هوش مصنوعی چیست؟ AI شبیه سازی فرآیندهای هوش انسانی توسط ماشینها، به ویژه سیستمهای کامپیوتری است. کاربردهای خاص این هوش شامل سیستمهای متخصص، پردازش زبان طبیعی، تشخیص گفتار و بینایی ماشین است. در مقالات قبل هم در مورد ai با شما صحبت کردیم. میتوانید به ان مراجعه کنید.
AI چیست؟
هوش مصنوعی شبیه سازی فرایندهای هوش انسانی توسط ماشینها، به ویژه سیستمهای کامپیوتری است. کاربردهای خاص هوشهای مصنوعی شامل سیستمهای متخصص، پردازش زبان طبیعی، تشخیص گفتار و بینایی ماشین است. در ادامه با نحوه کارکرد AI بیشتر اشنا میشوید.
چگونه هوشهای مصنوعی کار میکنند؟
با افزایش تبلیغات در مورد هوش مصنوعی، فروشندگان در تلاش هستند تا نحوه استفاده محصولات و خدمات خود از هوش مصنوعی را تبلیغ کنند. اغلب آنچه آنها به عنوان AI از آن یاد میکنند ، تنها یکی از اجزای این هوش است؛ مانند یادگیری ماشین. هوشهای مصنوعی به پایه سخت افزار و نرم افزار تخصصی برای نوشتن و آموزش الگوریتمهای یادگیری ماشین نیاز دارند. هیچ یک از زبانهای برنامه نویسی مترادف با AI نیستند، اما تعداد کمی از جمله Python ، R و Java محبوب هستند. به طور کلی سیستمهای این نوع هوش با بلع حجم زیادی از دادههای آموزشی برچسب زده، دادهها را برای همبستگی و الگوها تجزیه و تحلیل میکنند و از این الگوها برای پیش بینی وضعیتهای آینده استفاده میکنند. به این ترتیب، یک چت بات که از نمونههای چت متنی تغذیه میکند، میتواند یاد بگیرد که چگونه با مردم مبادله کند، یا یک ابزار تشخیص تصویر میتواند با مرور میلیونها مثال، تشخیص و توصیف اشیاء در تصاویر را بیاموزد. برنامه نویسی هوشهای مصنوعی یا AI بر سه مهارت شناختی تمرکز دارد: یادگیری، استدلال و تصحیح خود!
چرا هوش مصنوعی مهم است؟
هوش مصنوعی مهم است زیرا میتواند بینشهایی را در مورد عملکردهای خود به شرکتها ارائه دهد که ممکن است قبلاً از آن مطلع نبوده باشند و در برخی موارد، AI میتواند وظایف خود را بهتر از انسان انجام دهد. ابزارهای هوشهای مصنوعی به ویژه هنگامی که نوبت به کارهای تکراری و با جزئیات میرسد مانند تجزیه و تحلیل تعداد زیادی از اسناد قانونی برای اطمینان از پر شدن درست زمینهها، مشاغل را به سرعت و با خطاهای نسبتاً کمی به پایان میرسانند. این امر به انفجار کارآیی کمک کرده و راه را برای فرصتهای تجاری کاملاً جدید برای برخی از شرکتهای بزرگ باز کرده است. پیش از موج فعلی AI ، تصور استفاده از نرم افزار کامپیوتری برای اتصال سواران به تاکسی سخت بود، اما امروزه Uber با انجام این کار به یکی از بزرگترین شرکتهای جهان تبدیل شده است. از الگوریتمهای پیچیده یادگیری ماشینی برای پیش بینی زمان احتمالی افراد به سواری در مناطق خاص استفاده میکند، که به پیشگیری از نیاز رانندگان در جاده کمک میکند. به عنوان مثال، گوگل با استفاده از یادگیری ماشینی برای درک نحوه استفاده مردم از خدمات خود و سپس بهبود آنها، به یکی از بزرگترین بازیگران طیف وسیعی از خدمات آنلاین تبدیل شده است. در سال 2017، مدیرعامل این شرکت، سوندار پیچای، اعلام کرد که گوگل به عنوان یک شرکت “اولین هوشهای مصنوعی” فعالیت میکند. بزرگترین و موفقترین شرکتهای امروزی از AI برای بهبود عملیات خود و کسب مزیت برای رقبای خود استفاده کردهاند.
