آیا فناوری هوش مصنوعی میتواند مانند انسان خودآگاه و هوشیار شود؟
با اینکه قابلیتهایی مانند رانندگی خودکار، ساختن رباتهای انسان نما و پیشرفتهای شگفت انگیز دیگر در حوزههای علم و تکنولوژی، به کمک هوش مصنوعی امکان پذیر بوده اند، بسیاری از متخصصان معتقدند که توسعه فناوری AI در یک زمینه دیگر، دستاوردی بزرگتر و خطرناکتر از تمامی دستاوردهای قبلی را به دنبال خواهد داشت؛ رسیدن تکنولوژی هوش مصنوعی به هوشیاری و خودآگاهی و ساخت رباتهایی که از وجود خود و قرار گرفتن در محیط اطراف اطلاع داشته باشند.اصطلاح هوش مصنوعی (Artificial Intelligence) در سال 1956 برای نخستین بار مطرح گردید، ولی AI امروزه به لطف افزایش حجم داده ها، الگوریتم های پیشرفته و بهبود توان و حافظه کامپیوترها رواج بیشتری یافته است.
کاربردهای مختلف هوش مصنوعیهمه صنایع نیاز فراوانی به قابلیتهای AI دارند – به طور خاص سیستمهای پاسخ دادن به سوالات که در مشاوره حقوقی، جستجوی حقوق انحصاری (پتنت)، هشداردهی مخاطرات و تحقیقات پزشکی قابل استفاده هستند. دیگر کاربردهای AI عبارتند از:
سلامت
ابزارهای AI می توانند قرائتهای اشعه ایکس و پزشکی شخصی سازی شده را فراهم بیاورند. دستیارهای مراقبت از سلامت شخصی می توانند به عنوان مربیان زندگی عمل نموده و به شما یادآوری کنند که قرصهایتان را بخورید، ورزش کنید یا تغذیه سالمتری داشته باشید.
تولید
AI می تواند داده های IoT کارخانه را آنالیز کند چرا که از تجهیزات متصل شده تا پیشبینی بار و تقاضای مورد انتظار با استفاده از شبکه های مکرر، که نوع خاصی از شبکه یادگیری عمیق مورد استفاده با داده های توالیبندی شده است، امتداد می یابد.
خرده فروشی
AI قابلیتهای خرید مجازیی را فراهم می آورد که به مشتری مشاوره اختصاصی ارائه می کنند و درباره گزینه های مختلف خرید با وی بحث می کنند. تکنولوژیهای چیدمان سایت و مدیریت سهام نیز با AI بهبود خواهند یافت.
ورزش
AI برای ثبت تصاویر بازیهای کامپیوتری و ارائه گزارشهایی درباره نحوه سازماندهی بهتر بازی، از جمله موقعیتهای میدانی و استراتژی، به مربیان استفاده می شود.
چالشهای استفاده از هوش مصنوعی
هوش مصنوعی در حال تغییر دادن همه صنایع است، ولی لازم است که محدودیتهای آن را درک کنیم.
محدودیت اصلی AI این است که از داده ها می آموزد. راه دیگری برای گنجاندن دانش وجود ندارد. این باعث می شود که بی دقتیهای موجود داده ها در نتایج خود را نشان دهند. و همچنین هر لایه مضاعف پیشبینی یا آنالیز باید به طور مجزا افزوده شود.
سیستمهای AI امرزی برای اجرای یک وظیفه مشخصا تعریف شده آموزش داده می شوند. سیستمی که پوکر بازی می کند نمی تواند solitaire یا شطرنج بازی کند. سیستمی که تقلب را شناسایی می کند نمی تواند یک ماشین را براند یا به شما مشاوره حقوقی ارائه نماید.
به عبارت دیگر، این سیستمها بسیار بسیار تخصصی هستند. آنها بر یک ماموریت واحد تمرکز دارند و با رفتارهای شبیه انسان فاصله زیادی دارند.
همچنین، سیستمهای خودفراگیر سیستمهای مستقلی نیستند. تکنولوژیهای متصور شده AI ی که در فیلمها و تلوزیون می بینید هنوز علمی تخیلی هستند. ولی کامپیوترهایی که می توانند در داده های پیچیده برای یادگیری و تسلط یافتن در ماموریتهای ویژه جستجو نمایند در حال رواج یافتن هستند.
کاربردهای هوش مصنوعی
هوش مصنوعی چگونه عمل می کند؟
هوش مصنوعی با ترکیب حجم عظیمی از داده ها با الگوریتمهای هوشمند و پردازش سریع و مکرر عمل می کند، تا به این طریق نرم افزار بتواند به طور اتوماتیک از الگوها یا قابلیتهای موجود در داده ها یاد بگیرد. AI طیف وسیعی از مطالعات است که دربرگیرنده تئوریها، روشها و تکنولوژیهای بسیار و همچنین زیرزمینه های عمده ذیل می شود:
۱) یادگیری ماشینی مدلسازی تحلیلی را اتوماتسازی می کند.
۲) یک شبکه عصبی نوعی از یادگیری ماشینی است که از واحدهای به هم پیوسته (مانند نورنها) تشکیل یافته است که اطلاعات را با پاسخدهی به ورودیهای خارجی و تقویت اطلاعات بی هر واحد پردازش می کند.
۳) یادگیری عمیق از شبکه های عصبی عظیم با لایه های متعدد واحدهای پردازشی استفاده می کند، و از پیشرفتها در توان رایانشی و بهبود تکنیکهای آموزشی برای یادگیری الگوهای پیچیده در حجم بالای داده ها بهره می برد.
۴) رایانش شناختی زیرزمینه ای از AI است که برای تعامل انسان مانند طبیعی با ماشینها تلاش می کند.
۵) بینایی کامپیوتری با از تشخیص الگو و یادگیری عمیق برای تشخیص اینکه چه چیزی در یک تصویر یا ویدئو است بهره می برد.
۶) پردازش زبان طبیعی (NLP) توانایی کامپیوترها برای آنالیز، درک و تولید زبان انسانی، از جمله گفتار، است.
نحوه تعلیم هوش مصنوعی
هوش مصنوعی به معنی ماشینی است که می تواند به شیوه مشابه انسان به نتیجه برسد. هوش مصنوعی می تواند مثال هایی را دریافت کند و از آن ها یاد بگیرد تا درستی نتایجی که در آینده می گیرد را بهبود بخشد. یک مثال خوب از یادگیری ماشین، تعلیم این که سگ چه شکلی است از روی عکس های سگ های نژاد بابرادور، پودل و غیره است.ما هنوز با ساخت ماشین هایی که به اندازه انسان ها توانایی داشته باشند، فاصله زیادی داریم. اما ماشین های کنونی هم در انجام وظایف خاصی بسیار خوبند. نکته مهم در فهم هوش مصنوعی این است که ماشین چنان برنامه ریزی نشده که تمام پاسخ های احتمالی را بداند اما از آنچه آموخته است استفاده می کند تا پاسخ های جدیدی ایجاد کند.
تصور کنید یک ماشین هوش مصنوعی برای انتخاب میوه های خراب داریم. کار را با نشان دادن مقدار زیادی میوه به ماشین و گفتن این که کدام خوب و کدام بد است شروع می کنیم.
روش کار ماشین این نیست که تمام آن تصاویر را ذخیره کند و سپس شروع کند به این که به یک میوه تازه نگاه می کند و آن را با تمام آن تصاویر مقایسه کند. درعوض، نرم افزار شروع می کند به این که مشخص کند چه چیزی باعث می شود یک تصویر حاوی یک میوه خوب باشد یا میوه بد.
یکی می تواند این باشد که نواحی ای از میوه دچار تغییر رنگ شده یا دارای بریدگی است. سپس نرم افزار به یک میوه جدید نگاه می کند و اگر نواحی تغییر رنگ یافته را در هر نقطه از میوه شناسایی کند، می تواند آن را به این احتمال که میوه بد است ربط دهد.
ر این زمینه فهرستی طولانی وجود دارد. یک کاربرد آن در آینده نزدیک، دستیابی به خودروهای خودران است. هنوز کار زیادی برای انجام دادن وجود دارد تا خودروی خودرانی درست شود که می تواند از عهده تمام شرایط آب و هوایی و جاده ای برآید. هوش مصنوعی در قلب این کار قرار دارد.
یک کاربرد دیگر که سریع به آن نزدیک می شویم استفاده از هوش مصنوعی در تشخیص گفتار است، که رابط صوتی (voice interface) را از فرمان های ساده به مکالمه طبیعی تغییر می دهد – یک فرمت بهتر از آنچه که قبلاً در گوشی های هوشمند دیده ایم.
در هر وظیفه ای که شما در انجام آن با مقدار زیادی اطلاعات مواجهید که باید ارزیابی شوند، استفاده از هوش مصنوعی بیشتر جا افتاده است. پزشکی یک نمونه خوب از این مقوله است. گاهی اوقات در حوزه پزشکی اطلاعات زیادی وجود دارد که به ظاهر متناقض اند یا بخش هایی از اطلاعات می توانند کار تشخیص مشکل یا گزینه های درمان را سخت کنند. این جا است که هوش مصنوعی به کار می آید.
هوش مصنوعی در حال ایجاد تغییرات بزرگی است. در حرفه حقوق هم سخت است تا تمام اطلاعات را مرتب کنیم و کار تصمیم گیری را انجام دهیم. هوش مصنوعی در این زمینه نیز می تواند به کمک بیاید. یا ما می توانیم سرعت طراحی محصولات را نیز با هوش مصنوعی بالا بریم.
این دوره بسیار هیجان انگیزی برای هوش مصنوعی است. ما می توانیم انتظار ورود تراشه های محاسباتی بیشتری را داشته باشیم که برنامه های هوش مصنوعی را بهینه سازی می کنند. هوش مصنوعی نیاز به محاسبات زیادی دارد و این کار مستلزم توانمند ساختن رایانه های موجود است.
با پیشرفت های بزرگی که در نرم افزارهای هوش مصنوعی طی دهه گذشته به وجود آمده و این که هوش مصنوعی کاربردهای بیشتری پیدا کرده صرفه برای سرمایه گذاری در زمینه تراشه های خاصی که با انرژی کمتر کار می کنند نیز به وجود آمده است. این امر می تواند کاربردهای بیشتری برای هوش مصنوعی ایجاد کند و هوش مصنوعی را به یک فناوری رایج و مفید تبدیل کند