هوش مصنوعی چیست ؟ توضیح کامل

هوش مصنوعی چیست ؟

هوش مصنوعی (AI) شاخه وسیعی از علوم کامپیوتر است که مربوط به ساخت ماشین های هوشمند است که قادر به انجام وظایفی هستند که معمولاً به هوش انسان نیاز دارند. هوش مصنوعی یک علم میان رشته ای با چندین رویکرد است ، اما پیشرفت در یادگیری ماشینی و یادگیری عمیق باعث ایجاد تغییر الگوی تقریباً در هر بخش از صنعت فناوری می شود

کمتر از یک دهه پس از شکستن ماشین رمزگذاری نازی Enigma و کمک به نیروهای متفقین برای پیروزی در جنگ جهانی دوم ، آلن تورینگ ریاضیدان برای بار دوم با یک سوال ساده تاریخ را تغییر داد: “آیا ماشین ها می توانند فکر کنند؟” 

مقاله تورینگ با عنوان ” محاسبات ماشین آلات و هوش ” (1950) ، و سپس آزمایش تورینگ ، هدف اساسی و چشم انداز هوش مصنوعی را تعیین کرد.   

هسته اصلی آن ، AI شاخه ای از علوم کامپیوتر است که هدف آن پاسخ مثبت به سوال تورینگ است. این تلاش برای تکرار یا شبیه سازی هوش انسان در ماشین است.

هدف گسترده هوش مصنوعی س questionsالات و بحث های زیادی را به وجود آورده است. تا آنجا که هیچ تعریف واحدی از این رشته در سطح جهانی پذیرفته نشده است.  

عمده ترین محدودیت در تعریف هوش مصنوعی به عنوان ساده “ساخت ماشین هایی که هوشمند هستند” این است که در واقع توضیح نمی دهد که هوش مصنوعی چیست؟ چه چیزی یک ماشین را هوشمند می کند؟

نویسندگان استوارت راسل و پیتر نورویگ در کتاب درسی پیشگامانه خود ، هوش مصنوعی: رویکردی مدرن ، با یکسان سازی کار خود پیرامون موضوع عوامل هوشمند در ماشین ها ، به این س approachال می پردازند. با توجه به این نکته ، هوش مصنوعی “مطالعه عواملی است که از محیط دریافت می کنند و اعمال را انجام می دهند”. (Russel and Norvig viii)

Norvig و Russell در ادامه به بررسی چهار رویکرد مختلف می پردازند که به طور تاریخی زمینه AI را تعریف کرده اند: 

1. انسانی فکر کردن
2. منطقی فکر کردن
3. انسانی عمل می کند 
4. منطقی عمل می کند

دو ایده اول مربوط به فرایندهای تفکر و استدلال است ، در حالی که دیگران با رفتار سروکار دارند. نورویگ و راسل به ویژه بر عوامل منطقی که برای رسیدن به بهترین نتیجه عمل می کنند تمرکز می کنند و خاطرنشان می کنند: “تمام مهارت های مورد نیاز برای آزمون تورینگ همچنین به یک عامل اجازه می دهد منطقی عمل کند.” (راسل و نورویگ 4).

پاتریک وینستون ، استاد هوش مصنوعی و علوم رایانه ای فورد در MIT ، هوش مصنوعی را چنین تعریف می کند: “الگوریتم هایی که توسط محدودیت ها فعال می شوند ، در معرض نمایش هایی قرار می گیرند که از مدل های هدفمند حلقه هایی پشتیبانی می کنند که تفکر ، ادراک و عمل را به هم گره می زند.”

مشاهده همه مشاغل

پیدا کردن چه کسی استخدام می کند.
مشاغل موجود در شرکت های برتر فناوری و استارتاپ ها را مشاهده کنید

مشاهده همه مشاغل

گرچه این تعاریف به نظر می رسد برای یک فرد عادی انتزاعی باشد ، اما به تمرکز حوزه به عنوان حوزه ای از علوم رایانه کمک می کند و طرحی برای تزریق ماشین آلات و برنامه ها با یادگیری ماشین و سایر زیر مجموعه های هوش مصنوعی فراهم می کند. 

