آسیاتل

بازدید: 50

هوش مصنوعی چه کاربرد‌هایی دارد؟

این روز‌ها همه جا صحبت از «هوش مصنوعی» (Artificial Intelligence) است که به طور مخفف با عنوان AI از آن یاد می‌شود. اما هوش مصنوعی واقعا چیست و چه کار می‌کند؟ این دقیقا همان سوالی است که قصد داریم در این مطلب به آن پاسخ دهیم.
هوش مصنوعی چه کاربرد هایی دارد؟
 
این روز ها همه جا صحبت از «هوش مصنوعی» (Artificial Intelligence) است که به طور مخفف با عنوان AI از آن یاد می شود. اما هوش مصنوعی واقعا چیست و چه کار می کند؟ این دقیقا همان سوالی است که قصد داریم در این مطلب به آن پاسخ دهیم.
 
تاریخچه
نقش هوش مصنوعی هر روز در زندگی ما بیشتر می شود. آخرین ترند در این زمینه تراشه های هوش مصنوعی و کاربرد های مختلف آن ها در گوشی های هوشمند است. اما شروع توسعه ی این تکنولوژی در واقع به خیلی قبل تر برمی گردد؛ یعنی زمانی در دهه ی ۵۰ میلادی که «دانشگاه دارتموث» (Dartmouth College) در ایالات متحده یک پروژه ی تحقیقات تابستانی را به هوش مصنوعی اختصاص داد.
 
هوش مصنوعی چه کاربرد هایی دارد؟
 
 ریشه های هوش مصنوعی را حتی می توان در عمق بیشتری از تاریخ و در فعالیت های «آلن نیوئل» (Allen Newell)، «هربرت ای. سیمون» (Herbert A. Simon) و «آلن تورینگ» (Alan Turing) جست وجو کرد. آزمون مشهور تورینگ در سال ۱۹۵۰ توسط او در مقاله ای مطرح شد.
 
این مقاله یکی از اولین اسنادی است که در آن به وجود آمدن ماشین های هوشمند پیش بینی شده است. با این حال مقوله ی هوش مصنوعی تا پیش از معرفی شدن سوپرکامپیوتر «دیپ بلو» (Deep Blue) توسط کمپانی IBM هنوز توجه جهانیان را به خود جلب نکرده بود.
 
این سوپرکامپیوتر اولین ماشینی بود که توانست قهرمان شطرنج جهان «گری کاسپارف» (Garry Kasparov) را در مسابقه ای که در سال ۱۹۹۶ میلادی برگزار شد شکست دهد. الگوریتم های هوش مصنوعی برای سال های متمادی است که در دیتاسنتر ها و کامپیوتر های بزرگ استفاده می شوند، ولی حضور آن ها در حوزه ی لوازم الکترونیک مصرفی به سال های اخیر برمی گردد.
 
تعریف هوش مصنوعی
تعریف هوش مصنوعی آن را به عنوان شاخه ای از علوم کامپیوتر مشخص می کند که با خودکارسازی رفتار های هوشمندانه سروکار دارد. بخش سخت ماجرا این است: از آنجا که خود هوش را نمی توانیم به درستی تعریف کنیم، امکان تعریف دقیق هوش مصنوعی هم وجود ندارد.
 
به طور کلی اصطلاح هوش مصنوعی برای تشریح کردن سیستم هایی به کار می رود که هدف آن ها استفاده از ماشین ها برای تقلید و شبیه سازی هوش انسانی و رفتار های مرتبط با آن است. این هدف گاه ممکن است با استفاده از الگوریتم های ساده و الگو های از پیش تعیین شده محقق شود، ولی گاهی هم نیاز به الگوریتم ها فوق العاده پیچیده دارد.
 
 
هوش مصنوعی چه کاربرد هایی دارد؟
 
 انواع مختلف هوش مصنوعی


هوش مصنوعی نمادین
هوش مصنوعی نمادین (Symbolic) با نماد هایی انتزاعی کار می کند که برای نشان دادن دانش استفاده می شوند. هوش مصنوعی نمادین، هوش مصنوعی کلاسیکی است که بر اساس این ایده کار می کند که تفکر انسان را می توان در سطحی سلسله مراتبی و منطقی بازسازی کرد. در این روش اطلاعات از بالا با کار کردن روی نماد های معنی دار برای انسان، ارتباطات انتزاعی و نتیجه گیری های منطقی پردازش می شوند.
 
هوش مصنوعی عصبی
هوش مصنوعی عصبی (Neural AI) در اواخر دهه ی ۸۰ میلادی در علوم کامپیوتر محبوبیت پیدا کرد. در این گونه، دانش با استفاده از نماد ها نمایش داده نمی شود، بلکه به جای آن، نورون های مصنوعی و ارتباط میان آن ها نماینده ی دانش هستند. این هوش مصنوعی چیزی شبیه به یک مغز بازسازی شده است. در این روش دانش کسب شده به قطعاتی کوچک تر (نورون ها) خرد و سپس از آن گروه هایی متصل به هم تشکیل می شود.
 
این نوع هوش مصنوعی رویکردی پایین به بالا دارد. بر خلاف هوش مصنوعی نمادین، یک سیستم هوش مصنوعی عصبی باید ابتدا آموزش داده شود و در معرض محرک هایی قرار بگیرد تا شبکه های عصبی در آن تجربه کسب کنند، بزرگ شوند و اندوخته ی دانش بیشتری داشته باشند.
 
شبکه های عصبی
شبکه های عصبی (Neural Networks) در لایه هایی سازماندهی می شوند که با خطوطی شبیه سازی شده به یکدیگر متصل هستند. بالاترین لایه، لایه ی دریافت است. این لایه مانند حسگری عمل می کند که اطلاعات را برای پردازش دریافت می کند و آن ها را به لایه های پایین تر می فرستد. این فرآیند پس از دریافت اطلاعات با حداقل دو لایه ی دیگر (در سیستم های بزرگ تا بیش از بیست لایه) ادامه پیدا می کند که به صورت سلسه مراتبی روی هم قرار دارند و اطلاعات را با استفاده از پیوند ها دسته بندی و ارسال می کنند.
 
در پایین ترین بخش سلسله مراتب لایه ی خروجی قرار دارد که به طور معمول تعداد نورون های مصنوعی آن از تمام لایه های دیگر کمتر است. این لایه داده های محاسبه شده را به فرمتی تبدیل می کند که برای ماشین قابل خواندن باشد.
 
شیوه ها و ابزار ها
ابزار ها و شیوه های مختلفی برای به کار بردن هوش مصنوعی در دنیای واقعی وجود دارد که برخی از آن ها را می توان در ترکیب با هم استفاده کرد.

اساس کار تمام این روش ها «یادگیری ماشینی» (Machine Learning) است. تعریف یادگیری ماشینی سیستمی است که تجربه را به دانش تبدیل می کند. این پروسه به سیستم این توانایی را می دهد که الگو ها و قوانین را با سرعتی که همواره در حال افزایش است شناسایی کند. در انواع مختلف یادگیری ماشینی از هر دو نوع هوش مصنوعی نمادین و عصبی استفاده می شود.
 
 
هوش مصنوعی چه کاربرد هایی دارد؟

یادگیری عمیق (Deep Learning) زیرگونه ای از یادگیری ماشینی است که اهمیت آن رو به افزایش است. در این مورد تنها از هوش مصنوعی عصبی یا همان شبکه های عصبی استفاده می شود. اکثر کاربرد های امروزی هوش مصنوعی بر پایه ی یادگیری عمیق هستند. به لطف امکان گسترش دادن سریع طراحی شبکه های عصبی و تبدیل کردن آن ها به سیستم هایی پیچیده تر و قوی تر با لایه های جدید، مقیاس یادگیری عمیق را می توان به سادگی تغییر داد و آن را با کاربرد های بسیار زیادی منطبق کرد.

سه نوع پروسه ی یادگیری برای آموزش دادن شبکه های عصبی وجود دارد: تحت نظارت، بدون نظارت و یادگیری تقویتی. این سه پروسه روش های متفاوت زیادی را مهیا می کنند تا بتوان نحوه ی تبدیل ورودی به خروجی دلخواه را تنظیم کرد.
 
در یادگیری تحت نظارت، ارزش ها و پارامتر ها از بیرون برای سیستم مشخص می شود، ولی در یادگیری بدون نظارت این خود سیستم است که تلاش می کند الگو هایی را در اطلاعات ورودی کشف کند که ساختاری قابل تشخیص دارند و می توان آن ها را بازتولید کرد. در یادگیری تقویتی هم ماشین به صورت مستقل کار می کند، ولی بر اساس موفقیت یا شکست، تشویق یا تنبیه می شود.
 
کاربرد ها
همین الان هم از هوش مصنوعی در بسیاری جا ها استفاده می شود، ولی به هیچ وجه همه ی این کاربرد ها در نگاه اول آشکار نیستند؛ بنابراین انتخاب کردن موقعیت هایی که از امکانات این تکنولوژی در آن ها بهره برده می شود، لزوما به تشکیل فهرستی کامل نمی انجامد.

مکانیزم های هوش مصنوعی برای تشخیص، شناسایی و دسته بندی اشیا و افراد در عکس ها ویدیو ها بسیار کارآمد هستند. برای رسیدن به این هدف، از مکانیزم ساده، ولی سنگین تشخیص الگو استفاده می شود. اگر اطلاعات تصویر رمزگذاری نشده باشد و ماشین بتواند آن ها را بخواند، عکس ها و ویدیو ها را به سادگی می توان با این روش در دسته های مختلفی قرار داد که امکان جست وجو و یافتن آن ها وجود دارد. چنین تشخیص هایی را همچنین می توان برای اطلاعات صوتی هم به کار برد.

استفاده از چت بات ها در بخش خدمات مشتریان روز به روز بیشتر می شود. این دستیار های مبتنی بر متن، کار خود را با استفاده از تشخیص کلمات کلیدی در درخواست مشتری و نشان دادن واکنش متناسب با آن انجام می دهند. با توجه به کاربرد های مختلف، این نوع دستیار ها می توانند ساده تر یا پیچیده تر باشند.

تجزیه و تحلیل نظرات علاوه بر پیش بینی نتایج انتخابات در عالم سیاست، در بازاریابی و بسیاری حوزه های دیگر هم استفاده می شود. «استخراج نظرات» (Opinion Mining) که همچنین با نام «تجزیه و تحلیل احساسات» (Sentiment Analysis) هم از آن یاد می شود، برای جست وجو کردن اینترنت در مورد عقاید و عبارات احساسی به کار می رود. با این روش ها می توان نظرسنجی هایی را به صورت ناشناس برگزار کرد.

الگوریتم های جست وجو مانند الگوریتم هایی که گوگل استفاده می کند، طبیعتا به شدت محرمانه هستند. روش های محاسبه، رتبه بندی و نمایش نتایج جست وجو تا حد زیادی بر پایه ی مکانیزم هایی کار می کنند که از یادگیری ماشینی در آن ها استفاده می شود.
 
 
هوش مصنوعی چه کاربرد هایی دارد؟

پردازش کلمات یا بررسی کردن یک متن از نظر دستور زبان و اشتباهات املایی، یکی از کاربرد های کلاسیک هوش مصنوعی نمادین است که برای مدت زمان زیادی از آن استفاده می شده. در این روش زبان به عنوان شبکه ی پیچیده ای از قوانین و دستورالعمل ها تعریف می شود که قطعات متن را در یک جمله تجزیه و تحلیل می کند و در برخی شرایط می تواند اشتباهات را تشخیص دهد و تصحیح کند. از همین قابلیت ها همچنین در تبدیل نوشتار به گفتار در دستیار های صوتی مانند سیری، الکسا و گوگل اسیستنت هم استفاده می شود.

در تراشه های جدید گوشی های هوشمند مانند تراشه ی Kirin ۹۷۰ شرکت هواوی، هوش مصنوعی بخش ویژه ای برای خودش به نام NPU یا «واحد پردازش عصبی» (Neural Processing Unit) دارد. کوالکام هم حدود دو سال است که روی NPU خاص خودش به نام پردازشگر Zeroth کار می کند. تراشه ی A۱۱ Bionic اپل هم بخش مشابهی را در خودش جای داده است.

علاوه بر این پژوهش های مختلف دیگری هم روی هوش مصنوعی در حال پیگیری است که شاید برجسته ترین آن ها پروژه ی «واتسون» (Watson) شرکت IBM باشد. این برنامه ی کامپیوتری پیش از این اولین حضور عمومی خود را در یک مسابقه ی تلویزیونی اطلاعات عمومی در سال ۲۰۱۱ تجربه کرد. واتسون در این برنامه به رقابت با دو انسان پرداخت و مسابقه را برد. این هوش مصنوعی پس از آن چند بار دیگر هم در رویداد های مشابهی ظاهر شد.
 
یک شرکت بیمه ی ژاپنی از ابتدای سال ۲۰۱۷ میلادی استفاده از واتسون را برای بررسی سوابق و اطلاعات پزشکی مشتریان و ارزیابی آسیب ها و بیماری ها آغاز کرده است. بر اساس اطلاعات منتشر شده از این شرکت بیمه، هوش مصنوعی واتسون تقریبا جایگزین ۳۰ کارمند شده است. از دست دادن شغل در اثر خودکارسازی تنها یکی از مشکلات اخلاقی و اجتماعی مورد بحث در مورد هوش مصنوعی است که شرکت های بزرگ و دانشگاه ها در مورد آن پژوهش می کنند.
 
هوش مصنوعی چه کاربرد هایی دارد؟
 
 
سخن نهایی
هوش مصنوعی چیزی نیست که یک شبه از هیچ پدید آمده باشد. ولی به نظر می رسد این تکنولوژی در حوزه ی لوازم الکترونیک مصرفی به یک نقطه ی عطف و پیشرفت بزرگ نزدیک می شود. همین نکته کافی است تا همگان تلاش کنند اطلاعات خود را در این موضوع به روز نگه دارند. شما به کدام جنبه ی هوش مصنوعی بیشتر علاقه دارید؟ پاسخ های خود را در بخش نظرات برای ما بنویسید.

loading...
دانلود نرم افزار

پربازدیدترین اخبار

گزارش ها

گزارشی از کاخ‌نشینی در 4 برج لاکچری تهران

گزارشی از کاخ‌نشینی در 4 برج لاکچری تهران

با وجود گزارش سیا در کنار بن سلمان می‌ایستم

با وجود گزارش سیا در کنار بن سلمان می‌ایستم

حسن‌زاده: گزارش دیدار تیم‌های سپاهان و پرسپولیس در حال بررسی است

حسن‌زاده: گزارش دیدار تیم‌های سپاهان و پرسپولیس در حال بررسی است

تبلیغات

آسیاتک حمایت