سازنده هوش مصنوعی
اولین کار اساسی در زمینه هوش مصنوعی در اواسط قرن بیستم توسط منطق‌دان انگلیسی و پیشگام کامپیوتر آلن ماتیسون تورینگ (Alan Mathison Turing) انجام شد. آلن تورینگ مخترع هوش مصنوعی است.
در سال ۱۹۳۵ تورینگ یک ماشین محاسباتی انتزاعی متشکل از یک حافظه بی‌حد و حصر و یک اسکنر را توصیف کرد که از طریق حافظه به جلو و عقب حرکت می‌کند، نماد به نماد، آنچه را که پیدا می‌کند، می‌خواند و نمادهای بیشتری را می‌نویسد. اقدامات اسکنر توسط برنامه‌ای از دستورالعمل ها دیکته می‌شود که همچنین به شکل نمادها در حافظه ذخیره می‌شود. این مفهوم برنامه ذخیره شده تورینگ است و به طور ضمنی امکان کار کردن ماشین روی برنامه خود و اصلاح یا بهبود آن وجود دارد. مفهوم تورینگ اکنون به سادگی به عنوان ماشین تورینگ جهانی شناخته می شود. تمام کامپیوترهای مدرن در اصل ماشین‌های تورینگ جهانی هستند.
تاریخچه هوش مصنوعی در جهان
اگر این سوال در ذهنتان آمده است که هوش مصنوعی چیست، در ادامه، تایملاینی از تاریخچه هوش مصنوعی در جهان خواهیم داشت تا به شما کمک کند تا با این تکنولوژی بیشتر آشنا شوید.
تولد هوش مصنوعی: ۱۹۴۰-۱۹۶۰ میلادی
در طول سال‌های ۱۹۴۰-۱۹۶۰ میلادی، زمینه برای هوش مصنوعی (AI) فراهم شد و تست معروف تورینگ برای ارزیابی هوش ماشین معرفی شد.
معرفی هوش مصنوعی
آلن تورینگ، دانشمند علوم کامپیوتر و ریاضیدان، زمینه را برای هوش مصنوعی در اواسط قرن بیستم فراهم کرد. او یک اصطلاح مفهومی جالب یعنی “هوش مصنوعی” را پیشنهاد کرد: ماشین‌هایی طراحی کنید که می‌توانند استدلال انسان و مهارت‌های حل مسئله را تقلید کنند.
این تفکر انقلابی به عنوان یک کاتالیزور برای توسعه هوش مصنوعی عمل کرد. با این حال، کامپیوترهای اولیه فاقد ویژگی‌های حیاتی برای پشتیبانی از این دید کامپیوتری بودند – آنها توانایی ذخیره دستورات را نداشتند که یک نیاز اساسی برای هوش ماشین است.
پیشرفت هوش مصنوعی در ابتدا کند بود، زیرا هزینه‌های بالای اجاره کامپیوتر دسترسی تحقیقاتی به دانشگاه‌های نخبه و شرکت‌های بزرگ فناوری را محدود می‌کرد. علی‌رغم این محدودیت‌ها، کار نوآورانه با جدیت ادامه یافت و آینده‌ای را نوید داد که در آن ماشین‌ها می‌توانند توانایی‌های شناختی مانند توانایی انسان‌ها را نشان دهند.
معرفی آزمون تورینگ
آلن تورینگ، پیشگام در هوش مصنوعی، تست تورینگ (Turing Test) را در سال ۱۹۵۰ به عنوان ابزاری برای ارزیابی هوش ماشین معرفی کرد. این آزمایش پیشگامانه ارزیابی کرد که آیا یک ماشین می‌تواند به‌شکل متقاعدکننده‌ای از یک انسان معمولی و رفتار انسان از طریق گفتگو با یک ارزیاب انسانی تقلید کند.
تفکر نوآورانه او راه‌های جدیدی را به سمت ایجاد ماشین‌هایی با توانایی انجام وظایفی مانند حل مسئله و تصمیم‌گیری روشن کرد. معرفی این معیار منجر به پیشرفت‌های قابل توجهی در زمینه‌های هوش مصنوعی مانند پردازش زبان طبیعی و یادگیری ماشین شد.
این پیشرفت‌ها، گام‌های اساسی برای سیستم‌های هوش مصنوعی مدرن را تشکیل دادند که امروزه در حوزه‌هایی از وسایل نقلیه خودران گرفته تا نرم‌افزارهای تشخیص صدا می‌بینیم.
بلوغ هوش مصنوعی: ۱۹۵۷-۱۹۷۹ میلادی
در طول این دوره، هوش مصنوعی هم پیشرفت‌ها و هم شکست‌هایی را تجربه کرد، زیرا محققان به کشف احتمالات جدید در این زمینه ادامه دادند.
قطار موفقیت و شکست هوش مصنوعی
در سال‌های بین ۱۹۵۷ و ۱۹۷۹ پیشرفت‌های چشمگیری در تحقیقات هوش مصنوعی حاصل شد که این پیشرفت‌ها، با موانعی نیز همراه بود.
- آزمایش‌های اولیه مانند حل مسئله عمومی و ELIZA پتانسیل خود را در قابلیت‌های حل مسئله و تفسیر زبان گفتاری نشان دادند.
- در طول این مدت، کامپیوترها در دسترس‌تر، ارزان‌تر و سریع‌تر شدند و به همین دلیل علاقه و پیشرفت بیشتری را در تحقیقات هوش مصنوعی ایجاد کردند.
- دارپا (DARPA) یا سازمان پروژه‌های پژوهشی پیشرفتهٔ دفاعی آمریکا به طور قابل توجهی پروژه های تحقیقاتی متمرکز بر ترجمه زبان و پردازش داده‌ها را با سرعت بالا تامین مالی کرد.
- قطار پیشرفت هوش مصنوعی نه تنها شامل پیروزی‌ها بوده است، بلکه آزمایش‌هایی را نیز شامل می‌شود که با چالش‌های متعدد در تأمین بودجه ثابت برای کار تحقیقاتی مستمر مشخص می‌شود.
- با وجود شکست‌ها، این سال‌ها برای بلوغ کلی هوش مصنوعی ارزشمند بودند. در این دوره حیاتی، زمینه برای پیشرفت‌های آینده هوش مصنوعی فراهم شد.
رونق هوش مصنوعی: ۱۹۸۰-۱۹۸۷ میلادی
دهه ۱۹۸۰ دوره قابل توجهی از رشد و پیشرفت برای هوش مصنوعی بود. سیستم‌های خبره که باعث رونق تحقیق و توسعه هوش مصنوعی شد در این سال‌ها پدید آمدند.
ظهور سیستم‌های خبره
رونق هوش مصنوعی در دهه ۱۹۸۰ دوره قابل توجهی در توسعه هوش مصنوعی بود. در طول این مدت، سیستم‌های خبره به عنوان یک فناوری پیشگامانه ظهور کردند. سیستم‌های خبره برای شبیه‌سازی تخصص انسان و حل مشکلات با استفاده از دانش و قوانین طراحی شده‌اند.
آنها وظایف پیچیده و فرآیندهای تصمیم‌گیری را خودکار می‌کنند و آنها را به ابزارهای ارزشمندی برای صنایع مختلف تبدیل می‌کنند. ظهور سیستم‌های خبره در این دوران منجر به رشد سریع، افزایش سرمایه‌گذاری و تحقیقات گسترده در فناوری هوش مصنوعی شد.
این پیشرفت‌ها پایه و اساس پیشرفت‌های آینده در هوش مصنوعی را ایجاد کرد.
زمستان هوش مصنوعی: ۱۹۸۷-۱۹۹۳ میلادی
در طول زمستان هوش مصنوعی از سال ۱۹۸۷ تا ۱۹۹۳، علاقه و بودجه برای تحقیقات هوش مصنوعی به طور قابل توجهی کاهش یافت. این امر عمدتاً به دلیل انتظارات بیش از حد و وعده‌های غیرواقعی در این زمینه بود.
در نتیجه، بسیاری از پروژه های هوش مصنوعی به دلیل عدم حمایت مالی رها یا متوقف شدند. کاهش علاقه عمومی و دولتی به تحقیقات هوش مصنوعی عمیقاً بر توسعه هوش مصنوعی در این دوره تأثیر گذاشت.