در حالی که خطاب به جمعیت در ژاپن AI تجربه در سال 2017 ، مدیر عامل شرکت DataRobot جرمی اچین سخنرانی خود با ارائه تعریف زیر را برای هوش مصنوعی مورد استفاده قرار امروز آغاز شد:

“هوش مصنوعی یک سیستم رایانه ای است که قادر به انجام وظایفی است که معمولاً به هوش انسانی نیاز دارد … بسیاری از این سیستم های هوش مصنوعی با یادگیری ماشینی کار می کنند ، برخی از آنها با یادگیری عمیق و برخی دیگر با چیزهای بسیار کسل کننده مانند قوانین تأمین می شوند. ” 

شرکتهای برتر داغترین مراکز هوش مصنوعی ملت را بررسی کنید

هوش مصنوعی چگونه استفاده می شود؟

هوش مصنوعی معمولاً تحت دو دسته گسترده قرار می گیرد: 

• هوش مصنوعی باریک: گاهی اوقات به عنوان “هوش مصنوعی ضعیف” نیز شناخته می شود ، این نوع هوش مصنوعی در یک زمینه محدود عمل می کند و شبیه سازی هوش انسانی است. هوش مصنوعی باریک اغلب بر انجام یک کار واحد بسیار خوب متمرکز است و اگرچه این ماشین ها هوشمند به نظر می رسند ، اما آنها با محدودیت ها و محدودیت های بسیار بیشتری حتی از ابتدایی ترین هوش انسانی کار می کنند. 
• Artificial General Intelligence (AGI) : AGI که ​​گاهی اوقات “Strong AI” نیز خوانده می شود ، نوعی هوش مصنوعی است که در فیلم ها می بینیم ، مانند ربات های  Westworld  یا Data from  Star Trek: The Next Generation . AGI ماشینی با هوش عمومی است و دقیقاً مانند یک انسان می تواند از این هوش برای حل هر مشکلی استفاده کند. 

مثالهای هوش مصنوعی

• دستیارهای هوشمند (مانند سیری و الکسا)
• ابزار نقشه برداری و پیش بینی بیماری
• تولید و تولید ربات های بدون سرنشین
• توصیه های درمانی بهداشت شخصی و بهینه شده
• ربات های مکالمه برای بازاریابی و خدمات به مشتری
• مشاوران روبو برای تجارت سهام
• فیلترهای هرزنامه از طریق ایمیل
• ابزارهای نظارت بر شبکه های اجتماعی برای محتوای خطرناک یا اخبار نادرست
• توصیه های آهنگ یا برنامه تلویزیونی از Spotify و Netflix

هوش مصنوعی باریک
هوش مصنوعی باریک در اطراف ماست و به راحتی موفق ترین تحقق هوش مصنوعی تاکنون است. با تمرکز بر انجام وظایف خاص ، هوش مصنوعی باریک در دهه گذشته موفقیت های زیادی را تجربه کرده است که “دارای مزایای قابل توجهی در جامعه بوده و به نشاط اقتصادی ملت کمک کرده است” ، طبق “آماده سازی برای آینده هوش مصنوعی” ، گزارش سال 2016 منتشر شده توسط دولت اوباما. 

