دانلود پایان نامه پذیرش فناوری برای پیاده سازی هوش مصنوعی (AI)

1. مقدمه 2. پیشینه تجربی 3. نظریه و مقالات مرتبط 4. روش 5. نتایج و تحلیل 6. بحث و بررسی 7. نتیجه گیری

چکیده – پیشرفت هایی در هوش مصنوعی (AI)، یادگیری ماشین (ML) و یادگیری عمیق (DL) در زمینه فرآیندهای خلق شی سه بعدی از طریق گسترش «شبکه های متخاصم مولد سه بعدی» (3D GAN)، بوجود آمده اند. این شبکه ها حاوی مدل های مولد سه بعدی قادر به تحلیل و ساخت اشیاء سه بعدی می باشند. بنابراین، مدلهای مولد سه بعدی به یک زمینه بیش از پیش مهم برای اتوماسیون فرایندهای طراحی در صنایع ساخت و تولید و دفاعی، تبدیل شده اند. این مطالعه موردی، زمینه های اتوماسیون ممکن شده بوسیله مدل های مولد سه بعدی برای یک متصدی در صنایع دفاع سوئد را مورد بررسی قرار داده است. علاوه بر آن، این مطالعه انواع پیاده سازی های کشف شده مدل های مولد سه بعدی از جنبه اجتماعی فنی را با انجام مصاحبه های کیفی با کارکنان، ارزیابی می کند. این مطالعه از «نظریه یکپارچه پذیرش و استفاده از فناوری» (UTAUT) برای درک پذیرش و قصد استفاده از مدل های مولد سه بعدی، استفاده می کند. توصیف اشیای سه بعدی، CAD، مدل های مولد سه بعدی و داده های ابر نقطه ای در این مطالعه بیان شده است. علاوه بر آن، یک مرور تحقیقات در سه زمینه AI، پذیرش فناوری و صنایع دفاعی انجام شده است تا مجموعه مقالات به موضوع این مطالعه محدود شوند. 21 نوع پیاده سازی کشف شدند و به چهار گروه متمایز طبقه بندی شدند. در آخر، پتانسیل هنگفتی برای پذیرش مدل های مولد سه بعدی برای بخصوص فرایندهای شبیه سازی AI یافته شد اما چالش هایی در گردآوری داده ها و امنیت به عنوان قابل توجه ترین مانع، کشف شدند.

Advancements in Artificial Intelligence (AI), Machine Learning (ML), and Deep Learning (DL) has emerged into 3D object creation processes through the rise of 3D Generative Adversarial Networks (3D GAN). These networks contain 3D generative models capable of analyzing and constructing 3D objects. 3D generative models have therefore become an increasingly important area to consider for the automation of design processes in the manufacturing and defense industry. This case study explores areas of automation enabled by 3D generative models for an incumbent in the Swedish defense industry. This study additionally evaluates discovered types of implementations of 3D generative models from a sociotechnical perspective by conducting qualitative interviews with employees. This study applies the Unified Theory of Acceptance and Use of Technology (UTAUT) for understanding the adoption and intention to use 3D generative models. A description of 3D objects, CAD, 3D generative models, and point cloud data is given in this study. A literature review is additionally given in the three fields of AI, technology acceptance, and the defense industry to funnel the literature to the context of this study. 21 types of implementations are discovered and categorized into four distinct groups. In conclusion a lot of potential is found for the adoption of 3D generative models for especially AI simulation processes, but challenges with data collection and security are discovered as the most significant obstacle to overcome.