هوش مصنوعی چیست و انواع، کاربرد و تاریخچه آن

هوش مصنوعی از رایانه‌ها و ماشین‌ها برای شبیه‌سازی حل مشکلات و تصمیم‌گیری‌های ذهن انسان استفاده می‌کند. ادامه مطلب به موضوعی درباره هوش مصنوعی چیست، کاربردها، تاریخچه و انواع هوش مصنوعی به زبان ساده می‌پردازیم. تا انتهای مطلب با تیم برنا بنیان همراه باشید.

 

این مطلب بخوانید: کاربرد هوش مصنوعی در دوربین مداربسته چیست؟

 

هوش مصنوعی چیست به زبان ساده

می‌خواهیم هوش مصنوعی به زبان ساده تعریف کنیم. در حالی که تعدادی از تعاریف هوش‌مصنوعی (AI) در چند دهه گذشته ظاهر شده است. جان مک کارتی در این سال 2004 تعریف زیر را ارائه داده است.

” علم و مهندسی ساخت ماشین‌های هوشمند، به ویژه برنامه‌های رایانه‌ای هوشمند است. به وظیفه‌هایی مشابه استفاده از رایانه برای درک هوش انسان مربوط است اما هوش مصنوعی مجبور نیست خود را محدود به روش‌هایی کند که از نظر بیولوژیکی قابل مشاهده است.” با این حال، دهه‌ها قبل از این تعریف، تولد گفتگوی هوش مصنوعی با کار مهم آلن تورینگ که در سال 1950 منتشر شد، خودش را نشون داد. در این مقاله، تورینگ، که اغلب به عنوان “پدر علوم کامپیوتر ” نامیده می‌شود، سوال زیر را می‌پرسد، “آیا ماشین‌ها می‌توانند فکر کنند؟ “

سپس، او آزمایشی را ارائه می‌دهد، که امروزه به “آزمون تورینگ ” معروف است. جایی که یک بازجوی انسانی سعی می‌کند بین رایانه و پاسخ متنی انسان تمایز قائل شود. در حالی که این آزمون از زمان انتشار مورد بازنگری زیادی قرار گرفته است. این بخش مهم در تاریخ هوش مصنوعی و همچنین یک مفهوم مستمر در فلسفه است، زیرا از ایده‌های پیرامون زبان‌شناسی استفاده می‌کند.

 

این مقاله را مطالعه کنید: سیستم ویدیویی هوشمند در دوربین مداربسته چیست؟

 

سیستم های کامپیوتری هوش مصنوعی

استوارت راسل و پیتر نورویگ سپس اقدام به انتشار مقاله “هوش‌مصنوعی رویکردی مدرن “ کردند که به یکی از کتاب‌های درسی پیشرو در مطالعه هوش مصنوعی تبدیل شد. در این مقاله، آنها چهار هدف یا تعریف بالقوه هوش مصنوعی به زبان ساده را بررسی می‌کنند که سیستم‌های کامپیوتری را بر اساس عقلانیت و تفکر در مقابل عمل متمایز می‌کند.

رویکرد انسانی:

سیستم‌هایی که مانند انسان فکر می‌کنند.
سیستم‌هایی که مانند انسان عمل می‌کنند.

رویکرد ایده آل:

سیستم‌هایی که منطقی فکر می‌کنند.
سیستم‌هایی که منطقی عمل می‌کنند.

 

تعریف آلن تورینگ در دسته “سیستم‌هایی که مانند انسان عمل می‌کنند ” قرار می‌گرفت. در ساده‌ترین شکل، هوش مصنوعی رشته‌ای است که ترکیبی از علوم رایانه و مجموعه داده‌های قوی برای حل مشکلات است. همچنین شامل زمینه‌های فرعی یادگیری ماشین و یادگیری عمیق است که اغلب در ارتباط با هوش‌مصنوعی به آنها اشاره می‌شود. این رشته‌ها از الگوریتم‌های هوش‌مصنوعی تشکیل شده‌اند که به دنبال ایجاد سیستم‌های متخصصی هستند که براساس داده‌های ورودی پیش‌بینی یا طبق‌ بندی می‌کنند.

 

انواع هوش مصنوعی

هوش مصنوعی ضعیف در مقابل هوش مصنوعی قوی از انواع مهم هوش‌ مصنوعی هستند و در متن زیر کامل توضیح داده است.

