هوش مصنوعی چیست و چه کاربردهایی دارد؟
#هوش_مصنوعی (AI) به توانایی یک سیستم کامپیوتری در انجام وظایفی اشاره دارد که معمولاً به هوش انسانی نیاز دارند.
این وظایف شامل یادگیری، استدلال، حل مسئله، درک زبان طبیعی و تشخیص الگوها می‌شوند.
هوش مصنوعی حوزه‌ای گسترده است که شامل زیرشاخه‌های مختلفی مانند یادگیری ماشین، شبکه‌های عصبی، پردازش زبان طبیعی و رباتیک می‌شود.
هوش مصنوعی در زمینه‌های مختلفی از جمله پزشکی، صنعت، کشاورزی، آموزش و سرگرمی کاربرد دارد.
برای مثال، در پزشکی می‌توان از هوش مصنوعی برای تشخیص بیماری‌ها، توسعه داروها و ارائه مراقبت‌های شخصی‌سازی‌شده استفاده کرد.
در صنعت، از آن برای اتوماسیون فرآیندها، بهبود کیفیت محصولات و کاهش هزینه‌ها استفاده می‌شود.
در کشاورزی، می‌توان از هوش مصنوعی برای مدیریت بهتر منابع، افزایش بهره‌وری و کاهش ضایعات استفاده کرد.
در نهایت، هوش مصنوعی به سرعت در حال پیشرفت است و انتظار می‌رود که در آینده نقش مهم‌تری در زندگی ما ایفا کند.
با این حال، مهم است که به مسائل اخلاقی و اجتماعی مرتبط با هوش مصنوعی نیز توجه کنیم تا از استفاده مسئولانه و عادلانه از این فناوری اطمینان حاصل شود.
کاربردهای هوش مصنوعی
آیا سایت شرکت شما اولین برداشت حرفه‌ای و ماندگار را در ذهن مشتریان بالقوه ایجاد می‌کند؟ رساوب، با طراحی سایت شرکتی حرفه‌ای، نه تنها نمایانگر اعتبار برند شماست، بلکه مسیری برای رشد کسبوکار شما می‌گشاید.
✅ ایجاد تصویر برند قدرتمند و قابل اعتماد
✅ جذب مشتریان هدف و افزایش فروش
⚡ دریافت مشاوره رایگان
انواع هوش مصنوعی مروری بر رویکردهای مختلف
هوش مصنوعی را می‌توان بر اساس معیارهای مختلفی دسته‌بندی کرد.
یکی از رایج‌ترین دسته‌بندی‌ها بر اساس قابلیت‌ها و توانایی‌های سیستم هوش مصنوعی است.
بر این اساس، می‌توان هوش مصنوعی را به دو دسته کلی تقسیم کرد: هوش مصنوعی ضعیف (Narrow AI) و هوش مصنوعی قوی (General AI).
هوش مصنوعی ضعیف برای انجام وظایف خاص طراحی شده است و در انجام این وظایف بسیار خوب عمل می‌کند، اما توانایی انجام وظایف دیگر را ندارد.
مثال‌هایی از هوش مصنوعی ضعیف شامل سیستم‌های تشخیص چهره، سیستم‌های پیشنهاد محصول و دستیارهای صوتی هستند.
از سوی دیگر، هوش مصنوعی قوی به سیستمی اشاره دارد که می‌تواند هر وظیفه‌ای را که یک انسان می‌تواند انجام دهد، انجام دهد.
هوش مصنوعی قوی هنوز در مراحل اولیه توسعه قرار دارد و هیچ سیستم هوش مصنوعی قوی‌ای در حال حاضر وجود ندارد.
دسته‌بندی دیگری بر اساس رویکرد مورد استفاده در توسعه سیستم هوش مصنوعی است.
بر این اساس، می‌توان هوش مصنوعی را به رویکردهای نمادین، اتصال‌گرا و آماری تقسیم کرد.
رویکرد نمادین بر استفاده از نمادها و قواعد برای نمایش دانش و استدلال تمرکز دارد.
رویکرد اتصال‌گرا بر استفاده از شبکه‌های عصبی برای یادگیری از داده‌ها تمرکز دارد.
رویکرد آماری بر استفاده از مدل‌های آماری برای پیش‌بینی و تصمیم‌گیری تمرکز دارد.
یادگیری ماشین کلید اصلی پیشرفت هوش مصنوعی
یادگیری ماشین (Machine Learning) یکی از مهم‌ترین زیرشاخه‌های هوش مصنوعی است که به سیستم‌های کامپیوتری این امکان را می‌دهد که بدون برنامه‌ریزی صریح، از داده‌ها یاد بگیرند.
در واقع، سیستم‌های یادگیری ماشین با تجزیه و تحلیل داده‌ها، الگوها و روابط موجود در آن‌ها را شناسایی می‌کنند و از این الگوها برای پیش‌بینی یا تصمیم‌گیری استفاده می‌کنند.
یادگیری ماشین به سه دسته اصلی تقسیم می‌شود: یادگیری نظارت‌شده (Supervised Learning)، یادگیری غیرنظارت‌شده (Unsupervised Learning) و یادگیری تقویتی (Reinforcement Learning).
در یادگیری نظارت‌شده، سیستم با استفاده از داده‌های برچسب‌دار (داده‌هایی که ورودی و خروجی مورد انتظار آن‌ها مشخص است) آموزش داده می‌شود.
در یادگیری غیرنظارت‌شده، سیستم با استفاده از داده‌های بدون برچسب آموزش داده می‌شود و باید الگوهای موجود در داده‌ها را به طور خودکار شناسایی کند.
در یادگیری تقویتی، سیستم با انجام آزمایش و خطا و دریافت پاداش یا جریمه، یاد می‌گیرد که چگونه یک وظیفه را به بهترین نحو انجام دهد.
| نوع یادگیری ماشین | توضیحات | کاربردها |
|---|---|---|
| یادگیری نظارت‌شده | آموزش با داده‌های برچسب‌دار | تشخیص تصویر، پیش‌بینی قیمت |
| یادگیری غیرنظارت‌شده | آموزش با داده‌های بدون برچسب | خوشه‌بندی مشتریان، کاهش ابعاد |
| یادگیری تقویتی | یادگیری از طریق پاداش و جریمه | بازی، رباتیک |
یادگیری ماشین به طور گسترده در زمینه‌های مختلفی مورد استفاده قرار می‌گیرد.
برای مثال، در تشخیص تصویر، از یادگیری ماشین برای شناسایی اشیاء و چهره‌ها در تصاویر استفاده می‌شود.
در پردازش زبان طبیعی، از آن برای ترجمه زبان‌ها، تشخیص احساسات و پاسخگویی به سوالات استفاده می‌شود.
در پزشکی، از یادگیری ماشین برای تشخیص بیماری‌ها، پیش‌بینی نتایج درمان و توسعه داروها استفاده می‌شود.
پیشرفت‌های اخیر در یادگیری عمیق (Deep Learning)، یکی از زیرشاخه‌های یادگیری ماشین، منجر به بهبود چشمگیر عملکرد سیستم‌های هوش مصنوعی در بسیاری از زمینه‌ها شده است.
شبکه‌های عصبی ساختاری الهام گرفته از مغز انسان
شبکه‌های عصبی (Neural Networks) مدل‌های محاسباتی هستند که از ساختار و عملکرد مغز انسان الهام گرفته‌اند.
یک شبکه عصبی از تعداد زیادی گره (نورون) تشکیل شده است که به صورت لایه‌ای به هم متصل شده‌اند.
هر گره یک سیگنال ورودی را دریافت می‌کند، آن را پردازش می‌کند و یک سیگنال خروجی تولید می‌کند.
سیگنال خروجی یک گره به گره‌های دیگر در لایه بعدی ارسال می‌شود.
با تنظیم وزن اتصالات بین گره‌ها، شبکه عصبی می‌تواند یاد بگیرد که چگونه وظایف مختلف را انجام دهد.
شبکه‌های عصبی به طور گسترده در یادگیری ماشین استفاده می‌شوند و به ویژه در یادگیری عمیق، که از شبکه‌های عصبی با لایه‌های زیاد استفاده می‌کند، بسیار موثر هستند.
شبکه‌های عصبی در زمینه‌های مختلفی از جمله تشخیص تصویر، پردازش زبان طبیعی، ترجمه زبان‌ها و بازی کاربرد دارند.
برای مثال، سیستم‌های تشخیص چهره معمولاً از شبکه‌های عصبی برای شناسایی چهره‌ها در تصاویر استفاده می‌کنند.
