معاون مالی و اقتصادی گروه فن آوا مطرح کرد:
اعلام زمان برگزاری مجامع شرکت‌های گروه فن آوا/در مسیر انظباط مالی شرکت ها

حیات هر شرکت وابسته به مسائل مالی و اقتصادی آن است. در واقع شرکت‌ها و بنگاه‌های اقتصادی برای تداوم فعالیت خود نیاز دارند که سود دهی کافی داشته باشند و با شفافیت روندهای اقتصادی خود را پیش ببرند. معاون مالی و اقتصادی قلب تپنده و ضامن سلامت مالی یک شرکت است.از اینکه موفقیت تمامی کسب و کارها به مدیر مالی و وظایف کلیدی آن بستگی دارد شکی نیست. تا جایی که اهمیت حیاتی آن در بسیاری شرکت های کوچک و بزرگ که توانایی لازم در بررسی حساب و کتاب های خود را ندارند و قادر به پرداخت بدهی ها و تسویه حساب نیستند پر رنگ تر می شود.
مدیران مالی و یا Accountant مسئولیت سلامت مالی سازمان را بر عهده دارند و فارغ از وضعیت اقتصادی که بر جامعه حکم‌ فرماست، رشد شرکت کاملا به وجود آنها بستگی دارد. از همگام شدن با پیشرفت تکنولوژیکی تا نظارت کامل بر امور مالی در شرکت، همگی جزء وظایف یک مدیر مالی شایسته است که باعث می‌شود شرکت پیشرفت کند. بنابراین این مدیر حساسیت کاری بسیار بالایی دارد و وظیفه خطیری بر عهده آن است. شرکت فن آوا هم مانند سایر شرکت‌ها از این قاعده مستثنی نیست. همین موضوع بهانه‌ای شد تا گفتگویی را با سعداله باقری، معاون مالی و اقتصادی شرکت گروه فن آوا داشته باشیم.

درآمدزایی بیشتر در مسیر افزایش سرمایه
در قگذشته مسئولیت اصلی مدیران مالی، نظارت بر امور مالی شرکت‌ها و سازمان‌ها بوده است. اما در حال حاضر آنها بیشتر تجزیه و تحلیل داده‌ها را انجام می‌دهند و به مدیران ارشد درباره راه‌های افزایش سود ایده می‌دهند در همین حوزه باقری در ابتدای گفتگو با توجه به افزایش سرمایه شرکت در سال 1400 اظهار داشت: باتوجه به افزایش سرمایه گروه فن آوا در تلاش هستیم، پروژهای جدید طراحی و برنامه ریزی و عملیاتی نماییم تا علاوه بر ایجاد کسب کار جدید باعث در آمد زایی بیشتر برای گروه و شرکت های تابعه شویم و سود آوری قابل قبول حاصل شود. به همین منظور با استراتژی هایی ناظر به آینده بازار برای تک تک شرکتهای پروژه های تعریف شده که در حال پیگیری می باشد.

همه شرکت‌های فن آوا در یک سطح نیستند
او در خصوص درآمدهای جدید شرکت فن آوا گفت: همه شرکتهای گروه در یک سطح نیستند و سرمایه و دارایی های متفاوتی دارند مهمترین شرکت های گروه به ترتیب فن آوا کارت، داده پردازی ، شبکه گستر و… می باشند که به دلیل عدم راه اندازی کسب کار جدید و عدم اخذ پروژه های جدید در سنوات قبل متاسفانه در آمد و هزینه شرکتهای متناسب با اهداف گروه نمی باشد.و در مسیر ایجاد کسب و کارهای جدید در این مسیر هستیم.

نیازمند کنترل هزینه و ایجاد کسب و کار جدید هستیم
باقری با اشاره به انتظارش از دیگر معاونت‌ها و بخش‌های گروه فن آوا گفت: همه معاونت و مدیریت‌های گروه در راستای انجام ماموریت سازمانی شکل گرفته‌اند، لذا انتظار ما در این زمان که نیازمند کنترل هزینه ها و ایجاد کسب و کار جدید می باشیم هماهنگی بیشتر درجهت ماموریت های گروه است.

برگزاری مجامع شرکت‌های گروه فن آوا تا پایان فروردین
وی تاکید کرد یکی از مهم ترین موضوعات ماموریتی معاونت مالی تهیه صورت های مالی و برگزاری مجامع و … و با اشاره به برنامه ریزی معاونت مالی و اقتصادی در این زمینه گفت: مهم ترین ماموریت معاونت مالی واقتصادی ایجاد انضباط مالی در گروه و شرکت های تابعه می باشد که یکی از موارد انضباط مالی تهیه به موقع و مستند صورت های مالی و برگزاری مجامع می باشد که حداکثر تاپایان فروردین ماه 1401 مجامع شرکت های گروه و حداکثر تا پایان مرداد ماه نیز مجمع شرکت گروه برگزار خواهد شد.

هوش مصنوعی (Artificial Intelligence) شاخه‌ای از علوم کامپیوتر است؛ علم و مهندسی ساخت سیستم‌های هوشمند. مجموعه‌ای از فناوری‌های بسیار گوناگون که ماشین‌ها را قادر می‌سازد تا به درک، یادگیری و عملکردی در سطح هوش انسان برسند.

این سیستم‌ها می‌توانند سخت‌افزاری باشند، (مثل استفاده از بازوهای رُباتیک در برخی از کارهای تکراری مانند بستن بطری‌های نوشیدنی)، می‌توانند نرم‌افزاری باشند، مثل الگوریتم‌هایی که الگوها را تشخیص می‌دهند و یا ترکیبی از هر دو. (مثل، مریخ‌نوردهای خودکاری که بر اساس رویدادهای خاص تصمیماتی مستقل می‌گیرند.)

تاریخچه هوش مصنوعی

درباره نفطه آغاز پژوهش‌ها در مورد هوش مصنوعی نظرات متفاوتی وجود دارد. اما ما خوب می‌دانیم که صحبت از هوش مصنوعی بدون کامپیوتر بی‌معناست؛ بنابراین، بحث درباره تاریخچه هوش مصنوعی بدون نگاه به تاریخ رایانه‌ها کامل نخواهد بود.

تقریبا از همان سال ۱۹۴۳ که اولین کامپیوترهای الکترونیکی متولد شدند، ایده استفاده از هوش مصنوعی نیز به وجود آمد. در سال ۱۹۵۶ پژوهش‌های دانشگاهی درباره هوش مصنوعی آغاز شد. در این سال جان مک‌کارتنی برای اولین بار در یک کنفرانس علمی از اصطلاح هوش مصنوعی استفاده کرد.

از همان زمان تا اوایل دهه ۱۹۷۰، با ‍پیشرفت و تکامل زبان‌های برنامه‌نویسی در طول زمان و با استفاده از قابلیت‌های نوین برنامه‌نویسی کامپیوترها، حوزه جدیدی به نام هوش مصنوعی به‌سرعت توسعه یافت. پس از این دوران و شرکت‌ها و موسسات دولتی و نظامی علاقه زیادی به استفاده و پژوهش درباره هوش مصنوعی پیدا کردند. با توسعه سخت‌افزارهای مخصوص هوش مصنوعی در سال ۱۹۸۶ این حوزه به تجارتی چندمیلیون‌دلاری تبدیل شد.

