هوش مصنوعی چیست؟ همه چیز در مورد هوش مصنوعی

اگر می خواهید در مورد فناوری های جذاب و سریع در حال توسعه هوش مصنوعی بدانید، ما همه چیز را از یادگیری ماشینی و هوش مصنوعی جامع گرفته تا شبکه های عصبی را پوشش می دهیم.

هوش مصنوعی تقریبا قادر به انجام هر کاری است، از پیش بینی الگوها گرفته تا ایجاد تصاویر، مانند بالا.

هوش مصنوعی چیست؟

وقتی نام هوش مصنوعی (AI) را می­شنوید ممکن است به ماشین‌های خودران، ربات‌ها، ChatGPT یا سایر ربات‌های چت هوش مصنوعی و تصاویری که به‌طور مصنوعی ساخته شده‌اند فکر کنید. اما نگاه کردن به خروجی‌های هوش مصنوعی و درک نحوه عملکرد این فناوری و تاثیرات آن برای این نسل و نسل‌های آینده نیز مهم است.

هوش مصنوعی مفهومی است که به طور رسمی از دهه 1950 وجود داشته است، زمانی که به عنوان توانایی یک ماشین برای انجام کاری که قبلا به هوش انسانی نیاز داشت، تعریف شد. این یک تعریف کاملا گسترده است و در طول دهه‌ها پیشرفت‌های تحقیقاتی و فناوری تغییر یافته است.

هنگامی که به تخصیص هوش به یک ماشین، مانند رایانه فکر می کنید، منطقی است که با تعریف اصطلاح “هوش” شروع کنید، به خصوص زمانی که می خواهید تعیین کنید که آیا یک سیستم مصنوعی واقعا شایسته آن است یا خیر.

سطح هوشمان ما را از سایر موجودات زنده متمایز می کند و برای کسب تجربه انسانی ضروری است. برخی از کارشناسان هوش را توانایی سازگاری، حل مشکلات، برنامه ریزی، بداهه گویی در موقعیت های جدید و یادگیری چیزهای جدید تعریف می کنند.

با توجه به اینکه گاهی اوقات هوش به عنوان پایه ای برای تجربه انسانی دیده می شود، شاید تعجب آور نباشد که ما سعی کنیم آن را به طور مصنوعی در تلاش های علمی بازسازی کنیم.

و سیستم‌های هوش مصنوعی امروزی ممکن است برخی از ویژگی‌های هوش انسانی، از جمله یادگیری، حل مسئله، ادراک، و حتی طیف محدودی از خلاقیت و هوش اجتماعی را نشان دهند.

چگونه می توانم از هوش مصنوعی استفاده کنم؟

هوش مصنوعی به اشکال مختلفی وجود دارد که به طور گسترده در زندگی روزمره در دسترس قرار گرفته است. بلندگوهای هوشمند روی لباس با الکسا یا دستیار صوتی داخلی گوگل دو نمونه عالی از هوش مصنوعی هستند. نمونه های خوب دیگر چت ربات های معروف هوش مصنوعی مانند ChatGPT، گپ جدید بینگ وGoogle Bard هستند.

وقتی از ChatGPT پایتخت یک کشور را می‌خواهید یا از الکسا می‌خواهید وضعیت آب و هوا را به شما اطلاع دهد، پاسخ‌هایی دریافت خواهید کرد که نتیجه الگوریتم‌های یادگیری ماشینی است.

اگرچه این سیستم‌ها جایگزینی برای هوش انسانی یا تعامل اجتماعی نیستند، اما این توانایی را دارند که از آموزش خود برای انطباق و یادگیری مهارت‌های جدید برای کارهایی استفاده کنند که به صراحت برای انجام آن‌ها برنامه‌ریزی نشده بودند.

انواع مختلف هوش مصنوعی چیست؟

هوش مصنوعی را می توان به سه زیرمجموعه پذیرفته شده تقسیم کرد: هوش مصنوعی محدود، هوش مصنوعی جامع و (ابر) ابر هوش مصنوعی.