سیستم‌های ترجمه زبان‌ها نیز از شبکه‌های عصبی برای ترجمه متن از یک زبان به زبان دیگر استفاده می‌کنند.
پیشرفت‌های اخیر در شبکه‌های عصبی منجر به بهبود چشمگیر عملکرد سیستم‌های هوش مصنوعی در بسیاری از زمینه‌ها شده است.
آیا از دست دادن فرصت‌های کسبوکار به دلیل نداشتن سایت شرکتی حرفه‌ای خسته شده‌اید؟
رساوب با طراحی سایت شرکتی حرفه‌ای، به شما کمک می‌کند:
✅ تصویری قدرتمند و قابل اعتماد از برند خود بسازید
✅ بازدیدکنندگان سایت را به مشتریان وفادار تبدیل کنید
⚡ همین حالا مشاوره رایگان دریافت کنید!
پردازش زبان طبیعی پلی بین انسان و کامپیوتر
پردازش زبان طبیعی (Natural Language Processing) شاخه‌ای از هوش مصنوعی است که به سیستم‌های کامپیوتری این امکان را می‌دهد که زبان انسان را درک، تفسیر و تولید کنند.
پردازش زبان طبیعی شامل وظایف مختلفی مانند تجزیه و تحلیل متن، ترجمه زبان‌ها، تشخیص احساسات، پاسخگویی به سوالات و تولید متن می‌شود.
پردازش زبان طبیعی در زمینه‌های مختلفی از جمله جستجوی اطلاعات، خدمات مشتری، تولید محتوا و آموزش کاربرد دارد.
برای مثال، موتورهای جستجو از پردازش زبان طبیعی برای درک پرسش‌های کاربران و ارائه نتایج مرتبط استفاده می‌کنند.
چت‌بات‌ها (Chatbots) از پردازش زبان طبیعی برای برقراری ارتباط با کاربران و پاسخگویی به سوالات آن‌ها استفاده می‌کنند.
سیستم‌های تولید محتوا نیز از پردازش زبان طبیعی برای تولید متن‌های خلاقانه مانند شعر و داستان استفاده می‌کنند.
پیشرفت‌های اخیر در یادگیری عمیق منجر به بهبود چشمگیر عملکرد سیستم‌های پردازش زبان طبیعی در بسیاری از زمینه‌ها شده است.
اخلاق در هوش مصنوعی چالش‌ها و مسئولیت‌ها
با گسترش روزافزون کاربردهای هوش مصنوعی، مسائل اخلاقی مرتبط با این فناوری اهمیت بیشتری پیدا می‌کنند.
یکی از مهم‌ترین مسائل اخلاقی، مسئله تبعیض است.
سیستم‌های هوش مصنوعی ممکن است بر اساس داده‌های آموزشی خود، الگوهای تبعیض‌آمیز را یاد بگیرند و در نتیجه، تصمیماتی تبعیض‌آمیز بگیرند.
برای مثال، یک سیستم تشخیص چهره ممکن است در تشخیص چهره افراد با رنگ پوست تیره عملکرد ضعیف‌تری داشته باشد.
مسئله دیگر، مسئله حریم خصوصی است.
سیستم‌های هوش مصنوعی معمولاً برای عملکرد خود به داده‌های زیادی نیاز دارند و جمع‌آوری و استفاده از این داده‌ها می‌تواند منجر به نقض حریم خصوصی افراد شود.
مسئله سوم، مسئله مسئولیت‌پذیری است.
در صورتی که یک سیستم هوش مصنوعی تصمیم اشتباهی بگیرد، تعیین اینکه چه کسی مسئول است دشوار است.
آیا توسعه‌دهنده سیستم، کاربر یا خود سیستم مسئول است؟ این سوالات نیازمند بررسی دقیق و تدوین قوانین و مقررات مناسب هستند.
آینده هوش مصنوعی چه انتظاراتی می‌توان داشت؟
آینده هوش مصنوعی بسیار روشن و پر از فرصت است.
انتظار می‌رود که در آینده، هوش مصنوعی نقش مهم‌تری در زندگی ما ایفا کند و در زمینه‌های مختلفی از جمله پزشکی، صنعت، کشاورزی، آموزش و سرگرمی تغییرات چشمگیری ایجاد کند.