مزایا و معایب AI چیست؟
شبکههای عصبی مصنوعی و یادگیری عمیق فنآوریهای هوش مصنوعی به سرعت در حال پیشرفت است، در درجه اول به این دلیل که AI حجم زیادی از دادهها را بسیار سریعتر پردازش میکند و پیش بینیها را با دقت بیشتری نسبت به بشر امکان پذیر میکند. در حالی که حجم عظیمی از دادهها که به صورت روزانه ایجاد میشود یک محقق انسانی را دفن میکند، برنامههای این هوش که از یادگیری ماشینی استفاده میکنند؛ میتوانند این دادهها را گرفته و به سرعت آنها را به اطلاعاتی کاربردی تبدیل کنند. در هنگام نگارش این مقاله، اصلیترین عیب استفاده از هوشهای مصنوعی این است که پردازش حجم زیادی از دادههای مورد نیاز برنامه نویسی این هوش گران است. مزایا در مشاغل جزئیات گرا خوب است. کاهش زمان برای کارهای سنگین داده؛ نتایج ثابتی را ارائه میدهد؛ و عوامل مجازی مجهز به AI همیشه در دسترس هستند. معایب:
- گران
- نیاز به تخصص فنی عمیق دارد.
- عرضه محدود کارگران واجد شرایط برای ساخت ابزارهای هوش مصنوعی.
- فقط میداند چه چیزی نشان داده شده است.
- عدم توانایی تعمیم از یک کار به وظیفه دیگر.
انواع AI
هوش مصنوعی قوی در مقابل نوع ضعیف را میتوان به دو دسته ضعیف یا قوی طبقه بندی کرد. هوشهای مصنوعی ضعیف، که به آن AI باریک نیز میگویند. یک سیستم هوشهای مصنوعی است که برای تکمیل یک کار خاص طراحی و آموزش داده شده است. روباتهای صنعتی و دستیاران شخصی مجازی، مانند اپل، از AI ضعیف استفاده میکنند. هوشهای مصنوعی قوی، همچنین به عنوان هوش عمومی مصنوعی (AGI) شناخته میشود، برنامه نویسی را توصیف میکند که میتواند تواناییهای شناختی مغز انسان را تکرار کند. هنگامی که یک کار ناآشنا ارائه میشود، یک سیستم AI قوی میتواند از منطق فازی برای به کارگیری دانش از یک حوزه به حوزه دیگر و یافتن راه حلی مستقل استفاده کند. از لحاظ تئوری، یک برنامه هوش مصنوعی قوی باید بتواند هم در آزمون تورینگ و هم در اتاق چینی موفق شود. هوشهای مصنوعی ۴ نوع دارند. Arend Hintze، استادیار زیست شناسی تلفیقی و علوم کامپیوتر و مهندسی در دانشگاه ایالت میشیگان، در مقالهای در سال 2016 توضیح داد که این هوش را میتوان به چهار نوع طبقه بندی کرد. با شروع سیستمهای هوشمند ویژه استفاده گسترده امروزه و پیشرفت در سیستمهای حساس، که هنوز وجود ندارند. دسته بندی ها به شرح زیر است:
- ماشین های واکنشی. این سیستم های هوش مصنوعی حافظه ندارند و مخصوص وظایف هستند. به عنوان مثال ، Deep Blue ، برنامه شطرنج IBM است که گری کاسپاروف را در دهه 1990 شکست داد. آبی عمیق می تواند مهره های روی صفحه شطرنج را تشخیص داده و پیش بینی کند ، اما چون حافظه ندارد ، نمی تواند از تجربیات گذشته برای اطلاع از تجربیات آینده استفاده کند.
- حافظه محدود این سیستم های هوش مصنوعی دارای حافظه هستند ، بنابراین می توانند از تجربیات گذشته برای اطلاع از تصمیمات آینده استفاده کنند. برخی از عملکردهای تصمیم گیری در خودروهای خودران به این ترتیب طراحی شده اند.
- نظریه ذهن. نظریه ذهن یک اصطلاح روانشناسی است. هنگامی که برای هوش مصنوعی به کار می رود ، به این معنی است که سیستم دارای هوش اجتماعی برای درک احساسات است. این نوع هوش مصنوعی قادر به استنباط مقاصد انسانی و پیش بینی رفتار خواهد بود ، یک مهارت ضروری برای سیستم های هوش مصنوعی برای تبدیل شدن به اعضای اصلی تیم های انسانی.
