بازخبر/در این مقاله با نیما حاجیان افراکتی پژوهشگر حوزه آینده پژوهی و مدیریت تکنولوژی همراه باشید.
در علوم کامپیوتر و داده، هوش مصنوعی یا هوش ماشینی به نوع خاصی از هوشمندی و آگاهی گفته میشود که از ماشینی که انسان نیست بهدست بیاید. در کتابهای تخصصی علوم کامپیوتر و هوش مصنوعی به عنوان هر دستگاهی که توانایی درک محیط و فعالیت با حداکثر شانس موفقیت را داشته باشد معرفی میشود. مجموع اصطلاح هوش مصنوعی برای توصیف ماشینها یا کامپیوترهایی به کار میرود که فعالیتهای شناختی وابسته به ذهن انسان را بهخوبی خود انسان و یا با اختلاف بسیار کمی انجام میدهند.
بهاختصار AI همان شبیهسازی فرآیندهای ذهنی و هوش انسانی توسط ماشینها و کامپیوترها بهمنظور تکرار این فرآیند و نتایج حاصل از آن، بدون نیاز به انسان است.
یا به عبارت سادهتر، مجموعهای از فناوریهای مختلف است که در کنار یکدیگر ماشینها را قادر میسازند تا مشابه انسان حس، درک و عمل کنند. همچنین همانند انسانها آموزش ببینند و بیاموزند.
فارغ از تعریف علمی باید بدانیم که سازوکار یک ماشین هوش مصنوعی چیست؟
بهطورساده باید بگوییم اساس عملکرد این ماشینها بر آنالیز دیتاهای انبوه و سپس مدلسازی آنها استوار است و بر اساس مدل بهدستآمده، تصمیم یا نتیجهی لازم را ارائه میدهند. مثلا جستجوی صوتی یا تصویری گوگل با آنالیز زبان، رنگ، المانها و غیره انجام میشود تا مرتبطترین نتایج منطبق با گفتار و مطالب موجود در اینترنت به مخاطب نمایش داده شود. گوگل برای این ویژگی و دیگر امکاناتش از چندین شرکت هوش مصنوعی کمک میگیرد
وقتی که انسانها یاد میگیرند، در واقع مواردی را به خاطر میسپارند و اطلاعاتی را در مغزشان ذخیره میکنند. سپس از این اطلاعات ذخیره شده در مغز برای تصمیمگیری هوشمندانه استفاده میشود. در خصوص ماشینها و هوش مصنوعی هم شرایط یکسان است و درست مشابه انسانها، کامپیوترها هم باید ابتدا یاد بگیرند و نمیتوانند تا زمانی که آموزش ندیدهاند هوشمند شوند.
هوش مصنوعی حوزهای است که علم کامپیوتر و مجموعه دادههای قوی را ترکیب میکند تا امکان حل مسئله را فراهم کند. همچنین شامل زیرشاخههای یادگیری ماشینی Machine Learning و یادگیری عمیق Deep Learning است که اغلب در ارتباط با هوش مصنوعی ذکر میشوند.
منظور از ماشین لرنینگ در هوش مصنوعی
ماشین لرنینگ فرایندی است که طی آن، دادههای یک الگوریتم توسط کامپیوتر و تکنیکهای آماری تغذیه میشوند. هدف از این کار، کمک به یادگیری و بهبود تدریجی عملکرد الگوریتم است. این الگوریتم لزوما برای انجام یک کار خاص برنامهریزی نشده است؛ اما بهواسطهی این سازوکار میتواند به تدریج، روند انجام آن را فرا بگیرد.
به یک الگوریتم Machine Learning بهاختصار ML گفته میشود. این الگوریتم از دادههای قبلی و ساختاریافته بهمنظور پیشبینی مقادیر خروجی خود استفاده میکند. بر این اساس، ماشین لرنینگ خود به دو نوع زیر تقسیم میشود:
- یادگیری نظارتشده یا Supervised Learning که در آن، نتایج بر اساس دادههای ورودی برچسبگذاریشده یا ساختاریافته از قبل مشخص هستند.
