هوش مصنوعی

هوش مصنوعی تا سال‌ها با تصویری که مردم از روبات‌ها داشتند گره خورده بود.  اما در یک دهه اخیر کاربردهای غیر سخت‌افزاری آن در زندگی روزمره بیشتر ملموس است.

تاریخچه پیدایش هوش مصنوعی به عنوان یک شاخه از علوم به سال‌های جنگ جهانی دوم و تحقیقات الن تورینگ باز می‌گردد.

پایه تحقیقات علمی برروی آن به سال ۱۹۵۶ و کنفرانس علمی در دانشگاه راتماوث برمی گردد .و با حضور چهره‌های جامعه مشهور این حوزه نظیر جان مک‌کارتی، ماروین مینسکی، آلن نیوول و هربرت سایمون بازمی‌گردد.

در تعریفی که اکثر دانشمندان بر آن اجماع دارند رفتار ساده انسانی هوشمند و پیچیده‌ترین رفتار یک مورچه یا موریانه غیر هوشمند تلقی می‌شود. تفاوت این دو در چیست؟ مثال ساده برای تعریف این تفاوت در رفتار زنبور هورنت آمریکایی است. وقتی زنبور ماده به کندوی خود غذا می‌آورد آن را در محلی قرار می‌دهد و بعد دوباره از کندو خارج می‌شود تا از نبود حشرات مزاحم مطمئن شود. غیر هوشمند بودن رفتار این موجود زمانی روشن می‌شود که بعد از خروج آن از کندو، غذایی که با خود آورده کمی جابجا شود. در این شرایط حشره دوباره تمام مراحل را تکرار می‌کند و اگر هر بار غذای وی جابجا شود تا ابد این روند را تکرار می‌کند. ساده‌ترین خصوصیت یک ارگانیسم هوشمند قابلیت تطبیق با شرایط جدید است.

در علوم رفتاری برای هوشمندی جنبه‌های متعددی تعریف شده اما در علوم کامپیوتر و هوش مصنوعی تنها دارا بودن پنج خصوصیت یادگیری، استنتاج، حل مسئله، ادراک و فهم زبان برای هوشمند بودن یک سیستم کافی است.

در این حوزه برای ساخت ماشین‌های هوشمند علاوه بر مطالعه این پنج شاخه، از دستاوردهای شاخه‌های دیگر کامپیوتر نظیر پردازش تصویر و صوت، پردازش زبان‌های طبیعی و پردازش سیگنال استفاده می‌کنند. یکی از مباحث اصلی این حوزه که در یک دهه گذشته متخصصان علوم دیگر و همچنین شرکت‌های تجاری نیز از آن استقبال زیادی کرده‌اند، (Machine Learning) نام دارد.

یادگیری ماشین برروی فرآیند یادگیری با استفاده از مشاهدات و داده‌ها در ماشین‌ها تمرکز می‌کند.

در یادگیری ماشین، مجموعه داده به عنوان داده آموزشی (Training Data) به ماشین ارائه می‌شود.

و ماشین با استفاده از روش‌های مختلفی می‌تواند از این داده‌ها برای یادگیری یک روند (Pattern) استفاده کند.

این روند ماشین را قادر می‌سازد. تا در آینده بتواند داده‌هایی که به آن ارائه می‌شود را تمیز دهد. یا برروی آن‌ها تصمیم ‌گیری انجام دهد.

هوش مصنوعی را باید عرصهٔ پهناور تلاقی و ملاقات بسیاری از دانش‌ها، علوم، و فنون قدیم و جدید دانست. ریشه‌ها و ایده‌های اصلی آن را باید در فلسفه، زبان‌شناسی، ریاضیات، روان‌شناسی، عصب‌شناسی، فیزیولوژی، تئوری کنترل، احتمالات و بهینه‌سازی جستجو کرد.  و کاربردهای گوناگون و فراوانی در علوم رایانه، مهندسی، علوم زیست‌شناسی و پزشکی، علوم اجتماعی و بسیاری از علوم دیگر دارد.

