هوش مصنوعی (Artificial intelligence ) که به طور مخفف آن را AI نیز می‌نامند، هوش یک ماشین یا کامپیوتر است  که به آن  امکان تقلید از توانایی‌های حل مسئله و به نحوی قابلیت تفکر انسان را  می دهد.

AI از فناوری‌های متعددی برای تجهیز ماشین‌ها جهت حس کردن، درک، برنامه‌ریزی، عمل و یادگیری با سطوح هوشی شبیه انسان استفاده می‌کند. 

اساسا سیستم‌های Artificial intelligence علاوه بر  امکان درک محیط و تشخیص اشیا، توانایی مشارکت در تصمیم گیری و حل مشکلات پیچیده را دارند. علاوه‌بر آن از تجربیات گذشته درس گرفته و الگوها را تقلید می‌کنند. این توانایی‌ها برای انجام کارهایی مانند رانندگی ماشین یا تشخیص چهره استفاده می‌شوند.

عملکرد AI

در ابتدا، یک سیستم، داده‌های ورودی را به‌صورت گفتار، متن، تصویر و … دریافت کرده، سپس سیستم با اعمال الگوریتم‌های مختلف، تفسیر، پیش‌بینی و عمل بر روی داده‌های ورودی، داده‌ها را پردازش می‌کند.

پس از پردازش، سیستم یک نتیجه، یعنی موفقیت یا شکست را در ورودی داده ارائه می دهد.

 در این مرحله، نتیجه‌ی پردازش قبلی دوباره تجزیه و تحلیل و ارزیابی می‌شود. در نهایت، سیستم از نتایج پردازش‌ها و ارزیابی‌های خود برای تنظیم داده‌های ورودی، الگوریتم‌ها و نتایج هدف استفاده می‌کند. این حلقه تا رسیدن به نتیجه مطلوب ادامه می‌یابد.

مؤلفه‌های کلیدی هوش مصنوعی 

AI دارای زمینه وسیع‌تری است که نشان‌دهنده‌ی توانایی عمیق‌تر برای درک محیط اطراف است. با این حال، برای واجد شرایط بودن آن به عنوان AI، تمام اجزای آن باید در ارتباط با یکدیگر کار کنند. در ادامه اجزای اصلی Artificial intelligence (هوش مصنوعی) را بررسی خواهیم کرد.

machine learning (یادگیری ماشین)

machine learning یک برنامه‌ی کاربردی در Artificial intelligence است که به‌کمک آن ماشین به‌طور خودکار از مجموعه تجربیات قبلی بدون نیاز به برنامه‌نویسی خاص یاد گرفته و عملکرد خود را بهبود می‌بخشد.

Deep learning (یادگیری عمیق)

یادگیری عمیق زیر مجموعه‌ای از یادگیری ماشین است که ماشین با پردازش داده‌ها و شبکه‌های عصبی یا مصنوعی یاد می‌گیرد.

شبکه‌های عصبی

 شبکه‌های عصبی، سیستم‌های کامپیوتری هستند که بر اساس ارتباطات عصبی در مغز انسان مدل‌سازی می‌شوند و ML را امکان‌پذیر می‌سازند.

محاسبات شناختی

 هدف محاسبات شناختی بازآفرینی فرآیند تفکر انسان در یک مدل کامپیوتری بوده و به‌دنبال تقلید و بهبود تعامل بین انسان و ماشین با درک زبان انسان و معنای تصاویر است.

پردازش زبان طبیعی (NLP)

NLP ابزاری است که به کامپیوترها اجازه‌ی درک، تشخیص، تفسیر و تولید زبان و گفتار انسان را می‌دهد.

بینایی کامپیوتری

 بینایی کامپیوتری از Deep learning (یادگیری عمیق) و شناسایی الگو برای تفسیر محتوای تصویر (نمودار، جداول، تصاویر پی‌دی‌اف و ویدیوها) استفاده می‌کند.

انواع هوش مصنوعی 

AI را می‌توان به طور کلی به دو دسته تقسیم کرد: مبتنی بر قابلیت و بر اساس عملکرد. در ادامه هر کدام را با جزئیات توضیح خواهیم داد.

(Narrow AI) هوش‌مصنوعی باریک 

Narrow AI Narrow AI یک سیستم هدف‌گرا است که برای انجام یک کار خاص آموزش دیده است. هوش ماشینی که امروزه در اطراف خود شاهد آن هستیم نوعی AI محدود است. نمونه‌هایی از هوش مصنوعی باریک شامل سیری اپل و ابررایانه واتسون IBM است.

