3 مهم‌ترین نمونه کد هوش مصنوعی جاوا اسکریبت برای برنامه‌نویسی

هوش مصنوعی (AI) دیگر فقط موضوع فیلم‌های علمی-تخیلی نیست؛ حالا بخشی از زندگی روزمره ماست. از چت‌بات‌های هوشمند گرفته تا سیستم‌های پیشنهاددهنده فیلم در نتفلیکس، AI همه‌جا حضور دارد. اما آیا می‌دانستید که می‌توانید با جاوااسکریپت، یکی از محبوب‌ترین زبان‌های برنامه‌نویسی، به دنیای هوش مصنوعی قدم بگذارید؟ در این مقاله، با مهم‌ترین نمونه‌کدهای هوش مصنوعی در آموزش جاوا اسکریپت آشنا می‌شویم و پروژه‌های هیجان‌انگیزی را بررسی می‌کنیم که حتی یک مبتدی هم می‌تواند امتحان کند. آماده‌اید که کد بزنید و دنیا را شگفت‌زده کنید؟

چرا جاوااسکریپت برای هوش مصنوعی؟

جاوااسکریپت معمولاً برای توسعه وب شناخته می‌شود، اما با ظهور کتابخانه‌های قدرتمندی مثل TensorFlow.js، Brain.js و Synaptic، حالا می‌توانید مدل‌های یادگیری ماشین را مستقیماً در مرورگر اجرا کنید! این یعنی:

• بدون نیاز به نصب پیچیده: همه‌چیز در مرورگر اجرا می‌شود.
• تعاملی و بصری: نتایج را بلافاصله روی صفحه نمایش ببینید.
• دسترسی آسان: جاوااسکریپت زبانی است که میلیون‌ها توسعه‌دهنده با آن آشنا هستند.

حالا بیایید چند نمونه کد هیجان‌انگیز را بررسی کنیم که شما را به یک جادوگر AI تبدیل می‌کند!

1. پیش‌بینی با TensorFlow.js: حدس زدن قیمت خانه

تصور کنید می‌خواهید یک مدل ساده بسازید که قیمت خانه را بر اساس متراژ آن پیش‌بینی کند. TensorFlow.js این کار را آسان می‌کند.

نمونه کد:

javascript

CollapseWrapCopy

import * as tf from ‘@tensorflow/tfjs’;

// داده‌های آموزشی (متراژ و قیمت)

const data = {

sizes: [50, 70, 100, 120], // متراژ به متر

prices: [200, 280, 400, 480] // قیمت به میلیون

};

// تبدیل داده‌ها به تنسور

const xs = tf.tensor2d(data.sizes, [data.sizes.length, 1]);

const ys = tf.tensor2d(data.prices, [data.prices.length, 1]);

// ساخت مدل

const model = tf.sequential();

model.add(tf.layers.dense({ units: 1, inputShape: [1] }));

model.compile({ optimizer: ‘sgd’, loss: ‘meanSquaredError’ });

// آموزش مدل

await model.fit(xs, ys, { epochs: 500 });

// پیش‌بینی برای یک خانه 80 متری

const newSize = tf.tensor2d([80], [1, 1]);

const prediction = model.predict(newSize);

prediction.print(); // خروجی: چیزی نزدیک به 320 میلیون

چرا هیجان‌انگیز است؟

این کد یک مدل یادگیری ماشین ساده را در چند خط می‌سازد و آموزش می‌دهد. می‌توانید آن را گسترش دهید تا ویژگی‌های بیشتری (مثل تعداد اتاق‌ها یا محله) اضافه کنید و یک ابزار واقعی برای مشاوران املاک بسازید!

2. شبکه عصبی با Brain.js: تشخیص احساسات متن

آیا می‌خواهید یک چت‌بات بسازید که احساسات کاربر را درک کند؟ Brain.js به شما کمک می‌کند یک شبکه عصبی ساده برای تحلیل احساسات (مثبت یا منفی) بسازید.

نمونه کد:

javascript

CollapseWrapCopy

const brain = require(‘brain.js’);

// ایجاد شبکه عصبی

const net = new brain.recurrent.LSTM();

// داده‌های آموزشی

const trainingData = [

{ input: “عاشق این فیلمم!”, output: “مثبت” },

{ input: “خیلی بد بود، اصلاً خوشم نیومد.”, output: “منفی” },

{ input: “وای چقدر باحال!”, output: “مثبت” },

{ input: “افتضاح بود!”, output: “منفی” }

];

// آموزش شبکه

net.train(trainingData, {

iterations: 200,

errorThresh: 0.005

});

// تست شبکه

console.log(net.run(“این فوق‌العاده بود!”)); // خروجی: “مثبت”

console.log(net.run(“واقعاً ناامید شدم.”)); // خروجی: “منفی”

چرا جذاب است؟

این کد به شما اجازه می‌دهد یک سیستم تحلیل احساسات بسازید که می‌تواند در چت‌بات‌ها، نظرسنجی‌ها یا حتی تحلیل بازخورد مشتریان استفاده شود. فقط کافی است داده‌های بیشتری اضافه کنید تا دقتش بالاتر برود!