- یادگیری غیرنظارتشده یا Unsupervised Learning که در آن از دادههای بدون برچسب یا غیرساختاری استفاده میشود. نتایج این الگوریتم، غیرقابلپیشبینی هستند.
نیما حاجیان در این باب عنوان میکند، در یادگیری ماشین، سیستمی طراحی و ساخته میشود که به یادگیری ادامه میدهد و رفته رفته خودش را بر اساس تجربه بدست آمده بهبود میدهد.
مثالی ساده برای درک بهتر مفهوم هوش مصنوعی:
برای مثال اگر فردی بخواهد رانندگی کند و اتومبیلی را براند، پیش از هر چیز باید موارد لازم را در مورد آن ماشین یاد بگیرد. فرد باید حتماً نحوه روشن کردن اتومبیل را بیاموزد؛ باید یاد بگیرد چگونه از دنده و پدالها استفاده کند و ماشین را به جلو براند. همچنین علائم رانندگی بسیار مهم هستند و فرد باید بتواند مفهوم هرکدام از آنها را درک کند و آنها را در مغز خود حفظ کرده باشد. به این ترتیب در حین رانندگی فرد میتواند براساس آموختههای خود تصمیمگیری کند.
کامپیوترها هم به همین شکل عمل میکنند. یادگیری در کامپیوترها با استفاده از دادهها اتفاق میافتد. ماشینها و کامپیوترها الگوهای موجود در دادهها را درک میکنند و سپس مدلهایی را میسازند و این مدلها برای تصمیمگیری مورد استفاده قرار میگیرند. بنابراین انجام کارهایی هوشمندانه توسط ماشین و کامپیوترهای ساخته شده توسط انسان را هوش مصنوعی مینامند.
مهمترین شاخههای هوش مصنوعی چیست؟
- سیستمهای خبره
- روباتیک
- یادگیری ماشینی
- مهندسی دانش و بازیابی هوشمند
- منطق فازی
- شبکههای عصبی
- پردازش زبان طبیعی
هوش مصنوعی چطور آموزش میبیند؟
مهمترین بخش در تمام مدلهای یادگیری ماشینی، مرحلهای است که به آن آموزش میگویند، جایی که یک برنامه کامپیوتری حجم عظیمی از دادهها، گاهی با برچسبهایی که نوع داده را توضیح میدهد و همین طور مجموعهای از دستورالعملها را دریافت میکند.
دستورالعملها ممکن است چیزی شبیه این باشد: “تصاویری را پیدا کن که حاوی چهره باشد” یا “این صداها را دستهبندی کن”.
در این مرحله برنامه به دنبال الگوهایی در دادههای دریافتی میگردد که با اهدافی که برایش تعریف شده، سازگار باشد.
ممکن است در طول مسیر نیاز به تذکر و یادآوری داشته باشد، مثل این که «این یک چهره نیست» یا «این صداها متفاوتند». در نهایت آنچه که برنامه کامپیوتری از دادهها و دستورات و سرنخهای دریافتی یاد میگیرد، به یک مدل هوش مصنوعی تبدیل میشود و اطلاعاتی که برای آموزش در اختیارش گذاشته شده، سطح توانایی آن را تعیین میکند.
الگوریتم هوش مصنوعی
منظور از الگوریتم هوش مصنوعی، برنامهای است که به واسطهی آن میتوان یک سیستم مبتنی بر هوش مصنوعی را ایجاد کرد. الگوریتمهای متفاوتی برای این منظور وجود دارد که هرکس بسته به نوع کسبوکار و هدفی که دارد، باید از الگوریتم متفاوتی استفاده کند. از جمله معروفترین الگوریتمهای این حوزه:
- الگوریتم رگرسیون خطی
- الگوریتم رگرسیون لجستیک
- الگوریتم درخت تصمیمگیری
باتشکر از آقای نیما حاجیان پژوهشگر حوزه آینده پژوهی و مدیریت تکنولوژی