بهطور مشابه، برخی از دستیارهای مجازی بهگونهای برنامهریزی شدهاند که مکالمه و حتی شوخطبعی داشته باشند. بهطور مثال، در یک پروژه تحقیقاتی که سال 2017 میلادی در کشور ترکیه انجام شد، پژوهشگران یک کتابخانه منبع آزاد از اسناد فرهنگی در استانبول را تحت عنوان بایگانی آرزو شروع به دیجیتالی کردند که یکی از اولین چیدمانهای عمومی در جهان مبتنی بر هوش مصنوعی است. تصمیمگیریهای AI بر اساس الگوریتمهایی است که قابلیت درک شرایط را دارند و مانند انسان توان استدلال و حل مسئله دارند. هوش مصنوعی میتواند به تجزیه و تحلیل شرایط مزمن از طریق آزمایشگاه و سایر موارد پزشکــی کمک کند. فیلترینگ اسپم بیزی (Bayesian) یک رویکرد آماری پردازش زبان طبیعی است که شرایط اسپم بودن یا نبودن ایمیلهایی که قرار است به صندوق پستی کاربران وارد شود را بررسی میکند.
هنگام کاوش چنین ارتباطاتی از طریق پتانسیل وسیع هوش ماشینی، ما به ارتباط بین حواس انسان و ظرفیت ماشینها برای شبیهسازی طبیعت فکر میکنیم. اپل را میتوان عجیبترین و موفقترین شرکت در بین برندگان سال ۲۰۲۰ دانست. در شطرنج برندهی بازی در آخر کار مشخص میشود و در اتومبیلهای خودران هم سیستمهای کامپیوتری باید بتوانند تمام عوامل را به حساب بیاورند تا در نهایت ماشین از مسیر خود خارج نشود یا تصادف نکند. هوشیاری هم نیست بیدار بودن و آگاهی از محیط اطراف تان. هوش مصنوعی شاخهای از علوم کامپیوتر است که در آن به ساخت ماشینهایی هوشمند پرداخته میشود که مانند انسانها عمل میکنند و واکنش انجام میدهند.یک عامل هوشمند، سیستمی است که با شناخت محیط اطراف خود، شانس موفقیت خود را پس از تحلیل و بررسی افزایش میدهد.
سازمانها برای کم کردن مشکل ماشینی صحبت کردن لوازم هوشمند، تحلیل دقیق گفتار انسانها و درک بهتر محاورههای انسانی توسط ماشینها از پردازش زبان طبیعی استفاده میکنند. واقعیت این است که الگوریتمهای هوشمند از دادهها به عنوان رنگدانه استفاده میکنند و سعی میکنند با ترکیب اعداد باینری با یکدیگر کاری را انجام دهند که هنرمندان با رنگها و قلمموها انجام میدهند. از این فناوری برای پیداکردن و نشانهگذاری مسائلی مانند استفاده از دبیت کارتهای مشکوک، حسابهای سپرده با مبلغ بسیار بالا، یا هر چیز دیگری که بتواند امکان سوءاستفادهی مالی یا کلاهبرداری را فراهم کند، استفاده میشود. قبل از هر چیز باید توجه داشت که ما حتی نمیتوانیم خودِ «هوش» را به درستی تعریف کنیم، بنابراین به دنبال تعریف روشن و مشخصی از «هوش مصنوعی» نباشید زیرا در این خصوص، میان کارشناسان و صاحبنظران اختلافات بسیاری وجود دارد. نکته قابل توجه (و کمی ترسناک) در مورد چنین دستیارانی این است که آنها به طور مداوم در مورد کاربران خود یاد می گیرند تا زمانی که بتوانند نیازهای آنها را به درستی پیش بینی کنند. بینایی ماشین یکی دیگر از کاربردهای مهم هوش مصنوعی است که سعی میکند به کامپیوترها آموزش دهد که چگونه تصاویر را تجزیه و تحلیل کرده و درک درستی از تصاویر داشته باشند.
طبق تعریف گارتنر، هوش مصنوعی یک فناوری هوشمند است که معمولا از طریق یادگیری، عملکرد انسان را تقلید کرده، قادر به نتیجهگیری بوده، محتویات پیچیده را درک کرده، از دیالوگهای طبیعی بهره گرفته، کارایی شناختی انسانی را بهبود بخشیده و جایگزین انسان در انجام یکسری فرآیندهای تکرارشونده میشود. از یادگیری عمیق میتوان برای بهبود پیشنهادها در بسیاری از پلتفرمها و صنایع پیچیده مثل موسیقی، پوشاک و لوازم شخصی استفاده کرد. صنعت بهداشت و درمان: هوش مصنوعی در صنعت بهداشت و درمان میتواند در تشخیص داروهای مناسب یا خواندن تصاویر اشعه ایکس استفاده شود. همچنین هسکل برای پروژههایی مناسب است که دارای «ریاضیات انتزاعی» (Abstract Math) و «برنامه نویسی احتمالی» (Probabilistic Programming) هستند. خردهفروشی: ویژگیهای خرید مجازی که توسط Retial AI ارایه شده، مبتنی بر پیشنهادها مناسب و کمک به مشتریان در خرید محصولات مناسب است.
اما اگر روزی فرا رسد که همین ماشین واکنشهای غیرمنتظرهای از خود نشان دهد و به طور مثال خود را به مانعی همچون یک درخت بکوبد یا پشت چراغ سبز بدون حرکت بایستد، چه اتفاقی رخ خواهد داد؟ شاید بارزترین مثال در این زمینه یوتیوب است که اگر ویدیویی خشونتآمیز یا نامناسب را بارگذاری کنید بهطور خودکار اجازه انجام اینکار را نمیدهد. برای یادگیری هوش مصنوعی میتوان روشهای مختلفی را انتخاب کرد و در بخش بعدی از مقاله «چگونه هوش مصنوعی یاد بگیریم» به بررسی برخی از این روشها پرداخته شده است. اساس ریاضی شبکههای عصبی و الگوریتمهای تغییر تصاویر، اعمال مشابه و مستقلاً موازی ای شامل ماتریسها هستند که باعث شدهاند پردازندههای گرافیکی بهطور روزافزون برای راه اندازی الگوریتمهای یادگیری ماشین استفاده شوند. این پلتفرمها به گونهای ساخته شدهاند تا با ارائه تحلیلهای پیشرفته مبتنی بر ابر که میتوان آنرا با ادغام چند الگوريتم و چند زبان مختلف استفاده کرد روند طراحی الگوریتمهای یادگیری ماشین را ساده کرده و روند بهکارگیری را تسهیل کرد.
آنها ماشینها را با سوالات چند گزینهای آزمایش میکنند، به گونهای که فضای جستجو برای ماشین کم است. بنابراین وقتی ماشینها به یادگیری بررسی، مذاکره و ارتباط ادامه میدهند، باید در نظر داشته باشیم که چطور به آنها بیاموزیم تا به هم عملکرد اخلاقی بیاموزند. نوبتی هم که باشه نوبت کاربرد های هوش مصنوعی هستش. نمونههایی از کاربرد پردازش زبان طبیعی در زندگی روزمره: NLP دارای طیف گستردهای از کاربردهای رایج و کاربردی در زندگی روزمره ما است. یادگیری ماشین اصلیترین کاربرد هوش مصنوعی در دنیای واقعی است که سعی میکند به کامپیوترها کمک کند که از دادهها بیاموزند، الگوها را تشخیص دهند و بدون هیچگونه اطلاعات انسانی یا حداقل دخالت انسانی، انتخاب کنند و وظایف محوله را انجام دهند.
در این صورت هنگامی که انسان اطلاعاتی را از طریق اینترنت به ماشینها منتقل میکند، آنها مقصود انسان را درک کرده و بنا به موقعیتی که در آن قرار دارند، سایت 1biti تفسیر میکنند. تجزیه و تحلیل متن و پردازش زبان طبیعی: تجزیه و تحلیل متن کلمات را شمارش، طبقهبندی و دستهبندی میکند تا ساختار و معنا را از حجم عظیمی از دادهها استخراج کند. این یک نمونه روشن از تبدیل گفتار به متن است که از کاربردهای اصلی زبان پردازش طبیعی است. پردازش زبان طبیعی: یکی از کاربردهای اصلی یادگیری عمیق است که برای پردازش و تفسیر متن از یادگیری عمیق استفاده میکند. میتوانید خط مشی ها را با استفاده از شبکه های عصبی عمیق، چند جمله ای یا جدول های مراجعه ای انجام دهید. زمانی که پژوهشگران بهدرستی بتوانند شیوه کارکرد این فناوری را درک کنند، بهراحتی خواهند توانست به مخاطبان خود اعلام کنند الگوریتمهای آنها به چه شکلی تصمیمات خود را اتخاذ کردهاند. این ماشین تصمیمات خود را برمبنای چه چهارچوبی اتخاذ میکند؟ بلکه در انجام امور خود به الگوریتمی وابسته بود که به ماشین یاد داده بود با نگاه کردن به یک راننده شیوه رانندگی را بیاموزد. ما باید با دقت به دادهها نگاه کنیم. اما هرچه هوشمصنوعی بیشتر با زندگی روزمره ما درگیر میشود، این تصمیمات مرموز تاثیرات فزایندهای بر روی کار، سلامت و امنیت ما میگذارد.
