Loading...
هوش مصنوعی شبیه سازی فرایند های هوش انسانی توسط ماشین ها ، به خصوص سیستم های رایانه ای است .برنامه های کاربردی خاص هوش مصنوعی شامل سیستم های خبره ، پردازش زبان طبیعی ( NLP ) ، تشخیص گفتار و دید دستگاه است .
برنامه نویسی هوش مصنوعی بر سه مهارت شناختی متمرکز است که عبارت اند از : یادگیری، استدلال و (self – correction)
فرایند های یادگیری :
این جنبه برنامه نویسی هوش مصنوعی ، بر دستیابی داده ها و ایجاد قوانینی برای تبدیل داده و دیتا به اطلاعات عملی است . این قوانین که به آنها الگوریتم گفته می شود ، دستورالعمل هایی را مرحله به مرحله برای نحوه انجام یک کار خاص به دستگاه های محاسباتی ارائه میدهد .
فرآیند های استدلال :
این جنبه برنامه نویسی هوش مصنوعی بر انتخاب الگوریتم مناسب برای رسیدن به نتیجه مطلوب متمرکز است .
self-correction :
این جنبه از برنامه نویسی هوش مصنوعی به گونه ای تنظیم شده است که مرتباً الگوریتم ها را تنظیم کرده ودقیق ترین نتایج ممکن را ارائه می دهد .
مزایا و معایب هوش مصنوعی :
شبکه های عصبی مصنوعی و یادگیری عمیق فن آوری های هوش مصنوعی به سرعت در حال تکامل هستند . هوش مصنوعی مقادیر بسیار زیادی از داده ها را و همچنین پیش بینی ها را بسیار سریع تر و دقیق تر از حالت انسانی پردازش می کند . بدیهی است که روزانه حجم عظیمی داده تولید می شود که پردازشش از توان یک محقق انسانی خاج است بنابراین از برنامه های هوش مصنوعی کمک گرفته می شود . برنامه های هوش مصنوعی که از machine learning ( یادگیری ماشین ) استفاده می کنند که می توانند آن داده ها را بگیرند و به سرعت آن را به اطلاعات عملی تبدیل کنند . نقطه ضعف اصلی استفاده از هوش مصنوعی این است که پردازش مقادیر زیادی از داده هایی که برنامه نویسی هوش مصنوعی به آن نیاز دارد بسیار گران است .
هوش مصنوعی (AI) ضعیف و هوش مصنوعی قوی :
هوش مصنوعی ضعیف یک سیستم هوش مصنوعی است که برای انجام یک کار خاص طراحی وآموزش داده شده است . ربات های صنعتی و دستیاران شخصی مجازی مانند Apple's Siri از هوش مصنوعی ضعیف استقاده می کنند . از هوش مصنوعی امروزه استفاده های بسیاری در حوزه سلامت می شود . چند سالی هست که از ربات های هوش مصنوعی در عمل های جراحی استفاده می کنند . علاوه بر ربات های جراحی از هوش مصنوعی برای اتوماسیون کردن نوبت دهی ، برنامه دهی به بیماران کمک به نسخه نویسی پزشکان ، تحقیقات پزشکی و درمانی و... استفاده می شود . علاوه بر اینها از هوش مصنوعی می توان در قالب دستیار های هوشمند سلامتی به افراد توصیه های پزشکی و سلامتی کرد و با نظارت بر وضعیت سلامتی آنها زمان های مراجعه به دکتر و ... را برای افراد برنامه ریزی نمود .
هوش مصنوعی قوی که به عنوان هوش عمومی مصنوعی (AGI ) شناخته میشود ، برنامه نویسی را توصیف میکند که می تواند توانایی های شناختی انسان را همانند سازی کند . هنگامی که یک کار ناآشنا ارائه می شود یک سیستم هوش مصنوعی می تواند ازمنطق فازی برای استفاده دانش از یک دامنه به حوزه دیگر استفاده کند و یک راه حل را به طور خود مختار پیدا کند . از نظر تئوری یک برنامه هوش مصنوعی قوی باید بتواند هم تست تورینگ ( آزمون تورینگ : روشی برای سنجش میزان هوشمندی ماشین ) و هم تست اتاق چینی را پشت سر بگذارد .
تست تورینگ :
در واقع آزمایش اتاق چینی نوعی پیاده‌سازی از آزمایشی است که آلن تورینگ در سال ۱۹۵۰ آن را بیان کرد تا بتواند جوابی برای این سؤال پیدا کند که "آیا کامپیوترها می‌توانند فکر کنند؟". این آزمایش به این صورت است که یک انسان به عنوان قاضی، یک انسان به عنوان بازیکن اول و یک کامپیوتر به عنوان بازیکن دوم در فضاهای مجزا از هم حضور دارند و در طی یک مکالمه متنی بین دو بازیکن قاضی نباید بتواند متوجه شود کدام بازیکن کامپیوتر و کدام‌یک انسان است. گفته میشود تا به امروز هیچ ماشینی نتوانسته این آزمایش را با موفقیت پشت سر بگذارد .
هوش افزایشی در مقابل هوش مصنوعی :
برخی از کارشناسان صنعت معتقدند که اصطلاح هوش مصنوعی خیلی نزدیک به فرهنگ عامه است و همین امر باعث شده است که عموم مردم انتظارات غیرممکنی در مورد چگونگی تغییر هوش مصنوعی در محیط کار و زندگی به طور کلی داشته باشند . برخی از محققان و بازاریابان امیدوارند که این برچسب هوش افزایشی ، که دارای مفهوم خنثی تر است ، به مردم کمک کند تا درک کنند که اکثر پیاده سازی های هوش مصنوعی ضعیف بوده و به سادگی محصولات وخدمات را بهبود می بخشند .
مولفه های AI :
با افزایش سرعت بالا در مورد هوش مصنوعی ، فروشندگان در تلاشند تا چگونگی استفاده از محصولات و خدمات خود را از هوش مصنوعی ارتقا دهند. غالباً آنچه از آن به عنوان AI یاد می شود ، صرفاً یکی از مولفه های هوش مصنوعی است ، مانند یادگیری ماشین ( machine learning ) . هوش مصنوعی برای ایجاد الگوریتم های یادگیری ماشین یا همان machine learning و آموزش ، نیاز به پایه و اساس سخت افزار و نرم افزار تخصصی دارد . هوش مصنوعی فقط دانستن برنامه نویسی نیست ولی زبان های برنامه نویسی زیر در ساختن مدل های هوش مصنوعی کمک میکنند و نقش دارند :
Python -Tensor Flow -Java -C
هوش مصنوعی به عنوان یک سرویس (AIaaS) :
از آنجا که سخت افزار ، نرم افزار و هزینه های پرسنلی برای هوش مصنوعی می تواند گران باشد ، بسیاری از فروشندگان اجزای هوش مصنوعی را در ارائه استاندارد خود و یا دسترسی به هوش مصنوعی به عنوان سکوی خدمات (AIaaS) تهیه کرده و استفاده می کنند . AIaaS به افراد و شرکت ها اجازه می دهد تا برای اهداف مختلف تجاری با هوش مصنوعی آزمایش کنند و از سیستم عامل های مختلفی قبل از انجام تعهد نمونه بگیرند.
چهار نوع هوش مصنوعی :
آرنت هینتزه ، استادیار زیست شناسی تلفیقی و علوم و مهندسی کامپیوتر در دانشگاه ایالتی میشیگان ، هوش مصنوعی را به چهار دسته تقسیم می کند ، با شروع سیستم های هوشمندی که امروزه در سیستم های احساساتی وجود دارد ، که البته هنوز وجود ندارند. دسته های وی به شرح زیر است :
ماشین های واکنش پذیر:
ماشین های واکنش پذیر، این سیستم های هوش مصنوعی حافظه ندارند و وظیفه خاصی دارند. نمونه ای از آن Deep Blue است ، برنامه شطرنج IBM که در دهه 1990 گری کاسپاروف را شکست داد. Deep Blue می تواند قطعاتی را روی صفحه شطرنج شناسایی کند و پیش بینی کند ، اما چون حافظه ای ندارد ، نمی تواند از تجربیات گذشته برای آگاهی از موارد آینده استفاده کند.
حافظه محدود:
حافظه محدود ، این سیستم های هوش مصنوعی حافظه دارند ، بنابراین می توانند از تجربیات گذشته برای آگاهی از تصمیمات آینده استفاده کنند. برخی از کارکردهای تصمیم گیری در اتومبیلهای خودران از این طریق طراحی شده اند.
تئوری ذهن :
تئوری ذهن ، تئوری ذهن یک اصطلاح روانشناسی است. هنگامی که از هوش مصنوعی استفاده شود ، به این معنی است که سیستم احساسات را درک می کند. این نوع هوش مصنوعی قادر خواهد بود اهداف خود را استنباط کرده و در صورت امکان رفتار را پیش بینی کند.
خودآگاهی :
خودآگاهی ، در این دسته ، سیستم های هوش مصنوعی خودشان حس دارند که به آنها آگاهی می دهد. ماشین آلات با خودآگاهی وضعیت فعلی خود را درک می کنند. این نوع هوش مصنوعی هنوز وجود ندارد.اصطلاحات هوش مصنوعی و محاسبات شناختی گاهی به صورت متناوب مورد استفاده قرار می گیرند ، اما ، به طور کلی ، از برچسب هوش مصنوعی برای ارجاع به محصولات و خدماتی که وظایف را به صورت خودکار انجام می دهند ، استفاده می شود .