هوش مصنوعی ضعیف

به آن هوش‌مصنوعی باریک یا Artificial Narrow Intelligence (ANI) نیز گفته می‌شود) برای انجام وظایف خاص آموزش دیده و متمرکز است. هوش مصنوعی ضعیف بیشتر هوش مصنوعی را که امروزه ما را احاطه کرده است، شامل می‌شود. “باریک ” ممکن است توصیف دقیق‌تری برای این نوع هوش مصنوعی باشد، زیرا هوش مصنوعی به خودی خود هر چیزی هست بجز ضعیف. برخی از برنامه‌های بسیار قوی مانند Siri اپل، Alexa آمازون، IBM Watson و خودروهای خودران توسط این نوع هوش مصنوعی هدایت می‌شوند..

هوش مصنوعی قوی

هوش مصنوعی قوی از هوش عمومی مصنوعی (AGI) و هوش فوق العاده مصنوعی (ASI) تشکیل شده است. Artificial General Intelligence (AGI) یا هوش‌مصنوعی عمومی، یک شکل نظری از هوش‌مصنوعی است که در آن دستگاه دارای هوش برابر با انسان است. این یک آگاهی خودآگاه است که توانایی حل مشکلات، یادگیری و برنامه ریزی برای آینده را دارد. Artificial Super Intelligence (ASI) (که به عنوان فوق هوش نیز شناخته می‌شود) از هوش و توانایی مغز انسان پیشی می‌گیرد.

در حالی که هوش مصنوعی قوی هنوز کاملاً نظری است. امروزه از نمونه‌های عملی استفاده نمی‌شود، این بدان معنا نیست که محققان هوش‌مصنوعی نیز در حال توسعه آن نیستند. در حال حاضر، بهترین نمونه‌های ASI ممکن است از داستان‌های علمی تخیلی باشد، مانند HAL، دستیار رایانه فوق بشری و سرکش در 2001 A Odyssey Space.

 

 

یادگیری عمیق در مقابل یادگیری ماشین

از آنجا که از یادگیری عمیق و یادگیری ماشینی به طور متناوب استفاده می‌شود. شایان ذکر است که تفاوت‌های ظریف بین این دو مورد ذکر شده است. همانطور که در بالا ذکر شد، هم یادگیری عمیق و هم یادگیری ماشینی زیرمجموعه‌های هوش‌مصنوعی هستند و یادگیری عمیق در واقع یک زمینه فرعی از یادگیری ماشین است. یادگیری عمیق در واقع شامل شبکه‌های عصبی است. “عمیق” در یادگیری عمیق به یک شبکه عصبی متشکل از بیش از سه لایه اشاره دارد (که شامل ورودی‌ها و خروجی‌ها می‌شود) می‌تواند یک الگوریتم یادگیری عمیق تلقی شود.

نحوه تفاوت یادگیری عمیق و یادگیری ماشینی در نحوه یادگیری هر الگوریتم است. یادگیری عمیق بخش زیادی از فرآیند استخراج ویژگی‌ها را از بین می‌برد. برخی از مداخلات دستی مورد نیاز انسان را حذف کرده و امکان استفاده از مجموعه داده‌های بزرگتر را فراهم می‌کند. شما می‌توانید یادگیری عمیق را “یادگیری ماشینی مقیاس پذیر ” در نظر بگیرید. همانطور که لکس فریدمن در همان سخنرانی MIT از بالا اشاره کرد. یادگیری ماشینی کلاسیک یا “غیر عمیق ” بیشتر وابسته به مداخله انسان برای یادگیری است.

 

مطالعه کنید: آموزش هوشمندسازی ساختمان BMS

 

سلسه مراتب در یادگیری عمیق و ماشین

متخصصان سلسله مراتبی از ویژگی‌ها را برای درک تفاوت بین ورودی‌های داده تعیین می‌کنند که معمولاً برای یادگیری به داده‌های ساختارمندتری نیاز دارد. یادگیری ماشینی “عمیق ” می‌تواند از مجموعه داده‌های دارای برچسب، که به عنوان یادگیری تحت نظارت نیز شناخته می‌شود، برای اطلاع از الگوریتم خود استفاده کند، اما لزوماً به مجموعه داده برچسب زده شده نیاز ندارد.

