هوش مصنوعی یا Artificial Intelligence : معرفی انواع و اجزا

مقدمه :

هوش مصنوعی یا AI شبیه سازی فرآیندهای هوش انسانی توسط ماشین ها ، به خصوص سیستم های رایانه ای است.

این فرایندها شامل یادگیری (کسب اطلاعات و قوانین استفاده از اطلاعات) ، استدلال (استفاده از قوانین برای رسیدن به نتیجه گیری تقریبی یا قطعی) و خود تصحیح است. کاربردهای خاص هوش مصنوعی شامل سیستم های خبره (expert systems) ، تشخیص گفتار (speech recognition) و دید دستگاه (machine vision) است.

هوش مصنوعی را می توان به عنوان ضعیف یا قوی طبقه بندی کرد.

هوش مصنوعی ضعیف یا Narrow AI :

هوش مصنوعی ضعیف یا Narrow AI یک سیستم هوش مصنوعی است که برای یک کار خاص طراحی و آموزش داده می شود.

Narrow AI کاربردی از فن آوری های هوش مصنوعی است که می تواند یک سیستم با کارکرد بالا را برای یک هدف خاص  مجددا تکرار و شاید حتی فراتر از هوش انسانی تکرار کند.

دستیاران شخصی مجازی مانند سیری اپل نوعی هوش مصنوعی ضعیف است.

بسیاری از سیستم های فعلی را می توان به عنوان Narrow AI طبقه بندی کرد.

یک مثال مشهور ابر رایانه واتسون IBM است. این ماشین محاسبات شناختی ، یادگیری ماشین و پردازش زبان طبیعی را به عنوان یک دستگاه “پاسخ دادن به سؤال” اعمال می کند. در اصل ، واتسون نوعی سیستم خبره است . یک برنامه کامپیوتری که از فناوری های هوش مصنوعی برای شبیه سازی دانش و توانایی شناختی یک انسان در قلمرو خاص استفاده می کند. تا حدی که واتسون از کنیز جنینگز ، رقیب انسانی پیشی می گیرد تا قهرمان نمایش محبوب بازی ، Jeopardy شود. سیستم های متخصص بعدی که مبتنی بر واتسون هستند ، شامل یک وکیل با هوش مصنوعی و یک دستیار تحقیقات پزشکی است.

یک وکیل با هوش مصنوعی یک سیستم متخصص حقوقی است که از فناوری های هوش مصنوعی برای تکثیر و بهبود توانایی های دستیار تحقیقات حقوقی انسانی استفاده می کند. ROSS Intelligence یک وکیل هوش مصنوعی است که زندگی خود را به عنوان یک برنامه تحقیقاتی در دانشگاه تورنتو آغاز کرد. ROSS بر روی پلتفرم محاسبات شناختی واتسون IBM ساخته شده است. ROSS مانند ابر رایانه IBM ، به سیستم های یادگیری خود متکی است که از داده کاوی ، تشخیص الگو و پردازش زبان طبیعی برای تقلید از نحوه عملکرد مغز انسان استفاده می کنند.

هوش مصنوعی عمومی یا Artificial General Intelligence :

هوش مصنوعی عمومی که با عنوان هوش مصنوعی قوی هم شناخته می شود ، یک سیستم با توانایی های شناختی عمومی است.

AGI بیانگر توانایی های شناختی عمومی انسان در نرم افزار است به گونه ای که سیستم هوش مصنوعی می تواند در صورت مواجهه با یک کار نا آشنا ، راه حلی پیدا کند. یک سیستم AGI می تواند وظایفی را که یک انسان قادر به انجام آن است انجام دهد. AGI شامل سیستمی با دانش جامع و قابلیت محاسبات شناختی است به گونه ای که حداقل در آن شرایط عملکرد آن قابل تشخیص از عملکرد یک انسان نیست. با این وجود ، ظرفیت های گسترده فکری AGI با توانایی دسترسی و پردازش مقادیر عظیم داده ها با سرعت باورنکردنی ، می تواند فراتر از ظرفیتهای انسانی باشد.

هوش مصنوعی قوی در تضاد با ضعف هوش مصنوعی است ، یعنی استفاده از AI برای کارهای خاص یا انواع مشکلات.

حتی در شرایط فعلی فن آوری ، توانایی سیستم ها برای دسترسی و پردازش داده ها چشمگیر است.

ROSS می تواند داده های مربوط به حدود یک میلیارد اسناد متنی را استخراج کند ، اطلاعات را تجزیه و تحلیل کند و پاسخ های دقیقی را برای سؤالات پیچیده در کمتر از سه ثانیه ارائه دهد.

