---

از آنجا که نظریه‌های یادگیری اغلب در آموزش ترجمه نادیده گرفته شده‌اند، این مطالعه با هدف بررسی تأثیر کاربست نظریۀ یادگیری ارتباط‌گرایی در آموزش ترجمه با استفاده از یکی از ابزارهای ترجمۀ مبتنی بر هوش مصنوعی، Matecat، انجام شد. شرکت‌کنندگان سی نفر از دانشجویان سال سوم مترجمی بودند که برای واحد ترجمۀ اسلامی از انگلیسی ثبت نام کرده بودند. قبل از شروع دوره، یک پیش‌آزمون برای ارزیابی مهارت‌ ترجمه دانشجویان برگزار شد. سپس بر اساس نتایج آن، دو گروه آزمایش و کنترل تشکیل شد. همگنی این دو گروه با استفاده از آزمون Tمستقل در SPSS بررسی شد. برخلاف گروه کنترل، گروه آزمایش در طول دوره بر اساس اصول ارتباط‌گرایی و مدل طراحی‌شده آموزش دید. در پایان برنامه، یک پس‌آزمون برگزار شد و نمرات با استفاده از آزمون Tمستقل تحلیل شد. نتایج نشان داد اگرچه هر دو گروه در ابتدای دوره تقریباً در یک سطح بودند، در پایان دوره، کیفیت ترجمه‌های گروه آزمایش بیش از گروه کنترل افزایش یافته بود. همچنین، گروه آزمایش در موارد مربوط به انسجام و همبستگی، ساختار، سبک و موارد فرهنگی بهتر از گروه کنترل عمل کرده بود. در واقع، یافته‌ها نشان داد که به کارگیری ابزارهای مبتنی بر هوش مصنوعی به خودی خود منجر به بهبود قابل توجه در کیفیت ترجمۀ یادگیرندگان نمی‌شود مگر اینکه آموزش در چارچوب نظریۀ یادگیری مانند ارتباط‌گرایی صورت گیرد که برآمده از نیازهای عصر دیجیتال است.

---

اهداف: امروزه استفاده از هوش مصنوعی رشد چشمگیری داشته، و به عنوان یک حوزه نوین در حال پیشرفت است. هدف اصلی این پژوهش، شناخت ظرفیت های هوش مصنوعی در پیشبرد فرآیند طراحی و اجرا در محیط مصنوع است. هدف کاربردی پژوهش، توسعه و کاربردی سازی مهمترین دستاوردهای یادگیری ماشینی و در حوزه طراحی است.
روش­ها: روش تحقیق اصلی پژوهش «فراتحلیل» در پارادایم «آزادپژوهی» با رویکرد انتقادی و طراحی مبنا است که با استفاده از تکنیک های پهنانگر، حوزه کلی دانشی این حوزه را بررسی می کند. سپس به منظور تثبیت اشراف به ادبیات موضوع، از طریق جستوجو در سه پایگاه های معتبر دانشی این حوزه، نسبت به جمع آوری مقالات مرتبط به یادگیری ماشین در حوزه های روش های یادگیری بدون نظارت، یادگیری نیمه نظارتی و یادگیری تقویتی اقدام شده؛ مهمترین ظرفیت ها و کاستی ها، و نقاط قوت و ضعف مورد نقد و بررسی قرار می گیرد.
یافته­ ها: یافته های کمی حاصل از داده های ترکیب شده بیانگر آن است که یادگیری ماشینی تحت نظارت و یادگیری عمیق هدایت شده، می تواند بهترین گزینه برای توصیه در آینده طراحی باشد. در حالی که فرآیند یادگیری در یادگیری عمیق تدریجی و کندتر است، یادگیری ماشینی تحت نظارت در مرحله آزمون و تست سریع تر عمل می­کند.
نتیجه ­گیری: نتایج پژوهش تاکید دارد که یادگیری ماشینی تحت نظارت، بهترین گزینه برای پیش بینی پاسخ ها در فرآیند طراحی است اما در صورتی که علاوه بر پیش بینی، موضوع خلاقیت در طراحی مورد نظر باشد، یادگیری عمیق کارآمدتر است.

---

موضوع تحقیق
در این مطالعه، به کمک های روش های مختلف مبتنی بر هوش مصنوعی، عملکرد فرآیند ریفورمینگ متانول با بخار آب بر حسب دما، فشار و نسبت بخار به متانول در خوراک ورودی مورد ارزیابی قرار گرفت.
روش تحقیق
در ابتدا، کاتالیست های Cu-Zn/ZrO_۲ با استفاده از روش همرسوبی سنتز شدند و آزمایش های واکنش ریفورمینگ متانول با بخار آب در شرایط عملیاتی مختلف در محدوده ۱۸۰- ۵۰۰ درجه سانتی گراد ،۱-۱۱ بار و نسبت بخار آب به متانول در خوراک ورودی ۷۵/۰ – ۷۵/۳ در یک راکتور بستر ثابت انجام گرفت. سه روش فازی ممدانی نوع۱، فازی ممدانی نوع۲ و فازی سوگنو به کار گرفته شده است که به کمک آنها بدون نیاز به دانستن پارامترها و روابط پیچیده سینتیکی و ترمودینامیکی و تنها به کمک شهود متخصص و برخی داده های موجود، مدلسازی انجام گرفت. همچنین، ساختار مدلهای فازی با هدف بهبود دقت عملکرد و بر اساس تحلیل نتایج اولیه بهینه شد. توسعه مدلها نیازی به تعداد بالای داده های ازمایشگاهی نداشت. این ویژگی، به خصوص برای شرایطی که دسترسی به داده های آزمایشگاهی هزینه بر است و یا داده ها از دقت کافی برخوردار نیستند، مورد توجه است.
نتایج اصلی
دقت کلی و ویژگیهای سه روش مدلسازی با هم مقایسه شد و مورد بحث قرار گرفت. مدل فازی ممدانی نوع۲ به دلیل ویژگی های منحصر به فرد آن بهترین عملکرد را از خود نشان داد و سه متغیر درصد تبدیل متانول، بازده هیدروژن و منوکسیدکربن را به ترتیب با دقت ۶۷%، ۹۱% و ۸۳% پیش بینی کرد.
 

---

آمار و اطلاعات جایگاه ویژه‌ای در شفافیت حکمرانی آب دارد. از طرف دیگر، شاهد بودن تناقضات در آمار و اطلاعات منابع آب، یکسان نبودن قرائت‌ها و روایت‌ها درمورد دارایی‌های آبی، به‌روز نبودن تجهیزات سخت‌افزاری و تا اندازه‌ای نرم‌افزازی در تهیه و ارائۀ اطلاعات منابع آب در مقایسه با پیشرفت‌های جهانی، بازنگری جدی در سامانه‌های داده‌برداری و داده‌پردازی منابع آب را الزام‌آور می‌سازد. در این راستا، روش‌های هوش مصنوعی، حسگرها و فناوری‌های سنجش از دور، در حسابداری دقیق منابع آب موردتوجه هستند. این مقاله مروری نظام‌مند از حدود صد مقالۀ بین‌المللی است که آخرین یافته‌های مرتبط با تجهیزات نرم‌افزاری و سخت‌افزاری پایش مؤلفه‌های چرخۀ هیدرولوژیکی را ارائه میدهد. این مؤلفه‌ها شامل بارندگی، عمق آب/ سطح آب/سرعت و دبی جریان رودخانه‌ها و پایش تراز سطح آب‌های زیرزمینی است. در هر مورد ضمن ارائۀ سرلیستی از مهم‌ترین فناوری‌ها، وضعیت کاربرد این فناوری‌ها در پایش منابع آب‌های سطحی و زیرزمینی کشور، ارزیابی شد. بررسی‌های انجام‌شده وضعیت نامطلوب کاربرد فناوری‌های نوین نرم‌افزاری و سخت‌افزاری در پایش مؤلفه‌های چرخۀ هیدرولوژیکی در کشور را اثبات می‌کند. برای نمونه، از مجموع ۲۶ فناوری سخت‌افزاری و نرم‌افزاری شناخته‌شده مرتبط با برداشت‌های جریان‌های سطحی، تنها دو فناوری به‌طور گسترده در کشور استفاده‌ شده؛ چهار فناوری به مرز دانش و تولید گسترده توسط شرکت‌های دانش‌بنیان داخلی رسیده و همچنان رسیدن به مرز دانش یازده فناوری در کشور رخ نداده است. طی این مقاله پیشنهادهایی جهت ترسیم مسیر توسعۀ فناوری‌های سخت‌افزاری و نرم‌افزاری نوین جهت برداشت داده‌های چرخه‌های آبی و تحول در نوسازی زیرساخت‌های داده‌برداری و داده‌پردازی منابع آب کشور، ارائه شد.

---

اهداف: به کارگیری از شبکه هوش مصنوعی و داده کاوی الگوی غیرشکلی بناهای ارزشمند تهران در فاصله دهه۱۳۳۰ تا ۱۳۵۰ هدف اصلی پژوهش است که در ده بنای شاخص دوره ۱۳۳۰ تا ۱۳۵۰ شمسی شهر تهران اجرا می شود.

روش ها: در مطالعه حاضر، روش تحقیق مورد استفاده بر حسب هدف، کاربردی – توسعه­ای و تکنیک مطالعه بر حسب روش و ماهیت، توصیفی ـ پیمایشی می­باشد. در این پژوهش، از شبکه هوش مصنوعی MLP و خوشه بندی به منظور اعتبارسنجی تحلیل غیرشکلی پلان های بناهای مسکونی دوره ۱۳۳۰-۱۳۵۰ بهره گرفته شده است. داده‌ها به طور تصادفی به سه مجموعه تقسیم شدند که ۷۰ درصد از داده‌ها برای آموزش، ۱۵ درصد برای اعتبارسنجی و ۱۵ درصد برای آزمون استفاده شد.

یافته ها: باتوجه به تحلیل صورت گرفته و تطابق با تحلیل های غیرشکلی، نتایج نشان می دهد که پلان های منتخب از نظر غیرشکلی، به ترتیب دارای ۱۵ مولفه، ۱۴ مولفه، ۱۳ مولفه و ۱۱ مولفه ای می باشند. که دقیقا منطبق بر جداول تحلیلی غیرشکلی پلان است. بدین سبب، نتایج تحلیلی غیرشکلی پلان ها توسط هوش مصنوعی اعتبارسنجی و صحت گذاری شده است.

نتیجه گیری: معاصرسازی بنا و حفظ بناهای تاریخی برای اکثریت مردم حایز اهمیت بوده و نتایج این پژوهش نشان داد که با استفاده از شبکه هوش مصنوعی، می­توان مولفه‌های غیرشکلی و پنهان موجود در پلان­های دوره مذکور را یافته و در پلان‌های مسکونی امروزی به کار برد. استفاده از فناوری­های روز به مانند هوش مصنوعی، در جهت خوشه بندی و شناسایی روابط پنهان پلان‌ها می‌تواند بسیار کمک‌کننده باشند.

---

چکیده بعد از ظهور رایانه در نیمه دوم قرن بیستم و تولید گسترده انواع آثار شگفت انگیز ادبی، علمی و هنری توسط آن، بدون دخالت مستقیم انسان‌ها، نحوه حمایت حقوقی از این آثار و احکام حقوقی آن در قالب نظام موجود مالکیت ادبی و هنری با چالش‌های فراوان مواجه شده است. موضوعاتی همچون تعیین حکم پدیدآورندگی، مدت حمایت، و حقوق معنوی یا اخلاقی در این قبیل آثار همگی مسائلی است که باید تکلیف آن در قوانین مالکیت ادبی وهنری به‌‌صراحت مشخص گردد. گرچه در برخی از قوانین مانند قوانین انگلستان تکلیف این موارد به‌‌صراحت در قانون مشخص شده، اما این مسأله هنوز در قوانین بسیاری از کشورها همچون آمریکا، فرانسه و آلمان به‌‌وضوح مورد توجه قرار نگرفته‌‌‌‌‌‌‌است. قوانین مالکیت ادبی و هنری ایران نیز که بیش‌تر تحت تأثیر نظام حقوقی فرانسه است نیز به‌صراحت به این موضوع نپرداخته است. اما با توجه به رشد شتابان تولید این قبیل آثار و ارزش و جایگاه اقتصادی آن‌ها در بازار به نظر می‌‌‌‌‌‌‌رسد لازم است قانونگذار ما در این باره واکنش مناسبی از خود نشان دهد و در اصلاح قوانین، این موضوع را در ردیف بانک‌های اطلاعاتی غیر اصیل به موجب نظام ویژه (sui generis) مورد حمایت خود قرار دهد.