هوش مصنوعی محدود چیست؟

هوش مصنوعی محدود (ANI) برای دستیارهای صوتی مانند سیری، الکسا و دستیار گوگل بسیار مهم است. این دسته شامل سیستم‌های هوشمندی می‌شود که برای انجام وظایف خاص یا حل مشکلات خاص طراحی یا آموزش دیده‌اند، بدون اینکه واقعا برای انجام این کار طراحی شده باشند.

ممکن است ANI اغلب به عنوان هوش مصنوعی ضعیف شناخته شود، زیرا از هوش جامع برخوردار نیست، اما برخی از نمونه‌های قدرت هوش مصنوعی محدود شامل دستیارهای صوتی فوق و همچنین سیستم‌های تشخیص تصویر، فناوری‌هایی هستند که به درخواست‌های ساده خدمات مشتری پاسخ می‌دهند. و ابزارهایی که محتوای نامناسب آنلاین را علامت گذاری می کنند.

ChatGPT نمونه ای از ANI است، زیرا برای انجام یک کار خاص برنامه ریزی شده است، که عبارت است از تولید پاسخ های متنی به اعلان هایی که داده می شود.

هوش مصنوعی جامع چیست؟

هوش جامع مصنوعی (AGI) که به عنوان هوش مصنوعی قوی نیز شناخته می شود، هنوز یک مفهوم فرضی است زیرا شامل درک ماشین و انجام وظایف بسیار متفاوت بر اساس تجربه انباشته آن است. این نوع هوش بیشتر در سطح عقل انسان است، زیرا سیستم های AGI می توانند مانند یک انسان استدلال و فکر کنند.

مانند یک انسان، AGI به طور بالقوه قادر به درک هر کار فکری، تفکر انتزاعی، یادگیری از تجربیات آن و استفاده از آن دانش برای حل مشکلات جدید است. اساسا، ما در مورد یک سیستم یا ماشینی صحبت می کنیم که دارای عقل خردورز است، که در حال حاضر با هیچ شکلی از هوش مصنوعی در دسترس قابل دستیابی نیست.

توسعه یک سیستم با آگاهی خاص خود هنوز، احتمالا، راه دور و درازی در پیش دارد، اما هدف نهایی در تحقیقات هوش مصنوعی است.

ابر هوش مصنوعی چیست؟

ابر هوش مصنوعی (ASI) سیستمی است که نه تنها بشر را از اعماق متحول می­کند، بلکه می تواند آن را نیز نابود کند. اگر این واقعیت مثل یک رمان علمی تخیلی به نظر می رسد، به این دلیل است که تا حدودی چنین است: ASI سیستمی است که در آن هوش یک ماشین از همه انواع هوش انسانی در همه جنبه ها پیشی می گیرد و در هر کارکردی از انسان ها بهتر عمل می کند.

یک سیستم هوشمند که بتواند خود یاد بگیرد و به طور مداوم خود را بهبود ببخشد، هنوز یک گمان است. با این حال، این سیستم، سیستمی است که اگر به طور موثر و اخلاقی استفاده شود، می تواند به پیشرفت ها و دستاوردهای فوق العاده ای در پزشکی، فناوری و موارد دیگر منجر شود.

چند نمونه تازه از هوش مصنوعی چیست؟

به طور کلی، برجسته‌ترین پیشرفت‌ها در هوش مصنوعی، توسعه و انتشار GPT 3.5 و GPT 4 است. اما دستاوردهای انقلابی بسیار دیگری در هوش مصنوعی وجود دارد. در واقع این دستاوردها بسیار زیاد است که نمی‌توان همه آنها را در اینجا گنجاند.

