آشنایی با هوش مصنوعی

تاریخچه

به تدریج نقشی که هوش مصنوعی در زندگی ما بازی می‌کند زیاد شده و آخرین ترند هوش مصنوعی انواع تراشه هوش مصنوعی و عملکردهای متفاوت آن در گوشی‌های هوشمند است. در واقع آغاز این فناوری به مدت‌ها قبل برگشته و در دهه ی ۵۰ میلادی و اختصاص دادن پروژه ی تحقیقات تابستانی «دانشگاه دارتموث» Dartmouth College  در ایالات متحده به آن. اگر بخواهیم عمیق تر و ریشه ای به مقوله ی هوش مصنوعی در تاریخ بپردازیم می‌توان به فعالیت‌های «آلن نیوئل» Allen Newell،هربرت ای. سیمون Herbert A. Simon  و«آلن تورینگ» Alan        Turing  اشاره کرد. در این زمینه‌ها می‌توان به آزمون مشهور تورینگ سال ۱۹۵۰ در یک مقاله اشاره نمود. که مقاله ای است که از اولین اسنادی می‌باشد که در آنها پیش بینی ایجاد ماشین‌های هوش مصنوعی صورت گرفته است.

 هوش مصنوعی پیش از معرفی سوپر کامپیوتر «دیپ بلو» Deep Blue  توسط شرکت IBM  زیاد مورد توجه نبود این سوپر کامپیوتر جز اولین ماشین‌هایی بود که قهرمان جهانی شطرنج «گری کاسپارف» Garry Kasparov  را در یک مسابقه‌ در سال ۱۹۹۶ میلادی شکست داد. الگوریتم‌های هوش مصنوعی سالها است که در دیتاسنترها و کامپیوترهای بزرگ مورد استفاده قرار می‌گیرند ، اما استفاده از آن‌ها در زمینه ی  لوازم الکترونیک مصرفی در سالهای اخیر باب شده است.

تعریف هوش مصنوعی

هوش مصنوعی بخشی از دانش کامپیوتر است که رفتارهای هوشمندانه را اتوماتیک وار می‌کند. قسمت دشوار مساله این است که تعریف مشخصی برای هوش نیست بنابراین اینکه بخواهیم هوش مصنوعی را هم تعریف کنیم مشکل است. در کل هوش مصنوعی اصطلاحی است که برای توضیح سیستم‌هایی با هدف استفاده از ماشین‌ها برای تقلید و شبیه سازی هوش انسان و رفتارهای ناشی از ان مورد بهره برداری قرار می‌گیرد. که تحقق این هدف گاها به وسیله الگوریتم های ساده و بعضا الگوریتم‌های از قبل تعیین شده انجام می‌گیرد. و در مواقعی نیازمند الگوریتم‌های فوق پیشرفته می‌باشد.

انواع مختلف هوش مصنوعی

هوش مصنوعی نمادین

ساز و کار هوش مصنوعی نمادینSymbolic  به وسیله ی  نمادهای انتزاعی است که برای نشان دادن دانش مورد استفاده قرار می‌گیرند. هوش مصنوعی نمادین، یک نوع هوش مصنوعی کلاسیک است که اساس کار آن بازسازی تفکر انسان در سطح سلسله مراتب و منطق است. در این روش پردازش اطلاعات از بالا با کار بر روی روی نمادهای معنی ‌دار برای انسان، ارتباطات انتزاعی و نتیجه‌گیری‌های منطقی صورت می‌گیرد.