یادگیری عمیق
با این حال، محققان از این شکست به عنوان فرصتی برای ارزیابی مجدد رویکردهای خود و تمرکز بر اهداف عملی‌تر استفاده کردند. با معرفی تکنیک‌ها و الگوریتم‌های جدید، مانند یادگیری عمیق و سیستم‌های خبره، سرانجام زمستان هوش مصنوعی به پایان رسید و راه را برای پیشرفت‌های آینده در هوش مصنوعی هموار کرد.
نکته: در مقاله دیپ لرنینگ چیست می‌توانید در مورد این موضوع بیشتر بخوانید.
احیای و گسترش هوش مصنوعی: ۱۹۹۳-۲۰۱۱ میلادی
در این دوره، هوش مصنوعی با پیشرفت‌هایی در فناوری‌های تشخیص تصویر و زبان که منجر به پیاده‌سازی گسترده در صنایع مختلف شد، احیا و گسترش چشمگیری را تجربه کرد.
هوش مصنوعی در همه جا
هوش مصنوعی دیگر محدود به قلمروهای علمی تخیلی نیست. این تکنولوژی به یک نیروی فراگیر در زندگی ما تبدیل شده است که در صنایع مختلف نفوذ و نحوه زندگی و کار ما را متحول کرده است. از گوشی‌های هوشمند گرفته تا خودروهای خودران، فناوری هوش مصنوعی در همه جا وجود دارد و راه‌حل‌های هوشمندانه‌تری ارائه می‌کند و کارایی را افزایش می‌دهد.
در بازه زمانی ۱۹۹۳ تا ۲۰۱۱ میلادی، هوش مصنوعی احیا شد و گسترشی را تجربه کرد که منجر به حضور گسترده آن در دنیای امروز ما شد. این پیشرفت، هوش مصنوعی را برای کسب‌وکارها در دسترس‌تر می‌کند، زیرا آنها از قدرت هوش مصنوعی برای خودکارسازی فرآیندها به طور مؤثرتری استفاده می‌کنند.
در نتیجه، منابع درآمد جدیدی ایجاد شد، کارها آسان‌تر و روان‌تر شد و کسب‌وکارها رونق گرفتند.
یکی از زمینه هایی که هوش مصنوعی در آن اثری جاودان بر جای گذاشته، صنعت پزشکی و مراقبت‌های بهداشتی است. با پیشرفت‌های هوش مصنوعی در این دوره زمانی، تشخیص زودهنگام و درمان بیماران مبتلا به سرطان بهبود یافت. ادغام هوش مصنوعی در سیستم‌های پزشکی و مراقبت‌های بهداشتی امکان تشخیص سریع‌تر، درمان‌های شخصی‌سازی شده و نتایج بهتر برای بیماران را فراهم کرده است.
تأثیر هوش مصنوعی بر تشخیص تصویر و زبان - شبکه عصبی
تأثیر هوش مصنوعی بر تشخیص تصویر و زبان نقش مهمی در احیا و گسترش هوش مصنوعی بین سال‌های ۱۹۹۳ و ۲۰۱۱ ایفا کرده است. توسعه شبکه‌های عصبی عمیق و الگوریتم‌های یادگیری ماشین توانایی هوش مصنوعی در درک و تفسیر تصاویر و زبان را بسیار افزایش داده است.
این امر منجر به پیشرفت های قابل توجهی در صنایع مختلف مانند مراقبت‌های بهداشتی، تجربه مشتری، بازاریابی و غیره شده است. سیستم‌های هوش مصنوعی، با افزایش دقت و سرعت در کارهایی مانند تشخیص و طبقه‌بندی اشیا، به ابزارهای ارزشمندی برای کسب و کارهایی تبدیل شده‌اند که به دنبال بهینه‌سازی عملیات خود هستند.
پردازش زبان طبیعی
علاوه بر این، مهارت سیستم‌های هوش مصنوعی تشخیص زبان در پردازش زبان طبیعی، درک بهتر و تولید زبان انسانی را امکان‌پذیر کرده است که منجر به ارتباط مؤثرتر بین ماشین‌ها و انسان‌ها می‌شود.
این پیشرفت‌ها فرصت‌هایی را برای کاربردهای عملی باز کرده است، جایی که هم تشخیص تصویر و هم تشخیص زبان اجزای حیاتی هستند. از تجزیه و تحلیل تصویربرداری پزشکی گرفته تا دستیارهای صوتی که می‌توانند دستورات پیچیده را درک کنند یا پاسخ‌هایی شبیه به انسان ایجاد کنند، تأثیر هوش مصنوعی بر تشخیص تصویر و زبان همچنان به تغییر شکل جهان ما ادامه می‌دهد.
