تبلیغات

هوش مصنوعی مفهومی است که در سال‎های اخیر بسیار سر و صدا کرده است و قابلیت یادگیری از تجربیات، سازگاری با ورودی‎های جدید و انجام کارهایی مانند انسان را برای ماشین‎ها امکان‎پذیر می‎کند. بیشتر صحبت‎هایی که در مورد هوش مصنوعی یا Al می‎شود مانند خودروهای خودران تکیه به یادگیری عمیق و پردازش زبان طبیعی دارند.

به کمک این فناوری‎ ها، می‎توان به کامپیوترها یاد داد چطور ماموریت‎های ویژه را به کمک پردازش حجم وسیعی از داده‎ها و شناسایی الگو ها در داده ‎ها انجام دهند.

تاریخچه هوش مصنوعی

ابتدا سال 1956 اصطلاح هوش مصنوعی (Artificial Intelligence) مطرح شد و در حال حاضر به دنبال افزایش حجم اطلاعات، الگوریتم‎ های مدرن و بالا رفتن سطح توان و حافظه کامپیوتر ها، از این فناوری بیشتر استفاده می‎شود.

اولین تحقیقات در حوزه هوش مصنوعی در دهه 50 میلادی و با توجه به مسائلی مانند حل مساله بود. یک دهه بعد‎تر، وزارت دفاع ایالات متحده علاقه زیادی به این حوزه نشان داد و شروع به آموزش کامپیوترها برای تقلید از استدلال انسانی کرد.

نتیجه این تلاش ‎های اولیه ایجاد مسیری برای اتوماسیون و استدلال رسمی کامپیوتر های امروزی بود که سیستم‎ های پشتیبانی از تصمیم و جستجوی هوشمند دارند و هدف از طراحی آن‎ها می‎تواند برای تکمیل و تقویت توانمندی‎های بشر باشد.

در حوزه سینما نیز شاهد استفاده از Al هستیم به نحوی که در فیلم‎های علمی تخیلی انواع ربات‎های انسان ‎نمای هوشمند را می‎بینیم و کارگردان‎ های مختلف حتی سعی کردند نشان دهند آینده این علم ممکن است انسان را به چه چالش‎هایی بکشد.

هوش مصنوعی

دلایل توجه ویژه به هوش مصنوعی

هوش مصنوعی قادر است یادگیری مکرر و کشف به کمک داده‎ها را به عملی خودکار تبدیل کند. البته باید بگوییم بین هوش مصنوعی و اتوماسیون رباتیک مبتنی بر سخت ‎افزار تفاوت وجود دارد. هوش مصنوعی کار های دستی را خودکار نمی‎کند بلکه کار های کامپیوتری شده، گسترده و متناوب را بدون خستگی انجام می‎دهد.

 

مححصولات هوشمندی به وجود می‎آیند. هوش مصنوعی یک محصول جدا نخواهد بود بلکه به کمک آن محصولات هوشمندی به وجود می‎آیند. به عنوان مثال گوشی ‎های هوشمند امروز دستیار های صوتی هوشمند مانند سیری یا بیکسبی دارند که با توجه به فرامین صوتی کاربر کار های گوناگون انجام می‎دهند.

 

به کمک هوش مصنوعی شبکه ‎های عصبی که لایه ‎های پنهان متعددی دارند عمیق‎تر و بیشتر آنالیز می‎شوند. تا چند سال پیش ساخت یک سیستم شناسایی تقلب دارای 5 لایه غیرممکن بود. برای آموزش مدل‎ های یادگیری عمیق به حجم قابل توجهی از داده‎ ها نیاز است چون یادگیری مستقیما از داده ‎ها انجام می‎شود. هر چه تغذیه داده ‎ها به آن‎ها بیشتر شود، دقت آن‎ ها بالاتر می‎رود.

 

ترکیب هوش مصنوعی و شبکه ‎های عصبی به معنای یک دقت فوق‎العاده بالا است. به عنوان مثال گوشی ‎های هوشمند براساس یادگیری عمیق با ابزارهایی مانند Google Photos تعامل برقرار می‎کنند یا در دنیای پزشکی از تکنیک‎ های هوش مصنوعی برای دسته ‎بندی تصاویر و شیء و همچنین شناسایی بیماری سرطان روی تصاویر MRI استفاده می‎شود که دقتی در حد بهترین رادیولوژیست ‎ها دارند.

 

بهره وری از داده ‎ها به حداکثر می‎رسد. داده‎ ها جواب سوالات محققان را دارند و آن‎ ها به کمک هوش مصنوعی می‎توانند این جواب ‎ها را بیرون بکشند. داده‎ ها در دنیای امروزی نقش پررنگ ‎تری از گذشته دارند و همین قضیه می‎تواند یک مزیت رقابتی باشد. اگر در حوزه‎ فعالیت شما سطح رقابت بسیار بالا است، استفاده از داده‎ ها باعث می‎شود به نسبت رقبا موفق‎ تر باشید.