این می‌تواند داده‌های بدون ساختار را به شکل خام خود (مانند متن، تصاویر) وارد کند و به طور خودکار سلسله مراتب ویژگی‌هایی را مشخص می‌کند که دسته‌های مختلف داده را از یکدیگر متمایز می‌کند. بر خلاف یادگیری ماشین، برای پردازش داده‌ها نیازی به مداخله انسان نیست و به ما این امکان را می‌دهد که یادگیری ماشین را به شیوه‌های جالب‌تری مقیاس‌بندی کنیم.

 

 

کاربردهای هوش مصنوعی

امروزه برنامه‌های کاربردی متعددی از سیستم‌های AI در دنیای واقعی وجود دارد. در زیر برخی از رایج‌ترین نمونه‌ها آورده شده است.

 

تشخیص گفتار

همچنین به عنوان automatic speech recognition (ASR)، تشخیص گفتار رایانه‌ای یا گفتار به متن شناخته می‌شود. این توانایی است که از پردازش زبان طبیعی (NLP) برای پردازش گفتار انسان در قالب نوشتاری استفاده می‌کند. در واقع تشحیص گفتار یکی از مهمترین کاربرد هوش مصنوعی محسوب می‌شود.

بسیاری از دستگاه‌های تلفن همراه برای انجام جستجوی صوتی، تشخیص گفتار را در سیستم‌های خود قرار می‌دهند. ( به عنوان مثال Siri ) یا امکان دسترسی بیشتر در مورد پیامک را فراهم کنید.

 

خدمات به مشتریان

دستیار مجازی آنلاین، جایگزین نمایندگان انسانی می‌شوند. آنها به سوالات متداول (سوالات متداول) در مورد موضوعاتی مانند حمل و نقل پاسخ می‌دهند یا مشاوره شخصی ارائه می دهند، محصولات را به فروش می رسانند یا اندازه را برای کاربران پیشنهاد می‌دهند. نگرش ما را در مورد مشارکت مشتری در وب سایت‌ها و سیستم عامل‌های رسانه‌های اجتماعی تغییر می‌دهند.

به عنوان مثال می‌توان به ربات‌های پیام‌رسان در سایت‌های تجارت الکترونیک با عوامل مجازی، برنامه‌های پیام رسانی، مانند Slack و Facebook Messenger و کارهایی معمولاً توسط دستیاران مجازی و دستیارهای صوتی انجام می‌شود، اشاره کرد.

 

بینایی رایانه ای

یکی از کاربرد خاص هوش مصنوعی بینایی کامپیوتری است. این فناوری هوش‌مصنوعی رایانه‌ها و سیستم‌ها را قادر می‌سازد تا اطلاعات معنی داری را از تصاویر دیجیتالی، فیلم‌ها و سایر ورودی‌های بصری به دست آورند و براساس این ورودی‌ها، می‌توانند اقدامی انجام دهند.

این توانایی در ارائه توصیه‌ها آن را از کارهای تشخیص تصویر متمایز می‌کند. دید رایانه‌ای که از شبکه های عصبی پیچیده پشتیبانی می‌کند، دارای برچسب‌گذاری عکس در رسانه‌های اجتماعی، تصویربرداری، رادیولوژی در مراقبت‌های بهداشتی و اتومبیل‌های خودران در صنعت خودرو است.

 

موتورهای توصیه

با استفاده از داده‌های رفتار مصرف گذشته، الگوریتم‌های هوش مصنوعی می‌توانند به کشف روندهای داده‌ای کمک کنند که می‌تواند برای توسعه استراتژی‌های فروش متقابل موثرتر مورد استفاده قرار گیرد. این مورد برای افزودن توصیه‌های مرتبط به مشتریان در حین فرایند خرید برای خرده فروشان آنلاین استفاده می‌شود.

 

معاملات خودکار

معاملات خودکار، برای بهینه سازی سبد سهام طراحی شده است. پلتفرم‌های معاملاتی با فرکانس بالا با هوش@مصنوعی هزاران یا حتی میلیون‌ها معامله در روز بدون دخالت انسان انجام می‌دهند.

 

تاریخچه هوش مصنوعی: تاریخها و نامهای کلیدی

ایده “دستگاهی که فکر می‌کند ” به یونان باستان برمی‌گردد. اما از زمان ظهور محاسبات الکترونیکی (و نسبت به برخی از موضوعات مورد بحث در این مقاله) رویدادها و مراحل مهم در تکامل و روند تاریخچه هوش مصنوعی شامل موارد زیر است:

1950 :

آلن تورینگ ماشین‌های محاسبه و اطلاعات را منتشر کرد. در این مقاله، تورینگ (که به دلیل شکستن کد ENIGMA نازی در جنگ جهانی دوم مشهور است) پیشنهاد می‌کند به این سوال پاسخ دهد “آیا ماشین‌ها می‌توانند فکر کنند؟ “، تست تورینگ را معرفی می‌کند تا مشخص شود آیا یک کامپیوتر می‌تواند همان هوش (یا نتایج همان هوش) انسان را نشان دهد. ارزش آزمون تورینگ از آن زمان مورد بحث بوده است.

1956 :

جان مک کارتی اصطلاح هوش‌مصنوعی را در اولین کنفرانس هوش مصنوعی در کالج دارتموث به کار برد. (مک کارتی زبان لیسپ را اختراع کرد.) بعداً در همان سال، آلن نیول، جی سی شاو و هربرت سایمون نظریه پرداز منطق را ایجاد کردند، اولین برنامه نرم افزاری هوش‌مصنوعی که اRUN شد.

1967 :

فرانک روزنبلات Mark 1 Perceptron را ساخت، اولین رایانه مبتنی بر یک شبکه عصبی در طول تاریخچه هوش مصنوعی که با آزمایش و خطا “آموخته بود. ” فقط یک سال بعد، ماروین مینسکی و سیمور پاپرت کتابی با عنوان Perceptrons منتشر می‌کنند که هم به عنوان نقطه عطفی در شبکه‌های عصبی شناخته می‌شود و هم دست کم برای مدتی به مناقشه‌ای علیه پروژه‌های تحقیقاتی آینده شبکه‌های عصبی تبدیل می‌شود.

1980 :

شبکه‌های عصبی که از الگوریتم انتشار مجدد برای آموزش خود استفاده می‌کنند، به طور گسترده در برنامه‌های هوش مصنوعی استفاده می‌شود.

1997 :

روبات Deep Blue ی IBM در یک بازی شطرنج (و یک مسابقه مجدد) گری کاسپاروف ، قهرمان شطرنج جهان را شکست داد.

2011 :

IBM واتسون قهرمان کِن جِنینگز و بِرَد روتر را در برنامه تلوزیونی Jeopardy شکست داد.

2015 :

ابر رایانه Baidu’s Minwa از نوع خاصی از شبکه عصبی عمیق به نام convolutional neural network برای شناسایی و دسته‌بندی تصاویر با سرعت بیشتر از یک انسان معمولی استفاده می‌کند.

2016 :

برنامه DeepMind’s AlphaGo، که از یک شبکه عصبی عمیق استفاده می‌کند. لی سودول ، بازیکن قهرمان جهان Go را در پنج مسابقه شکست می‌دهد. این پیروزی با توجه به تعداد زیاد حرکات احتمالی با پیشرفت بازی (بیش از 14.5 تریلیون پس از تنها چهار حرکت) قابل توجه است. بعداً گوگل DeepMind را با مبلغ 400 میلیون دلار خریداری کرد.

 

بخوانید: ردیابی هوشمند در دوربین مداربسته

 

جمع بندی

تا اینجا درباره هوش مصنوعی چیست و چه کاربردی دارد، تاریخچه و انواع هوش مصنوعی به زبان ساده گفته‌ایم. اگر دوست دارید به اطلاعات بیشتر دسترسی داشته باشید، به سایر صفحات و مقالات سایت برنا بنیان سر بزنید. نیز می‌توانید از طریق تماس با ما یا شبکه‌های اجتماعی اینستاگرام ، لینکدین و تلگرام با تیم مجرب و باتجربه و چندبن ساله سابقه فعالیت شرکت برنا بنیان ارتباط برقرار کنید. جهت دریافت خدمات از ایشان کمک بگیرید. آیکن‌های شبکه‌های اجتماعی زیر را برای دوستانتان ارسال کنید.

منبع : ibm.com