در اینجا برخی از قابل توجه ترین آنها وجود دارد:

ChatGPT (و GPTها)

ChatGPT یک ربات چت هوش مصنوعی است که قادر به تولید زبان طبیعی، ترجمه و پاسخگویی به سوالات است. اگرچه می‌توان گفت که این ابزار محبوب‌ترین ابزار هوش مصنوعی است، اما به لطف دسترسی گسترده‌اش، OpenAI با ایجاد GPTs 1، 2 و 3، موج‌های قابل‌توجهی در دنیای هوش مصنوعی ایجاد کرد.

GPT مخفف Generative Pre-trained Transformer است و GPT-3 با 175 میلیارد پارامتر بزرگترین مدل زبان موجود در زمان عرضه در سال 2020 بود. آخرین نسخه، GPT-4، قابل دسترسی از طریق ChatGPT Plus یا Bing Chat، دارای یک تریلیون پارامتر است.

ماشین های خودران

اگرچه ایمنی خودروهای خودران یکی از دغدغه‌های اصلی کاربران است، این فناوری با پیشرفت‌هایی در هوش مصنوعی به پیشرفت و بهبود ادامه می‌دهد. این خودروها از الگوریتم‌های یادگیری ماشینی برای ترکیب داده‌های حسگرها و دوربین‌ها برای درک محیط اطراف خود و تعیین بهترین مسیر عمل استفاده می‌کنند.

ویژگی Autopilot Tesla در وسایل نقلیه برقی خود احتمالا همان چیزی است که بیشتر مردم هنگام در نظر گرفتن اتومبیل های خودران فکر می کنند، اما Waymo، از شرکت اصلیGoogle ، Alphabet ، مانند یک تاکسی بدون راننده تاکسی، در سانفرانسیسکو، کالیفرنیا Phoenix، AZ، سوار بر خودمختار می شود.

کروز یکی دیگر از خدمات روباتاکسی است و شرکت‌های خودروسازی مانند اپل، آئودی، جنرال موتورز و فورد نیز احتمالا روی فناوری خودروهای خودران کار می‌کنند.

رباتیک

دستاوردهای Boston Dynamics در زمینه هوش مصنوعی و روباتیک برجسته است. اگرچه هنوز با ایجاد هوش مصنوعی در سطح فناوری که در فیلم ترمیناتور دیده می‌شود فاصله زیادی داریم، تماشای روبات‌های Boston Dyanmics که از هوش مصنوعی برای حرکت و پاسخ به مناطق مختلف استفاده می‌کنند، چشمگیر است.

DeepMind

شرکت شریک گوگل DeepMind یکی از پیشگامان هوش مصنوعی است که به سمت هدف نهایی هوش جامع مصنوعی (AGI) گام بر می دارد. اگرچه هنوز وجود ندارد، اما این شرکت در ابتدا در سال 2016 با AlphaGo، سیستمی که یک بازیکن حرفه ای Go را شکست داد، تیتر خبرها شد.

از آن زمان، DeepMind یک سیستم پیش‌بینی تاشو پروتئین ایجاد کرده است که می‌تواند اشکال پیچیده سه‌بعدی پروتئین‌ها را پیش‌بینی کند، و برنامه‌هایی را توسعه داده است که می‌تواند بیماری‌های چشمی را به همان اندازه پزشکان برتر در سراسر جهان تشخیص دهد.

یادگیری ماشینی چیست؟

بزرگترین کیفیتی که هوش مصنوعی را از سایر موضوعات علوم رایانه کنار می‌گذارد، توانایی خودکارسازی آسان وظایف با استفاده از یادگیری ماشینی است که به رایانه‌ها اجازه می‌دهد تا از تجربیات مختلف بیاموزند تا اینکه به طور صریح برای انجام هر کار برنامه‌ریزی شوند. این قابلیت همان چیزی است که بسیاری از آن به عنوان هوش مصنوعی یاد می کنند، اما یادگیری ماشینی در واقع زیرمجموعه ای از هوش مصنوعی است.

یادگیری ماشینی شامل یک سیستم است که بر روی مقادیر زیادی داده آموزش می بیند، بنابراین می تواند از اشتباهات درس بگیرد و الگوها را تشخیص دهد تا به طور دقیق پیش بینی ها و تصمیم گیری ها را انجام دهد، خواه آنها در معرض داده های خاص قرار گرفته باشند یا نه.

نمونه هایی از یادگیری ماشینی شامل تشخیص تصویر و گفتار، محافظت در برابر کلاهبرداری و موارد دیگر است. یک مثال خاص سیستم تشخیص تصویر است که کاربران عکسی را در فیس بوک آپلود می کنند. شبکه رسانه های اجتماعی می تواند تصویر را تجزیه و تحلیل کند و چهره ها را تشخیص دهد، که منجر به توصیه هایی برای تگ کردن دوستان مختلف می شود. با گذشت زمان و تمرین، سیستم این مهارت را تقویت می کند و می آموزد که توصیه های دقیق تری ارائه دهد.

عناصر یادگیری ماشینی چیست؟

همانطور که در بالا ذکر شد، یادگیری ماشین زیرمجموعه ای از هوش مصنوعی است و به طور کلی به دو دسته اصلی تقسیم می شود: یادگیری نظارت شده و بدون نظارت.

یادگیری نظارت شده

این یک تکنیک متداول برای آموزش سیستم‌های هوش مصنوعی با استفاده از نمونه‌های برچسب‌گذاری شده زیادی است که توسط افراد طبقه‌بندی شده‌اند. این سیستم‌های یادگیری ماشینی با حجم عظیمی از داده‌ها تغذیه می‌شوند که برای برجسته کردن ویژگی‌های محبوب حاشیه‌نویسی شده است.  شما در واقع با مثال آموزش می‌دهید.

اگر می‌خواهید یک مدل یادگیری ماشینی برای تشخیص و تمایز تصاویر دایره‌ها و مربع‌ها آموزش دهید، باید با جمع‌آوری مجموعه داده‌های بزرگی از تصاویر دایره‌ها و مربع‌ها در زمینه‌های مختلف، مانند طراحی یک سیاره برای یک دایره، یا جدولی برای یک مربع، به عنوان مثال، با برچسب هایی برای هر شکل شروع کنید.

سپس الگوریتم مجموعه برچسب‌گذاری شده از تصاویر را یاد می‌گیرد تا اشکال و ویژگی‌های آن را تشخیص دهد، مانند دایره‌هایی که گوشه ندارند و مربع‌هایی که چهار ضلع برابر دارند. پس از آموزش روی مجموعه داده‌های تصاویر، سیستم می‌تواند تصویر جدیدی را ببیند و تعیین کند که چه شکلی پیدا می‌کند.

یادگیری بدون نظارت

در مقابل، یادگیری بدون نظارت از رویکرد متفاوتی استفاده می‌کند، جایی که الگوریتم‌ها سعی می‌کنند الگوها را در داده‌ها شناسایی کنند، و به دنبال شباهت‌هایی هستند که می‌توانند برای دسته‌بندی آن داده‌ها استفاده شوند.

یک مثال ممکن است خوشه‌بندی میوه‌هایی با وزن مشابه یا خودروهایی با اندازه موتور مشابه باشند. الگوریتم از قبل برای انتخاب انواع خاصی از داده ها تنظیم نشده است. به سادگی به دنبال داده‌هایی با شباهت‌هایی می‌گردد که می‌تواند آنها را گروه‌بندی کند، برای مثال، گروه‌بندی مشتریان بر اساس رفتار خرید برای هدف قرار دادن آنها با کمپین‌های بازاریابی شخصی‌شده.

یادگیری تقویتی

در یادگیری تقویتی، سیستم تلاش می‌کند تا بر اساس داده‌های ورودی خود، پاداش را به حداکثر برساند و در اصل تا زمانی که به بهترین نتیجه ممکن برسد، فرآیند آزمون و خطا را طی می‌کند.

