دنیای تسخیر شده توسط رباتها، در آیندهای نه چندان دور، به شدت به توانایی ما برای استقرار موفقیتآمیز هوش مصنوعی (AI) وابسته است. و البته آیفون 4S که بههمراه نسخه ۵ سیستمعامل iOS عرضه شد٬ قابلیتی دارد که برای اولین بار در دنیای گوشیهای هوشمند رونمایی شد: «سیری» رباتی است در دل آیفون جدید که دستیار هوشمند کاربر و از نمونههای درخشان بهرهگیری از هوش مصنوعی است. تابع RULE-MATCH اولین قانونی را در مجموعه قوانین بازمیگرداند که با توصیف حالت فعلی همخوانی داشته باشد. عامل ها با اقدامات خود حالت و وضعیت فعلی محیط خود را تغییر می دهند. ما به عنوان انسان، همیشه مجذوب تغییرات تکنولوژیکی و داستان های تخیلی بوده ایم، در حال حاضر، ما در میان بزرگترین پیشرفت های تاریخ خود زندگی می کنیم. در سال 1950 آلن تورینگ در مقاله ای به وجود آمدن ماشین های هوشمند را پیش بینی کرد، در یک نقل قول از آلن تورینگ در سال 1951 کفته شده است که : حتی اگر میتوانستیم ماشین ها را فرمان بردار نگه داریم، مثلا با خاموش کردن شان در لحظات استراتژیک، ما بعنوان یک گونه باید خیلی احساس پستی کنیم.
مفاهیم یادگیری عمیق برای آموزش آنچه که به طور طبیعی برای ما انسان ها به وجود می آید به ماشین ها استفاده می شود. من خودم خیلی مایلم که به طور تخصصی یک مقاله در مورد شبکه های عصبی مصنوعی اینجا بنویسم ولی ممکنه خیلی وقتم بگیره. در نتیجه، کارمندان خیلی آزادی عمل ندارند. در سال ۲۰۱۷ تیم AlphaGo بازی Go را به بازار ارائه کرد و در طی ۴۰ روز بهتر از هر بازیکن انسانی یا مصنوعی عمل کرد. روند هوشمندسازی شهرهای جهان در یکی دو سال گذشته سرعت بسیار زیادی گرفته است، بهگونهای که میتوان گفت بسیاری از شهرهای بزرگ و مهم در کشورهای پیشرفته هماکنون نیمی از این راه را طی کرده و رفتهاند. هوش مصنوعی را میتوان بر این اساس به سه دسته تقسیم کرد که شامل هوش محدود مصنوعی یا ضعیف (Artificial Narrow Intelligence یا بهاختصار ANI)، هوش عمومی مصنوعی یا هوش جامع مصنوعی (Artificial General Intelligence یا بهاختصار AGI) و ابر هوش مصنوعی یا فراهوش (Artificial Superintelligence یا بهاختصار ASI) میشود.
در این روش، الگوریتم ماشین لرنینگ دادهها را برای شناسایی الگوها مطالعه میکند. یعنی یک الگوریتم یادگیری ماشین با مجموعهای از اقدامات، پارامترها و مقادیر نهایی ارائه میشود، با تعریف قوانین، الگوریتم ماشین لرنینگ سعی میکند گزینهها و احتمالات مختلف را بررسی کند، هر نتیجه را نظارت و ارزیابی کند تا مشخص کند کدام یک بهینه است. شرکت اسپیسایکس علاوه بر این که قصد دارد تا چند سال دیگر سفینههای خودش را به سمت مریخ پرتاب کند، ایدههای دیگری هم در سر دارد. بهرهگیری از این رویکرد در فرایند استخدام میتواند میزان خطاها و تعصبات انسانی را کاهش دهد و به تسهیل و تسریع استخدام نیروهای جدید هم کمک زیادی کند. یادگیری عمیق (Deep Learning) یکی از زیرشاخههای یادگیری ماشین است.
یادگیری ماشینی (Machine Learning): این فناوری برای آموزش تصمیمگیری و برقراری تعامل به ماشینها بدون نیاز به ارائه برنامه به آنها استفاده میشود. حال که روشهای یادگیری برنامه نویسی هوش مصنوعی و ورود به این حوزه مورد بررسی قرار گرفتند، در این بخش روشهای پیشرفت در این زمینه پرداخته شده است. تصویر زیر پیشرفت در هوش مصنوعی را نشان می دهد. ماشین لرنینگ که از زیر مجموعه های محبوب هوش مصنوعی به حساب می آید تا کنون پیشرفت های چشمگیری داشته است. همانطور که تصویر بالا نشان می دهد، سه بیضی متحدالمرکز DL را به عنوان زیرمجموعه ای از ML توصیف می کنند، که همچنین زیر مجموعه دیگری از AI است.
