,

هوش مصنوعی چیست ؟ هر آنچه باید در مورد AI بدانید

هوش مصنوعی

هوش مصنوعی چیست ؟ جواب بستگی به این دارد که سوال از چه کسی پرسیده شود. در دهه ۱۹۵۰ میلادی پدران حوزه AI یا همان Artificial Intelligence مک کارتی و مینسکی آن را اینگونه تعریف کردند: “هر عملی که توسط یک برنامه یا ماشین انجام شود هوش مصنوعی است که اگر مشابه همان کار توسط انسان انجام شود ما می گوییم انسان از هوش خود برای انجام دادن آن کار استفاده کرده است.”

این تعریف البته بسیار کلی است و به همین دلیل است که گاهی مباحثی برای درک اینکه چیزی واقعا هوش مصنوعی است یا خیر در می گیرد.

سیستم هوش مصنوعی یا AI حداقل باید برخی از رفتارهایی که در انسان وجود دارد را شامل شود، مانند” برنامه ریزی ، یادگیری ، پاسخگویی ، حل مشکل ، دانش ، درک ، حرکت و ایجاد تغییر. همچنین تا حدی می تواند هوش اجتماعی و خلاقیت نیز در آن وجود داشته باشد.

هوش مصنوعی در کجاها مورد استفاده قرار می گیرد ؟

امروزه فناوری هوش مصنوعی در همه جا وجود دارد، برای مثال وقتی که می خواهید چیزی را در اینترنت جستجو کنید و یا خرید آنلاینی انجام دهید یا پاسخگوی سیری SIRI در اپل که می تواند صدای شما را تشخیص دهد و به آن پاسخ دهد. از نمونه های دیگر AI می توان به سیستم شناسایی افراد حاضر در عکس و شناسایی ویروس های ناشناخته و نو ظهور توسط آنتی ویروس ها نیز اشاره کرد.

مرتبط : یادگیری ماشین ، تحلیل بیگ دیتا و فن آوری بلاک چین علیه جرایم سایبری

انواع مختلف AI کدام ها هستند ؟

در درجه خیلی بالا، هوش مصنوعی را می توان به دو گونه بسیار کلی تقسیم بندی کرد : هوش مصنوعی محدود و هوش مصنوعی عمومی که معادل انگلیسی آنها Narrow AI  و General AI است.

هوش مصنوعی محدود آن چیزی است که شما در پیرامون خود و در کامپیوترها می بینید یعنی سیستم هایی که به آنها آموخته شده چگونه کارهای مشخصی را بدون اینکه از قبل دقیقا برای آن عمل برنامه ریزی شده باشند انجام دهند.

نمونه بارز و پیشرفته این نوع ماشین های هوشمند در سیستم های شناسایی زبان و گفتار مانند سیری تلفن های اپل و در سیستم شناسایی تصویر ماشین های هوشمند خودران مانند تسلا دیده می شود. برخلاف انسان این سیستم ها تنها می توانند یاد بگیرند تا تنها یک کار مشخصی را انجام بدهند و برای همین است که به آنها هوش مصنوعی محدود گفته می شود.

 

هوش مصنوعی محدود چه کارهایی می تواند انجام دهد ؟

اپلیکیشن های بسیار زیادی برای هوش مصنوعی محدود در حال ظهور هستند: تفسیر فیلم های ویدئویی از هواپیما های بدون سرنشین ، انجام بازرسی های تصویری از زیرساخت هایی مانند خطوط لوله نفت و گاز ، سازماندهی تقویم شخصی و تجاری ، پاسخ به سوالات مشتریان به صورت اتوماتیک ، هماهنگی و سازگاری با سیستم های هوشمند برای انجام کارهایی مانند رزرو هتل در مکانی دلخواه ، کمک به رادیولوژیست ها برای نشان دادن تومورهای بالقوه با استفاده از اشعه ایکس ، تولید محتوای مرتبط در اینترنت ، شناسایی فرسودگی و یا پارگی در آسانسور از طریق داده های گردآوری شده توسط اینترنت اشیا و خیلی چیزهای دیگر.

 

هوش مصنوعی عمومی چه کارهایی می تواند انجام دهد ؟

هوش مصنوعی عمومی یا هوش عمومی مصنوعی بسیار متفاوت عمل می کند، زیرا این نوع  AI همانند هوش انسان قابل تغییر است. در واقع این نوع، شکلی انعطاف پذیر از اطلاعات یادگرفتنی برای انجام وظایف بسیار متفاوت و متنوعی است که از نمونه های آن می توان به گستره وسیعی از اکتشافات از ساخت صورت های مالی گرفته تا اصلاح مو اشاره کرد. این همان نوع هوش مصنوعی است که اغلب در فیلم ها دیده می شود، فیلم هایی مانند Terminator  و Skynet که امروزه هنوز وجود ندارند ولی متخصصین هوش مصنوعی بر این عقیده هستند که دیر یا زود به حقیقت خواهد پیوست.

