هوش مصنوعی یا AI چیست ؟

هوش مصنوعی

 

هوش مصنوعی یاAI) Artificial Intelligence) فناوری و شاخه‌ای در علوم کامپیوتر است که به مطالعه و توسعه دستگاه‌های هوشمند می‌پردازد. محققان برجسته هوش مصنوعی، این رشته را با عبارت «مطالعه و طراحی عناصر هوشمند» توصیف می‌کنند که در آن یک عامل هوشمند سیستمی است که محیط را درک کرده و اقداماتی را برای حداکثر کردن احتمال موفقیت خود انجام می‌دهد. جان مک‌کارتی، مبدع این عبارت در سال ۱۹۵۵ آن را به شکل «علم و مهندسی ساخت دستگاه‌های هوشمند» تعریف کرده است.

تعریف هوش مصنوعی چیست ؟

از آنجا که تعریف خود هوش تا حدی مناقشه برانگیز است ، تعریف دقیق هوش مصنوعی هم کمی مشکل است . اما به طور کلی می توان گفت ، 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 استدلال برای حل مسائل را داشته باشند .

بنابراین سه رکن اساسی هوشمندی ، استدلال، منطق، تصمیم گیری است ؛ این ها توانایی هستند که شما از آنها استفاده می کنید. پس شما هوشمند هستید. اگر این توانایی ها را در کامپیوتر هم ایجاد کنیم، آنگاه به ماشین هوشمند دست می یابیم.

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.

کاربرد هوش مصنوعی

امروزه گستردگی این دانش و ویژگی های جالب توجه آن باعث شده است که گرایش های متنوع از مهندسی و صنعتی گرفته تا نهادهای امنیتی و نظامی ، به استفاده از امکانات هوش مصنوعی در فعالیته های خود علاقمند شوند . برای مثال در حوزه ی مبادلات مالی ، بسیاری از کمپانی‌های خرید و فروش سهام از سیستم‌های اختصاصی توسعه یافته برای پیش‌بینی قیمت و انجام خرید و فروش براساس نتایج به دست آمده استفاده می‌کنند. یا در زمینه امنیت ، در تمام مکان‌ها نظیر فرودگاه‌ها یا شماری از جلساتی که حساسیت امنیتی وجود دارد ، گیت های متعدد امنیتی دیده می‌شوند. هوش مصنوعی نشان داده که قادر است روند کنترل امنیتی را تسریع کرده و دقت این فرآیند را افزایش دهد . هم چنین در زمینه های مختلف بازاریابی ، تسلیحات هوشمند ، سیستم ها حمل و نقل هوشمند و … از هوش مصنوعی استفاده های جالب و مفیدی می شود .

کلام آخر

هدف نهایی هوش مصنوعی، دستیابی به فرآیندی است که بتواند همانند انسان تصمیم گیری کند. چنین ماشینی با ترکیب   تکنیک‏ های استدلالی پیشرفته و استفاده از توانایی متفکران ، تحلیل‏گران ، دانشمندان ، مهندسان، سیاست‏مداران و … بر پایه   حجم عظیمی از منابع اطلاعاتی ، می ‏تواند بهترین تصمیم را در شرایط اضطراری بگیرد. البته برای رسیدن به این قله ، علاوه بر   چشیدن طعم لذت بخش نزدیکی به هدف ، باید مسیری طولانی و پیچیده را پیمود و شکست های بزرگی را تجربه کرد .

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *