هوش مصنوعی چیست؟ همه چیز راجع به هوش مصنوعی

130

مقدمه

هوش مصنوعی چیست؟ همه چیز راجع به هوش مصنوعی

امروزه شاید هوش مصنوعی به آن شکلی که تصور میکنیم وجود نداشته باشد اما باز هم بسیاری از کارهایی که روزانه انجام میدهیم، مانند جستجوی اینترنت یا گشت و گذار در صفحات شبکه های اجتماعی و غیره، همه متاثر از هوش مصنوعی است و در حقیقت در این مواقع داریم از آن استفاده میکنیم.

آنقدر این استفاده نا ملموس است و به آن عادت کرده ایم که در آن لحظه حس نمیکنیم که داریم از هوش مصنوعی استفاده میکنیم. دلیل اصلی آن این است که نمیدانیم هوش مصنوعی واقعا چیست و چه کارهایی انجام میدهد. از آنجایی که آینده از آن هوش مصنوعی خواهد بود بهتر است به جای نگران بودن در مورد هوش مصنوعی یاد بگیریم که چه کارهایی را میتوانیم با آن انجام دهیم و اطلاعاتمان را در این زمینه بیشتر کنیم.

پس بیایید از ابتدا ببینیم هوش مصنوعی چیست. خیلی از افراد هنوز هم با شنیدن واژه هوش مصنوعی به ربات ها فکر می کنند و تصور می کنند که منظور از هوش مصنوعی همان ربات های بی احساسی هستند که برای انجام راحت تر کارها طراحی شدهاند و قرار است در آینده جای انسان ها را بگیرند. مسئول این نوع تفکر به احتمال زیاد فیلم های علمی و تخیلی است اما واقعیت با آنچه که تصور می شود تفاوت دارد.

هوش مصنوعی چیست؟ همه چیز راجع به هوش مصنوعی

کلمه مصنوعی یا Artificial به آنچه گفته میشود که به صورت طبیعی بوجود نیامده و در واقع توسط انسانها ساخته شده است. کلمه هوش یا Intelligence نیز به توانایی تفکر و آموختن براساس تجربه گفته میشود. حال اگر این دو کلمه با هم ترکیب شوند، عبارت هوش مصنوعی Intelligence Artificial بدست می آید. حال هوش مصنوعی چیست؟ 

هوش مصنوعی به چیزی گفته میشود که طبیعی نیست اما میتواند تفکر کند و براساس تجربه یاد بگیرد و تصمیمگیری انجام دهد، بنابراین به زبان ساده، هوش مصنوعی به توانایی تفکر یا یادگیری کامپیوتر یا ماشین گفته می شود. برای اینکه فردی هوشمند و دارای هوش تلقی شود، باید یادگیری اتف بیفتد و فرد آموزش ببیند. در واقع انسانها هم از روز اولی که به دنیا می آیند هوشمند نیستند و برای تبدیل شدن به فردی هوشمند و باهوش باید تحت آموزش قرار بگیرند.

تعاریف هوش مصنوعی از دیدگاه دانشمندان

 هنوز تعریف دقیقی که تمامی دانشمندان بر روی آن توافق داشته باشند از هوش مصنوعی ارائه نشده ولی اکثر تعریف ها را میتوان به شکل زیر دسته بندی کرد.

• مانند انسان فکر میکند
• منطقی فکر میکند
• مانند انسان عمل میکند
• منطقی عمل میکند

دو تعریف اول مربوط به فرایندهای تفکر و استدلال است، در حالی دو تعریف دیگر با رفتار سر و کار دارند.

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 در تالش برای شکست این کد ها 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 (learning machine) هستند که یکی از شاخه های هوش مصنوعی یا همان intelligence Artificial میباشد. تورینگ ماشینی را هوشمند میدانست که بدون اینکه به انسان حس صحبت با ماشین را بدهد، با او ارتباط برقرار کند و این مسئله پایه علم هوش مصنوعی است یعنی ساخت ماشینی که همانند انسان فکر، تصمیم گیری و عمل کند.

رفته رفته با پیشرفت فناوری و سایر سخت افزارهای مورد نیاز برای توسعه هوش مصنوعی، ابزار هوشمند و سرویس های هوشمندی به بازار عرضه شدند که از هوش مصنوعی در بسیاری از فرآیندهای آن استفاده میکردند.

بسیاری از سرویس های معروفی مانند موتورهای جستجو، ماهواره ها و غیره از هوش مصنوعی استفاده میکردند. با معرفی گوشی های هوشمند و پس از آن گجت های هوشمند، هوش مصنوعی گام بلندی را برای ورود به زندگی انسانهای پشت سر گذاشت.

از این زمان به بعد هوش مصنوعی برای انسان ها جلوه کاربردی تری پیدا کرد و انسانها بیشتر با واژه هوش مصنوعی و کاربردهای آن آشنا شدند.

 نمونه هایی از هوش مصنوعی در ایران

هوش مصنوعی از جمله فناوری هایی است که تا به امروز توانسته به نحو بسیار منعطفی با صنایع بسیاری ادغام شود. به همین دلیل با مروری ساده در کشورمان می توانیم نمونه های بیشماری از کاربست موفق هوش مصنوعی در صنایع گوناگون را پیدا کنیم.

گفتنی است که در تمام این امور، هوش مصنوعی میکوشد تا روندهای زندگی و امور تمدن انسانی را هوشمندسازی کند. به طور مثال از روندهای موجود در صنایع گرفته تا فعالیت های تجاری کسب و کارها و حتی پلتفرم های ارتباط جمعی. در ادامه میکوشیم بخشی از این موارد انجام شده در زمینه ادغام هوش مصنوعی با امور زندگی را بررسی کنیم.

بوروکراسی کشور: مکانیزمهای احراز هویت فراتر از عناصر بیومتریک 

صنایع غذایی کشور: کشف آلودگیهای عمیق در ظروف غذایی

علوم پزشکی: اختراع ربات های جراح

بازاریابی: استفاده از فناوری داده کاوی برای شناسایی پرسوناژهای جامعه هدف

 بوروکراسی کشور: مکانیزم های احراز هویت فراتر از عناصر بیومتریک:

یکی از زمینه های پرکاربرد هوش مصنوعی در کشورمان، مربوط به توسعه مکانیسم های احراز هویت است. تا پیش از کاربست هوش مصنوعی در مکانیسم های احراز هویت، فرایندهای شناسایی کاربران فضای مجازی آنچنان که باید هوشمند سازی نبود.

این فرایندها گاه از عناصری مانند دریافت شماره تماس افراد و احراز مالکیت استفاده میکنند و گاه با دریافت کد ملی کاربر هویت آنها را تشخیص میدهند. در مرتبه پیشرفته تر از مشخصه های بیومتریک مانند حالت چهره برای تشخیص هویت افراد استفاده میشد.

اما در کشورمان برخی از روندهای اداری نظیر، روندهای قوه قضاییه و یا ثبت نام و مشارکت افراد در بازار سرمایه، نیاز به احراز دقیق هویت دارد و با مکانیسم های فوق الذکر نمی توان هویت افراد را آنطور که باید احراز کرد.

در این شرایط بود که با استفاده از فناوری پردازش تصویر، الگوریتم هایی پیشرفته فراهم شد تا از مراجعه خیل عظیمی از مردم به بازار سرمایه و دفاتر امور قضایی جلوگیری شود.

از طرفی حجم قابل توجهی از کاغذ در این روندهای اداری کاسته شد. زمان رسیدگ یها کاهش یافت و به همان میزان دقت انجام احراز هویت افراد نیز افزایش پیدا کرد. این رخداد، به نوعی تحولی زیرساختی در عرصه بوروکراسی به حساب می آید که به لطف محصول فراشناسا پدید آمد. این محصول به مثابه یک رابط کاربری منعطف بر روی سامانه های متنوعی نصب گردیده و احراز دقیق هویت را به کمک هوش مصنوعی پیاده سازی میکند.

صنایع غذایی کشور: کشف آلودگیهای عمیق در ظروف غذایی: 

از دیگر موارد موفق کاربست هوش مصنوعی در صنایع غذایی کشور است. در این رابطه باید گفت شرکتهای دانش بنیان بسیاری در کشورمان وجود دارند که در طول سال همواره بر تعداد آنها نیز افزوده میشود.

این شرکتها همواره در تالش برای هوشمند سازی روندهای زندگی هستند. یکی از موفقیتهای چشمگیر آنها طراحی سامانه ای است که میتواند آلودگی های موجود در عمق ظروف را تشخیص دهد.

این روند میتواند ظروف ناپاک را از چرخه تولید خارج کرده و بر کیفیت عملیاتهای تولید در این صنعت بیفزاید. این دست از امور حتی به کمک نیروی انسانی، چه با چشم مسلح و چه با چشم غیر مسلح قابل شناسایی نبود. به همین دلیل این تکنولوژی می تواند علاوه بر تولید ارزش افزوده، چالشهای بسیاری را در این صنعت شناسایی و رفع کند.

علوم پزشکی: اختراع ربات های جراح:

متخصصین کشورمان توانسته اند با استفاده از فناوری های هوش مصنوعی، ربات های جراح اختراع کنند و حتی تعدادی از این محصولات را نیز به کشورهای جنوب شرقی آسیا نظیر مالزی صادر نمایند. دارندگان این فناوری در جهان بسیار محدود هستند. با استفاده از این فناوری، پزشک متخصص میتواند به دورترین نقاط کشور و جهان، خدمات خود را صادر کند و به صورت آنلاین و از طریق ربات، جراحی انجام دهد. هوش مصنوعی در علوم پزشکی هم کاربرد های زیادی دار.

بازاریابی: استفاده از فناوری داده کاوی برای شناسایی پرسوناژهای جامعه هدف:

 با توسعه هوش مصنوعی در کشور، علم بازاریابی به خوبی توانسته است از فناوری های این رشته از دانش استفاده کند. به این نحو که هر استراتژی بازاریابی نیاز به شناخت هویت جامعه هدف دارد تا بتواند محتوای هایش را متناسب با سالیق ایشان تنظیم کند.

در این راستا فناوری داده کاوی میتواند با شناسایی الگوهای رفتاری کاربران در پلتفرمهای فروشگاهی و اجتماعی، منطقه بازاریابی را متناسب با الگوهای رفتاری جامعه هدف تنظیم کند. اما دادهکاوی محدود این به بازاریابی نیست.

به بیان دیگر علوم مختلف دیگری نظیر جامعه شناسی از این فناوری برای شناخت رفتارهای اجتماعی و ایده ها یا دغدغه های شهروندان فعال در بستر فضای مجازی استفاده میکنند که نوبه خود برای سیاست گذاری در سطوح کالن کشوری بسیار کارآمد است. 

تفاوت هوش مصنوعی و برنامه نویسی

ما در برنامه نویسی ورودی های معلوم و مشخص داریم و با استفاده از دستورات شرطی مانند if و else میتوانیم معادلات را حل کنیم و به نتیجه دلخواه برسیم ولی مسائلی که با هوش مصنوعی حل می شوند از تنوع ورودی زیادی بهره مند هستند به همین دلیل نمی توان با برنامه نویسی معمولی تمام جنبه ها را پوشش داد.

مثل یک سیستم تبدیل صدا به متن یا تشخیص چهره که داده های ورودی آنها بسیار متنوع هستند به همین دلیل مجبور به استفاده از مدل های هوش مصنوعی برای انجام این کارها هستیم.

شاخه های هوش مصنوعی

• سیستم خبره (Experts Systems)
• رباتیک (Robotics)
• یادگیری ماشین (Machine Learning)
• شبکه عصبی (Neural Network)
• منطق فازی (Fuzzy Logic)
• پردازش زبان طبیعی (Natural Language Processing)

سیستم خبره (Experts Systems)

 سیستم خبره در واقع یک نرم افزار مبتنی بر هوش مصنوعی است که دانش انسانی را یاد میگیرد و از این دانش برای تصمیم گیری، تقلید میکند، این سیستم برای حل مسائل پیچیده از برنامه نویسی های رایج استفاده نمی کند بلکه از منطق برای این کار استفاده میکند. از کاربرد های سیستم های خبره میتوان به موارد زیر اشاره کرد: 

• کاربرد درمانی، شناسایی عفونت های ویروسی
• کاربرد بانکی، تجزیه و تحلیل وام و سرمایه گذاری
• کاربرد پزشکی، تولید ربات های جراح

رباتیک (Robotics)

رباتیک شاخه بسیار جالب از هوش مصنوعی است که بر روی طراحی و توسعه رباتها تمرکز دارد. این شاخه از ترکیب شدن گرایش هوش مصنوعی، الکترونیک و کنترل، مکانیک (طراحی و ساخت) به وجود آمده است. هدف این شاخه، کمک به انسان ها در انجام کارهای تکراری و خسته کننده است.

یادگیری ماشین (Machine Learning)

یادگیری ماشین به سیستم ها این امکان را میدهد تا به صورت خودکار، یادگیری و پیشرفت داشته باشند بدون اینکه به برنامه نویسی صریحی برای آن نیاز داشته باشند. تمرکز اصلی یادگیری ماشینی بر توسعه برنامه های رایانه ای است که بتوانند به داده ها دسترسی پیدا کنند و از آن برای یادگیری خود استفاده کنند.

الگوریتم های بسیار مختلفی برای یادگیری ماشین وجود دارد و هر روزه صدها الگوریتم جدید نیز تولید می شوند، و به طور معمول از منظر سبک یادگیری (style learning) (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.

شبکه عصبی (Neural Network)

شبکه عصبی شاخه ای از هوش مصنوعی است که با استفاده از نورون های مصنوعی مغزی تلاش برای حل مشکلات پیچیده دارد. شبکه های عصبی را به نام ”یادگیری عمیق“ نیز شناخته می شود. از کاربرد های این شاخه می توان به موارد زیر اشاره کرد:

• تجزیه و تحلیل ریسک
• تحقیقات بازار
• کشف تقلب
• پیش بینی سهام
• تأیید چهره

منطق فازی (Fuzzy Logic)

منطق فازی شاخه هوش مصنوعی برای اصلاح و بازنمایی اطلاعات نامطمئن با تجزیه و تحلیل میزان صحت فرضیه است. منطق فازی در مواجهه با عدم اطمینان به شما کمک می کند تا سطح مشخصی از انعطاف پذیری استدلال را ارائه دهید. پروفسور لطفی عسگرزاده (مبدع نظریه منطق فازی) متوجه شد که کامپیوترها توانایی شبیه سازی تفکرات انسان را ندارند، منطق دیجیتال فقط توانایی نمایش دو وضعیت را دارد:

• درست (True)
• غلط (False)

این در حالی است که یک مفهوم می تواند تا حدی درست یا نادرست باشد. منطق فازی کاربرد های گسترده ای دارد ولی دو تا از اصلی ترین کاربردهای آن در گیربکس های اتوماتیک و پزشکی است.

پردازش زبان طبیعی (Natural Language Processing)

پردازش زبان طبیعی به توانایی رایانه در درک گفتار انسان گفته میشود، اغلب مردم این شاخه را با نام NLP میشناسند. یادگیری ماشین، نوع خاصی از هوش مصنوعی است که الگوها را در اطلاعات تجزیه و تحلیل و استفاده میکند تا رایانه داده های ساختار یافته زبان انسان را به داده های منظم و قابل فهم خود تبدیل کند.

سطوح مختلف هوش مصنوعی

یک سیستم هوش مصنوعی بر اساس آن چه که از دنیای بیرون درک میکند و میتواند به آن پاسخ دهد، دارای سه سطح میباشد. هوش مصنوعی محدود، عمومی و سوپر هوش مصنوعی. در ادامه هر کدام را به تفصیل توضیح میدهیم.

• هوش مصنوعی محدود (Artificial narrow Intelligence)
• هوش مصنوعی عمومی (Artificial General Intelligence)
• سوپر هوش مصنوعی (Artificial Super Intelligence)

هوش مصنوعی محدود (Artificial narrow Intelligence)

در تاریخچه هوش مصنوعی، هوش مصنوعی محدود بسیار زودتر از انواع دیگر هوش مصنوعی پدید آمده است. این روزها نمونه های هوش مصنوعی محدود زیاد است. برای مثال رایانه هایی که در بازی های پیچید ایی مانند شطرنج، تصمیم گیری هوشمندانه در زمینه تجارت و انواع دیگر کارهای مهم توانسته اند بهتر از انسان عمل کنند نمونه هایی از هوش مصنوعی محدود هستند.

زمانی که در مورد هوش مصنوعی محدود صحبت میکنیم منظورمان سیستم های هوشمندی است که در انجام دادن یک وظیفه (task) به خصوص بهتر از انسان عمل میکنند. برای مثال سیستم هوشمندی که میتواند به صورت خودکار گفتار را به نوشتار تبدیل کند یا سیستم های تشخیص چهره که قادرند هویت یک فرد را حتی در شلوغی و سیل عظیمی از جمعیت تشخیص دهند.

اگر بخواهیم برخی از کاربردهای هوش مصنوعی محدود را مثال بزنیم، عبارتند از: 

• اتومبیل های خودران که به کمک هوش مصنوعی یاد میگیرند که چگونه رانندگی کنند. 
• سیستم های پردازش تصویر و تشخیص چهره که میتوانند کارهای بسیاری را انجام دهند و عملیات تشخیص هویت افراد را انجام دهند.
• سیستم های هوش مصنوعی که به انجام فرآیندهای مالی در بانک ها و سایر کسب و کارهای مالی کمک میکند.
• دستیار های هوشمند که بر اساس نیازهایتان به شما کمک میکنند و حتی پرواز ها و هتل هایتان را از قبل رزرو میکنند.

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 ظرفیت و گنجایش مشابه برای انجام فعالیت ها و وظایفی 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 علمی-تخیلی مشاهده کنیم.

از نظر تئوری یک هوش مصنوعی عمومی میتواند هم سطح انسان فعالیت کند و یا حتی در زمینه هایی مانند حافظه و غیره از او بهتر عمل کند.

با این سطح از آگاهی و دانش یک ماشین می تواند تمام کارهایی که زمانی بر انسان محول میشد را بدون نیاز به وجود انسان انجام دهد و با گذشت زمان بیشتر ماشین های دارای هوش مصنوعی عمومی میتوانند در بسیاری از زمینه ها جای انسان را پر کنند.

خاتمه دادن به نیاز حضور نیروی انسانی در بسیاری از کارها و استفاده از تکنولوژی هوش مصنوعی عمومی یا کامل میتواند مانند هر تکنولوژی دیگری هر دو جنبه مثبت و منفی در زندگی اجتماعی و فردی انسان ها داشته باشد. اما با همه اینها وجود آن بسیار مفید و در عین حال اجتناب ناپذیر خواهد بود.

به کمک هوش مصنوعی عمومی که دارای توانایی ها و ظرفیت های زیادی برای کمک به بشریت می باشد، بسیاری از مشکلات انسان امروزی با آن سر و کله میزند، همانند تغییرات شدید آب و هوایی، حل خواهد شد. سیستم های هوش مصنوعی عمومی میتواند از کارهای عادی تا کارهای بسیار مهم و خطیر را به بهترین شکل انجام دهند.

در سطح عمومی آن ها میتوانند کارهایی مثل رانندگی، دستیار شخصی هوشمند با توانایی درک همه نیازهای کاربر، یک دستیار پزشک و یا سیستم تشخیص بیماری و غیره باشد. در سطوح بالا این سیستم ها میتوانند کارهایی را انجام دهند که به زندگی و امنیت و جان انسان ها بستگی دارد و میتوانند به خوبی از پس چنین کارهایی بر بیایند.

سوپر هوش مصنوعی (Artificial Super Intelligence)

سوپر هوش مصنوعی در واقع عبارتی است که برای هوش مصنوعی استفاده می شود که سطح هوش و درک انسانی را پشت سر گذاشته و به نوعی دارای هوش فرا بشری خواهد شد. تا به حال هنوز هیچ جامعه ای نتوانسته به سوپر هوش مصنوعی دست پیدا کند. در حقیقت رسیدن یا نرسیدن و یا حتی زمان رسیدن به آن در هاله ای از ابهام میباشد.

همچنین این مسئله که چنین هوش مصنوعی چه کارهایی انجام میدهد و یا این مسئله که آیا قرار است تهدیدی برای بشر باشد یا فرصتی برای او، هم مبهم است و بسیاری از صاحب نظران نظرات بسیار متفاوتی را در این مورد دارد وبحثی داغ بین صاحبان غول های تکنولوژی میباشد.

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.

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 آینده ای است که برای هوش مصنوعی میبینیم که حاصل تکامل هوشمند شدن هوش مصنوعی است.

هوش مصنوعی محدود به این معنا است که در آن سیستم هوش مصنوعی میزان خاصی از هوش را در یک زمینه خاص به کار ببرد. در حقیقت این سیستم هنوز یک کامپیوتر است اما یک کامپیوتری که در برخی از زمینه ها هوشمندتر از انسان عمل میکند.

معنای هوش مصنوعی عمومی بسیار پیچیده تر است. این واژه به سیستمی اطلاق می شود که میتوانند همانند یک انسان هر کاری را که به او محول میشود را انجام دهد.

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 همچنین بتواند داده ها و اطلاعاتی که به او داده میشود را با سرعتی چند برابر انسان پردازش نماید.

از این رو می توانیم بگوییم که سیستم های هوش مصنوعی عمومی در بعد دانش، توانایی شناختی و سرعت پردازش از انسان ها قوی تر عمل خواهند کرد نکته مهم این است که این سیستم زاده مغز و علم بشر است. سوپر هوش مصنوعی همان طور که گفته شد زمانی است که هوش مصنوعی به فراتر از توانایی های انسان دست خواهد یافت.

این سیستم می تواند دارای قدرت هایی باشد که یک انسان از داشتن آن محروم است. رسیدن به این سیستم در اثر تکامل یافتن هوش مصنوعی عمومی اتفاق خواهد افتاد و ساخت آن هم میتواند به دست بشر باشد و یا اینکه میتواند به دست سیستم های هوشمندی باشد که به تکامل دست یافته اند.

هوش مصنوعی چگونه آموزش می بیند؟

امروزه سیستم های هوش مصنوعی به کمک یادگیری ماشین و یادگیری عمیق هوشمند می شوند و می توانند یاد بگیرند و آموزش ببینند. در ادامه هر کدام را معرفی میکنیم.

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 باید تا یک برنامه نویسی مخصوص به آن یادگیری خاص را انجام داد.

تمرکز اصلی یادگیری ماشینی بر توسعه برنامه هایی است که بتوانند با دسترسی به داده ها، به طور خودکار از آنها برای یادگیری خود سیستم استفاده کنند. در یادگیری ماشین فرآیند یادگیری با مشاهدات یا داده ها آغاز می شود و سیستم از مثال ها، تجارب مستقیم و یا دستورالعمل ها و.. استفاده میکند تا به یک الگو مشخص برسد و بر اساس آن الگو شروع به تصمیم گیری و حل مسئله کند.

هدف اصلی یادگیری ماشین آن است که به کامپیوتر اجازه بدهیم که بدون دخالت و کمک انسان به طور اتوماتیک یادگیری داشته باشند و بتواند بر اساس مشاهدات و دادهها رفتار خود را تنظیم کند. الگوریتم های بسیار مختلفی برای یادگیری ماشین وجود دارد و هر روزه صدها الگوریتم جدید نیز در این زمینه تولید میشوند.

به طور 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. صرف نظر از هر دو گروه بندی، تمام الگوریتم های یادگیری ماشین معمول در زمینه های زیر فعالیت می کنند: 

• نمایش: مجموعه ای از طبقه بندی کننده ها یا زبانی که کامپیوتر 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.

یادگیری عمیق

یادگیری عمیق نوعی از یادگیری ماشین و 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 داده ها را سریعتر و آسان تر می کند.

به نوعی می توان گفت یادگیری عمیق در واقع همان یادگیری ماشین است به گونه ای که در سطح کارهای پیچیده، نمایش یا انتزاع، عمل یادگیری را برای یک سیستم هوش مصنوعی انجام میدهد و به این صورت ماشین درک بهتری از واقعیت های وجودی پیدا میکند و می تواند الگوهای مختلف را شناسایی کند.

در ساده ترین سطح، یادگیری عمیق را می توان راهی برای خودکار سازی تجزیه و تحلیل پیش بینیها دانست. برای شناسایی نحوه کار کرد یادگیری عمیق باید با شبکههای عصبی آشنا باشید. این نوع از یادگیری در واقع همانند یادگیری به وسیله شبکه های عصبی هستند که دارای لایه پنهان زیادی می باشند و هر چقدر در این الیه ها جلوتر بروید به مدل های پیچیدهتر و کاملتری میرسید.

دسته بندی سیستم های 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 
• حافظه محدود 
• تئوری ذهن 
• خود آگاهی

 ماشین های انفعالی

 نمونه این دسته deep blue است که یک برنامه شطرنج بود که در دهه ۱۹۹۰ 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. مثال اینکه الینی که در آن در حال رانندگی هستند را عوض کنند. البته این نوع مشاهدات و تجربیات 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، آرزوها و آمال و نیت هر فرد بر می گردد و تاثیری که هر کدام از آن ها بر تصمیم گیری یک فرد دارد. 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 می توانند از اطلاعاتی که بدست می آورند احساسات دیگران را نتیجه گیری کنند. البته این نوع از هوش مصنوعی نیز همانند مورد سوم هنوز وجود ندارد.

آیا رباتیک همان هوش مصنوعی است؟ 

رباتیک در حقیقت حوزه ای از علم و تکنولوژی است که با ربات ها سر و کار دارد و به طور کلی میتوان گفت رباتها ماشین هایی هستند که برای انجام یک سری کارها به صورت اتوماتیک یا نیمه اتوماتیک، از قبل برنامه ریزی شده اند.

