هوش مصنوعی چیست؟ آیا ربات‌ها همان هوش مصنوعی هستند که همه در موردشان صحبت می‌کنند؟ هوش مصنوعی چه کارهایی را انجام می‌دهد؟ آیا آینده نسل بشر در خطر است؟ هوش مصنوعی چگونه فکر می‌کند؟ روزی می‌رسد که هوش ماشینی علاوه بر اینکه به ما پیشنهاد می‌کند چه آهنگی گوش کنیم یا چه رنگ لباسی به پوستمان می‌آید، به‌جای پزشک و قاضی و پلیس هم تصمیم‌گیری خواهد کرد.
هوش مصنوعی چیست؟
هوش مصنوعی به انگلیسی Artificial intelligence که به طور مخفف آن را AI نیز می‌نامند، در واقع تکنولوژی است که به نحوی قابلیت تفکر دارد. میتوان آن را این‌گونه تعریف کرد: هوش مصنوعی یک اصطلاح اشتراکی برای سیستم‌های کامپیوتری است که می‌توانند محیط خود را حس کرده، فکر کنند و در واکنش به آنچه حس می‌کنند، عمل کنند. شکل‌های مورد استفاده از هوش مصنوعی شامل دستیاران دیجیتال، پرسش و پاسخ‌های عمیق، بینایی ماشین و مانند این‌ها است.
هوش مصنوعی یکی از موضوعات جذاب علم کامپیوتر است. به طور کلی هوش مصنوعی یکی از قدیمی‌ترین دستاوردهای نسل بشر است که امروزه نقش بسیار مهمی را در زندگی ما ایفا می‌کند. در مجموع اصطلاح هوش مصنوعی زمانی به کار می‌رود که ما بخواهیم ماشین یا کامپیوترهایی را توصیف کنیم که با تقلید از هوش انسان رفتار هوشمندانه‌ای از خود نشان می‌دهند. هوش مصنوعی به گونه‌ای برنامه‌ریزی و طراحی شده که با هر بار استفاده قوی‌تر و قدرتمندتر می‌شود امروزه دیگر فقط هوش مصنوعی به تشخیص چهره کاراکترها ختم نمی شود، بلکه وظایف پیچیده‌تر و پیشرفته‌تری را برعهده دارد. در دوره‌های مبحث هوش مصنوعی مکتبخونه در رابطه با این علم، اطلاعات بیشتری را می توانید کسب کنید و به نحوی متخصص هوش مصنوعی شوید.
انتخاب شغل در عصر هوش مصنوعی
به‌طور حتم در سال‌های آینده، هوش مصنوعی قطعا نقش فعال‌تری در زندگی روزمره‌ی ما بازی خواهد کرد. هوش مصنوعی نمی‌تواند خانه بسازد، مشکل لوله‌کشی را برطرف کند، مو‌های شما را کوتاه کند یا چراغ‌های روشنایی عابر پیاده را تعمیر کند.کارشناسان هوش مصنوعی به جوانان هم توصیه می‌کنند که حواسشان باشد روی چه حوزه‌ی شغلی زمان می‌گذارند و هزینه می‌کنند. برای مثال، آن‌ها هشدار می‌دهند که سرمایه‌گذاری صرف روی یادگیری کدنویسی در حال حاضر، ممکن است مانند این باشد که در سال‌های منتهی به ساخته شدن کامپیوترها، روی ماشین‌های تحریر قدیمی سرمایه‌گذاری کرده باشید.
اهداف هوش مصنوعی
اساس هوش مصنوعی آن است که هوش انسان و طریق کار آن به‌گونه‌ای تعریف شود که یک ماشین بتواند آن را به راحتی اجرا کند و وظایفی که بر آن محول می‌شود را به درستی اجرا کند. هدف آن در حقیقت بر سه پایه استوار است:
- یادگیری
- استدلال
- درک
هوش مصنوعی (AI) شاخه گسترده ای از علوم رایانه است که مربوط به ساخت ماشین های هوشمند با توانایی انجام وظایفی است که معمولاً به هوش انسان نیاز دارند. هوش مصنوعی یک علم میان رشته ای با چندین رویکرد است ، اما پیشرفت در یادگیری ماشین و یادگیری عمیق باعث ایجاد تغییر الگوی تقریباً در هر بخش از صنعت فناوری می شود.
3 سطح هوش مصنوعی
1- هوش ماشینی محدود یا ضعیف |weak Artificial Intelligence
به سیستم‌هایی اشاره دارد که برای انجام دادن کاری خاص و محدود طراحی شده‌اند. این نوع از AI را می‌توانیم در برخی از نرم‌افزاهایی که روزانه استفاده می‌کنیم ببینیم. مثلاً نرم‌افزاهای پیش‌بینی وضعیت آب‌وهوا یا نرم‌افزار بازی شطرنج. ضعیف بر مجموعه‌داده‌ای خاص و مشخص متکی است، به همین خاطر نمی‌توان از آن برای وظایف دیگری خارج از همان مجموعه‌داده استفاده کرد.
