در سال ۲۰۲۲، هوش مصنوعی از طریق آشنایی گسترده با کاربردهای ترانسفورماتور پیشآموزش مولد وارد مسیر اصلی شد. محبوبترین برنامه هوش مصنوعی، چت جی پی تی است که جدیدترین «مدل زبانی» مبتنی بر هوش مصنوعی ارائه شده توسط مجموعه OpenAI به حساب میآید. این چت بات میتواند هر سوالی را جواب دهد، میتواند موضوعها و مباحث پیچیدهای را در حوزههای تخصصی مختلف مثل فیزیک، ریاضی و برنامهنویسی درک کند. گسترش جذابیت چت جی پی تی، این برنامه را مترادف با هوش مصنوعی در ذهن اکثر مصرفکنندگان کرده است با این حال، این تنها بخش کوچکی از روشهایی است که امروزه از فناوری هوش مصنوعی در آنها استفاده میشود.
ویژگی ایدهآل هوش مصنوعی توانایی آن در منطقی کردن و انجام اقداماتی است که بیشترین شانس را برای دستیابی به یک هدف خاص دارد. زیرمجموعهای از هوش مصنوعی، یادگیری ماشینی (ML) است و به این مفهوم اشاره دارد که برنامههای رایانهای میتوانند بهطور خودکار از دادههای جدید چیزی بیاموزند و بدون کمک انسان با آنها سازگار شوند. تکنیکهای یادگیری عمیق، این یادگیری خودکار را از طریق جذب مقادیر عظیمی از دادههای ساختار نیافته مانند متن، تصاویر یا ویدیو امکانپذیر میسازد.
موارد کلیدی از هوش مصنوعی
• هوش مصنوعی (AI) به شبیهسازی یا شباهت زیاد به هوش انسانی در ماشینها اشاره دارد.
• اهداف هوش مصنوعی شامل یادگیری، استدلال و ادراک به کمک رایانه است.
• امروزه هوش مصنوعی در صنایع مختلف از مالی تا مراقبتهای بهداشتی استفاده میشود.
• هوش مصنوعی ضعیف (یا هوش مصنوعی محدود) معمولا ساده و تک کاره است، در حالی که هوش مصنوعی قوی کارهایی را انجام میدهد که پیچیدهتر و شبیه انسان هستند.
• برخی از منتقدان میترسند که استفاده گسترده از هوش مصنوعی پیشرفته میتواند تاثیر منفی بر جامعه داشته باشد.
آشنایی با هوش مصنوعی
وقتی اکثر مردم اصطلاح هوش مصنوعی را میشنوند، اولین چیزی که معمولاً به ذهن آنان خطور خواهد کرد، رباتها هستند. دلیلش این است که فیلمها و رمانهای پرهزینه، داستانهایی درباره ماشینهای انساننما میسازند که زمین را ویران میکنند البته هیچ چیز نمیتواند دور از حقیقت باشد.
هوش مصنوعی بر این اصل استوار است که هوش انسانی را میتوان به گونهای تعریف کرد که ماشین بتواند به راحتی آن را تقلید کند و وظایف را از سادهترین تا پیچیدهترین آنها انجام دهد.
اهداف هوش مصنوعی شامل تقلید از فعالیتهای شناختی انسان است؛ محققان و توسعهدهندگان در این زمینه در تقلید از فعالیتهایی مانند یادگیری، استدلال و ادراک، تا حدی که بتوان آنها را بهطور مشخص تعریف کرد، گامهای شگفتانگیز سریعی برداشتهاند.
برخی بر این باورند که مبتکران ممکن است به زودی قادر به توسعه سیستمهایی باشند که از ظرفیت انسان برای یادگیری یا استدلال هر موضوعی فراتر باشد اما برخی دیگر به این مورد شک دارند زیرا تمام فعالیتهای شناختی با قضاوتهای ارزشی همراه است که تابع تجربه انسانی خواهد بود.
با پیشرفت فناوری، معیارهای قبلی که هوش مصنوعی را تعریف میکردند، قدیمی میشوند به عنوان مثال، ماشینهایی که توابع اولیه را محاسبه میکنند یا متن را از طریق تشخیص کاراکتر نوری تشخیص میدهند، دیگر به عنوان تجسم هوش مصنوعی در نظر گرفته نمیشوند زیرا این عملکرد اکنون به عنوان یک عملکرد ذاتی رایانه، بدیهی تلقی میشود.
