هوش مصنوعی یا AI چیست ؟
هوش مصنوعی Artificial intelligence شاخه‌ای از علوم کامپیوتر است که در آن به ساخت ماشین‌هایی هوشمند پرداخته می‌شود که مانند انسان‌ها عمل می‌کنند و واکنش انجام می‌دهند.یک عامل هوشمند، سیستمی است که با شناخت محیط اطراف خود، شانس موفقیت خود را پس از تحلیل و بررسی افزایش می‌دهد. تکنولوژی هوش مصنوعی در آینده‌ای نه چندان دور زندگی بیشنر انسان‌ها را تحت تاثیر قرار خواهد داد.
بنا بر تحقیق معتبر دانشگاه آکسفورد که در سال ۲۰۱۳ انجام گرفته است؛ ۴۷ درصد از کل جایگاه‌های شغلی ایالات متحده در سال ۲۰۳۰ به شکل اتوماسیون و بدون حضور انسان انجام می‌گیرند. همچنین برنامه‌نویسان و مهندسان نرم‌افزار در ۲۰ سال آینده تنها ۸ درصد امکان اتوماسیون شغلشان وجود دارد. محققین براین باورند که نهایتا مهندسان نرم‌افزار روزی با برنامه‌ای هوشمند جایگزین خواهند شد؛ برنامه ای که می‌تواند کدها را خود کپی کند، بنویسد و آنها را بهبود بخشد.
تعریف هوش مصنوعی
هوش مصنوعی به سیستم‌هایی گفته می‌شود که می‌توانند واکنش‌هایی مشابه رفتارهای هوشمند انسانی از جمله درک شرایط پیچیده، شبیه‌سازی فرایندهای تفکری و شیوه‌های استدلالی انسانی و پاسخ موفق به آنها، یادگیری و توانایی کسب دانش و استدلال برای حل مسایل را داشته باشند.
هدف هوش مصنوعی
نزدیک نمودن رفتار و پاسخ یک سیستم کامپیوتری به الگوهایی است که انسان بر اساس آن ها رفتار می کند و پاسخ می دهد. گاه سیستم هایی طراحی می شوند که قدرت تجزیه و تحلیل آن ها از انسان بیشتر است؛ ولی باز از الگوهای ما استفاده می کنند.از اهداف متخصصین، تولید ماشین هایی است که دارای احساسات بوده و دست کم نسبت به وجود خود و احساسات خود آگاه باشند. این ماشین باید توانایی تعمیم تجربیات قدیمی خود در شرایط مشابه جدید را داشته و به این ترتیب اقدام به گسترش دامنه دانش و تجربیاتش کند.
تاریخچه هوش مصنوعی
نقش هوش مصنوعی هر روز در زندگی ما بیشتر می‌شود. آخرین ترند در این زمینه تکنولوژی هوش مصنوعی و کاربردهای مختلف آنها در گوشی‌های هوشمند است. اما شروع توسعه‌ی این تکنولوژی در واقع به خیلی قبل‌تر برمی‌گردد؛ یعنی زمانی در دهه‌ی ۵۰ میلادی که «دانشگاه دارتموث» (Dartmouth College) در ایالات متحده یک پروژه‌ی تحقیقات تابستانی را به هوش مصنوعی اختصاص داد. ریشه‌های هوش مصنوعی را حتی می‌توان در عمق بیشتری از تاریخ و در فعالیت‌های «آلن نیوئل» (Allen Newell)، «هربرت ای. سیمون» (Herbert A. Simon) و «آلن تورینگ» (Alan Turing) جست‌وجو کرد.
آزمون مشهور تورینگ در سال ۱۹۵۰ توسط او در مقاله‌ای مطرح شد. این مقاله یکی از اولین اسنادی است که در آن به وجود آمدن ماشین‌های هوشمند پیش‌بینی شده است. با این حال مقوله‌ی هوش مصنوعی تا پیش از معرفی شدن وپرکامپیوتر «دیپ بلو» (Deep Blue) توسط کمپانی IBM هنوز توجه جهانیان را به خود جلب نکرده بود. این سوپرکامپیوتر اولین ماشینی بود که توانست قهرمان شطرنج جهان «گری کاسپارف» (Garry Kasparov) را در مسابقه‌ای که در سال ۱۹۹۶ میلادی برگزار شد شکست دهد. الگوریتم‌های هوش مصنوعی برای سال‌های متمادی است که در دیتاسنترها و کامپیوترهای بزرگ استفاده می‌شوند، ولی حضور آنها در حوزه‌ی لوازم الکترونیک مصرفی به سال‌های اخیر برمی‌گردد.
