انواع هوش ماشینی
یک ماشین هوشمند که وظایف انسانی بیشتری را با سطوح مختلف مهارتی انجام میدهد؛ به عنوان یک هوش مصنوعی تکاملیافته در نظر گرفته میشود.
در حالی که یک ماشین هوشمند که قابلیت و عملکرد محدودی دارد؛ به عنوان یک نوع سادهتر و کمتر توسعهیافته در نظر گرفته میشود.
ماشین های واکنشی قدیمیترین اشکال سیستمهای هوش مصنوعی هستند که قابلیت بسیار محدودی دارند. آنها فرایندهای ذهن انسان را در واکنش به انواع مختلف محرکها تقلید میکنند. آنها نمیتوانند از تجارب قبلی خود برای فعالیتهای فعلی خود استفاده کنند و توانایی یادگیری ندارند.
از این ماشینها تنها میتوان برای پاسخ خودکار به مجموعهای محدود از ورودیها استفاده کرد. این سیستمها نمی توانند از حافظه برای بهبود عملکرد خود استفاده کنند. یکی از نمونه های رایج دستگاه هوش مصنوعی واکنشی، دستگاهی بود که در سال 1997 استاد بزرگ شطرنج گری کاسپاروف را شکست داد.
ماشینهای “حافظه محدود” ماشینهایی هستند که علاوه بر داشتن قابلیتهای ماشینهای واکنشی، قادر به یادگیری دادههای مشخصی هستند تا بتوانند تصمیم بگیرند. تقریباً تمام نرم افزارهایی که ما می شناسیم تحت این گروه از هوش مصنوعی قرار می گیرند.
همه سیستمهای هوش مصنوعی امروزی که از یادگیری عمیق استفاده میکنند؛ با حجم زیادی از دادههای آموزشی ذخیره شده در حافظه خود آموزش داده میشوند تا به یک مدل مرجع برای حل مشکلات آتی برسند. برای مثال: در یک برنامه شناسایی تصویر، هوش مصنوعی برای تشخیص اشیاء از هزاران تصویر و برچسب استفاده می کند. برای هر شی یک برچسب آماده می شود و هر برچسب به هوش مصنوعی معرفی می شود.
برنامه هوش مصنوعی از این تصاویر آموزشی به عنوان مرجع برای درک محتوای تصویر استفاده میکند. در نهایت براساس “تجربه یادگیری” سیستم می تواند تصاویر جدید را با دقت بیشتری شناسایی کند. تقریبا تمام برنامههای حاضر هوش مصنوعی، از چت باتها و دستیاران مجازی برای خودروهای خودران از هوش مصنوعی با حافظه محدود استفاده میکنند.
برای مطالعه بیشتر به مأخذ مراجعه کنید