هال در سال ۱۹۸۶ میلادی تلاشهای بسیار زیادی کرد تا از اختراعش در صنعت سایت 1biti تکنولوژی استفاده شود. یادگیری عمیق بخش عمده ای از قسمت استخراج ویژگی های فرآیند را خودکار می کند، برخی از مداخلات دستی مورد نیاز انسان را حذف می کند، و امکان استفاده از مجموعه داده های بزرگ تر را فراهم می نماید. بیشتر تکنیکهای NLP از یادگیری ماشینی برای استخراج بینش از زبان انسان استفاده میکنند. هدف بینایی کامپیوتر استخراج استنتاج از منابع بصری و به کارگیری آن برای حل یک مشکل دنیای واقعی است. 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. دستیارهای خرید مجازی و چت باتها به بهبود تجربه کاربر در هنگام خرید آنلاین کمک میکنند. هوش مصنوعی توانایــی یک سیستم یا یک برنامه برای تفکر و یادگیری از تجربه است. برای یادگیری ماشین لرنینگ باید مهارت های خود را در جنبه های مختلفی نظیر مباحث آمار و احتمال، علوم کامپیوتر، تئوری یادگیری ماشین و الگوریتمهای آن، Big Data یا کلان داده، زبان های برنامه نویسی مناسب آن یعنی R و پایتون (دوره آموزشی پایتون) و …
با این حال مسئله هوش مصنوعی تا قبل از معرفی شدن ابر کامپیوتر Deep blue توسط IBM در نیمه دوم دهه نود میلادی توجه جهانیان را به خود جلب نکرده بود، این ابر کامپیوتر اولین کامپیوتر و ماشینی بود که توانست در سال 1996 میلادی در یک مسابقه شطرنج گری کاسپاروف قهرمان شطرنج جهان را شکست دهد. این فیلم اهمیت زیادی دارد زیرا اولین تصویر نمایش داده شده از ربات است. میتوان گفت: یادگیری ماشینی یک حوزه مطالعاتی بزرگ است که با بسیاری از زمینههای مرتبط مانند هوش مصنوعی همپوشانی دارد و ایدههایی را به ارث میبرد. بهبیاندیگر این سیستمها بسیار تخصصی هستند و تنها بر یک وظیفه خاص تمرکز دارند و نمیتوانند مانند انسان رفتار کنند. هوش مصنوعــی (AI) هوشی است که توسط ماشین نمایش داده میشود که رفتار یا تفکر انسان را شبیهسازی میکند و میتواند برای حل مشکلات خاص آموزش داده شود. دو سوال مهم در تعریف AI مطرح است: – آیا دغدغه تفکر است یا رفتار؟ ایجاد یک مدل یادگیری ماشین شامل دو مرحله میشود، مرحله اول تعریف مدل مورد نظر است و سپس در مرحله دوم باید مدل کامپایل شود. در این حال از شبکه خواسته میشود که یک مساله را حل کند. در نتیجه، بیمارستانها و مراکز بهداشتی و درمانی همگی از فناوری های مجهز به هوش مصنوعی استفاده میکنند تا همه چیز را از تحقیقات گرفته تا تشخیص بیماریها تسهیل کنند.
برنامههای کاربردی هوش مصنوعی در مراقبتهای بهداشتی برای ساخت ماشینهای پیچیدهای استفاده میشود که میتواند بیماریها را تشخیص دهد و سلولهای سرطانــی را شناسایــی کند. مجموعه داده های برچسب گذاری شده بزرگ برای آموزش این مدل ها همراه با معماری شبکه عصبی استفاده می شود. تمامی مشاهدات همراه با برچسب کلاسی خود به عنوان یک مجموعه داده شناخته می شوند. آنها خروجی نهایی را برای هر الگوی قابل تشخیصی بررسی می کنند و سعی می کنند جنبه ها را مهندسی معکوس کنند تا یک خروجی تولید کنند. قابل مشاهده بودن کامل در برابر قابل مشاهده بودن ناقص: در صورتی که حسگر دسترسی کاملی از حالت محیط در هر لحظه از زمان به عامل بدهد، گفته میشود که محیط کاری کاملاً قابل مشاهده است. در حال حاضر این نوع از هوش ماشینی متداولترین نوع محسوب میشود که میتواند تنها یک مشکل را در آن واحد برطرف کند یا یک کار را بهخوبی انجام دهد. امروزه با کمک AI ، فیس بوک به شما پیشنهاد یک دوست را می دهد.
فریم ورکها و کتابخانههای پایتون، کدنویسی با استفاده از زبان پایتون را سادهتر میکنند. به زبان ساده، Deep Learning از شبیهسازیهای مغزی استفاده میکند، به این امید که الگوریتمهای یادگیری را کارآمد و استفاده سادهتر کند. میتوان گفت: Machine Learning یا یادگیری ماشینی یک برنامه کاربردی از هوش مصنوعی است که سیستمها را قادر میسازد تا بدون برنامهریزی، از تجربه خود یاد بگیرند و پیشرفت کنند. علاوه بر آن از هوش مصنوعی برای اتوماسیون کردن نوبت دهی، برنامه دهی به بیماران، کمک به نسخه نویسی پزشکان، تحقیقات پزشکی و درمانی و… اگر نشانه گیری شخصیت های غیرقابل بازی فوق العاده باشد، بازی کردن با چنین ماشینی فراتر از حد توانایی یک انسان می شود. رباتهای TX SCARA تا حد زیادی مستقل و خودران هستند اما در صورتی که با مشکلی مواجه شوند، گزینهای برای کنترل از راه دور آنها فراهم شده است. هوش مصنوعی ترکیبــی از تکنیکهای یادگیری ماشین و یادگیری عمیق است.
فیسبوک ادعا می کند که بر اساس مطالعات تاثیری که بر اقتصاد گذاشته قریب به 4 میلیون شغل (شامل تولید کنندگان نرم افزار و بازاریابان) در سراسر جهان ایجاد کرده است. نرم افزار «Massive Online Analysis»: این نرم افزار، یک ابزار «متن باز» (Open Source) «داده کاوی» (Data Mining) است. قطعا بدون دریافت یک آموزش ماشین لرنینگ حرفه ای نمی توانید در این زمینه حرفه ای شوید. با پیشرفتهایی مانند تشخیص چهره، هوش مصنوعی در مراقبتهای بهداشتی، رباتهای چت و موارد دیگر، اکنون زمان ایجاد مسیری برای یک حرفه موفق در هوش مصنوعی است. آنها همچنین در توسعه فرآیندهایی مانند پیشبینی سریهای زمانی، طبقهبندی امنیتی و مدلسازی ریسک اعتباری کمک میکنند. در پردازش زبان طبیعی نیاز به مجموعهدادههای زبانی داریم تا بتوانیم پردازش را روی آنها انجام دهیم. در این نوع، الگوریتم ماشین لرنینگ بر روی دادههای برچسبدار آموزش داده میشود؛ جهت بهبود عملکرد این روش، دادهها باید دقیقاً برچسبگذاری شوند، یادگیری تحت نظارت زمانی که در شرایط مناسب استفاده شود، بسیار قدرتمند است.
آنها با مشاهده مجموعه داده های قابل دسترس خود و مقایسه آنها با نمونه هایی از خروجی نهایی یاد می گیرند. درواقع این فرمولها چیزهایی را توصیف میکنند که قابل مشاهده است، اما در پس پردهی هر یک، مجموعهای از فاکتورها وجود دارد که بلافاصله و با یک نگاه نمیتوان به ماهیت آنها پی برد! در حقیقت به واسطه الگوبرداری این سامانهها از نظام منطق و استدلال انسان و نیز یکسان بودن منابع دانش مورد استفاده آنها، پیامد کار یک سامانه خبره میتواند تصمیماتی باشد که در حوزهها و قلمروهای گوناگون قابل استفاده، مورد اطمینان و تأثیرگذار هستند. هدف از گرایش هوش مصنوعی در ارشد بالا بردن قابلیت دانشجویان در زمینههای ارائه مناسب اطلاعات، استدلال اتوماتیک، دسته بندی و تصمیم گیری ماشینی، روشهای یادگیری برای ماشینها، ارائه غیر دقیق اطلاعات و کار با آنها، شبیه سازی پردازشهای مطرح در موجودات زنده، هوشمند کردن رباتها، پردازش و تحلیل کامپیوتری تصاویر، پردازش و درک زبان و پردازش و شناسائی گفتار میباشد.
