هوش مصنوعی چیست؟

هوش مصنوعی چیست؟
 ۱۴۰۰/۳/۳۱ | ۱۷:۵۵
خلاصه این مطلب: در ساده ترین شکل هوش مصنوعی علمی است برای توانمند کردن کامپیوترها و ماشین ها تا مانند انسان توانایی حل مسئله و تصمیم گیری داشته باشند.


در دنیای امروز هر فردی احتمالا در طی روز بارها از ابزار جستجوی گوگل و یا دستیاران شخصی تلفن های هوشمند خود استفاده میکند. همه ی این ابزارها و امکانات قدرت خود را از علمی به نام "هوش مصنوعی" گرفته اند. در این مقاله میخواهیم به طور خلاصه با این علم و قابلیت های آن آشنا شویم.

هوش مصنوعی

 

کمتر از یک دهه بعد از شکست ماشین رمزگذاری نازی ها، اینیگما، و کمک به نیروهای متفقین در پیروزی در جنگ جهانی دوم، آلن تورینگ ریاضی دان تاریخ را بار دیگر با یک سوال تغییر داد: "آیا ماشین ها می توانند فکر کنند؟"

مقاله تورینگ با عنوان "محاسبات ماشین و هوش" و به دنبال آن آزمایش تورینگ هدف اصلی و چشم انداز هوش مصنوعی را تعیین کرد.
هوش مصنوعی شاخه ای از علم گسترده ی کامپیوتر است که هدف آن پاسخ مثبت به سوال تورینگ است. این علم در تلاش است کامپیوترها و ماشین ها را بگونه ای توانمند کند تا توانایی حل مسئله و تصمیم گیری ذهن انسان را تقلید کنند. 
در ساده ترین شکل ، هوش مصنوعی رشته ای است که علوم رایانه و مجموعه داده های قدرتمند را برای حل مشکلات در هم آمیخته است. این علم شامل زیرمجموعه های یادگیری ماشین و یادگیری عمیق است که اغلب همراه با هوش مصنوعی ذکر می شوند. این رشته ها از الگوریتم های هوش مصنوعی تشکیل شده اند که به دنبال ایجاد سیستم های خبره ای هستند که براساس داده های ورودی پیش بینی یا طبقه بندی می کنند.

 

هوش مصنوعی چگونه کار می کند؟ 

در کتاب درسی پیشگامانه ی، هوش مصنوعی: رویکردی مدرن، نویسندگان استوارت راسل و پیتر نورویگ سیستم های رایانه ای را براساس منطق و تفکر در مقابل عملکرد به چهار گروه مختلف متمایز میکنند: 

رویکرد انسانی:
  • ​​​​ سیستم هایی که مانند انسان فکر می کنند.
  • سیستم هایی که مانند انسان عمل می کنند.
رویکرد ایده آل:
  • سیستم هایی که منطقی فکر می کنند.
  • سیستم هایی که منطقی عمل می کنند.


هوش مصنوعی عموما تحت دو دسته گسترده قرار می گیرد: 

هوش مصنوعی باریک:

گاهی اوقات به عنوان "هوش مصنوعی محدود" نیز شناخته می شود، بر انجام وظایف خاص متمرکز است. هوش مصنوعی باریک بیشتر کاربرد را در دنیای امروز دارد. این نوع هوش مصنوعی در یک زمینه محدود عمل می کند و اغلب بر انجام یک کار واحد متمرکز است و شبیه سازی هوش انسانی است. هوش مصنوعی محدود در اطراف ماست و موفق ترین تحقق کنونی هوش مصنوعی است.

 

چند نمونه از هوش مصنوعی محدود عبارتند از: 

  • جستجوی گوگل 
  • نرم افزار تشخیص تصویر 
  • سیری ، الکسا و سایر دستیاران شخصی 
  • اتومبیل های خودران 
  • واتسون IBM 

 

هوش عمومی مصنوعی (AGI) :

گاهی اوقات با عنوان "هوش مصنوعی قوی" نیز شناخته می شود ، فرم تئوریک هوش مصنوعی است که در آن ماشین دارای هوش برابر انسان است. در واقع ماشین های دارای این هوش دارای خودآگاهی که توانایی حل مشکلات، یادگیری و برنامه ریزی برای آینده را دارد، هستند. مانند آن چیزی که در ربات های سریال Westworld میبینیم.