در سال‌های بعد هوش مصنوعی عمدتا برای استفاده در بازی‌ها و مسائل توسعه پیدا کردند. در سال‌های دهه نود ربات‌هایی با استفاده از هوش مصنوعی ساخته شدند که بازی‌های کامپیوتری انجام می‌دادند. این ربات‌ها در اواخر این دهه موفق شدند بزرگترین استادان شطرنج جهان را در این بازی شکست دهند.

از سال ۲۰۱۰ محصولات بسیار متنوعی با استفاده از هوش مصنوعی ساخته شد. این محصولات اعم از نرم‌افزاری و سخت‌افزاری، توسط شرکت‌هایی مانند اپل، گوگل و مایکروسافت راه‌اندازی شد.

اهداف هوش مصنوعی

اصلی‌ترین هدف هوش مصنوعی، توسعه ماشین‌های هوشمندی است که می‌توانند به‌تنهایی یاد بگیرند.

اما به‌طورکلی اهداف هوش مصنوعی را می‌توان به چند دسته اصلی تقسیم کرد. این اهداف اتفاقا بسیار شبیه اهدافی است که از هوش انسانی انتظار می‌رود.

۱- استدلال و حل مسئله:

اولین محققان هوش مصنوعی الگوریتم‌هایی را توسعه دادند که از شیوه استدلال گام‌به‌گام که انسان‌ها هنگام حل معماها یا استنباط منطقی از آن استفاده می‌کنند، تقلید می‌کرد. استدلال در هوش مصنوعی به ماشین‌ها کمک می‌کند تا منطقی فکر کنند و عملکردهایی مانند انسان را انجام دهند.

حل مسئله یک حوزه تحقیقاتی مهم در زمینه هوش مصنوعی است که به ماشین‌ها در حل مشکلات، یافتن راه‌حل‌های منطقی و پیش‌بینی بر اساس اطلاعات و داده‌های موجود کمک می‌کند. استدلال از اساسی‌ترین قابلیت‌های هوش، اعم از انسانی یا مصنوعی است که هم انسان و هم ماشین‌ها را قادر می‌سازد تا دانشی را که تا ‍پیش‌ازاین تبیین نشده بود، تولید کنند.

۲- مهندسی دانش:

بسیاری از مشکلاتی که انتظار می‌رود ماشین‌ها حل کنند، به دانش وسیعی در مورد جهان نیاز دارند. اشیاء و روابط بین اشیاء، موقعیت‌ها، زمان و مکان، رویدادها و علل و آثارشان همه‌وهمه دانشی است که نیاز به بازنمایی دارند. مهندسی دانش در تحقیقات هوش مصنوعی امری مهم است.

هستی‌شناسی مجموعه‌ای از اشیاء و رویدادها، روابط، مفاهیم و غیره که ماشین‌ها از آنها اطلاع دارد، از اهداف هوش مصنوعی و پایه‌ای برای همه دانش‌های دیگر است.

۳- برنامه‌ریزی:

موجودات هوشمند باید قادر به تعیین اهداف و دستیابی به آنها باشند تا بتوانند آینده را ترسیم کنند. قابلیت ارائه نمایشی از وضعیت جهان که قادر به پیش‌بینی نحوه تغییر رفتارها و روندهای پیرامون آن باشد از اهداف هوش مصنوعی است. با رسیدن به این هدف می‌توان انتخاب‌هایی انجام داد که از حداکثر سودمندی برخوردارند. قابلیت برنامه‌ریزی به سیستم هوشمند کمک می‌کند تا بتواند پیش‌بینی‌های خود را ارزیابی کرده و بر اساس این ارزیابی‌ها با محیط پیرامون خود سازگار شود.

۴- یادگیری:

یادگیری توسط ماشین یکی از اساسی‌ترین مفاهیم از تحقیقات هوش مصنوعی از بدو تولد آن است. مطالعه الگوریتم‌های رایانه‌ای که عملکرد ماشین را به طور خودکار از طریق تجربه بهبود می‌دهند، از دیگر اهداف هوش مصنوعی است.

۵- هوش اجتماعی:

هوش اجتماعی ظرفیت درک دیگران و رفتار منطقی و عاطفی دررابطه‌با دیگران است. مطالعه و توسعه سیستم‌هایی که اعمال انسانی را شناسایی، تفسیر، پردازش و شبیه‌سازی کنند از اهداف هوش مصنوعی است. هوش اجتماعی حوزه‌ای بینارشته‌ای است که علوم رایانه، روان‌شناسی و علوم‌شناختی را در بر می‌گیرد.

۶- خلاقیت:

خلاقیت حوزه‌ای فرعی از هوش مصنوعی است. در هوش مصنوعی خلاقیت به‌صورت نظری از دیدگاه روان‌شناسی فلسفی مورد بررسی قرار گرفته می‌شود و به‌صورت عملی به پیاده‌سازی سیستم‌های خاص با خروجی‌های بسیار مفید منجر می‌شود.

اصلی‌ترین شاخه‌های هوش مصنوعی

کاربردهای هوش مصنوعی فراوان است. بنابراین کاربردها و همچنین کارایی‌های هوش مصنوعی، این دانش در حوزه‌های متنوعی توسعه پیدا کرده است. شاخه‌های اصلی که امروز هوش مصنوعی در آن‌ها توسعه پیدا می‌کند این حوزه‌ها هستند:

۱- سامانه‌های خبره (Experts Systems)

سامانه‌ها یا همان سیستم‌های خبره، نرم‌افزارهای هوش مصنوعی و موفق‌ترین ارائه از توانایی‌های هوش مصنوعی هستند. برنامه‌های کامپیوتری که برای حل مسائل پیچیده طراحی شده‌اند. این سیستم‌ها دانش انسانی را در پایگاه دانش خود ذخیره و برای حل مسائلی که نیازمند کارشناسی انسان هستند از آنها استفاده می‌کنند. آنها برای حل مسائلی به کار می‌روند که برایشان الگوریتمی خاص یا دانشی صریحی وجود ندارد. سیستم‌های خبره قابلیت‌های زیادی دارند. آنها در دسترس و دائمی هستند. قابلیت اطمینان بالایی دارند و قدرت تبیین و یافتن پاسخ‌های سریع و کامل را در هر حالتی دارند. آنها پایگاه تجربه هستند و به انتقال دانش نیز سهولت می‌بخشند. مطالعات نشان داده که سیستم‌های خبره، نسبت به یک کارشناس انسانی، تصمیم‌گیرنده‌های بهتری هستند. چرا که توانایی نگهداری و بازیابی داده‌های واقعی را دارند و به‌وسیله احساسات تحت تأثیر قرار نمی‌گیرند. سامانه‌های خبره در زمینه‌های متنوعی همچون پزشکی، حسابداری، منابع انسانی و … به کار می‌روند.