هوش مصنوعی ضعیف، برخلاف قوی، با اینکه در نگاه اول پیچیده به نظر می‌رسد، خودآگاه نیست و در شرایطی از پیش تعیین‌شده عمل می‌کند.
همه‌ی ماشین‌های هوشمندی که امروز ما به نوعی از آن‌ها استفاده می‌کنیم در همین نوع AI قرار می‌گیرند Google Assistant ،Google Translate, Siri و دیگر ابزارهای متکی به پردازش زبان طبیعی مثال‌هایی از AI ضعیف‌اند. شاید به‌زعم بسیاری ابزارهایی که نام بردیم چندان هم «ضعیف» نباشند، اما دلیل «ضعیف» نامیدن این ابزارها این است که راه بسیاری دارند تا از هوشی شبیه به هوش انسانی برخوردار شوند. به عبارت دقیق‌تر، این ابزارها نمی‌توانند به‌صورت خودبسنده و مستقل بیندیشند.
بااین‌حال، هیچ‌یک از چیزهایی که گفتیم به معنای کم‌ارزش بودن فناوری Ai ضعیف نیست. این بخش از AI نمودی است از خلاقیت و هوش ما انسان‌ها.
2- هوش مصنوعی قوی | Strong Artificial Intelligence
برخلاف هوش مصنوعی ضعیف، این نوع از AI محدود به وظیفه‌ی خاصی نیست و از پس طیف وسیعی از کارها برمی‌آید. در واقع، هوش مصنوعی قوی به ماشین‌هایی اشاره دارد که نوعی از هوش انسانی را میتوان در آن‌ها دید. به عبارت دیگر، AI قوی از پس هر کاری که انسان‌ها انجام می‌دهند برمی‌آید. نمونه‌های کامل از این ماشین‌ها را میتوان در فیلم‌ها و رمان‌های علمی-تخیلی دید؛ آن‌جا که ربات‌ها بی‌هیچ نیازی به انسان کارهای خود را انجام می‌دهند. این ربات‌ها آگاهی دارند و احساسات را نیز درک می‌کنند.
3- فراهوش مصنوعی | Superintelligence
به ماشین‌های اشاره دارد که از سطح هوش انسانی گذشته‌اند و دیگر محدودیت‌های هوش انسانی را ندارند. این گونه از AI، شاید همانی باشد که بسیاری را نگران آینده‌ی استفاده از این فناوری‌ها کرده است.
هوش مصنوعی جه کاربردهایی دارد؟
کاربرد‌ها در زندگی
امروزه نیز میتوان کاربردهای هوش مصنوعی را در زندگی روزمره مشاهده کرد. برای مثال برخی از چراغ‌های راهنمایی رانندگی هوشمند با محاسبه زمان مورد نیاز برای توقف خودرو‌ها در پشت چراغ قرمز از هوش مصنوعی استفاده می‌کنند. غلط یاب گوشی‌های هوشمند کلماتی را که نادرست نوشته شده‌اند را شناسایی و آن را با کلمه‌ی درست جایگذاری می‌کنند. آن‌ها شیوه نگارش شما را یاد می‌گیرند و کلماتی مناسب را برای تکمیل جمله ارائه می دهند. دستیار‌های صوتی گوگل (Google Now) ، اپل (Siri) و مایکروسافت (Cortana) به سوالات و درخواست‌های شما پاسخ می‌دهند و در هنگام رانندگی تنها با گوش سپردن به سخنان شما؛ برای دوستانتان پیامک می نگارد و ارسال می‌کند . همچنین با شناختی که از شما دارند (مانند سلیقه) به بررسی رستوران‌های نزدیک مورد علاقه شمامی‌پردازند و بهترین رستوران را پیشنهاد می‌دهند.
همچنین برخی از موتور‌های جستجوگر مانند گوگل شیوه جستجو نمودن شما را یاد می‌گیرند و متناسب با آنچه که به دنبال آن می‌گردید، نتایج را سفارش سازی می‌کنند. به تبلیغات هوشمند گوگل نیز میتوان اشاره کرد: کافی است یک اپلیکیشن را از فروشگاه اپلیکیشن گوگل (Google Play) دانلود و یا فیلمی را از یوتیوب نگاه کنید تا تبلیغات مرتبط با آن‌ها را در سایت‌هایی که از کد‌های تبلیغاتی گوگل استفاده می‌کنند مشاهده کنید. اپلیکیشن و سایت فیسبوک را نیز میتوان به عنوان یکی از سایت‌هایی نام برد که با استفاده از هوش مصنوعی، تبلیغات خود را برای کاربران هدفمند نموده و باعث شده است تا سودی چند برابر به دست آورد.
از دیگر کاربردهای هوش مصنوعی میتوان تطابق دادن اثر انگشت‌ها یا چهره‌ها برای باز نمودن قفل امنیتی گوشی‌های هوشمند را نام برد.
کاربردهای دیگر…
در حال حاضر نرم افزار‌هایی با استفاده از یادگیری ماشینی ساخته شده‌اند که قادر به تشخیص و توصیف اجسام درون تصویر و تشخیص حالات (احساسات) از روی صورت هستند. شرکت‌های بزرگی مانند گوگل و مایکروسافت نیز اقدام‌هایی در مورد توسعه‌ی پروژه‌هایی مانند سیستم تشخیص اجسام درون تصویر نیز انجام داده‌اند؛ اما تا به حال آن را برای استفاده عموم منتشر نکرده اند. از معروف‌ترین پروژه‌های بینایی ماشین با قابلیت تشخیص اشیاء، میتوان پروژه‌ی Image Identification شرکت Wolfram را نام برد که برای استفاده عموم به صورت آنلاین منتشر شده است.
هوش مصنوعی چگونه آموزش می‌بیند؟
امروزه سیستم‌های هوش مصنوعی به کمک یادگیری ماشین و یادگیری عمیق هوشمند می‌شوند و می‌توانند یاد بیرند و آموزش ببینند. در ادامه هر کدام را معرفی می‌کنیم.
یادگیری ماشین
یادگیری ماشین (Machine Learning) یکی از زیر مجموعه های هوش مصنوعی است که به سیستم ها این امکان را می دهد تا به صورت خودکار یادگیری و پیشرفت داشته باشند بدون اینکه نیاز باید تا یک برنامه نویسی مخصوص به آن یادگیری خاص را انجام داد. تمرکز اصلی یادگیری ماشینی بر توسعه برنامه‌هایی است که بتوانند با دسترسی به داده‌ها، به طور خودکار از آن‌ها برای یادگیری خود سیستم استفاده کنند.
در یادگیری ماشین فرآیند یادگیری با مشاهدات یا داده ها آغاز می شود و سیستم از مثال ها، تجارب مستقیم و یا دستور العمل ها و.. استفاده می‌کند تا به یک الگو مشخص برسد و بر اساس آن الگو شروع به تصمیم گیری و حل مسئله کند. هدف اصلی یادگیری ماشین آن است که به کامپیوتر اجازه بدهیم که بدون دخالت و کمک انسان به طور اتوماتیک یادگیری داشته باشند و بتواند بر اساس مشاهدات و داده‌ها رفتار خود را تنیم کند.
الگوریتم های بسیار مختلفی برای یادگیری ماشین وجود دارد و هر روزه صدها الگوریتم جدید نیز در این زمینه تولید می‌شوند. به طور معمول این الگوریتم‌ها به وسیله سبک یادگیری (learning style) (مانند یادگیری نظارت شده، یادگیری بدون نظارت، یادگیری نیمه نظارت) و یا با توجه به شباهتشان در فرم و عملکرد ( مانند طبقه بندی، برگشت، درخت تصمیم گیری، دسته کردن، یادگیری عمیق و…) گروه بندی می شوند. صرف نظر از هر دو گروه‌بندی، تمام الگوریتم های یادگیری ماشین معمولا در زمینه‌های زیر فعالیت می‌کنند:
- نمایش: مجموعه ای از طبقه بندی کننده ها یا زبانی که کامیوتر آن را می فهمد.
- ارزشیابی: همچنین معروف به عملکرد هدف/نمره دهی.
- بهینه سازی: روش جست و جو؛ اغلب طبقه بندی کننده ای با بالاترین امتیاز.
هدف اساسی الگوریتم‌های یادگیری ماشین تفسیر موفقیت آمیز داده‌ها و تعمیم یادگیری‌ها به فراتر از نمونه‌های آموزش داده شده است.
یادگیری عمیق
یادگیری عمیق نوعی از یادگیری ماشین و هوش مصنوعی است که در واقع از روشی که ذهن انسان برای یادگیری موضوع خاصی به کار می‌گیرد، تقلید می‌کند. این نوع از یادگیری یکی از عناصر مهم در علم داده می‌باشد که شامل آمار و مدل سازی پیش بینی است. یادگیری عمیق برای دانشمندان داده که وظیفه جمع آوری ، تجزیه و تحلیل و تفسیر مقادیر زیادی از داده ها را دارند، بسیار کاربردی است و روند تحلیل و تفسیر داده‌ها را سریعتر و آسان تر می کند.
به نوعی می توان گفت یادگیری عمیق در واقع همان یادگیری ماشین است به گونه ای که در سطح کارهای پیچیده، نمایش یا انتزاع، عمل یادگیری را برای یک سیستم هوش مصنوعی انجام می‌دهد و به این صورت ماشین درک بهتری از واقعیت های وجودی پیدا می‌کند و می تواند الگوهای مختلف را شناسایی کند. در ساده ترین سطح، یادگیری عمیق را می توان راهی برای خودکار سازی تجزیه و تحلیل پیش بینی‌ها دانست.
برای شناسایی نحوه کار کرد یادگیری عمیق باید با شبکه‌های عصبی آشنا باشید. این نوع از یادگیری در واقع همانند یادگیری به وسیله شبکه‌های عصبی هستند که دارای لایه پنهان زیادی می‌باشند و هر چقدر در این لایه ها جلو تر بروید به مدل های پیچیده‌تر و کامل‌تری می‌رسید.