هوش مصنوعی (Artificial Intelligence یا به‌اختصار AI) در جهان امروزی بسیار محبوب است. این فناوری شبیه‌سازی هوش طبیعی (انسان) در ماشین‌هایی است که برای یادگیری و تقلید از عملکرد آن برنامه‌ریزی شده‌اند.
یکی از حوزه‌های حاضر در تکنولوژی که این روزها بسیار پرطرفدار بوده و بسیار درمورد آن می‌شنویم، هوش مصنوعی یا Artificial Intelligence است. هوش مصنوعی اکنون آماده است تا با ساخت ماشین‌های هوشمند انقلابی جدید در جهان ایجاد کند. به طور کلی، کلمه Artificial، مصنوعی یا ساخت بشر و کلمه Intelligence “قدرت تفکر” را توصیف می‌کند. بنابراین هوش مصنوعی را می‌توان به معنای “یک قدرت تفکر ساخته دست بشر” دانست. هوش مصنوعی (Artificial Intelligence) در حال ساخت ماشین‌های هوشمندی است که قادر به انجام کارهای مهمی هستند که معمولاً به هوش انسان نیاز دارند. ساخت و درک نهادها یا عوامل هوشمند و مطالعه و توسعه دستگاه‌ها و نرم‌افزارهای هوشمند.
برای درک بهتر هوش مصنوعی بهتر است اول بدانیم، هوش یا همان intelligence چیست؟ هوش به معنای توانایی یادگیری و حل مسائل و کسب و به کارگیری دانش و مهارت است. علاوه بر این، توانایی حل مشکلات جدید، منطقی عمل کردن و رفتار مانند انسان‌ها را هوش می نامند.
درک هوش مصنوعی (AI)
وقتی اکثر مردم اصطلاح هوش مصنوعی را می‌شنوند، اولین چیزی که معمولاً به آن فکر می‌کنند ربات‌ها هستند. دلیلش این است که فیلم‌ها و رمان‌های پرهزینه داستان‌هایی درباره ماشین‌های انسان‌مانندی می‌بافند که زمین را ویران می‌کنند. اما این قضیه کمی دور از حقیقت است.
هوش مصنوعی بر این اصل استوار است که هوش انسانی را می‌توان به گونه‌ای تعریف کرد که ماشین بتواند به راحتی آن را تقلید کند و وظایف را از ساده‌ترین تا پیچیده‌ترین آن انجام دهد. هدف هوش مصنوعی تقلید از فعالیت‌های شناختی انسان است. محققان و توسعه دهندگان در این زمینه در تقلید از فعالیت‌هایی مانند یادگیری، استدلال و ادراک، تا حدی که بتوان آن‌ها را به طور مشخص تعریف کرد، گام‌های شگفت انگیزی برداشته اند. برخی بر این باورند که مبتکران ممکن است به زودی قادر به توسعه سیستم‌هایی باشند که از ظرفیت انسان برای یادگیری یا استدلال هر موضوعی فراتر باشد.
با پیشرفت فناوری، معیارهای قبلی که هوش‌مصنوعی را تعریف می‌کردند، قدیمی می‌شوند. برای مثال، ماشین‌هایی که توابع اولیه را محاسبه می‌کنند یا متن را از طریق تشخیص کاراکتر نوری تشخیص می‌دهند، دیگر به عنوان هوش‌مصنوعی در نظر گرفته نمی‌شوند، زیرا این عملکرد اکنون به عنوان یک عملکرد ذاتی رایانه بدیهی تلقی می‌شود.
هوش‌مصنوعی به طور مداوم در حال تکامل است تا به نفع بسیاری از صنایع مختلف باشد. ماشین‌ها با استفاده از یک رویکرد بین رشته‌ای مبتنی بر ریاضیات، علوم کامپیوتر، زبان‌شناسی، روان‌شناسی و غیره در حال شکل‌گیری هستند.
هوش مصنوعی را می‌توان به دو دسته مختلف تقسیم کرد: هوش مصنوعی ضعیف (Weak AI) و هوش مصنوعی قوی (Strong AI).