---

اهداف: هر زمان از معماری داخلی صحبت میشود، موضوعی تزیینی به ذهن افراد مبتدی میرسد؛ و هر زمان از ساختمان سالم سخن به میان می آید، گمان میکنند که تنها به عناصر و جزییات معماری مربوط است. هدف اصلی این پژوهش، نشان دادن نقش هوش مصنوعی در ایجاد تعامل میان «معماری داخلی» و ساختمان سالم است.

روش­ ها: روش شناسی پژوهش با اتکا به فراتحلیل و مبتنی بر نظریه معماری سرآمد، به بررسی پهنه بزرگی از ادبیات موضوع می پردازد. فراتحلیل یا متاآنالیز با تاکید بر ترکیب آماری از نتایج مطالعات متعدد، بخش وسیعی از ادبیات تحلیلی در حوزه نقش هوش مصنوعی در معماری داخلی را پوشش میدهد. بر اساس رویکرد منتخب پژوهش از روشهای ترکیبی محاسبات ماشینی مانند فراشبیه سازی ترکیبی، خوشه بندی، تفسیر آینده نگارانه متغیرها و استخراج اندازه اثر، واریانس و رگرسیون استفاده شده است.

یافته ­ها: نتایج عددی و یافته های کمی در بررسی ابزارهای توسعه یافته در حوزه معماری داخلی، نشان دهنده آن است که بیشترین ابزارهای توسعه یافته مربوط به مراحل اولیه طراحی است و در رتبه بعدی ابزارهای مربوط به مرحله بهره برداری، و سپس ابزارهای مربوط به مراحل پایانی طراحی معماری است.

نتیجه ­گیری: دستاوردهای کیفی پژوهش نشان میدهد که مجموعه ابزارهای توسعه یافته در حوزه معماری داخلی از دقت تحلیلی بالایی برخوردار نیستند، به همین دلیل اغلب استفاده از آنها در مرحله ایده یابی منطقی ترست. همچنین ابزارهای توسعه یافته در بخش دوم به در حوزه شیمی ساختمان، سلامت ساکنان، رایانش زیستی، مصالح دوستدار محیط زیست و غیره مربوط است.
 

---

اهداف: شکل‌ زایی چیدمان فضای معماری، یکی از اولین و طولانی ترین مراحل در فرآیند طراحی معماری است، هدف از این پژوهش، ارائه الگوی نوین شکل‌زایی مدارک معماری و به طور خاص تولید پلان‌ مسکونی، با استفاده از مدل دیفیوژن پنهان است که برخلاف نمونه های موجود قابلیت اعمال محدودیت های ورودی متنوع را فراهم می کند.

روش ها: رویکرد محاسباتی این الگو یک شبکه دیفیوژن پنهان شامل سه شبکه عصبی شبکه پیچشی، کاهش‌دهنده نویز(UNET) ، شبکه رمزگذار خارجی(VAE) ، شبکه رمزگذار محدودیت‌ها(Clip) است. برای آموزش این مدل، از یک مکانیزم تنظیم دقیق استفاده شده است. روش انجام این پژوهش از منظر اجرا  مبتنی الگوریتم نویسی، با استفاده از زبان برنامه نویسی پایتون است.

یافته ها: ارزیابی‌های پژوهشگران، براساس معیارهای پی.سی.ای، اس.وی.ام، خوانش نمونه­ های تولید شده و مقایسه عملکرد مدل با مدل های مبتنی برداده موجود نشان می‌دهد که گردش کار و الگوی پیشنهادی این پژوهش پیشرفت‌ قابل‌توجهی در زمینه تولید پلان‌های طبقه نسبت به روش‌های مبتنی برداده فعلی نمایان کرده است. رویکردی که در آن معمار می تواند نقش فعالی در روند تولید ایفا کند.

نتیجه گیری: الگوی ارائه شده در این پژوهش می تواند، فرآیند کاری معماران را تسهیل ‌کند و موجب آزادی عمل معماران و بروز خلاقیت بیشتر در طراحی پلان‌های طبقه شود. مسأله مهم، توجه به نقش مهمی است که معمار می‌تواند برای ارائه فضاهای اجتماعی، منصفانه و محیطی مسئولیت‌پذیرتر ایفا کند. چنین رویکردهایی می‌تواند منجر به ایجاد نقش‌های جدید و معاصر برای معماران در فرآیند شکل زایی پروژه‌های معماری شود.

---

---

اهداف: توسعه ابزارهای هوش مصنوعی در معماری داخلی، فرصت ها و تهدیدهای ویژه ای را به همراه داشته است. هدف اول این پژوهش نشان دادن ضعف ها و کاستی های کاربرد حرفه ای ابزارهای مبتنی بر هوش مصنوعی در معماری داخلی است. هدف دوم، معرفی و تبیین نقش سامانه‌های عامل‌محور در بهبود کارایی ابزارهای هوش مصنوعی در معماری داخلی است.

روش ­ها: روش تحقیق توصیفی-تحلیلی، به عنوان مبنای اصلی استدلال در پژوهش است. در بخش توصیفی، داده‌ها از طریق منابع موجود با هدف بررسی تأثیر هوش مصنوعی بر فرآیند طراحی داخلی، جمع‌آوری شده اند. سپس پرسشنامه ای برای گردآوری نظر طراحان برای درک و ارزیابی تأثیر هوش مصنوعی بر معماری داخلی و نقش طراحان تولید شده، و در نهایت با استفاده از نرم‌افزار SPSS تحلیل آماری شده است.

یافته ­ها: بیش از ۸۰ درصد معماران داخلی مورد پرسش با ابزارهای هوش مصنوعی آشنا بودند و اغلب میدجرنی را ابزار مهمی می دانستند که زمان را کاهش و کارایی را افزایش داده است. مهمترین چالش شناسایی شده به حوزه ساختمان سالم و زیرمتغیرهای کیفیت هوای داخلی، مصالح و مواد سازگار با محیط زیست و راحتی و ارگونومی فضاها مربوط می شود.

نتیجه ­گیری: دستاوردهای کیفی پژوهش نشان می دهد که سامانه‌های عامل‌محور، نقشی کلیدی در بهبود کارایی ابزارهای هوش مصنوعی در فرآیند معماری داخلی بر عهده دارند. این مهم، در حوزه ساختمان سالم از اهمیت بالاتری برخوردار است زیرا با مدلی کلنگر در تعامل میان شیمی ساختمان، مصالح دوستدار محیط زیست، و سلامت ساکنان ارایه می دهد.
 

---

پایش فشار خون، یکی از مؤلفه‌های حیاتی برای حفظ سلامتی است. فشار خون بالا، به عنوان یک عامل خطر می‌تواند منجر به بروز حمله قلبی، سکته، نارسایی قلبی و کلیوی شود. همچنین، فشار خون پایین نیز می‌تواند خطرناک باشد و منجر به گیجی، ضعف، غش و اختلال در اکسیژن رسانی به اندام‌ها و آسیب به مغز و قلب گردد. از این رو پایش مداوم میزان فشار خون در افراد با ریسک بالا بسیار حائز اهمیت می‌باشد، به طوری که استفاده از دستگاه هولتر فشارخون به دلیل قابلیت ثبت طولانی مدت و ارزشمند اطلاعات فشارخون برای بسیاری از بیماران تجویز می‌شود. تلاش برای دستیابی به تکنیک‌های نرم افزاری و توسعه دستگاه‏های اندازه‌گیری فشارخون بدون کاف، با حفظ آسایش و راحتی بیمار، از مهم‌ترین چالش‌هایی است که ذهن پژوهشگران را به خود اختصاص داده است. در این پژوهش یک چهارچوب یادگیری عمیق بر مبنای شبکهUNet  یک­بعدی با نظارت عمیق جهت تخمین فشار خون پیوسته از روی سیگنال فوتوپلتیسموگرافی بدون استفاده از روش کالیبراسیون فردی ارائه شده است. مدل ارائه شده بر روی بانک داده UCI برای ۹۴۲ بیمار تحت مراقبت ویژه، به میانگین خطای مطلق  ۸۸/۸ ، ۴۳/۴ و ۳۲/۳ و انحراف معیار ۰۱/۱۱، ۱۸/۶ و ۱۵/۴ میلی­متر جیوه به ترتیب برای فشار خون سیستول ، دیاستول و فشار خون میانگین دست یافت. طبق استاندارد بین المللی BHS، روش پیشنهادی، درجه‏ی A برای فشار خون دیاستول و میانگین و نیز درجه‏یC  برای فشار خون سیستول را برآورده می‏کند. نتایج حاصل از این پژوهش حاکی از آن است که چهارچوب یادگیری عمیق پیشنهادی 