هوش مصنوعی بهطور مداوم در حال تکامل است تا به نفع بسیاری از صنایع مختلف باشد. ماشینها با استفاده از یک رویکرد بین رشتهای مبتنی بر ریاضیات، علوم رایانه، زبانشناسی، روانشناسی و غیره به یکدیگر متصل میشوند.
الگوریتمها اغلب نقش بسیار مهمی در ساختار هوش مصنوعی بازی میکنند؛ الگوریتمهای ساده در برنامههای کاربردی ساده استفاده میشوند، در حالی که الگوریتمهای پیچیدهتر به چارچوببندی هوش مصنوعی قوی کمک میکنند.
کاربردهای هوش مصنوعی
کاربردهای هوش مصنوعی بیپایان است از این فناوری میتوان در بسیاری از بخشها و صنایع مختلف استفاده کرد. از هوش مصنوعی در صنعت مراقبتهای بهداشتی برای پیشنهاد دوز دارو، شناسایی درمانها و کمک به روشهای جراحی در اتاق عمل استفاده میشود و مورد آزمایش قرار میگیرند.
از دیگر نمونههای ماشینهای دارای هوش مصنوعی میتوان به رایانههایی اشاره کرد که شطرنج بازی میکنند و یا ماشینهایی که خودران هستند. هر یک از این ماشینها باید عواقب هر اقدامی را که انجام میدهند، بسنجید زیرا هر اقدامی بر نتیجه نهایی تاثیر میگذارد. در بازی شطرنج، نتیجه نهایی برنده شدن در بازی است. برای خودروهای خودران، سیستم رایانهای باید تمام دادههای خارجی را در نظر بگیرد و آن را محاسبه کند تا به گونهای عمل کند که از برخورد جلوگیری شود.
هوش مصنوعی همچنین کاربردهایی در صنعت مالی دارد، جایی که از آن برای شناسایی و نشان دادن فعالیتهای بانکی و مالی مانند استفاده غیرعادی از کارت نقدی و سپرده حسابهای بزرگ استفاده میشود که همگی به بخش کلاهبرداری بانک کمک و از آن جلوگیری میکنند. از برنامههای کاربردی برای هوش مصنوعی کمک به سادهسازی و تسهیل تجارت است. این امر با تسهیل برآورد عرضه، تقاضا و قیمتگذاری اوراق بهادار انجام میشود.
انواع هوش مصنوعی
هوش مصنوعی را میتوان به دو دسته ضعیف (محدود) و قوی تقسیم کرد. هوش مصنوعی ضعیف مظهر سیستمی است که برای انجام یک کار خاص طراحی شده است. سیستمهای ضعیف هوش مصنوعی شامل بازیهای ویدیویی مانند مثال بالا یعنی شطرنج و یا دستیاران شخصی همچون الکسای آمازون و سیری اپل هستند. شما از دستیار سوالی میپرسید و او به آن پاسخ میدهد.
سیستمهای هوش مصنوعی قوی، سیستمهایی هستند که وظایفی شبیه انسان انجام میدهند. اینها معمولا دارای سیستمهای پیچیدهتر و مرکب هستند. آنها طوری برنامهریزی شدهاند که موقعیتهایی را مدیریت کنند و ممکن است مشکل را بدون مداخله انسانی حل کنند. این نوع سیستمها را میتوان در کاربردهایی مانند اتومبیلهای خودران یا در اتاقهای عمل بیمارستان یافت.
تاریخچه هوش مصنوعی
ایده ماشینی که فکر کند به یونان باستان برمیگردد اما از زمان ظهور محاسبات الکترونیکی، رویدادها و نقاط عطف مهم در تکامل هوش مصنوعی شامل موارد زیر است:
سال ۱۹۵۰
آلن تورینگ که از آن بهعنوان پدر علم رایانه و هوش مصنوعی یاد میشود، در سال ۱۹۵۰ تحقیقاتی در مورد ماشینهای محاسباتی و هوش منتشر کرد. تورینگ که به دلیل شکستن کد انیگمای نازیها در طول جنگ جهانی دوم مشهور است، در این مقاله، سعی کرد به این سوال پاسخ دهد که آیا ماشینها میتوانند فکر کنند؟ و تست تورینگ را برای تعیین اینکه آیا یک رایانه میتواند همان هوش (یا نتایج همان هوش) را بهعنوان یک انسان نشان دهد را معرفی کرد. ارزش آزمون تورینگ از آن زمان مورد بحث بوده است.
سال ۱۹۵۶
جان مک کارتی در اولین کنفرانس هوش مصنوعی در کالج دارتموث، اصطلاح «هوش مصنوعی» را به کار برد. (مک کارتی مخترع زبان لیسپ) در اواخر همان سال، آلن نیوول، جی سی شاو و هربرت سایمون، نظریه منطقی را ایجاد کردند که اولین برنامه نرمافزاری هوش مصنوعی در حال اجراست.
سال ۱۹۶۷
فرانک روزنبلات در سال ۱۹۶۷ پرسپترون را ساخت، اولین رایانه مبتنی بر یک شبکه عصبی که با آزمون و خطا بود سپس یک سال بعد، ماروین مینسکی و سیمور پیپرت کتابی با عنوان پرسپترونها منتشر کردند که هم به کار برجسته در مورد شبکههای عصبی تبدیل شد و هم حداقل برای مدتی استدلالی علیه پروژههای تحقیقاتی شبکههای عصبی آینده شد.
دهه ۱۹۸۰
در دهه ۱۹۸۰، شبکههای عصبی که از الگوریتم پس انتشار برای آموزش خود استفاده میکنند به طور گسترده در برنامههای کاربردی هوش مصنوعی مورد استفاده قرار گرفتند.
سال ۱۹۹۷
دیپ بلو از ای بی ام، یک ابررایانه شطرنجباز در یک مسابقه شطرنج (و مسابقه مجدد) قهرمان شطرنج جهان، گری کاسپاروف را شکست داد.
سال ۲۰۱۱
ابر رایانه واتسون ای بی ام، در سال ۲۰۱۱ قهرمانان کن جنینگز و برد راتر را در برنامه Jeopardy شکست داد.
در سال ۲۰۱۵
ابررایانه Minwa از نوع خاصی از شبکه عصبی عمیق به نام شبکه عصبی کانولوشن برای شناسایی و دستهبندی تصاویر با دقت بالاتری نسبت به انسان معمولی استفاده میکند.
سال ۲۰۱۶
برنامه AlphaGo DeepMind که توسط یک شبکه عصبی عمیق طراحی شده است و در سال ۲۰۱۶ توانست بازیکن قهرمان جهان Go را در یک مسابقه با پنج بازی شکست دهد. این پیروزی با توجه به تعداد زیادی حرکات ممکن در طول بازی (بیش از ۱۴.۵ تریلیون تنها پس از چهار حرکت) قابل توجه است. بعداً، گوگل DeepMind را به مبلغ ۴۰۰ میلیون دلار خریداری کرد.
ملاحظات خاص
هوش مصنوعی از ابتدای پیدایش خود مورد توجه دانشمندان و عموم مردم قرار گرفته است. یکی از موضوعات رایج این ایده است که ماشینها به قدری توسعه مییابند که انسانها دیگر نمیتوانند آن را ادامه دهند و آنها خود به خود با سرعتی تصاعدی دوباره خود را طراحی میکنند.
مورد دیگر این است که ماشینها میتوانند به حریم خصوصی افراد نفوذ کنند و حتی به سلاح تبدیل شوند. بحثهای دیگر در مورد اخلاق هوش مصنوعی است و اینکه آیا با سیستمهای هوشمندی مانند رباتها باید با حقوقی برابر با انسانها رفتار شود مورد بحث است.
خودروهای خودران نسبتا بحثبرانگیز بودهاند زیرا ماشینهای آنها برای کمترین خطر ممکن و کمترین تلفات طراحی میشوند. اگر سناریوی برخورد همزمان با یک نفر یا دیگری ارائه شود، این خودروها گزینهای را محاسبه میکنند که کمترین خسارت را به همراه داشته باشد.
یکی دیگر از مسائل بحثبرانگیز بسیاری از افراد با هوش مصنوعی این است که چگونه ممکن است این نوع فناوری بر اشتغال انسان تاثیر بگذارد. با توجه به اینکه بسیاری از صنایع به دنبال خودکارسازی مشاغل خاص از طریق استفاده از ماشینآلات هوشمند هستند، این نگرانی وجود دارد که افراد از نیروی کار بیرون رانده شوند. خودروهای خودران ممکن است نیاز به تاکسی و برنامههای اشتراک خودرو را از بین ببرند، در حالی که تولیدکنندگان ممکن است به راحتی نیروی انسانی را با ماشینها جایگزین کنند و مهارتهای افراد را منسوخ کنند.
منابع
www.investopedia.com
www.ibm.com
انتهای پیام
نظرات