هوش مصنوعی چیست؟

تصور کنید که با رایانه خود مکالمه ای در مورد کار و ایده های خود و شنیدن بازخورد در مورد افکار خود داشته باشید. فرض کنید شما می خواهید مقداری بستنی جدید را در سوپرمارکت خود بفروشید و رایانه شما بتواند عواقب آن را پیش بینی کند و شما را راهنمایی کند که آیا سرمایه گذاری وقت و پول شما مثمر ثمر باشد یا خیر. باور نکردنی نیست؟ نه ، این فقط بعد از تماشای فیلم علمی تخیلی ساخته نشده است بلکه انجام آن در این دوره از هوش مصنوعی ممکن است.
امروزه ، در مورد فناوری محبوب ، Artificial Intelligence  یا همان A.I ، حواشی زیادی به گوش می رسد. نه تنها در زمینه علوم رایانه بلکه در هر زمینه دیگری که می توان به آن فکر کرد ، از پزشکی ، تجارت و حتی در کشاورزی گسترش می یابد. بنابراین ، هوش مصنوعی چیست؟
تعریف اصطلاح: هوش مصنوعی چیست؟
هوش به عنوان "یادگیری تعمیم یافته" بیان شده است ، یادگیری که یادگیرنده را قادر می سازد در شرایطی که قبلاً با آن روبرو نشده بود ، بهتر عمل کند. هوش حوزه هایی مانند استدلال ، حل مسئله ، ادراک و تجزیه و تحلیل ، ویژگی ها و رابطه اشیاء و درک زبان با قوانین و نحو را در بر می گیرد که انسان دیگری نیز یاد می گیرد و تفسیر می کند. از طرف دیگر ، هوش مصنوعی را می توان به عنوان یک سیستم یا دستگاهی توصیف کرد که می تواند چنین ویژگیهایی از هوش را شبیه سازی کند .
تولد هوش مصنوعی (AI): چگونه به وجود آمد؟
اگرچه اصطلاح هوش مصنوعی نخستین بار توسط جان مک کارتی هنگامی که اولین کنفرانس را در کالج دارتموت در سال 1955 برگزار کرد ، تنظیم شد ، اما فکر کردن به اینکه آیا ماشین ها واقعاً می توانند فکر کنند از بسیار قبل آغاز شده بود. در سال 1950 ، آلن تورینگ ، ریاضیدان انگلیسی مقاله ای با عنوان "ماشین آلات و هوشمند سازی محاسبات" منتشر کرد که درهایی را برای زمینه ای که می تواند AI نامیده شود ، باز کرد. آزمایش تورینگ اولین روش یا آزمایش بود که برای تصمیم گیری در مورد قابلیت های فکری دستگاه مورد استفاده قرار گرفت. آزمون تورینگ یک روش مفهومی برای تعیین اینکه آیا ماشین ها می توانند مانند یک انسان فکر کنند یا نه بود. در تست کلاسیک یک بازجو یک سری سؤال از دو شرکت کننده می پرسد. یکی از شرکت کنندگان دستگاه است و دیگری انسان است. بازپرس نمی تواند شرکت کنندگان را ببیند یا بشنود و راهی ندارد که بداند کدام یک است. اگر بازجو براساس پاسخ ها نتواند بفهمد کدام شرکت کننده دستگاه است ، دستگاه تست تورینگ را می گذرد. یک نمونه امروزی می تواند تست CAPTCHA باشد. 
آزمایشات Captcha هویت انسانی را تأیید می کند. آزمایش captcha پایه و اساس خود را در آزمایش Turing Test دارد.
پس از گذشت چندین دهه تحقیق ، هیچ رایانه ای نتوانسته است از آزمون تورینگ عبور کند. سیستم های خبره رشد کرده اند اما به اندازه متخصصان انسانی رایج نشده اند . ما نرم افزار هایی که انسان را ساخت ایم که در بعضی از بازی ها انسان را شکست می دهند ، بازی های با انتهای باز هنوز از تسلط رایانه ها فاصله ندارند.
مکانیسم
خب هوش مصنوعی چطور کار میکند؟ چگونه یک ماشین می تواند مانند مغز انسان فکر ، تحلیل و تصمیم گیری کند؟ اگر تا به حال صاحب حیوان خانگی بوده اید و متوجه شده اید که آنها بدون علائم یادگیری زبان ما ، علائم و کلمات خاصی را می فهمند و پاسخ می دهند ، آیا تا به حال فکر کرده اید که چگونه می توانند آن را درک کنند و پاسخ بدهند؟ ساده است ، تنها کاری که انجام می دهند این است که به کلمات یا اعمال ما توجه کنند ، آنها را به خاطر بسپارید و در آخر اینکه آنها آن را حفظ می کنند و الگویی برای آینده ایجاد می کنند.