آموزش سیستمی برای انجام یک بازی ویدیویی را در نظر بگیرید، که در آن می‌تواند یک جایزه مثبت در صورت کسب امتیاز بالاتر و یک پاداش منفی برای نمره پایین دریافت کند. سیستم یاد می گیرد که بازی را تجزیه و تحلیل کند و حرکت کند و سپس صرفاً از پاداش هایی که دریافت می کند یاد می گیرد و به نقطه ای می رسد که بتواند به تنهایی بازی کند و بدون دخالت انسان امتیاز بالایی کسب کند.

یادگیری تقویتی همچنین در تحقیقات مورد استفاده قرار می گیرد، جایی که می تواند به آموزش ربات های مستقل در مورد روش بهینه برای رفتار در محیط های دنیای واقعی کمک کند.

مدل­های زبانی بزرگ چیستند؟

یکی از معروف ترین انواع هوش مصنوعی در حال حاضر، مدل های زبانی بزرگ (LLM) هستند. این مدل‌ها از یادگیری ماشینی بدون نظارت استفاده می‌کنند و بر روی مقادیر انبوه متن آموزش داده می‌شوند تا نحوه عملکرد زبان انسانی را بیاموزند. این متون شامل مقالات، کتاب ها، وب سایت ها و موارد دیگر می باشد.

در فرآیند آموزش، LLMها میلیاردها کلمه و عبارت را پردازش می‌کنند تا الگوها و روابط بین آنها را بیاموزند و مدل‌ها را قادر می‌سازند تا پاسخ‌هایی شبیه انسان به درخواست‌ها ایجاد کنند.

محبوب ترین LLM GPT 3.5 است که ChatGPT بر اساس ساخته شده است و بزرگترین LLM GPT-4 است. بارد از LaMDA استفاده می کند، و یک LLM است که توسط گوگل توسعه یافته و دومین LLM بزرگ موجود است.

یادگیری عمیق چیست؟

بخشی از خانواده یادگیری ماشینی، یادگیری عمیق شامل آموزش شبکه های عصبی مصنوعی با سه لایه یا بیشتر برای انجام وظایف مختلف است. این شبکه‌های عصبی به شبکه‌های گسترده با تعداد زیادی لایه عمیق که با استفاده از حجم عظیمی از داده آموزش داده می‌شوند، گسترش یافته‌اند.

مدل‌های یادگیری عمیق معمولا بیش از سه لایه دارند و می‌توانند صدها لایه داشته باشند. می تواند از یادگیری نظارت شده یا بدون نظارت یا ترکیبی از هر دو در فرآیند آموزش استفاده کند.

از آنجایی که فناوری یادگیری عمیق می تواند تشخیص الگوهای پیچیده در داده ها را با استفاده از هوش مصنوعی بیاموزد، اغلب در پردازش زبان طبیعی (NLP)، تشخیص گفتار و تشخیص تصویر استفاده می شود.

شبکه های عصبی چیست؟

موفقیت یادگیری ماشین به شبکه های عصبی متکی است. آن­ها مدل‌های ریاضی هستند که ساختار و عملکرد آن‌ها بر اساس ارتباط بین نورون‌ها در مغز انسان است و از طریقی که آنها به یکدیگر سیگنال می‌دهند، تقلید می‌کنند.

گروهی از ربات ها را تصور کنید که با هم برای حل یک معما کار می کنند. هر کدام به گونه ای برنامه ریزی شده اند که شکل یا رنگ متفاوتی را در قطعات پازل تشخیص دهند. ربات ها توانایی های خود را برای حل معما با هم ترکیب می کنند. شبکه عصبی مانند گروهی از ربات ها است.

شبکه‌های عصبی می‌توانند پارامترهای داخلی را تغییر دهند تا خروجی‌هایشان را تغییر دهند. هر یک از پایگاه‌های اطلاعاتی تغذیه می‌شوند تا یاد بگیرند که وقتی داده‌های خاصی در طول آموزش ارائه می‌شوند، چه چیزی باید منتشر کند.

آنها از لایه های به هم پیوسته الگوریتم هایی تشکیل شده اند که داده ها را با یکدیگر تغذیه می کنند. شبکه‌های عصبی را می‌توان برای انجام وظایف خاص با تغییر اهمیت داده‌ها در هنگام عبور از بین لایه‌ها آموزش داد. در طول آموزش این شبکه‌های عصبی، وزن‌های متصل به داده‌ها هنگام عبور از بین لایه‌ها، تا زمانی که خروجی شبکه عصبی بسیار نزدیک به آنچه مورد نظر است، تغییر می‌کند.

در آن مرحله، شبکه یاد گرفته است که چگونه یک کار خاص را انجام دهد. خروجی مورد نظر می تواند هر چیزی باشد، از برچسب زدن صحیح میوه در تصویر گرفته تا پیش بینی زمان خرابی آسانسور بر اساس داده های حسگر آن.

هوش مصنوعی محاوره ای چیست؟

هوش مصنوعی محاوره ای شامل سیستم‌هایی است که برای مکالمه با کاربر برنامه‌ریزی شده‌اند: آموزش شنیدن (ورودی) و پاسخ دادن (خروجی) به شیوه‌ای مکالمه. هوش مصنوعی محاوره ای ای از پردازش زبان طبیعی برای درک و پاسخگویی به روشی طبیعی استفاده می کند.

برخی از نمونه‌های هوش مصنوعی محاوره ای عبارتند از ربات‌های چت مانند Google Bard، بلندگوهای هوشمند با دستیار صوتی مانند Amazon Alexa یا دستیارهای مجازی در تلفن هوشمند شما مانند Siri.

کدام سرویس های هوش مصنوعی برای استفاده در دسترس هستند؟

مصرف کنندگان عمومی و کسب و کارها به طور یکسان تعداد زیادی خدمات هوش مصنوعی برای تسریع در انجام وظایف و افزودن راحتی به زندگی روزمره دارند. احتمالا چیزی در خانه خود دارید که از هوش مصنوعی تا حدی استفاده می کند.

در اینجا چند نمونه متداول از هوش مصنوعی در دسترس عموم است، هم رایگان و هم پولی:

• دستیارهای صوتی: آمازون الکسا یا سیری اپل در آیفون و دستیار Google همه از پردازش زبان طبیعی برای درک و پاسخ به سوالات یا دستورات شما استفاده می کنند.
• ربات‌های چت: چت‌بات‌های هوش مصنوعی شکل دیگری از دستیاران مجازی هستند که می‌توانند با مردم تعامل داشته باشند و در برخی موارد، مکالمات انسان‌مانند را انجام دهند، حتی همدلی و نگرانی را تقلید کنند.
• ترجمه زبان: یادگیری ماشینی بسیار گسترده است و خدماتی مانند Google Translate، Microsoft Translator، Amazon Translate و ChatGPT همگی از آن برای ترجمه متن استفاده می کنند.
• بهره وری: Microsoft 365 Copilot یک نمونه عالی از LLM است که به عنوان ابزار بهره وری هوش مصنوعی استفاده می شود و در Word، PowerPoint، Outlook، Excel، Teams و موارد دیگر تعبیه شده است تا وظایف را برای شما خودکار کند. پرسیدن “ایمیل به تیم درباره آخرین وضعیت پروژه” باعث می‌شود که Copilot به طور خودکار اطلاعات را از ایمیل‌ها و اسناد جمع‌آوری کند تا متنی را با آنچه خواسته‌اید تولید کند.
• تشخیص تصویر و ویدئو: برنامه‌های مختلف از هوش مصنوعی برای یافتن اطلاعاتی در مورد محتوای تصاویر و ویدئوها مانند چهره‌ها، متن و اشیا درون آن‌ها استفاده می‌کنند. Clarifai، که از یادگیری ماشینی برای سازماندهی داده های بدون ساختار از منابع استفاده می کند، و Amazon Rekognition، یک سرویس AWS که به کاربران اجازه می دهد تصاویر را برای دریافت اطلاعات آپلود کنند، دو نمونه از این موارد هستند.
• توسعه نرم افزار: بسیاری از توسعه دهندگان استفاده از ChatGPT را برای نوشتن و اشکال زدایی کد شروع کرده اند، اما ابزارهای هوش مصنوعی بسیاری برای آسان کردن کار برنامه نویس در دسترس هستند. یک مثال، برنامه نویس همیار هوش مصنوعی GitHub Copilot توسط OpenAI Codex، یک مدل زبان مولد است که می تواند با تکمیل خودکار نظرات و کدهای فوری، کد را سریعتر با تلاش کمتر بنویسد.
• ایجاد یک کسب و کار: جدا از اینکه یک کاربر روزمره از هوش مصنوعی در اطراف خود استفاده می کند، خدماتی وجود دارد که ابزارهای هوش مصنوعی را برای مشاغل ارائه می دهد، از جمله API GPT-4 OpenAI (در حال حاضر در لیست انتظار) تا برنامه ها و خدمات ساخته شده با استفاده از LLM یا Amazon Bedrock، مجموعه ای از ابزارهای هوش مصنوعی مبتنی بر ابر برای توسعه دهندگان.