با این حال، مهم است که به مسائل اخلاقی و اجتماعی مرتبط با هوش مصنوعی نیز توجه کنیم تا از استفاده مسئولانه و عادلانه از این فناوری اطمینان حاصل شود.
یکی از مهم‌ترین روندهای آینده هوش مصنوعی، توسعه هوش مصنوعی قوی است.
اگرچه هوش مصنوعی قوی هنوز در مراحل اولیه توسعه قرار دارد، اما پیشرفت‌های اخیر در یادگیری ماشین و شبکه‌های عصبی نشان می‌دهد که دستیابی به هوش مصنوعی قوی در آینده امکان‌پذیر است.
هوش مصنوعی قوی می‌تواند تحولات عظیمی در زندگی ما ایجاد کند، اما همچنین خطرات بالقوه‌ای نیز دارد.
برای مثال، اگر هوش مصنوعی قوی به اهداف متفاوتی با اهداف انسان‌ها دست یابد، ممکن است کنترل آن دشوار شود.
بنابراین، مهم است که قبل از دستیابی به هوش مصنوعی قوی، مسائل اخلاقی و اجتماعی مرتبط با آن را به طور کامل بررسی کنیم.
| حوزه | تاثیر هوش مصنوعی |
|---|---|
| پزشکی | تشخیص سریع‌تر و دقیق‌تر بیماری‌ها، توسعه داروها |
| صنعت | اتوماسیون فرآیندها، بهبود کیفیت محصولات |
| کشاورزی | مدیریت بهینه منابع، افزایش بهره‌وری |
فرصت‌های شغلی جدید در عصر هوش مصنوعی
رشد روزافزون هوش مصنوعی منجر به ایجاد فرصت‌های شغلی جدیدی در زمینه‌های مختلف شده است.
برخی از این فرصت‌های شغلی شامل موارد زیر می‌شوند: دانشمند داده (Data Scientist)، مهندس یادگیری ماشین (Machine Learning Engineer)، مهندس پردازش زبان طبیعی (Natural Language Processing Engineer)، مهندس رباتیک (Robotics Engineer) و متخصص اخلاق هوش مصنوعی (AI Ethics Specialist).
دانشمندان داده مسئول جمع‌آوری، تجزیه و تحلیل و تفسیر داده‌ها هستند و از این داده‌ها برای توسعه مدل‌های یادگیری ماشین استفاده می‌کنند.
مهندسان یادگیری ماشین مسئول توسعه، آزمایش و استقرار مدل‌های یادگیری ماشین هستند.
مهندسان پردازش زبان طبیعی مسئول توسعه سیستم‌هایی هستند که می‌توانند زبان انسان را درک، تفسیر و تولید کنند.
مهندسان رباتیک مسئول طراحی، ساخت و نگهداری ربات‌ها هستند.
متخصصان اخلاق هوش مصنوعی مسئول بررسی مسائل اخلاقی مرتبط با هوش مصنوعی و ارائه راهکارهایی برای استفاده مسئولانه و عادلانه از این فناوری هستند.
برای ورود به این حوزه‌ها، داشتن دانش و مهارت در زمینه‌های ریاضیات، آمار، علوم کامپیوتر و برنامه‌نویسی ضروری است.
همچنین، داشتن مهارت‌های نرم مانند تفکر انتقادی، حل مسئله و ارتباطات نیز بسیار مهم است.
مشاغل مرتبط با هوش مصنوعی
از فروش کم سایت فروشگاهی‌تون ناراضی هستید؟
رساوب، راه حل شما برای داشتن یک سایت فروشگاهی حرفه‌ای و پرفروش است.
✅ افزایش چشمگیر فروش و درآمد
✅ تجربه خرید آسان و لذت‌بخش برای مشتریان
⚡ همین حالا از رساوب مشاوره رایگان دریافت کنید!
هوش مصنوعی و آینده آموزش
هوش مصنوعی می‌تواند نقش مهمی در آینده آموزش ایفا کند.
یکی از کاربردهای هوش مصنوعی در آموزش، ارائه آموزش‌های شخصی‌سازی‌شده است.
سیستم‌های هوش مصنوعی می‌توانند با تجزیه و تحلیل داده‌های مربوط به دانش‌آموزان، نقاط قوت و ضعف آن‌ها را شناسایی کنند و محتوای آموزشی را بر اساس نیازهای هر دانش‌آموز تنظیم کنند.
کاربرد دیگر، ارائه بازخورد فوری و دقیق به دانش‌آموزان است.
سیستم‌های هوش مصنوعی می‌توانند به طور خودکار تکالیف و آزمون‌های دانش‌آموزان را تصحیح کنند و بازخورد فوری و دقیقی به آن‌ها ارائه دهند.
این امر می‌تواند به دانش‌آموزان کمک کند تا اشتباهات خود را سریع‌تر شناسایی کنند و یادگیری خود را بهبود بخشند.
هوش مصنوعی همچنین می‌تواند در ایجاد محیط‌های یادگیری تعاملی و جذاب‌تر نقش داشته باشد.
برای مثال، سیستم‌های هوش مصنوعی می‌توانند بازی‌های آموزشی و شبیه‌سازی‌هایی را ایجاد کنند که به دانش‌آموزان کمک می‌کنند تا مفاهیم پیچیده را به روشی جذاب و تعاملی یاد بگیرند.
هوش مصنوعی در آموزش
چگونه هوش مصنوعی زندگی روزمره ما را تغییر می‌دهد؟
هوش مصنوعی به تدریج در حال تغییر زندگی روزمره ما است.
از سیستم‌های تشخیص چهره در گوشی‌های هوشمند گرفته تا سیستم‌های پیشنهاد محصول در فروشگاه‌های آنلاین، هوش مصنوعی در بسیاری از جنبه‌های زندگی ما حضور دارد.
یکی از مهم‌ترین تاثیرات هوش مصنوعی، اتوماسیون وظایف است.
سیستم‌های هوش مصنوعی می‌توانند بسیاری از وظایف تکراری و خسته‌کننده را به طور خودکار انجام دهند و به ما این امکان را می‌دهند که وقت خود را صرف انجام کارهای مهم‌تر کنیم.
تاثیر دیگر، بهبود تصمیم‌گیری است.
سیستم‌های هوش مصنوعی می‌توانند با تجزیه و تحلیل داده‌های زیاد، اطلاعات ارزشمندی را ارائه دهند که به ما کمک می‌کند تا تصمیمات بهتری بگیریم.
برای مثال، سیستم‌های هوش مصنوعی می‌توانند به پزشکان در تشخیص بیماری‌ها و انتخاب بهترین روش درمان کمک کنند.
هوش مصنوعی همچنین می‌تواند در بهبود کیفیت زندگی ما نقش داشته باشد.
برای مثال، سیستم‌های هوش مصنوعی می‌توانند به افراد معلول کمک کنند تا زندگی مستقل‌تری داشته باشند.
با این حال، مهم است که به مسائل اخلاقی و اجتماعی مرتبط با هوش مصنوعی نیز توجه کنیم تا از استفاده مسئولانه و عادلانه از این فناوری اطمینان حاصل شود.
سوالات متداول
| السؤال | الإجابة |
|---|---|
| 1. ما هو الذكاء الاصطناعي (AI)؟ | هو فرع من علوم الحاسوب يهدف إلى إنشاء آلات قادرة على محاكاة الذكاء البشري وأداء مهام تتطلب تفكيرًا بشريًا، مثل التعلم وحل المشكلات واتخاذ القرارات. |
| 2. ما هي أنواع الذكاء الاصطناعي الرئيسية؟ | يمكن تصنيفها إلى ذكاء اصطناعي ضعيف (Narrow AI) يركز على مهمة محددة، وذكاء اصطناعي عام (General AI) يمتلك قدرات بشرية شاملة، وذكاء اصطناعي فائق (Super AI) يتجاوز الذكاء البشري. |
| 3. اذكر بعض تطبيقات الذكاء الاصطناعي الشائعة في حياتنا اليومية. | تشمل المساعدات الصوتية (مثل سيري وأليكسا)، أنظمة التوصية (مثل نتفليكس وأمازون)، السيارات ذاتية القيادة، أنظمة التعرف على الوجه، وفلاتر البريد العشوائي. |
| 4. ما الفرق بين الذكاء الاصطناعي والتعلم الآلي (Machine Learning)؟ | الذكاء الاصطناعي هو المفهوم الأوسع لإنشاء آلات ذكية، بينما التعلم الآلي هو مجموعة فرعية من الذكاء الاصطناعي تركز على تمكين الأنظمة من التعلم من البيانات دون برمجة صريحة. |