کار اساسی پشت AI
این همان چیزی است که دانشمندان ما در حال تلاش برای دستیابی از دستگاه هایی در زمینه هوش مصنوعی هستند. این ایده با طراحی سیستمهای تصمیم گیری متقابل و قابل اعتماد مبتنی بر رایانه آغاز شد که هم از حقایق و هم اکتشافات برای حل مشکلات پیچیده تصمیم گیری استفاده می کردند. سرانجام ، هوش مصنوعی تا کنون پیشرفت های زیادی داشته است. هوش مصنوعی اکنون با ترکیب مقادیر زیادی از داده ها با الگوریتم های سریع ، پردازش تکراری و هوشمند ، کار می کند و به نرم افزار یا ماشین اجازه می دهد تا به طور خودکار از الگوهای و ویژگی های داده ها بیاموزد.
مؤلفه ها و برنامه های کاربردی AI توضیح داده شده 
AI یک زمینه گسترده و متنوع است و از حوزه های مختلفی در حوزه خود پشتیبانی می کند. تکنیک های مختلفی برای دستیابی به اهداف مختلف در بخش های مربوطه وجود دارد ، از علوم رایانه ، روانشناسی ، فلسفه ، علوم اعصاب ، علوم شناختی ، زبانشناسی گرفته تا اقتصاد ، احتمال ، منطق و بسیاری دیگر.
بیایید در مورد زیر رشته های اصلی که در دنیای امروز با هوش مصنوعی روبرو هستند ، بخوانیم.
1 .آموزش ماشین (ML)
غالباً اصطلاحات AI و ML اشتباها تصور می شود یکسان هستند یا به صورت متقابل استفاده می شوند ML. به عنوان زیر شاخه ای از هوش مصنوعی طبقه بندی می شود ، می توانید آن را به عنوان مرحله آموزش دستگاه فکر کنید که بعداً به اندازه کافی قادر به خواندن ، درک ، استنباط و در نهایت حل یک مشکل پیچیده مانند هر مغز بیولوژیکی دیگر انسان که می توانست انجام دهد.بطور کلی یادگیری ماشین درمورد مفهوم تقویت برنامه نویسی سنتی است که با کمک حقایق و داده هایی که داده شده یا از یادگیری های گذشته راه حلی ارائه داده اند نیاز به دستورالعمل های صریح با الگوریتم های هوشمند دارد تا دستگاه ها را قادر به استنباط و تجزیه و تحلیل مشکلات بکند. نمونه هایی از دنیای واقعی یادگیری ماشین شامل طراحی الگوریتم های مختلفی است که برای حل موضوعاتی که اگر انسان می خواست آن ها را حل کند دشوار یا زمانبر بود ، مانند معالجه سرطان ، مدیریت امنیت سایبر و موارد دیگر، می باشد.
2. شبکه های عصبی
زمان صحبت در مورد هوش مصنوعی ، این موضوع پرمخاطب ترین موضوع است و درواقع فاز آموزش به یک مدل است ، به گونه ای که می توانیم داده ها و حقایق را به الگوریتم منتقل کنیم و براساس آنچه که تاکنون جمع کرده و استنباط کرده است ، پیش بینی ها یا راه حل ها را به ما ارائه دهد که این نیز حاصل خودآموزی و ارزیابی آموخته های پیشین است.
فرض کنید که ما در حال آموزش دستگاه برای تشخیص تصویر یک سگ هستیم. بنابراین مراحل در نظر گرفته شده می تواند به شرح زیر باشد: داده و سایر واقعیت ها برای درک و یادگیری مدل به دستگاه داده می شوند تا در مرحله بعد از تجزیه و تحلیل مورد استفاده قرار گیرد. در این حالت ، ما عکس های بی شماری از سگ ها را به سیستم می دهیم.
مدل حاصل از واحدهای بهم پیوسته تشکیل شده است که اطلاعات را با پاسخ به ورودی های خارجی پردازش می کنند و اطلاعات را بین یکدیگر انتقال می دهند.
شبکه عصبی مصنوعی از لایه های مختلف پردازش ریاضی استفاده می کند تا از اطلاعاتی که داده می شود اطلاع پیدا کند. داده ها از واحد ورودی برای ارزیابی و پیش بینی ها، لایه های مختلفی را طی می کند تا به یک خروجی معقول و کارآمد تبدیل شوند. بنابراین ، در مثال ما وقتی یک عکس به سیستم داده می شود ، بررسی می کند که آیا تصویر ارائه شده تصویر سگ است یا نه.
پس از لایه های مختلف محاسباتی ، نتایج طبقه بندی می شوند.
مثال های زیادی از استفاده چنین تکنیک های جالبی در هر زمینه ای که می توانید به آن فکر کنید ، مانند شناخت شخصیت ، فشرده سازی تصویر ، دارو ، تشخیص تومورها ، اتومبیل های رانندگی و موارد دیگر وجود دارد.