چند نمونه از هوش مصنوعی باریک عبارتند از: 

• جستجوی گوگل
• نرم افزار تشخیص تصویر
• سیری ، الکسا و سایر دستیاران شخصی
• اتومبیل های خودران
• واتسون IBM 

یادگیری ماشین و یادگیری عمیق 
بیشتر هوش مصنوعی باریک با پیشرفت هایی در یادگیری ماشین و یادگیری عمیق ایجاد می شود . درک تفاوت بین هوش مصنوعی ، یادگیری ماشین و یادگیری عمیق می تواند گیج کننده باشد. سرمایه گذار خطرپذیر ، فرانک چن ، نمای خوبی از چگونگی تمایز بین آنها ارائه می دهد ، و خاطرنشان می کند:  

“هوش مصنوعی مجموعه ای از الگوریتم ها و هوش برای تقلید از هوش انسان است. یادگیری ماشین یکی از آنهاست ، و یادگیری عمیق یکی از آن تکنیک های یادگیری ماشین است.” 

به زبان ساده ، یادگیری ماشینی داده های رایانه را تغذیه می کند و از تکنیک های آماری برای کمک به “یادگیری” نحوه پیشرفت بهتر در یک کار ، بدون برنامه ریزی خاص برای آن کار ، استفاده می کند و میلیون ها خط کد نوشتاری را از بین می برد. یادگیری ماشین شامل یادگیری تحت نظارت (با استفاده از مجموعه داده های دارای برچسب) و یادگیری بدون نظارت (با استفاده از مجموعه داده های بدون برچسب) است.  

یادگیری عمیق نوعی یادگیری ماشینی است که ورودی ها را از طریق ساختار شبکه عصبی الهام گرفته از زیست شناسی اجرا می کند. شبکه های عصبی شامل تعدادی لایه پنهان است که داده ها از طریق آنها پردازش می شوند ، و به ماشین اجازه می دهد تا “عمیق” در یادگیری خود داشته باشد ، اتصالات و ورودی وزنی را برای بهترین نتیجه ایجاد کند.
هوش عمومی مصنوعی
ایجاد ماشینی با هوش در سطح انسانی که برای هر کاری قابل استفاده باشد ، برای بسیاری از محققان هوش مصنوعی جام مقدس است ، اما تلاش برای AGI با دشواری همراه بوده است. 

جستجوی “الگوریتم جهانی برای یادگیری و عملکرد در هر محیط” (راسل و نورویگ 27) چیز جدیدی نیست ، اما زمان مشکل اساسی در ایجاد یک ماشین با مجموعه کامل توانایی های شناختی را کاهش نداده است. 

مدت هاست AGI موزه داستان علمی تخیلی (dystopian) است که در آن ربات های بسیار هوشمند بیش از حد بر بشریت غلبه می کنند ، اما کارشناسان معتقدند که این موضوعی نیست که به زودی نگران آن باشیم .

تاریخچه هوش مصنوعی

روبات های هوشمند و موجودات مصنوعی اولین بار در افسانه های باستان یونان باستان ظاهر شدند. پیشرفت ارسطو برای هم افزایی و استفاده از استدلال قیاسی ، لحظه ای اساسی در تلاش بشر برای درک هوش خود بود. در حالی که ریشه ها طولانی و عمیق است ، تاریخچه هوش مصنوعی همانطور که امروز به آن فکر می کنیم کمتر از یک قرن طول می کشد. در زیر نگاهی گذرا به برخی از مهمترین وقایع AI می افتد. 
1943

• وارن مک کالو و والتر پیتز “حساب منطقی ایده های ماندگار در فعالیت عصبی” را منتشر کردند. در این مقاله اولین مدل ریاضی برای ایجاد یک شبکه عصبی ارائه شده است. 

1949

• دونالد هب در کتاب خود با عنوان  “سازمان رفتار: نظریه عصب روانشناختی” این نظریه را ارائه می دهد که مسیرهای عصبی از تجربیات ایجاد می شوند و ارتباطات بین سلولهای عصبی هرچه بیشتر مورد استفاده قرار می گیرند ، قویتر می شوند. یادگیری Hebbian به عنوان یک مدل مهم در هوش مصنوعی ادامه دارد.

1950

• آلن تورینگ با انتشار “رایانه و ماشین آلات و هوش ، پیشنهادی را ارائه می دهد که اکنون به عنوان آزمایش تورینگ شناخته می شود ، روشی برای تعیین هوشمند بودن ماشین. 
• در دانشگاه هاروارد ، ماروین مینسکی و دین ادموندز ، لیسانس SNARC ، اولین کامپیوتر شبکه عصبی را ساختند.
• کلود شانون مقاله “برنامه نویسی کامپیوتر برای بازی شطرنج” را منتشر می کند.
• آیزاک آسیموف “سه قانون رباتیک” را منتشر می کند.  

1952

• آرتور ساموئل یک برنامه خودآموزی برای بازی شطرنجی ایجاد می کند. 

1954

• آزمایش ترجمه ماشین Georgetown-IBM به طور خودکار 60 جمله روسی با دقت انتخاب شده را به انگلیسی ترجمه می کند. 

1956

• عبارت هوش مصنوعی در “پروژه تحقیقاتی تابستان دارتموث در مورد هوش مصنوعی” ابداع شده است. به همت جان مک کارتی ، این کنفرانس که دامنه و اهداف هوش مصنوعی را مشخص می کند ، تولد هوش مصنوعی است که امروزه می شناسیم. 
• آلن نیول و هربرت سایمون ، اولین برنامه استدلال ، نظریه پرداز منطق (LT) را نشان می دهند. 

1958

• جان مک کارتی زبان برنامه نویسی هوش مصنوعی Lisp را توسعه داده و مقاله “Programs with Common Sense” را منتشر می کند. در این مقاله فرضیه Advice Taker ، یک سیستم هوش مصنوعی کامل با توانایی یادگیری از تجربه به همان اندازه موثر بودن انسان ارائه شده است.  

1959

• آلن نیول ، هربرت سایمون و جی سی شاو برنامه عمومی مسئله (GPS) را توسعه می دهند ، برنامه ای که برای تقلید از حل مسئله انسان طراحی شده است. 
• هربرت گلرنتر برنامه Proore Theorem Prover را توسعه می دهد.
• آرتور ساموئل اصطلاح یادگیری ماشین را در IBM سکه می کند.
• جان مک کارتی و ماروین مینسکی پروژه هوش مصنوعی MIT را پیدا کردند.

1963

• جان مک کارتی آزمایشگاه هوش مصنوعی را در استنفورد راه اندازی می کند.

1966

• گزارش کمیته مشورتی پردازش خودکار زبان (ALPAC) توسط دولت ایالات متحده جزئیات عدم پیشرفت در تحقیقات ترجمه ماشینی ، یک ابتکار اصلی جنگ سرد با وعده ترجمه خودکار و فوری روسی را شرح می دهد. گزارش ALPAC منجر به لغو کلیه پروژه های MT بودجه دولت می شود. 

1969

• اولین سیستم های موفق متخصص در DENDRAL ، یک برنامه XX ، و MYCIN ، طراحی شده برای تشخیص عفونت های خون ، در استنفورد ایجاد شده است.

1972

• زبان برنامه نویسی منطقی PROLOG ایجاد شده است.

1973

• “گزارش لایت هیل” که جزئیات ناامیدکننده ها در تحقیقات هوش مصنوعی است ، توسط دولت انگلیس منتشر شده و منجر به کاهش شدید بودجه پروژه های هوش مصنوعی می شود. 

1974-1980

• سرخوردگی از پیشرفت توسعه هوش مصنوعی منجر به کاهش عمده DARPA در کمک های تحصیلی می شود. همراه با گزارش قبلی ALPAC و “گزارش Lighthill” سال قبل ، بودجه هوش مصنوعی خشک می شود و تحقیقات را متوقف می کند. این دوره به عنوان “اولین زمستان هوش مصنوعی” شناخته می شود. 