 

نمونه هایی از هوش مصنوعی: 

 

  • دستیارهای هوشمند (مانند سیری و الکسا) 
  • ابزار نگاشت و پیش بینی بیماری ها 
  • ربات های تولید و هواپیماهای بدون سرنشین 
  • توصیه های بهینه و شخصی سازی شده ی مراقبت های بهداشتی درمانی 
  • ربات های سخنگو برای بازاریابی و خدمات به مشتری 
  • ربات های مشاور برای تجارت سهام 
  • فیلترهای هرزنامه در ایمیل 
  • ابزارهای نظارت بر محتوای خطرناک یا اخبار دروغ در شبکه های اجتماعی 
  • توصیه های آهنگ یا برنامه تلویزیونی از Spotify و Netflix 

 

یادگیری ماشین و یادگیری عمیق 

بیشتر هوش مصنوعی باریک با پیشرفت هایی در یادگیری ماشین و یادگیری عمیق ایجاد می شود. درک تفاوت بین هوش مصنوعی ، یادگیری ماشین و یادگیری عمیق می تواند گیج کننده باشد. سرمایه گذار ریسک پذیر ، فرانک چن ، نمای خوبی از چگونگی تمایز بین آنها ارائه می دهد، و خاطرنشان می کند: "هوش مصنوعی مجموعه ای از الگوریتم ها برای تقلید از هوش انسان است. یادگیری ماشین یکی از آنهاست، و یادگیری عمیق یکی از تکنیک های یادگیری ماشین است." 

هوش مصنوعی، یادگیری ماشین، یادگیری عمیق

 

به زبان ساده، یادگیری ماشین داده های رایانه را تغذیه می کند و از تکنیک های آماری برای کمک به "یادگیری" نحوه پیشرفت بهتر در یک کار، بدون اینکه برای آن کار به طور خاص برنامه ریزی شده باشد، استفاده می کند و نیاز به نوشتن میلیون ها خط کد را از بین می برد. یادگیری ماشین شامل یادگیری تحت نظارت (با استفاده از مجموعه داده های دارای برچسب) و یادگیری بدون نظارت (با استفاده از مجموعه داده های بدون برچسب) است. 

یادگیری عمیق نوعی یادگیری ماشین است که ورودی ها را از طریق ساختار شبکه عصبی الهام گرفته از زیست شناسی دریافت میکند. شبکه های عصبی شامل تعدادی لایه پنهان است که داده ها از طریق آنها پردازش می شوند، و به ماشین اجازه می دهد تا در یادگیری خود "عمیق" باشد، اتصالات و وزن ورودی را برای بهترین نتیجه ایجاد کند. "عمیق" در یادگیری عمیق به یک شبکه عصبی متشکل از بیش از سه لایه گفته می شود - که شامل ورودی ها و خروجی ها می شود.

شبکه های عصبی در هوش مصنوعی

آن چه یادگیری ماشین و یادگیری عمیق متفاوت میکند، تفاوت در چگونگی یادگیری هر الگوریتم هاست. یادگیری عمیق بسیاری از فرآیندها را به طور خودکار انجام میدهد، برخی از مداخلات دستی انسان را از بین میبرد و استفاده از مجموعه داده های بزرگتر را امکان پذیر میکند. یادگیری ماشینی کلاسیک یا "غیر عمیق" بیشتر به مداخله انسان برای یادگیری بستگی دارد. متخصصان انسانی مجموعه ویژگی ها را برای درک تفاوت بین ورودی داده ها تعیین می کنند، که معمولاً برای یادگیری به داده های ساختاریافته بیشتری نیاز دارند.

 

آن چه در این مقاله خواندیم نشان میدهد که آینده ممکن است کاملا متفاوت از امروز باشد و بسیاری از کارها توسط ماشین به بهترین شکل و حتی بهتر از انسان انجام شوند. دیدگاه خود را درباره ی آینده این علم با ما در میان بگذارید.

نویسنده : گل سا احمدزاده

لیسانس IT، درک و ترجمه متون انگلیسی در حد خوب

  نظرات کاربران (0 نظر)
شما هم می توانید در مورد این مطلب نظر دهید نظر خود را بنویسید