3. تشخیص تصویر با ml5.js: شناسایی اشیا در عکس

ml5.js یک کتابخانه کاربرپسند است که مدل‌های از پیش آموزش‌دیده را در اختیار شما قرار می‌دهد. با آن می‌توانید اشیا را در تصاویر تشخیص دهید.

نمونه کد:

javascript

CollapseWrapCopy

<script src=”https://unpkg.com/ml5@latest/dist/ml5.min.js”></script>

<img id=”image” src=”cat.jpg” width=”400″ />

<script>

// بارگذاری مدل

const classifier = ml5.imageClassifier(‘MobileNet’, () => {

console.log(‘مدل بارگذاری شد!’);

});

// شناسایی تصویر

const img = document.getElementById(‘image’);

classifier.classify(img, (err, results) => {

if (err) {

console.error(err);

return;

}

console.log(`این یک ${results[0].label} است با احتمال ${results[0].confidence.toFixed(2)}`);

});

</script>

چرا شگفت‌انگیز است؟

این کد به شما امکان می‌دهد بدون نیاز به دانش عمیق AI، اشیا را در تصاویر شناسایی کنید. می‌توانید آن را در وب‌سایت خود ادغام کنید تا مثلاً کاربران بتوانند عکس آپلود کنند و توضیحی درباره آن ببینند!

نکات کاربردی و سرگرم‌کننده برای شروع

حالا که با چند نمونه کد آشنا شدید، بیایید با چند نکته و ترفند، تجربه‌تان را بهتر کنیم:

1. با داده بازی کنید: در کدهای بالا، داده‌های آموزشی را تغییر دهید. مثلاً در Brain.js، جملات خنده‌دار یا عجیب اضافه کنید و ببینید شبکه چه واکنشی نشان می‌دهد!
2. مرورگر را جادویی کنید: TensorFlow.js و ml5.js به شما اجازه می‌دهند مدل‌ها را در مرورگر اجرا کنید. یک وب‌اپ بسازید که پیش‌بینی‌هایتان را به‌صورت انیمیشن نشان دهد.
3. از مدل‌های آماده استفاده کنید: اگر وقت آموزش مدل ندارید، از مدل‌های از پیش آموزش‌دیده مثل MobileNet در ml5.js استفاده کنید.
4. اشتباه کردن بخشی از کار است: اگر مدل‌تان نتایج عجیبی داد (مثلاً گفت گربه یک ماشین است)، نگران نشوید! داده‌های بیشتری اضافه کنید یا پارامترها را تغییر دهید.
5. سرگرمی با پروژه‌های کوچک: یک بازی ساده بسازید که کاربر یک عکس آپلود کند و مدل حدس بزند چیست. یا یک چت‌بات بامزه که فقط جملات مثبت جواب می‌دهد!

یک چالش سرگرم‌کننده

چرا یک پروژه ترکیبی نسازید؟ مثلاً یک وب‌اپ که کاربر متنی وارد می‌کند (مثل نظر درباره یک فیلم)، شبکه عصبی احساساتش را تشخیص می‌دهد و اگر مثبت بود، یک تصویر شاد نمایش می‌دهد که با ml5.js تحلیل شده است! این‌طوری هم سرگرم می‌شوید و هم رزومه‌تان را پربار می‌کنید.

جمع‌بندی

جاوااسکریپت دیگر فقط برای ساخت دکمه‌های وب نیست؛ حالا می‌توانید با آن هوش مصنوعی خلق کنید که پیش‌بینی می‌کند، احساسات را می‌فهمد و حتی اشیا را می‌شناسد. با کتابخانه‌هایی مثل TensorFlow.js، Brain.js و ml5.js، دنیای AI در دسترس شماست. فقط کافی است چند خط کد بنویسید و خلاقیت‌تان را آزاد کنید. حالا نوبت شماست: کدام پروژه را امتحان می‌کنید؟

نکته آخر: اگر سوالی داشتید یا مدل‌تان خراب شد (اتفاق رایج در AI)، نگران نباشید! کدها را تست کنید، با داده‌ها بازی کنید و لذت ببرید. هوش مصنوعی مثل آشپزی است: کمی صبر و چند چاشنی خلاقیت، معجزه می‌کند! 🚀