این مقاله را میتوانید در مدت زمان 2 دقیقه مطالعه کنید منتشر شده در تاریخ: مهر ۸ام, ۱۳۹۹ آخرین بروزرسانی: دی ۲۶ام, ۱۴۰۱
برای درک بهتر هوش مصنوعی بیایید فرض کنیم که در سال ۲۰۲۹ میلادی هستیم. همه چیز تحت نظر و سیطره اسکای نت هست. ربات ها به دنبال نابودی و غلبه بر بشر هستند. عده ای از انسان ها گروهی به نام “نیروی مقاومت انسان ها” تشکیل داده اند. نبرد انسان و ربات ها آغاز شده است. اسکای نت که قرار بود به منظور تضمین پاسخ کارآمد و و سریع به حمله دشمن باشد تا خطاهای احتمالی انسانی را در مقابل دشمن به حداقل برساند، اکنون نابودی بشر را هدف گرفته است.
پس از خواندن پاراگراف اول شاید به یاد فیلم نابودگر افتاده باشید. به صورت کاملا مختصر اگر بخواهیم هوش مصنوعی را توضیح دهیم، می توانیم همین یک پاراگراف رو بخوانیم و یا این که گریزی به فیلم اشاره شده داشته باشیم. هوش مصنوعی یا (Artificial Intelligence) به هوشمندی نشان داده شده توسط ماشین ها در شرایط مختلف اطلاق می شود که میتوانند واکنشهایی مشابه هوش انسانی از جمله درک شرایط پیچیده، شبیهسازی فرایندهای تفکری و شیوههای استدلالی انسانی و پاسخ موفق به آن ها، یادگیری و توانایی کسب دانش و استدلال برای حل مسایل را داشته باشند. به عبارت دیگه شبیه ساز هوش انسانی در کالبد ماشین ها و سیستم ها قرار می گیرد تا همانند انسان ها فکر کنند و رفتار انسانی را تقلید کنند.
یعنی دقیقا همان چیزی که در آزمون تورینگ مطرح می شود. این آزمون در سال ۱۹۵۰ توسط “آلن تورینگ” ارائه شد. این آزمایش به این شکل بود که اگر یک انسان برای حل مساله ای،با یک پاسخ دهنده تعامل برقرار کرده و پس از پرسش های مشخصی به جوابی مشخص برسد و در آخر نتواند تشخیص دهد که پاسخ دهنده انسان بوده یا ماشین، آزمون با موفقیت به پایان رسیده است. البته که تا کنون هیچ ماشینی به این موفقیت نایل نشده است. آلن تورینگ همچنین هوش مصنوعی را این گونه تعریف می کند :” توانایی رایانه در دست یافتن به کارایی در حد انسان در همه امور شناختی”
آنچه در این نوشته خواهیم داشت
امروزه هوش مصنوعی از موضوعات محبوبی است که به صورت گسترده در فناوری و کسب و کارها بحث و استفاده می شود. بسیاری از متخصصان و تحلیل گران آماری مدعی هستند که آینده از آن هوش مصنوعی، یادگیری ماشین (machine learning) و یادگیری عمیق (deep Learning) است. اما وقتی به دور بر خودمون نگاه بندازیم متقاعد می شویم که در آینده نباید به دنبال هوش مصنوعی باشیم، همین الان که دارید این مقاله رو میخوانید اثرات این آیندۀ وعده داده شده به وضوح مشخص است.
به گزارش گارتنر تا پایان سال ۲۰۱۸ “دستیار دیجیتالی مشتریان” آن ها را از طریق صدا و چهره شان در میان کانال ها و همکارانشان تشخیص می دهد. فورستر ادعا کرده که هوش مصنوعی تا پایان سال ۲۰۲۰ میلادی جایگزین بیش از ۱۶٪ مشاغل آمریکایی که انسان ها در آن فعالیت می کنند، می شود .
برخلاف باور عموم جامعه، هوش مصنوعی تنها به فناوری اطلاعات و صنایع مرتبط با آن محدود نمیشود. بلکه در حوزه هایی چون پزشکی، حقوق، آموزش و کسب و کارهای تجاری نیز استفاده گسترده ای دارند.
اگر گوشی آیفون داشته باشید، “سیری” برای شما آشناست. دستیار صوتی با صدایی زنانه که با کارهای روزمره کاربر در تعامل است. سیری به کاربران اپل این اجازه را میدهد که با دستورات صوتی خود، مسیربابی کنند، اپلیکیشنی را راه اندازی کنند و یا تماس یا پیامکی را ارسال کنند. یعنی کاری که انسان باید انجام میداد با صدور فرامین صوتی توسط هوش مصنوعی اجرا می گردد. انواع مختلف هوش مصنوعی را می توان به میزان هوش مصنوعی که در ماشین یا ربات یا اپلیکیشن جاسازی شده است، طبقه بندی کرد.
شما همچنین می توانید سایر مقالات سایت آمانج را در حوزه یادگیری عمیق مطالعه فرمایید:
نکات مهمی که باید در سال ۲۰۲۰ درباره دیپ لرنینگ بدانید +( زبان های برنامه نویسی برای دیپ لرنینگ)
اینستاگرام چگونه از یادگیری ماشین و هوش مصنوعی استفاده می کند؟
این نوع از هوش مصنوعی که با نام “هوش مصنوعی ضعیف” نیز شناخته می شود، کارکرد اصلی آن متمرکز بر روی یک کار است. این نوع از هوش مصنوعی به دلیل آنکه متمرکز است، دارای توانایی کم و محدود است. نرم افزار ترجمه گوگل، سیری یا الکسا و حتی برنامه های تشخیص چهره، یعنی دقیقا همان نرم افزارهایی که روزانه با آن ها کار می کنیم را می توان جزو طبقه هوش مصنوعی ضعیف یا محدود قلمداد کرد.
این طبقه بندی از هوش مصنوعی را می توان به اندازه یک انسان بالغ توانمند دانست. الگوی رفتاری این نوع از هوش مصنوعی الگو برداری از هوش انسانی برای تقلید آن است. به عبارتی هوش عمومی مصنوعی، هوش ماشینی است که می تواند با موفقیت هر کار فکری که انسان توانایی انجام آن را دارد، اجرا کند. درواقع هوش عمومی، بسیار انعطافپذیر بوده و امکان یادگیری مهارت برای انجام دادن وظایف بسیار متنوع را نیز دارد.
طیف وسیعی از فعالیت ها از کوتاه کردن مو گرفته تا منظم کردن فایلهای صفحهی گستردهی مدیران تا حتی نتیجهگیری از اطلاعات و تجربههای کسبشده، توسط یک هوش عمومی مصنوعی قابل انجام هستند. اگر فکر شما هم به داستان اول همین متن برگشت و برای شما سوال شد که اسکای نت جزو کدام دسته از هوش مصنوعی قرار می گیرد باید بگویم که دقیقا جزو همین نوع از هوش مصنوعی قرار دارد. البته این نوع از هوش مصنوعی کامل نشده و بر طبق گفته متخصصان زمان تقریبی ۲۰ سال برای آن در نظر گرفته شده است.
به نظر متخصصان، سوپر هوش مصنوعی متعلق به آینده است. برای آنکه این هوش، لایق یدک کشیدن لقب سوپر هوش مصنوعی باشد، باید از انسان پیشی گرفته و توانایی اش از انسان بیشتر باشد. این نوع از هوش مصنوعی قادر خواهد بود عملکردی فرا انسانی در حوزه هایی نظیر تصمیم گیری، روابط انسانی و حتی هنر داشته باشد. متخصصی به نام نیک بوستروم زمان رسیدن به این سطح را ۳۰ سال پس از رسیدن به هوش مصنوعی عمومی میداند. در واقع برای این کار انسان نیاز دارد تا نسبت به فرایند مغز و کارکرد آن به شناخت کامل رسیده و سپس اقدام به توسعه و رشد سوپر هوش مصنوعی کند.
در سال های اخیر به لطف پیشرفت های چشمگیر در سیستم های کامپیوتری که موجب شده تحلیل و پردازش های پیچیده با سرعت بسیار بالا صورت پذیرد، در زمینه هوش مصنوعی نیز شاهد رشد و پیشرفت بیش از پیش بوده ایم. این پیشرفت ها در کنار آنکه سبب شده خطاهای انسانی در حوزه های خطیری چون علوم پزشکی و ژنتیک که با جان انسان ها در ارتباط بوده، به حداقل برسد، اما در برخی از حوزه ها نگرانی هایی را در پی داشته است. نگرانی جهانی جدید در حوزه دیپ فیک که لزوم یک قانون و بازنگری همه جانبه بر روی این حوزه را دوچندان کرده است.