هوش مصنوعی عصبی

در سال‌های آخر  دهه ۸۰ میلادی هوش مصنوعی عصبی Neural AI  در علوم کامپیوتر جایگاه خوبی به دست آورد . در این نوع هوش مصنوعی علم به وسیله ی نمادها به نمایش در نمی آید ، و نورون‌های مصنوعی و رابطه بین آن‌ها نماینده‌ی علم اند. این نوع هوش مصنوعی تقریبا مشابه با  یک مغز بازسازی شده است. در این روش علم به دست آمده به قطعاتی کوچک‌ (نورون‌ها) خرد و بعد گروه‌هایی متصل به هم ایجاد می‌شود. اساس این نوع هوش مصنوعی به صورت پایین به بالا است. که در مقایسه با هوش مصنوعی نمادین،  سیستم هوش مصنوعی عصبی باید اول آموزش داده شده و سپس در کنار محرک‌هایی قرار گیرد تا به کسب تجربه در شبکه‌های عصبی منجر شده، بزرگ شوند و  دانش بیشتری را در اختیار داشته باشند.

شبکه‌های عصبی

شبکه‌های عصبیNeural Networks  در یکسری لایه نظم می‌ابند  که با خط هایی شبیه ‌سازی شده به هم اتصال دارند. سطح بالایی این لایه‌ها ، لایه‌ ای به نام  دریافت است. که مثل سنسوری عمل کرده که اطلاعات را جهت پردازش دریافت و بعد اطلاعات را به لایه‌های پایین‌ تر ارسال می‌کند. این فرآیند بعد ازاینکه اطلاعات را دریافت نمود با دست کم دو لایه‌ی دیگر ( که در سیستم‌های بزرگ تا بیش از بیست لایه هم وجود دارد )  ادامه می‌یابد که به شکل سلسه مراتبی بر روی هم قرار گرفته اند و اطلاعات  با استفاده از پیوندها دسته ‌بندی  شده و ارسال می‌گردند. در پایین ‌ترین قسمت سلسله مراتب لایه‌ی خروجی قرار گرفته است که معمولا تعداد نورون‌های مصنوعی آن از همه لایه‌های دیگر کمتر می باشد که این لایه پس از دریافت داده‌های محاسبه شده آنها را به شکلی تبدیل می‌نماید که قابلیت خواندن توسط ماشین وجود داشته باشد.

شیوه‌ها و ابزارها

وسایل و شیوه‌های مختلفی برای اینکه بتوان از  هوش مصنوعی در واقیت استفاده نمود وجود دارد که امکان استفاده ترکیبی از بعضی از آن‌ها را وجود دارد.

ساز و کار همه این روشها  «یادگیری ماشینی» Machine Learning  است. که به صورت سیستمی که تجربه را به علم مبدل می‌کند می توان یادگیری ماشینی را تعریف نمود. که این فرایند قابلیت این را دارد که الگوها و قوانین را با سرعتی که رو به افزایش است شناسایی کند . در انواع مختلف یادگیری ماشینی هم از هوش مصنوعی نمادین و هم هوش مصنوعی  عصبی استفاده می‌گردد.

یادگیری عمیق Deep Learning  بخشی از یادگیری ماشینی است که درجه مهم بودن آن در حال افزایش است. در این مورد فقط از هوش مصنوعی عصبی یا مفهوم شبکه‌های عصبی استفاده می گردد. بیشتر موارد قابل کاربردی که امروزه وجود دارد از نوع هوش مصنوعی بر پایه‌ی یادگیری عمیق اند. به علت قابلیت گسترش دادن آن به صورت طراحی سریع شبکه‌های عصبی و تبدیل  آن‌ها به سیستم‌های پیچیده‌ و قوی‌تر با لایه‌های تازه ، می‌توان معیار یادگیری عمیق را  به سهولت تغییر داده و آن را با کاربردهای بسیار زیادی تطبیق نمود.

فرآیند های هوش مصنوعی

سه مدل فرآیند یادگیری برای آموزش شبکه‌های عصبی موجود است: تحت نظارت، بدون نظارت و یادگیری تقویتی. این سه نوع فرآیند روش‌های زیاد و متمایزی را فراهم می‌کنند تا امکان تبدیل ورودی به خروجی مورد نظر و تنظیم آن فراهم باشد. در یادگیری به صورت تحت نظارت، ارزش‌ها و معیارها از خارج از  سیستم برای آن معین می‌شوند، اما در یادگیری به صورت بدون نظارت سیستم خود برای کشف الگوهایی که اطلاعات ورودی آن ساختار قابل تعیین و تشخیص دارند  وقابلیت بازتولید آنها وجود دارد سعی می‌کند. در یادگیری به صورت تقویتی هم ماشین مستقلا کار می‌کند، اما بر اساس موفقیت یا شکست که به دست می آورد  تشویق یا تنبیه می‌شود.

کاربردها

در جاهای زیادی هم اکنون هوش مصنوعی به کار می‌رود.

اما در نظر اول این کاربردها ظاهر نمی شوند. پس تهیه فهرستی از موقعیت‌هایی که امکان استفاده از این فناوری در آنها وجود دارد به صورت کامل امکان پذیر نیست. استفاده از ساز و کار هوش مصنوعی برای تشخیص دادن، شناسایی کردن و طبقه بندی کردن اشیا و افراد در تصاویر و فیلم‌ها کاربردی است. که برای انجام این هدف ساز و کار ساده اما سنگینی از نوع تشخیص الگو قابل استفاده است.

در صورتی که اطلاعات عکس‌ها رمز نداشته باشند و قابل خواندن توسط ماشین باشد امکان طبقه بندی تصاویر و فیلم‌ها در یک دسته و جست و جو پیداکردن آنها موجود است. این نوع تشخیص برای اطلاعات صوتی نیز قابلیت استفاده دارد.

یکی کاربرد های هوش مصنوعی در ارائه خدمات به مشتریان به وسیله چت  است که به صورت تشخیص کلمات کلیدی تایپ شده توسط مشتری و ارائه موارد متناسب با آن ها عمل می‌کند. که این نوع چت‌ها متناسب با کارهایی که نیاز به انجام توسط آنهاست ساده و پیچده می‌شوند.

آنالیز نظرات در کنار پیش بینی نتیجه انتخابات در سیاست، بازاریابی و بسیاری از زمینه‌ها نیز از کاربردهای هوش مصنوعی است. «استخراج نظرات» Opinion Mining  که تحت عنوان «تجزیه و تحلیل احساسات» Sentiment Analysis  هم گفته می‌شود برای سرچ درباره عقاید و جملات حسی کاربرد دارد. که برای برگزاری نظر سنجی به صورت ناشناس است.

الگوریتم‌های جست‌وجو مثل الگوریتم‌هایی که گوگل از انها استفاده می‌کند، قاعدتا بسیار محرمانه اند. روش‌های محاسبه، رتبه‌بندی و نمایش نتایج سرچ بر اساس مواردی کار می‌کنند که در آن ها از یادگیری ماشینی بهره گرفته است.

پردازش کلمات یا بررسی متنی از جهت گرامر زبان و غلط های املایی، یکی دیگر از کاربردهای قدیمی هوش مصنوعی نمادین می باشد. که مدت زمان فراوانی به کار برده می شده است. در این نوع روش زبان شبکه‌ ای پیچیده از قوانین و دستورالعمل‌های تعریف شده است که قطعات متن را در یک جمله مورد بررسی قرار می‌دهد. و گاها در شرایطی قابلیت تشخیص اشتباهات و تصحیح آن ها  را هم دارد. از این امکانات  در تبدیل کردن نوشتار به گفتار در دستیارهای صوتی مانند سیری، الکسا و گوگل اسیستنت نیز مورد استفاده قرار می‌گیرد‌.

همه چیز در مورد هوش مصنوعی

تراشه‌های جدید گوشی‌های هوشمند مانند تراشه‌ی Kirin 970  شرکت هواوی، هوش مصنوعی قسمت جداگانه ای برای خودش به نام NPU  یا «واحد پردازش عصبی» Neural Processing   Unit  دارد. کوالکام نیز تقریبا به مدت دو سال است که روی NPU  خاص خودش به نام پردازشگر Zeroth  کار می‌نماید. تراشه‌ی A11 Bionic  اپل هم قسمت یکسانی با دیگر مدل‌ها را در خود دارد.