---

در این تحقیق، مدلهای زمانی جریان آب زیرزمینی و انتقال آلودگی با استفاده از تلفیق تکنیکهای هوش مصنوعی و وابستگی تبدیل موجک توسعه داده شده‌است. دشت میاندوآب به عنوان مطالعه موردی برای شبیه‌سازی تراز آب زیرزمینی و غلظت کلراید مورد مطالعه قرار گرفت. به منظور خوشه‌بندی پیزومترهای دشت، وابستگی تبدیل موجک به عنوان تکنیکی برای بررسی وابستگی و تاخیر فاز بین سری‌های زمانی ناایستای تراز آب و غلظت کلراید استفاده شد. همچنین از وابستگی تبدیل موجک به عنوان یک روش جدید برای مشخص کردن ارتباط سفره‌ها و ارتباط بین تراز آب دریاچه و تراز آب پیزومترهای نزدیک ساحل دریاچه که می‌تواند در مدلسازی تراز آب و غلظت کلراید مفید باشد، استفاده گردید. در ادامه سری‌های زمانی تراز آب و غلظت کلراید در ۱۴ پیزومتر مختلف با استفاده شبکه عصبی مصنوعی و سیستم عصبی-فازی تطبیقی برای تخمین تراز آب و غلظت کلراید در یک ماه بعد آموزش و اعتبارسنجی شدند. نتایج نشان داد که کارایی مدل عصبی-فازی تطبیقی تا ۱۳ درصد بیشتر از مدل شبکه عصبی مصنوعی می‌باشد. توانایی مدل عصبی-فازی تطبیقی در هر دو مرحله آموزش و صحت سنجی بدلیل کارایی منطق فازی برای غلبه بر عدم قطعیت پدیده از شبکه عصبی مصنوعی بیشتر بوده‌است.

---

همواره موسسات مالی و اعتباری برای آنکه بتوانند حداکثر سود حاصل از سرمایه گذاری های خود را دریافت دارند، بدنبال پالایش، جذب و نگهداشت بهترین سرمایه گذاران، مشاوران، مشتریان و قرض-گیرندگان بوده اند. بااین وجود، علوم مختلف سعی نموده اندروشهای دقیقی برای تفکیک مشتریان ارایه نمایند. از همین رو علومی مانند روانشناسی تا علوم مدیریت، ریاضیات، مالی و ... درصدد تحقق این هدف برآمده اند. آنچه که دراین پژوهش بدان اشاره خواهد شد ضرورت استفاده از روشهای نوین داده-کاوی در ترکیب با روشهای هوش مصنوعی جهت فائق آمدن بر پیچیدیگی های مسئله است و پاسخ به این سوال که آیا روش ترکیبی استفاده شده به خوبی رتبه اعتباری مشتریان را پیش بینی می کند؛ این امر در حالی رخ می دهد که نباید بُعد دیگری از مسئله را که همانا انتخاب مهمترین عوامل سنجش (معیارها) هستند را فراموش نمود و در این راستا ازقضاوت خبرگان و تحلیل های ناپارامتری ( آزاد توزیع) به منظور رتبه بندی معیارها استفاده گردیده است که نهایت با انتخاب تعدادی از شاخصها به منظور پیاده سازی مدل ترکیبی به این سوال پاسخ داده خواهد شد که آیا نظر خبرگان در انتخاب معیارها منتج به پیش بینی مناسبی از وضعیت اعتباری مشتریان می گردد. سه شاخص " سن" ، " سابقه ارتباط با بانک ( مدت حساب)" و " میزان اعتبار" برای پیاده سازی مدل ترکبی عصبی فازیانتخاب گردید. و نتایج بیانگر آن می باشد که ۸۹,۶۷درصد از مواقع این سیستم می تواندتخمین درستی نسبت به رتبه اعتباری مشتریان ارائه دهد..

---

دال های دو طرفه بتن آرمه یکی از سیستم های مرسوم سازه ای می باشند. مزایای این دال ها باعث کاربرد زیاد آنها در صنعت ساختمان شده است. ولی این سیستم ها با مشکلاتی نظیر برش پانچ مواجه هستند. روابط موجود برای پیش بینی برش پانچ بر اساس نتایج آماری آزمایش های موجود در تحقیقات گذشته بدست آمده اند. با این حال این روابط تقریبی بوده و دارای خطای بالا می باشند. هدف اصلی این مقاله معرفی روشی قابل اعتماد و کاربردی برای محاسبه برش پانچ برای دال های نازک و ضخیم با استفاده از هوش مصنوعی است. برای این کار از برنامه نویسی ژنتیک و برنامه ریزی جغرافیای زیستی برای پیدار کردن رابطه بین ظرفیت برش پانچ و پارامترهای موثر بر آن استفاده شده است. ابتدا ۲۶۷ داده آزمایشگاهی موجود جمع آوری شده است. سپس با استفاده از روشهای مذکور رابطه ای برای پیش بینی مقاومت برش پانچ ارائه شده است. نتایج نشان می دهد که روشهای مبتنی بر هوش مصنوعی قادرند با خطای متوسط کمتر از ۲% در مقابل خطای ۱۴ الی ۲۸ درصدی روابط سنتی آیین نامه ها مقاومت برش پانچ را پیش بینی کند.

---

بحث مهم این روزها هوش مصنوعی است که تقریبا آینده هر فضای کاری خواهد بود یا حداقل، انتظار می‌رود که وظایف تکراری بی‌شماری را بر عهده بگیرد و در نتیجه وقت انسان‌ها را برای کارهای با ارزش بالاتر، آزاد کند. در مقاله حاضر پس از معرفی ChatGPT (ربات چت مدرن هوش مصنوعی) و مزایای آن در مهندسی، به دنبال پاسخ این سوال هستیم که آیا استفاده از ChatGPT می‌تواند به طور موثر محاسبات یک مهندس مکانیک را در عمل تسهیل کند یا خیر. آیا این تکنولوژی در مهندسی نعمت است یا آفت. به همین منظور استفاده از ChatGPT در حل تعدادی از مسائل مکانیکی در دو بازه زمانی مختلف (با اختلاف ۱ سال) اجرا و نتایج آن‌ها بررسی شد. با توجه به نتایج بدست آمده می‌توان گفت که میزان اشتباهات ChatGPT در حل مسائل مکانیکی پس از گذشت یکسال به شدت کاهش یافته (حدود ۷۵ درصد) که نشان از پیشرفت سریع این ابزار دارد. با این حال باز هم استفاده از ChatGPT برای حل مسائل محاسبات مکانیکی توصیه نمی‌شود؛ اما ترکیب تخصص انسانی در استفاده از این ابزار در مهندسی مکانیک می‌تواند در غلبه بر برخی از چالش‌ها کمک کند