هوش مصنوعی به عنوان یک سرویس یا AIaaS :

از آنجا که سخت افزار ، نرم افزار و هزینه های پرسنلی برای هوش مصنوعی می تواند گران باشد ، بسیاری از فروشندگان از قطعات AI در ارائه استانداردهای پیشنهادی خود به اندازه ی دسترسی به سیستم عامل های هوش مصنوعی به عنوان یک سرویس (AIaaS) استفاده می کنند.

هوش مصنوعی به عنوان یک سرویس (Artificial Intelligence as a Service) شخص ثالثی است که از عهده برون سپاری هوش مصنوعی (AI) بر می آید. AIaaS به افراد و شرکت ها اجازه می دهد تا با اهداف مختلف و بدون سرمایه گذاری اولیه بزرگ و با ریسک کمتر ، با AI کار کنند. آزمایشات می توانند با نمونه گیری از چندین سیستم عامل ابر عمومی اجازه دهد الگوریتم های مختلف یادگیری ماشین را آزمایش کنند. سیستم عامل های مختلف ارائه دهنده هوش مصنوعی تعدادی از سبک های یادگیری ماشین و هوش مصنوعی را ارائه می دهند. این تغییرات می تواند کمابیش مناسب نیازهای هوش مصنوعی سازمان باشد زیرا سازمان ها باید ویژگی ها و قیمت گذاری را ارزیابی کنند تا ببینند چه چیزی برای آنها موثرتر است.

ارائه دهندگان خدمات Cloud AI می توانند سخت افزار تخصصی مورد نیاز برای برخی از کارهای هوش مصنوعی ، مانند پردازش مبتنی بر GPU را برای بار کاری فشرده ارائه دهند. خرید سخت افزار و نرم افزار مورد نیاز برای شروع پیش فرض هوش مصنوعی بسیار پر هزینه است. AIaaS باعث کاهش هزینه های پرسنلی و نگهداری و همچنین تغییرات سخت افزاری برای کارهای مختلف در سازمان ها می شود. ارائه خدمات رایانه ابری محبوب AI شامل خدمات هوش مصنوعی آمازون ، دستیار IBM واتسون ، خدمات شناختی مایکروسافت و سرویس های Google AI.

اجزای هوش مصنوعی :

در حالی که ابزارهای هوش مصنوعی طیف وسیعی از عملکردهای جدید را برای مشاغل ارائه می دهند ، استفاده از هوش مصنوعی سوالات اخلاقی را ایجاد می کند. این بدان دلیل است که الگوریتم های یادگیری عمیق ، که پایه بسیاری از پیشرفته ترین ابزارهای هوش مصنوعی را دارند ، فقط به اندازه داده هایی که به هنگام آموزش دریافت می کنند،  هوشمند هستند. از آنجا که انسان انتخاب می کند چه داده هایی باید برای آموزش یک برنامه هوش مصنوعی استفاده شود ، پتانسیل تعصب انسانی ذاتی است و باید از نزدیک مورد بررسی قرار گیرد.

در این تصویر مجموعه ابزارآلاتی که هوش مصنوعی در اختیار ما قرار می دهند را مشاهده می کنید.ابزارآلاتی در زمینه ی سخت افزاری، نرم افزراهای Training و زبان های برنامه نویسی از قبیل پایتون

انواع هوش مصنوعی AI:

Arend Hintze، استادیار زیست شناسی تلفیقی و علوم و مهندسی کامپیوتر در دانشگاه ایالتی میشیگان ، هوش مصنوعی را به چهار دسته تقسیم می کند.

از نوع سیستم های هوش مصنوعی که امروزه وجود دارد تا سیستم های احساساتی ، که هنوز وجود ندارند.

دسته های وی به شرح زیر است:

نوع 1: ماشین های واکنش پذیر یا Reactive machines :

نمونه ای از آن Deep Blue است.

برنامه شطرنج IBM که در دهه 1990 گری کاسپاروف را شکست داد.

Deep Blue می تواند مکان قطعات را در صفحه شطرنج شناسایی و پیش بینی کند اما هیچ حافظه ای ندارد و نمی تواند تجربیات گذشته را برای حرکات آینده استفاده کند. حرکت های احتمالی خود و حریف را تحلیل می کند و استراتژیک ترین حرکت را انتخاب می کند. Deep Blue و AlphaGO Google برای اهداف باریک طراحی شده اند و به راحتی در موقعیت دیگری قابل استفاده نیست.

نوع 2: حافظه محدود یا Limited memory :

این نوع از سیستم های هوش مصنوعی می توانند از تجربیات گذشته برای  تصمیمات آینده استفاده کنند.

برخی از کارکردهای تصمیم گیری در self-driving cars خودروها از این طریق طراحی شده اند.

مشاهدات مربوط به فعالیت هایی است که در آینده نه چندان دور اتفاق می افتد، مانند خودروهای تغییر خط.

