۸ بانوی پیشرو در حوزه هوش مصنوعی 1 بیتی

فصل ۶: خلاصه گامهایی است که برای یک پروژهیادگیری ماشین طی میشود را بررسی میکنیم. دکتر موران سرف که یکی از دانشمندان حوزه عصب شناسی است که در حال تحقیق و بررسی برای انجام پروژه ای در این زمینه در سیلیکون ولی می باشد، در این رابطه در مصاحبه اش با CBS Chicago می گوید :«تصور کنید که مغز شما به اینترنت وصل است و هر زمانی که به سوال خاصی فکر می کنید به ویکیپدیا می رود و جواب سوالتان را پیدا می کند. این موضوع به بهبود رابطه شما با مشتریان و وفاداری آنها نسبت به برند شما منجر میشود. عناصر چارچوب ارایه شده توسط آرتورسامئل برای مدل کردن یک مساله و حل آن: 1. مدل تصمیم گیری 2. معیار امتیاز دهی 3.رویهی خودکار برای محاسبهی معیار ارزیابی 4. رویهی خودکار برای بهبود مدل. هدف اصلی این است که به کامپیوترها اجازه داده شود تا به طور خودکار بدون دخالت یا کمک انسان یاد بگیرند و بر اساس آن اقدامات لازم را تنظیم کنند. با الگوریتمهای یادگیری و بهینهسازی ماشین، یک چارچوب از پایین به بالا با در نظر گرفتن سلامت ماشین میتواند از نمونههای زیادی از دارایی استفاده کند و مدیریت عملیات، برنامهریزی موجودی قطعات یدکی و روند برنامهریزی تعمیر و نگهداری را بهطور خودکار انجام دهد.

یکی از منتقدان این طرح و فردی که اعتقاد دارد AGI یک تکنولوژی دور از دسترس به شمار میرود، فرانسوا شوله (François Chollet) است. دستیارهای صوتی دیجیتال مانند سیری و الکسا به عنوان بهترین نمونههای هوش مصنوعی ضعیف به شمار میروند که ما هر روز به آنها اعتماد میکنیم. یکی از بهترین روشهای تولید دارو، استفاده از هوش مصنوعی برای سرعت بخشیدن به پروسه تولید دارو است. الگوریتمهای یادگیری ماشینی برای بررسی دادههای تاریخی استفاده میشوند تا یک پیشبینی از یک نتیجهی احتمالی در آینده تولید کنند. در ادامه به بررسی انواع هوش مصنوعی که در لیست زیر آمده میپردازیم و برای هر کدام مثالهایی را بیان خواهیم کرد. و در نهایت برای بررسی دقیق مدل باید داده از برروی داده های جدید که تابحال سیستم آن را ندیده( تحت عنوان دادهی تست) آزمود. در نهایت ماشینهای هوشمندی ساخته خواهند شد که دارای هوشیاری و درک از خود باشند. برای آماده شدن برای چنین روزی و پیشرفت در ساخت ماشینهای هوشمند نه تنها باید هوش مصنوعی این ماشینها را آموزش دهیم، بلکه نیاز است تا چگونه میتوانیم از مرزهای انواع هوش مصنوعی گذر کنیم و مرزهایی که ماشینها را از ما انسانها و ما را از ماشینها جدا نگه میدارد را بشناسیم.

تکنولوژیهایی که در ترکیب محصولات یا خدمات بکار گرفته میشوند و موجب تولید محصولات جدید میشوند، جزء دسته تکنولوژیهای محصول طبقه بندی میشوند. تا پیش از تولید فورد مدل T (Ford Model T)، ماشینها با دست ساخته میشدند. یکی از آزمون های باحال و البته محلی برای ضد حال زن مهندسای هوش مصنوعی رو میشه آزمون تورینگ نام برد که تا حالا یعنی از سال 1950 تا الان مهندسی یا تیم مهندسی نتونست ازین ماسبقه جون سالم بدر ببره. این دانشگاه در سال ۱۸۹۱ توسط آموس جیتروپ (Amos G.Troop) یک تاجر و سیاستمدار آمریکایی تاسیس و راهاندازی شد. خدمات ترجمه مانند گوگل ترنسلیت نمونهای از این کاربرد است.