Narrow AI به‌عنوان هوش مصنوعی ضعیف نیز شناخته می‌شود. در مجموعه‌ای محدود و از پیش تعریف شده از پارامترها، محدودیت‌ها و زمینه‌ها عمل می‌کند. به عنوان مثال، موارد استفاده مانند توصیه‌های Netflix، پیشنهادات خرید در سایت‌های تجارت الکترونیک، اتومبیل‌های خودران، و تشخیص گفتار و تصویر در دسته Narrow AI قرار می‌گیرند.

هوش مصنوعی عمومی

این سیستم یک نسخه از AI است که هر کار فکری را با کارایی شبیه انسان انجام می‌دهد. هدف از هوش مصنوعی عمومی طراحی سیستمی است که بتواند مانند انسان‌ها برای خودش فکر کند. تحقیقات در زمینه هوش‌مصنوعی عمومی و تلاش‌هایی برای توسعه ماشین‌هایی که قابلیت‌های شناختی را افزایش می‌دهند، ادامه دارد.

هوش‌مصنوعی بسیار هوشمند (Superintelligent AI)

Super AI نسخه‌ای از AI است که از هوش انسانی پیشی می‌گیرد و می‌تواند هر کاری را بهتر از یک انسان انجام دهد. قابلیت‌های یک ماشین باهوش و فوق‌العاده شامل تفکر، استدلال، حل پازل، قضاوت، یادگیری و قابلیت برقراری ارتباط به‌تنهایی است.

 امروزه super AI یک مفهوم فرضی است اما آینده Artificial intelligence را نشان می‌دهد.

انواع هوش مصنوعی بر اساس عملکرد 

ماشین‌های واکنش‌گرا

ماشین‌های واکنش‌گرا انواع اولیه‌ی AI هستند که تجربیات یا خاطرات گذشته را برای اقدامات آینده ذخیره نمی‌کنند. چنین سیستم‌هایی بر اساس بهترین اقدام ممکن واکنش نشان میدهند. نمونه‌های محبوب ماشین‌های واکنشی شامل سیستم آبی عمیق ( Deep Blue) شرکت IBM و AlphaGo گوگل است.

ماشین‌های حافظه محدود

ماشین‌های حافظه محدود می‌توانند تجربیات یا داده‌های گذشته را برای مدت کوتاهی ذخیره و استفاده کنند. به عنوان مثال، یک خودروی خودران می‌تواند فواصل مربوطه، محدودیت سرعت و … را برای حرکت در ترافیک ذخیره کند.

تئوری ذهن

تئوری ذهن به‌نوعی از Artificial intelligence اشاره دارد که می‌تواند احساسات و باورهای انسان را درک کرده و مانند انسان‌ها تعامل اجتماعی داشته باشد. این نوع AI هنوز توسعه نیافته اما امید دانشمندان برای آینده آن است.

Artificial intelligence خودآگاه 

این سیستم با ماشین‌های فوق هوشمند با آگاهی، احساسات، عواطف و باورهایشان سر و کار دارد. انتظار می‌رود چنین سیستم‌هایی باهوش‌تر از ذهن انسان باشند و ممکن است در وظایف محوله از ما بهتر عمل کنند. هوش‌مصنوعی خودآگاه هنوز یک واقعیت دور است اما دانشمندان هر روز برای پیشرفت در این زمینه در حال تلاش‌اند.

اهداف هوش مصنوعی

 هوش‌مصنوعی رفتار انسان را برای توسعه ماشین‌های هوشمند تحلیل می‌کند. به بیان ساده، هدف اساسی Artificial intelligence طراحی فناوری است که سیستم‌های کامپیوتری می‌توانند به‌کمک آن هوشمندانه و مستقل کار کنند. در ادامه اهداف اصلی هوش‌مصنوعی بیشتر بررسی شده است.

توانایی توسعه حل مسئله 

  تحقیقات Artificial intelligence بر توسعه الگوریتم‌های حل مسئله متمرکز بوده و می‌توانند به‌صورت منطقی استنتاج کنند و استدلال انسان را شبیه‌سازی کنند. سیستم‌های AI روش‌هایی را برای مدیریت یا مقابله با موقعیت‌های نامشخص با استفاده از نظریه‌ی احتمال، مانند سیستم پیش‌بینی بازار سهام، ارائه می‌کنند. توانایی حل مسئله‌ی هوش‌مصنوعی زندگی ما را آسان‌تر می‌کند. می‌توان وظایف پیچیده‌ای را می‌توان به سیستم‌های قابل اعتماد اختصاص داد که به ساده‌سازی مشاغل حیاتی کمک می‌کنند.

ادغام نمایندگی دانش

  تحقیقات AI حول ایده‌ی ارائه‌ی دانش و مهندسی می‌چرخد. این دانش به ارائه‌ی «آنچه شناخته شده» برای ماشین‌ها با هستی‌شناسی مجموعه‌ای از اشیا، روابط و مفاهیم مربوط می‌شود.

 این نمایش اطلاعات، دنیای واقعی را نشان می‌دهد که یک کامپیوتر برای حل مشکلات پیچیده‌ی زندگی واقعی، مانند تشخیص یک بیماری پزشکی یا تعامل با انسان به زبان طبیعی، استفاده می‌کند. محققان می توانند از اطلاعات ارائه شده برای گسترش پایگاه دانش هوش‌مصنوعی، تنظیم دقیق و بهینه‌سازی مدل‌های آن برای رسیدن به اهداف مورد نظر استفاده کنند.

آسان کردن برنامه‌ریزی

برنامه‌ریزی هوشمند، روندی را برای یک سیستم برای دستیابی به اهداف خود تعیین می‌کند. این سیستم عملکرد کلی را از طریق پیش‌بینی، تجزیه و تحلیل داده‌ها و مدل‌ها بهینه می‌کند. با کمک AI می‌توانیم آینده را پیش‌بینی‌ کنیم و عواقب اقدامات خود را مشخص کنیم. برنامه‌ریزی در رباتیک، سیستم‌های خودمختار، دستیارهای شناختی و امنیت سایبری اهمیت زیادی دارد.

یادگیری مداوم 

یادگیری، برای AI اساسی است. از لحاظ مفهومی، یادگیری مستلزم توانایی الگوریتم‌های کامپیوتری برای بهبود دانش یک برنامه‌ی AI از طریق مشاهدات و تجربیات گذشته است. 

از نظر فنی، برنامه‌های AI مجموعه‌ای از جفت‌های ورودی و خروجی را برای یک تابع تعریف شده پردازش می‌کنند و از نتایج برای پیش‌بینی نتایج برای ورودی‌های جدید استفاده می‌کنند. Artificial intelligence در درجه‌ی اول از دو مدل یادگیری استفاده می‌کند:  نظارت شده و بدون نظارت. این دو مدل که تمایز اصلی آن‌ها در استفاده از مجموعه داده‌های برچسب گذاری شده است.

 همانطور که سیستم‌های Artificial intelligence به‌طور مستقل یاد می‌گیرند، به مداخله‌ی انسانی نیاز ندارند و در صورت وجود آن، بسیار کم و حداقل است. به‌عنوان مثال، یادگیری ماشین ML یک فرآیند یادگیری خودکار را تعریف می‌کند.

تشویق هوش اجتماعی

محاسبات عاطفی که «هوش مصنوعی احساسی» نیز نامیده می‌شود، شاخه‌ای از AI است که تجربیات، احساسات و عواطف انسانی را شناسایی، تفسیر و شبیه‌سازی می‌کند.

 با محاسبات عاطفی، رایانه‌ها می‌توانند حالات چهره، زبان بدن و آهنگ‌های صوتی را بخوانند تا به سیستم‌های هوش‌مصنوعی اجازه دهند در سطح انسانی تعامل داشته و اجتماعی شوند.

ترویج خلاقیت

AI خلاقیت و تفکر مصنوعی را ارتقا داده که می‌تواند به انسان در انجام بهتر وظایف کمک کند.

 AIمی‌تواند با در نظر گرفتن حجم وسیعی از داده‌ها، گزینه‌ها و جایگزین‌ها مسیرها یا فرصت‌های خلاقانه‌ای برای پیشرفت ما ایجاد کند. 

AI با ارائه و توسعه‌ی بسیاری از ایده‌ها و مفاهیم جدید باعث تقویت خلاقیت می‌شود. به‌عنوان مثال، یک سیستم هوشمند می‌تواند گزینه‌های طراحی داخلی متعددی را برای یک چیدمان آپارتمان با رندر سه بعدی ارائه دهد.

دستیابی به هوش عمومی

 هدف محققان، توسعه‌ی ماشین‌هایی با قابلیت‌های هوش‌مصنوعی عمومی است که تمام مهارت‌های شناختی انسان‌ها را با هم ترکیب کرده و وظایف را با مهارت بهتری نسبت به ما انجام می‌دهد. 

این پیشرفت در تکنولوژی می‌تواند بهره وری کلی را افزایش دهد به‌طوری‌که وظایف با کارایی بیشتر انجام شده و انسان را از کارهای خطرناکی مانند خنثی کردن بمب‌ها رها می‌کند.

ترویج همکاری بین انسان و AI

یکی از اهداف حیاتی هوش‌مصنوعی ایجاد همکاری بین AI و انسان‌ها است. با این بخش از AI، انسان و ماشین می‌توانند توانایی‌های خود را به‌کمک هم افزایش داده و بهتر کنند تا دیگر تنها به یک سیستم وابسته نباشند.