به گزارش سازمان ملل، در سال پیش رو، حدود ۹.۴ میلیون افغان به غذا و مسکن نیاز خواهند داشت و وحشت ترور افزایش مییابد. گارتنر بر این باور است که تا پایان سال ۲۰۲۰، فناوری هوش مصنوعی تقریبا در تمام محصولات و سرویسهای جدید راه پیدا کرده و فراگیر میشود. این الگوها نشان میدادند مردم در چه شرایطی و تحت تأثیر چه عواملی بهسمت بیماریهای خطرناک و مزمن نظیر سرطان کبد سوق پیدا میکنند. واقعیت این است که سامانههای کامپیوتری که چنین سرویسهایی را عرضه میکنند، خود عملکردشان را برنامهریزی و بر مبنای آن کار میکنند. در ۲۰۱۴، آمازون آلکسا را روانهی بازار کرد. میزان سرمایه بازار هر شرکت از حاصل ضرب قیمت سهام آن (در روز مشخصی برای همه شرکتها) در تعداد سهم عرضه شده به دست میآید و در نهایت به دلار محاسبه میشود. این تکنولوژی به ماشینها اجازه میدهد به طور خودکار یاد بگیرند و مانند یک انسان هر روز به دانش و علم خود اضافه کنند، قسمت شگفتانگیز ماشین لرنینگ افزایش یادگیری بدون دخالت و برنامهریزی انسان است. کنگره جهانی موبایل که یکی از بزرگترین رویدادهای مهم در عرصه علم و فناوری در جهان بهشمار میرود، امسال قرار است در شهر بارسلون اسپانیا برگزار شود. هر چه هوش مصنوعی بیشتر به جلو میرود، مهندسان کاربردهای بهتری برای این فناوری مییابند.
یک مربی یا همان منتور هوش مصنوعی میتواند به افراد در یادگیری هوش مصنوعی کمک کند و به سوالات آنها پاسخ دهد. دکتر جوئل دادلی مدیر تیم Mount Sinai در این ارتباط گفت: «راهکارهای مختلفی وجود دارد که از طریق بررسی سوابق پزشکی افراد به پزشکان کمک میکند وقوع بیماریها را پیشبینی کنند. بهکارگیری هوش مصنوعی در بازیهای کامپیوتری سبب شده است تا شخصیت بازی بتواند رفتار شما را بیاموزد، به حرکات شما در بازی پاسخ داده و عکسالعملهای دور از انتظاری از خود نشان دهد. شکل 1- تصویری که آدام فریس از طریق بهکارگیری گوگل دیپ دریم ترسیم کرده است. تصویربرداری از مغز: استفاده از MRI برای مشاهده نحوه عملکرد مغز در سناریوهای مختلف و تکرار آن از طریق کد.
این فناوری ترجمه ماشینی را بهشکل قابل توجهی بهبود بخشید. هوش مصنوعی برنامهای را برای یک کار خاص «آموزش» میدهد و به آن اجازه میدهد به تنهایی کاوش کرده و خود را ارتقا دهد. مجموعه داده های برچسب گذاری شده بزرگ برای آموزش این مدل ها همراه با معماری شبکه عصبی استفاده می شود. ماسک بودجه شرکت های توسعه دهنده هوش مصنوعی، مثل ذهن عمیق گوگل (Google Deep Mind) و Vicarious را تأمین می کند، که هدف وی زیر نظر داشتن سیر تحولی هوش مصنوعیست. به دنبال ایجاد تئوری دقیقی درباره عملكرد ذهن انسان و تبدیل آن به برنامه كامپیوتری GPS (A. با آغاز دهه 90 میلادی، شبکههای عصبی راه خود را به حوزههای مختلفی همچون تبدیل کاراکترهای دستنویس به نسخه دیجیتالی هموار کردند. این موضوع به اندازهای حائز اهمیت شده است که به اعتقاد کارشناسان، اتحادیه اروپا ممکن است از تابستان سال آینده میلادی (2018) کار روی تدوین قانونی را آغاز کند که به شرکتهای اروپایی اعلام میدارد توضیحات کافی در ارتباط با تصمیماتی که به خودکار شدن سامانهها منتهی میشود، برای کاربران شرح دهند. 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.
رویکردهای هوش مصنوعی میتوانند به موسسات مالی در شناسایی کلاهبرداریها، پولشوییها، خودکارسازی مدیریت تراکنشها و امتیازدهی به مشتریان خوشحساب کمک کنند. تشخیص اشیا: بینایی ماشین میتواند فرایند شناسایی یک شیء خاص در یک عکس را به خوبی مدیریت کند. هربرت سیمون اقتصاد دان و آلن نول، مهارتهای انسان در حل مسئله را مورد مطالعه قرار داده و برای شکل دادن به آن تلاش کردند، که تلاش ها و اقدامات آنها پایه های رشته هوش مصنوعی و نیز علم شناختی، تحقیق در عملیات و علم مدیریت را ایجاد کرد. برنامهای که این گروه از پژوهشگران آن را طراحی کردند، Deep Patient نام داشت. برخی از سیستمهای رایانهای، عواطف و حالات انسانی را بهمنظور افزایش حساسیت نسبت به پویایی عواطف تعاملات انسانی یا تسهیل تعاملات انسان-رایانه تقلید میکنند.
اما در طرف مقابل عدهای از کارشناسان بر این باورند که تصویب چنین قانونی حتی درباره سامانههای بسیار ساده، برنامهها و سایتهایی که از یادگیری عمیق بهمنظور نمایش تبلیغات و پیشنهاد گوش کردن به موسیقی از آن بهره میبرند امکانپذیر نیست. شرکتها در اواسط دهه 90 میلادی فرآیند بهینهسازی این فناوری را توسعه دادند و مفهومی بهنام شبکههای عظیم یا عمیق عصبی را به وجود آوردند که قادر بودند درک خودکار از موقعیتها را به نمایش بگذارند. بزرگترین موتور جستجوی اینترنتی جهان حالا تصمیم دارد در سال ۲۰۱۰ هزاران نفر کارمند جدید را به لیست حقوقیاش اضافه کند؛ این در حالی است که قیمت سهام این شرکت در بازار بورس سال ۲۰۰۹ کاهش چشمگیری داشته است. در لندن به ازای هر هزار نفر یک استارتآپ وجود دارد و هزینه نوشیدن یک قهوه در این شهر برابر با32/ 3 دلار است. حالا در میان نامهایی مانند هو جینتائو رییسجمهور چین، باراک اوباما رییسجمهور آمریکا، عبدالله ابن عبدالعزیزالسعود پادشاه عربستان سعودی، ولادیمیر پوتین نخست وزیر روسیه، پاپ بندیکت شانزدهم، آنگلا مرکل صدر اعظم آلمان، دیوید کامرون نخست وزیر انگلستان، دیمیتری مدودف رییسجمهور روسیه، رابرت مرداک غول رسانهای جهان، نیکولاس سارکوزی رییسجمهور فرانسه، هیلاری کلینتون وزیر امور خارجه آمریکا، کیم جانگ ایل رهبر کره شمالی، دومینیک استروس کان مدیر صندوق بین المللی پول، دالایی لاما، بان کی مون دبیر کل سازمان ملل متحد و سباستین پینرا رییسجمهور شیلی، نام نه نفر از بزرگان عرصه تکنولوژی وجود دارد تا نشاندهنده رشد و محبوبیت تکنولوژی در دنیای مدرن امروز و تاثیر آن بر زندگی روزمره افراد باشد.
در یادگیری تحت نظارت هر الگو متعلق به یک کلاس از پیش تعریف شده است. از انواع الگوریتمهای یادگیری بدون نظارت میتوان به خوشهبندی، مدل پنهان مارکوف، بعضی روشهای تشخیص ناهنجاری و برخی شبکههای عصبی مصنوعی اشاره کرد. هوش مصنوعی در اصل به فناوریهای کامپیوتری اشاره دارد که از نحوه استفاده انسان از مغز و سیستمهای عصبی جهت استدلال و تصمیمگیری الهام میگیرند. ـ روش آخر استفاده از یک روش هوشمند در پیاده سازی یک روش دیگر می باشد. همانطور که فناوری هایی مانند هوش مصنوعی به رشد خود ادامه می دهند، تأثیر زیادی بر کیفیت زندگی ما خواهند داشت. ما باید بهطور مداوم به خودمان یادآوری کنیم که هوش مصنوعی به خودی خود نمیتواند حلال تمام مشکلات باشد. از طرفی دیگر، این گزارشها حاکی از آن است که در سال ۲۰۱۸ میلادی سایر کشورهای جهان نیز بهطور متوسط تا ۷/ ۶ درصد رشد را در زمینه سرمایهگذاریهای بخش تکنولوژی و زیرساختهای ارتباطات و فناوری تجربه کردهاند. خردهفروشی ژاپنی فمیلی مارت (FamilyMart) با همکاری شرکت Telexistence در حال ساخت و راهاندازی ربات های مبتنی بر هوش مصنوعی هستند که میتوانند کارهای داخلی 300 فروشگاه بزرگ ژاپن از جمله تامین کالا قفسههای آنها را انجام دهند. اگر وظیفه ساخت یک سیستم مبتنی بر هوش مصنوعی را عهدهدار هستید کدام زبان برنامهنویسی را انتخاب میکنید؟
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. پس یک مدل ساده را آموزش دهید، نتیجه بگیرید و عملکرد آنرا ارزیابی کنید. تولید: هوش مصنوعی میتواند از شبکه تقویتی یا به عبارت دقیقتر یادگیری ماشین تقویتی که شکلی از یادگیری عمیق است که از دادههای متوالی برای ارزیابی عملکرد واحدهای تولیدی، پیشبینی نرخ عرضه و تقاضا و صحتسنجی عملکرد دستگاهها به ویژه تجهیزات اینترنت اشیا استفاده کند. محققین و دانشمندان کامپیوتری حالا با استفاده از محاسبات و کامپیوترهای قدرتمند میتوانند مدلهای داده بسیار پیچیده و دشوار را به اجرا درآورند. پس از انجام این کار آنها الگوریتم را بهشکل معکوس اجرا کردند و موفق شدند به عواملی دست پیدا کنند که این برنامه در شناسایی اشیا از آنها استفاده میکند. پردازش زبان طبیعی موضوع جدیدی نیست، اما به لطف علاقه روزافزون به ارتباطات انسان-ماشین و در دسترس بودن حجم عظیمی از دادهها، منابع پردازشی قدرتمند و بهبود عملکرد الگوریتمها در پردازش اطلاعات، زبان پردازش طبیعی بهشکل جدیتری توسط سازمانها استفاده میشود. “طراحی چند عاملی” (Multi-agent planing) از همکاری و رقابت چندین عامل برای رسیدن به هدف استفاده می کند. مراکز اجتماعی مکان های فوق العاده ای هستند، جایی که افرادی از تمام بخش ها برای ورزش، غذا و کار در فضای آنلاین به آن ها مراجعه می کنند».
اگر به دهه 60 و 70 میلادی بازگردیم، مشاهده میکنیم که این رویکرد به شکلی محدود قابل اجرا بود. رویکرد به کار گرفته شده درباره ساخت ماشین خودرانی که با نگاه کردن به رانندگان قادر باشد یک ماشین را هدایت کند، در نوع خود جالب توجه است، اما در عین حال یک چالش بزرگ را نیز به همراه دارد. در حالی که این پیشرفتها مفید بودهاند، با وجود این پژوهشگران این توانایی را ندارند با نگاه کردن به اعماق یک شبکه یادگیری عمیق از فعالیتهای آن اطلاع پیدا کنند. مکتب دوم بر این باور بود که اگر ماشینها از زیستشناسی الهام بگیرند و از طریق نگاه کردن و کسب تجربه مبتنی بر دانشهای خود پیشرفت کنند، فرآیند هوشمندی در آنها بهشکل دقیقتر و کاملتری به سرانجام خواهد رسید.