همین طور تحقیقات متعددی درباره هوش مصنوعی در حال انجام است که یک نوع شاخص آن پروژه‌ی «واتسون» Watson  در شرکت IBM  می‌باشد. این برنامه‌ی کامپیوتری قبل از این تحقیق تجربه حضور اول عمومی خود را در مسابقه‌ ای تلویزیونی درباره  اطلاعات عمومی سال ۲۰۱۱ داشته است. واتسون در این مسابقه به رقابت با دو انسان پرداخته و مسابقه را به نفع خود تمام کرد. این هوش مصنوعی بعد از آن بارها در فعالیت های شبیه این حضور پیدا کرد. یک شرکت بیمه‌ در ژاپن از آغاز  سال ۲۰۱۷ میلادی  از واتسون برای بررسی کردن سوابق و اطلاعات پزشکی مشتریان و ارزیابی آسیب‌ها و بیماری‌ها استفاده کرده است. بر طبق اطلاعات انتشار یافته از این شرکت بیمه، هوش مصنوعی واتسون حدودا به جای ۳۰ کارمند قرار گرفته است. از دست دادن شغل در اثر اتوماسیون از جمله مسائل اخلاقی و اجتماعی است که   در مورد هوش مصنوعی مورد بحث قرار گرفته است که شرکت‌های بزرگ و دانشگاه‌ها در مورد آن تحقیق می‌نمایند.

روباتیک Robotic

در سیستم‌هایی از این دست از حسگرهای متعدد و هوشمند اطلاعات محیط اطراف گرفته شده و به دستگاه داده می شود. و بعد دستگاه داده‌ها را مورد بررسی قرار داده نتایج مشخصی را می‌دهد و بر اساس این نتیجه گیری‌ها تصمیم گیری اتفاق می افتد. از این گونه ربات‌ها در زمانی که شرایط محیطی برای بشر خطرساز است یا جهت شبیه سازی رفتارهای طبیعی افراد استفاده می‌گردد. 

اکنون که انواع هوش مصنوعی را شناخته اید، بهتر است که کمی درباره ابعاد وجود هوش مصنوعی در زندگی روزانه بدانیم. دستیارهای صوتی متعدد، مانند گوگل ‌ناو، سیری، کورتانا، الکسا و… همه  با استفاده از هوش مصنوعی جملات  را ارزیابی و تحلیل می‌کنند و برای جملات جواب‌هایی درخور آن‌ها ارائه می دهند.

خیلی از بازی‌های رایانه‌ای از هوش مصنوعی قوی در ساختار خود استفاده می‌کنند، به طوری که شخصیت‌های بازی و یا دشمنان  در هر مرحله بر اساس یادگیری رفتار شما و استفاده از آن‌ بر علیه خودتان در بازی عمل می‌کنند.

اتوموبیل‌های هوشمندی که توانایی راندن ماشین بدون حضور راننده و ادامه  مسیر خود را دارند، از جمله نمونه های قوی هوش مصنوعی هستند. همینطور  از هوش مصنوعی  در مسائل امنیتی، چهره ‌نگاری، گجت‌های هوشمند و… نیز استفاده می‌شود.

سخن پایانی

هوش مصنوعی یک دفعه و بدون برنامه ایجاد نشده است اما مشاهده می‌شود که این فناوری در زمینه ی وسایل  الکترونیکی به تدریج پیشرفت می کند. و به همین علت بسیاری در تلاش برای به روز نگهداری خود در این زمینه اند.

بعضی هوش مصنوعی را تهدیدی برای جامعه‌ی جهانی می‌دانند. و عده ای معتقدند که می‌تواند خودسرانه و بدون فرمان انسان عمل کند. چون هوش مصنوعی توان آموختن و تصمیم گرفتن دارد و خسته نمی‌شود. شاید در آینده یک نیروی خطرناک باشد و انسان هم پیروی نکند.اما با استفاده درست از دانش هوش مصنوعی آینده ای خوب برای انسان و نسل آینده با سادگی و هیجان بیشتر اتفاق می افتد.