برای مثال ورود ربات ها در صنایع تولیدی سبب تولید دوچندان و بدون نقص شده که در گذشته به دلیل آنکه انسان مسئول انجام آن کارها بوده و امکان اشتباه و خطا داشته، سود بنگاه های اقتصادی را چند برابر کرده اند. اما همین امر از منظر کلی، تهدید هایی را در پی داشته است. یکی از همین تهدید ها جایگزین کردن ماشین ها و ربات ها به جای انسان در مشاغل تولیدی و حتی در سال های اخیر، صنایع خدماتی است. جایگزینی که اگر تمهیداتی برای نسل شاغل و جویای کار جوامع نشود شاید زمینه ساز اعتراضات و بزه های اجتماعی گردد. به زعم عده ای، سناریوی گفته شده شاید بهترین سناریوی مطرح شده باشد. چرا که اگر ربات ها و هوش مصنوعی قدرت تسلط بر انسان ها را پیدا کنند و درصدد نابودی انسان ها بربیایند دیگر تصدی شغل اهمیت چندانی نداشته باشد. در آن صورت آیا باید منتظر فردی باشیم که “هاستالاویستا، ” (¡Hasta la vista!) بگوید؟
از یادگیری ماشین می توان در صنایع مختلف با اهداف مختلف استفاده کرد. ماشین لرنینگ باعث افزایش بهره وری در صنایع می شود، به بازاریابی محصول کمک کرده و پیش بینی دقیق فروش را ساده تر می کند. پیش بینی های دقیق پزشکی و تشخیص ها را تسهیل می کند. دقت در قوانین و مدل های مالی را بهبود می بخشد. به سیستم های توصیه گر، الگوریتم های فرا ابتکاری و حرکت ربات ها کمک خواهد کرد. در بحث فروش میتواند محصولات مناسب تری را به مشتری پیشنهاد دهد( با کمک به تقسیم بندی بهتر و پیش بینی دقیق طول عمر محصولات ) و ...
استفاده از سیستم های ماشین لرنینگ می تواند تا حد زیادی حجم کاری ما را کاهش دهد. به خصوص کارهایی که نیاز به آنالیز حجم عظیمی از داده و تصمیم گیری بر اساس این داده ها را دارد بسیار تسهیل می کند. سیستم های مبتنی بر ماشین لرنینگ ظرفیت انجام کار صد نفر را همزمان دارد و تنها به کمک ماشین ها می توان بدون صرف وقت و انرژی زیاد، کارهای سنگین را انجام داده و در عین حال پول و درآمد بیشتری کسب کرد. ماشین لرنینگ با خودکارسازی فرایندها و صرفه جویی در زمان، به ما کمک می کند تا بتوانیم زمان و انرژی خود را بر تصمیم گیری های پیچیده تری متمرکز کنیم.
ادامه...
از یادگیری ماشین می توان در صنایع مختلف با اهداف مختلف استفاده کرد. ماشین لرنینگ باعث افزایش بهره وری در صنایع می شود، به بازاریابی محصول کمک کرده و پیش بینی دقیق فروش را ساده تر می کند. پیش بینی های دقیق پزشکی و تشخیص ها را تسهیل می کند. دقت در قوانین و مدل های مالی را بهبود می بخشد. به سیستم های توصیه گر، الگوریتم های فرا ابتکاری و حرکت ربات ها کمک خواهد کرد. در بحث فروش میتواند محصولات مناسب تری را به مشتری پیشنهاد دهد( با کمک به تقسیم بندی بهتر و پیش بینی دقیق طول عمر محصولات ) و ...
استفاده از سیستم های ماشین لرنینگ می تواند تا حد زیادی حجم کاری ما را کاهش دهد. به خصوص کارهایی که نیاز به آنالیز حجم عظیمی از داده و تصمیم گیری بر اساس این داده ها را دارد بسیار تسهیل می کند. سیستم های مبتنی بر ماشین لرنینگ ظرفیت انجام کار صد نفر را همزمان دارد و تنها به کمک ماشین ها می توان بدون صرف وقت و انرژی زیاد، کارهای سنگین را انجام داده و در عین حال پول و درآمد بیشتری کسب کرد. ماشین لرنینگ با خودکارسازی فرایندها و صرفه جویی در زمان، به ما کمک می کند تا بتوانیم زمان و انرژی خود را بر تصمیم گیری های پیچیده تری متمرکز کنیم.
ادامه...
علی حاجی جعفر