۲- رباتیک (Robotics)

رباتیک شاخه‌ای از هوش مصنوعی است که از مهندسی برق، مهندسی مکانیک و علوم کامپیوتر برای طراحی، ساخت و کاربرد ربات‌ها تشکیل شده است. ربات‌ها ماشین‌های قابل‌برنامه‌ریزی‌ای هستند که معمولاً قادرند مجموعه‌ای از وظایف را به‌صورت خودکار یا نیمه‌خودکار انجام دهند. آنها قابل‌برنامه‌ریزی‌اند و از طریق حسگرها و محرک‌ها با دنیای فیزیکی در ارتباط هستند. ربات‌ها دارای ساختار و فرم مکانیکی و اجزای الکتریکی هستند که ماشین‌ها را کنترل می‌کنند. آنها حاوی سطوح مختلفی از برنامه‌های کامپیوتری‌اند که تعیین می‌کنند ماشین‌ها چه چیزی را چه زمانی و چگونه انجام دهند. روبات‌ها انواع بسیار گوناگون و خاصی دارند که در حوزه‌های وسیع و مختلفی به کمک انسان می‌آیند.

۳- یادگیری ماشین (Machine Learning)

یادگیری ماشین هوشمند کردن رایانه‌هاست بدون اینکه مستقیماً به آنها یاد بدهیم چطور رفتار کنند. رایانه‌ها می‌توانند با استفاده از حجم عظیمی از داده، به طور خودکار الگوهایی تکرارشونده را بدون دخالت انسان یاد بگیرند. یادگیری این الگوریتم‌ها به تقلید از شیوه یادگیری انسان انجام می‌شود و با بیشتر شدن تجربه رایانه، به‌تدریج دقت آن هم بالاتر می‌رود. در یک حالت کلی انواع یادگیری ماشین را به سه دسته تقسیم می‌کنند:

1. یادگیری تحت نظارت
2. یادگیری بدون نظارت
3. و یادگیری تقویتی.

یادگیری ماشین در دنیای امروز کاربردهای بی‌شماری دارد. ما خیلی وقت‌ها در فعالیت‌های روزمره از کمک یادگیری ماشین استفاده می‌کنیم؛ بدون اینکه لزوماً متوجه آن‌ها باشیم. علاوه بر این‌ها یادگیری ماشین در تجارت و کسب‌وکار هم کارایی‌های زیادی دارد. بخش عمده‌ای از سرویس‌های خدمات‌رسانی شرکت‌هایی مانند نتفلیکس، فیس‌بوک و گوگل، با استفاده از یادگیری ماشین انجام می‌شود.

۴- شبکه عصبی (Neural Network)

در ساخت این شبکه‌ها، از شبکه‌های عصبی بیولوژیکی (BNN) در طبیعت الهام گرفته شد. مدل این شبکه‌ها دقیقاً ازروی مدل مغز انسان به‌صورت توابع ریاضی روی کامپیوترها پیاده‌سازی شده است. تفاوت شبکه‌های عصبی مصنوعی با برنامه‌های کلاسیک گذشته در قابلیت یادگیری است. قبلاً باید برای کامپیوترها حالت‌های مختلف پیش‌بینی می‌شد اما امروزه ارائه با دادن نمونه‌ها به هوش مصنوعی، از او می‌خواهیم در موقعیت‌های پیش‌بینی‌نشده، مثل یک انسان باتجربه عمل کند.

۵- منطق فازی (Fuzzy Logic)

رایانه‌ها دارای بلوک‌های منطقی‌ای هستند که می‌توانند ورودی‌های دقیق و مشخصی را دریافت و خروجی‌های مشخصی را هم به‌عنوان خروجی صحیح یا غلط تحویل دهند. این شیوه معادل پاسخ بله یا خیر در انسان است. اما لطفی علی‌عسکرزاده، کاشف منطق فازی یا (Fuzzy Logic) مشاهده کرد که تصمیم‌گیری در انسان این‌گونه نیست و شامل طیف وسیعی از امکانات بین بله و خیر است.

منطق فازی روشی استدلالی است که به استدلال انسان شباهت دارد. رویکرد منطق فازی از شیوه تصمیم‌گیری در انسان تقلید می‌کند که شامل تمام احتمالات میانی بین ارزش‌های دیجیتال بله و خیر می‌شود. منطق فازی در هوش مصنوعی به مقابله با عدم قطعیت در مهندسی کمک می‌کند. این شیوه ممکن است استدلال دقیقی ارائه ندهد، اما استدلال قابل قبولی ارائه می‌دهد. منطق فازی برای اهداف تجاری و عملی مفید است.

۶- پردازش زبان طبیعی (Natural Language Processing)

این حوزه یکی از شاخه‌های پراهمیت در علوم رایانه و هوش مصنوعی است. پردازش زبان‌های طبیعی بر ارتباط انسان و رایانه، متمرکز است.

هدف پردازش طبیعی درک زبان انسان‌ها توسط ماشین‌ها است. در این شیوه ماشین‌ها مانند یک کودک تازه‌متولدشده زبان را فرامی‌گیرند و در مرحله بعد از آن برای ایجاد ارتباط استفاده می‌کنند. حتماً شما هم این تکنولوژی را در دستیارهای صوتی مثل Siri و Google Assistant دیده‌اید. در ماشین‌های ترجمه انگلیسی مثل گوگل ترنسلیت، سرویس زیرنویس خودکار یوتیوب و سرویس تصحیح گرامر Gmail هم از این فناوری استفاده شده است.

انواع هوش مصنوعی؛ هوش مصنوعی محدود و عمومی

هوش مصنوعی عمومی (Artificial General Intelligence) که از آن با عنوان هوش مصنوعی قوی یا هوش مصنوعی عمیق نیز یاد می‌شود، مفهومی است که در آن ماشین از هر نظر از هوش و یا رفتارهای انسانی تقلید می‌کند و توانایی یادگیری و به‌کارگیری هوش خود را برای حل هر مشکلی دارد. هوش مصنوعی عمومی (AGI) می‌تواند به‌گونه‌ای فکر کند، بفهمد و عمل کند که در هر موقعیتی با انسان قابل تشخیص نیست.

بر خلاف هوش مصنوعی عمومی، هوش مصنوعی محدود یا ضعیف (Artificial Narrow Intelligence) نوعی از هوش مصنوعی است که می‌تواند فقط یک کار خاص را انجام دهد. سیستمی از هوش مصنوعی که فقط در یک زمینه خاص و برای انجام وظایف تخصصی قابلیت دارد. هوش مصنوعی محدود هدف‌گرا است و برای انجام کارهای منحصربه‌فرد مانند تشخیص چهره و گفتار در دستیارهای صوتی مثل Siri در iPhone یا اتومبیل‌های بدون راننده گوگل و Uber استفاده می‌شود. این فناوری در انجام‌وظیفه خاصی که برای انجام آن برنامه‌ریزی‌شده است بسیار هوشمند است. اگرچه ممکن است این ماشین‌ها هوشمند به نظر برسند، اما به دلیل اینکه در عملکرد خود محدودیت دارند، از فناوری استفاده شده در آنها تحت عنوان هوش مصنوعی محدود یاد می‌شود. این سیستم‌ها فقط می‌توانند یاد بگیرند یا به آنها آموزش داده شود تا وظایف خاصی را انجام دهند. (Narrow AI) در یک دهه گذشته پیشرفت‌های بی‌شماری را تجربه کرده است که از دستاوردهای یادگیری ماشینی و یادگیری عمیق نیز برخوردار است. برای مثال امروزه سیستم‌های هوش مصنوعی در پزشکی برای تشخیص سرطان و سایر بیماری‌ها با دقت بسیار بالایی از راه شبیه‌سازی شیوه شناخت و استدلال انسانی استفاده می‌شود.

