دیدگاه دانشی به هوش مصنوعی

هوش مصنوعی (AI) شاخه گسترده ای از علوم رایانه است که مربوط به ساخت ماشین های هوشمند با توانایی انجام وظایفی است که معمولاً به هوش انسان نیاز دارند. 

هوش مصنوعی یک علم میان رشته ای با چندین رویکرد است ، اما پیشرفت در یادگیری ماشین و یادگیری عمیق باعث ایجاد تغییر الگوی تقریباً در هر بخش از صنعت فناوری می شود. 

 

هنوز هیچ تعریف دقیقی از هوش مصنوعی که تمامی دانشمندادن بر روی آن توافق داشته باشند ارائه نشده است ولی اکثر تعریف‌ها را می‌توان به شکل زیر دسته بندی کرد.

1. مانند انسان فکر می‌کند
2. منطقی فکر می‌کند
3. مانند انسان عمل می‌کند 
4. منطقی عمل می‌کند

دو تعریف اول مربوط به فرآیندهای تفکر و استدلال است، در حالی دو تعریف دیگر با رفتار سر و کار دارند.

 

اهداف هوش مصنوعی جدید

دانش هوش مصنوعی به دنبال آنست که هوش انسان و طریق کار آن به‌گونه‌ای تعریف شود که یک ماشین بتواند آن را به راحتی اجرا کند و وظایفی که بر آن محول می‌شود را به درستی اجرا کند. هدف هوش مصنوعی در حقیقت بر سه پایه استوار است:

1.  یادگیری
2.  استدلال
3.  درک

 

مأخذ

تاریخچه هوش مصنوعی

در اساطیر مصر و یونان باستان افسانه هایی از ایجاد اشیاء و ربات هایی که دارای هوش مصنوعی هستند وجود دارد و نشان می دهد انسان از ادوار گذشته اندیشه خلق اجسام هوشمند را در ذهن خود می پرورانده است.

 در طول قرن ها، متفکران و فیلسوفان بزرگی مانند ارسطو تا سایر اندیشمندان مانند توماس بیز از منطق زمان خود برای توصیف فرایندهای فکری انسان استفاده و پایه ای برای درک مفاهیم هوش مصنوعی ایجاد کرده اند.

 

اواخر قرن 19 و نیمه اول قرن 20: تحقیقات هدفمند باعث اختراع دستگاه پیشرفته ای بنام کامپیوتر شد. در سال 1836 ، ریاضیدانان دانشگاه کمبریج ، چارلز بابیج و آگوستا آدا بایرون کنتس لاولیس ، اولین طرح را برای ساخت یک ماشین قابل برنامه ریزی ارائه کردند. 

 

دهه 1940 میلادی: جان فون نویمان(von Neumann János‎) ریاضیدان دانشگاه پرینستون معماری یک رایانهٔ ارقامی که از دو بخش پردازش مرکزی و حافظهٔ مجزا تشکیل می شد را طراحی کرد و وظیفه آن نگه‌داری اطلاعات و دستورالعمل‌ها در حافظه دستگاه بود. همچنین وارن مک کالچ و والتر پیتس پایه و اساس شبکه های عصبی را پایه گذاری کردند.

دهه 1950 میلادی: در این دهه با ظهور رایانه های پیشرفته تر ، دانشمندان می توانستند ایده های خود را در مورد هوش ماشینی آزمایش کنند. آلن تورینگ(Alan Turing) ریاضیدان انگلیسی یک روش را ابداع کرد که برای تعیین امکان هوشمندی در یک سیستم رایانه استفاده  می شد. مک کارتی کسی بود که اولین بار اصطلاح هوش مصنوعی را برای کامپیوترهای هوشمند بکار برد. 

در تابستان سال 1956 در کالح دارتموث کنفرانسی شکل گرفت که توسط آژانس پروژه‌های تحقیقاتی دفاعی پیشرفته (DARPA) حمایت می‌شد، محققین برجسته حوزه علوم کامپیوتر و ریاضیات از جمله پیشروان هوش مصنوعی مانند: مینسکی و مک کارتی(John McCarthy) حضور داشتند.کنفرانس کالج دارتموث انعکاس وسیعی در جهان داشت، سردمداران حوزه نوپای هوش مصنوعی وعده دادند که برنامه هوشمندی را در دست طراحی دارند که می تواند معادل توانایی مغز انسان عمل کند و این فناوری به زودی در دسترس قرار خواهد گرفت. زمان زیادی نگذشت که آنها توانستند پشتیبانی گسترده دولتی و صنعتی را جذب کنند.

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