هوش مصنوعی یا به طور اختصار AI شاخه ای گسترده از علوم رایانه ای است که با هوشمندسازی ماشینها، آن ها را قادر به انجام وظایفی می کند که به طور معمول نیاز به هوش انسانی دارند. هوش مصنوعی یک علم میان رشته ای با رویکردهای متعدد است چنانکه برخی شاخه های آن مانند یادگیری ماشینی و یادگیری عمیق تقریبا تمامی صنایع را تحت تاثیر قرار داده اند.
هوش مصنوعی چگونه کار می‌کند؟
کمتر از یک دهه پس از شکستن رمز دستگاه رمزنگاری نازی انیگما و کمک به نیروهای متحدین برای پیروزی در جنگ جهانی دوم، آلان تورینگ تاریخ را بار دیگر با طرح یک سؤال ساده تغییر داد: «آیا ماشینها توان فکر کردن دارند؟» انتشار مقاله تورینگ با عنوان “ماشین محاسبات و هوش” و سپس آزمودن آن، اهداف و چشم‌اندازهای هوش مصنوعی را ترسیم کرد.
هوش مصنوعی شاخه‌ای از علوم رایانه‌ای است که به دنبال پاسخ دادن به سؤال تورینگ است. در واقع علمی است که برای تکثیر یا شبیه سازی هوش انسانی در ماشینها تلاش می‌کند. هوش مصنوعی سؤالات و بحث‌های بسیاری را که حول همان سوال اولیه شکل گرفته است پیگیری می‌کند و به همین دلیل هیچ تعریف جامع و مانعی برای هوش مصنوعی پذیرفته نشده است.
چالش اساسی در تعریف AI این است که وقتی از ساختن ماشین‌های هوشمند سخن می‌گوییم، نمی‌دانیم که هوش مصنوعی چیست و چه چه چیزی باعث می‌شود که یک دستگاه را هوشمند تلقی کنیم. استوارت راسل و پیتر نورویگ در کتاب “هوش مصنوعی: یک رویکرد مدرن”، این تعریف را ارائه کرده‌اند: “هوش مصنوعی مطالعه عواملی است که محیط را درک می‌کنند و متناسب با آن اقداماتی انجام می‌دهند.”
نورویگ و راسل به بررسی چهار رویکرد متفاوت که به لحاظ تاریخی حوزه هوش مصنوعی را تعریف کرده‌اند، می‌پردازند:
- تفکر انسانی
- تفکر منطقی
- اقدام انسانی
- اقدام منطقی
دو مورد اول مربوط به فرآیندهای تفکر و استدلال هستند، درحالی‌که بقیه موارد با رفتار سروکار دارند. نورویگ و راسل به طور ویژه روی عوامل منطقی که برای رسیدن به بهترین نتیجه عمل می‌کنند، تمرکز می‌کنند و اشاره می‌کنند که “تمام مهارت‌های موردنیاز برای آزمون تورینگ نیز به یک عامل اجازه می‌دهند که به‌طور منطقی عمل کند.“
درحالی‌که این تعاریف ممکن است انتزاعی به نظر برسند، به تمرکز بر روی این بخش به عنوان حوزه‌ای از علوم کامپیوتر کمک می‌کنند و همچنین یک طرح اولیه برای اعمال یادگیری ماشین و سایر زیرمجموعه‌های هوش مصنوعی روی ماشینها و برنامه‌ها را ایجاد می‌کنند.
جرمی آجین، مدیرعامل شرکت DataRobot، سخنرانی‌اش در رویداد تجربه‌ی هوش مصنوعی ژاپن سال ۲۰۱۷ را با ارائه تعریف زیر از نحوه استفاده از AI در دنیای امروز شروع کرد:
هوش مصنوعی چگونه استفاده می‌شود؟
به طور کلی هوش مصنوعی به دو دسته زیر تفکیک می‌شود:
Narrow AI یا هوش مصنوعی ضعیف
این نوع هوش مصنوعی در یک زمینه محدود عمل می‌کند و شبیه سازی هوش انسانی است. هوش مصنوعی ضعیف اغلب بر روی یک کار مشخص تعریف می‌شود و در محدوده تعریفش بسیار عالی عمل می‌کند. شاید این ماشینها بسیار هوشمند به نظر برسند اما حقیقت این است که حتی از ابتدائی‌ترین سطوح هوش انسانی هم ساده‌تر عمل می‌کنند.
Artificial General Intelligence یا هوش مصنوعی عمومی
که با عنوان هوش مصنوعی قوی هم شناخته می‌شود، نوعی از هوش مصنوعی است که بیشتر در فیلم‌ها دیده‌ایم، مانند ربات‌های فیلم Westworld. هوش مصنوعی قوی بسیار شبیه به انسان عمل می‌کند چنانکه می‌تواند توانایی‌های خود را بر حل مسائلی در حوزه‌های مختلف به کار بگیرد.
هوش مصنوعی ضعیف
هوش مصنوعی ضعیف، موفقیت‌آمیزترین تحقق ساخت هوش مصنوعی تا به امروز است، چنانکه در همه‌جا نمونه‌هایی از آن قابل مشاهده است. با توجه به بر روی تمرکزش انجام وظایف خاص، در دهه گذشته با پیشرفت‌های زیادی همراه بوده است و منافع اجتماعی و تأثیرات اقتصادی قابل توجهی را رقم زده است. چند مثال از هوش مصنوعی ضعیف عبارت‌اند از:
- موتور جستجوی گوگل
- نرم‌افزارهای تشخیص تصویر
- سیری، الکسا و دیگر دستیارهای شخصی
- اتومبیل‌های خودران
یادگیری ماشین و یادگیری عمیق
هوش مصنوعی ضعیف بیشتر از طریق یادگیری ماشین و یادگیری عمیق بروز داشته است. درک تفاوت بین هوش مصنوعی، یادگیری ماشین و یادگیری عمیق می‌تواند گیج‌کننده باشد. فرانک چن که یک سرمایه گذار خطرپذیر است، تعریف خوبی برای تفکیک بین آن‌ها ارائه می‌کند:
به عبارت ساده، یادگیری ماشین از داده‌های کامپیوتری تغذیه می‌کند و از تکنیک‌های آماری برای کمک به “یادگیری” در مورد چگونگی بهبود مستمر یک کار، بدون اینکه به طور خاص برای آن کار برنامه‌نویسی شده باشد، استفاده می‌کند. این رویکرد نیاز به میلیون‌ها خط کد نویسی را از بین می‌برد. یادگیری ماشین شامل هر دو یادگیری نظارت شده (با استفاده از مجموعه داده‌های برچسب زده شده) و یادگیری نظارت نشده (با استفاده از مجموعه داده‌های بدون برچسب) است.
یادگیری عمیق نوعی یادگیری ماشین است که ورودی‌ها را از طریق یک معماری شبکه عصبی الهام گرفته از محیط زیست، تحلیل می‌کند. شبکه‌های عصبی حاوی تعدادی از لایه‌های پنهان هستند که از طریق آن‌ها داده‌ها پردازش می‌شوند و به این وسیله امکان عمیق شدن یادگیری ماشین از طریق ایجاد ارتباطات و وزن‌دهی ورودی‌ها به منظور دستیابی به بهترین نتایج را فراهم می‌کند.
هوش مصنوعی قوی
ایجاد یک ماشین با هوشی در سطح انسان که می‌تواند هر کاری انجام دهد، یک آرمان بزرگ برای بسیاری از محققین هوش مصنوعی است، اما تلاش برای دستیابی به هوش مصنوعی قوی با مشکل مواجه شده است.
جستجو برای یک “الگوریتم جهانی برای یادگیری و عمل در هر محیط” موضوع جدیدی نیست اما زمان، سختی ایجاد ماشینی که مجموعه‌ی کاملی از توانایی‌های شناختی را دارا باشد، تسهیل نکرده است.
هوش مصنوعی قوی به مدت طولانی به‌عنوان عامل شگفتی در بسیاری از داستان‌های علمی تخیلی که در آن ربات‌هایی با هوش بسیار زیاد بر انسان غلبه می‌کنند، وجود داشته است اما افراد حرفه‌ای معتقد هستند که این موضوعی نیست که بخواهیم در آینده نزدیک نگران آن باشیم.