نمونه هایی از فناوری هوش مصنوعی :
اتوماسیون (Automation ) :
این باعث می شود یک سیستم یا عملکرد فرآیند به صورت خودکار انجام شود. به عنوان مثال ، اتوماسیون فرایند روباتیک می تواند برای انجام کارهای با حجم زیاد و قابل تکرار برنامه ریزی شود که انسان به طور معمول انجام می داد. از آنجا که می تواند با تغییر شرایط سازگار باشد ، از نظر اتوماسیون فناوری اطلاعات متفاوت است.
فراگیری ماشین ( machine learning )
این علمی است که کامپیوتر بدون برنامه نویسی به آن عمل کند. یادگیری عمیق زیر مجموعه ای از یادگیری ماشینی است که به تعبیر بسیار ساده می توان به عنوان اتوماسیون آنالیز پیش بینی فکر کرد. سه نوع الگوریتم یادگیری ماشین وجود دارد:
یادگیری تحت نظارت (Supervised learning)
مجموعه داده ها برچسب گذاری شده اند تا بتوان الگوهای را برای برچسب زدن به مجموعه داده های جدید شناسایی و از آنها استفاده کرد.
یادگیری بدون نظارت ( Unsupervised learning) :
مجموعه داده ها برچسب خورده نیستند و مطابق تشابهات یا اختلافات طبقه بندی می شوند.
یادگیری تقویتی ( Reinforcement learning ) :
مجموعه داده ها برچسب زده نشده اند اما ، پس از انجام یک عمل یا چندین عمل ، به سیستم هوش مصنوعی بازخورد داده می شود.
دید ماشین (Machine vision) :
این علم اجازه دیدن کامپیوترها است. 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 شناسایی امضا گرفته تا تجزیه و تحلیل تصویر پزشکی استفاده می شود.
پردازش زبان طبیعی یا Natural Language Processing :
یعنی درک ماشین نسبت به گفتار، نوشتار و ارتباطات انسانی، با استفاده از این تکنیک رایانه‌ها می‌توانند نتیجه‌گیری‌هایی با مبنای احساسی از ورودی‌های زبانی دریافت کرده و با توجه به آنها تصمیم‌گیری کنند..
رباتیک ( Robotics ) :
این علم اجازه این رشته مهندسی بر طراحی و ساخت روبات ها تمرکز دارد. اغلب از روبات ها برای انجام کارهایی استفاده می شود که انجام یا اجرای مداوم برای انسان دشوار است. به عنوان مثال ربات های پزشکی که در جراحی به عنوان جراح و دستیار جراح استفاده می شوند .
هوش مصنوعی در مراقبت های بهداشتی :
بیشترین شرطها در بهبود نتایج بیماران و کاهش هزینه ها است. شرکت ها در حال یادگیری ماشینی هستند تا تشخیص بهتر و سریعتر از انسان را انجام دهند. یکی از شناخته شده ترین فن آوری های مراقبت های بهداشتی IBM Watson است که زبان طبیعی را درک می کند و می تواند به سؤالات پرسیده شده از آن پاسخ دهد. این سیستم داده های بیمار و سایر منابع داده موجود را استخراج می کند تا یک فرضیه را ایجاد کند ، که سپس یک طرح نمره دهی اعتماد به نفس ارائه می دهد. سایر برنامه های هوش مصنوعی شامل chatbots ، برنامه رایانه ای است که به صورت آنلاین برای پاسخ به سؤالات و کمک به مشتریان ، برای کمک به برنامه قرار ملاقات ها ، پیگیری یا کمک به بیماران از طریق فرآیند صدور صورتحساب و همچنین به دستیاران سلامت مجازی که بازخورد پزشکی اساسی را ارائه می دهند ، کمک می کند.
و در آخراز نظرعده‌ای پیشرفت هوش مصنوعی می تواند از کنترل خارج شود و باعث عدم فرمان برداری از انسان شود، با توجه به آنکه هوش مصنوعی میتواند بی آموزد و تصمیم گیری کند و از طرفی خستگی ناپذیر است شاید بتواند در آینده از کنترل خارج شده و دیگر از انسان‌ها نیز فرمان برداری نداشته باشد اما معتقدیم استفاده‌ی صحیح از چنین دانشی می تواند آینده‌ی روشنی در برابر دیدگان انسان گشوده و آینده‌ی به مراتب ساده‌تر و حتی هیجان انگیزتری را برای انسان‌ها رقم بزند همچنین می تواند باعث پیشرفت های چشمگیری در علم پزشکی و تجهیزات پزشکی شود و میتواند کمک های بسیاری به این جامعه بزرگ و بیماران ارائه دهد .
گردآوری: مهشید خانعلی
نظر شما در مورد مقاله:
