناطق مختلف و بررسی عواملی مانند ویژگی های ساختمان و تعداد اعضای خانواده و شغل آنها می پردازند. مدیریت منابع آبی نیز با هوش مصنوعی نشت آب را در سیستم های توزیع منطقه ای می یابد و از هدررفت آن جلوگیری و مصرف این مایع حیاتی را بهتر کنترل می کند. به طورکلی، با این سیستم در برنامه ریزی و مدیریت شهری هوشمند، امکان تصمیم گیری های خودکار و هوشمند در زمینه های مختلف فراهم است. این امر نه تنها کیفیت زندگی شهروندان، بلکه توسعة پایدار شهرها را نیز بهبود می بخشد. ازاین رو هوش مصنوعی نقش مؤثری در برنامه ریزی شهری و در نحوة برخورد با عوامل مختلف و تأثیر بر محیط شهری دارد. در این پژوهش کاربرد هوش مصنوعی در حوزه های مختلف برنامه ریزی شهری بررسی و روند شکل گیری آن در پژوهش های پیشین ردیابی می شود.مواد و روش ها: در این پژوهش دو مسیر طی شده است. در مسیر نخست، از یک سو، پایه های نظری هوش مصنوعی در شهرها (شامل تعریف، ابعاد، و کاربردهای آن در شهرها) بررسی و از سوی دیگر، خواسته های توسعة شهری و چالش های به کارگیری آن در سیستم برنامه ریزی ردیابی شده است. روش پژوهش در مرحلة نخست هم گذاری نتایج مطالعات نظری است؛ بدین ترتیب گردآوری، پردازش، و تحلیل اطلاعات مربوط به چارچوب نظری و تجربی مرتبط با موضوع پژوهش، با مراجعه به متون و پژوهش های مرتبط، به منظور بررسی اصول برنامه ریزی توسعة شهری مبتنی بر هوش مصنوعی، با رویکردی توصیفی انجام شده است. مسیر دوم با رویکرد علم سنجی، تحلیل استنادی، و هم رخدادی واژگان طی شده است. این روش با هدف تعیین اثرگذارترین واژگان منابع در مورد موضوع پژوهش، با استفاده از نرم افزار VOSViewer انجام شده است. جامعة آماری پژوهش 2337 مقاله بود که با موضوع «هوش مصنوعی و برنامه ریزی شهری» از اولین انتشار در سال 1999 تا به امروز در پایگاه استنادی ساینس دایرکت نمایه شده است. خروجی نرم افزار بر اساس تجزیه وتحلیل عناوین، چکیده های مقالات، و کلیدواژگان مهم آنها به دست آمده است.نتیجه ها و جمع بندی: در این مطالعه ارتباط بین مهم ترین حوزه های موضوعی مقالات مختلف منتشرشده حول مفهوم هوش مصنوعی و نقش آن در برنامه ریزی شهری بیان شده است. بررسی داده های به دست آمده از مقاله های یادشده نشان داد که 6 خوشة موضوعی تأثیر مستقیم بر نقش هوش مصنوعی در شهرسازی داشته اند. همچنین طی سال های اخیر مفاهیم مرتبط با رویکرد پژوهش از مفاهیم متمرکز بر بررسی اولیة موضوع هوش مصنوعی و نحوة عملکرد آن، به روش های نوینی برای حل مشکلات شهری تغییر مسیر یافته اند. در مقالات خوشة نخست با پرتکرارترین کلیدواژه های مورد بررسی، مسائل بااهمیت حال حاضر شهرها همانند: آلودگی هوا، حمل ونقل، تاب آوری، اقتصاد، و ... و کاربرد هوش مصنوعی در حل مسائل آنها بررسی شده است و هدف در مطالعات این خوشه این بوده که با استفاده از هوش مصنوعی تحولات عمده ای در صنعت دیجیتال و شهرها ایجاد گردد. به طورکلی در هریک از خوشه ها به گونه ای به موضوعات پراهمیت در شهرها و روش های جدید در جهت ایجاد محلی مناسب تر برای زندگی شهروندان اشاره شده است. نکتة قابل توجه اینکه، هوش مصنوعی در ابتدای پیدایش، موضوعی نو در مطالعات بود، اما با گذر زمان و با وجود مشکلات موجود در شهرها، این رویکرد به روشی برای حل مسائل و مشکلات شهری ارتقا یافت و امروز بسیاری از سیستم های هوش مصنوعی در چارچوب طرح های شهر هوشمند استفاده می شوند. تصمیم گیری های خودکار، مدیریت زیرساخت ها، به حداقل رساندن اشتباهات، تجزیه وتحلیل داده ها، عرضة خدمات، و بهبود بهره وری از محورهای کاربردی هوش مصنوعی در شهرها و برنامه ریزی شهری است. به کارگیری هوش مصنوعی در شهر و برنامه ریزی شهری موجب بلوغ سیستمی در سازمان ها و نهادهای تصمیم گیری و اجرایی شهرها می گردد. از سویی دیگر، تنوع اهداف و کاربردهای هوش مصنوعی، شهر و آن سازمان ها و نهادهایش را ملزم می کند تا شرایط لازم را برای پذیرش موفقیت آمیز هوش مصنوعی ایجاد کنند. گرچه هوش مصنوعی امکان تعامل با فناوری را برای سازمان ها و ذی نفعان آنها فراهم می کند، ولی لازم است بیشتر به کاربردهای سالم هوش مصنوعی، پیامدهای اخلاقی، کسب دانش و تجربه در آن، و مدیریت سیستم توجه شود.

در طول تاریخ، حقوق مسئولیت مدنی با زیان هایی روبرو بوده که از طریق اشیا وارد شده است. برخی از این خسارات ناشی از فعل اشیایی مثل بنا، حیوان، خودرو بوده است. در تعیین مسئول ورود خسارت، مالک و گاه متصرف اشیا، نخستین کسانی هستند که در قبال زیان دیده مسئولیت دارند. ولی امروزه به دلیل تحولات فنی که در اشیا روی داده است، نباید از مسئولیت سازنده و طراح شیء غافل بود. درباره اشیایی که دارای هوش مصنوعی هستند، ابعاد مسئولیت ورود زیان ناشی از آن بسیار پیچیده تر از حالت سنتی آن است و تنها وقتی می توان احکام سابق را بر آن بار کرد که هوش مصنوعی جزء ابزار به شمار آید. پس، هرگاه بتوان برای آن قائل به استقلال و اختیار تصمیم گیری شد، مسئولیت خود آن اشیا نیز مطرح می شود. اما در این خصوص، مشکلاتی مثل شناسایی تقصیر ماشین و نحوه جبران خسارت مطرح می شود و چاره ای جز اعطای شخصیت بر آن باقی نمی ماند.