چه شرکتی در رقابت هوش مصنوعی پیشرو است؟

اگرچه هوش مصنوعی مولد پیشتاز پیشرفت‌های هوش مصنوعی در سال 2023 است، شرکت‌های برتر دیگری نیز هستند که روی پیشرفت‌های خود کار می‌کنند.

OpenAI

جای تعجب نیست که OpenAI در رقابت هوش مصنوعی امسال پیشتاز بوده است، پس از اینکه ابزارهای هوش مصنوعی مولد را برای استفاده گسترده به صورت رایگان در دسترس قرار داده است، مانند ربات چت هوش مصنوعی ChatGPT و Dall-E 2 که یک تولید کننده تصویر است.

آلفابت:

شرکت مادر گوگل، آلفابت، از طریق برخی از شرکت های خود از جمله DeepMind، Waymo و گوگل، چندین سیستم هوش مصنوعی مختلف را در اختیار دارد.

DeepMind همچنان به دنبال هوش مصنوعی جامع است، همانطور که توسط راه حل های علمی که تلاش می کند از طریق سیستم های AI به دست آورد، مشهود است. مدل‌های یادگیری ماشینی را برای Document AI توسعه داده است، تجربه بیننده را در یوتیوب بهینه کرده، AlphaFold را برای محققان در سراسر جهان در دسترس قرار داده است، و موارد دیگر.

اگرچه ممکن است هر روز خبری از تلاش‌های هوش مصنوعی آلفابت در اخبار نشنید، اما کارهای آن در زمینه یادگیری عمیق و هوش مصنوعی به طور کلی پتانسیل تغییر آینده انسان‌ها را دارد.

مایکروسافت

گذشته از ایجاد Microsoft 365 Copilot برای تعداد زیادی برنامه کاربردی خود، مایکروسافت مجموعه ای از ابزارهای هوش مصنوعی را برای توسعه دهندگان در Azure فراهم می کند، مانند پلتفرم هایی برای توسعه یادگیری ماشین، تجزیه و تحلیل داده ها، و هوش مصنوعی محاوره ای، API های قابل تنظیم که به برابری انسان در بینایی، گفتار و زبان کامپیوتر دست می یابند.

مایکروسافت همچنین سرمایه‌گذاری زیادی در توسعه OpenAI کرده است و از GPT-4 در گپ جدید بینگ و همچنین نسخه پیشرفته‌تر Dall-E 2 برای Bing Image Creator استفاده می‌کند.

شرکت های دیگر

اینها تنها چند نمونه از شرکت‌هایی هستند که در رقابت هوش مصنوعی پیشرو هستند، اما بسیاری دیگر در سراسر جهان وجود دارند که در حال پیشرفت در زمینه هوش مصنوعی هستند، از جمله بایدو، علی‌بابا، کروز، لنوو، تسلا و غیره.

هوش مصنوعی چگونه جهان را تغییر خواهد داد؟

هوش مصنوعی این قدرت را دارد که نحوه کار، سلامت ما، نحوه مصرف رسانه و رسیدن به کار، حریم خصوصی ما و موارد دیگر را تغییر دهد.

تاثیری را که برخی از سیستم‌های هوش مصنوعی می‌توانند بر کل جهان داشته باشند، در نظر بگیرید. مردم می‌توانند از یک دستیار صوتی در تلفن‌هایشان بخواهند کسی با استفاده از خودران به سر کار بیاورند، جایی که می‌توانند از ابزارهای هوش مصنوعی برای کارآمدتر شدن بیشتر از همیشه استفاده کنند.

پزشکان و رادیولوژیست‌ها می‌توانند با استفاده از منابع کمتر، تشخیص سرطان را انجام دهند، توالی‌های ژنتیکی مرتبط با بیماری‌ها را شناسایی کنند، و مولکول‌هایی را شناسایی کنند که می‌توانند به داروهای موثرتری منجر شوند و به طور موثر جان افراد بی‌شماری را نجات دهند.

 

از سوی دیگر، ارزش آن را دارد اختلالی که می‌تواند ناشی از داشتن شبکه‌های عصبی باشد که می‌توانند تصاویر واقعی ایجاد کنند، مانند Dall-E 2، Midjourney و Bing را در نظر بگیریم. می­تواند صدای یک نفر را تقلید کند یا با استفاده از شباهت یک فرد، ویدیوهای دیپ فیک ایجاد کند. اینها می‌توانند عکس‌ها، ویدیوها یا فایل‌های صوتی را که مردم می‌توانند واقعی بدانند، تهدید کند.

یکی دیگر از مسائل اخلاقی هوش مصنوعی مربوط به تشخیص چهره و نظارت است و اینکه چگونه این فناوری می تواند به حریم خصوصی افراد نفوذ کند و بسیاری از کارشناسان به دنبال ممنوعیت آن هستند.

آیا هوش مصنوعی شغل شما را از شما می­گیرد؟

امکان وجود سیستم‌های هوشمند مصنوعی که جایگزین بخش قابل توجهی از نیروی کار مدرن شوند، یک احتمال معتبر در آینده نزدیک است.

در حالی که هوش مصنوعی معمولی جایگزین همه مشاغل نمی شود، آنچه مسلم به نظر می رسد این است که هوش مصنوعی ماهیت کار را تغییر خواهد داد و تنها سوال این است که اتوماسیون با چه سرعتی و چه عمقی کار را تغییر می دهد.

با این حال، هوش مصنوعی نمی تواند به تنهایی کار کند، و در حالی که بسیاری از مشاغل با داده های معمول و تکراری ممکن است خودکار شوند، کارگران سایر مشاغل می توانند از ابزارهایی مانند هوش مصنوعی مولد برای بهره وری و کارآمدتر شدن استفاده کنند.

طیف گسترده ای از نظرات در میان کارشناسان هوش مصنوعی در مورد سرعت پیشی گرفتن سیستم های هوشمند مصنوعی از توانایی های انسانی وجود دارد.

وسایل نقلیه خودران کاملا خودمختار هنوز واقعیت ندارند، اما طبق برخی پیش‌بینی‌ها، صنعت کامیون‌های خودران به تنهایی آماده است تا بیش از 500000 شغل را در ایالات متحده به طور اجتناب‌ناپذیری اشغال کند، حتی بدون در نظر گرفتن تاثیر آن بر پیک‌ها و رانندگان تاکسی.

منبع:

• https://www.zdnet.com/article/what-is-ai-heres-everything-you-need-to-know-about-artificial-intelligence