| 5. ما هو التعلم العميق (Deep Learning)؟ | هو مجموعة فرعية من التعلم الآلي تستخدم الشبكات العصبية الاصطناعية متعددة الطبقات (الشبكات العصبية العميقة) لمعالجة البيانات واكتشاف الأنماط المعقدة، ويُستخدم في التعرف على الصور والكلام. |
| 6. ما هي أبرز فوائد الذكاء الاصطناعي؟ | تحسين الكفاءة والإنتاجية، أتمتة المهام المتكررة، اتخاذ قرارات أفضل بناءً على تحليل البيانات الضخمة، وتطوير حلول لمشكلات معقدة في مجالات مثل الطب والعلوم. |
| 7. ما هي التحديات الرئيسية التي تواجه تطوير ونشر الذكاء الاصطناعي؟ | تشمل الحاجة إلى كميات هائلة من البيانات عالية الجودة، قضايا الخصوصية والأمن، التحيز في البيانات والخوارزميات، وتكاليف التطوير والصيانة المرتفعة. |
| 8. هل يثير الذكاء الاصطناعي مخاوف أخلاقية أو اجتماعية؟ | نعم، يثير مخاوف تتعلق بالخصوصية، التحيز الخوارزمي، فقدان الوظائف بسبب الأتمتة، والمسؤولية عن الأخطاء التي ترتكبها الأنظمة الذكية، والحاجة إلى إطار تنظيمي. |
| 9. كيف يمكن للذكاء الاصطناعي أن يؤثر على مستقبل سوق العمل؟ | يمكن أن يؤدي إلى أتمتة بعض الوظائف الروتينية، ولكنه أيضًا سيخلق وظائف جديدة تتطلب مهارات متقدمة في تطوير وتشغيل وصيانة أنظمة الذكاء الاصطناعي. |
| 10. ما هي بعض التقنيات الحديثة أو الواعدة في مجال الذكاء الاصطناعي؟ | تتضمن معالجة اللغات الطبيعية (NLP) المتقدمة (مثل نماذج اللغة الكبيرة مثل ChatGPT)، الرؤية الحاسوبية، والروبوتات، والذكاء الاصطناعي التوليدي (Generative AI). |
و دیگر خدمات آژانس تبلیغاتی رسا وب در زمینه تبلیغات
بازاریابی مستقیم هوشمند: خدمتی اختصاصی برای رشد مدیریت کمپین‌ها بر پایه تحلیل هوشمند داده‌ها.
رپورتاژ هوشمند: راهکاری حرفه‌ای برای افزایش فروش با تمرکز بر هدف‌گذاری دقیق مخاطب.
استراتژی محتوا هوشمند: بهینه‌سازی حرفه‌ای برای تحلیل رفتار مشتری با استفاده از سفارشی‌سازی تجربه کاربر.
اتوماسیون بازاریابی هوشمند: راهکاری حرفه‌ای برای تحلیل رفتار مشتری با تمرکز بر برنامه‌نویسی اختصاصی.
سئو هوشمند: خدمتی نوین برای افزایش افزایش بازدید سایت از طریق استراتژی محتوای سئو محور.
و بیش از صد ها خدمات دیگر در حوزه تبلیغات اینترنتی ،مشاوره تبلیغاتی و راهکارهای سازمانی
تبلیغات اینترنتی | استراتژی تبلیعاتی | ریپورتاژ آگهی
منابع
هوش مصنوعی چیست و چه کاربردی دارد؟
,هوش مصنوعی چیست و چه کاربردهایی دارد؟
,هوش مصنوعی چیست؟
,هوش مصنوعی چیست؟ انواع و کاربردهای آن کدامند؟
? برای جهش کسبوکار خود در دنیای دیجیتال، آژانس دیجیتال مارکتینگ رساوب آفرین با تخصص در طراحی سایت واکنش گرا و ارائه راه‌حل‌های جامع دیجیتال مارکتینگ، همواره در کنار شماست تا به اوج موفقیت برسید.
📍 تهران ، خیابان میرداماد ،جنب بانک مرکزی ، کوچه کازرون جنوبی ، کوچه رامین پلاک 6