کاربردهای هوش مصنوعی

هوش مصنوعی در جوامع امروزی کاربردهای گوناگونی دارد و در دنیای امروز امری ضروری است. زیرا می‌تواند مشکلات پیچیده انسان را با روشی کارآمد حل کند. هوش مصنوعی زندگی انسان را راحت‌تر و سرعت آن را بیشتر کرده است. در اینجا به برخی از کاربردهای هوش مصنوعی در عصر حاضر اشاره می‌کنیم.

مراقبت‌های بهداشتی:

در پنج تا ده سال گذشته، هوش مصنوعی در صنعت مراقبت‌های بهداشتی تأثیر قابل‌توجهی گذاشته و آن را ارتقاء داده است. صنایع بهداشت و درمان از هوش مصنوعی برای تشخیص‌هایی بهتر و سریع‌تر از انسان استفاده می‌کنند. با کمک هوش مصنوعی به پزشکان در تشخیص بیماری‌ها، پیش از وخامت حال بیماران به آنها کمک‌های پزشکی می‌رسانند. مثلاً الگوریتم‌های هوش مصنوعی در ساعت‌های هوشمند فعالیت‌های حیاتی فرد را برای تشخیص مشکلات قلبی و سایر اختلالات کنترل می‌کنند و حتی وخامت حال بیماران را به اورژانس گزارش می‌دهند. علاوه بر این، هوش مصنوعی به افزایش سرعت ساخت داروها و دقت در تولید آنها کمک شایانی کرده است.

خدمات مالی و بانکداری:

خدمات مالی در سه دهه گذشته از هوش مصنوعی بهره زیادی برده است. در بانکداری، هوش مصنوعی برای مدیریت و نگهداری حساب‌ها، پیش‌بینی سهام در بازار و حتی پیشگیری از تقلب و تخلفات مالی بسیار مفید بوده است. شرکت‌های بزرگ از هوش مصنوعی برای پردازش و حسابرسی دقیق معاملات خود استفاده می‌کنند.

آموزش‌وپرورش:

امروزه هوش مصنوعی دستیاری برای معلمان به‌حساب می‌آید. چت‌بات‌ها می‌توانند به‌عنوان راهبران آموزشی به‌جای معلمان با دانش‌آموزان ارتباط برقرار کنند. تکنولوژی نمره دهی خودکار نیز به کمک معلمان آمده تا آنها زمان بیشتری برای تدریس داشته باشند.

هوش مصنوعی در آینده می‌تواند یک معلم مجازی شخصی برای دانش‌آموزان باشد که در هر زمان و مکانی به‌راحتی در دسترس خواهد بود.

حمل‌ونقل:

در سال‌های اخیر استفاده از هوش مصنوعی در صنعت حمل‌ونقل و گردشگری امری بسیار متداول شده است. هوش مصنوعی قادر است کارهای مختلفی را دراین‌رابطه انجام دهد. از برنامه‌ریزی برای سفر تا پیشنهاد هتل‌ها و پروازها و نشان‌دادن بهترین مسیرها به مسافران. شرکت‌های گردشگری از چت‌بات‌های مجهز به هوش مصنوعی استفاده می‌کنند که می‌توانند برای پاسخگویی بهتر، دقیق‌تر و سریع‌تر از انسان با مشتریان تعامل و نیاز آنها را برطرف کنند.

بازی و سرگرمی:

هوش مصنوعی جزء لاینفک بازی‌های ویدئویی از زمان شروع آن در سال ۱۹۵۰ بوده است. این فناوری انقلابی در سبک بازی‌های رایانه‌ای و ویدئویی به وجود آورده است. هوش مصنوعی در بازی‌های رایانه‌ای و ویدئویی با ایجاد استراتژی‌های هیجان‌انگیزتر و بازیکنان را نسبت به این بازی‌ها متمرکزتر و علاقه‌مندتر از پیش کرده است. بازیکنان حالا حریفان جذاب‌تری دارند. موجودات باهوش‌تری که در دنیای بازی‌های خود زندگی می‌کنند و رفتارهای هوشمندانه‌تر و جالب‌تری از خود بروز می‌دهند. هدف اصلی در این صنعت این است که با مدل‌سازی رفتار انسانی از کسالت و تکرار در بازی‌ها جلوگیری شود.

مثال‌هایی برای هوش مصنوعی

ما بی‌آنکه بدانیم در زندگی روزمره خود برای انجام بسیاری از کارها از هوش مصنوعی استفاده می‌کنیم.

فیلترهای مجازی در Snapchat و اینستاگرام و قفل گوشی‌های موبایل ما که فقط با قراردادن صورتمان جلوی صفحه باز می‌شوند، چند نمونه از برنامه‌های هوش مصنوعی هستند. در مثال اول فیلترهابا کمک هوش مصنوعی متوجه می‌شوند که چشم‌های شما کدام است و بعد آن را تغییر می‌دهند. در دومی هم با استفاده از تشخیص چهره متوجه می‌شود که شما صاحب گوشی هستید و می‌توانید به آن وارد شوید.

ویرایشگرهای متن در گوشی‌های همراه و موتورهای جستجوگر نیز برای ارائه بهترین تجربه نوشتاری به هوش مصنوعی تکیه دارند. در واقع این هوش مصنوعی است که در کیبرد گوگل به شما پیشنهاد می‌کند که کلمه بعدی‌ چیست یا غلط‌های املایی‌تان را می‌گیرد. این ویرایشگران از الگوریتم NLP برای تشخیص استفاده غلط‌های دیکته‌ای و نادرست از دستور زبان استفاده می‌کنند و اصلاحاتی را پیشنهاد می‌دهند. علاوه بر تصحیح خودکار، برخی از ابزارهای نوشتاری نیز درجه خوانایی و سرقت‌های علمی را کشف می‌کنند.

شبکه‌های اجتماعی مانند فیس‌بوک، توییتر و اینستاگرام برای کارهای مختلف به‌شدت به هوش مصنوعی متکی هستند. در حال حاضر، این شبکه‌های اجتماعی از هوش مصنوعی برای شخصی‌سازی آنچه در فیدهای خود می‌بینید استفاده می‌کنند. آنها با استفاده از هوش مصنوعی علایق کاربران را شناسایی کرده و محتوای مشابهی را برای تعامل با آنها توصیه می‌کنند.

محققان همچنین مدل‌های هوش مصنوعی را برای تشخیص کلمات کلیدی، عبارات و نمادهایی که مصداق محتوای غیراخلاقی در زبان‌های مختلف هستند طراحی کرده‌اند. به‌این‌ترتیب، این الگوریتم‌ها می‌توانند به‌سرعت پست‌هایی در رسانه‌های اجتماعی را که حاوی سخنان نامناسب هستند، حذف کنند. این شبکه‌ها همچنین از فناوری تشخیص چهره برای برچسب‌گذاری خودکار عکس افراد و از فیلترهای هوشمند برای دادن پاسخ سریع به پیغام‌ها استفاده می‌کنند.