3. پردازش زبان طبیعی (NLP)
NLP به عنوان دستکاری خودکار زبان طبیعی مانند گفتار و متن توسط نرم افزار تعریف شده است.
بهترین روش برای توضیح با استفاده از نمونه ای از دستیاران صوتی که در زندگی روزمره ما مانند Siri یا Google Assistant استفاده می کنیم، می باشد. ما با آنها ارتباط برقرار می کنیم درست مثل آنچه با انسانهای دیگر انجام می دادیم. همچنین برخی از نرم افزارها در حال توسعه هستند که می توانند متن وارد شده توسط کاربر را تجزیه و تحلیل کرده و نتایج مورد انتظار را تولید کنند. 
مثال NLP
کاربر، متن زبان طبیعی را به سیستم تغذیه می کند ، که ارزیابی می شود و نتیجه آن به صورت سه بعدی پیش بینی می شود.
4. بینایی کامپیوتر
بینایی ماشین به تشخیص الگوی و توانایی دستگاه در تجزیه و تحلیل تصاویر دیجیتال یا فیلم ها متکی است. دید انسان از چشم "دوربین بیولوژیکی" شروع می شود که از هر 200 میلی ثانیه یک تصویر می گیرد ، در حالی که دید رایانه با ارائه ورودی به دستگاه شروع می شود.
بسیاری از برنامه های دید در رایانه در بازار وجود دارد. در زیر تعدادی از آنها آورده شده است:
بازرسی خودکار ، به عنوان مثال ، در تولید اپلیکیشن ها
کمک به انسانها در کارهای شناسایی به عنوان مثال ، یک سیستم شناسایی گونه ها
شناسایی رویدادها ، به عنوان مثال ، برای نظارت تصویری یا شمارش افراد
5- روبات ها
روبات یا ربات های انسان نما یک عامل مصنوعی هستند که مانند انسان رفتار می کنند و دارای روند تفکر مانند انسان هستند ربات ها، دستگاهی ساخته شده توسط انسان با توانایی های فکری ما که شامل توانایی یادگیری هر چیزی ، توانایی استدلال ، توانایی استفاده از زبان و توانایی تدوین ایده های اصلی ، بدون اینکه بی حوصله یا خسته شود، می باشد. اگرچه از زمان کودکی در بسیاری از فیلم های علمی تخیلی شاهد روبات ها بوده ایم ، در قرن بیست و یکم پیشرفتی در علم به وجود آمده است که روبات ها به وجود آمده اند. در اینجا برخی از ربات ها را معرفی کرده ایم.
سوفیا
توسط روباتیک هانسون ساخته شده است و می تواند طیف گسترده ای از اقدامات انسانی را انجام دهد. گفته می شود که وی قادر به ایجاد پنجاه حالت چهره است و می تواند احساسات را به همان اندازه ابراز کند.
جیا جیا
این ربات توسط دانشگاه علوم و فناوری چین اختراع شده است. او قادر به مکالمه است ، اما دارای حرکات محدود است. وی طیف گسترده ای از عبارات را در اختیار ندارد اما تیم مخترعین قصد دارند تحولات بعدی ایجاد کند و توانایی های یادگیری را در او ایجاد کند.
جدای از این موارد ، زمینه های بسیار دیگری وجود دارد که در این زمینه مورد مطالعه قرار گرفته و در حال آزمایش هستند. یادگیری عمیق ، محاسبات شناختی در صدر این لیست قرار دارد و با برنامه های کاربردی خود همراه است.
نتیجه گیری: هوش مصنوعی – خوب یا بد؟
همانطور که از بحث فوق مشاهده کردیم ، هدف نهایی هوش مصنوعی ، غلبه تکنولوژیکی است - نقطه ای که فناوری انسان را به دست می گیرد. تصرف AI یک سناریوی فرضی است که در آن هوش مصنوعی به هوش غالب روی زمین تبدیل می شود. بخش خوب این است که این فن آوری های اتوماسیون کارهای خسته کننده ، فریبکارانه و تحقیرآمیز را به دست می گیرند و ما را برای پیگیری مواردی که دوست داریم آزاد می گذارد. به نظر خطرناک است ، اما با انفجار اطلاعاتی و افشای اطلاعاتی آینده ، ماشین آلات آینده ما را هدایت می کنند. ممکن است این سوال برایتان پیش بیاید: آیا باید یادگیری ماشین را محدود کنیم؟ با تمام این پیشرفت های فناوری ، آینده بزرگی را در پیش رو داریم و بشریت رویای نوآوری مجدد جهان را در دست دارد. به زودی هوش مصنوعی یکی از رقابتی ترین مزایا در تجارت خواهد بود و هر سازمان باید برنامه ای داشته باشد ، نه فقط از هوش مصنوعی استفاده کند ، بلکه به طور مداوم در مورد فکر ، سازگاری و نوآوری چگونگی کمک به هوش مصنوعی پیش روند.
 

نظر شما

0 نظر

نظری ثبت نشده است