گزارشی در سال ۲۰۱۳ توسط گروههایی از متخصصین هوش مصنوعی انجام گرفت که در طی آن متخصصین ۵۰% شانس به وجود آمدن این تکنولوژی در بین سال های ۲۰۴۰ الی ۲۰۵۰ و ۹۰% شانس برای بوجود آمدن آن تا سال ۲۰۷۵ قائل بودند. این گروه از متخصصین حتی فراتر از آن رفتند و پیشبینی هوش فوق العاده یا Superintelligence را ۳۰ سال پس از به وجود آمدن هوش عمومی مصنوعی یا AGI  کردند. هوش فوق العاده به هر نوع هوشی گفته می شود که تا حد بسیار زیادی از عملکرد شناختی انسان در تقریبا تمام زمینه ها بیشتر است.

برخی از متخصصین AI باور دارند که چنین پیش بینی هایی با توجه به درک محدود ما از مغز انسان بسیار خوش بینانه است و معتقدند که هوش عمومی مصنوعی سالیان سال با آن فاصله دارد.

ماشین لرنیگ یا یادگیری ماشین چیست ؟

حجم گسترده ای از تحقیقات برروی هوش مصنوعی انجام گرفته است. بیشتر این تحقیقات مکمل یکدیگر هستند. یادگیری ماشین جایی است که یک سیستم کامپیوتری توسط حجم وسیعی از داده ها تغذیه شده و می تواند از طریق این داده ها، برای یادگیری و انجام وظایف مختلفی مانند درک لغات و جملات و یا محتویات عکس ها استفاده کند.

شبکه های عصبی در هوش مصنوعی چه چیزهایی هستند ؟

کلید فرآیندهای یادگیری ماشین شبکه های عصبی هستند. این شبکه های عصبی الگو گرفته شده از الگوریتم های مغز انسان است  که در آن نرون ها، داده ها را به یکدیگر ارسال می کنند. در خلال این عمل عصب ها می آموزند که چگونه یک وظیفه مشخصی را انجام دهند.

یکی از شاخه های یادگیری ماشین، یادگیری عمیق یا Deep Learning است که در آن شبکه های عصبی به شبکه های گسترده ای با تعداد زیادی از لایه ها که با استفاده از داده های فراوان آموزش داده می شوند بسط یافته اند. این شبکه های عصبی عمیق هستند که باعث افزایش سرعت و ارتقای توانایی کامپیوترها برای انجام وظایفی مانند تشخیص گفتاری و درک تصویری می شوند.

نمونه های مختلفی از شبکه های عصبی با نقاط قوت و ضعف متفاوتی وجود دارند. شبکه های عصبی مکرر یا recurrent نمونه ای از آنها است که به ویژه برای پردازش زبان و تشخیص گفتار مناسب است. شبکه های عصبی کانوولاتور نیز نوعی دیگر است که اغلب برای درک تصاویر از آنها استفاده می شود. این طرح از شبکه های عصبی نیز در حال تکامل است. برای مثال اخیرا محققین یک نوع موثرتری از شبکه عمیق عصبی به نام حافظه کوتاه مدت یا LSTM را ارائه داده اند که توانایی اجرای سریع تر این عملیات را برای سیستم های تقاضایی مانند Google Translate دارند.

یکی دیگر از حوزه های تحقیق هوش مصنوعی محاسبات تکاملی است که برگرفته شده از تئوری معروف داروین یعنی انتخاب اصلح در طبیعت است. این تئوری می گوید الگوریتم های ژنتیکی، دستخوش جهش ها و ترکیبات تصادفی در خلال نسل ها  بوده تا بتواند برای تکامل و بهینه سازی یک مشکل خاص راه حل مطلوبی بیابد.

از این تئوری و رویکرد برای کمک به طراحی هوش مصنوعی استفاده شده است تا بتوانند از خود هوش مصنوعی برای ساخت آن استفاده کنند. این نوع استفاده از الگوریتم های تکاملی برای بهینه سازی شبکه های عصبی، نورواولوشن Neuroevolution گفته می شود که می تواند نقش بسیار مهمی در طراحی موثر AI بازی کند. این تکنیک اخیرا توسط آزمایشگاه تحقیقاتی تاکسی آنلاین اوبر UBER نمایش داده شد. در این گزارش از الگوریتم های ژنتیکی برای آموزش شبکه های عمیق عصبی برای حل مشکلات و تقویت یادگیری ماشین استفاده شده است.

در نهایت سیستم های خبره وجود دارند که در آن کامپیوترها به گونه ای برنامه ریزی شده اند تا بتوانند یک سری از تصمیمات را بر مبنای داده های ورودی اتخاذ کنند. در این سیستم به ماشین این اجازه داده می شود تا رفتار حرفه ای یک انسان را در حیطه ای خاص تقلید کند. یک نمونه از این سیستم دانش محور می تواند سیستم خودران هواپیما یا همان Autopilot باشد.

 

اجزای ماشین لرنینگ چیست ؟

همانگونه که در بالا نیز گفتیم یادگیری ماشین یکی از زیرمجموعه های هوش مصنوعی است که به صورت کلی به دو دسته اصلی تقسیم می شود : یادگیری با نظارت و یادگیری بدون نظارت.

