هوش مصنوعی چیست؟

در سالهای اخیر هوش مصنوعی (Artificial Intelligence) به یکی از گفتمان های مسلط تبدیل شده و بسیاری تولیدکنندگان محصولات و خدمات پیشرفته تلاش دارند هوش مصنوعی را در فرآورده های خود بکار گیرند. در بیشتر موارد تنها به یکی از اجزای هوش مصنوعی مانند یادگیری ماشینی اشاره می شود لیکن هوش مصنوعی (AI) نیاز به بنیانی از سخت افزار و نرم افزار تخصصی برای نوشتن الگوریتم های یادگیری ماشینی دارد. زبانهای برنامه نویسی مانند پایتون، R و جاوا برای تولید الگوریتم های AI بسیار متداول هستند.

بطور کلی سیستم های AI با درآشامیدن مقادیر عظیمی داده های برچسب دار یادگیری، تحلیل داده ها برای یافتن روابط و الگوها و استفاده از این الگوها برای پیش بینی وضعیت آینده هستند. بدین روش به یک روبات گفتگو (chatbot) مثالهایی از گفتگوهای متنی خورانده می شود تا بتواند مبادلات کلامی زنده با افراد واقعی انجام دهد، یا یک ابزار تشخیص تصویر با استفاده از هوش مصنوعی و بازبینی میلیونها مثال موجود، می تواند اشیای موجود در تصاویر را شناسایی و توصیف کند.

برنامه نویسی AI بر سه مهارت تشخیصی متمرکز است: یادگیری، استدلال و خوداصلاحی.

فرایندهای یادگیری. این جنبه از برنامه نویسی AI بر تحصیل داده و ایجاد قواعدی برای نحوه تبدیل داده به اطلاعات عملی تمکز دارد. این قواعد که الگوریتم نامیده می شوند، ابزارهایی محاسباتی شامل دستورالعمل هایی برای تعیین نحوه تکمیل یک وظیفه خاص فراهم می نمایند.

فرایندهای استدلال. این جنبه از برنامه نویسی AI به انتخاب الگوریتم درست برای رسیدن به یک نتیجه مطلوب اختصاص دارد.

فرایندهای خوداصلاحی. این جنبه از برنامه نویسی AI برای بهبود پیوسته الگوریتم ها و تضمین اینکه آنها درست ترین نتایج ممکن را فراهم می کنند، طراحی شده است.

اهمیت هوش مصنوعی

هوش مصنوعی از آن جهت مهم است که به شرکتها بینش هایی در مورد عملیات خود می دهد که ممکن است پیشاپیش از آن آگاه نباشند و به این علت که در برخی حالات AI می تواند کارها را بهتر از انسانها انجام دهد. بویژه در مورد کارهای تکراری که جزئیات آنها باید به دقت رعایت شود، مانند تحلیل تعداد زیادی از اسناد حقوقی برای تضمین اینکه به درستی پر شده اند. ابزارهای AI می توانند کارها را سریع و با تعداد اندکی خطا به انجام رسانند.

این ویژگی های AI موجب رشد انفجاری کارایی شده و فرصت های جدیدی را برای شرکتهای تجاری فراهم آورده است. پیش از موج نوین AI، تصور اینکه با استفاده از نرم افزارهای کامپیوتری بتوانند ارتباط متقابلی میان مسافران و تاکسی ها فراهم کنند دشوار بود اما هم اکنون شرکت اوبر یکی از بزرگترین شرکتها در استفاده از هوش مصنوعی برای این منظور شده است. این شرکت از الگوریتم یادگیری ماشینی پیشرفته برای پیش بینی زمان نیاز یافتن افراد به تاکسی در مناطق مختلف استفاده می کند که کمک مهمی برای رساندن رانندگان به خیابانها پیش از اعلام نیاز مسافران است. به عنوان مثالی دیگر، گوگل به یکی از بزرگترین بازیگران در گستره خدمات آنلاین با استفاده از یادگیری ماشینی تبدیل شده است و در این راه از یادگیری ماشینی برای درک نحوه استفاده افراد از خدمات آنها برای ارتقای این خدمات استفاده می کند. در سال 2017 رییس اجرایی شرکت سوندار پیچای، اعلام کرد که گوگل به عنوان یک شرکتی که هوش مصنوعی را مقدم بر همه فرایندهای می داند، فعالیت خواهد کرد.

مزایا و معایب هوش مصنوعی

شبکه های عصبی مصنوعی و فناوری های هوش مصنوعی ژرف بسرعت در حال تکامل هستند زیرا AI حجم عظیمی از داده ها را بسیار سریعتر پردازش کرده و پیش بینی هایی درست تر از توان بالقوه انسانها تدارک می‌نماید. یک عیب عمده AI هزینه سنگین ایجاد الگوریتم های آن برای پردازش حجم عظیم داده است. هم چنین نیروی کار زبده در بخش AI هنوز به فراوانی وجود ندارد.

چهار نوع اصلی هوش مصنوعی

آرند هینتز (Arend Hintze) استادیار علوم و مهندسی کامپیوتر در دانشگاه ایالتی میشیگان در مقاله ای به سال 2016 هوش مصنوعی را به چهار نوع رده بندی کرد که از سیستم های هوشمند وظیفه محور که امروزه بطور وسیع از آنها استفاده می شود آغاز شده و به سیستم های دارای احساس و ادراک ختم می شود که هنوز ابداع نشده اند. این رده بندی به شرح زیر است:

نوع 1: ماشین های واکنشی (Reactive machines). این سیستم های هوشمند دارای حافظه نیستند و وظیفه محور می باشند. یک مثال از این نوع Deep Blue است، برنامه شطرنج IBM که گری کاسپارف قهرمان دنیا را در دهه 1990 شکست داد. این برنامه کامپیوتری آرایش فعلی صفحه شطرنج را شناسایی کرده و حرکات بعدی را پیش بینی می کرد، اما دارای حافظه نبود و نمی توانست از تجارب قبلی برای حرکات بعدی خود استفاده نماید.

نوع 2: حافظه محدود. این سیستم های AI دارای حافظه هستند و در نتیجه می توانند از تجارب قبلی برای تصمیمات آگاهانه در آینده استفاده کنند. برخی کارکردهای تصمیم سازی در خودروهای بدون راننده به این روش طراحی شده اند.

نوع 3. نظریه ذهن. نظریه ذهن یک اصطلاح روانشناسی است. وقتی در حوزه AI بکار می رود، به این معنا است که که سیستم دارای هوش اجتماعی برای درک احساسات است. این نوع AI قادر خواهد بود مقاصد انسان را استنتاج کرده و رفتار آنها را پیش بینی کند. این امر مهارتی ضروری برای سیستم های AI در جهت تبدیل شدن به اعضای پیوسته ای از گروه های انسانی است.

نوع 4: خودآگاهی. در این رده سیستم های AI از وجود خود آگاه هستند که به آنها قابلیت هوشیاری می‌دهد. ماشین های دارای خودآگاهی وضعیت جاری خود را درک می کنند. این نوع AI هنوز ابداع نشده است.

مثالهایی از فناوری AI امروزین

·        خودکارسازی. وقتی خودکارسازی با هوش مصنوعی ترکیب شود، خواهد توانست حجم و نوع کارهیا قابل انجام را گسترش دهد. یک مثال در این رابطه خودکارسازی روباتیک فرایند است، نوعی نرم افزار که کارهای پردازش داده تکراری و قاعده محور را بطور خودکار در می آورد. این فناوری در ترکیب با یادگیری ماشینی و ابزارهای نوظهور هوش مصنوعی می تواند کارهای پیچیده تری در یک شرکت را بطور خودکار درآورده و به تغییرات فرایندی پاسخ دهد.

·        یادگیری ماشینی. یادگیری ماشینی، دانشی است که به کمک آن کامپیوتر می تواند بدون برنامه نویسی عمل کند. یادگیری ژرف زیرمجموعه ای از یادگیری ماشینی است که به بیان ساده خودکارسازی تحلیل مبتنی بر پیش بینی است.

·        دید ماشینی. این فناوری به ماشین توانایی دیدن می دهد. دید ماشینی اطلاعات بصری را با استفاده از یک دوربین کسب و تحلیل کرده و تبئیل آنالوگ به دیجیتال و پردازش سیگنل دیجیتال را انجام می‌دهد. این فناوری اغلب با چشم انسانی مقایسه می شود اما دید ماشینی به زیست شناسی محدود نمی شود و می تواند برای مثال جهت دیدن از درون یک دیوار برنامه ریزی شود. برای مثال در کاربردهایی مانند شناسایی امضا یا تحلیل تصاویر پزشکی بکار می رود.

·        پردازش زبان طبیعی. این فناوری عبارت از پردازش زبان انسانی با یک برنامه کامپیوتری است. یکی از قدیمی ترین نمونه های این فناوری شناسایی هرزنامه ها (spam) است که به خط موضوع و متن ایمیل نگریسته و در مورد هرزنامه بودن آن تصمیم گیری می کند. جدیدترین رویکردهای این فناوری مبتنی بر یادگیری ماشینی است. وظایف این فناوری عبارت است از ترجمه متن، تحلیل احساسی و تشخیص گفتار.

·        روباتیک. این حوزه مهندسی بر طراحی و ساخت روباتها تمرکز دارد. از روباتها اغلب برای کارهایی استفاده می شود که انجام آنها برای انسانها دشوار است. برای مثال روباتها در خطوط مونتاژ برای تولید خودرو یا توسط ناسا برای جابجا ساختن اشای بزرگ در فضا استفاده می شود.

·        خودروهای بدون راننده. خودروهای خودران از ترکیبی از دید کامپیوتری، تشخیص تصویر و یادگیری ژرف بای ایجاد مهارت خودکار در راندن یک وسیله نقلیه بر سطح جاده جهت ماندن آن در باند حرکتی و اجتناب از موانع استفاده می کنند.

منبع:

https://www.techtarget.com/searchenterpriseai/definition/AI-Artificial-Intelligence