هوش مصنوعی ضعیف (Weak AI) سیستمی است که برای انجام‌دادن یک کار خاص طراحی شده است. سیستم‌های AI ضعیف (Weak AI) بازی‌های ویدئویی، برای مثال شطرنج، و دستیارهای شخصی، مانند الکسا (Alexa) و سیری (Siri) اپل، را شامل است.
شما از دستیار سؤالی می‌پرسید و او به شما پاسخ میدهد یا از او درخواست انجام‌دادن کاری مشخص، مانند پخش آهنگ، را می‌کنید و دستیار مجازی آن را انجام میدهد.
سیستم‌های هوش مصنوعی قوی (Strong AI) سیستم‌هایی هستند که وظایفی مشخص را شبیه به انسان انجام می‌دهند. این سیستم‌ها معمولاً در مقایسه با سیستم‌های هوش مصنوعی ضعیف (Weak AI)، سیستم‌های پیچیده‌تری هستند. آن‌ها طوری برنامه‌ریزی شده‌اند که بدون نیاز به دخالت انسان مشکل را حل کنند یا کاری را انجام دهند. این نوع سیستم‌ها را برای مثال می‌توان در اتومبیل‌های خودران یا در ربات‌های اتاق‌های عمل بیمارستان مشاهده کرد.
تا اینجا متوجه شدیم که هوش‌مصنوعی چیست و احتمالاً چند مورد از سیستم‌هایی را در نظر گرفتیم که در حال حاضر با هوش‌مصنوعی کار می‌کنند و با آن‌ها آشنا هستیم یا با آن‌ها سروکار داریم. در بخش بعد می‌بینیم که اصلاً هدف از ایجاد هوش مصنوعی چه بوده است و چرا روزبه‌روز به تعداد این سیستم‌ها اضافه می‌شود.
هدف از هوش‌مصنوعی کمک به توانایی‌های انسانی و گرفتن تصمیم‌های هوشمندانه برای آینده است. این پاسخ از منظر فنی است. از منظر فلسفی، هوش مصنوعی این توانایی را دارد که به انسان‌ها کمک کند تا زندگی معنادارتری، عاری از هر گونه سختی، داشته باشند؛ علاوه‌براین به مدیریت شرکت‌ها، ایالت‌ها و کشورها کمک می‌کند تا به‌روشی عمل کنند که برای همه‌ی بشریت مفید باشد.
در حال حاضر همه‌ی ابزارها و تکنیک‌های مختلف AI که ما تاکنون اختراع کرده‌ایم هدف مشترکی را دنبال می‌کنند و آن ساده‌سازی کارهای انسان و کمک به ما برای تصمیم‌گیری بهتر است؛ علاوه‌براین AI را اختراع نهایی ما انسان‌ها می‌نامند. این اختراع ابزارها و خدماتی را به ما ارائه میدهد که با ازمیان‌بردن اختلافات، نابرابری‌ها و رنج‌های انسانی، نحوه زندگی ما را تغییر میدهد. البته همه‌ی این‌ها در آینده بسیار دور محقق می‌شود. ما هنوز با این نوع نتایج فاصله‌ی زیادی داریم.
در حال حاضر هوش مصنوعی را غالباً شرکت‌ها برای بهبود کارایی فرایندها، خودکارکردن کارها و پیش‌بینی آینده‌ی تجارت شرکت‌ها براساس داده‌های موجود استفاده می‌شوند.
در این بخش قصد داریم درمورد زیرشاخه های مختلف هوش مصنوعی صحبت کنیم.
یادگیری ماشین یکی از پویاترین حوزه‌ها در فناوری پیشرفته است و هر بار که یک محصول جدید توسط سازمانی منتشر می شود که از تکنیک‌ها و الگوریتم‌های یادگیری ماشین برای ارائه محصولات به مشتری به شیوه‌ای نوآورانه استفاده می‌کند، سروصدای زیادی ایجاد می‌کند.