لوازم‌خانگی هوشمند در حال حاضر برای صرفه‌جویی در مصرف انرژی از برنامه‌های هوش مصنوعی استفاده می‌کنند. به‌عنوان‌مثال، ترموستات‌های هوشمند مانند Nest از عادات روزانه ما و ترجیحات ما برای گرمایش سرمایش و تنظیم دمای خانه استفاده می‌کنند. با استفاده از همین الگوریتم‌ها، یخچال‌های هوشمند می‌توانند بر اساس آنچه در قفسه‌های یخچال وجود ندارد، برای ما لیست خرید تهیه کنند. نحوه استفاده از هوش مصنوعی در لوازم‌خانگی هنوز در حال تکامل است. با یافتن راه‌حل‌های بیشتر در هوش مصنوعی رفتار و عملکرد انسان برای سریع‌تر کردن رفع نیازها و حفظ محیط‌زیست تجزیه‌وتحلیل می‌شود.

اثر هوش مصنوعی (AI effect) چیست؟

کامپیوترها و ماشین‌ها به‌مرورزمان هوشمندتر می‌شوند. اعمالی که درگذشته انجام می‌دادند به امری روزمره تبدیل شده و دیگر اعمال هوشمندی به‌حساب نمی‌آیند. به این پدیده اثر هوش مصنوعی (AI effect) می‌گویند. زمانی که یک فناوری سطحی از هوشمندی خود را از دست می‌دهد.

به‌عبارت‌دیگر، اثر هوش مصنوعی زمانی رخ می‌دهد که مردم یک ابزار فناوری را دیگر به‌عنوان یک ابزار هوش مصنوعی معتبر به‌حساب نیاورند. این امر معمولاً زمانی اتفاق می‌افتد که این فناوری به بخش گسترده‌ای از زندگی روزمره مردم تبدیل شود.

برای مثال هوش مصنوعی تشخیص چهره به‌مرورزمان به‌سادگی تبدیل به تکنولوژی تشخیص چهره می‌شود و یا چت‌بات‌های هوش مصنوعی در آینده به‌سادگی فقط چت‌بات خواهند بود.

نتیجه‌گیری

هوش مصنوعی منحصر به کارآمدی و ساده‌سازی کارهای سخت نیست. به لطف یادگیری ماشینی و یادگیری عمیق، برنامه‌های هوش مصنوعی می‌توانند از نتایج داده‌ها در زمان واقعی آموزش ببینید، اطلاعات جدید را از منابع مختلف تجزیه‌وتحلیل کنند و بر اساس آن با سطح دقت بالایی که برای کسب‌وکارها ارزشمند است، سازگار شوند. این توانایی برای خودآموزی و بهینه‌سازی خود به این معنی است که هوش مصنوعی در آینده برای کسب‌وکارها مزایای با ارزشی می‌آفریند. به‌این‌ترتیب، هوش مصنوعی به کسب‌وکارها کمک می‌کند تا بتوانند با سرعت بالا و جریانی منظم، نوآوری و مزیت‌های رقابتی خود را گفته کنند.

پیش‌بینی‌ها نشان می‌دهد که اگر سازمان‌ها، دولت‌ها و کسب‌وکارها تا پنج سال آینده فناوری‌های خود را در زمینه هوش مصنوعی افزایش ندهند در خطر جدی قرار می‌گیرند.

مدیرعامل گروه فن آوا در واکنش به شعار سال جدید توسط مقام معظم رهبری، پیامی منتشر کرد و گفت:نگاه متعالی و مدبرانه ی رهبر انقلاب در آستانه ی قرن جدید چراغ راه فناوران شد و جای امید فراوان است که در پرتو همت مسئولان عالی فناوری کشور و همچنین حرکت همدلانه ی شرکت های فناوری، سال ۱۴۰۱، سال شکوفایی و رشد جهشی اقتصاد دیجیتال بعنوان پیشران تمام صنایع باشد.چرا که در مسیر تحول دانش پایه ی تولیدبومی ، بدون شک مسئولیت سنگینی بر دوش بخش فناوری اطلاعات و ارتباطات بعنوان زیرساخت توسعه و پیشرفت همه ی بخش‌های کشور و موتور مولد سایر فناوری ها می باشد.

یکی از ملزومات کاربردی توسعه اقتصاد دیجیتال ، پیوستگی شرکت‌های دانش بنیان با کلیه نیازمندی های صنعت می باشد. این رویکرد یکی از مصادیق اثر پایدار دانش بنیانی می باشد که ظرف و مظروف از جنس هم بوده و سبب می‌گردد قطار اقتصاد توسعه بر ریل اصلی خود حرکت نماید.

شرکت های گروه فن آوا با دو دهه سابقه ی فعالیت حرفه ای و موثر در این صنعت بر خود فرض می‌داند با عمل حقیقی و جهادی به این شعار در جهت تحقق منویات مقام معظم رهبری( مد ظله العالی)، با همکاری تمامی ذینفعان این حوزه بویژه دولت عمل گرای سیزدهم ، با  تکیه بر متخصصین  این حوزه، تمام ظرفیت ها و منابع دراختیار خود را برای تحقق هر چه بیشتر تولید دانش بنیان همراه با اشتغال آفرینی در حوزه فناوری اطلاعات و ارتباطات بکار گیرد.

در آخرین روزهای کاری سال ۱۴۰۰ ، دکتر مردانی شهربابک مدیرعامل گروه فن آوا در دیداری صمیمی و از نزدیک با کارکنان شرکت به گفتگو پرداختند.

به گزارش ارتباطات و برندیگ گروه فن آوا، محمد مردانی شهربابک مدیرعامل گروه فن آوا در آخرین روزهای کاری سال ۱۴۰۰ با کارکنان واحدهای مختلف شرکت به گفتگوی صمیمی پرداختند.
مردانی ضمن تبریک سال نو و خداقوت به نیروهای پرتلاش خانواده فن آوا در تبیین راهبردهای سال آتی در گفتگوی با همکاریان منابع انسانی، طرح و برنامه، کسب و کار، مالی و اقتصادی، حسابرسی و ارتباطات و برندینگ داخلی اشاره کرد :ایجاد انگیزه در کارکنان گروه فن آوا از مهم‌ترین اهداف سال آتی می باشد و ما به دنبال این هستیم که مجموعه کارکنان شرکت با حداکثر ظرفیت و توان خود فعالیت نمایند
همچنین با اشاره به پروژه‌های مشترک گروه فن آوا با ارگان‌ها و سازمان‌های بزرگ حاکمیتی و دولتی بیان کرد: بسیاری از دستگاه‌ها مانند وزارت صنعت، معدن و تجارت و وزارت جهاد کشاورزی از طرح‌ها و ایده‌های فن آوا استقبال کردند و خواستار همکاری در پروژه‌ها هستند که این مسئله وظیفه و مسئولیت معاونت توسعه کسب و کار را بیشتر می‌کند.
دکتر مردانی با اشاره به وظایف معاونت طرح و برنامه و نظارت راهبردی گفت: برنامه ریزی نبض تپنده هر شرکت است و معاونت طرح و برنامه باید علاوه بر برنامه‌ریزی نظارت دقیقی هم روی اجرای برنامه ها انجام دهد.
وی در دیدار با کارکنان معاونت مالی و اقتصادی با اشاره به اهمیت شفافیت مالی گفت: ما به دنبال این هستیم برای هوشمندسازی تولید و توزیع کالاهای اساسی به کمک دولت برویم و یا تکمیل و هوشمندسازی زنجیره ارزش کامل از تولید تا توزیع و اتصال به مصرف کنندگان به شفافیت و حل مشکل کالاهای اساسی کمک نماییم.
مردانی در اهمیت موضوع حسابرسی نیز بیان کرد که در دوره جدید مدیرت فن آوا شرکت را به سمت شفافیت مالی و اقتصادی بیشتر و دقت عمل در حسابرسی خواهیم برد.مدیرعامل گروه در مطالبه از مدیریت ارتباطات و برندینگ با تاکید بر اهمیت برندینگ در توسعه بازارسازی و بازاریابی و ضروت تقویت هویت بصری و یکپارچه شرکت های گروه خواستار توسعه برنامه ریزی به منظور تقویت هویت سمپاتی شرکت در مواجهه با ذینفعان هدف و به منظور توسعه برندینگ فن آوا شد. همچنین در پایان دیدارها نوروزی هدایایی به رسم یادبود از سوی مدیرعامل گروه به کارکنان بخش‌های مختلف گروه فن آوا اهدا گردید.