این شرکت خودروسازی تولیدکننده خودروهای برقی و قطعات مورد نیاز قطارهای برقی است. مهندس داده: انتخاب میکند که چه دادهای از میان سیل دادهی تولیدی در اختیار شرکت قرار بگیرد. این مسئله به ماشین کمک میکند تا بفهمد که چه زمانی باید لاین رانندگی خود را عوض کند و یا چه زمانی برای جلوگیری از برخورد باید ترمز کند و یا از سرعت خود بکاهد. در ادامه هر کدام از این مدلها را به تفصیل معرفی میکنیم. الگوریتمهای هوش مصنوعی ضعیف از طریق مدلسازی هوش انسان ساخته میشوند و به جای داشتن تواناییهای شناختی کامل، مانند مغز انسان، قادرند وظایف خاصی را انجام دهند. یکی دیگر از تواناییهای انسان استفاده از تجربیات زندگی خود برای برنامهریزی برای آینده است.

آنها از تجربیات مختلف یاد میگیرند و آن را بهصورت منطقی در موقعیتهای دیگری که با آن مواجه میشوند به کار میبرند. و در حال حاضر تفاوت انسان و ماشین هوشمند در حوزه ی تجربه و احساس است که گاها این دو امر موجب جلوگیری از رفتار و تفکر منطقی در انسان می­شود که باعث ایجاد مشکلاتی در زندگی برای انسان می­شود که با همراهی دستیارهای هوشمند می­توان از خطاهای ناخواسته­ ی انسانی جلوگیری کرد. در اصل تو سال 1956 جان مکارتی معنای هوش مصنوعی رو دانش و مهندسی ساخت ماشینهای هوشمند گذاشت چون معتقد بود که عامل هوشمند یعنی شناخت پیرامون و شناسایی موقعیت خودش و افزایش اون با تحلیل و بررسی . توسعه قیاس و استفاده ارسطو از استدلال قیاسی لحظه ای، کلیدی در تلاش بشر برای درک هوش خود بود. بدون شک هوش مصنوعی یکی از پیچیدهترین و خارقالعادهترین ابداعات بشر تاکنون بوده است. از ابتدای مطرح شدن مبحث هوش مصنوعی تا به امروز همواره صحبت از این بود که هوش مصنوعی، هوش انسانی را کنار بزند و جای تفکر انسان را در دنیا بگیرد. سپس بعد از از استقرار، مسئول نظارت و رسیدگی به آن خواهد بود. به طور کلی یادگیری بدون نظارت به سه دسته خوشهبندی (clustering)، کاهش ابعاد (dimensionality reduction) و استخراج قانون وابستگی (association rule mining) تقسیمبندی میشود.

بخوان  چهار کوتاه قصه‌ها شما نمیدونستم آشنایی با هوش مصنوعی

این شرکت تصمیم دارد ۴۴۲۵ ماهواره را به فضا پرتاب کند که هدف آنها، تامین اینترنت برای همهی نقاط سایت 1biti جهان است. توییتر نیز محل خوبی برای پیدا کردن افراد متخصص و آشنایی با آنها محسوب میشود و همچنین میتوان با شرکت در رویدادهای هوش مصنوعی با افراد متخصص و فعال در این حوزه آشنا شد و از آنها درخواست کرد تا به عنوان منتور راهنمایی و کمک ارائه دهند. اوایل امسال سکان هدایت وزارت ارتباطات، در دستان وزیر جدید قرار گرفت؛ وزیری که برخلاف جایگاه و مسوولیتهایی که برای مدیریت هرچه بهتر فضای مجازی به عهده دارد، علاقه چندانی به حضور در شبکههای اجتماعی مورد توجه مردم (مانند توییتر و تلگرام) ندارد و ترجیح میدهد فعالیتهای خود را به شبکههای اجتماعی نسبتا بیمخاطب داخلی و روشهای سنتی برقراری ارتباط مانند پیامک و جلسات حضوری محدود کند.

با وجود مطرح بودن این علم برای مدتی مدید، به دلیل ازدیاد سرمایهگذاری در این حوزه طی سالهای اخیر و توسعه علوم و فناوریهای مرتبط به آن، اخیرا علاقمندی به استفاده از آن در حوزههای گوناگون از بهداشت و درمان گرفته تا آموزش و پرورش و ورزش بیش از پیش افزایش یافته است. با این وجود، پیشرفتهای صورتگرفته در سالهای اخیر، از جمله معرفی الگوریتمهای یادگیری ماشین و پس از آن یادگیری عمیق، منجر به ایجاد این تصور شده است که هوش مصنوعی به سرعت در حال نزدیک شدن به هوش انسانهاست و در سالهای آینده میتواند حتی فراتر از هوش انسان قدم بردارد.

این هوش مصنوعی در میلیونها میلیون تماس صوتی که روزانه انجام میشود، حضور دارد و ایفای وظیفه میکند. از اصلی ترین عناصر محوری یادگیری ماشین داده ها هستند که آنچه آن را ارزشمند میکند نمایندگی آن از واقعیت است و اطلاعاتی که درباره آن در اختیارمان میگذارد. تنها کاری است که ما انتخاب میکنیم با آن انجام دهیم مفید و یا مضر بودن آن را مشخص میکند. تحلیلگر داده: معماری مناسب برای جمعآوری اطلاعات یک سازمان را طراحی میکند و پایگاه داده مناسب برای این کار را انتخاب میکند؛ دادههای خام را از منابع داخلی و خارجی جمعآوری میکند و پس از آمادهسازی و انتخاب قالب مناسب، آنها را در پایگاه دادهای که طراحی کرده ذخیره میکند. نفوذ تکنولوژی در زندگی روزمره و کاربردهای متنوع آن در صنایع مختلف و کسب و کارها، آن را به بخشی جدایی­ناپذیری از زندگی مدرن تبدیل کرده است. 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. روزی که چنین ماشینهایی پا به جامعه انسانی بگذارند، میتوانند درک متقابلی از انسانهای داشته باشند و حتی افکار و احساساتشان را درک نمایند و بر طبق آن رفتارهای خودشان را تطبیق دهند.

ممکن است این نقطه جایی باشد که ماشینهای هوشمند آینده تولید میشوند و مرز ماشینهای موجود و ماشینهای آینده را این نقطه تعیین میکند. پس از انتخاب تعریف خود از هوشمندی، قدم بعدی ساخت عامل هوشمند (intelligent agent) است. دانشمندان پیش بینی می کنند که در آینده ای نزدیک به کمک همین تکنولوژی بتوان اعضای بدن هر بیماری که نیازمند است را ساخت و به این ترتیب جان میلیون ها بیمار را در جهان نجات داد. برای مثال شرکت فیس بوک در حال کار بر روی پروژه ای به نام «موس ذهنی» است. شرکت هایی وجود دارند که با دریافت برخی مدارک و مقداری هزینه، ماشینی به دلخواه شما کرایه می دهند.ضمانت های مورد نیازهمانطور که گفته شد برای اجاره ماشین به مدارکی نیاز است. هوش مصنوعی تمام رفتارهای گذشته، جست و جوهای وب، تعاملات و سایر مواردی که هنگام حضور در این وب سایت ها انجام می دهید را زیر نظر می گیرد و این تجربه را فقط برای شما سازمان دهی می کند. با این اوصاف دیگر نباید چیزهایی که در فیلم های علمی تخیلی میبینید برای شما دور از ذهن و تعجب آور باشد. پس از این برهه و با وقوع شکست در روشهای هوش مصنوعی مطرح، دورهای آغاز شد که از آن با عنوان «زمستان هوش مصنوعی» (AI winters) یاد میشود و طی آن سرمایهگذاری در این حوزه با کاهش شدید مواجه شد.

بخوان  رشته تکنولوژی پزشکی هسته ای بررسی دانشگاه ها ، تعداد واحد و بازار کار | 1biti

هوش مصنوعی ضعیف یا محدود تنها هوش مصنوعی است که امروزه وجود دارد. 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. برخی از سرفصلها و مطالب مطرح شده در این دوره شامل مرتبه اجرایی، رابطه های بازگشتی، روش تقسیم و حل، روش برنامهنویسی پویا، روش حریصانه، روش شاخه و قید، الگوریتم های گراف و سایر موارد است. این یک واقعیت تاسف آور است که انسان گاهی علیه سایر ادیان، جنسیتها، ملیتها و غیره مغرضانه عمل می کند و ممکن است این تعصب ناخودآگاه به سیستم های هوش مصنوعی که توسط انسان ها توسعه یافته نیز وارد شود، تعصب همچنین ممکن است به دلیل داده های ناقصی که توسط انسان ایجاد می شود وارد سیستم ها شود به عنوان مثال، اخیرا آمازون فهمید که الگوریتم استخدام مبتنی بر Machine Learning که در سال 2014 توسط دهها مهندس برای استخدام کارمندان جدید طراحی شده بود داوطلبین مرد را به داوطلبین زن اولویت داده است، در واقع به این برنامه یاد داده شده بود که الگوهای مشخصی را از میان رزومههای ده سال اخیر استخراج کند و چون بیشتر این رزومهها متعلق به مردان بوده است در نتیجه، برنامه شروع کرد به ارجح دانستن رزومههایی که شامل واژههایی میشدند که بیشتر توسط مردان استفاده میشد.

اگر تا به حال در قسمت چت با بخش پشتیبانی یک سازمان صحبت کردهاید، احتمالا مخاطب شما هوش مصنوعی بوده. هوش مصنوعی، یادگیری ماشینی و یادگیری عمیق از همین مفاهیم نزدیک به هم هستند و زیر مجموعه هوش مصنوعی به شمار میروند،دانستن آنها به شما کمک میکند تا تفاوت آنها را متوجه بشوید. در نتیجه هوش مصنوعی محدود رفتار هوشمند را برای کارهای خاصی مدل میکند. هوش مصنوعی، مفهومی است که احتمالا با شنیدن آن به یاد فیلم های علمی تخیلی، روبات های پیشرفته و خطر نابودی انسان به دست این موجودات هوشمند می افتید. «این موجودات مادى را که ما خیال مىکنیم قدرت، علم و هیچ یک از کمالات را ندارند، این طور نیست. یعنی قابلیت های خود را تا حد آیفون محدود کنید. اگر پیشبینی کننده فقط خود را به اطلاعات گذشته و روند تاریخی محدود کند، فقط میتواند به برونیابی اتفاقات گذشته در مسیر آینده بپردازد. از فرايندهای مهم برای تولید يك محصول در نیان، انتخاب تكنولوژی مناسب جهت توليد با كيفيت و مقرون به صرفه می باشد که اين روند از پياده سازی نمونه طراحی شده آغاز و پس از صحه گذاری طرح ها، تا توليد انبوه ادامه می يابد. ایلان ماسک بنیانگذار، مدیرعامل و مهندس ارشد SpaceX است و همچنین سرمایهگذار، مدیرعامل و مدیر محصول شرکت تسلا است.

در ادامه وی پا را فراتر می گذارد و انسان ها را به تصور کردن توانایی هایی دعوت می کند که بسیار وسوسه انگیز است:«می توانید در ذهنتان به یک سوال فکر کنید و سریعا بتوانید جواب آن را با کمک تراشه هوش مصنوعی کارگذاشته شده در مغزتان پیدا کنید. منظور از فراهوش، سطحی از هوش است که بسیار هوشمندتر از مغز بزرگترین نوابغ انسانی است. 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. این نوع ماشینها موجوداتی از خود آگاه هستند که میتوانند حالات درونی خود را بفهمند و قادر به تشخیص و یا پیشبینی احساسات دیگران میباشند. 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. پژوهشگران حوزهٔ هوش مصنوعی علاقهمندند پاسخی برای این پرسش ارائه دهند.

بخوان  معرفی تکنولوژی های برتر در جهان امروز 1 بیتی

زیرا از این زمان به بعد ما دارای ماشینهایی خواهیم بود که به تعامل با انسانها میپردازند. در ادامه به بیان چند مثال از هوش مصنوعی محدود میپردازیم. با نوع، کمیت و کیفیت مناسب دادههای ارائهشده، ابزارهای هوش مصنوعی میتوانند رفتار و پاسخهای انسان را یاد بگیرند و تقلید کنند، بنابراین هوش ماشینی (هوش مصنوعی) را ارائه میدهند. در این دیدگاه کیفیت باید طی فرآیند تولید به دست آید. این مهم که خود طی فرایندی قابل پیگیری است چیزی نیست مگر همان تدابیر به کار گرفته شده برای افزایش کیفیت فرایند یاددهی – یادگیری با عنوان تکنولوژی آموزشی و نضج تکنولوژی فکر.

یعنی ماشین هایی که می توانند درک کنند که مردم و حیوانات، افکار و احساساتی دارند که می تواند بر رفتار آنها تأثیر بگذارد. این مشاهدات به کمک آموزشهای از پیش انجام شده به ماشینها این دید را میدهد که چگونه باید دنیای پیرامون خود را درک کنند. اما در مقابل، یک آزمون تولید متن وسعت بیشتری از درک دنیای واقعی را میطلبد مانند سیستمی که در آن از یک مدل خواسته میشود یک جمله طبیعی را از مفاهیم داده شده تولید کند. این مهندس ارشد گفت: «هوش مصنوعی از پردازش زبان طبیعی برای درک توضیحات متنی که در پشت هر کد خطا وجود دارد استفاده میکند. هوش مصنوعی ضعیف به رادیولوژیستها کمک میکند تا بتوانند بیماری را از روی اسکنهای گرفته شده از بیمار تشخیص دهند. آموزش آنلاین و مجازی یکی از مهمترین خدماتی است که هوسم ارائه میدهد تا همه دانشجویان در سراسر کشور و حتی هموطنان خارج از کشور بتوانند سطح دانش خود در هوش مصنوعی را ارتقا دهند. یکی از مهمترین دلایل استفاده از این زبان، سادگی یادگیری است. طبق فرمایشات دکتر فروغی، مسالهی مساله بینی (پیدا کردن مسائل عمیق) یعنی سعی بر پیدا کردن مسایل عمیق و پیدا کردن راه حل و ارتباط ایجاد کردن با دانشگاه و حل با دید پژوهشی امروزه از ارزش بالایی برخودار بوده که حاصل زیبایی نیز خواهد داشت.

در این مرحله، نظارت میتواند خیلی مفید باشد. اتومبیلهای خودران در این دسته قرار میگیرند. این مدل می تواند در جای شکستگی استخوان قرار گیرد و مانند یک داربست عمل کند و استخوان طبیعی و واقعی به دور آن رشد کند. واتسون یک کامپیوتر پاسخ به سوالات با زبان طبیعی است که توسط IBM ساخته شد و دو قهرمان سابق پرمخاطره به نامهای جنینگز و براد روتر را در بازی ضبط شده در تلویزیون، شکست داد. پردازش زبان طبیعی (NLP) یکی از شاخههای هوش مصنوعی است که در زمینههای مختلف استفاده میشود. از این منظر پردازش زبان طبیعی به حوزه تعامل انسان و کامپیوتر مربوط می شود. «پرل» (Perl): این زبان برنامه نویسی دارای کتابخانههای هوش مصنوعی و یادگیری عمیق است و در حوزههایی مانند «پردازش زبان طبیعی» (Natural Language Processing | NLP) کاربرد دارد. هوش مصنوعی فقط به اندازه افرادی که مسئول برنامه نویسی اولیه آن هستند باهوش است.