یادگیری ماشین زیرشاخه‌ای از هوش مصنوعی است که بر این مفهوم استوار است که سیستم‌ها/ماشین‌ها می‌توانند از داده‌ها یاد بگیرند، الگوها را تشخیص دهند و با دخالت کم یا بدون دخالت انسانی تصمیم بگیرند. ما به ماشین‌ها دسترسی به اطلاعات را می‌دهیم و به آن‌ها اجازه می‌دهیم خودشان یاد بگیرند. این به بیان ساده‌تر به معنای وادار کردن یک کامپیوتر برای انجام یک کار بدون برنامه‌ریزی صریح برای انجام آن است.
برای ایجاد یک سیستم جامع یادگیری ماشین، برنامه‌نویسان از مهارت‌های ریاضی پیشرفته برای ساختن الگوریتم‌های یادگیری ماشین استفاده می کنند که به زبان ماشین کدگذاری شده‌اند. به این ترتیب، یادگیری ماشین به ما کمک می‌کند تا داده‌ها را از یک مجموعه داده دسته‌بندی، تفسیر و تخمین بزنیم.
علاوه بر این، متخصصان داده اشکال مختلفی از الگوریتم‌های یادگیری ماشین را برای آنچه می‌خواهند از داده‌ها بر اساس انواع داده‌های موجود پیش‌بینی کنند، انتخاب می‌کنند. الگوریتم مورد استفاده برای آموزش ماشین می تواند باناظر (Supervised)، بدون ناظر (Supervised) یا تقویتی (Reinforcement) باشد. یادگیری ماشین، خودروهای خودران (Autonomous cars)، تشخیص تصویر (Image Recognition) و گفتار (Speech Recognition)، جستجوی آنلاین مفید (Useful online search)و انواع کاربردهای دیگر را در چند سال گذشته در اختیار ما قرار داده است. اساساً یادگیری ماشین مربوط به برنامه‌هایی است که از اشتباهات خود درس می‌گیرند و توانایی تصمیم گیری یا دقت پیش بینی خود را در طول زمان بهبود می بخشند.
NLP یا پردازش زبان طبیعی شاخه‌ای از علوم کامپیوتر و هوش مصنوعی است که به کامپیوتر و انسان اجازه میدهد با استفاده از زبان طبیعی باهم ارتباط برقرار کنند. NLP روشی برای تحلیل محاسباتی زبان‌های انسانی است. با تقلید از زبان طبیعی انسان، به ماشین اجازه میدهد تا داده‌ها را درک و تفسیر کند. NLP روشی برای جستجو، تجزیه و تحلیل، درک و استخراج اطلاعات از ورودی متنی است. کتابخانه‌های NLP توسط برنامه‌نویسان برای آموزش رایانه‌ها به منظور استخراج اطلاعات معنی‌دار از ورودی متن استفاده می‌شود. الگوریتم‌های رایانه‌ای می‌توانند با نگاه کردن به موضوع یک خط یا محتوای ایمیل، که نمونه‌ای از NLP است، بررسی کنند که آیا یک ایمیل spamاست یا خیر.
یادگیری عمیق یا Deep Learning زیر شاخه‌ای از یادگیری ماشین است که با الگوریتم هایی الهام گرفته شده از ساختار و عملکرد مغز به نام شبکه های عصبی مصنوعی (Artifcial Neural Network) مرتبط است.
یادگیری عمیق نوعی یادگیری ماشین و در نهایت هوش مصنوعی (AI) است که روش یادگیری انسان‌ها را تقلید می‌کند. یادگیری عمیق یک عنصر مهم از علم داده است که شامل آمار و مدل سازی پیش بینی می‌شود. برای دانشمندان داده که وظیفه جمع آوری، تجزیه و تحلیل و تفسیر مقادیر زیادی از داده‌ها را بر عهده دارند، بسیار سودمند است. یادگیری عمیق این فرآیند را سریعتر و آسان‌تر می‌کند.در ساده‌ترین حالت، یادگیری عمیق را می‌توان راهی برای خودکارسازی تجزیه و تحلیل پیش‌بینی‌کننده (Predictive analytics) در نظر گرفت. در حالی که الگوریتم‌های یادگیری ماشین سنتی خطی هستند، الگوریتم‌های یادگیری عمیق به شکل سلسله مراتبی و با پیچیدگی و انتزاع بیشتر هستند.