---

در روزگار کنونی، کاربرد فناوری‌های مربوط‌ به هوش مصنوعی در علوم جنایی حقوق محور، جایگاه ‌قابل‌توجهی پیدا نموده است. در عرصۀ حقوق کیفری ماهوی، مباحثی هم‌چون تعیین مسئولیت کیفری در اثر جرایم ناشی از عملکرد ربات‌ها یا خودروهای خودران جزء جذاب‌ترین و البته پرمناقشه‌ترین مباحث این رشته ‌می‌باشد. در عرصۀ حقوق کیفری شکلی نیز استفاده از این فناوری در مراحل پنج‌گانه رسیدگی‌های کیفری محل گفت‌وگو و البته تردیدهای بسیار است. پرسش اصلی تحقیق پیش‌ رو آن است که آیا فناوری‌های مرتبط با هوش مصنوعی در امر کشف و تعقیب کیفری قابلیت اعمال دارد یا خیر و در فرض اعمال چه چالش‌هایی پیش روی آن است؟ نتایج پژوهش حاضر حکایت از آن دارد که فناوری‌های مرتبط با هوش مصنوعی امروزه در بسیاری از کشورها متناسب با اقتضائات مراحل مختلف دادرسی کیفری و با در نظر گرفتن اقتضائات هر جرم، به نقش آفرینی می‌پردازد. ازحیث کشف و تعقیب جرم، انواع ابزارهای پلیسی پیش‌بینی زمان و مکان جرم و فناوری‌های مربوط به تشخیص چهره (FRT)  با هدف تسهیل اقدامات پلیسی و حرکت از پلیس "واکنشی" به پلیس "پیش‌گیرانه" در بسیاری از نقاط اروپا و ایالات متحده توسعه یافته و مستقر شده‌اند. آن‌چه باعث ‌می‌شود در عرصه حقوق کیفری شکلی به‌طور کلی و در مرحله کشف و تعقیب جرم به‌طور خاص قدم‌ها با آهستگی بیشتری به سمت گسترش استفاده از این فناوری برداشته شود وجود چالش‌هایی هم‌چون نقض حریم خصوصی و آزادی شهروندان، نقض فرض برائت و خطر نظا‌می‌شدن عدالت کیفری ‌می‌باشد. نویسندگان معتقدند استفاده از فناوری هوش مصنوعی در عرصۀ کشف و تعقیب جرایم مفید و ضروری و در راستای مقابلۀ حداکثری با پدیدۀ بزهکاری ‌می‌باشد، اما، در این‌خصوص نباید دچار شیفتگی شویم، استفاده از این فناوری در مراحل مهم کشف و تعقیب جرایم تا اندازه‌ای قابل‌توصیه ‌می‌باشد که با اصول راهبردی حاکم بر دادرسی کیفری و هم‌چنین حقوق و آزادی‌های افراد در تعارض نباشد. در این‌رابطه، تنظیم‌گری و وضع قوانین خاص می‌تواند تا اندازه‌ای از دغدغه‌های پیش‌رو بکاهد. به‌همین دلیل است که ضرورت تنظیم‌گری هوش مصنوعی به شکل گسترده ای مخصوصاً در منطقه اروپا در حال بحث و بررسی ‌می‌باشد. در این رابطه نیز گزارش‌ها و رهنمودهای راهبردی پیش‌بینی و منتشر گردیده است.
 

---

نقش‌آفرینی فناوری‌های مرتبط با هوش مصنوعی در دانش حقوقی بسان اکثر رشته‌های علمی دیگر قابل‌توجه می‌باشد. علوم جنایی حقوق محور و نظام عدالت کیفری نیز از حضور این فناوری بی‌بهره نمانده و استفاده از سیستم‌های مرتبط با هوش مصنوعی در مراحل مختلف رسیدگی‌های کیفری در بسیاری از کشورهای توسعه‌یافته اجرایی می‌باشد. سؤال اساسی آن‌که آیا فناوری‌های مرتبط با هوش مصنوعی در مرحله مربوط به صدور حکم کیفری نیز قابل توصیه بوده یا خیر؟ و در فرض اعمال، چه چالش‌هایی پیش روی آن است؟ پژوهش توصیفی و تحلیلی حاضر حاکی از آن است که: تأثیرگذاری احساسات شخصی در رسیدگی‌های قضایی، عدم دقت و سرعت کافی در رسیدگی به پرونده‌ها، اعمال تعصبات و سلایق فردی و سوگیری‌های آگاهانه یا ناآگاهانه، از جمله مهم‌ترین دلایل توجیه ضرورت بهره‌مندی از فناوری‌های هوش مصنوعی در مرحله صدور حکم است؛ اما در این مسیر، پوشاندن ردای قضاوت آفت این مسیر بوده و چالش‌هایی همچون جانب‌داری، عدم شفافیت، انسان زدایی در فرایند تصمیم‌گیری و همسان گرایی در قضاوت را به همراه خواهد داشت. بر این بنیاد، حضور هوش مصنوعی به عنوان ابزاری تصمیم‌ساز، تسهیل گر و دستیار در مرحله صدور حکم کیفری قابل توصیه است؛ اما استفاده از این فناوری به شکل تصمیم‌گیر و مستقل، مخالف با اقتضائات قضاوت و کیفردهی آموزه‌ای مدرن بوده، گسست‌های آیینی به همراه داشته و سهم انسان در برقراری عدالت را زیر سؤال خواهد برد.