DAI می تواند رویکردی از پایین به بالا به AI را اعمال کند ، مشابه معماری subsumption و همچنین رویکرد معمول از بالا به پایین AI. همچنین در مورد چگونگی استفاده از چنین فناوری هایی به منظور سوءاستفاده از تصویر افراد نگرانی هایی وجود دارد. نگرانی عمده دیگر احتمال سوءاستفاده از ابزار هوش مصنوعی است. به گفته یکی از ساکنان منطقه کیتایلو، قطعی برق با این فناوری تقریبا دیگر وجود ندارد. با این وجود احتمال ایجاد تحولات اجتماعی بسیار مخرب ، مانند ساخت فیلم ها و تصاویر غیرقابل اعتماد هم وجود دارد. می توانید مدل ها را ایجاد و ویژوال سازی کنید و مدل ها را به سرورها و دستگاه های تعبیه شده مستقر کنید. این مسئله، در تلاش برای تکرار یا شبیه سازی هوش انسان در ماشین ها می باشد.
هوش مصنوعی صنعت عجیب و جذابی است و جدا از اینکه در ترندهای تکنولوژی این سالها قرار دارد به سرعت در حال تغییر نحوه سایت 1biti زندگی انسان است. آلن تورینگ ریاضیدان، برای بار دوم با یک سوال ساده تاریخ را برای همیشه تغییر داد: “آیا ماشین ها می توانند فکر کنند؟ در سطحی بسیار بالا، هوش مصنوعی را می توان به دو نوع دسته بندی کرد» هوش مصنوعی محدود و هوش مصنوعی عمومی. مطالعه ای که توسط چهار گروه از متخصصین در سال 2012/13 انجام پذیرفت، نتیجه گیری شد که شانسی 50 درصدی برای واقعیت بخشیدن به هوش مصنوعی عمومی میان 2040 و 2050 وجود دارد، آن ها افزودند که تا سال 2075 این احتمال به 90 درصد هم خواهد رسید. با توجه به این که محققان هدف دقت 99 درصد را دنبال می کنند، انتظار دارند در کنار اشکال معمول برقراری ارتباط، تعامل انسان و ماشین به یک معیار یا امری عادیتبدیل شود.
این تکنیک اخیراً توسط Uber AI Labs به نمایش گذاشته شد ، که مقالاتی در رابطه با استفاده از الگوریتم های ژنتیک به منظور آموزش شبکه های عصبی عمیق جهت حل مشکلات یادگیری تقویت منتشر کرد.سرانجام سیستمهای خبره ای وجود دارد که در آن ها، رایانه ها با قوانینی برنامه ریزی می شوند که به آنها امکان می دهد مجموعه ای از تصمیمات را بر اساس تعداد زیادی از ورودی ها اتخاذ کنند ، که این عمل به دستگاه امکان می دهد تا رفتار یک متخصص انسانی را در یک حوزه خاص تقلید کند. از چت بابات های بهتر برای خدمات به مشتری گرفته تا تجزیه و تحلیل داده ها گرفته تا توصیه های پیش بینی، یادگیری عمیق و هوش مصنوعی در بسیاری از اشکال آنها توسط رهبران مشاغل به عنوان ابزاری اساسی تلقی می شود. به راحتی میتوان با جستجو عبارت هوش مصنوعی، یادگیری ماشین، یادگیری عمیق، پردازش زبان طبیعی و سایر موارد مشابه در مجله، آموزش مورد نظر خود را پیدا کرد. ساختار هر یک از این حسگرها شبیه مغز انسان است؛ آنها قادر هستند بدون مداخله انسانی بهترین و کاراترین منابع تغذیه را پیدا کنند. در ماه اکتبر و پس از چند ماه، اپل اعلام کرد که همین سرویس اکنون توانسته به ۶.۵ میلیون مشترک دست پیدا کند در حالی که ۸.۵ میلیون کاربر دیگر هنوز به شکل رایگان از آن بهره می برند.
حال هوش مصنوعی چگونه کار می کند؟ دو ایده اول مربوط به فرآیند های تفکر و استدلال است، در حالی که دیگران معمولا با رفتار ها سرو کار دارند. از این رو، متخصصان هوش مصنوعی، با توجه به کاربردهای گوناگون این علم، آن را در شاخههای متنوعی دنبال نموده اند از جمله: ▪️ شبکه های عصبی (Neural Networks) این شبکه ها که با الهام از مدل شبکه عصبی ذهن انسان طراحی میشوند و امروزه کاربردهای فراوان و گستردهای داشته، در زمینههای متنوعی چون سیستمهای کنترلی، روباتیک، تشخیص متون، پردازش تصویر و. امروزه هوش مصنوعی در هر جایی وجود دارد و از آن برای راهنمایی در خریدهای آنلاین شما، درک و شناخت از آنچه که باید به همیارهای مجازی از قبیل الکسای گوگل و سیری اپل، تشخیص عکس ها، شناسایی اسپم و تشخیص کلاهبرداری و سوء استفاده از کارت اعتباری استفاده می شود. این نوع هوش مصنوعی در تشخیص زبان و گفتار همیار مجازی سیری (Siri) در اپل، در سیستم های تشخیص بصری خودروهای اتوماتیک، در موتورهایی که محصولات را بر اساس پیشینه خرید شما ارائه می دهند مشهود است.
به تازگی گروه تحقیقات مایکروسافت گزارش داده است سیستمی را ابداع کرده است که می تواند به زبان انسانی صحبت کنند. این سیستم عامل های ابری حتی ایجاد مدل های یادگیری ماشینی سفارشی را نیزساده تر می کند ، به تازگی گوگل خدماتی را ارائه داد که ایجاد مدل های هوش مصنوعی با نام Cloud AutoML به شکلی خودکار را ممکن می کند. طراحی شبکه های عصبی نیز در حال تحول است ، به طوری که محققان به تازگی شکل کارآمدتری از شبکه عصبی عمیق به نام حافظه کوتاه مدت یا LSTM را اصلاح کرده که با سرعت بی نظیر خود می تواند در سیستم های تقاضا مانند Google Translate استفاده شود. پژوهش های گسترده ای در رابطه با هوش مصنوعی انجام پذیرفته که همگی مکمل هایی برای یکدیگر به حساب آورده می شود. کامپیوترها برای انجام وظایف محوله، دستورالعملهای صریح در اختیار ندارند و به جای آن، بر الگوهای دادهای و استنتاجات قابل انجام روی آنها برای حل مسأله و انجام وظایف تکیه میکنند. با توجه به “آماده سازی برای آینده هوش مصنوعی”، با تمرکز بر انجام وظایف خاص، هوش مصنوعی محدود پیشرفت های متعددی را در دهه گذشته تجربه کرده است که با توجه به گزارش سال 2016 که توسط دولت اوباما منتشر شد، مزایای اجتماعی قابل توجهی داشته و به سرزندگی اقتصادی کشور کمک کرده است.
آن ها شبکه هایی الهام گرفته از مغز و دارای لایه هایی بهم پیوسته از الگوریتم ها هستند که نورون خوانده می شوند. در سال های اخیر ، دقت سیستم های تشخیص چهره پیشرفت زیادی کرده است ، تا جایی که غول فناوری چینی بایدو می گوید می تواند با دقتی 99 درصدی چهره ها را مطابقت دهد( به شرط آنکه چهره به اندازه کافی واضح باشد). شرکت های چینی Alibaba ، Baidu و Lenovo فعال در زمینه های مختلفی سرمایه گذاری های زیادی را بر روی AI انجام می دهند. ذهن انسان برای یادگیری مسائل و موضوعات خاص از تبادل اطلاعات بین نورون ها در شبکه های عصبی مغز استفاده می کند که یادگیری عمیق در واقع از همین روش برای یادگیری تقلید کرده و روند تجزیه و تحلیل داده هارا بسیار سریعتر و آسان تر می کند. هنگامی که انقلاب رباتها فرا میرسد توسط ماشینهای هوش مصنوعی پیچیده هدایت میشود که با محیطها و زمینههای مختلف سازگار هستند و قادر به یادگیری و عمل برای خودشان در طیف وسیعی از موقعیتها هستند.
بزرگترین پیشرفت در زمینه تحقیقات هوش مصنوعی در سالهای اخیر در زمینه یادگیری ماشینی بویژه در زمینه یادگیری عمیق بوده است.این امر تا حدودی با دسترسی آسان داده ها انجام شده است ، اما حتی بیشتر از آن با انفجار در قدرت محاسبات موازی در سال های اخیر ، که در طی این مدت استفاده از خوشه های GPU برای آموزش سیستم های یادگیری ماشینی رواج بیشتری یافته است.این خوشه ها نه تنها سیستم های بسیار قدرتمندتری را برای آموزش مدل های یادگیری ماشین ارائه می دهند ، بلکه اکنون به عنوان خدمات ابری از طریق اینترنت نیز به طور گسترده ای در دسترس هستند. نویسندگان استوارت راسل و پیتر نورویگ در کتاب درسی پیشگامانه خود، Artificial Intelligence: A Modern Approach، با تمرکز حول موضوع عوامل هوشمند در ماشین ها، به این سوال می پردازند. برای درک این تفاوت فاحش کافی است به ۱۰ سال پیش بازگردید و ببینید همین موبایل ها چقدر در تک تک ابعاد زندگی ما رسوخ کرده اند! این مشکل مربوط به مدل حریم خصوصی است که مدت ها توسط این شرکت ها مورد استفاده قرار گرفته است. ترکیبی از قوانین ضعف حریم خصوصی ، سرمایه گذاری کلان ، جمع آوری داده های هماهنگ و تجزیه و تحلیل داده های بزرگ توسط شرکت های بزرگی مانند بایدو ، علی بابا و Tencent به این معنی است که برخی از تحلیلگران معتقدند که چین در هنگام تحقیقات آینده در زمینه هوش مصنوعی برتری بیشتری نسبت به آمریکا خواهد داشت.
MATLAB با دستیابی به داده ها و پیش پردازش داده ها، ساختن مدل های یادگیری ماشین و مدل های پیش بینی کننده و ایجاد مدل ها در سیستم های IT، علوم داده را آسان می کند. پایتون شامل کد نویسی بسیار ساده و سینتکس ساده در بین سایر زبان های برنامه نویسی است که می تواند برای توسعه برنامه های هوش مصنوعی مورد استفاده قرار گیرد. یکی دیگر از دلایل برنامه نویسی هوش مصنوعی در جاوا، ترکیب Swing و SWT است. حوزه دیگر تحقیقات هوش مصنوعی ، محاسبه تکاملی است که از تئوری معروف داروین در انتخاب طبیعی وام گرفته است و می بیند که الگوریتم های ژنتیکی در تلاش برای دستیابی به راه حلی بهینه برای یک مسئله معین ، دچار جهش و ترکیب های تصادفی میان نسل ها می شوند.این روش حتی برای کمک به طراحی مدلهای هوش مصنوعی ، استفاده موثر از هوش مصنوعی برای ساختن AI هم استفاده شده است.
شکلی منعطف از هوش که قادر به یادگیری نحوه انجام امور فراوانی می باشد ( از کوتاه کردن مو تا ساخت صفحات گسترده). ادامه مقاله «برنامه نویسی هوش مصنوعی چیست» به بررسی روش بهبود یادگیری هوش مصنوعی با استفاده از شرکت در مسابقههای برنامه نویسی هوش مصنوعی اختصاص داده میشود. مقاله تورینگ با عنوان “محاسبات ماشین آلات و هوش” (۱۹۵۰) و سپس آزمایش تورینگ، هدف اساسی و چشم انداز هوش مصنوعی را برای همیشه تعیین کرد! قاعدتا این مقاله باید اینجا تموم میشد، ولی خب من گفتم یه ذره اضافش کنم بد نیست. من نیز موافق هستم برای کودک حادثهای بد بود. قطعا شاهد عصر جدیدی از زندگی بشریت خواهیم بود که چالش خود را خواهد داشت و احتمالا دهههای آتی با این روزهای ما تفاوت های فاحشی داشته باشد. بسیاری از چالش های پردازش زبان طبیعی به درک زبان طبیعی مربوط می شود یعنی ایجاد توانایی در کامپیوتر برای استخراج مفهوم ورودی زبان انسانی یا طبیعی. تنها با چند خط کد، متلب به شما امکان می دهد شبکه های عصبی را بدون اینکه متخصص باشید، توسعه دهید. هوش مصنوعی محدود کاربردهای زیادی دارد: تفسیر بازخوردهای ویدئویی ِهواپیماهای بدون خلبان که کار بازرسی زیرساخت هایی از قبیل لوله های نفت را انجام می دهند، سازماندهی تقویم های کاری یا شخصی، پاسخ به پرسش های ساده ی حوزه خدمات مشتری، کمک به رادیولوژیست ها جهت شناسایی تومورها در عکس ها، تشخیص خرابی ها در آسانسورها با استفاده از داده هایی که دستگاه های IoT گرداوری کرده اند و بسیاری دیگر.
بسیاری از این سیستم های هوش مصنوعی با ماشین یادگیری کار می کنند، برخی از آن ها با یادگیری عمیق و برخی دیگر با چیز هایی بسیار کسل کننده مانند قوانین کار می کنند. از این منظر پردازش زبان طبیعی به حوزه تعامل انسان و کامپیوتر مربوط می شود. فرضا در این خصوص گفت: «در این رویداد علاوه بر سخنرانیها و پنلهای تخصصی. شبکه های عصبی بازگشت کننده نوعی از شبکه عصبی هستند که به خصوص برای پردازش زبان و تشخیص گفتار مناسب می باشند ، در حالی که شبکه های عصبی حلقوی معمولاً در تشخیص تصویر استفاده می شوند. بسیاری از روبات های امروزی از طبیعت الهام گرفتهاند که به شاخه روباتیک مهم از بیولوژی مربوط می شوند.
به دهه 50 بازمی گردیم، پدران این شاخه، مینسکی و مک کارتی، هوش مصنوعی را به عنوان هر گونه عملی که توسط برنامه یا ماشینی(دستگاهی) انجام بشود تعریف کرده اند. ایجاد ماشینی با هوش در سطح انسانی که برای هر کاری قابل استفاده باشد، برای بسیاری از محققان هوش مصنوعی شبیه به جام مقدس است! کلید فرایند یادگیری ماشینی، شبکه های عصبی است. همچنین بسیاری از افراد در این حوزه تحصیل نکردهاند، ولی به دلیل وجود بازار کار و جذابیت هوش مصنوعی به دنبال یادگیری آن هستند. در این میان رقابتهای بسیاری برای بدست آوردن منابع کمیاب ایجاد گردید و به همین دلیل استراتژی های فزاینده ای را برای بدست آوردن مولفه ها به وجود آمد.
شرکت خودروسازی تسلا (TESLA) در حال ایجاد خودروهای خودران هستند. چین در حال دنبال کردن یک برنامه سه مرحله ای برای تبدیل AI به یک صنعت اصلی برای این کشور است ، برنامه ای که تا سال 2020 به ارزش 150 میلیارد یوان (22 میلیارد دلار) خواهدرسید.بایدو بر روی ساخت اتومبیل های خودران ، با استفاده از الگوریتم یادگیری عمیق خود ، Baidu AutoBrain سرمایه گذاری کرده است و پس از چندین سال آزمایش ، قصد دارد خودروهای کاملاً اتوماتیک خود را در سال 2018 عرضه و آن ها را تا سال 2021 به تولید انبوه برساند. در آن زمان، بیشتر خودروهای نظامی یا آفرود، به این سیستم مجهز بودند. دیگر قابلیتهای هوش مصنوعی شامل درک زبان انسانی، رقابت کردن در بازیهای استراتژیک سطح بالا (مانند شطرنج و Go)، خودروهای خودران، مسیریابی هوشمند در شبکههای انتقال محتوا و شبیهسازیهای نظامی میشود. یک اپراتور انسانی باید بر اساس اطلاعات ارزیابی کند و راه حلی مانند طرح مسیریابی مجدد بر اساس تجربه خود ابداع کند.
پروفسور “سباستین شرر” از اعضای تیم توسعه این سیستم میگوید: این اولین خلبان هوش مصنوعی است که در حریم هوایی فعلی کار میکند. اگر یکی از اعضای بدن از کار بیافتد می توانیم آن را با یکی از بافت های طبیعی ساخته دست انسان، جایگزین کنیم. مدل یکپارچه سازی شده این ایده را تا آزمایش روی جاده ها هم می رساند. هر گونه خطا در داده ها منجر به نتایج اشتباه خواهند شد. اظهار نظر «سرگئی لازارف» رئیس فدراسیون شطرنج مسکو در مورد حادثه رخ داده این گونه بود: «این بد است». پایگاه بایکمور در قزاقستان با توجه به مشخصات جغرافیایی و ارتفاع سنجی آن، مورد استفاده خیلی از کشورهای غربی از جمله آمریکا نیز بوده است لذا این ابراز نگرانیهای فعلی آمریکاییها نامربوط است». گاهی اوقات بهعنوان “هوش مصنوعی ضعیف” شناخته میشود، این نوع AI در یک زمینه محدود عمل میکند و شبیهسازی هوش انسانی است. Narrow AI: گاهی اوقات به عنوان “هوش مصنوعی ضعیف” نیز شناخته می شود، این نوع هوش مصنوعی در یک زمینه محدود عمل می کند و شبیه ساز هوش انسانی است. پردازش زبان طبیعی (NLP) یکی از حوزه های علوم کامپیوتر، هوش مصنوعی و زبانشناسی است که به تعامل کامپیوتر و زبان انسان می پردازد.
اگر بخواهیم به مفهوم AI اشاره کنیم، در واقع به سخت افزار محاسباتی گفته می شود که می تواند برای خود فکر کند و بر اساس داده هایی که از آن دریافت می کند، برای کارهای خود تصمیم گیری کند. به زبان ساده تر، یادگیری ماشین، داده های کامپیوتر را تغذیه می کند و از تکنیک های آماری برای کمک به “یادگیری” نحوه پیشرفت بهتر در یک کار، بدون این که برای آن کار به طور خاص برنامه ریزی شده باشد، استفاده می کند و میلیون ها خط کد نوشتاری را از بین می برد. حال یادگیری عمیق نوعی یادگیری ماشین است که ورودی ها را از طریق ساختار شبکه عصبی، الهام گرفته از زیست شناسی اجرا می کند. همه شرکت های بزرگ فناوری خدمات مختلف هوش مصنوعی را ارائه می دهند: از زیرساخت ها برای ساخت و آموزش مدل های یادگیری ماشینیِ خود از طریق سرویس های وب که به شما امکان می دهد به ابزارهای مبتنی بر هوش مصنوعی مانند گفتار ، زبان ، دید و تشخیص احساسات در صورت نیاز دسترسی پیدا کنید. با گذشت زمان ، شرکت های بزرگ فناوری ، مانند گوگل و مایکروسافت ، به سمت استفاده از تراشه های تخصصی متناسب با مدلهای یادگیری ماشین و همچنین اخیراً آموزش استفاده کرده اند.