دلایل اهمیت هوش مصنوعی چیست؟
- AI یادگیری مکرر و کشف از طریق داده ها را اتوماتیک می کند.
- AI محصولات موجود را هوشمند می کند.
- AI از طریق الگوریتم های یادگیری مداوم تطابق می یابد.
- AI داده های بیشتر و عمیق تری را با استفاده از شبکه های عصبی که لایه های مخفی دارند را آنالیز می کند.
- AI از طریق شبکه های عصبی که عمیق هستند به دقتی باور نکردنی می رسد.
- AI می تواند بیشترین بهره برداری را از داده ها کند.
کاربردهای هوش مصنوعی چیست؟
- بازاریابی
- بانکداری
- مالی
- کشاورزی
- مراقبت از بهداشت
- گیمینگ
- اکتشافات فضایی
- ماشین‌های خودران
- خلاقیت مصنوعی
- ربات‌های سخنگو
شاخه های هوش مصنوعی
از اصلی ترین شاخه های هوش مصنوعی می توان به موارد زیر اشاره کرد :
- یادگیری ماشین (Machine Learning)
یادگیری ماشین یا (Machine Learning) شاخه‌ای از هوش مصنوعی است که به مطالعه و ساخت سیستم‌هایی با قابلیت یادگیری از اطلاعات و داده ها می‌پردازد. یادگیری ماشین به طور معمول روی ابزارهای سطح پایین اجرا می‌شود و مسائل را به بخش‌های کوچکتر تقسیم می‌کند. هر بخش به شکل جداگانه حل می‌شود و پاسخ نهایی از ترکیب جواب همه بخش‌ها به دست می‌آید. بنابراین می توان گفت که یادگیری ماشین ، وابسته بر داده هاست .به طور مثال، به کمک سیستم یادگیری ماشین می‌توان یک سیستم مدیریت ایمیل را آموزش داد تا پیام‌های هرزنامه را از دیگر پیام‌ها تشخیص دهد. این سیستم پس از یادگیری می‌تواند به دسته‌بندی ایمیل‌های جدید به هرزنامه و غیر آن بپردازد.
- پردازش زبان طبیعی (Natural Language Processing)
پردازش زبان طبیعی (Natural Language Processing) یا به اختصار «NLP» ، یکی از زیرشاخه‌های با اهمیت در حوزه ی هوش مصنوعیاست ، و پیوندی میان هوش مصنوعی ، علم کامپیوتر و زبان شناسی برقرار می کند و به تعامل بین کامپیوتر و زبان‌های انسانی (طبیعی) می‌پردازد؛ بنا بر این پردازش زبان‌های طبیعی بر ارتباط انسان و رایانه، متمرکز است. پس چالش اصلی و عمده در این زمینه درک زبان طبیعی و ماشینی کردن فرایند درک و برداشت مفاهیم بیان‌شده با یک زبان طبیعی انسانی است .
به تعریف دقیق‌تر، پردازش زبان‌های طبیعی عبارت است از استفاده از کامپیوتر برای پردازش زبان گفتاری و زبان نوشتاری. بدین معنی که رایانه‌ها را قادر سازیم که گفتار یا نوشتار تولید شده در قالب و ساختار یک زبان طبیعی را تحلیل و درک نموده یا آن را تولید نمایند . با وجود فعالیت‌های قدیمی‌تر، تاریخچه پردازش زبان طبیعی عموما در دهه ۱۹۵۰ آغاز شد. در سال ۱۹۵۰ آلن تورینگ مقاله‌ای را با عنوان «هوش و دستگاه محاسباتی» منتشر و در آن، آنچه را امروز به تست تورینگ موسوم است، به عنوان ابزاری برای هوش معرفی کرده بود . از طریق این تست می‌توان میزان هوشمند بودن یک ماشین را ارزیابی کرد.
تست تورینگ به این صورت انجام می‌شود که یک انسان به عنوان ارزیاب یا داور، از طریق یک کانال متنی که مجهز به نمایشگر و صفحه‌کلید است، با یک انسان و یک ماشین ارتباط برقرار می‌کند، اگر ماشین طوری رفتار کند که بتواند ارزیاب را به اشتباه بیندازد و تشخیص را برایش سخت کند ، در واقع توانسته است آزمون تورینگ را با موفقیت پشت سر بگذارد.
- سیستم‌های خبره (Expert System)
در یک تعریف کلی می‌توان گفت سیستم‌های خبره، برنامه‌های کامپیوتری‌ای هستند که نحوه تفکر یک متخصص در یک زمینه خاص را شبیه‌سازی می‌کنند. در واقع این نرم‌افزارها، الگوهای منطقی‌ای را که یک متخصص بر اساس آنها تصمیم‌گیری می‌کند، شناسایی می‌نمایند و سپس بر اساس آن الگوها، مانند انسان‌ها تصمیم‌گیری می‌کنند.در واقع سیستم‌های خبره برای حل مشکلات پیچیده همانند یک انسان خبره از طریق استنتاج عمل می کنند نه بر اساس پیروی از دستورالعمل‌های برنامه‌نویس . اولین سیستم‌های خبره در دهه ۱۹۷۰ ایجاد شدند و در دهه ۱۹۸۰ توسعه یافتند. سیستم‌های خبره از اولین نمونه های واقعا موفق نرم‌افزارهای هوش مصنوعی بودند .
- شبکه های عصبی (Neural Networks)
در علوم کامپیوتر و رشته‌های مربوطه، شبکه‌های عصبی مصنوعی مدل‌هایی الهام‌گرفته شده از سیستم عصبی مرکزی حیوانات (به ویژه مغز) هستند که توانایی یادگیری دستگاه و تشخیص الگو را دارند. این شبکه‌ها معمولا سیستمی از عصب‌های به هم پیوسته‌اند که می‌توانند مقادیر ورودی را با تزریق اطلاعات در شبکه محاسبه کنند. در مبحث شبکه های عصبی مصنوعی، مدل های ریاضی و نرم‌افزاری متعددی با الهام گرفتن از مغز انسان پیشنهاد شده‌اند، که برای حل گستره وسیعی از مسائل علمی، مهندسی و کاربردی، در حوزه های مختلف کاربرد دارند.
- بینایی ماشین (Machine Vision)
بینایی ماشین شاخه ای از دانش هوش مصنوعی است که سعی دارد از طریق پردازش تصاویر دوبعدی، جهان سه بعدی پیرامون را بازسازی و تحلیل کند. به بیان ساده، بینایی ماشین یعنی اینکه کامپیوترها بتوانند جهان را به کمک دوربین‌ها ببینند، بفهمند و حتی از بینایی انسان پیشی بگیرند. بینایی ماشین را از دو منظر علمی و تکنولوژیک می‌توان بررسی کرد. به عنوان یک رشته علمی، بینایی ماشین به توسعه نظری سیستم‌های هوشمندی می‌پردازد که اطلاعات را از تصاویر استخراج می‌کنند و به عنوان یک رشته تکنولوژیک تلاش دارد که از نظریه ها و مدل‌های توسعه داده شده برای ساخت سیستم‌های بینایی ماشین بهره برداری کند.
به بیان ساده تر ، روال کار به این صورت است که کامپیوترها با استفاده از دوربین‌ها تصویربرداری می‌کنند، به کمک الگوریتم‌های بینایی ماشین تصاویر را پردازش و سپس تصاویر پردازش شده را تحلیل می‌کنند، در نهایت اشیای موجود در تصویر را می‌فهمند و بر اساس نوع اشیای موجود در تصویر، تصمیم گیری لازم را انجام می‌دهند . یکی از کاربردهای رایج بینایی ماشین تشخیص پلاک است.
با شناساندن کاراکترهای پلاک هر کشور به سیستم پردازشی و جستجوی شباهت میان آنها و تصاویر ورودی دوربین می‌توان پلاک موجود در تصویر را خواند. این سیستم‌ها در پارکینگ‌های هوشمند، ورودی و خروجی سازمان‌ها و مجتمع‌های بزرگ جهت کنترل تردد مورد استفاده قرار می‌گیرد. علاوه بر این‌ها در صورت پلاک خوانی یک خودرو در ابتدا و انتهای یک مسیر می‌توان سرعت میانگین آن را محاسبه و متخلفین را اعمال قانون کرد.
سخن نهایی
هوش مصنوعی چیزی نیست که یک شبه از هیچ پدید آمده باشد. ولی به نظر می‌رسد این تکنولوژی در حوزه‌ی لوازم الکترونیک مصرفی به یک نقطه‌ی عطف و پیشرفت بزرگ نزدیک می‌شود. همین نکته کافی است تا همگان تلاش کنند اطلاعات خود را در این موضوع به روز نگه دارند.