رباتیک علمی است که با طراحی، ساخت و برنامه نویسی انواع ربات ها سر و کار دارد و تنها بخش کوچکی از زیر مجموعه آن است که به هوش مصنوعی مربوط می شود و با آن ادغام شده و تشکیل ربات های دارای هوش مصنوعی را می دهد. هوش مصنوعی نیز زیر مجموعه ای از علوم کامپیوتر است که به تولید برنامه هایی می پردازد که وظایفی که نیاز به هوش انسانی دارد را انجام دهند.

الگوریتم های هوش مصنوعی دارای یادگیری، درک، حل مسئله، درک زبان طبیعی و یا استدلال منطقی می باشند. از هوش مصنوعی در دنیا کاربردهای متنوع و فراوانی دارد و این تکنولوژی در زمینه های مختلفی برای اتوماتیک کردن و یا هوشمند کردن فرآیندها استفاده میشود. برای مثال موتور جستجوگر گوگل از هوش مصنوعی در جستجو هایش استفاده میکند تا بهترین و نزدیکترین نتیجه به آن چه که کاربر می خواهد را پیدا کند.

الگوریتمهای هوش مصنوعی تنها به منظور کنترل رباتها ساخته نشده اند. در واقع زمانی که از هوش مصنوعی برای کنترل یک ربات استفاده میکنیم، در حقیقت این هوش مصنوعی تنها یک بخشی از سیستم رباتیکی بزرگتری است که این سیستم بزرگتر خود شامل سنسورها، فعال کننده ها و برنامه نویسی هایی است که هوش مصنوعی در آن دخیل می باشد.

هوش مصنوعی و رباتیک دو علم کاملا جدا از هم هستند و اصلا به یکدیگر شباهتی ندارند و تنها در برخی از بخش ها به منظور هوشمند شدن رباتها از هوش مصنوعی استفاده میشود.

کاربرد هوش مصنوعی در کسب و کارهای مختلف 

از این علم می توان در کسب و کارهای مختلف استفاده کرد و در هر کسب و کاری منفعت های بسیاری را به همراه خواهد داشت. در ادامه به چند نمونه از این کاربرد ها در هر حوزه می پردازیم:

• هوش مصنوعی در حوزه سلامت 
• هوش مصنوعی در حوزه کسب و کار 
• هوش مصنوعی در حوزه آموزش و پرورش
• هوش مصنوعی در حوزه اقتصاد 
• هوش مصنوعی در حوزه قانون و قضا
• هوش مصنوعی در حوزه تولید
• هوش مصنوعی در برقراری امنیت
• هوش مصنوعی و تفسیر داده ها

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 به سوالاتی که از آن پرسیده می شود است. 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.

سایر برنامه هایی که هوش مصنوعی دارند مانند چت بات ها، می توانند به بیماران برای برنامه ریزی قرار ملاقات، پاسخ به پرسش ها، صدور صورت حساب کمک کنند و یا به صورت یک دستیار سالمت مجازی به فرد بازخوردهای پزشکی ارائه 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 الزم، 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. intelligence Artificial میتواند 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 Tax Turbo، 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 ، سوالات 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 می شود. این سیستم ها 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 داده ها

 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 می شود. از کلان داده ها میتوان برای استخراج اطلاعات مورد نیاز برای تصمیم گیری های مهم و حیاتی استفاده کرد و حرکات استراتژیک و حساس را با دقت بیشتری اجرا نمود.

یک دانشمند داده به کمک کلان داده ها نه تنها قادر به تجزیه و تحلیل نیازهای افراد می باشد بلکه از قوانین حاکم بر بازارها و روندهای مختلف نیز اطالع 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 داده ها است که به بسیاری از مفاهیم جدید میرسیم که نتیجه اش قابلیت متحول کردن بخش عظیمی از جامعه و زندگی انسانها را دارد.

هوش مصنوعی در کشاورزی 

کشاورزی از قدیمیترین شغل ها در جهان امروز است. هزاران سال قبل، ابداع کشاورزی و کشت روشمند محصولات زراعی باعث انقلاب در زیست انسانها شد که به انقلاب کشاورزی معروف است.

از زمانی که انسان هوشمند، یکجانشینی را بر کوچ ترجیح دادند و کشاورزی را آغاز کردند تا به امروز کشاورزی تغییرات بسیاری را از سر گذرانده و فناوری های بسیاری وارد این حوزه شده اند. آخرین نسخه از فناوری های جدید که به پشتوانه ی هوش مصنوعی ممکن شده است کمکم راهش را به کشاورزی باز میکند.

هوش مصنوعی در حمل ونقل

از نخستین انگیزه هایی که هوش مصنوعی را وارد عرصه حمل و نقل کرد مشکلات بیشمار این حوزه بود. یکی از مشکلات اساسی این حوزه آسیب های جانی و مالی فراوانی است که هر ساله به بسیاری وارد میشود.

کافی است به آمار تلفات جادهای در همین کشور خودمان نگاهی بیندازید تا میزان حاد بودن این مشکل پی ببرید. ماشین های هوشمند که توان تحلیل قدرتمندی دارند میتوانند در حل این مشکل به کمک انسان بیایند.

مثال دیگری از مشکلات این حوزه مسئله ی ترافیک است. ورد AI به مدیریت ترافیک می تواند همان حلقه گمشده این معضل باشد. چرا که سیستم های هوش مصنوعی به سرعت می توانند خود را با وضعیت های جدید سازگار کنند و عملکرد خود را بهبود ببخشند.

چالش های هوش مصنوعی

به کارگیری هوش مصنوعی نه تنها در ایران بلکه در بسیاری از کشورهای پیشرفته با چالش های متعددی مواجه است. چالش عمده ای که کسب و کارها در به کارگیری هوش مصنوعی با آن سروکار دارند مربوط به افراد و نیروی انسانی، داده ها 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.

• چالش های مرتبط با داده ها و اطلاعات 
• چالش های مربوط به افراد و نیروهای انسانی 
• چالهای درون سازمانی و سیاست های درونی هر کسب و کار

چالش های مرتبط با داده ها 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 داده هایی که به آن داده می شود عملکرد خوبی خواهد داشت در حقیقت داده عنصر اصلی مورد نیاز تمام راه حل هایی 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
• جانبداری
• مقابله با خطاهای مدل ها

چالش های 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 نمی دانند که هوش مصنوعی چه تحولی را میتواند در کسب و کار آنها ایجاد کند.

چالش های درون سازمانی و سیاستهای درونی 

هر کسب و کار در هر کسب و کار و 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

نتیجه گیری

 نگرش ها به آینده در این حوزه متفاوت است. برخی ها با بدبینی تمام اتفاقات این حوزه را دنبال میکنند. به نظر این گروه را صرفا ی کارویژههای مشخص طراحی کرد، کمکم این فناوریها جای ً از آنجایی که میتوان ربات ها و ماشین ها برا نیروی کار انسانی را در بخشهای مختلف خواهند گرفت.

بیکاری اولین پیامد چنین روندی خواهد بود. دیگر نیازی به انسان در حوزه اشتغال نخواهد بود و این میتواند بحرانی اساسی باشد. مثلا تصور کنید که ربات ها و ماشین ها به آن حدی از تکامل برسند که دیگر در تصمیم گیری ها و بهبود و یا روز تقویت خود نیازی به انسانها نداشته باشند.

این تصاویر بیشتر به صحنه هایی از فیلمهای آخرالزمانی شبیه است، اما همه اینها از بیمه ایی است که شاید بسیار از متخصصان و غیر متخصصان داشته باشند.

اما این تمام ماجرا نیست. آینده خوشایند تری را نیز میتوان تصویر کرد. انسان نیز مانند هر موجود دیگری محدودیت های خاص خودش را دارد. حال اگر بتوان امکانی فراهم آورد که این محدودیتها را کمتر کند چه اتفاقی میافتد؟ تا همینجا که AI قدمهای آغازینش را برمیدارد، در بسیاری از حوزه ها کار را برای انسانها آسانتر کرده است. احتمالا ربات های انسان یاب را دیده اید.

ربات هایی که در شرایط دشوار مثل آتش سوزی و زلزله میتوانند کسانی را که در زیر آوار گیر کرده اند یا در محاصره آتش قرار گرفته اند به آسانی نجات دهند. تصادف، نمیتواند حرکت کند.

حال اگر AI امکانی فراهم آورد کسی را تصور کنید که به هر دلیلی، مادرزادی یا مثلا که بتواند به این افراد، که تعدادشان کم هم نیست، کمک کند چه اتفاقی خواهد افتاد؟ هوش مصنوعی مانند هر فناوریهای کاستیها و امکان های خاص خود را دارد. ادامه ی راه این فناوریها به خود ما انسانها بازمیگردد. انتخاب هنوز دست خود ماست که از این فناوری ها در چه حوزه ای بهره ببریم.