هوش مصنوعی عمومی: ۲۰۱۲ تا کنون
هوش مصنوعی در این دوره توسعه سریعی را تجربه کرده و به طور قابل توجهی بر حوزه‌های مختلف تأثیر گذاشته است.
توسعه و تاثیر سریع هوش مصنوعی
توسعه سریع و تاثیر هوش مصنوعی از سال ۲۰۱۲ قابل توجه بوده است. این هوش مصنوعی توجه افراد بسیاری را در تجارت و جامعه به خود جلب کرده است و جنبه های مختلف زندگی ما را شکل می‌دهد. پیشرفت‌های هوش مصنوعی منجر به تشخیص زودهنگام و بهبود درمان‌ها برای بیماران سرطانی شده است و مراقبت‌های بهداشتی را متحول کرده است.
کسب‌وکارها در هر اندازه‌ای از هوش مصنوعی سود می‌برند زیرا منابع درآمدی جدیدی ایجاد می‌کند و عملیات را ساده می‌کند. هوش مصنوعی با رابطه همزیستی خود با انسان ها به تکامل خود ادامه می‌دهد و بر دنیای اطراف ما تأثیر عمیقی می‌گذارد.
تاریخچه هوش مصنوعی در ایران
تاریخچه هوش مصنوعی در ایران به طور دقیق مشخص نیست، اما می توان گفت که از اوایل دهه ۱۳۵۰ خورشیدی، با ورود کامپیوتر به ایران، تحقیقات در این زمینه آغاز شده است. در آن زمان، هوش مصنوعی بیشتر به عنوان یک شاخه از علوم کامپیوتر شناخته میشد و کاربردهای آن محدود به حوزه‌های علمی و دانشگاهی بود.
در دهه ۱۳۶۰ خورشیدی ، با افزایش تعداد کامپیوترها در ایران، شاهد رشد تحقیقات در زمینه هوش مصنوعی بودیم. در این دوره، دانشگاه‌ها و مراکز تحقیقاتی مختلف، مانند دانشگاه تهران و دانشگاه صنعتی شریف شروع به فعالیت و تحقیق در این زمینه کردند.
در دهه ۱۳۷۰ خورشیدی، با ظهور اینترنت، هوش مصنوعی وارد فاز جدیدی شد. در این دوره، شاهد ظهور اولین شرکت‌های فعال در زمینه هوش مصنوعی در ایران بودیم. این شرکت‌ها به ارائه خدمات هوش مصنوعی به سازمان‌ها و شرکت‌های مختلف می‌پرداختند.
در دهه ۱۳۸۰ خورشیدی، با افزایش بودجه‌های تخصیص‌داده‌شده به تحقیقات، شاهد رشد چشمگیری در زمینه هوش مصنوعی در ایران بودیم. در این دوره، مراکز تحقیقاتی جدید در زمینه هوش مصنوعی، مانند مرکز ملی هوش مصنوعی ایران، تاسیس شدند.
در دهه ۱۳۹۰ خورشیدی و ابتدای دهه ۱۴۰۰، هوش مصنوعی به یکی از مهم‌ترین فناوری‌های روز دنیا تبدیل شد. در ایران نیز، شاهد افزایش توجه به این فناوری بودیم. در این دوره، دولت ایران اقدام به تدوین سند ملی هوش مصنوعی کرد.
امروزه، هوش مصنوعی در ایران در حال گذار از مرحله تحقیق و توسعه به مرحله تجاری‌سازی است و به همین دلیل، استارت‌آپ‌های متعددی در زمینه هوش مصنوعی آغاز به کار کرده‌اند و خدمات و محصولات مختلف را به مشتریان خود ارائه می‌دهند.
پروفسور کارو لوکاس بنیانگذار و مدیر قطب کنترل و پردازش هوشمند، پدر علم روباتیک ایران، یکی از پیشگامان هوش مصنوعی در ایران است.
اولین هوش مصنوعی جهان
برنامه‌های اولین هوش مصنوعی برای بازی شطرنج در دهه ۱۹۵۰ توسط دانشمندانی به‌نام کریستوفر استراچی و دیتریش پرینز نوشته شدند. این برنامه‌ها روی کامپیوتر Ferranti Mark 1 اجرا می‌شدند که یکی از اولین کامپیوترهای قابل استفاده عمومی بود. این برنامه‌ها، مراحل ابتدایی در تلاش برای ساخت یک هوش مصنوعی قابل اجرا روی کامپیوتر بودند و نشان از پیشرفت‌های بزرگی در این زمینه داشتند.
سازنده هوش مصنوعی کدام کشور است؟
زمینه تحقیقات هوش مصنوعی در کارگاهی تأسیس شد که در پردیس کالج دارتموث، ایالات متحده آمریکا در تابستان ۱۹۵۶ برگزار شد. ایالات متحده آمریکا سازنده هوش مصنوعی است.
تاریخچه یادگیری ماشین
یادگیری ماشین زیرمجموعه‌ای از هوش مصنوعی (AI) است که از الگوریتم‌هایی برای یادگیری از داده‌ها استفاده می‌کند. در ادامه تاریخچه کوتاهی از این علم زیر مجموعه هوش مصنوعی ارائه خواهیم کرد.
۱۹۹۷: یک ماشین، مرد شطرنج‌باز را در بازی شطرنج شکست می‌دهد
در سال ۱۹۹۷، ابرکامپیوتر شرکت IBM، به نام Deep Blue، استاد بزرگ شطرنج، گری کاسپاروف، را در یک مسابقه شکست داد. این اولین باری بود که یک ماشین، بازیکن خبره‌ای را در شطرنج شکست میداد. این اتفاق باعث نگرانی شدید شطرنج‌بازان شده بود. این شکست، رویدادی برجسته بود زیرا نشان داد که سیستم‌های هوش مصنوعی می‌توانند در کارهای پیچیده از درک انسان پیشی بگیرند.
شکست گری کاسپاروف نقطه عطف جادویی در یادگیری ماشین بود زیرا جهان اکنون می‌دانست که بشر حریف خود را خلق کرده است – هوش مصنوعی که می‌تواند به تنهایی یاد بگیرد و تکامل یابد.
۲۰۰۲: کتابخانه نرم‌افزاری Torch
Torch یک کتابخانه نرم‌افزاری برای یادگیری ماشین و علوم داده است. Torch توسط جفری هینتون (Geoffrey Hinton)، پدرو دومینگوس (Pedro Domingos) و اندرو نگ (Andrew Ng) برای توسعه اولین پلتفرم یادگیری ماشین رایگان در مقیاس بزرگ ایجاد شد. در سال ۲۰۰۲، بنیانگذاران تورچ آن را به عنوان جایگزینی برای کتابخانه‌های دیگر ایجاد کردند، زیرا معتقد بودند که نیازهای خاص آنها توسط کتابخانه‌های دیگر برآورده نمی‌شود. از سال ۲۰۱۸، بیش از ۱ میلیون بارگیری در Github داشته و یکی از محبوب‌ترین کتابخانه های یادگیری ماشین محسوب می‌شود که امروزه در دسترس است.
۲۰۰۶: جفری هینتون، پدر علم یادگیری عمیق
در سال ۲۰۰۶، جفری هینتون “الگوریتم یادگیری سریع برای شبکه‌های باور عمیق” خود را منتشر کرد. این مقاله تولد یادگیری عمیق بود. او نشان داد که با استفاده از یک شبکه باور عمیق، می‌توان کامپیوتر را برای تشخیص الگوها در تصاویر آموزش داد.
مقاله هینتون، اولین الگوریتم یادگیری عمیق را توصیف کرد که می‌تواند عملکردی در سطح انسانی در کارهای دشوار و پیچیده تشخیص الگو داشته باشد.
۲۰۱۱: Google Brain
Google Brain یک گروه تحقیقاتی وابسته به شرکت گوگل است که به هوش مصنوعی و یادگیری ماشین اختصاص دارد. این گروه در سال ۲۰۱۱ توسط Google X تاسیس شد و در Mountain View، کالیفرنیا قرار دارد. این تیم با سایر گروه‌های تحقیقاتی هوش مصنوعی در گوگل مانند گروه DeepMind که AlphaGo را توسعه داده است، همکاری نزدیکی دارد. هدف آنها ساخت ماشین‌هایی است که بتوانند از داده‌ها یاد بگیرند، زبان را بفهمند، به سؤالات به زبان طبیعی پاسخ دهند و استدلال عقل سلیم داشته باشند.
این گروه از سال ۲۰۲۱ توسط جفری هینتون، جف دین (Jeff Dean) و زوبین قهرمانی (Zoubin Ghahramani) رهبری می‌شود و بر یادگیری عمیق تمرکز می‌کند، مدلی از شبکه‌های عصبی مصنوعی که قادر به یادگیری الگوهای پیچیده از داده‌ها به صورت خودکار و بدون برنامه‌ریزی صریح است.
۲۰۱۴: DeepFace
DeepFace یک الگوریتم یادگیری عمیق است که در ابتدا در سال ۲۰۱۴ توسعه یافت و بخشی از شرکت Meta است. این پروژه پس از عملکرد بهتر از عملکرد انسانی در آزمایش معروف «چهره‌ها در طبیعت» مورد توجه رسانه‌ها قرار گرفت.
بر اساس یک شبکه عصبی عمیق شکل گرفته که از لایه‌های زیادی از نورون‌ها و وزنه‌های مصنوعی تشکیل شده است که هر لایه را به لایه‌های همسایه‌اش متصل می‌کند. این الگوریتم مجموعه‌ای از داده‌های آموزشی از عکس‌ها را به عنوان ورودی می‌گیرد که هر عکس با هویت و سن موضوع آن حاشیه‌نویسی شده است. این تیم در سال‌های اخیر بسیار موفق بوده است و مقالات زیادی را در مورد نتایج تحقیقات خود منتشر کرده است. تیم DeepFace همچنین چندین شبکه عصبی عمیق را آموزش داده است که موفقیت قابل توجهی در تشخیص الگو و وظایف یادگیری ماشین به دست آورده‌اند.
۲۰۱۷: چالش ImageNet – نقطه عطف در تاریخچه یادگیری ماشین
چالش ImageNet رقابتی در بینایی کامپیوتری است که از سال ۲۰۱۰ در حال اجرا است. این چالش بر توانایی برنامه‌ها برای پردازش الگوها در تصاویر و تشخیص اشیا با درجات مختلف جزئیات متمرکز است.
در سال ۲۰۱۷، این چالش به نقطه عطف خود رسید. ۲۹ تیم از ۳۸ تیم با مدل‌های بینایی کامپیوتری خود به دقت ۹۵ درصد دست یافتند.
یادگیری ماشین پیشرفته در عصر کنونی
یادگیری ماشینی در بسیاری از زمینه های مختلف از مد گرفته تا کشاورزی استفاده می شود. الگوریتم‌های یادگیری ماشین می‌توانند الگوها و روابط بین داده‌ها را بیاموزند، بینش‌های پیش‌بینی‌کننده را برای مسائل پیچیده بیابند و اطلاعاتی را استخراج کنند که در غیر این صورت یافتن آنها بسیار دشوار است. الگوریتم‌های یادگیری ماشین امروزی قادرند حجم زیادی از داده‌ها را با دقت در مدت زمان نسبتاً کوتاهی مدیریت کنند.
سوالات متداول
هوش مصنوعی شامل ماشین‌هایی است که مانند انسان‌ها قادر به حل مسئله، تصمیم‌گیری و تفکر انتزاعی هستند.
برخی از چهره‌های کلیدی در تولد هوش مصنوعی عبارتند از: جان مک کارتی، ماروین مینسکی و ادوارد فایگنبام .
رشته یادگیری ماشینی توسط دانشمند کامپیوتر آلن تورینگ در دهه ۱۹۵۰ تاسیس شد. آرتور ساموئل اصطلاح “یادگیری ماشین” را در سال ۱۹۵۹ ابداع کرد.
آلن تورینگ کار خود را با عنوان «ماشین‌های کامپیوتر‌ای و هوش» منتشر کرد که در نهایت به آزمون تورینگ تبدیل شد که متخصصان از آن برای اندازه‌گیری هوش کامپیوتر‌ای استفاده کردند. اصطلاح “هوش مصنوعی” ابداع شد و مورد استفاده عمومی قرار گرفت.
1 دیدگاه دربارهٔ «تاریخچه هوش مصنوعی»
سلام سپاس از محتوای ارزشمندتان. فقط ای کاش منبع نوشته هارا هم ذکر کنید.