1980

• شرکتهای تجهیزات دیجیتال R1 (همچنین به عنوان XCON شناخته می شود) ، اولین سیستم متخصص تجاری موفق را توسعه می دهد. R1 که برای پیکربندی سفارشات سیستم های رایانه ای جدید طراحی شده است ، رونق سرمایه گذاری را در سیستم های خبره آغاز می کند که بیشتر دهه ادامه خواهد داشت و در واقع اولین “زمستان هوش مصنوعی” پایان می یابد.

سال 1982

• وزارت تجارت و صنعت بین الملل ژاپن پروژه بلند پروازانه نسل پنجم سیستم های رایانه ای را آغاز کرد. هدف FGCS توسعه عملکرد فوق العاده رایانه و بستر توسعه هوش مصنوعی است.

1983

• در پاسخ به FGCS ژاپن ، دولت ایالات متحده طرح محاسبات استراتژیک را برای ارائه تحقیقات با بودجه DARPA در زمینه محاسبات پیشرفته و هوش مصنوعی آغاز می کند. 

1985

• شرکت ها سالانه بیش از یک میلیارد دلار صرف سیستم های خبره می کنند و کل صنعت معروف به بازار ماشین آلات Lisp برای حمایت از آنها به وجود می آید. شرکت هایی مانند Symbolics و Lisp Machines Inc. کامپیوترهای ویژه ای برای کار با زبان برنامه نویسی AI Lisp می سازند. 

1987-1993

• با پیشرفت فن آوری محاسبات ، گزینه های ارزان تری ظهور کردند و بازار ماشین آلات Lisp در سال 1987 فروپاشید و “زمستان دوم هوش مصنوعی” را آغاز کرد. در این دوره ، نگهداری و به روزرسانی سیستم های خبره بسیار گران بود و سرانجام از آن خارج شد.
• ژاپن پروژه FGCS را با استناد به عدم تحقق اهداف بلند پروازانه ای که یک دهه قبل ترسیم شده بود ، در سال 1992 خاتمه داد.
• DARPA پس از صرف تقریباً یک میلیارد دلار و بسیار دور از انتظار ، ابتکار عمل محاسباتی استراتژیک را در سال 1993 پایان می دهد. 

1991

• نیروهای آمریکایی در طول جنگ خلیج فارس از DART ، ابزاری برای برنامه ریزی و برنامه ریزی لجستیک خودکار ، استفاده می کنند.

1997

• Deep Blue از IBM قهرمان شطرنج جهان گری کاسپاروف را شکست داد

2005

• استنلی ، اتومبیل خودران ، برنده Grand Challenge DARPA است.
• ارتش آمریكا شروع به سرمایه گذاری در روبات های خودمختار مانند “Big Dog” بوستون دینامیك و “PackBot” iRobot می كند.

2008

• گوگل پیشرفت زیادی در تشخیص گفتار دارد و این ویژگی را در برنامه iPhone خود معرفی می کند. 

2011

• واتسون IBM رقابت را در  معرض خطر قرار می دهد !.  

2012

• Andrew Ng ، بنیانگذار پروژه Google Brain Deep Learning ، با استفاده از الگوریتم های یادگیری عمیق 10 میلیون فیلم YouTube به عنوان یک مجموعه آموزشی ، یک شبکه عصبی را تغذیه می کند. شبکه عصبی یاد گرفت که گربه را بدون اینکه به او بگویند گربه چیست ، شناسایی کند ، شروع موفقیت در شبکه های عصبی و بودجه یادگیری عمیق.

2014

• گوگل اولین اتومبیل خودران را برای قبولی در آزمون رانندگی دولتی تولید می کند. 

2016

• AlphaGo گوگل دیپ مایند بازیکن جهان ، قهرمان Go ، لی سدول را شکست می دهد. پیچیدگی بازی چینی باستان به عنوان یک مانع اصلی برای پاک کردن در هوش مصنوعی تلقی می شد.

اجرای پروژه های تخصصی هوش مصنوعی با مشاوره رایگان سلول پیشتاز

منبع :builtin.com