بینایی کامپیوتر یا بینایی ماشین جزء مهمی از هوش‌مصنوعی است، زیرا کامپیوتر را قادر می‌سازد تا با گرفتن و رهگیری ورودی‌های بصری از تصاویر، دنیای واقعی را شناسایی، تجزیه و تحلیل و تفسیر کند.
بینایی کامپیوتر از یادگیری عمیق و تشخیص الگو (Pattern Recognition) برای استخراج اطلاعات بصری از هر داده، از جمله تصاویر یا فایل‌های ویدیویی در اسناد PDF، اسناد Word، ارائه‌های پاورپوینت، فایل‌های XL، نمودارها و عکس‌ها و سایر فرمت‌ها استفاده می‌کند.اگر تصویر پیچیده‌ای از مجموعه‌ای از آیتم‌ها داشته باشیم، به خاطر سپردن آن برای اکثر مردم دشوار است. بینایی کامپیوتر برای استخراج جزئیات تصاویر (داده‌ها)، مانند لبه‌های اشیاء، یا رنگ‌های استفاده شده در آن و غیره، دنباله ای از دگرگونی‌ها را در تصویر انجام میدهد و از این طریق تصویر را تحلیل می‌کند.
این امر با استفاده از الگوریتم‌های مختلفی که از مفاهیم آمار و ریاضی استفاده می‌کنند، انجام می‌شود. ربات‌ها برای دیدن دنیای اطراف خود و واکنش نشان دادن در موقعیت‌های واقعی، از فناوری‌های بینایی کامپیوتر استفاده می‌کنند.این حوزه به طور گسترده در بخش مراقبت‌های بهداشتی برای ارزیابی وضعیت سلامت بیمار با استفاده از اسکن‌های MRI، اشعه ایکس و سایر تکنیک‌های تصویربرداری استفاده می‌شود. وسایل نقلیه و پهبادهای بدون سرنشین که با کامپیوتر کنترل می‌شوند، نیز در صنعت خودرو، از بینایی کامپیوتر استفاده می‌کنند.
هدف محاسبات شناختی آغاز و تقویت تعامل انسان و ماشین برای انجام وظایف پیچیده و کمک به حل مسئله است.
در حین کار با انسان در مشاغل مختلف، ماشین‌ها رفتار و احساسات انسان را در موقعیت‌های مختلف یاد گرفته و درک می‌کنند و سپس فرآیند تفکر انسان را در یک مدل کامپیوتری بازسازی می‌کنند.
در نتیجه این تمرین، ماشین یاد می‌گیرد که زبان انسان و بازتاب تصاویر را تفسیر کند. از این رو، تفکر شناختی همراه با هوش مصنوعی می‌تواند محصولی با اقدامات انسان‌مانند و مهارت‌های پردازش داده ایجاد کند.
در شرایط پیچیده، محاسبات شناختی قادر به تصمیم گیری دقیق است. در نتیجه، در مواردی استفاده می‌شود که راه‌حل‌هایی باید با کمترین هزینه ممکن ایجاد شوند و با تجزیه و تحلیل زبان طبیعی و یادگیری مبتنی بر شواهد به دست می آیند.
هوش مصنوعی با طیف گسترده‌ای از کاربردها توانایی تغییر صنایع بسیاری را دارد. وجه‌اشتراک همه‌ی این صنایع مختلف است که همه‌ی آن‌ها داده‌محور هستند. از آنجا که این فناوری در اصل یک سیستم پردازش داده است، در همه صنایع به‌منظور بهینه‌سازی و بهبود کارایی کاربرد دارد.
بیایید نگاهی به صنایعی بیندازیم که در حال حاضر این فناوری در آن‌ها می‌درخشد. نکته‌ی مهم این است که این موارد صرفاً چندین مثال از هزاران کاربردی است که هوش مصنوعی (AI) در صنعت و زندگی روزمره‌ی ما دارد.