- خودآگاهی در این دسته ، سیستم های هوش مصنوعی دارای حس خود هستند که به آنها هوشیاری می دهد. ماشینهای دارای خودآگاهی وضعیت فعلی خود را درک می کنند. این نوع هوش مصنوعی هنوز وجود ندارد.
نمونههایی از فناوری هوشهای مصنوعی
و چگونه امروزه از آن استفاده می شود هوش مصنوعی در انواع مختلفی از فناوری ها گنجانده شده است. در اینجا شش مثال آورده شده است: اتوماسیون. هنگامی که با فناوری های هوش مصنوعی همراه می شود ، ابزارهای اتوماسیون می توانند حجم و انواع کارهای انجام شده را افزایش دهند. یک مثال ، اتوماسیون فرآیند رباتیک (ՀՀԿ) است ، نوعی نرم افزار که وظایف پردازش داده های تکراری و مبتنی بر قوانین را که بطور سنتی توسط انسان انجام می شود ، خودکار می کند. وقتی با یادگیری ماشینی و ابزارهای هوش مصنوعی نوظهور ترکیب شود ، بخش عمده مشاغل سازمانی را خودکار می کند و ربات های تاکتیکی این حزب را قادر می سازد اطلاعات هوش مصنوعی را رد کرده و به تغییرات فرایند پاسخ دهند. فراگیری ماشین. این علم کارکردن کامپیوتر بدون برنامه نویسی است. یادگیری عمیق زیرمجموعه ای از یادگیری ماشینی است که به زبان ساده می توان آن را اتوماسیون تجزیه و تحلیل پیش بینی در نظر گرفت. سه نوع الگوریتم یادگیری ماشین وجود دارد: یادگیری تحت نظارت. برچسب داده ها به گونه ای است که می توان الگوها را تشخیص داد و برای برچسب زدن مجموعه داده های جدید استفاده کرد. یادگیری بدون نظارت مجموعه داده ها برچسب گذاری نشده اند و بر اساس شباهت ها یا تفاوت ها مرتب شده اند. یادگیری تقویتی مجموعه داده ها برچسب گذاری نشده اند ، اما پس از انجام یک عمل یا چندین اقدام ، به سیستم AI بازخورد داده می شود. بینایی ماشین این فناوری به ماشین این قابلیت را می دهد تا ببیند. بینایی ماشین اطلاعات بصری را با استفاده از دوربین ، تبدیل آنالوگ به دیجیتال و پردازش سیگنال دیجیتال ضبط و تجزیه و تحلیل می کند. غالباً با بینایی انسان مقایسه می شود ، اما بینایی ماشین به بیولوژی محدود نمی شود و برای مثال می توان آن را از طریق دیوارها مشاهده کرد. در طیف وسیعی از برنامه ها از شناسایی امضا تا تجزیه و تحلیل تصویر پزشکی استفاده می شود. بینایی رایانه ای ، که بر پردازش تصویر مبتنی بر ماشین متمرکز است ، اغلب با بینایی ماشین مخلوط می شود. پردازش زبان طبیعی (NLP) این پردازش زبان انسان توسط یک برنامه کامپیوتری است. یکی از قدیمی ترین و شناخته شده ترین نمونه های NLP ، تشخیص هرزنامه است که به موضوع و متن یک ایمیل نگاه می کند و در مورد ناخواسته بودن آن تصمیم می گیرد. رویکردهای فعلی NLP مبتنی بر یادگیری ماشین است. وظایف NLP شامل ترجمه متن ، تجزیه و تحلیل احساسات و تشخیص گفتار است. رباتیک این رشته مهندسی بر طراحی و ساخت روبات تمرکز دارد. رباتها اغلب برای انجام وظایفی که انجام آنها یا انجام مداوم آنها برای انسانها مشکل است ، استفاده می شوند. به عنوان مثال ، ربات ها در خطوط مونتاژ برای تولید خودرو یا توسط ناسا برای جابجایی اجسام بزرگ در فضا استفاده می شوند. محققان همچنین از یادگیری ماشینی برای ساخت ربات هایی استفاده می کنند که می توانند در محیط های اجتماعی تعامل داشته باشند. اتومبیل های خودران. وسایل نقلیه خودران از ترکیبی از دید رایانه ، تشخیص تصویر و یادگیری عمیق برای ایجاد مهارت خودکار در هدایت وسیله نقلیه در هنگام ماندن در یک خط مشخص و جلوگیری از موانع غیر منتظره مانند عابران پیاده استفاده می کنند.