هوش مصنوعی یاAI دیگر مفهومی نیست که فقط در داستان ها وجود داشته باشد. زنده است! بشر در حال حاضر کاوش در هوش مصنوعی را آغاز کرده است و هر روز که می گذرد، پیشرفت های قابل توجهی انجام می دهد.
هوش مصنوعی اینجاست، و به خوبی به بشر کمک می کند تا به چیزهایی دست یابد که قبلاً دست نیافتنی یا غیرعملی به نظر می رسید.
امروزه چندین نمونه کاربردی از هوش مصنوعی داریم، مانند:
- ویژگی خلبان خودکار در پروازهای تجاری
- چت ربات ها
- دستیارهای مجازی هوشمند مانند الکسا، گوگل اسیستنت و سیری
- چک‌کننده‌های سرقت ادبی
- ربات ها
- ماشین های خودران
- فیلترهای اسپم
هوش مصنوعی یا هوش ماشینی به هوش نمایش داده شده توسط ماشین ها اشاره دارد. این حوزه تحقیقاتی است که به شبیه سازی هوش انسان‌مانند در ماشین ها می پردازد. اکنون، هوش مصنوعی انواع مختلفی دارد. اما قبل از بحث در مورد آن اجازه دهید ابتدا آن را با یادگیری ماشین مقایسه کنیم.
هشدار! هوش مصنوعی یادگیری ماشینی نیست
اگرچه هوش مصنوعی و یادگیری ماشین چندین جنبه مشترک دارند، اما یکسان نیستند. تفاوت های متعددی بین هوش مصنوعی و یادگیری ماشینی وجود دارد که آنها را به حوزه های تحقیقاتی مرتبط اما مستقل تبدیل می کند.
در واقع، یادگیری ماشین زیرمجموعه ای از هوش مصنوعی است، درست مانند یادگیری عمیق و شبکه های عصبی. در اصطلاح فنی، یادگیری ماشین راهی برای تجزیه و تحلیل داده است که ساخت مدل تحلیلی را خودکار می کند.
ML شاخه‌ای از هوش مصنوعی است که با اجازه دادن به ماشین‌ها برای یادگیری از داده‌ها و به دنبال آن شناسایی الگوها و تصمیم‌گیری با حداقل مداخله انسانی سروکار دارد. از سوی دیگر، هوش مصنوعی دامنه بسیار گسترده تری دارد که ML یکی از جنبه های آن است.
انواع هوش مصنوعی
تحقیقات هوش مصنوعی بر توسعه ماشین‌ها/سیستم‌هایی متمرکز است که می‌توانند رفتارهای انسان‌مانند را تقلید کنند، به‌ویژه از نظر تفکر و انجام وظایف. بنابراین، هوش انسانی به عنوان پارامتر مقایسه ای برای گروه بندی انواع مختلف هوش مصنوعی استفاده می شود.
اکنون، دو روش وجود دارد که از طریق آنها می توان تمام سیستم های مبتنی بر هوش مصنوعی و هوش مصنوعی را گروه بندی کرد. مورد اول بر اساس قابلیت است و دومی عملکرد را به عنوان پایه گروه‌بندی هوش مصنوعی در نظر می‌گیرد.
1. مبتنی بر قابلیت
هوش مصنوعی بر اساس توانایی آنها یعنی توانایی انجام وظایف در مقایسه با توانایی انجام وظایف انسانی به 3 گروه یا 3 نوع دسته بندی می شود. هوش مصنوعی ضعیف، هوش مصنوعی عمومی، و اَبَر هوش مصنوعی.
2. هوش مصنوعی باریک یا هوش مصنوعی ضعیف
شکل رایج هوش مصنوعی که امروزه در دسترس است، هوش مصنوعی ضعیف است. دامنه آن با توانایی انجام وظایف اختصاصی و از پیش تعریف شده محدود شده است. دستیار گوگل، سیری و حتی ابررایانه IBM Watson نمونه هایی از هوش مصنوعی ضعیف هستند.
هوش مصنوعی ضعیف فاقد هوشیاری و خودآگاهی است و از هوش کمتری نسبت به انسان ها برخوردار است. از آنجایی که هوش مصنوعی ضعیف فقط برای انجام یک کار خاص یا مجموعه ای از وظایف آموزش دیده است، آنها نمی توانند کاری فراتر از قابلیت های تعریف شده خود انجام دهند. اگر مجبور به انجام کاری شوند، نتایج غیر قابل پیش بینی و غیر قابل استفاده می شود.
3. هوش مصنوعی عمومی
اگر یک ماشین یا سیستم بتواند یک کار فکری را با کارایی انسان مانند انجام دهد، می‌تواند هوش مصنوعی عمومی در نظر بگیرد. هدف، ایجاد مفهوم هوش مصنوعی عمومی، توسعه یک سیستم هوشمند مصنوعی است که می تواند هوشمندی و تفکر یک انسان معمولی را تکرار کند.
متأسفانه، هیچ نمونه ای از هوش مصنوعی عمومی وجود ندارد. به عبارت دیگر، هوش مصنوعی عمومی هنوز تئوری بوده و عملی نیست، فعلاً نیست!
با این حال، محققان هوش مصنوعی اکنون بر روی توسعه سیستم‌هایی متمرکز هستند که می‌توانند به عنوان هوش مصنوعی عمومی برچسب‌گذاری شوند. زمان و تلاش لازم برای انجام این کار، طبیعتاً بی‌سابقه است.
4. سوپر هوش مصنوعی/اَبَر هوش مصنوعی (ASI)
در سطح اَبَر هوش مصنوعی، سیستم‌های هوشمند مصنوعی به بهترین شکل ممکن یا فراتر از هوش انسانی هستند. چنین سیستم های هوش مصنوعی می توانند وظایف را بسیار بهتر از یک انسان و همچنین با ویژگی های شناختی انجام دهند. چند ویژگی کلیدی سیستم های اطلاعاتی اَبَر عبارتند از:
- توانایی تفکر، استدلال و قضاوت کردن
- قادر به حل پازل
- می تواند به تنهایی برنامه ریزی کند
- ارتباط موثر برقرار کند
- از محیط اطراف مانند افراد، محیط و حوادث بیاموزد
ASI یک مفهوم فرضی است که به کشف امکانات بی پایان ارائه شده توسط هوش مصنوعی کمک می کند. اگر ابرهوش به نحوی امکان پذیر شود، چنین شکلی از هوش مصنوعی این قدرت را دارد که کل جهان را آنطور که می شناسیم تغییر دهد.
5. مبتنی بر عملکرد
در مرحله بعد، هوش مصنوعی را بر اساس عملکرد طبقه بندی می کنیم. این طبقه‌بندی هوش مصنوعی، همچنین با در نظر گرفتن توانایی‌های شناختی و حس مشترک (ماشین) آنها؛ نحوه رفتار و احساس سیستم‌های هوش مصنوعی را در نظر می‌گیرد.
4 گروه وجود دارد که می توانیم هر سیستم هوش مصنوعی را بر اساس عملکرد آن در آن قرار دهیم. ماشین های انفعالی، ماشین های حافظه محدود، تئوری ذهن و هوش مصنوعی خودآگاه.
6. ماشین های انفعالی
مانند هوش مصنوعی ضعیف، اینها ابتدایی ترین انواع سیستم های هوش مصنوعی هستند که امروزه داریم. ماشین‌های واکنش‌گرا نمی‌توانند خاطره‌سازی کنند و بنابراین نمی‌توانند بر اساس تجربیات گذشته خود به شرایط آینده واکنش نشان دهند.
ماشین‌های راکتیو تنها می‌توانند بهترین عملکرد خود را در هنگام واکنش به شرایط فعلی انجام دهند. دو نمونه خوب از ماشین‌های انفعالی عبارتند از:
IBM Deep Blue – : یک کامپیوتر شطرنج بازی که توسط IBM ساخته شد و در سال 1997 به اولین سیستم شطرنج کامپیوتری تبدیل شد که در یک بازی شطرنج در برابر قهرمان جهان، گری کاسپاروف، پیروز شد.
Google AlphaGo –: یک برنامه کامپیوتری Go-playing که در سال 2015 به اولین سیستم هوش مصنوعی تبدیل شد که توانست یک حرفه ای Go را بدون آوانس در یک صفحه19×19 استاندارد شکست دهد.
7. حافظه محدود
سیستم‌های هوش مصنوعی با حافظه محدود می‌توانند تجربیات گذشته یا برخی داده‌ها را برای مدت کوتاهی ذخیره کنند. این داده ها فقط برای مدت زمان محدودی قابل استفاده هستند. تا کنون بهترین مثال، برای سیستم‌های هوش مصنوعی با حافظه محدود؛ خودروهای خودران است.
آنها می توانند اطلاعاتی مانند اطلاعات زیر را در خود ذخیره کنند:
- سرعت خودروهای نزدیک
- فاصله از آن ماشین ها
- محدودیت سرعت رانندگی
- مسیرهای جاده
خودروهای خودران سیستم های حافظه محدودی هستند که از قابلیت های ذخیره سازی حافظه خود برای حرکت در جاده ها استفاده می کنند. با این حال، این بدان معنا نیست که آنها عاری از خطا هستند. هنوز راه درازی برای تبدیل شدن خودروهای خودران به گزینه ای قابل اعتماد برای استفاده معمولی و روزمره باقی مانده است.
تولید محتوا همچنان کاربردی و محبوب برای هوش مصنوعی است. محصولاتی مانند TextBuilder.ai به صاحبان سایت اجازه می دهد تا به سرعت پست ها و قالب های یک وبلاگ کامل را در چند ثانیه ایجاد کنند.
8. نظریه ذهن
تئوری ذهن هوش مصنوعی به ماشین‌ها/سیستم‌هایی اشاره دارد که می‌توانند باورها، احساسات، مقاصد، ارزش‌ها و غیره انسان را تشخیص دهند. چنین سیستم‌های هوش مصنوعی همچنین ممکن است قادر باشند به احساسات و یا حالت چهره به شکل انسان‌مانندی واکنش متقابل یا پاسخ دهند.
اگرچه هیچ پیشرفت قابل‌توجهی در توسعه سیستم‌های هوش مصنوعی تئوری ذهن حاصل نشده است، محققان و متخصصان در سراسر جهان به شدت برای توسعه چنین ماشین‌ها/سیستم‌های هوش مصنوعی در تلاش هستند.
9. خودآگاهی
اگرچه هوش مصنوعی خودآگاه در واقعیت وجود ندارد، حداقل در حال حاضر، این یک مفهوم فرضی است که ماشین‌های مجهز به هوش مصنوعی با قابلیت تفکر بسیار بالاتر از یک ذهن معمولی انسان را بررسی می‌کند.
سیستم های هوش مصنوعی خودآگاه، در تئوری، آگاهی، عقل و احساسات خاص خود را دارند. آنها مانند هر انسان دیگری فردیت دارند اما بسیار باهوش تر از هر انسانی در جهان هستند.
نتیجه
هوش مصنوعی به طور مداوم تخیل انسان ها را تسخیر کرده است. مفاهیمی شبیه به هوش مصنوعی مدت‌هاست که توسط نویسندگان داستانی، فیلم‌سازان و رویاپردازان مورد استفاده قرار می‌گرفت، حتی قبل از اینکه هوش مصنوعی چیزی باشد.
اکنون، هوش مصنوعی یک واقعیت غیرقابل انکار است. اگرچه راه سختی طولانی در پیش رو داریم، اما این مسیر جذابی است که حتی ممکن است به انسان کمک کند تا خود را بهتر درک کند و بسیاری از مفاهیم از جمله طبیعت و زندگی را دوباره ارزیابی کند.
تکامل هوش مصنوعی منجر به تولد فلسفه های جدیدی خواهد شد. برای ما انسان ها، کسانی که مسئول روح بخشیدن به این موجودات عاری از گوشت و خون در قلمرو خود هستیم، مهم است که فرآیند کاوش در قلمرو ناشناخته هوش ماشینی را مسئولانه انجام دهیم.