فلسفهٔ اصلی شبکهٔ عصبی مصنوعی، مدل کردن ویژگیهای پردازشی مغز انسان برای تقریب زدن روشهای معمول محاسباتی با روش پردازش زیستی است. پردازش تصویر امروزه بیشتر به موضوع پردازش تصویر دیجیتال گفته میشود که شاخهای از دانش رایانه است که با پردازش سیگنال های دیجیتال برداشته شده با دوربین دیجیتال یا اسکن شده توسط اسکنر هستند، سر و کار دارد. منطق مرتبه اول یا منطق محمولات (first order logic) اجازه استفاده از سورها (quantifiers) و محمول ها (predicates) را داده و قادر به بیان واقعیت اشیاء، ویژگی های آنها و روابط آنها با یکدیگر است. امروزه در دنیا هوش مصنوعی کاربردهای متنوعی در زمینه هوشمند کردن فرایند ها دارد، به طور مثال موتور جستجوی گوگل از هوش مصنوعی برای پیدا کردن نتایج جستجوی کاربران بهره می برد، تا بتواند بهترین نتیجه ممکن را پیدا کند، این موضوع را هم باید در نظر گرفت که هوش مصنوعی و رباتیک دو علم کاملا مجزا از هم هستند و اصلا به یکدیگر شباهتی ندارند و تنها در برخی از بخشها به منظور هوشمند شدن ربات ها از هوش مصنوعی استفاده میشود. قطعا هوش مصنوعی و تحولاتی که ایجاد خواهد کرد یکی از تاثیر گذارترین تحولات جهان در 20 سال آینده خواهد بود، و در 20 سال آینده شاهد مواردی در هوش مصنوعی خواهیم بود که فراتر از ذهن فعلی بشر است، همین حالا هم هوش مصنوعی در بسیاری از جنبه های زندگی استفاده میشود، بعنوان مثال همین حالا در بیمارستان ها هوش مصنوعی در تشخیص نتایج اشعه ایکس بهتر از پزشک های انسانی عمل میکنند، همین طور در دفاتر قانونی برای بررسی مدارک قانونی بهتر از متخصصان حقوقی انسانی ظاهر شده اند، هوش مصنوعی عامل تمامی پروازهای هواپیمایی است، خلبان های انسان فقط 7 تا 8 دقیقه پرواز را کنترل میکنند، در نت فیلیکس و آمازون هوش مصنوعی است که در پشت صحنه به مشتریان کالا ها و خدمات را پیشنهاد میدهد.
محوطه برگزاری نمایشگاه به قدری بزرگ است که برای پیادهروی در آن، مجبور به طی کردن مسافت بسیاری خواهید بود. با توجه به نرخ رشد آن، این شرکت به عنوان یک مبتکر فناوری برای آینده قابل پیشبینی ادامه خواهد داد. چوی در ادامه تصریح می کند: «برابری دیجیتال باعث پیشرفت دموکراسی در کره جنوبی شده است. با ادامه رشد این فناوری ها، تأثیر بیشتری بر محیط اجتماعی و کیفیت زندگی خواهند داشت. در حقیقت همانگونه که در اطلاعیه مجمع جهانی اقتصاد آمده است، پیشتازان تکنولوژی سعی دارند جهان را به محیط بهتری برای زندگی انسانها تبدیل کنند. برخی از این ایدهها هیچ گاه به عرصه استفاده عمومی در نمیآیند و برخی نیز زندگی انسانها را متحول میکنند. این سیستمها انواع بازنماییهای معنایی و استنتاجهایی که انسانها قادر به آنها هستند را تشکیل نمیدهند. فناوری هوش مصنوعی برای ایجاد موتورهای توصیه استفاده میشود که از طریق آنها میتوانید با مشتریان خود تعامل بهتری داشته باشید. اگر میخواهید کد خود را کمی تغییر دهید، فقط باید یک یا دو خط را تغییر دهید و بلافاصله میتوانید آن را اجرا کنید. با استفاده از نرمافزار یادگیری ماشین، میتوانید برنامهها را بر اساس پارامترهای خاص بررســی کنید.
یک فناوری برهمزننده وفاداری عمیقی به آنچه هماکنون موجود است دارد. هوش مصنوعی: علم، دانش، حرفه و کسب و کاری است با وجود اینکه چندین سال است که در خدمت بشر قرار دارد، ولی همچنان در اذهان عموم و حتی بعضی از علاقه مندان به رشته هوش مصنوعی ناشناخته مانده است، جالب است که بدانید که خیلی از افراد، هوش مصنوعی را مترادف با ربات میدانند و ربات هایی در ذهنشان تداعی می شود که قرار است در تمامی امور جای انسان ها را بگیرند و شاید این نوع تفکر برگرفته از فیلم های علمی و تخیلی می باشد، ولی هوش مصنوعی در واقعیت با آنچه که اینگونه تصور می شود متفاوت است، هوش مصنوعی در واقع به تکنولوژی خطاب می شود که قابلیت تفکر و یادگیری دارد و باید این موضوع را هم در نظر گرفت که این قابلیت با نوع تفکر انسانی تفاوت زیادی دارد ولی هوش مصنوعی در صدد است تا از نوع تفکر انسانی تقلید کند.