 

یادگیری با نظارت

یکی از شیوه های یاد دادن به سیستم های هوش مصنوعی، آموزش آنها با استفاده از تعداد زیادی مثالهای مشخص است. در این نوع سیستم ماشین ها با مقادیر عظیمی از داده ها تغذیه می شوند که این داده ها با توجه به ویژگی های مورد استفاده از آن سیستم مشخص شده اند. این داده ها می توانند برچسب های تصویری باشند که نشان دهد آیا در یک عکس سگی وجود دارد یا خیر. وقتی این داده ها وارد شد یا به عبارت دیگر به سیستم آموخته شد، می تواند از این برچسب ها برای داده های جدید استفاده کند. مثلا اگر عکسی را بارگذاری کنید می تواند تشخیص دهد که آیا عکس سگی بارگذاری شده است یا خیر.

این فرایند در یادگیری ماشین یادگیری با نظارت گفته می شود که نقش برچسب ها و مقادیر در آنها بسیار مهم است.

آموزش سیستم ها با این شیوه معمولا نیاز به حجم عظیمی از داده دارد، زیرا ماشین از سیستم مقایسه ای برای انجام وظیفه استفاده می کند. البته عملکرد در این شیوه با استفاده از تحلیل بیگ دیتا در حال بهینه شدن است.

 

یادگیری بدون نظارت

برخلاف یادگیری با نظارت این شیوه از رویکرد متفاوتی استفاده می کند. در تکنیک یادگیری بدون نظارت، الگوریتم ها سعی میکنند که الگوها را در داده ها شناسایی کرده و در آنها به دنبال شباهت ها بگردند تا بتوانند از طریق آن شباهت ها داده ها را دسته بندی کنند.

برای مثال ممکن است که در یک نمونه دسته بندی، ماشین هایی که حجم موتور مشابهی دارند یا میوه هایی که وزن یکسانی دارند قرار بگیرند.

این الگوریتم در واقع برای تعیین نوع خاصی از داده ها از قبل تنظیم نشده است. در این روش تنها دسته بندی ها بر اساس شباهت ها و توسط خود ماشین صورت می گیرد. برای مثال اخبار گوگل که دسته های خبری را بر مبنای محتویات و موضوع آنها دسته بندی می کند.

 

تقویت یادگیری

این روش را می توان تقلیدی از تقویت یادگیری در آموزش به حیوانات دانست. یعنی بعد از انجام یک وظیفه به صورت صحیح پاداشی برای آن در نظر گرفته می شود.

در این روش سیستم تلاش می کند تا با تکیه بر داده های ورودی، پاداش را به حداکثر برساند. در واقع این کار را با فرآیند سعی و خطا تا زمان رسیدن به بهترین نتیجه ممکن انجام می دهد.

 

کدام شرکت ها در هوش مصنوعی سرآمد هستند ؟

از آنجاییکه هوش مصنوعی نقش مهمی در نرم افزارها و خدمات مدرن دارد تمام شرکت های اصلی تکنولوژی جنگی برای بهینه سازی فناوری یادگیری ماشین و هوش مصنوعی خود برای استفاده در محصولات و خدمات دارند.

از بزرگترین شرکت های فعال و تاثیر گذار برروی هوش مصنوعی می توان به گوگل ، اپل و آی بی ام اشاره کرد که هر کدام به نوعی نقش مهمی در پیشرفت این فناوری داشته اند. اما شاید گوگل با تولید DeepMin AI AlphaGO بزگترین تغییر و تاثیر را برروی این فناوری داشته است.

از نمونه های بارز هوش مصنوعی در بازار می توان به سیری اپل SIRI ، الکسا آمازون Alexa، دستیار گوگل Google Assistant  و کورتانا مایکروسافت Cortana اشاره کرد.

کدام کشورها در هوش مصنوعی سرآمد هستند ؟

البته امریکا و شرکت های فناوری امریکایی بیشترین نقش را در هوش مصنوعی دارند اما شرکت های چینی مانند علی بابا Alibab، بایدو Baidu، و لنوو Lenovo سرمایه گذاری های عظیمی برروی هوش مصنوعی کرده اند.

چین در حال دنبال کردن یک برنامه سه مرحله ای برای تبدیل AI به یک صنعت مرکزی برای کشور خود است که ارزش آن تا سال ۲۰۲۰ حدود ۲۲ میلیارد دلار خواهد بود. شرکت بایدو با سرمایه گذاری برروی خودروهای خودران به نام Baidu AutoBrain که از الگوریتم های یادگیری عمیق استفاده می کند از سردمداران این صنعت در چین محسوب می شود.

مرتبط : خانه هوشمند چیست ؟ اینترنت اشیا، یادگیری ماشین و هوش مصنوعی

مرتبط : مهندسی اجتماعی چیست؟ تکنیک های ورود به سازمانها توسط مجرمین

منبع : ZDNet

 


هوش مصنوعی چیست ؟ هر آنچه باید در مورد AI بدانید


 

0 پاسخ

دیدگاه خود را ثبت کنید

Want to join the discussion?
Feel free to contribute!

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *