تاریخچه و مبانی هوش مصنوعی 1 بیتی

اما این تکنولوژی که لایهای دیجیتالی را روی دنیای واقعی قرار میدهد، سرشار از پتانسیلهای متنوع است که هماکنون بارقهای از آنها سایت 1biti را میتوانیم ببینیم. اما در سالهای اخیر شاهد هجوم شرکتهای کوچک و خصوصی با سیستمهای AI خودشان بودهایم. اولین تعارف از یادگیری ماشین در دههی پنجاه آقای آرتور ساموئل یکی از پیشگامان هوش مصنوعی و بازیها : یادگیری ماشین زمینهای از تحقیقات است که به کامپیوترها توانایی یادگیری بدون برنامهنویسی صریح را میدهد. هوش مصنوعی عمومی(artificial general intelligence) و یا قوی عبارت است از ساختن عامل هوشمندی که مانند انسان از هوشی عمومیبرخوردار باشد که توانایی آموختن در مواجهه با هر مسئلهٔجدیدی را داشته باشد و محدود به یک زمینه یا مسئلهٔ خاص نباشد. اما تفاوت هوش مصنوعی و یادگیری ماشین: امروزه هر برنامهای که هوشمندی داشته باشد یا به نوعی رفتار انسان را تقلید کند، به عنوان هوش مصنوعی پذیرفته میشود. یادگیری بینظارت: تفاوت این نوع از یادگیری با یادگیری نظارتشده، تنها در نبودن برچسبها است.

در این کتاب، به چهار هدف یا تعریف بالقوه هوش مصنوعی پرداخته شده که سیستمهای کامپیوتری را بر اساس عقلانیت و تفکر در مقابل عمل متمایز میکند. اگر همهی حالات را در نظر بگیریم به چهار تعریف زیر میرسیم. خوب چه بدانید و چه ندانید, اگر از تلفن های هوشمند استفاده می کنید پس شما هم با هوش مصنوعی سر و کار دارید. زیرا پس از آن که علم به چنین توانایی دست پیدا کند همه انسان ها می خواهند که به ابر انسان تبدیل شوند و این امر سبب ایجاد هرج و مرج خواهد شد. از آنجایی که این نوع هوش مصنوعی مانند مغز انسان توانایی شناختی کاملی ندارد، برنامهریزی و آموزش الگوریتمها در مورد خطرات احتمالی و موقعیتهایی که وسیلهی نقلیه ممکن است با آن روبرو شود، دشوار است. هوش مصنوعی ضعیف فاقد آگاهی انسانی است؛ ولی ممکن است در بعضی از موارد بتواند آن را شبیهسازی کند. هوش مصنوعی نمادین توسط هوبرت درایفوس رد شد، زیرا آن فقط قادر به حل مسئلههای اسباببازی است و ساخت سیستمهای پیچیدهتر یا توسعه ایده برای نرمافزارهای مفید ممکن نیست. شاید در حال حاضر به نظرتان این موضوع ایده جذابی برای یک فیلم علمی تخیلی باشد و به این زودی ها تحقق نیابد.

او به موازات ظهور مهندسی شیمی در اوایل دهه ۱۹۰۰ از بنیادهای شیمی و مکانیک سیالات استفاده کرد و اشاره کرد که یادگیری ماشینی بر اساس دهههای پیشرفت در علوم کامپیوتر، آمار و نظریه کنترل بنا نهاده شده است. در دهه ۱۹۹۰ نیز تلاشهایی برای ایجاد سیستمهای موازی با توان عملیاتی بالا برای محیطهای کاری با هدف کاربردهای گوناگون از جمله شبیهسازی شبکههای عصبی صورت گرفت. موافقم که به یک خانه کامل و مجهز به هوش مصنوعی که به انتخاب های ما در زندگی واقعی واکنش نشان می دهد یک دهه یا بیشتر با ما فاصله دارد. مثلاً بعضی از ترموستاتهای خانگی قابل برنامه ریزی و یادگیری هستند که با نشان دادن اولیت های دمایی در سرما و گرما، این ابزارها به صورت هوشمندانه دمای خانه را تنظیم مینمایند. این در حالی است که فناوری پشت ارزهای دیجیتال و ایدههای جدیدتر مانند محاسبات غیرمتمرکز امیدوارکننده به نظر میرسد و به واقعیت نزدیکترند، اما جذابیت جریان اصلی آن هنوز نامشخص است. با وجود این که تا به امروز در برخی از زمینهها، هوش مصنوعی توانسته از انسان پیشی بگیرد، اما هیچکدام از آنها را نمیتوان به عنوان فراهوش در نظر گرفت. بر اساس قابل اعتمادترین پیش بینی های موجود، هوش مصنوعی در 45 سال آینده تقریباً در همه چیز از انسان ها پیشی خواهد گرفت.

این امر مستلزم این است که در طول توسعه، دانشمندان داده باید با متخصصان حوزه کار کنند و دانش فنی دامنه را در فرایند مدلسازی بگنجانند و مدل را به صورت انطباقی بینشهایی مانند دانش را بیاموزند و جمع کنند. با افزایش تهدیدات امنیتی و افزایش نیاز به عملیات کارآمد ارائه دهندگان راه حل ها از هوش مصنوعی و یادگیری ماشین برای وقوع این امر در حالتی بهتر استفاده می کنند.طبق گفته DAVID OREN معاون توسعه کسب و کار هوش مصنوعی و یادگیری ماشین امروز نقش کلیدی در صنعت امنیتی بازی میکند. هواپیماهای هوشمند که یا از راهدور و یا به صورت خودکار کنترل و خلبانی میشوند، چهره عملیات نظامی را تغییر دادهاند.

آنها یادگیری ماشین خودکار را به عنوان مجموعه ای شامل اتوماسیون آمادهسازی دادهها، مهندسی ویژگیها و وظایف مهندسی مدل توصیف کردند. یادگیری بانظارت: در فرآیند یادگیری داده به همراه برچسب به عنوان ورودی داده خواهد شد که به دو دستهی classification و regression تقسیم میشود که در classification یا طبقه بندی،هدف ما پیدا کردن برچسب یا دسته مناسب برای نمونههای بدون برچسب میباشد. به طور کلی یادگیری بدون نظارت به سه دسته خوشهبندی (clustering)، کاهش ابعاد (dimensionality reduction) و استخراج قانون وابستگی (association rule mining) تقسیمبندی میشود. به طور کلی یادگیری ماشین به سه دسته کلی تقسیمبندی میشود. مثل این است که شما یک بازرس مدرسه در حال تماشای گروهی از معلمان هستید، که هر کدام تکنیکهای یادگیری متفاوتی ارائه میدهند. خودروهای خودران نیز با بهرهگیری از فناوریهای نوین و پیشرفتهای نظیر یادگیری ماشینی و هوش مصنوعی قادر خواهند بود، بدون نیاز به کنترل هوشیارانه راننده، در خیابان و جادهها تردد و سرنشینان خود را جابجا کنند. سپس بسته نرمافزاری بینایی ماشین از تکنیکهای مختلف پردازش تصویر دیجیتال استفاده کرده و اطلاعات مورد نیاز را استخراج و معمولا بر اساس اطلاعات استخراجشده تصمیمگیری (معمولا تایید/رد) میکند.

تحقیقات او بر روی بینایی کامپیوتر، کاربرد یادگیری ماشینی در استدلال رسمی، انتزاع و چگونگی دستیابی به کلیت بیشتر در هوش مصنوعی تمرکز دارد. علاوه بر این هوش مصنوعی ضعیف در سایر صنایع که نیاز به تشخیص تصاویر از طریق فناوری بینایی ماشین وجود دارد، کمک شایانی میکند. هرچند تا به امروز ما چیزهای زیادی در مورد مغز انسان آموخته ایم، اما هنوز چیزهای ناشناخته زیادی وجود دارد که نتوانستهایم به آنها پی ببریم. بسیاری از رسانهها اما با توجه به شواهد موجود و با بررسی سیر تکامل تکنولوژیهای دیجیتال، سریالی از پیشبینیها را منتشر کردهاند. به همین دلیل، میتوان این واقعیت را بیان کرد که هنوز بسیاری از بخشهای این دانش ناشناخته باقی مانده و هر برنامهی مبتنی بر هوش مصنوعی که امروز با آن مواجه میشویم، تنها یک قسمت بسیار کوچک از این دانش وسیع به شمار میرود. یادگیری ماشین نیز یکی دیگر از بخشهای اصلی هوش مصنوعی است.

تفکر، توجه، استدلال،حافظه، یادگیری و سایر عملکردهای ذهن و مغز در علم هوش مصنوعی پردازش میشوند و این پردازش فکر در پزشکی، کامپیوتر ، تجارت و اقتصاد و سایر صنعتها به شیوههای مختلف تاثیر میگذارد یعنی با دخالت هوش مصنوعی این فرآیندها دچار تحول و تغییر میشوند و با شناخت و درک علوم شناختی و روابط زیر شاخههای این علم با یکدیگر میتوان هوش مصنوعی را بهتر درک کرده و تعریف و بیانی درستتر و کاملتر از هوش مصنوعی در علوم مختلف ارایه داد. دنیای اقتصاد : عرصه تکنولوژی در سالهای اخیر به یکی از پر رونقترین و به روزترین صنعتهای دنیا تبدیل شده است. تصور کنید با استفاده از چیپ های هوش مصنوعی و بارگذاری این چیپ ها در مغز انسان ها، ابر انسانی با مغز فرابشری به وجود بیاید. درزیر به چالش هایی که در این زمینه وجود دارند اشاره میکنیم. با افزایش اهمیت داده و نیاز جامعه به بررسی آمار و دادهها سبب به وجود آمدن تخصصهایی در این زمینه شد که در زیرهرکدام و کاربرد آنها را به اختصار بیان میکنیم. پایتون الگوریتمهای خاصی ارائه میدهد که در برنامه نویسی استاندارد وجود ندارند. شناسایی و ترسیم نقشههای زمینشناسی و عارضههای مربوطه (واحدهای سنگی مختلف)، با استفاده از تصاویر ماهواره ای، پیش بینی متغیرهای ژئومتالوژیکی با داده های کمتر و با دقت بالاتر، با توجه به هزینه بر بودن نمونه برداری های در معادن ، از جمله فعالیت ها در ارتباط بین صنعت معدن و هوش مصنوعی میباشند.

این گزارشها خاطرنشان میکند که سال ۲۰۲۰ بهترین سال دستیابی به هوش مصنوعی مکالمه بوده است، چراکه برای نخستین بار سیستمهای هوش مصنوعی توانسته اند زبان را با دقت انسانی درک کنند، هرچند هنوز راه درازی در پیش دارند. در ادامه ابتدا به بررسی مفاهیم کاربردی در حوزهٔ هوش مصنوعی پرداخته سپس به روندها و اهداف این علم اشاره خواهیم نمود و در پایان برخی از کاربردهای روزمرهٔ هوش مصنوعی را مورد بررسی قرار خواهیم داد. وی پیش بینی نمود که تا سال 2000 ماشین ها تا 30 درصد شانس فریب دادن یک انسان را می خواهند. زیرا که میانگین بهره هوشی (IQ) انسان عادی 100 و انسان نابغه حدود 140 می باشد در حالیکه پیش بینی می شود مغزی که دارای چیپ پیشرفته هوش مصنوعی باشد بهره هوشی ای در حدود 200 خواهد داشت. ازاینرو کاربرد هوش مصنوعی در کسبوکارهای مختلف قابلدرک است. با توجه به اینکه تکنولوژی در تمام زندگی بشر گسترش پیدا کرده است و در بسیاری از موارد موجب بهبود وضع زندگی انسان شده است، میتوان به اهمیت تکنولوژی پی برد.

هوش مصنوعی عمومی همان هوش مصنوعیای است که قطعا در بسیاری از فیلمهای علمی-تخیلی مانند The Terminator یا I-Robot دیدهاید. اگرچه بسیاری از این دستاوردها و به عبارتی نفوذ AI به صنایع و کاربردهای مختلف، مدیون یادگیری عمیق است، اما اگر کمی چشممان را باز کنیم میبینیم که این شبکه ها تنها کمتر از 10 سال از تاریخچه هوش مصنوعی را می سازند و تحقیقات این حوزه حتما به سمت و سوهای دیگری نیز راه پیدا خواهد کرد. اگر بتوانید کاری کنید که هر ابزاری این قابلیت را داشته باشدکه هنگامی که به آن دستور می دهید کار مورد نظر شما را انجام دهد و یا حتی بتواند به دستوراتی که قبلا برایش تنظیم کرده اید عمل کند پس از آن دیگر کارگران ارشد هیچ نیازی به کارآموزان و اربابان به برده های خود ندارند. در نتیجه، یک دستگیره ساخته شده از برنج در حدود ۸ ساعت خود را ضدعفونی خواهد کرد کاری که یک دستگیره استیل ضدزنگ هیچ وقت نمیتواند انجام دهد. اما یادگیری ماشین بعد از هوش مصنوعی موضوعیت پیدا کرد و آن را میتوان زیر مجموعهی هوش مصنوعی در نظر گرفت. کشور اول جهان در این شاخص یعنی کره جنوبی (با شاخص 84.4) در زیرشاخصهای مهارت، دسترسی و استفاده به ترتیب در رتبههای سوم، هشتم و سوم قرار گرفت و ایران نیز با یک پله صعود نسبت به سال 2014، در ردهی 89 جهان جای گرفته است.

تکنولوژی اطلاعات و عصر جدید امکانات خارقالعادهای در اختیار زنان گذارده است. البته شبکه های عصبی جدید که از آنها برای طبقهبندی تصاویر استفاده میشود دارای هزاران نورون هستند! البته ما در حال حاضر فاصله زیادی با ماشینهایی که دارای خودآگاهی هستند فاصله داریم. عامل میتواند سختافزاری یا نرمافزاری باشد و بر حسب محیطی که عامل قرار است در آن مورد استفاده قرار گیرد، میتواند دارای اجزای مختلفی باشد. چنین عاملی یک عامل حل کننده مسئله است و نسبت به عامل واکنشی مبتنی بر مدل انعطافپذیری بیشتری دارد. این گفته این باور را به وجود می آورد که یادگیری ماشینی و دیگر زیر مجموعه های هوش مصنوعی اساسا یک فرایند «حافظه محور» هستند و داشتن مقدار بی نهایت حافظه (یا حداقل حجم بالایی از آن) می تواند سبب ایجاد بالاترین حد پیچیدگی شود که با کمک آن با استفاده از الگوریتم ها می توان هر مسئله ای را حل کرد.

بدون در نظر گرفتن جزئیات هر الگوریتم، مواردی برای انتخاب آن نسبت به نوع مسئله هوش مصنوعی وجود دارند. از اولین پروژههای عملی هوش مصنوعی، ایده گرفتن از مفهوم شبکهی عصبی و نورونها بود. با رونق گرفتن سایت های رسانه های اجتماعی از تلویزیون به عنوان منبع خبر برای جوانان و سازمان های خبری که به طور فزاینده ای به تولید سیستم های رسانه های اجتماعی متکی هستند و توزیع می کنند، ناشران اصلی اکنون از فناوری هوش مصنوعی (AI) برای انتشار موثرتر داستان و ایجاد حجم بیشتر ترافیک استفاده می کنند. اگر مشکلات در صنعت به خوبی بررسی نشوند، فناوری به تنهایی هرگز ارزش تجاری ایجاد نمیکند. اما به این فکر کنید که دنیا چه شکلی می شود اگر هوش مصنوعی در کنار هوش انسانی قرار بگیرد و به کمک آن بیاید.

اما این فناوری میتواند قدری از حجم برنامههای انسان بکاهد و موجب صرفهجویی در زمان و انرژی شود. برنامههای کاربردی معمولی شامل الگوریتمهایی برای رباتیک، اینترنت اشیا، و سایر وظایف مبتنی بر داده یا حسگر است. نیک باستروم، فیلسوف دانشگاه آکسفورد، فراهوش را بهصورت «یک عقل که در تمامی زمینهها شامل نوآوری علمی، هوش عمومی و مهارتهای اجتماعی بسیار هوشمندتر از بهترین مغزهای انسانهاست» تعریف میکند. در هوش مصنوعی محدود، ماشینها برای برنامهریزی به انسانها تکیه دارند و قادر به اجرای برنامهای برای آیندهی خود نیستند؛ اما در هوش مصنوعی عمومی، برنامهریزی یک ویژگی ذاتی به شمار میرود. برای ایجاد هوش مصنوعی عمومی، درک کامل مغز انسان ضروری است. Overfitting زمانی رخ میدهد که مدل فقط برای دادههای آموزشی دقت خوبی ایجاد کند و دقت آن برای دادههای اعتبارسنجی و تست پایین باشد. اما هوش مصنوعی از یه زمانی به بعد بخواطر اومدن الگوریتم های پیچیده فرایند تصمیم گیری رو خیلی خیلی پیچیده کرد که امروزه بیشتر تو عرصه امنیت و اطلاعات و سامانه های امنیتی قابل دیدنه.

هر فرد تعدادی توانایی عمومی و تخصصی دارد که براساس همین تواناییها شغلی را به دست آورده، اما آگاهی ضمنی از فناوریهای نوظهور کمک میکند، افراد نهتنها دید کاملتری نسبت به وضعیت حرفهای خود داشته باشند، بلکه در صورت لزوم کارفرماهای خود را از جدیدترین فناوریهای حرفهشان مطلع کرده و فرصتهای پیشرفت شغلی خود را فراهم کنند. اما تا به حال قدمهای بسیار زیادی برای درک حافظه، یادگیری، توانایی تصمیمگیری بر اساس تجربیات گذشته توسط ماشینها برداشتهایم. فصل ۵: امروزه با توجه به افزایش بی حد و حصر دادهها، ذخیره سازی مقرون به صرفه دادهها وافزایش قدرت پردازندهها و کاهش هزینههای آنها یادگیری ماشین بسیار آسان تر و فراگیر تر شده است اما این بدان معنا نیست که چالش ها نیزبصورت کامل از بین رفته اند. ایلان ماسک قصد دارد از قدرت و منابع مالی شرکت تریلیون دلاری خود برای خلق AGI استفاده کند.

اما به گفته ویکی پدیا استفاده هوش مصنوعی در وسائل خودران ، تشخیص های پزشکی ، خلق آثار هنری ، اثبات قضیه های ریاضی ، انجام بازی های فکری ، تعیین هویت تصویر و صدا ، ذخیره انرژی ، جستوجوگر های اینترنتی (خودم یکیش رو برای سئو ساختم) ، تهیه قرارداد ها و پیش بینی آرای قضایی. هوش مصنوعی که به وسایل نقلیه اجازه میدهد بدون راننده حرکت کنند، نمونهای از هوش مصنوعی ضعیف است؛ اما این سیستمها با یک چالش جدی مواجهند. نتفلیکس، یک سرویس بسیار محبوب در زمینه محتوا بر اساس تقاضا است که با استفاده از تکنولوژی پیشبینی، پیشنهادهایی را بر اساس واکنش، علایق، انتخابها و رفتار کاربران ارائه میدهد. دانشمند داده امور دادهکاوی را معمولا با زبانهای برنامهنویسی و کتابخانههای آن انجام میدهد ولی تحلیلگر از پلتفرمها و نرمافزارها استفاده میکند.

برای مثال، سیستمهای تشخیص چهره با چهرههای تولید شده توسط هوش مصنوعی آموزش داده میشوند. برای مثال، سوالاتی مانند «نتیجه نهایی مورد نظر چیست؟ به عنوان مثال میتوان به افزایش مفهوم بازده از نظر کارایی انسانی و چالشهای اخلاق زیستی اشاره کرد. برای مثال تصور کنید که ذهنی از خودتان میپرسید که فلان کلمه به زبان فرانسه چه می شود و بلافاصله به جواب مورد نظرتان می رسید.». شاید در آینده ای نه چندان دور واقعا به انسان هایی با ذهن فرابشری بر بخورید که جواب سخت ترین سوالاتتان در ذهن آن ها وجود دارد! وقتی مردم در مورد هوش مصنوعی صحبت میکنند، بیشتر افراد متوجه نمیشوند که انواع مختلفی از هوش مصنوعی وجود دارد. بلوتوث در سال 1999 به کاربران معرفی شد ، بلوتوث برای اتصال تلفن همراه به هدست هندزفری نیز ساخته شده است و به شما امکان می دهد تا هنگامی که دستان شما مشغول است مثلا هنگام رانندگی بتوانید موزیک مورد علاقه خود را گوش دهید یا با دوستانتان مکالمه کنید. دستیارهای صوتی گوگل (Google Now) ، اپل (Siri) و مایکروسافت (Cortana) به سوالات و درخواستهای شما پاسخ میدهند و در هنگام رانندگی تنها با گوش سپردن به سخنان شما؛ برای دوستانتان پیامک می نگارد و ارسال میکند .