هوش مصنوعی چیست؟
تیم تولید محتوا
کمتر از یک دهه پس از شکستن رمزگذاری ماشین انیگما نازی ها و کمک به نیروهای متفقین برای پیروزی در جنگ جهانی دوم؛ ریاضیدان، آلن تورینگ
با یک سوال ساده تاریخ را برای بار دوم تغییر داد: "آیا ماشین ها می توانند فکر کنند؟"مقاله تورینگ به نام " ماشین آلات محاسباتی و هوش" در سال 1950
و به دنبال آن تست تورینگ، هدف و چشم انداز اساسی هوش مصنوعی را ایجاد کرد.هوش مصنوعی یا AI شاخه ای از علوم کامپیوتر است که هدف آن
پاسخ مثبت به سوال تورینگ و شبیه سازی هوش انسانی در ماشین ها است.هدف گسترده هوش مصنوعی سوالات و بحث های زیادی را به وجود
آورده است، به حدی که هیچ تعریف واحدی از این رشته به طور کلی پذیرفته نشده است. AI یک علم بین رشته ای با رویکردهای متعدد است.
انواع هوش مصنوعی
در ادامه به بررسی چهار نوع هوش مصنوعی می پردازیم:
-
ماشین واکنشی
ماشین واکنشی از ابتدایی ترین اصول هوش مصنوعی پیروی می‌کند و همانطور که از نامش پیداست، فقط قادر است از هوش خود برای درک و
واکنش به دنیای مقابل خود استفاده کند. یک ماشین واکنشی نمی تواند یک حافظه را شکل دهد و در نتیجه نمی تواند به تجربیات گذشته برای
تصمیم گیری های لحظه ای تکیه کند.درک جهان به طور مستقیم به این معنی است که ماشین های واکنشی تنها برای انجام تعداد محدودی از
وظایف تخصصی طراحی شده اند. با این حال، محدود کردن عمدی یک ماشین واکنشی، معیاری برای کاهش هزینه نیست و در عوض به
این معنی است که این نوع هوش مصنوعی قابل اعتمادتر خواهد بود و هر بار به روش مشابه به محرک های مشابه واکنش نشان می دهد.
یک نمونه معروف از ماشین های راکتیو، Deep Blue است که که توسط IBM در دهه 1990 به عنوان یک ابرکامپیوتر شطرنج باز
طراحی شد و کاسپاروف، استاد بزرگ بین‌المللی شطرنج را در یک بازی شکست داد. دیپ بلو فقط می توانست مهره‌های روی صفحه
شطرنج را شناسایی کند و بداند که هر کدام بر اساس قوانین شطرنج چگونه حرکت می‌کنند، موقعیت فعلی هر مهره را شناسایی کند و
مشخص کند که منطقی ترین حرکت در آن لحظه چه خواهد بود. نمونه دیگری از ماشین های واکنشی مربوط به بازی، AlphaGo
گوگل است. AlphaGo نیز قادر به ارزیابی حرکت‌های آینده نیست؛ اما برای ارزیابی پیشرفت‌های بازی کنونی به شبکه عصبی خود
متکی است و از این جهت نسبت به Deep Blue برتری دارد. AlphaGo همچنین با شکست دادن Lee Sedol، قهرمان بازی
Go در سال 2016 بر رقبای جهانی برتری یافت.
-
حافظه محدود
هوش مصنوعی با حافظه محدود توانایی ذخیره داده‌ها و پیش بینی های قبلی را هنگام جمع آوری اطلاعات و اتخاذ تصمیم‌های بالقوه دارد و اساساً به
دنبال سرنخ‌هایی در گذشته است. هوش مصنوعی حافظه محدود پیچیده تر است و امکانات بیشتری را نسبت به ماشین های واکنشی ارائه می‌دهد.
هنگام استفاده از هوش مصنوعی حافظه محدود در یادگیری ماشین، مراحل زیر باید دنبال شود:
- داده‌های آموزشی باید ایجاد شود.
- مدل یادگیری ماشین باید ایجاد شود.
- مدل باید قادر به پیش‌بینی و دریافت بازخورد انسانی یا محیطی باشد. این بازخورد ها باید به عنوان داده ذخیره شوند.
- این مراحل باید به عنوان یک چرخه، تکرار شوند.
سه مدل اصلی یادگیری ماشینی وجود دارد که از هوش مصنوعی حافظه محدود استفاده می کنند:
یادگیری تقویتی، یاد می گیرد از طریق آزمون و خطای مکرر پیش بینی های بهتری انجام دهد.
حافظه کوتاه مدت، بلند مدت (LSTM)، از داده های گذشته برای پیش بینی مورد بعدی در یک دنباله استفاده می کند.
شبکه‌های متخاصم مولد تکاملی (E-GAN) که در طول زمان تکامل می یابد و رشد می‌کند. این مدل دائماً به دنبال مسیری بهتر است و از
شبیه سازی‌ها، آمار و یا شانس برای پیش‌بینی نتایج در طول چرخه جهش تکاملی خود استفاده می‌کند.
-
تئوری ذهن
تئوری ذهن دقیقاً درحد یک نظریه است. ما هنوز به توانایی های فنی و علمی لازم برای رسیدن به این سطح هوش مصنوعی دست نیافته ایم.
موجودات زنده افکار و احساساتی دارند که بر رفتار فرد تأثیر می‌گذارند. از نظر ماشین‌های هوش مصنوعی، این بدان
معناست که هوش مصنوعی می‌تواند احساس انسان‌ها، حیوانات و سایر ماشین‌ها را درک کند و از این اطلاعات برای
تصمیم گیری خود استفاده کند.
اساساً، ماشین‌ها باید بتوانند مفهوم "ذهن"، تأثیر احساسات در تصمیم گیری و مجموعه ای از مفاهیم روان شناختی دیگر را در لحظه، درک و پردازش کنند و
یک رابطه دو طرفه بین افراد و هوش مصنوعی ایجاد کنند.
-
خودآگاهی
در آینده نزدیک، گام نهایی، خودآگاهی برای هوش مصنوعی خواهد بود. این نوع هوش مصنوعی دارای آگاهی در سطح انسانی است و وجود خود در
جهان و همچنین حضور و وضعیت عاطفی دیگران را درک می کند و می تواند بفهمد که دیگران به چه چیزهایی ممکن است نیاز داشته باشند.
هوش مصنوعی چگونه استفاده می شود؟
جرمی آچین، مدیر عامل DataRobot در سال 2017 در نمایشگاه هوش مصنوعی ژاپن؛ سخنرانی خود را با ارائه تعریف زیر در مورد نحوه استفاده از هوش مصنوعی آغاز کرد:
هوش مصنوعی یک سیستم کامپیوتری می باشد که قادر به انجام وظایفی است که معمولاً به هوش انسانی نیاز دارند.
بسیاری از این سیستم های هوش مصنوعی با یادگیری ماشینی، برخی از آنها با یادگیری عمیق و برخی از آنها با
موارد بسیار خسته کننده مانند قوانین قدرت می گیرند.
AI به دو دسته کلی تقسیم می گردد:
-
هوش مصنوعی ضعیف
گاهی اوقات به عنوان هوش مصنوعی محدود نیز شناخته می شود. این نوع AI در یک زمینه محدود عمل می کند و شبیه سازی هوش انسانی است.
هوش مصنوعی ضعیف اغلب بر انجام یک کار واحد متمرکز است. هوش مصنوعی ضعیف در اطراف ما وجود دارد.
چند نمونه از هوش مصنوعی ضعیف عبارتند از:
- جستجوی گوگل
- نرم افزار تشخیص تصویر
- Siri، الکسا و دستیاران شخصی دیگر
- ماشین های خودران
-
هوش مصنوعی عمومی AGI
AGI، الهام بخش داستان‌های علمی تخیلی هستند که در آن روبات‌های فوق هوشمند بر بشریت غلبه می‌کنند.
AGI که گاهی به آن "هوش مصنوعی قوی" نیز گفته می شود، نوعی هوش مصنوعی است که در فیلم ها می بینیم، مانند روبات های .Westworld AGI
یک ماشین با هوش عمومی است و مانند یک انسان، می تواند از این هوش برای حل هر مشکلی استفاده نماید.
جمع بندی
در این مقاله در مورد مفهوم هوش مصنوعی، انواع آن، همچنین مدل های اصلی یادگیری ماشینی همچون یادگیری تقویتی، LSTM و E-GAN توضیحاتی
ارائه شد. در انتهای مقاله هوش مصنوعی ضعیف یا Narrow AI و نمونه های آن و هوش مصنوعی قوی یا AGI را مورد بررسی قرار دادیم.
امیدواریم این مقاله برایتان مفید واقع شده باشد. اگر سوالی دارید که در این مقاله پاسخش را پیدا نکردید، در قسمت کامنت ها سوال خود را مطرح کنید
کارشناسان ما در کمتر از چند دقیقه به سوالات پاسخ خواهند داد.
این مقاله را با دوستان خود به اشتراک بگذارید.
موفق باشید.