این مشاهدات برای همیشه ذخیره نمی شوند.

نوع 3: تئوری ذهن یا Theory of mind :

یک اصطلاح روانشناسی است با این مفهوم که عقاید، خواسته ها و اهداف دیگران بر تصمیماتی که می گیرند تأثیر می گذارد.

این نوع هوش مصنوعی هنوز وجود ندارد.

نوع 4: خودآگاهی یا Self-awareness :

در این دسته ، سیستم های هوش مصنوعی دارای خودآگاهی هستند.

ماشین آلات با خودآگاهی وضعیت فعلی خود را درک می کنند.

آنها می توانند از این اطلاعات برای استنباط آنچه دیگران احساس می کنند استفاده کنند.

این نوع هوش مصنوعی هنوز وجود ندارد.

در عکس فوق تفاوت محاسبات منطقی و هوش مصنوعی را مشاهده می کنید.

نمونه هایی از فناوری هوش مصنوعی

هوش مصنوعی در انواع فناوری های مختلف گنجانیده شده است.

در اینجا شش مثال آورده شده است.

1- Automation

چه چیزی یک سیستم یا عملکرد فرآیند را به صورت خودکار ایجاد می کند.

به عنوان مثال ، اتوماسیون فرایند روباتیک (ՀՀԿ) می تواند برای انجام کارهای با حجم زیاد و قابل تکرار برنامه ریزی شود که انسان به طور معمول انجام می دهد.

RPA از IT automation متفاوت است زیرا می تواند خود را با تغییر شرایط  وفق دهد.

2- Machine learning

یادگیری عمیق ( Deep learning) زیر مجموعه ای از یادگیری ماشینی است که به تعبیر بسیار ساده می تواند به عنوان اتوماسیون آنالیز پیش بینی فکر کند.

سه نوع الگوریتم یادگیری ماشین وجود دارد:

Supervised learning:

مجموعه داده های برچسب گذاری شده ای که می توان با کمک آن ها الگوها را شناسایی و داده های جدید را برچسب گذاری کرد.

Unsupervised learning:

مجموعه داده ها برچسب خورده نیستند و بر اساس شباهت ها و اختلافات طبقه بندی می شوند.

Reinforcement learning:

مجموعه داده ها برچسب زده نشده اند اما پس از انجام یک یا چندین عمل به سیستم هوش مصنوعی بازخورد داده می شود.

3- Machine Vision

علم اجازه دیدن رایانه ها. این فناوری با استفاده از دوربین ، تبدیل آنالوگ به دیجیتال و پردازش سیگنال دیجیتال ، اطلاعات تصویری را ضبط و تجزیه و تحلیل می کند.

در طیف وسیعی از برنامه ها از جمله شناسایی امضا تا تجزیه و تحلیل تصاویر پزشکی استفاده می شود.

computer vision یا بینایی رایانه که بر پردازش تصویر مبتنی بر ماشین متمرکز است ، اغلب با machine vision دچار مشکل می شود و ناسازگاری دارد.

4- Natural Language Processing یا NLP

پردازش زبان انسانی و نه رایانه ای توسط یک برنامه رایانه ای.

یکی از قدیمی ترین و شناخته شده ترین نمونه های NLP ، شناسایی اسپم است که به خط سوژه و متن یک ایمیل نگاه می کند و تصمیم می گیرد که ایمیل ناخواسته است یا نه.

رویکردهای فعلی NLP مبتنی بر یادگیری ماشین است.

وظایف NLP شامل ترجمه متن ، تحلیل احساسات و تشخیص گفتار است.

5- Robotics

رشته مهندسی متمرکز بر طراحی و ساخت روبات ها است.

اغلب از روبات ها برای انجام کارهایی استفاده می شود که انجام یا اجرای مداوم آن ها برای انسان دشوار است.

آنها در خطوط مونتاژ برای تولید خودرو یا توسط ناسا برای جابجایی اشیاء بزرگ در فضا استفاده می شوند.

محققان همچنین از machine learning برای ساخت ربات هایی استفاده می کنند که می توانند در تنظیمات اجتماعی تعامل داشته باشند.

6- Self-driving cars

از ترکیبی از دید رایانه ای ، تشخیص تصویر و یادگیری عمیق برای ایجاد مهارت کنترل خودکار وسیله نقلیه در حالی که در یک خط مشخص قرار دارند و رویارویی با موانع غیرمنتظره مانند عابر پیاده استفاده می کنند.

برنامه های هوش مصنوعی :

امروزه هوش مصنوعی راه خود را در زمینه های مختلفی باز کرده است.

در ذیل به تعدادی از آن ها می پردازیم.

AI in healthcare

بیشترین  کاربرد آن در بهبود نتایج بیماران و کاهش هزینه ها است.

در حال حاضر شرکت ها از machine learning  استفاده می کنند تا تشخیص بهتر و سریعتری نسبت به  انسان انجام دهند.

یکی از شناخته شده ترین فناوری های مراقبت های بهداشتی IBM Watson است.

این فناوری زبان طبیعی را درک می کند و قادر به پاسخگویی به سؤالات پرسیده شده از آن است.

این سیستم داده های بیمار و سایر منابع داده موجود را استخراج می کند تا یک فرضیه را شکل دهد، سپس با یک طرح نمره دهی میزان اعتماد به فرضیه را ارائه می دهد.

از سایر برنامه های هوش مصنوعی می توان به چت بات ها اشاره کرد.

چت بات، یک برنامه رایانه ای است که بصورت آنلاین خدماتی از قبیل پاسخ به سؤالات و کمک به مشتریان ، پیگیری قرارهای ملاقات یا کمک به بیماران از طریق فرآیند صدور صورتحساب ، و دستیاران سلامت مجازی که بازخوردهای اولیه پزشکی را فراهم می کنند، ارائه می دهند.

AI in business

اتوماسیون فرایند رباتیک برای کارهای بسیار تکراری که معمولاً توسط انسان انجام می شود ، اعمال می شود.

الگوریتم های یادگیری ماشین برای کشف اطلاعات در مورد چگونگی بهتر خدمت به مشتریان در الگوریتم های یادگیری ماشین در تجزیه و تحلیل قرار گرفته وبا CRM در حال ادغام هستند.

Chatbots برای ارائه خدمات فوری به مشتریان در وب سایت ها گنجانیده شده است.

امروزه اتوماسیون موقعیت های شغلی همچنین به یک نقطه بحث در بین دانشگاهیان و تحلیلگران فناوری اطلاعات تبدیل شده است.

AI in education

هوش مصنوعی می تواند دانش آموزان را ارزیابی کرده و با نیازهای آنها سازگار باشد.

معلمان با استفاده از هوش مصنوعی می توانند از دانشجویان پشتیبانی بیشتری پشتیبانی کنند.

آن ها می توانند اطمینان حاصل کنند که دانش آموزان در مسیر صحیح کرت می کنند.

هوش مصنوعی می تواند در مکان و نحوه یادگیری دانش آموزان تغییر ایجاد کند.

حتی ممکن است برخی از معلمان را جایگزین کند.

نگرانی های امنیتی و اخلاقی

استفاده از هوش مصنوعی در عرصه اتومبیل های خودران باعث افزایش نگرانی های امنیتی و همچنین اخلاقی شده است. خودروها را می توان هک کرد ، و هنگامی که یک وسیله نقلیه خودمختار درگیر تصادف شود ، مسئولیت آن مشخص نیست.

وسایل نقلیه خودمختار نیز ممکن است در موقعیتی قرار بگیرند که یک تصادف غیرقابل اجتناب باشد.

اینجاست که با وادار کردن برنامه نویسی برای تصمیم گیری اخلاقی در مورد چگونگی به حداقل رساندن خسارت رو به رو هستیم.

نگرانی عمده دیگر احتمال سوءاستفاده از ابزار هوش مصنوعی است.

هکرها برای دستیابی به سیستم های حساس شروع به استفاده از ابزارهای پیشرفته یادگیری ماشینی می کنند .

مسئله امنیت  امری پیچیده بوده که این ابزارها مسئله ی امنیت را فراتر از وضعیت فعلی خود پیچیده می کنند.

تنظیم فناوری هوش مصنوعی

با وجود این خطرات احتمالی ، مقررات کمی در مورد ابزارهای استفاده از AI وجود دارد ، و در آنجا که قوانینی وجود داشته باشد ، معمولاً فقط به طور غیر مستقیم به هوش مصنوعی مربوط می شود. GDPR اروپا محدودیتی را در نحوه استفاده شرکتها از داده های مصرف کننده ایجاد می کند ، که مانع از آموزش و عملکرد بسیاری از برنامه های هوش مصنوعی مصرف کننده می شود. در سال 2016 ، شورای ملی علوم و فناوری گزارشی را منتشر کرد که به بررسی نقش احتمالی مقررات دولتی در توسعه هوش مصنوعی پرداخت ، اما توصیه نمی کند که قوانین خاصی در نظر گرفته شود.

از آن زمان به بعد این موضوع مورد توجه تعداد کمی از قانون گذاران قرار گرفته است.

خب تا اینجا با کلیتی از هوش مصنوعی، حوزه ها و عملکردهای آن آشنا شدیم .

برای آشنایی بیشتر با این فناوری هیجان انگیز در مقالات بعدی با ما همراه باشد.

همچنین  می توانید برای آشنایی بیشتر به مقالات زیر مراجعه نمایید: