آشنایی با هوش مصنوعی | واقعیتی که دنیا را قورت می‌دهد

روزهایی که جوامع پیشرفته همیشه منتظر آن بودند فرا رسیده است. هوش مصنوعی در عصر حاضر در تمام صحنه‌های زندگی بشریت ورود کرده است و با استفاده‌ی آسان و کاربردی به عنوان یکی از ارکان اصلی ارتباطات و پیشرفت‌های شغلی محسوب می‌گردد. اگر تا به حال با تعاریف بنیادین هوش مصنوعی آشنا نشدید و نیاز به اطلاعاتی درباره‌ی این شاخه‌ی پراهمیت در دنیای برنامه نویسی دارید در این مقاله با ما همراه باشید.

تعریف هوش مصنوعی

عصر حاضر در مسیر پرسرعت دنیای فناوری قرار گرفته و با پیش‌برد و گسترش ارتباطات حتی با یک گوشی تلفن همراه می‌توان با تمام نقاط جهان ارتباط برقرار کرد و به همان نسبت نیز هوش مصنوعی با سرعت هرچه تمام‌تر در حال فراگیر شدن در زندگی انسان‌ها است و اطلاعات هرچه بیشتر پیرامون این موج عظیم بسیار سودمند و لذت‌بخش خواهد بود و مسبب استفاده‌ی بیشتر از مزایای این ابر قدرت دنیای فناوری خواهد بود.

هوش مصنوعی (Artificial Intelligence) یا به اختصار AI به عنوان یکی از شاخه‌های پراهمیت در دنیای کامپیوتر محسوب می‌گردد. این شگفتی در دنیای برنامه نویسی تغییرات گسترده‌ای را در فناوری اطلاعات پدید آورده است. در واقع هوش مصنوعی قصد دارد تا با ایجاد نوعی هوشمندی در ماشین‌ها، بتوانند یادگیری داشته باشند، تفکر کنند و بعد از آن هم به وسیله پردازش تصمیم‌گیری کنند و یک فرآیند به صورت کامل حاصل شود. همان‌طور که در مقاله هوش مصنوعی، فرصت یا تهدید برای مشاغل؟ مورد بحث قرار گرفت،  این فناوری منجر به پیشرفت‌های چشمگیری در زندگی روزمره، صنایع و تولیدات گردیده است. 

معرفی انواع هوش مصنوعی

پیشرفت‌های زیادی در حوزه هوش مصنوعی در حال انجام است آن را به انواع مختلفی تقسیم‌بندی می‌کند. این طبقه‌بندی‌ وضعیت کنونی هوش مصنوعی را به خوبی مشخص خواهد کرد و به فهمیدن شکل نهایی آن در آینده نیز کمک خواهد کرد. در ادامه هفت نوع اصلی هوش مصنوعی که هر کدام برای هدفی طراحی شده‌اند معرفی گردیده‌اند:

• هوش مصنوعی محدود ANI

این نوع از هوش مصنوعی برای سیستم‌هایی در نظر گرفته شده که تنها توانایی انجام یک کار را دارند یا به بیان دیگر برای کاری خاص و محدود ساخته شده‌اند.

• هوش مصنوعی عمومی AGI

این نوع از هوش مصنوعی برخلاف مدل اول محدود به یک وظیفه مشخص نیست و طیف وسیعی از کارها را در بر می‌گیرد. توانایی این سیستم در حد انسان است به همین جهت بشر هنوز فاصله زیادی تا ساخت این نوع هوش مصنوعی دارد اما نمونه‌های آن را می‌توان در فیلم‌ها و رمان‌های تخیلی مشاهده کرد در جایی که ربات‌ها بدون نیاز به انسان کارها را انجام می‌دهند.

• هوش مصنوعی فوق هوشمند ASI

به ماشین‌هایی اشاره‌ دارد که از سطح هوش انسانی گذشته‌ و دیگر محدودیت‌های هوش انسانی را ندارند. این گونه از AI، شاید همانی باشد که بسیاری را نگران آینده‌ی استفاده از این فناوری‌ها کرده است. شاید بتوان گفت فراهوش نسخه پیشرفته‌تر از هوش عمومی باشد و سطح توانایی این هوش از تمام توانایی‌های طبیعی انسان بالاتر است و در کل برتری کاملی نسبت به انسان دارد.

• هوش مصنوعی ماشین واکنشی Reactive Machine AI

این نوع از هوش مصنوعی قادر به پاسخ به محرک‌های خارجی در زمان واقعی خواهد بود اما قادر به ایجاد حافظه یا ذخیره اطلاعات برای آینده نیست.

• هوش مصنوعی نظریه ذهن Theory of Mind AI

از سری ماشین‌هایی که می‌تواند احساسات انسانی را حس کند و به آن‌ها پاسخ دهد، به علاوه وظایف ماشین‌های با حافظه محدود را نیز انجام دهد.

• هوش مصنوعی با حافظه محدود Limited Memory AI

در این هوش مصنوعی دانش و اطلاعات ذخیره می‌شود تا در آینده برای آموزش دادن و یادگیری از آن استفاده شود.

• هوش مصنوعی خودآگاه Self-Aware AI

این نوع از هوش مصنوعی قابلیت شناسایی احساسات دیگران را دارد و قادر به حس خود و هوش در سطح انسان است که این مرحله نهایی هوش مصنوعی خواهد بود.

حوزه های کلیدی در هوش مصنوعی

اطلاعات پس از ورود به هوش مصنوعی نیاز به درک شدن خواهند داشت. چندین حوزه‌ی مهم و کاربردی در دنیای در حال توسعه‌ی هوش مصنوعی وجود دارد که به تعاملات بهتر کاربران با ماشین‌ها(هوش مصنوعی) کمک شایانی می‌کنند. در اینجا برای آشنایی با توانایی‌های بیشتر در درک و پردازش سیستم، اصطلاحاتی در ادامه معرفی گردیده است:

• پردازش زبان طبیعی
• یادگیری ماشین
• شبکه عصبی
• بینایی ماشین

پردازش زبان طبیعی Natural Language Processing

که به اختصار NLP نیز نامیده می‌شود، یکی از شاخه‌های هوش مصنوعی به شمار می‌رود که در آن رایانه بتواند با آگاهی از چگونگی استفاده بشر از زبان، زبان انسانی را درک کند. NLP را می‌توان به دو زیرشاخه که با هم همپوشانی دارند تقسیم نمود: 

• درک زبان طبیعی (NLU): این ماشین بر تحلیل معنایی یا تعیین معنای متن مورد نظر تمرکز خواهد داشت.
• تولید زبان طبیعی (NLG): این زبان بر تولید متن توسط یک ماشین تمرکز دارد.

 NLP از تشخیص گفتار جدا محسوب می‌شود اما اغلب همراه با آن استفاده می‌گردد زیرا به دنبال تجزیه زبان گفتاری به کلمات و همچنین تبدیل صدا به متن و برعکس است. این علم کاربردهای بسیاری دارد که از جمله آن‌هابه موارد زیر می‌توان اشاره نمود:

• ترجمه‌ی ماشینی و ویرایشگرهای متن
• تحلیل عواطف و سیستم‌های توصیه‌گر
• دسته‌بندی متون و یادگیری ماشین
• دستیارهای صوتی و گفتگوهای تعاملی

یادگیری ماشین Machine Learning

شاید بتوان گفت یادگیری ماشین و هوش مصنوعی دو کلمه جدایی‌ناپذیر هستند به این جهت که در دنیای هوش مصنوعی به یک عامل هوشمند آموزش داده می‌شود که از ویژگی‌ها و تحلیل رفتارهای شبیه به انسان استفاده کند. در یادگیری ماشین برنامه و کدی که برای ماشین نوشته شده و نیز ساختار به او آموزش داده می‌شود. پس به بیان بهتر می‌توان گفت یادگیری ماشین زیر مجموعه‌ی بسیار مهمی از هوش مصنوعی محسوب می‌شود. در یادگیری ماشین هدف این است که ماشین بدون دخالت انسانی و اتوماتیک یادگیری را انجام دهد و بتواند در موقعیت‌های مناسب تصمیم‌گیری کند و اقدامات خود را مطابق با آن تنظیم نماید. یادگیری ماشین به 3 گروه تقسیم می‌شود: 

• یادگیری با نظارت 
• یادگیری بدون نظارت 
• یادگیری تقویت شده

شبکه عصبی Neural Networks

محققان با الهام از عملکرد پیچیده مغز انسان که در آن صدها میلیارد نورون به صورت هم پیوسته اطلاعات را به صورت موازی پردازش می‌کنند یک مدل ریاضی یافتند که این مدل منجر به ایجاد ساختاری به نام شبکه عصبی مصنوعی شده است. از این شبکه می توان در مباحث مدل‌سازی، بهینه‌سازی، طبقه‌بندی و شناسایی سیستم استفاده نمود. در شبکه عصبی مغز انسان نورون‌ها از طریق سیناپس‌ها به یکدیگر متصل هستند. اطلاعات در مغز انسان از نورون‌های دیگر به وسیله‌ی دندریت (dendrite) دریافت می‌گردند. این اطلاعات در نورون‌ها اگر از حدی فراتر روند به اصطلاح فعال (fire) می‌شود و این سیگنال فعال شده از طریق آکسون‌ها (axons) به نورون‌های دیگر منتقل می‌شود. این فرآیند، منجر به یادگیری می‌شود و پس از دریافت داده ورودی، پردازشی روی آن انجام می‌دهند و نتیجه را به یک سلول دیگر منتقل می‌کنند. این روند تا زمانی که نتیجه نهایی مورد نظر به دست آید ادامه دارد و در نهایت منجر به رویدادی خواهد شد. پس وقتی گفته می‌شود که یک شبکه عصبی را آموزش دهید یعنی نورون‌ها هرگاه که یک الگوی مشخص از داده‌ها را یاد گرفتند فعال شوند.

بینایی ماشین Computer Vision

امروزه حوزه بینایی ماشین و پردازش تصویر در صنعت بسیار مورد استفاده قرار گرفته است که به نوعی کاربر از ماشین درخواست تحلیل تصاویر را خواهد داشت. ورودی سیستم در اینجا صرفا یک تصویر بوده و خروجی هم بسته به پردازشی که خواهد بود که از سیستم دریافت می‌شود. این خروجی می‌تواند گاهی یک سری اطلاعات دریافتی از عکس و گاهی نیز یک عکس بازیابی شده از روی عکس مخدوش باشد. پردازش تصویر نیز به دو روش آنالوگ و دیجیتال انجام می‌شود که در صنایع مختلف از اهمیت ویژه‌ای برخوردار است. ماشین‌ها به واسطه این روش می‌توانند عکس‌ها را دسته‌بندی نموده و حتی مطالبی را از آن‌هافرا بگیرند.

حوزه بینایی ماشین به سه زیرشاخه مهم تقسیم‌بندی می‌شود:

• مطابقت دو سویی (Stereo Correspondence)
• بازسازی صحنه (Scene Reconstruction)
• بازشناسی یا تشخیص اشیاء (Object Recognition)

کاربردهای هوش مصنوعی

هوش مصنوعی از آن دسته فناوری هاست که می‌تواند به سرعت در تمامی زمینه‌ها و ابعاد شغلی از قابلیت‌های آن بهره‌مند گردید. از دلیل محبوبیت آن در سراسر جهان می توان به توانایی کار کردن و فکر کردن مانند یک انسان اشاره نمود. کاربردهای گسترده‌ی آن در زمینه‌هایی مانند سلامت، آموزش، الکترونیک و یا حمل نقل بسیاری از کارها را برای بشریت تسهیل نموده است که در ادامه برخی از آن‌ها بیان گردیده‌اند:

آینده هوش مصنوعی

هوش مصنوعی می‌تواند در زمینه‌هایی که پیش‌تر ذکر شد مانند پردازش زبان طبیعی و یا یادگیری ماشین رشد بالایی داشته باشد زیرا طیف وسیعی از فناوری‌ها به آن‌ها وابسته گردیده است. دیدگاه‌های متفاوت دیگری نیز درباره آینده هوش مصنوعی تخمین زده شده است. خیلی از بزرگان و دانشمندان از جمله ایلان ماسک و استیون هاوکینگ در مورد خطر آن برای آینده بشر نیز هشدار داده‌اند و حتی برخی نگران سلاح‌های کشتارجمعی مجهز به هوش مصنوعی هستند که نمونه‌ آن‌ها را می‌توان در ترورهای شخصی‌سازی شده با پهباد‌ها و ریزپرنده‌ها مشاهده نمود اما می‌توان با بهره‌مندی از مزایای بی‌نهایت هوش مصنوعی، این موارد را کمتر نموده و حتی با آن‌ها مقابله کرد و در جهت پیشرفت و توسعه گام برداشت. در صورت یادگیری این علم نوین، می توان در زمینه‌های متعددی به ایفای نقش پرداخت و درآمد مناسبی نیز کسب نمود. هوش مصنوعی همواره در حال ایجاد فرصت‌های شغلی جدید و پویاست که تاثیر عمده‌ای نیز بر اقتصاد خواهد گذاشت. چنانچه علاقه‌مند به یادگیری این علم جذاب هستید می‌توانید در دوره‌های زیر شرکت نمایید:

• دوره آموزش پایتون PYTHON مقدماتی
• دوره آموزش سی پلاس پلاس ++C
• دوره آموزش یادگیری عمیق با پایتون Deep Learning by Python
• دوره آموزش علم داده با پایتون Data Science by Python
• دوره آموزش پردازش تصویر پیشرفته

برای یادگیری سریع‌تر و نتیجه بخشی بهتر در حیطه‌ی هوش مصنوعی، دوره‌های گروه آموزشی پارس پژوهان به صورت کامل از سطح مقدماتی، آموزش هوش مصنوعی را از طریق زبان‌های برنامه نویسی آغاز کرده و تا آموزش‌های پیشرفته همراه با تدریس اساتید مجرب با دانش‌پژوهان همراه خواهد بود. یکی از موارد پر اهمیت در شروع یادگیری هوش مصنوعی، نیاز نداشتن به پیش نیاز و تحصیل در رشته‌های مرتبط است که علاقه‌مندان زیادی را از رشته‌ها و مقاطع تحصیلی مختلف به خود جذب کرده است.

جمع‌بندی

هوش مصنوعی انواع و سطوح مختلفی دارد و برای ساخت یک سیستم هوش مصنوعی کامل با ایجاد ویژگی‌ها و قابلیت‌های یک انسان در ماشین و تقویت آن‌هاباید از فناوری‌هایی مانند یادگیری ماشین، پردازش زبان طبیعی، بینایی ماشین، شبکه عصبی بهره مند گردید و به یادگیری آن‌ها پرداخت. هوش مصنوعی در تمام جنبه‌های زندگی روزمره‌ی انسان‌ها نفوذ کرده و در بسیاری از موارد به تسهیل مسائل و مشکلات پرداخته است و با استفاده‌ی صحیح از آن می‌توان به توسعه و رشد فردی و شغلی کمک شایانی نمود.

 نویسندگان: نگین بشیری، کارشناس ارشد هوش مصنوعی و رباتیک - صالحه علی پور،کارشناس ارشد مهندسی پزشکی