هوش مصنوعی چیست؟

هوش مصنوعی یا  Artificial intelligence در واقع تکنولوژی است که به نحوی قابلیت تفکر دارد. با تفکر انسانی متفاوت است، اما سعی میکند از آن تقلید کند.

امروزه بدون انکه بدانیم که چقدر در حال استفاده از هوش مصنوعی هستیم، در واقع بیشتر کارهای روزانه خود را با هوش مصنوعی انجام میدهیم و به وجود آن عادت کرده ایم. موقع گشت و گذار در شبکه های اجتماعی، جست و جوی اینترنت و موارد دیگر.

به دلیل اینکه در اینده نزدیک بشر به طور مداوم با هوش مصنوعی سر و کار دارد و درواقع جهان را در دست میگیرد، داشتن اگاهی و اطلاعات کافی در مورد این موضوع خیلی به شما کمک میکند.

پس خواندن این مقاله رو از دست ندهید.

 

 

 

تعریف هوش مصنوعی

دانشمندان هنوز تعریف دقیقی برای هوش مصنوعی پیدا نکرده اند، اما میتوان به شکل زیر دسته بندی کرد:

 

• مانند انسان فکر می‌کند

• منطقی فکر می‌کند

• مانند انسان عمل می‌کند

• منطقی عمل می‌کند

دو مورد اول مربوط به فرآیندهای تفکر و استدلال است، در حالی دو مورد اخر با رفتار سر و کار دارند.

 

 

 

تعریف ساده ای از هوش مصنوعی

هوش مصنوعی یا  artificial intelligence شاخه ای از علوم رایانه است که هدف اصلی آن این است که ماشین های هوشمندی تولید کند که توانایی انجام وظایفی را داشته باشند که به هوش انسانی نیازمندند. هوش مصنوعی در حقیقت نوعی شبیه سازی هوش انسانی برای کامپیوتر است و منظور از هوش مصنوعی در واقع ماشینی است که به گونه ای برنامه نویسی شده که همانند انسان فکر کند و توانایی تقلید از رفتار انسان را داشته باشد. این تعریف می تواند به تمامی ماشین هایی اطلاق شود که بگونه‌ای همانند ذهن انسان عمل می‌کنند و می‌توانند کارهایی مانند حل مسئله و یادگیری داشته باشند.

 

 

اهداف هوش مصنوعی

هدف اصلی این است که هوش مصنوعی بتواند همچون هوش انسانی و طریقه کار آن عمل کند و وظایفی که به آن داده میشود به خوبی انجام دهد.

هدف اصلی هوش مصنوعی:

 

• یادگیری

• استدلال

• درک

 

 

 

 

 

تاریخچه هوش مصنوعی

تاریخچه هوش مصنوعی به سال های جنگ جهانی دوم بر می‌گردد. زمانی که نیروهای آلمانی برای رمز نگاری و ارسال ایمن پیام ها از ماشین enigma استفاده می کردند و دانشمند انگلیسی، آلن تورینگ(Alan Mathison Turing) در تلاش برای شکست این کدها برآمد. تورینگ به همراه تیمش ماشین bombe را ساختند که enigma را رمز گشایی می کرد. هر دو ماشین enigma و bombe پایه های یادگیری ماشینی (machine learning) هستند که یکی از شاخه های هوش مصنوعی یا همان Artificial intelligence می‌باشد. تورینگ ماشینی را هوشمند می‌دانست که مانند انسان فکر، تصمیم گیری و عمل کند.

 

 

ماشین انیگما (Enigma)

رفته رفته با پیشرفت فناوری و سایر سخت افزارهای مورد نیاز برای توسعه هوش مصنوعی، ابزار هوشمند و سرویس‌های هوشمندی به بازار عرضه شدند که از هوش مصنوعی در بسیاری از فرآیندهایشان استفاده می‌کردند. بسیاری از سرویس‌های معروفی همانند موتورهای جستجو، ماهواره‌ها از هوش مصنوعی استفاده می‌کردند. با اومدن گوشی ها و گجت های هوشمند، هوش مصنوعی گام بلندی را برای ورود به زندگی انسان‌های پشت سر گذاشت.

 

 

 

شاخه های هوش مصنوعی:

 

• سیستم خبره (Experts Systems)

• رباتیک (Robotics)

• یادگیری ماشین (Machine Learning)

• شبکه عصبی (Neural Network)

• منطق فاری (Fuzzy Logic)

• پردازش زبان طبیعی (Natural Language Processing)

 

 

 

 

سطوح مختلف هوش مصنوعی

سیستم گسترده هوش مصنوعی با درک دنیای بیرون و ان چیزی که دریافت میکند، میتواند به ان پاسخ دهد و دارای سه سطح میباشد: هوش مصنوعی محدود، عمومی و سوپر هوش مصنوعی. که در ادامه مقاله هر کدام را کامل تر توضیح میدهیم.

 

 

 

انواع هوش مصنوعی

 

 

 

 

 

هوش مصنوعی محدود (artificial narrow intelligence)

 

این نوع هوش مصنوعی نسبت به سایر انها زودتر پدید امده است. رایانه‌هایی که در بازی های پیچیده‌ای مانند شطرنج ، تصمیم گیری هوشمندانه در زمینه تجارت و انواع کارهای مهم دیگر، توانسته‌اند بهتر از انسان عمل کنند، نمونه‌هایی از هوش مصنوعی محدود هستند. زمانی که در مورد هوش مصنوعی محدود صحببت می‌کنیم منظورمان سیستم‌های هوشمندی است که در انجام دادن یک وظیفه (task) به خصوص بهتر از انسان عمل می‌کنند

 برخی از کاربرد‌های هوش مصنوعی محدود عبارتند از:

 

• اتومبیل های خودران که به کمک هوش مصنوعی یاد می‌گیرند که چگونه رانندگی کنند.

• سیستم‌های پردازش تصویر و تشخیص چهره که می‌توانند کارهای بسیاری را انجام دهند و عملیات تشخیص هویت افراد را انجام دهند.

• سیستم‌های هوش مصنوعی که به انجام فرآیندهای مالی در بانک‌ها و سایر کسب و کارهای مالی کمک می‌کند.

• دستیارهای هوشمند که بر اساس نیازهایتان به شما کمک می‌کنند و حتی پروازها و هتل هایتان را از قبل رزرو می‌کنند. و موارد دیگر!

 

 

 

 

هوش مصنوعی عمومی (Artificial General Intelligence)

 

منظور از هوش مصنوعی عمومی ماشینی است که می‌تواند دنیای اطراف خود را همانند یک انسان درک کند و دارای گنجایش مشابه برای انجام فعالیت‌هایی است که یک انسان به طور معمول آن‌ها را انجام می‌دهد. در حال حاضر هوش مصنوعی عمومی وجود ندارد اما رد پای آن را می‌توانیم در داستان های دارای ژانر عملی-تخیلی مشاهده کنیم. از نظر تئوری یک هوش مصنوعی عمومی می‌تواند هم سطح انسان فعالیت کند.

هوش مصنوعی در زندگی بشریت نقش مهمی دارد، با وجود اینکه کارهایی که بر انسان محول شده را میتواند بدون حضور او انجام دهد، در آینده جایگاه بشر را کاملا پر میکند و این شاید کمی هم نگران کننده باشد. به هر حال هر تکنولوژی جنبه های مثبت و منفی دارد. اما نباید از کنار فواید زیاد آن هم گذشت. هوش مصنوعی در خیلی از موارد به کمک بشریت آمده و مشکلاتی را حل کرده است. همانند تغییرات شدید اب و هوایی که به کمک آن حل خواهد شد.

 

 

 

سوپر هوش مصنوعی(Artificial Super Intelligence)

 

سوپر هوش مصنوعی در واقع عبارتی است که برای هوش مصنوعی استفاده می‌شود که سطح هوش و درک انسانی را پشت سر گذاشته و به نوعی دارای هوش فرا بشری خواهد شد. تا به حال هنوز هیچ جامعه‌ای نتوانسته به سوپر هوش مصنوعی دست پیدا کند. در حقیقت زمان رسیدن به آن معلوم نیست. برای رسیدن به این سطح از هوش مصنوعی، یک سیستم هوشمند باید تست تورینگ را پشت سر گذاشته باشد و هیچ ماشینی تا به حال به سطحی از درک و شعور و وسعت دانش یک انسان بالغ نرسیده است که از این تست سر بلند بیرون آمده باشد.

 

 

یک نمونه رایج از هوش مصنوعی که خوب است در مورد آن اطلاعاتی داشته باشید، چت جی پی تی (Chat GPT)  است.

 

 

 

 (چت جی پی تی) Chat GPT چیست؟

 

 

تفاوت هوش مصنوعی محدود و عمومی و سوپر هوش مصنوعی در چیست؟

هوش مصنوعی محدود (ضعیف) جایی است که ما در حال حاضر در آن قرار داریم و هوش مصنوعی عمومی آینده ای است که می‌خواهیم به آن برویم و سوپر هوش مصنوعی آینده‌ای است که برای هوش مصنوعی می‌بینیم که حاصل تکامل و هوشمند شدن هوش مصنوعی است.

 

ایده آل هوش مصنوعی عمومی آن است که بتواند به درک تجربی و شناخت کلی از محیط هایی که در آن قرار می‌گیرد داشته باشد و هم چنین بتواند داده‌ها و اطلاعاتی که به او داده می‌شود را با سرعتی چند برابر انسان پردازش نماید.

 

سوپر هوش مصنوعی همان طور که گفته شد زمانی است که هوش مصنوعی به فراتر از توانایی‌های انسان دست خواهد یافت. این سیستم می‌تواند دارای قدرت‌هایی باشد که یک انسان از داشتن آن محروم است.

 

 

 

 

 

هوش مصنوعی چگونه آموزش می‌بیند؟

 

 

 

 

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 به یک برنامه نویس داشته باشد که به ان یاد دهد. 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.

هدف اصلی یادگیری ماشین این است که به کامپیوتر اجازه بدهیم بدون دخالت و کمک انسان به طور اتوماتیک یادگیری داشته باشند.

 

الگوریتم های بسیار مختلفی برای یادگیری ماشین وجود دارد که بطور 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

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 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.

 

 

دسته بندی سیستم‌های هوش مصنوعی

 

 

 

 

آرنت هینتز، استادیار زیست شناسی تلفیقی و علوم کامپیوتر دانشگاه ایالتی میشیگان، هوش مصنوعی را به چهار دسته کلی تقسیم بندی می کند. این دسته بندی شامل سیستم هایی که امروزه وجود دارند تا سیستم های احساسی که هنوز وجود ندارند را در بر می‌گیرد. این دسته ها به شرح زیر هستند:

 

•  ماشین های انفعالی

نمونه این دسته deep blue است که یک برنامه شطرنج بود که در دهه 1990 توانست گری کاسپاروف، قهرمان شطرنج جهان را شکست دهد.deep blue  می توانست مهره های روی هر خانه شطرنج را شناسایی کند و حرکت های پیش رو را پیش بینی کند. مشکل برنامه آن بود که نمی توانست تجربه های قبلی خود را به یاد بسپارد و از آن برای حرکت های آینده اش استفاده کند. این برنامه هربار تمام حرکت های استراتژیک ممکن خود و رقیب را بررسی و آنالیز می کرد و بهترین آن ها را انتخاب می کرد. این نوع از هوش مصنوعی و برنامه های این چنینی برای هدف های محدودی قابل استفاده هستند و نمی توانند به راحتی در موقعیت های دیگری کاربرد داشته باشند.

 

•  حافظه محدود

این سیستم هوش مصنوعی برعکس قبلی می تواند از تجارب گذشته برای تصمیمات آینده اش استفاده کند. برخی از کارکرد های تصمیم گیری در ماشین های خودران از این نوع طراحی هستند. این نوع ماشین ها از مشاهداتشان برای تصمیماتی که در آینده ای نه چندان دور می خواهند بگیرند استفاده می کنند. مثلا اینکه لاینی که در آن در حال رانندگی هستند را عوض کنند. البته این نوع مشاهدات به صورت همیشگی ذخیره نمی شوند.

 

•  تئوری ذهن

این نوع از هوش مصنوعی هنوز وجود ندارد اما اساس این عبارت روانشناختی به تمامی اعتقادات و دانش ها، آرزوهای هر فرد و  تاثیری که هر کدام از آن ها بر تصمیم گیری یک فرد دارد، برمیگردد. این هوش مصنوعی قادر به درک و آنالیز این نوع از تصمیم گیری ها می باشد.

 

• خود آگاهی

در این دسته سیستم هوش مصنوعی آگاهی از خود و هوشیاری وجود دارد. ماشین های دارای خود آگاهی می توانند بفهمند که در چه سطح و حالتی هستند و از اطلاعاتی که بدست می آورند احساسات دیگران را نتیجه گیری کنند. البته این نوع از هوش مصنوعی نیز هنوز وجود ندارد.

 

 

 کاربردهای هوش مصنوعی در کسب و کارهای مختلف

 

• هوش مصنوعی در حوزه سلامت

مهم ترین نکته در این حوزه، بهبود نتایج بیماران و در عین حال کاهش هزینه است. شرکت های فعال در حوزه سلامت می خواهند با استفاده از یادگیری ماشین، روند تشخیص و درمان را بهتر و سریعتر انجام دهند. یکی از شناخته شده ترین فناوری ها در این زمینه سیستم IBM Watson است. این سیستم زبان طبیعی را درک می کند و قادر به پاسخگویی سوالاتی است که از آن پرسیده می شود. این سیستم تمام اطلاعات مربوط به بیمار از منابع موجود را استخراج می کند تا یک فرضیه ایجاد کند و پس از اطمینان آن را ارائه می دهد. 

 

 

 

 

• هوش مصنوعی در حوزه کسب و کار

برای کارها و فرآیندهای بسیار تکراری که در هر کسب و کار توسط انسان ها انجام می شود، می توان از فرآیندهای اتوماسیون رباتیک استفاده کرد. الگوریتم های یادگیری ماشین می توانند با analytics و CRM ادغام شوند تا با کشف اطلاعات لازم، بهتر به مشتریان خدمت کنند. از چت بات ها نیز می توان برای ارائه خدمات فوری به مشتریان در وب سایت نیز استفاده کرد.

 

 

 

 

 

 

• هوش مصنوعی در حوزه آموزش و پرورش

هوش مصنوعی در این حوزه می تواند به خودکار شدن نمره دهی و درجه بندی دانش آموزان کمک کند و به معلمان زمان بیشتری بدهد. هوش مصنوعی می تواند دانش آموزان را ارزیابی کند و با نیازهای آن ها سازگار باشد و با هر فرد متناسب با سرعت او کار کند. سیستم های مربی هوش مصنوعی می توانند پشتیبانی بیشتری به دانش آموزان ارائه دهند و اطمینان حاصل کنند که روند آموزش آن ها در راه درستی قرار دارد. Artificial intelligence می تواند نحوه یادگیری و مکان یادگیری دانش آموزان را تغییر دهد و حتی برخی از معلمان او را عوض کند.

 

 

 

 

 

 

 

• هوش مصنوعی در حوزه اقتصاد

سیستم های هوش مصنوعی در برنامه های مالی شخصی، مانند Mint یا Turbo Tax، می توانند اطلاعات مالی شخصی هر فرد را جمع آوری کنند و به آن ها مشاوره مالی دهند. از برنامه های دیگر مانند IBM Watson حتی در روند خرید خانه نیز می توان استفاده کرد. امروزه نرم افزارها در وال استریت بخش عظیمی از معاملات را انجام می دهند.

 

 

 

 

 

• هوش مصنوعی در حوزه قانون و قضا

روند کشف اسناد و مدارک غالبا برای انسان ها بسیار سخت است. اتوماسیون و هوش مصنوعی می تواند به این فرآیند کمک کرده و کارآمدتر از زمان استفاده کند. استارتاپ ها در حال ساخت دستیارهای رایانه ای هستند که پرسش و پاسخ ها را غربال می کند و می توانند با بررسی و طبقه بندی و یک بانک اطلاعاتی ، سؤالات برنامه ریزی شده در زمینه هستی شناسی را پاسخ دهد.

 

 

 

 

 

• هوش مصنوعی در حوزه تولید

این زمینه ای است که ربات ها هرچه تمام تر می توانند کار را به گردش دربیاورند. ربات های صنعتی می توانند تک تک وظایف محول شده را به طور کامل انجام دهند و جدا از کارکنان انسانی فعالیت کنند.

 

 

 

 

 

• هوش مصنوعی در برقراری امنیت

از هوش مصنوعی و تکنولوژی پردازش تصویر در برقراری امنیت، ردیابی مجرمان، پیدا کردن هویت خلافکاران و… استفاده می‌شود. این سیستم‌ها قادرند با استفاده از هوش مصنوعی چهره افراد مختلف، موجودیت اشیاء و … را تشخیص دهند و هنگام مشاهده انجام تخلفات یا عملی مجرمانه آن را تشخیص داده و به نهاد مربوطه هشدار دهد.

 

 

 

 

هوش مصنوعی و تفسیر داده‌ها

کلان داده یا بیگ دیتا (Big Data) عبارتی است که برای توصیف مقادیر بزرگی از داده (اعم از داده های ساختار یافته و بدون ساختار) استفاده می‌شود. از کلان داده ها می‌توان برای استخراج اطلاعات مورد نیاز برای تصمیم گیری‌های مهم و حیاتی استفاده کرد و حرکات استراتژیک و حساس را با دقت بیشتری اجرا نمود. یک دانشمند داده به کمک کلان داده‌ها نه تنها قادر به تجزیه و تحلیل نیازهای افراد می‌باشد بلکه از قوانین حاکم بر بازارها و روندهای مختلف نیز اطلاع می‌یابد. تحلیل مقادیر زیادی داده، بدون هیچ گونه سیستم هوشمند و تنها به وسیله انسان امکان پذیر نیست. زیرا هم حجم داده بسیار گسترده است و هم هر روز بر میزان این حجم افزوده می‌شود. بنابراین مشخص است که با استفاده از هوش مصنوعی در تفسیر کلان داده‌ها است که به بسیاری از مفاهیم جدید می‌رسیم که نتیجه‌اش قابلیت متحول کردن بخش عظیمی از جامعه و زندگی انسان‌ها را دارد.

 

چالش‌های هوش مصنوعی

به کارگیری هوش مصنوعی نه تنها در ایران بلکه در بسیاری از کشورهای پیشرفته با چالش‌های متعددی مواجه است. چالش عمده ای که کسب و کارها در به کارگیری هوش مصنوعی با آن سر و کار دارند مربوط به افراد و نیروی انسانی، داده‌ها و اطلاعات مورد نیاز و یا ترجیحات و ترازهای تجاری می باشد. در ادامه هر کدام از این چالش‌ها را به طور مختصر بررسی می‌کنیم.

 

 

چالش‌های مربوط به داده‌ها و اطلاعات

 

 

 

مشکل مربوط به داده ها احتمالا یکی از مسائلی است اکثر شرکت ها با آن درگیر خواهند بود. هر سیستم هوش مصنوعی به اندازه داده‌هایی که به آن داده می‌شود عملکرد خوبی خواهد داشت. در حقیقت داده عنصر اصلی مورد نیاز تمام راه حل‌هایی است که هوش مصنوعی قرار است پیش روی یک کسب و کار قرار دهد. برخی از مشکلات مربوط به داده و جمع آوری آن عبارتند از:

 

• چگونگی کیفیت و کمیت داده ها

• برچسب داده ها

• قابل فهم و شرح بودن

• Case-specific بودن فرآیند آموزش

• جانب داری

• مقابله با خطاهای مدل ها

• چالش‌های مربوط به افراد و نیروهای انسانی

 

دو مشکل عمده در رابطه با افراد برای به کارگیری هوش مصنوعی وجود دارد و این دو مشکل یکی نبود درکی از هوش مصنوعی در بین افراد غیر متخصص و کارمندان یک شرکت است و دیگری کمبود متخصصان هوش مصنوعی در حوزه هر کسب و کار می باشد. به کارگیری هوش مصنوعی در یک کسب و کار تا حد زیادی نیاز به مدیریتی آشنا با هوش مصنوعی و درک آن تکنولوژی دارد. متاسفانه هنوز بسیاری از افراد به هوش مصنوعی به صورت یک افسانه نگاه می‌کنند و انتظارات غیر علمی و تا حدی تخیلی از آن دارند و نمی‌دانند که هوش مصنوعی چه تحولی را می‌تواند در کسب و کار آن‌ها ایجاد کند.

 

چالش‌های درون سازمانی و سیاست‌های درونی هر کسب و کار

در هر کسب و کارو سازمانی برای به کارگیری هوش مصنوعی چند مشکل عمده وجود دارد که ناشی از سیاست‌های داخلی سازمان و تصمیمات درون سازمانی است. این چالش‌ها عبارتند از:

 

• کمبود ترازهای بیزینسی

• دشواری در ارزیابی

• چالش های ادغام کسب و کار و هوش مصنوعی با یکدیگر

• مسائل حقوقی

 

 

جمع بندی مطالب:

 

در آخر شاید جالب باشد بدانید رشته هوش مصنوعی تا چه حد باعث افزایش فرصت‌های شغلی شده است. براساس سایت کاریابیIndeed ، بالاترین دستمزد در حوزه هوش مصنوعی برای مهندسان یادگیری ماشین بوده که دستمزد این مشاغل نسبت به سال 2018 رشد 5.8 درصدی داشته است.

جالب است بدانید، در کشورهای مختلف بازار کار هوش مصنوعی رشد زیادی کرده است. اما در ایران این گرایش نسبت به گرایش های نرم افزار و شبکه ضعیف عمل کرده است. اما در ایران هم پیش بینی میشود، این رشته گسترش پیدا میکند.

در آینده پیشرفته‌ترین ربات‌های انسان نما طراحی می‌شوند که شباهت صد درصدی به انسان ها دارند. آنقدر این شباهت زیاد است که می‌تواند منجر به ازدواج انسان و ربات بشود.

 

امیدواریم با این مقاله توانسته باشیم شما را با اهمیت و ضرورت هوش مصنوعی به خوبی آشنا کنیم. چرا که هوش مصنوعی از آن دسته رشته‌هایی است که بازار کار و درآمد بسیار خوبی دارد..