زمینه و هدف: هدف پژوهش حاضر بررسی تأثیر خودکارآمدیِ هوش مصنوعی معلمان بر قصد رفتاری آنان برای استفاده از هوش مصنوعی در آموزش با تأکید بر نقش میانجی سودمندیِ ادراک شده و سهولت استفادة ادراک شده بود. روش: روش پژوهش توصیفی از نوع همبستگی مبتنی بر معادلات ساختاری و جامعه آماری پژوهش شامل همة معلمان ابتدایی (دورة اول و دوم) شهرستان زرین شهر بودند که از میان آنها 280 نفر به روش نمونه گیری تصادفی طبقه ای انتخاب شدند. برای گردآوری داده ها از 4 پرسشنامة خودکارآمدیِ هوش مصنوعی، سودمندیِ ادراک شده، سهولت استفادة ادراک شده و قصد رفتاری استفاده شد که روایی و پایایی آنها محاسبه و گزارش شده است. تجزیه و تحلیل داده ها با استفاده از روش های آمار توصیفی شامل میانگین و انحراف معیار و آمار استنباطی شامل همبستگی پیرسون و مدل معادلات ساختاری و با نرم افزارهای SPSS و Amos انجام شد.یافته ها: نتایج پژوهش نشان داد که خودکارآمدیِ هوش مصنوعی بر قصد رفتاری معلمان برای استفاده از هوش مصنوعی در آموزش، تأثیر مستقیم، مثبت و معناداری دارد (008/0P= ). به علاوه خودکارآمدیِ هوش مصنوعی با میانجیگری سودمندیِ ادراک شده بر قصد رفتاری به صورت غیرمستقیم تأثیر می گذارد (01/0P=). خودکارآمدیِ هوش مصنوعی همچنین از طریق سهولت استفادة ادراک شده بر قصد رفتاری تأثیرگذار است (02/0P=). نتیجه گیری: داشتن ادراکات مثبت در خصوص سودمندی و سهولت استفاده از فناوری هوش مصنوعی در آموزش، دو عامل تأثیرگذار مهم بر قصد معلمان برای استفاده از این فناوری می باشد. خودکارآمدیِ هوش مصنوعی به شکل گیری و تقویت این ادراکات مثبت کمک می نماید و این به نوبة خود قصد معلمان برای استفاده از هوش مصنوعی را تقویت می کند. به منظور بهره گیری از مزایای فراوان بکارگیری هوش مصنوعی در آموزش، لازم است که افزایش خودکارآمدیِ هوش مصنوعی معلمان در برنامه های توسعه حرفه ای ایشان به صورت جدی مدنظر قرار گیرد.

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.

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.

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.

1استفاده از هوش مصنوعی در سالمندی به عنوان یکی از اهداف اصلی فناوری های پیشرفته، توانسته است به طور قابل توجهی به بهبود مراقبت های سلامت افراد سالمند کمک کند. این فناوری در تجزیه و تحلیل دقیق داده ها، پیش بینی بیماری ها، ارائه توصیه های بهداشتی شخصی سازی شده، تسهیل در مدیریت داروها، نظارت بر تمرینات، و حتی ایجاد تعاملات اجتماعی با افراد سالمند موفقیت آمیز بوده است. از ارتقاء امنیت و رفاه روحی تا ارائه ابزارهای هوش مصنوعی برای پشتیبانی خانگی و مراقبت های پزشکی، همه این اقدامات باعث شده اند تا هوش مصنوعی در سالمندی به یک پیشرفت جذاب و مؤثر تبدیل شود.  با این حال، در هنگام استفاده از هوش مصنوعی در سالمندی، مسائلی نیز باید در نظر گرفته شوند، از جمله حفظ حریم شخصی، اخلاقیات در استفاده از داده ها، و مدیریت مناسب اطلاعات. به همین دلیل، توجه به جوانب اخلاقی و انسانی از اهمیت بالایی برخوردار است. به طور کلی، توسعه هوش مصنوعی در سالمندی نشان دهنده توانایی بزرگ فناوری ها در بهبود زندگی افراد سالمند است و با توجه به رشد جمعیت سالمند در جوامع، این پیشرفت ها به تسهیلات جدیدی برای تحقق سلامت و رفاه افراد در این گروه سنی می انجامد.

هدف: هوش مصنوعی به عنوان یکی از روندهای فناورانه برتر انقلاب صنعتی چهارم و بازاریابی نسل پنجم، با ادغام در سیستم های مدیریت روابط با مشتری، ظرفیت و مزایای گسترده ای برای کسب وکارها ایجاد می کند. یکی از مباحث زیربنایی در این حوزه، به پذیرش فناوری مربوط می شود. هدف این مطالعه، بررسی تأثیر برخی عوامل سازمانی بر پذیرش سیستم های هوشمند مدیریت روابط با مشتری و ارائه راه کارهای متناسب با این عوامل، برای بسترسازی و نهادینه کردن استفاده از فناوری های هوشمند در سازمان های تجاری است.روش: این پژوهش از حیث هدف، در گروه تحقیقات کاربردی ـ توسعه ای است و بر اساس نتیجه، در زمره تحقیقات تبیینی قرار می گیرد و بر مبنای روش انجام پژوهش، از نوع پیمایشی و هم بستگی است. در پژوهش حاضر از دو روش کتابخانه ای و میدانی برای گردآوری داده ها و اطلاعات استفاده شد. به منظور گردآوری داده های باکیفیت و دستیابی به نتایج دقیق تر، از ابزار پرسش نامه معتبر و دقیق استفاده شد. برای بررسی و آزمون فرضیه های پژوهش، به روش نمونه گیری تصادفی، نمونۀ 384 تایی از کسب وکارهایی انتخاب شد که در حوزۀ «فروش کالا» نماد اعتماد الکترونیکی ساده داشتند. به منظور آزمون فرضیه ها از روش معادلات ساختاری و نرم افزار اسمارت پی ال اس نسخه سوم، استفاده شد.یافته ها: نتایج پژوهش نشان می دهد که توانمندسازهای هوش مصنوعی شامل نقشه راه تکنولوژی، تخصص حرفه ای و نگرش و همچنین آمادگی هوش مصنوعی شامل زیرساخت، فنی بودن و سطح آگاهی، بر پذیرش سیستم مدیریت روابط با مشتری ادغام شده با هوش مصنوعی تأثیر دارند.نتیجه گیری: با توجه به نتایج حاصل از پژوهش، سازمان های تجاری می توانند به ترتیب اهمیت با تقویت سطح آمادگی هوش مصنوعی سازمانی، یعنی درک سازمانی در خصوص سطح فنی و پیچیدگی سیستم ها، ایجاد زیرساخت های مورد نیاز، افزایش سطح آگاهی و همچنین با توانمندسازی هوش مصنوعی، یعنی ایجاد نگرش مثبت به فناوری، ترسیم نقشه راه تکنولوژی و کسب تخصص های حرفه ای مورد نیاز، به پذیرش و استقرار آگاهانه و موفق سیستم مدیریت روابط با مشتری ادغام شده با هوش مصنوعی، اقدام کنند و از منافع گسترده آن منتفع شوند.