 کاربردهای گوناگون هوش مصنوعی

از توانمندی‎ های هوش مصنوعی در تمامی حوزه ‎ها استفاده می‎شود به ویژه سیستم ‎های پاسخ‎ گویی به سوالات در زمینه مشاوره حقوقی، جستجوی حقوق انحصاری، هشدار دهی خطرات و تحقیقات پزشکی.

از جمله سایر کاربردهای هوش مصنوعی می‎توانیم به موارد زیر اشاره کنیم:

حوزه سلامت

ابزارهایی که از این فناوری استفاده می‎کنند می‎توانند تصاویر اشعه ایکس و سایر موارد مشابه را تجزیه و تحلیل کنند. دستیار های مراقبت از سلامت شخصی به کمک آن می‎توانند نقش یک مربی زندگی را داشته باشند و کارهایی مانند خوردن قرص ‎ها، انجام فعالیت ‎های ورزشی یا استفاده از یک رژیم غذایی سالم ‎تر را گوشزد کنند.

هوش مصنوعی

حوزه خرده فروشی

استفاده از این فناوری قدرتمند در خرید آنلاین مزایای متعددی به همراه دارد. مشتریان می‎توانند از پیشنهادات خاص و مرتبط با نیاز خود بهره ببرند و حتی با یک ربات هوشمند در مورد گزینه ‎های گوناگون خرید صحبت و مشورت دریافت کنند.

حوزه ورزش

از این فناوری هوشمند می‎توان برای ثبت تصاویر از بازی ‎های مختلف و تهیه گزارش‎ هایی در مورد شیوه سازماندهی بهتر بازی استفاده کرد.

مشکلات استفاده از هوش مصنوعی

با آن که هوش مصنوعی در صنایع مختلف تحول عظیمی به همراه آورده است ولی محدودیت‎های خاص خود را دارد. از جمله محدودیت‎ های مهم هوش مصنوعی می‎توانیم به آموزش آن براساس داده‎ ها اشاره کنیم. روش دیگری برای افزایش دانش و سطح اطلاعات آن وجود ندارد. به عبارت دیگر بی دقتی‎های موجود در داده‎ ها در نتایجی که از این فناوری به دست می‎آوریم تاثیرگذار خواهد بود و علاوه بر این هر لایه مضاعف پیش‎ بینی یا تحلیل باید جداگانه اضافه شود.

آموزش سیستم ‎های امروزی این فناوری برای انجام یک کارکرد مشخص است. به عنوان مثال سیستمی که برای بازی شطرنج طراحی شده است نمی‎تواند بازی مار پله را انجام دهد یا سیستمی که هدف آن شناسایی تقلب است نمی‎تواند برای راندن یک ماشین استفاده شود.

اگر بخواهیم ساده ‎تر بگوییم، این سیستم‎ ها فوق ‎العاده تخصصی هستند و هدف آن ‎ها انجام یک عملکرد خاص است و هنوز بین آن ‎ها و شبیه‎ سازی تمامی رفتار های انسانی فاصله زیادی است.

هوش مصنوعی

نحوه عمل هوش مصنوعی

نحوه عمل هوش مصنوعی به این شکل است که حجم گسترده ‎ای از داده ‎ها به کمک الگوریتم ‎های هوشمند و پردازش با سرعت بالا و مکرر ترکیب می‎شوند تا به کمک بخش نرم ‎افزاری و به صورت خودکار توسط الگوها یا قابلیت‎ های داخل داده ‎ها آموزش ببیند. هوش مصنوعی طیف گسترده‎ ای از تحقیقات است که شامل نظریه‎ ها، راه‎ ها و فناوری ‎های متعدد و همچنین زمینه ‎های زیر می‎شود:

  • یادگیری ماشینی که به کمک آن مدلسازی تحلیل خودکارسازی می‎شود.

 

  • شبکه عصبی شکلی از یادگیری ماشینی به شمار می‎رود که ساختار به هم پیوسته‎ای مانند نورون‎های انسانی دارد که اطلاعات را با واکنش نشان دادن به ورودی‎های بیرونی و تقویت اطلاعات هر واحد تحلیل می‎کند.

 

  • یادگیری عمیق از شبکه‎ های عصبی گسترده که لایه‎ های فراوانی از واحدهای پردازشی دارند استفاده می‎کند.

 

  • پردازش زبان طبیعی یا NLP که به قدرت رایانه ‎ها در تحلیل، درک و تولید زبان انسانی از جمله گفتار اشاره می‎کند.
تبلیغات

پاسخ دهید

آدرس ایمیل شما منتشر نخواهد شد. فیلدهای اجباری مشخص شده اند *
شما می توانید از این استفاده کنید HTML برچسب ها و ویژگی ها: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>