مجمع عمومی سالیانه صاحبان سهام شرکت داده سامانه فن آوا برای دوره مالی منتهی به سال ۱۴۰۰ با حضور مدیرعامل شرکت داده سامانه و معاون مالی گروه فناوا برگزار شد.

به گزارش ارتباطات و برندینگ شرکت گروه فن آوا ، مجمع عمومی عادی سالیانه ی صاحبان سهام شرکت داده سامانه منتهی به سال مالی پایان آذر روز  سه شنبه مورخ  ۱۷ اسفند ۱۴۰۰ با حضورسهامداران در محل شرکت فن آوا برگزار شد.

در ابتدای مجمع ضمن استماع گزارش هیئت‌مدیره و بازرس قانونی، صورت‌های مالی سال گذشته قرائت و مورد تأیید حسابرس قانونی شرکت قرار گرفت. تعیین میزان پاداش و حقوق اعضای هیئت‌مدیره و تعیین روزنامه کثیر‌الانتشار از دیگر محورهای این جلسه بودند.

همچنین در این مجمع، گزارش توسط مدیرعامل گزارشی از عملکرد شرکت ارائه شد  و صورت‌های مالی یکساله مربوط به سال مالی گذشته مورد بررسی و تایید قرار گرفت. در این جلسه رویداد های مهم سال مالی ۱۴۰۱ برای نیل به اهداف ترسیم شده  نیز اعلام و  مورد بررسی و ارزیابی حاضران قرار گرفت.

همچنین این شرکت توانست رشد ۵۰ درصدی درآمد را نسبت به سال گذشته محقق نماید و  سود شرکت با افزایش ۲۹۶ درصد نسبت به سال مالی قبل ثبت گردید.

شرکت داده سامانه فن آوا (سهامی خاص) یکی از شرکتهای وابسته به هلدینگ گروه فن آوا (سهامی عام) است که با هدف ارائه و توسعه خدمات مرکز داده اینترنتی (IDC) در سال 1382 تاسیس گردید. این شرکت یکی از سه شرکت دارای مجوز ایجاد مرکز دیتای اینترنتی از وزارت ارتباطات و فناوری اطلاعات است.همچنین از افتخارات این شرکت میتوان به راه اندازی اولین دیتاسنتر کشور در سال 1383 اشاره نمود.

شاید همین ده سال پیش برای بسیاری، تصور اینکه ماشین‌ها بتوانند یاد بگیرند و هر بار کارشان را بهتر از قبل انجام دهند هم ممکن نبود. بسیاری از تکنولوژی‌هایی که امروز از آن‌ها استفاده می‌کنیم یا در دنیای اطراف ما وجود دارند چند سال پیش تنها در کتاب‌های علمی – تخیلی موجود بودند.

تحقق بسیاری از رؤیاهای کتاب‌های علمی و تخیلی در این روزها مدیون هوش مصنوعی و یادگیری عمیق است؛ ماشین‌هایی که بدون راننده حرکت می‌کنند، ربات‌هایی که جواب‌های منطقی به حرف‌های آدم می‌دهند و دستگاه‌هایی که از روی چهره آدم‌ها را می‌شناسند.

در این مقاله از یادگیری عمیق، تاریخچه و کاربردهایش با شما حرف می‌زنیم. اول‌ازهمه ببینیم یادگیری عمیق چیست؟

یادگیری عمیق چیست؟

به‌صورت خلاصه تعریف یادگیری عمیق را می‌توان این‌گونه بیان کرد:

روش‌هایی از یادگیری ماشین بر پایه استفاده از شبکه‌های عصبی عمیق که از داده‌های موجود برای محاسبه رفتارها و خروجی‌های آینده استفاده می‌کند.

اگر به این تعریف نگاه کنیم می‌فهمیم که در واقع یادگیری عمیق یکی از روش‌های یادگیری ماشین است. در این روش ماشین‌ها یاد می‌گیرند که بر اساس مدل‌هایی شبیه شبکه‌های عصبی مغز انسان مفاهیم سطح بالا و انتزاعی را یاد بگیرند. استفاده از یادگیری عمیق کمک می‌کند که ماشین‌ها بتوانند تصمیم‌هایی شبیه تصمیم‌های انسانی بگیرند.

در یادگیری عمیق از چند لایه مختلف شبکه عصبی استفاده می‌شود. هرکدام از این لایه‌ها بخش‌هایی از اطلاعات ورودی را تحلیل می‌کنند. این لایه‌های چندگانه امکان پیش‌بینی را در یادگیری عمیق افزایش می‌دهند. تعداد این لایه‌های گاهی می‌تواند تا ۱۵۰ لایه برسد.

روش‌های یادگیری عمیق

در یادگیری عمیق از روش‌های متفاوتی استفاده می‌شود. این روش‌ها بسته به کاربردهای متفاوت یادگیری عمیق و نوع داده‌های ورودی و خروجی موردنیاز انتخاب می‌شود. از میان این انواع یادگیری عمیق ما چند شیوه بسیار مرسوم را در اینجا معرفی می‌کنیم.

شبکه‌های عصبی کلاسیک (Classic Neural Networks)

به این روش «شبکه عصبی کاملاً متصل» هم گفته می‌شود. این روش توسط فرانک روزنبلات و در سال ۱۹۵۸ ابداع شد. این روش را با پرسپترون‌های چندلایه می‌شناسیم. پرسپترون جایی است که این لایه‌های به یک لایه پیوسته متصل می‌شود.

شبکه‌های عصبی پیچشی (Convolutional Neural Networks)

این روش بیشتر از شبکه عصبی چشم گربه الهام گرفته است و بیشتر برای تحلیل داده‌های تصویری استفاده می‌شود. این الگوریتم یادگیری عمیق تصاویر ورودی را دریافت می‌کند و به هر یک از اشیا یا جنبه‌های موجود در تصویر وزن‌های قابل یادگیری می‌دهد. به این معنا که مشخص می‌کند هر کدام از اطلاعات موجود در آن تصویر چه قدر مهم است. این الگوریتم می‌تواند هرکدام از چیزهای موجود در تصویر را از هم متمایز کند.

شبکه‌های عصبی برگشتی (Recurrent Neural Networks)

یکی از مهم‌ترین کاربردهای این روش یادگیری ماشین، در نرم‌افزارهای تشخیص گفتار است. مهم‌ترین ویژگی این روش این است که یک حلقه بازگشتی دارد. این حلقه بازگشتی با استفاده از حافظه داخلی باعث می‌شود اطلاعاتی را که از لحظات قبلی به دست آمده در شبکه باقی بمانند.

رمزگذار خودکار (Auto Encoders)

این روش یکی از پرکاربردترین روش‌های یادگیری عمیق است. در این روش یک شبکه عصبی به شکلی آموزش داده می‌شود که بتواند ورودی‌های خود را بازتولید کند. از این روش در بازسازی تصاویر، رنگی کردن تصاویر سیاه‌وسفید، رفع نویز از تصاویر، کاهش ابعاد تصاویر استفاده می‌شود.

کاربرد یادگیری عمیق

یادگیری عمیق در بسیاری از چیزهایی که ما به طور روزمره از آن‌ها استفاده می‌کنیم کاربرد دارد. بسیاری از ابزارهای هوشمند، ربات‌ها، سامانه‌های توصیه‌گر و … از فناوری‌های یادگیری عمیق استفاده می‌کنند. در معرفی روش‌های یادگیری عمیق به برخی از کاربردهای این موضوع اشاره کردیم. در ادامه برخی از مشهورترین کاربردهای یادگیری عمیق را معرفی می‌کنیم.

• دستیارهای صوتی: الکسا، سیری، گوگل اسیستنت و سایر دستیارهای صوتی‌ای که به طور روزمره از آن‌ها استفاده می‌کنیم از یادگیری عمیق برای درک بهتر دستورات انسان استفاده می‌کنند.
• ترجمه: زیرنویس‌های خودکار ترجمه فیس‌بوک، تا نرم‌افزارهای ترجمه هم‌زمان و ابزارهای ترجمه‌ای مثل گوگل ترنسلیت همه از روش‌های یادگیری عمیق استفاده می‌کنند.
• پهپادها و ماشین‌های خودران: پهپادهای خودران و یا ماشین‌های بدون راننده با استفاده از سنسورهایی محیط اطرافشان را می‌بینند. آن‌ها برای اینکه بر اساس این مشاهدات تصمیم درست را بگیرند از یادگیری عمیق استفاده می‌کنند.
• بات‌های چت: در بسیاری از گفتگوهایی که روزانه با وب‌سایت‌ها یا خدمات‌دهندگان اینترنتی انجام می‌دهیم یک بات پاسخگوی ماست. این بات‌ها با فناوری یادگیری عمیق کار می‌کنند.
• تشخیص چهره: کامپیوترها امروز چهره ما را به‌خوبی می‌شناسند، آن‌قدر که می‌توانیم با نشان‌دادن صورتمان قفل تلفن همراه را باز کنیم یا حتی حساب بانکی باز کنیم. این فناوری‌های تشخیص چهره به کمک یادگیری عمیق کار می‌کنند.
• سامانه‌های توصیه‌گر: این سامانه‌ها موقعی که مشغول خرید اینترنتی هستید به شما محصولاتی را پیشنهاد می‌دهند که دوستشان دارید یا به آن‌ها احتیاج دارید. این سامانه‌ها با کمک یادگیری عمیق این توانایی را پیدا می‌کنند.
• توصیف عکس: افراد نابینا و کم‌بینا از نرم‌افزارهایی استفاده می‌کنند که عکس‌ها را برای آن‌ها توصیف می‌کنند. یادگیری عمیق باعث می‌شود این نرم‌افزارها بتوانند تصاویر را به‌دقت برای انسان‌ها توضیح دهند.
• ویدئوهای تقلبی (Deepfake): این‌ها یکی از پردردسرترین کاربردها یادگیری عمیق هستند. در این ویدئوها تصویر افراد عمدتاً مشهور و لحن صدای آن‌ها به طور کاملاً تقلبی بازسازی می‌شود.

یادگیری عمیق چه تفاوتی با یادگیری ماشین دارد؟

پاسخ به این سؤال می‌تواند بسیار ساده و هم‌زمان بسیار پیچیده باشد. ممکن است پاسخ‌ها به این سؤال به نظر پیش‌پاافتاده و بدیهی بیایند. اما یادگیری ماشین و یادگیری عمیق شباهت‌ها و تفاوت‌های مهمی دارند که در ادامه درباره آن‌ها حرف می‌زنیم.

اول‌ازهمه باید بگوییم که این دو کاملاً چیزهای متضادی از هم نیستند. در واقع یادگیری عمیق یکی از روش‌های یادگیری ماشین است. اما این روش با روش‌های معمول یادگیری ماشین تفاوت‌های مهمی دارد که باعث می‌شود یادگیری عمیق را به‌عنوان دانشی جداگانه بشناسیم.

به‌عنوان اولین تفاوت میان این دو می‌توان به این نکته اشاره کرد که یادگیری ماشین در واقع روش‌هایی است که ماشین‌ها از طریق آن‌ها می‌توانند کارها را بدون دخالت انسان انجام دهند. اما یادگیری عمیق در مور داین است که بتوانیم کامپیوترها را آموزش دهیم که با مدلی شبیه مغز انسان عمل کنند. به زبان دیگر همان‌طور که از اسمش برمی‌آید یادگیری عمیق، کامپیوترها میزان یادگیری عمیق‌تری از روش یادگیری ماشین خواهند داشت.

تفاوت مهم دیگر بین یادگیری ماشین و یادگیری عمیق تفاوت در مقیاس‌هاست. یادگیری ماشین معمولاً با تعداد محدودی داده هم کار می‌کند. اما یادگیری عمیق نیاز به حجم انبوهی از داده دارد. به همین دلیل هم یادگیری ماشین با ابزارهای معمول قابل انجام است اما یادگیری عمیق نیاز به منابع فراوانی برای ذخیره و تحلیل داده‌ها دارد.

این دو در کاربرد هم تفاوت دارند. یادگیری ماشین معمولاً به‌سختی می‌تواند تصاویر و ویدئوها را تحلیل کند اما یکی از مهم‌ترین کاربردهای یادگیری عمیق تحلیل تصاویر است. تفاوت دیگر در زمینه داده‌های ورودی هم مربوط به ساختاریافته یا نیافته بودن داده‌هاست. داده‌های مورداستفاده در یادگیری ماشین معمولاً داده‌های ساختاریافته‌اند اما در یادگیری عمیق عموماً از داده‌های غیرساختاریافته استفاده می‌شود.

جمع‌بندی

یادگیری ماشین از جمله دانش‌هایی است که زندگی و دنیای کسب‌وکار را تا حد زیادی در دوران ما دگرگون کرده است. در میان این دگرگونی‌ها یادگیری عمیق روشی انقلابی محسوب می‌شود. اگر یادگیری ماشین می‌تواند کاری کند که ماشین‌ها بتوانند به‌خوبی انسان‌ها کار کنند، یادگیری عمیق ابزاری در دست انسان‌هاست که می‌تواند کارها را بهتر از آن‌ها انجام دهد.

محمد مردانی شهربابک به مناسبت روز درختکاری و هفته منابع طبیعی، عصر روز 15 اسفند 1400دو اصله نهال سرو غرس کرد.
به گزارش مدیریت ارتباطات و برندینگ گروه فن آوا ، به‌مناسبت روز درختکاری و هفته منابع طبیعی، مدیرعامل هلدینگ فن آوا عصر امروز یکشنبه مصادف با میلاد پربرکت سیدالشهدا (ع) به همراه جمعی از مدیران و کارشناسان شرکت دو اصله نهال سرو در محوطه شرکت گروه فن آوا کاشت.

