هوش مصنوعی چیست تعریف و مفاهیم پایه
#هوش_مصنوعی (AI) به شاخه‌ای از علم کامپیوتر گفته می‌شود که به طراحی و ساخت سیستم‌هایی می‌پردازد که قادر به انجام وظایفی هستند که معمولاً به هوش انسانی نیاز دارند.
این وظایف شامل یادگیری، استدلال، حل مسئله، درک زبان طبیعی و تشخیص الگوها می‌شوند.
به عبارت دیگر، هدف از هوش مصنوعی ایجاد ماشین‌هایی است که می‌توانند فکر کنند، یاد بگیرند و تصمیم بگیرند.
هوش مصنوعی دیگر یک مفهوم انتزاعی نیست، بلکه به سرعت در حال تبدیل شدن به یک جزء جدایی ناپذیر از زندگی روزمره ما است.
از سیستم‌های پیشنهاد دهنده فیلم در نتفلیکس گرفته تا دستیارهای صوتی مانند سیری و الکسا، هوش مصنوعی در حال حاضر نقش مهمی در زندگی ما ایفا می‌کند.
انواع اصلی هوش مصنوعی:
- هوش مصنوعی محدود (Narrow AI): این نوع از هوش مصنوعی برای انجام یک وظیفه خاص طراحی شده است و در همان زمینه عملکردی فراتر از انسان دارد.
مثال‌هایی از این نوع شامل سیستم‌های تشخیص چهره و موتورهای جستجو هستند. - هوش مصنوعی عمومی (General AI): این نوع از هوش مصنوعی دارای توانایی‌های شناختی مشابه انسان است و می‌تواند هر وظیفه‌ای را که انسان قادر به انجام آن است، انجام دهد.
هوش مصنوعی عمومی هنوز در مرحله تحقیق و توسعه قرار دارد. - هوش مصنوعی فوق هوشمند (Super AI): این نوع از هوش مصنوعی فراتر از هوش انسانی است و می‌تواند در تمام زمینه‌ها از انسان پیشی بگیرد.
هوش مصنوعی فوق هوشمند یک مفهوم فرضی است و هنوز وجود ندارد.
درک این مفاهیم پایه برای فهم بهتر کاربردها و پتانسیل‌های هوش مصنوعی ضروری است.
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!
کاربردهای هوش مصنوعی در صنایع مختلف
هوش مصنوعی در حال تحول صنایع مختلف است.
در بهداشت و درمان، هوش مصنوعی به تشخیص زودهنگام بیماری‌ها، توسعه داروهای جدید و ارائه مراقبت‌های شخصی‌سازی‌شده کمک می‌کند.
در #حمل_و_نقل، هوش مصنوعی در توسعه خودروهای خودران و بهینه‌سازی مسیرها نقش دارد.
در #امور_مالی، هوش مصنوعی برای تشخیص تقلب، مدیریت ریسک و ارائه خدمات مالی شخصی‌سازی‌شده استفاده می‌شود.
مثال‌های کاربردی:
- تشخیص سرطان با استفاده از هوش مصنوعی: الگوریتم‌های هوش مصنوعی می‌توانند تصاویر پزشکی را با دقت بالا تجزیه و تحلیل کرده و علائم سرطان را در مراحل اولیه تشخیص دهند.
- خودروهای خودران: خودروهای خودران از سنسورها و الگوریتم‌های هوش مصنوعی برای درک محیط اطراف خود و رانندگی بدون دخالت انسان استفاده می‌کنند.
- ربات‌های چت: ربات‌های چت با استفاده از پردازش زبان طبیعی می‌توانند با مشتریان ارتباط برقرار کرده و به سوالات آن‌ها پاسخ دهند.
این کاربردها تنها نمونه‌ای از پتانسیل گسترده هوش مصنوعی در صنایع مختلف هستند.
با پیشرفت تکنولوژی، انتظار می‌رود که کاربردهای جدیدتری از هوش مصنوعی ظهور کنند.
یادگیری ماشین قلب تپنده هوش مصنوعی
#یادگیری_ماشین (Machine Learning) زیرمجموعه‌ای از هوش مصنوعی است که به سیستم‌ها اجازه می‌دهد بدون برنامه‌ریزی صریح، از داده‌ها یاد بگیرند.
در یادگیری ماشین، الگوریتم‌ها به سیستم داده می‌شوند و سیستم با تجزیه و تحلیل این داده‌ها، الگوها و روابط را شناسایی می‌کند.
سپس، سیستم از این الگوها برای پیش‌بینی یا تصمیم‌گیری استفاده می‌کند.
انواع اصلی یادگیری ماشین:
- یادگیری نظارت‌شده (Supervised Learning): در این نوع یادگیری، سیستم با استفاده از داده‌های برچسب‌دار آموزش داده می‌شود.
به عبارت دیگر، سیستم می‌داند که خروجی مورد انتظار برای هر ورودی چیست. - یادگیری بدون نظارت (Unsupervised Learning): در این نوع یادگیری، سیستم با استفاده از داده‌های بدون برچسب آموزش داده می‌شود.
سیستم باید الگوها و ساختارهای پنهان در داده‌ها را خودکار شناسایی کند. - یادگیری تقویتی (Reinforcement Learning): در این نوع یادگیری، سیستم با تعامل با محیط اطراف خود یاد می‌گیرد.
سیستم اقداماتی را انجام می‌دهد و بازخورد دریافت می‌کند.
بر اساس این بازخورد، سیستم یاد می‌گیرد که چگونه اقدامات خود را برای رسیدن به یک هدف خاص بهینه کند.
یادگیری ماشین نقش بسیار مهمی در توسعه هوش مصنوعی ایفا می‌کند.
بسیاری از سیستم‌های هوش مصنوعی امروزی، از الگوریتم‌های یادگیری ماشین برای یادگیری و بهبود عملکرد خود استفاده می‌کنند.
| نوع یادگیری | توضیحات |
|---|---|
| یادگیری نظارت‌شده | استفاده از داده‌های برچسب‌دار |
| یادگیری بدون نظارت | استفاده از داده‌های بدون برچسب |
| یادگیری تقویتی | یادگیری از طریق تعامل با محیط |
| کاربرد | صنعت |
|---|---|
| تشخیص تقلب | امور مالی |
| تشخیص پزشکی | بهداشت و درمان |
| خودروهای خودران | حمل و نقل |
پردازش زبان طبیعی پلی بین انسان و ماشین
پردازش زبان طبیعی (NLP) شاخه‌ای از هوش مصنوعی است که به ماشین‌ها امکان می‌دهد زبان انسان را درک و پردازش کنند.
#پردازش_زبان_طبیعی شامل وظایفی مانند ترجمه ماشینی، تشخیص گفتار، خلاصه‌سازی متن و پاسخ به سوالات می‌شود.
به لطف پیشرفت‌های اخیر در یادگیری عمیق، سیستم‌های پردازش زبان طبیعی امروزی قادر به انجام وظایف پیچیده‌ای با دقت بالا هستند.
کاربردهای پردازش زبان طبیعی:
- ترجمه ماشینی: سیستم‌های ترجمه ماشینی می‌توانند متن را از یک زبان به زبان دیگر ترجمه کنند.
- تشخیص گفتار: سیستم‌های تشخیص گفتار می‌توانند گفتار انسان را به متن تبدیل کنند.
- خلاصه‌سازی متن: سیستم‌های خلاصه‌سازی متن می‌توانند یک متن طولانی را به یک خلاصه کوتاه تبدیل کنند.
- ربات‌های چت: ربات‌های چت از پردازش زبان طبیعی برای درک سوالات کاربران و ارائه پاسخ‌های مناسب استفاده می‌کنند.
پردازش زبان طبیعی نقش مهمی در تعامل انسان و ماشین ایفا می‌کند.
با پیشرفت این تکنولوژی، انتظار می‌رود که ماشین‌ها بتوانند زبان انسان را به طور کامل درک کرده و با انسان‌ها به طور طبیعی‌تر تعامل داشته باشند.
آیا نگرانید سایت قدیمی شرکتتان مشتریان جدید را فراری دهد؟ رساوب با طراحی سایت شرکتی مدرن و کارآمد، این مشکل را حل می‌کند.
✅ اعتبار برند شما را افزایش می‌دهد.
✅ به جذب هدفمند مشتریان کمک می‌کند.
⚡ برای مشاوره رایگان با رساوب تماس بگیرید!
یادگیری عمیق انقلابی در هوش مصنوعی
#یادگیری_عمیق (Deep Learning) نوعی از یادگیری ماشین است که از شبکه‌های عصبی عمیق برای یادگیری از داده‌ها استفاده می‌کند.
شبکه‌های عصبی عمیق از لایه‌های متعددی از گره‌ها تشکیل شده‌اند که به یکدیگر متصل هستند.
این شبکه‌ها قادر به یادگیری الگوهای پیچیده در داده‌ها هستند و در زمینه‌های مختلفی مانند تشخیص تصویر، تشخیص گفتار و پردازش زبان طبیعی عملکرد بسیار خوبی دارند.
مزایای یادگیری عمیق:
- یادگیری الگوهای پیچیده: شبکه‌های عصبی عمیق قادر به یادگیری الگوهای پیچیده‌ای هستند که الگوریتم‌های یادگیری ماشین سنتی قادر به یادگیری آن‌ها نیستند.
- عملکرد بالا: یادگیری عمیق در بسیاری از زمینه‌ها عملکرد بسیار بهتری نسبت به الگوریتم‌های یادگیری ماشین سنتی دارد.
- یادگیری خودکار ویژگی‌ها: شبکه‌های عصبی عمیق می‌توانند ویژگی‌های مهم را از داده‌ها به طور خودکار یاد بگیرند، بدون اینکه نیاز به مهندسی ویژگی داشته باشند.
یادگیری عمیق یک انقلاب در هوش مصنوعی ایجاد کرده است.
بسیاری از سیستم‌های هوش مصنوعی پیشرفته امروزی، از شبکه‌های عصبی عمیق برای یادگیری و بهبود عملکرد خود استفاده می‌کنند.
چالش‌ها و محدودیت‌های هوش مصنوعی
در حالی که هوش مصنوعی پتانسیل زیادی برای حل مشکلات پیچیده و بهبود زندگی انسان‌ها دارد، با چالش‌ها و محدودیت‌هایی نیز روبرو است.
یکی از مهم‌ترین چالش‌ها، نیاز به داده‌های زیاد و با کیفیت است.
الگوریتم‌های هوش مصنوعی برای یادگیری و بهبود عملکرد خود به داده‌های زیادی نیاز دارند.
اگر داده‌ها ناقص، نادرست یا مغرضانه باشند، عملکرد سیستم هوش مصنوعی تحت تاثیر قرار خواهد گرفت.
یکی دیگر از چالش‌ها، تفسیرپذیری سیستم‌های هوش مصنوعی است.
در بسیاری از موارد، درک اینکه چرا یک سیستم هوش مصنوعی به یک تصمیم خاص رسیده است، دشوار است.
این موضوع می‌تواند مشکل‌ساز باشد، به ویژه در زمینه‌های حساسی مانند بهداشت و درمان و امور مالی.
چالش‌های دیگر:
- مسائل اخلاقی: هوش مصنوعی می‌تواند مسائل اخلاقی جدیدی را ایجاد کند، مانند مسئولیت‌پذیری در قبال تصمیمات نادرست و تبعیض ناعادلانه.
- تاثیر بر اشتغال: هوش مصنوعی می‌تواند باعث از دست دادن شغل در برخی صنایع شود.
- امنیت: سیستم‌های هوش مصنوعی می‌توانند مورد حمله قرار گرفته و مورد سوء استفاده قرار گیرند.
غلبه بر این چالش‌ها برای تحقق پتانسیل کامل هوش مصنوعی ضروری است.
آینده هوش مصنوعی چه انتظاری باید داشت
آینده هوش مصنوعی بسیار هیجان‌انگیز است.
با پیشرفت تکنولوژی، انتظار می‌رود که هوش مصنوعی در زمینه‌های بیشتری از زندگی ما نقش داشته باشد.
خودروهای خودران، ربات‌های خانگی، دستیارهای شخصی هوشمند و سیستم‌های مراقبت بهداشتی پیشرفته تنها چند نمونه از کاربردهای بالقوه هوش مصنوعی در آینده هستند.
به نظر می‌رسد هوش مصنوعی در سال 2024 به یک فناوری بالغ تر تبدیل خواهد شد.
پیش‌بینی‌ها:
- افزایش اتوماسیون: هوش مصنوعی باعث افزایش اتوماسیون در صنایع مختلف خواهد شد.
- توسعه خدمات شخصی‌سازی‌شده: هوش مصنوعی به ارائه خدمات شخصی‌سازی‌شده در زمینه‌های مختلف کمک خواهد کرد.
- بهبود تصمیم‌گیری: هوش مصنوعی به انسان‌ها در تصمیم‌گیری‌های بهتر و آگاهانه‌تر کمک خواهد کرد.
| حوزه | تغییرات پیش بینی شده |
|---|---|
| صنعت تولید | افزایش اتوماسیون و بهره وری |
| بهداشت و درمان | تشخیص دقیق تر و سریع تر بیماری ها |
| خدمات مشتریان | ارائه پشتیبانی 24 ساعته و پاسخگویی سریع تر |
| روند | توضیحات |
|---|---|
| هوش مصنوعی مولد | افزایش توانایی خلق محتوای جدید |
| هوش مصنوعی لبه | پردازش داده ها در دستگاه ها بدون نیاز به اینترنت |
| هوش مصنوعی مسئولانه | تلاش برای ایجاد هوش مصنوعی منصفانه و قابل اعتماد |
با این حال، باید به چالش‌ها و خطرات احتمالی هوش مصنوعی نیز توجه داشت و برای مدیریت آن‌ها برنامه‌ریزی کرد.
هوش مصنوعی و اخلاق ملاحظات کلیدی
همانطور که هوش مصنوعی قدرتمندتر می‌شود، مسائل اخلاقی مربوط به استفاده از آن نیز اهمیت بیشتری پیدا می‌کنند.
یکی از مهم‌ترین مسائل، #مسئولیت‌پذیری در قبال تصمیمات نادرست سیستم‌های هوش مصنوعی است.
اگر یک خودروی خودران باعث تصادف شود، چه کسی مسئول است؟ شرکت سازنده خودرو؟ توسعه‌دهنده الگوریتم هوش مصنوعی؟ یا صاحب خودرو؟ یکی دیگر از مسائل، تبعیض ناعادلانه است.
اگر یک سیستم هوش مصنوعی به طور ناعادلانه به گروه خاصی از افراد آسیب برساند، چگونه می‌توان از آن جلوگیری کرد؟
ملاحظات اخلاقی کلیدی:
- شفافیت: سیستم‌های هوش مصنوعی باید شفاف باشند و نحوه عملکرد آن‌ها قابل درک باشد.
- عدالت: سیستم‌های هوش مصنوعی نباید تبعیض ناعادلانه ایجاد کنند.
- حریم خصوصی: سیستم‌های هوش مصنوعی باید به حریم خصوصی افراد احترام بگذارند.
- امنیت: سیستم‌های هوش مصنوعی باید امن باشند و از سوء استفاده محافظت شوند.
رعایت این ملاحظات اخلاقی برای اطمینان از اینکه هوش مصنوعی به نفع همه بشریت استفاده می‌شود، ضروری است.
هنوز وبسایت شرکتی ندارید و فرصت‌های آنلاین را از دست می‌دهید؟ با طراحی سایت شرکتی حرفه‌ای توسط رساوب،
✅ اعتبار کسب‌وکار خود را دوچندان کنید
✅ مشتریان جدیدی را جذب کنید
⚡ مشاوره رایگان برای وبسایت شرکتی شما!
هوش مصنوعی در ایران فرصت‌ها و چالش‌ها
ایران نیز مانند سایر کشورهای جهان، به طور فزاینده‌ای به هوش مصنوعی توجه می‌کند.
دولت ایران برنامه‌هایی برای توسعه هوش مصنوعی در زمینه‌های مختلف دارد.
با این حال، ایران با چالش‌هایی نیز در این زمینه روبرو است، از جمله کمبود متخصصان ماهر، محدودیت‌های مالی و تحریم‌های بین‌المللی.
به رغم این چالش‌ها، ایران پتانسیل زیادی برای تبدیل شدن به یک بازیگر مهم در عرصه هوش مصنوعی دارد.
فرصت‌ها:
- نیروی کار جوان و تحصیل‌کرده: ایران دارای نیروی کار جوان و تحصیل‌کرده‌ای است که پتانسیل بالایی برای یادگیری و توسعه هوش مصنوعی دارد.
- بازار بزرگ: ایران دارای بازار بزرگی است که می‌تواند پذیرای محصولات و خدمات هوش مصنوعی باشد.
- منابع طبیعی: ایران دارای منابع طبیعی غنی است که می‌تواند برای توسعه هوش مصنوعی مورد استفاده قرار گیرد.
چالش‌ها:
- کمبود متخصصان ماهر: ایران با کمبود متخصصان ماهر در زمینه هوش مصنوعی روبرو است.
- محدودیت‌های مالی: ایران با محدودیت‌های مالی روبرو است که می‌تواند توسعه هوش مصنوعی را کند کند.
- تحریم‌های بین‌المللی: تحریم‌های بین‌المللی می‌تواند دسترسی ایران به فناوری‌های پیشرفته را محدود کند.
خبرگزاری ایسنا نیز گزارش های زیادی در زمینه هوش مصنوعی در ایران دارد
چگونه هوش مصنوعی را یاد بگیریم منابع و مسیر یادگیری
اگر علاقه‌مند به یادگیری هوش مصنوعی هستید، منابع و مسیرهای یادگیری مختلفی وجود دارد.
می‌توانید با شرکت در دوره‌های آنلاین، خواندن کتاب‌ها و مقالات، و کار بر روی پروژه‌های عملی، هوش مصنوعی را یاد بگیرید.
همچنین می‌توانید به جوامع آنلاین هوش مصنوعی بپیوندید و با سایر علاقه‌مندان به این حوزه در ارتباط باشید.
برخی از منابع مفید عبارتند از کورسرا (Coursera)، ادکس (edX) و یودمی (Udemy).
مسیر یادگیری پیشنهادی:
- مفاهیم پایه: ابتدا مفاهیم پایه هوش مصنوعی، یادگیری ماشین و یادگیری عمیق را یاد بگیرید.
- برنامه‌نویسی: یک زبان برنامه‌نویسی مانند پایتون (Python) را یاد بگیرید.
- ریاضیات: مفاهیم ریاضیاتی مورد نیاز برای هوش مصنوعی، مانند جبر خطی و آمار را یاد بگیرید.
- ابزارها و کتابخانه‌ها: ابزارها و کتابخانه‌های هوش مصنوعی مانند تنسورفلو (TensorFlow) و پای‌تورچ (PyTorch) را یاد بگیرید.
- پروژه‌های عملی: با کار بر روی پروژه‌های عملی، دانش خود را به کار ببرید.
برای شروع یادگیری هوش مصنوعی می توانید از یوتیوب مکتب خونه استفاده نمایید.
این مسیر یادگیری به شما کمک می‌کند تا به یک متخصص هوش مصنوعی تبدیل شوید.
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
توسعه وبسایت هوشمند: افزایش فروش را با کمک سفارشی‌سازی تجربه کاربر متحول کنید.
تحلیل داده هوشمند: پلتفرمی خلاقانه برای بهبود رشد آنلاین با طراحی رابط کاربری جذاب.
استراتژی محتوا هوشمند: ابزاری مؤثر جهت مدیریت کمپین‌ها به کمک استراتژی محتوای سئو محور.
لینک‌سازی هوشمند: بهینه‌سازی حرفه‌ای برای افزایش بازدید سایت با استفاده از تحلیل هوشمند داده‌ها.
UI/UX هوشمند: جذب مشتری را با کمک سفارشی‌سازی تجربه کاربر متحول کنید.
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 در دیجی‌کالا مگهوش مصنوعی چیست؟ (همشهری آنلاین)تعریف هوش مصنوعی (آی‌تی‌ایران)هوش مصنوعی و نحوه عملکرد آن (علی‌بابا کلود)
? آژانس دیجیتال مارکتینگ رساوب آفرین، شریک قابل اعتماد شما در مسیر رشد دیجیتال و دستیابی به اهداف کسب‌وکارتان است. از طراحی سایت اختصاصی گرفته تا بهینه‌سازی سئو و مدیریت کمپین‌های تبلیغاتی، ما کنار شما هستیم تا حضوری قدرتمند در دنیای آنلاین داشته باشید.
📍 تهران ، خیابان میرداماد ،جنب بانک مرکزی ، کوچه کازرون جنوبی ، کوچه رامین پلاک 6
