کاربردهای هوش مصنوعی برای پژوهش‌های میان‌رشته‌ای ۲۰۲۴
Applications of AI for Interdisciplinary Research 2024

به‌کارگیری هوش مصنوعی (AI) در حوزه‌های جدید، این فناوری و علم داده را برای محققان رشته‌های گوناگون به ابزاری ضروری تبدیل کرده است. گسترش و استقرار موفقیت‌آمیز الگوریتم‌های هوش مصنوعی، این تغییرات را تسریع می‌کند؛ تغییری که در حوزه‌هایی به گستردگی مراقبت‌های بهداشتی و کاربردهای نوظهور اینترنت اشیا (IoT) قابل مشاهده است. انتظار می‌رود که تکنیک‌های یادگیری ماشین و هوش مصنوعی به‌طور کلی، نقش فزاینده‌ای در مدل‌سازی، شبیه‌سازی و تحلیل داده‌ها از طیف وسیعی از زمینه‌ها توسط جامعه تحقیقاتی بین‌رشته‌ای ایفا کنند. ایده‌ها و تکنیک‌های حاصل از تحقیقات چندرشته‌ای برای ارتقای هوش مصنوعی به‌کار گرفته می‌شوند؛ از این رو، ارتباط بین این دو حوزه یک تعامل دوسویه است. الگوریتم‌های استنتاج، نمونه‌برداری و بهینه‌سازی، و همچنین بررسی کارآیی یادگیری عمیق، غالباً از روش‌ها و مفاهیم حوزه‌های مطالعاتی دیگر بهره می‌برند. پلتفرم‌های رایانش ابری می‌توانند برای توسعه و استقرار چندین مدل هوش مصنوعی با قدرت محاسباتی بالا مورد استفاده قرار گیرند. مهم‌ترین مسائل نظری و روش‌شناختی هوش مصنوعی را می‌توان در تقاطع حوزه‌های متعددی از جمله ریاضیات، علوم و مراقبت‌های بهداشتی یافت. برای جمع‌آوری، یکپارچه‌سازی و سنتز نتایج و دیدگاه‌های متعدد در دامنه‌های مرتبط، از آن به عنوان تحقیق بین‌رشته‌ای یاد می‌شود. با در نظر گرفتن این موضوع، نظریه، تکنیک‌ها و کاربردهای یادگیری ماشین و هوش مصنوعی، و همچنین نحوه استفاده از آن‌ها در بین مرزهای رشته‌ای، حوزه‌های اصلی این موضوع پژوهشی هستند.

• این کتاب خوانندگان را با جنبه‌های مهم و پیشرفته کاربردهای هوش مصنوعی برای تحقیقات بین‌رشته‌ای آشنا می‌کند و آن‌ها را راهنمایی می‌کند تا دانش خود را به بهترین شکل ممکن به کار گیرند.
• این کتاب با هدف کشف خطرات و امکانات موجود در استفاده از هوش مصنوعی از طریق کاربردهای بین‌رشته‌ای کارآمد تدوین شده است.
• هدف اصلی این کتاب ارائه تحقیقات علمی و مهندسی در مورد فناوری‌های موجود در زمینه‌های هوش مصنوعی و علم داده و چگونگی ارتباط آن‌ها از طریق کاربردهای بین‌رشته‌ای و فناوری‌های مشابه است.
• این کتاب حوزه‌های مهم مختلفی مانند مراقبت‌های بهداشتی، بازار سهام، پردازش زبان طبیعی (NLP)، املاک و مستغلات، امنیت داده‌ها، رایانش ابری، رایانش لبه، تجسم داده‌ها با استفاده از پلتفرم‌های ابری، سیستم‌های مدیریت رویداد، اینترنت اشیا (IoT)، بخش مخابرات، یادگیری فدرال و بهینه‌سازی عملکرد شبکه را پوشش می‌دهد. هر فصل بر طرح کلی موضوع مربوطه تمرکز دارد تا به خوانندگان درک کاملی از مفاهیم و فناوری‌های مرتبط با هوش مصنوعی و تجزیه و تحلیل داده‌ها و کاربردهای نوظهور آن‌ها ارائه دهد.

Applying artificial intelligence (AI) to new fields has made AI and data science indispensable to researchers in a wide range of fields. The proliferation and successful deployment of AI algorithms are fuelling these changes, which can be seen in fields as disparate as healthcare and emerging Internet of Things (IoT) applications. Machine learning techniques, and AI more broadly, are expected to play an ever-increasing role in the modelling, simulation, and analysis of data from a wide range of fields by the interdisciplinary research community. Ideas and techniques from multidisciplinary research are being utilised to enhance AI; hence, the connection between the two fields is a two-way street at a crossroads. Algorithms for inference, sampling, and optimisation, as well as investigations into the efficacy of deep learning, frequently make use of methods and concepts from other fields of study. Cloud computing platforms may be used to develop and deploy several AI models with high computational power. The intersection between multiple fields, including math, science, and healthcare, is where the most significant theoretical and methodological problems of AI may be found. To gather, integrate, and synthesise the many results and viewpoints in the connected domains, refer to it as interdisciplinary research. In light of this, the theory, techniques, and applications of machine learning and AI, as well as how they are utilised across disciplinary boundaries, are the main areas of this research topic.

• This book apprises the readers about the important and cutting-edge aspects of AI applications for interdisciplinary research and guides them to apply their acquaintance in the best possible manner
• This book is formulated with the intent of uncovering the stakes and possibilities involved in using AI through efficient interdisciplinary applications
• The main objective of this book is to provide scientific and engineering research on technologies in the fields of AI and data science and how they can be related through interdisciplinary applications and similar technologies
• This book covers various important domains, such as healthcare, the stock market, natural language processing (NLP), real estate, data security, cloud computing, edge computing, data visualisation using cloud platforms, event management systems, IoT, the telecom sector, federated learning, and network performance optimisation. Each chapter focuses on the corresponding subject outline to offer readers a thorough grasp of the concepts and technologies connected to AI and data analytics, and their emerging applications