هوش مصنوعی (artificial intelligence) شبیه سازی فرآیندهای هوش انسانی توسط ماشین ها به ویژه سیستم های کامپیوتری است. کاربردهای خاص هوش مصنوعی شامل سیستم های خبره، پردازش زبان طبیعی، تشخیص گفتار و بینایی ماشین است.

 

هوش مصنوعی چگونه کار می کند؟

از آنجایی که هیاهو در مورد هوش مصنوعی شتاب گرفته است، فروشندگان در تلاش برای تبلیغ نحوه استفاده محصولات و خدماتشان از هوش مصنوعی هستند. اغلب آنچه آنها به عنوان هوش مصنوعی یا AI از آن یاد می کنند، به سادگی یکی از اجزای هوش مصنوعی است، مانند یادگیری ماشین.

هوش مصنوعی به پایه ای از سخت افزار و نرم افزار تخصصی برای نوشتن و آموزش الگوریتم های یادگیری ماشین نیاز دارد. هیچ زبان برنامه نویسی مترادف با هوش مصنوعی نیست، اما تعدادی از زبانهای برنامه نویسی برای پیاده سازی هوش مصنوعی محبوب هستند مانند: پایتون، R و جاوا.

به طور کلی، سیستم‌های هوش مصنوعی با دریافت مقادیر زیادی از داده‌های آموزشی برچسب‌گذاری شده، اقدام به تجزیه و تحلیل داده‌های اصلی بر پایه داده های برچسب گذاری شده می نمایند تا همبستگی‌ها و الگوها را شناسایی کرده و از این الگوها برای پیش‌بینی وضعیت‌های آینده استفاده می‌کنند. به این ترتیب، یک ربات چت که از نمونه‌هایی از چت‌های متنی تغذیه می‌شود، می‌تواند یاد بگیرد که تبادلات واقعی با افراد ایجاد کند، یا یک ابزار تشخیص تصویر می‌تواند با مرور میلیون‌ها مثال، شناسایی و توصیف اشیاء در تصاویر را بیاموزد.

برنامه نویسی هوش مصنوعی بر سه مهارت شناختی تمرکز دارد:

• یادگیری
• استدلال
• اصلاح خود

فرآیندهای یادگیری: این جنبه از برنامه نویسی هوش مصنوعی بر به دست آوردن داده ها و ایجاد قوانینی برای چگونگی تبدیل داده ها به اطلاعات عملی متمرکز است.
قوانین، که الگوریتم نامیده می شوند، دستورالعمل های گام به گام را برای دستگاه های محاسباتی با هدف ارائه روشی برای تکمیل یک کار خاص ارائه می دهند.

فرآیندهای استدلال: این جنبه از برنامه نویسی هوش مصنوعی بر انتخاب الگوریتم مناسب برای رسیدن به یک نتیجه دلخواه متمرکز است.

فرآیندهای خود اصلاحی: این جنبه از برنامه نویسی هوش مصنوعی برای تنظیم مداوم الگوریتم ها و اطمینان از ارائه دقیق ترین نتایج ممکن طراحی شده است.

 

چرا هوش مصنوعی مهم است؟

هوش مصنوعی به این دلیل اهمیت دارد که می تواند بینش هایی را در مورد عملکرد شرکت ها به آنها بدهد که قبلاً از آن آگاه نبوده باشند. همچنین در برخی موارد، هوش مصنوعی می تواند وظایف را بهتر از انسان ها انجام دهد؛ به ویژه هنگامی که صحبت از کارهای تکراری و جزئیات محور می شود، مانند تجزیه و تحلیل تعداد زیادی از اسناد قانونی برای اطمینان از پر شدن صحیح فیلدهای مربوطه و ابزارهای هوش مصنوعی که اغلب کارها را به سرعت و با خطاهای نسبتاً کمی تکمیل می کنند.

این قابلیت ها به گسترش بسیار چشمگیر در کارایی کمک کرده و دری را برای فرصت‌های کسب و کاری کاملاً جدید برای برخی از شرکت‌های بزرگتر باز کرده است. قبل از موج فعلی هوش مصنوعی، تصور استفاده از نرم افزارهای کامپیوتری برای اتصال مسافران به تاکسی ها سخت بود، اما امروزه اوبر با انجام این کار به یکی از بزرگترین شرکت های جهان تبدیل شده است.

این برنامه از الگوریتم‌های یادگیری ماشینی پیچیده برای پیش‌بینی اینکه چه زمانی افراد احتمالاً در مناطق خاصی نیاز به سواری دارند، استفاده می‌کند، تا به رانندگان کمک کند پیش از نیاز به آنها، به طور فعال در مناطق مورد نظر حضور داشته باشند. به عنوان مثالی دیگر، گوگل با استفاده از یادگیری ماشین برای درک نحوه استفاده مردم از خدمات و سپس بهبود آنها، به یکی از بزرگترین بازیگران AI برای طیف وسیعی از خدمات آنلاین تبدیل شده است. در سال 2017، ساندار پیچای مدیرعامل این شرکت، اعلام کرد که گوگل به عنوان یک شرکت “first AI” فعالیت خواهد کرد.

بزرگ‌ترین و موفق‌ترین شرکت‌های امروزی از هوش مصنوعی برای بهبود عملکرد خود و کسب مزیت نسبت به رقبای خود استفاده کرده‌اند.

 

مزایا و معایب هوش مصنوعی چیست؟

شبکه‌های عصبی مصنوعی و فناوری‌های هوش مصنوعی یادگیری عمیق به سرعت در حال تکامل هستند و مهمترین دلیل قدرت هوش مصنوعی در پردازش مقادیر زیادی از داده‌ها با سرعت بسیار بالاست و از سوی دیگر پیش‌بینی‌های انجام شده توسط هوش مصنوعی بسیار دقیق‌تر از آن چیزی است که انسان می تواند انجام ‌دهد.

در حالی که حجم عظیمی از داده‌هایی که به صورت روزانه ایجاد می‌شوند، یک محقق انسانی را سردرگم می‌کنند، برنامه‌های کاربردی هوش مصنوعی که از یادگیری ماشین استفاده می‌کنند می‌توانند آن داده‌ها را دریافت نمایند و به سرعت آن‌ها را به اطلاعات کاربردی تبدیل کنند.

 

مزایای هوش مصنوعی

• در مشاغل مرتبط با جزئیات خوب است.
• کاهش زمان برای کارهای سنگین داده محور.
• نتایج ثابتی را ارائه می دهد.
• عوامل مجازی مبتنی بر هوش مصنوعی همیشه در دسترس هستند.

 

معایب هوش مصنوعی

• گران است.
• به تخصص فنی عمیق نیاز دارد.
• تعداد محدود متخصصین واجد شرایط برای ساخت ابزارهای هوش مصنوعی.
• فقط می داند چه چیزی نشان داده شده است.
• عدم توانایی تعمیم از یک کار به کار دیگر.

 

هوش مصنوعی قوی در مقابل هوش مصنوعی ضعیف

هوش مصنوعی را می توان به دو دسته ضعیف یا قوی طبقه بندی کرد.

هوش مصنوعی ضعیف: یک سیستم هوش مصنوعی است که برای انجام یک کار خاص طراحی و آموزش داده شده است. ربات های صنعتی و دستیاران شخصی مجازی مانند سیری اپل (Apple’s Siri) از هوش مصنوعی ضعیف استفاده می کنند.

هوش مصنوعی قوی: که به عنوان هوش مصنوعی عمومی (AGI) نیز شناخته می شود، برنامه ریزی را توصیف می کند که می تواند توانایی های شناختی مغز انسان را تکرار کند. هنگامی که هوش مصنوعی قوی در مقابل یک کار ناآشنا قرار داده می شود، می تواند از منطق فازی برای اعمال دانش از یک حوزه به حوزه دیگر و یافتن راه حل به طور مستقل استفاده کند. در تئوری، یک برنامه هوش مصنوعی قوی باید بتواند هم آزمون تورینگ و هم آزمون اتاق چینی را پشت سر بگذارد.

 

انواع هوش مصنوعی

آرند هینتز، استادیار زیست شناسی و علوم کامپیوتری و مهندسی در دانشگاه ایالتی میشیگان، در مقاله ای در سال 2016 توضیح داد که هوش مصنوعی را می توان به چهار نوع طبقه بندی کرد، که از سیستم های هوشمند که امروزه به طور گسترده استفاده می شود شروع می شود و به سیستم های حساس که هنوز وجود ندارند، پیشرفت می کند.

دسته بندی انواع هوش مصنوعی به شرح زیر است:

1. ماشین های واکنشی (Reactive machines): این سیستم‌های هوش مصنوعی حافظه ندارند و وظیفه محور هستند. به عنوان مثال Deep Blue، برنامه شطرنج IBM که گری کاسپاروف را در دهه 1990 شکست داد. Deep Blue می تواند مهره های روی صفحه شطرنج را شناسایی کند و پیش بینی کند، اما چون حافظه ندارد، نمی تواند از تجربیات گذشته برای اطلاع رسانی به آینده استفاده کند.
2. حافظه محدود (Limited memory): این سیستم های هوش مصنوعی دارای حافظه هستند، بنابراین می توانند از تجربیات گذشته برای اطلاع رسانی تصمیمات آینده استفاده کنند. برخی از عملکردهای تصمیم گیری در خودروهای خودران به این شکل طراحی شده اند.
3. تئوری ذهن (Theory of mind): تئوری ذهن یک اصطلاح روانشناسی است. وقتی برای هوش مصنوعی اعمال می شود، به این معنی است که این سیستم از هوش اجتماعی برای درک احساسات برخوردار است. این نوع هوش مصنوعی قادر به استنباط نیات انسان و پیش بینی رفتار خواهد بود، مهارتی ضروری برای سیستم های هوش مصنوعی برای تبدیل شدن به اعضای جدایی ناپذیر در تیم های انسانی.
4. خودآگاهی (Self-awareness): در این دسته، سیستم‌های هوش مصنوعی حسی دارند که به آنها آگاهی می‌دهد. ماشین های دارای خودآگاهی وضعیت فعلی خود را درک می کنند. این نوع هوش مصنوعی هنوز وجود ندارد.

 

 

نکات کلیدی

تکنولوژی هوش مصنوعی یکی از فناوری های تحول آفرینی است که طی سالهای اخیر بسیار توسعه پیدا کرده است و جای خود را در صنایع مختلفی همچون سلامت، کسب و کار، بانک، حمل و نقل، قانونگذاری، امنیت، تولید، امور مالی، آموزش و بسیاری دیگر از صنایع باز کرده است.

استفاده از هوش مصنوعی با چالش های مختلفی همراه است و سرعت پیشرفت این تکنولوژی امکان ایجاد قوانین نظارتی برای آن را مشکل کرده است.

هوش مصنوعی باعث شده است بسیاری از فعالیت هایی که برای انسان سخت و طاقت فرسا است، به سهولت و با دقت بسیار بالا توسط هوش مصنوعی انجام پذیرد و این امر در برخی از صنایع منجر به کاهش هزینه ها برای سازمان ها شده است.