محمد مردانی در سخنانی، با تبریک سالروز میلاد باسعادت حضرت اباعبدالله الحسین (ع) کاشت نهال سرو در روز درختکاری را نماد و نشانه ای از آغاز حرکت های تحولی در مسیر رشد و نمو کسب و کارهای جدید شرکت های فن آوا عنوان کرد و مژده رویش نهال های اقتصادی در آینده ای نزدیک برای ذیفعان هلدینگ فن آوا را داد.
مدیرعامل گروه فن آوا همچنین تاکید کردند: در مسیر تحقق ماموریت و اهداف عالی شرکت فن آوا و تامین منافع سهامداران و بویژه عموم مردم ، بزودی شاهد رویش های اقتصادی و رونق کسب و کاری برای شرکت های فن آوا خواهیم بود.

ایشان در پایان با اشاره به درخت سرو بعنوان نماد پایداری و استقامت بیان کردند: در مسیر توسعه اقتصادی در شرایط کنونی ویژگی پایداری و استقاومت کلیدواژه اصلی برای تحقق اهداف بلند و عالی است.

دکتر محمد مردانی شهربابک مدیرعامل شرکت گروه فن آوا موفق به کسب جایگاه استادتمامی(professor) شد.
به گزارش ارتباطات و برندینگ گروه فن آوا ، دکتر محمد مردانی شهربابک مدیرعامل شرکت گروه فن آوا موفق به کسب بالاترین درجهٔ علمی دانشگاهی در مقام استادتمامی(professor) شد. امید داریم این رخداد علمی موجب تحول بیش از پیش جامعه دانشگاهی و بهره برداری حداکثری صنعت فاوا باشد.
همکاران هلدینگ فن آوا ضمن تبریک به دکتر مردانی، سربلندی و موفقیت روزافزون ایشان  را آرزو میکنند.

با تاکید در امر خیر و خداپسندانه ی اهدای خون سالم با رویکرد اهدای زندگی به بیماران ، جمعی از مدیران و کارکنان شرکت های هلدینگ فن آوا با هدف نجات جان بیماران و با رعایت پروتکل‌های بهداشتی و ملاحظات بهداشتی در شرایط کرونا اقدام به اهدای خون کردند.

به گزارش مدیریت ارتباطات و برندینگ شرکت گروه فن آوا ، برای چندمین بار در سال جاری همزمان با اعلام نیاز مجدد سازمان انتقال خون ایران جهت اهدای خون،روز سه شنبه سوم اسفند 1400 ،جمعی از مدیران عالی، میانی و کارشناسان و کارکنان شرکت های هلدینگ فن آوا با رعایت پروتکل‌های بهداشتی در شرایط کرونا با حضور تیم اهدای خون سازمان انتقال خون در محل شرکت فن آوا، اقدام به اهدای خون کردند.

لازم به ذکر است اهدای خون، اهدای زندگی است به همنوعی که جانش به قطرات خون اهدا کنندگان بستگی دارد و اهدا کننده بی‌هیچ چشم داشتی فقط به امید نجات جان انسانی خون خود را اهدا می‌کند تا شادمانی و سلامتی که بزرگترین نعمت الهی است را به نشانه انسانیت و ایثار به بیمار و خانواده‌اش هدیه کند، هدیه‌ای از جنس نوع دوستی

انتصابات جدید در هلدینگ فن آوا با هدف تحول /سه معاون جدید فن اوا منصوب شدندمدیرعامل گروه فن آوا،محمد مردانی در احکامی جداگانه سعدالله باقری را به سمت معاون مالی و اقتصادی و همچنین رضا مختار نژاد را به سمت معاون توسعه کسب و کار و همچنین هادی محمدی را به سمت معاون برنامه ریزی و نظارت راهبردی منصوب کرد. محمد مردانی همچنین در پیامی جداگانه از تلاش های معاونین سابق این گروه تقدیر کرد.

به گزارش مدیریت ارتباطات و برندینگ گروه فن آوا ، محمد مردانی، مدیرعامل گروه فن آوا در احکام جداگانه‌ای سعدالله باقری را به سمت معاون مالی و اقتصادی و همچنین رضا مختار نژاد را به سمت معاون توسعه کسب و کار و همچنین هادی محمدی را به سمت معاون برنامه ریزی و نظارت راهبردی منصوب کرد.
محمد مردانی در پیامی جداگانه از زحمات امیر عباسپور و احمد طباطبایی و محمدرضا آل آقا در مدت تصدی مسئولیت شان تشکر کرده است.

هادی محمدی دارای مدرک دکترای مدیریت تکنولوژی گرایش انتقال تکنولوژی،کارشناسی ارشد فناوری اطلاعات و کارشناسی مهندسی برق- مخابرات است . مدیر برنامه ریزی استراتژی، رئیس پژوهشکده، معاون طرح و برنامه و بودجه شرکت های فناوری اطلاعات و معاون کسب و کار چندین شرکت فناوری اطلاعات دیگر از جمله مهم‌ترین سوابق و مسئولیت‌های محمدی در سال های گذشته می باشد. محمدی مدیریت چندین پروژه علمی و صنعتی در حوزه های هایتک و انتشار ده‌ها مقاله علمی پژوهشی را در کارنامه خود دارد.

سعدالله باقری نیز دارای مدرک کارشناسی مدیریت صنعتی، کارشناسی ارشد مدیریت مالی و کارشناسی ارشد مدیریت بازرگانی گرایش بین المللی است. معاون اداری مالی موسسه سازندگی انصار، معاون مالی مجموعه مرتبط ، مدیر بیمه و مالیات قرارگاه سازندگی خاتم الانبیا(ص) ،معاون مالی واقتصادی هلدینگ تخصصی سماوات ، معاون مالی و اقتصادی هلدینگ نفت وگاز مجموعه مرتبط قرارگاه سازندگی خاتم النبیا، معاون مالی مجموع مرتبط قرارگاه سازندگی نجف، مدیر مالی و اقتصادی پروژه ملی فیبر نوری سراسر کشور و پروژه دیسپچینگ ملی گاز و سیگنالینگ صداو سیما و پهنای باند سراسر کشور در سوابق او دیده می‌شود. در روزمه باقری مدیریت چندین پروژه علمی و صنعتی در حوزه های صنعت ارتباطات دیده می شود.

رضا مختارنژاد نیز فارغ التحصیل مهندسی کامیپوتر، مدیریت فناوری اطلاعات و ارتباطات هلدینگ راه و شهرسازی(قرارگاه سازندگی خاتم الانبیا)، مدیرعامل و عضو هیات مدیره موسسه ارتباط قرارگاه سازندگی خاتم الانبیا(ص)، مدیرعامل وعضو هیات مدیره موسسه جهان ارتباط فجر، معاونت برنامه ریزی راهبردی گروه اقتصاد مفید، مدیرعامل شرکت توسعه صنعت و معدن مفید، ریاست هیات مدیره شرکت توسعه و معدن مفید، عضو هیات مدیره شرکت اندیشه فراز البرز، عضو هیات مدیره شرکت ارتباطات کوه نور در سوابق او دیده می‌شود.