از زبان‌های برنامه‌نویسی هوش مصنوعی می‌توان به لیسپ، پرولوگ، کلیپس و ویپی اکسپرت اشاره کرد.

به‌طور کلی ماهیت وجودی هوش به مفهوم جمع‌آوری اطلاعات، استقراء و تحلیل تجربیات به منظور رسیدن به دانش یا ارائه تصمیم است. در واقع هوش به مفهوم به‌کارگیری تجربه به منظور حل مسائل دریافت شده تلقی می‌شود. هوش مصنوعی علم و مهندسی ایجاد ماشین‌هایی هوشمند با به‌کارگیری از کامپیوتر و الگوگیری از درک هوش انسانی یا حیوانی و نهایتاً دستیابی به مکانیزم هوش مصنوعی در سطح انسانی است.

در مقایسهٔ هوش مصنوعی با هوش انسانی می‌توان گفت که انسان قادر به مشاهده و تجزیه و تحلیل مسایل در جهت قضاوت و اخذ تصمیم است.  در حالی که هوش مصنوعی مبتنی بر قوانین و رویه‌هایی از قبل تعبیه شده بر روی کامپیوتر است. در نتیجه علی‌رغم وجود کامپیوترهای بسیار کارا و قوی در عصر حاضر ما هنوز قادر به پیاده کردن هوشی نزدیک به هوش انسان در ایجاد هوش‌های مصنوعی نبوده‌ایم.

به‌طور کلّی، هوش مصنوعی را می‌توان از زوایای متفاوتی مورد بررسی و مطالعه قرار داد. مابین هوش مصنوعی به عنوان یک هدف، هوش مصنوعی به عنوان یک رشتهٔ تحصیلی دانشگاهی، یا هوش مصنوعی به عنوان مجموعهٔ فنون و راه کارهایی که توسط مراکز علمی مختلف و صنایع گوناگون تنظیم و توسعه یافته‌است.  باید تفاوت قائل بود.

به طور کلی به دو دسته زیر تفکیک می‌شود:

این نوع هوش مصنوعی در یک زمینه محدود عمل می‌کند و شبیه سازی هوش انسانی است. هوش مصنوعی ضعیف اغلب بر روی یک کار مشخص تعریف می‌شود و در محدوده تعریفش بسیار عالی عمل می‌کند. شاید این ماشین‌ها بسیار هوشمند به نظر برسند اما حقیقت این است که حتی از ابتدائی‌ترین سطوح هوش انسانی هم ساده‌تر عمل می‌کنند.

که با عنوان هوش مصنوعی قوی هم شناخته می‌شود، نوعی است که بیشتر در فیلم‌ها دیده‌ایم، مانند ربات‌های فیلم Westworld. هوش مصنوعی قوی بسیار شبیه به انسان عمل می‌کند چنانکه می‌تواند توانایی‌های خود را بر حل مسائلی در حوزه‌های مختلف به کار بگیرد.

یکی از کاربردهای پرطفدار یادگیری ماشین که شرکت‌های تجاری و مصرف کنندگان به آن علاقه زیادی نشان داده‌اند. دسته بندی داده‌ها (Classification)، تصمیم‌گیری (Decision Making) و پیش‌بینی تحلیلی (Predictive Analysis) است. در حال حاضر سیستم عامل پردازش ابری مایکروسافت به نام ویندوز آزور (Azure) سرویس‌های یادگیری ماشین خود را به کاربران این نرم‌افزار ارائه می‌دهد.

و اکثر شرکت‌های تجاری بزرگ نظیر بوئینگ و مرسدس بنز از این سرویس‌ها بهره می‌برند.

شرکت‌ فیس‌بوک در سال ۲۰۱۴ با استفاده از یکی از زیرشاخه‌های یادگیری ماشین به نام یادگیری عمیق (Deep Learning) سیستم تشخیص چهره‌ای تولید کرد.

که ۰.۳ درصد از میانگین انسان‌ها دقیق‌تر است. بسیاری از رابط‌های صوتی نظیر سرویس Siri شرکت اپل از پردازش زبان‌های طبیعی و یادگیری ماشین برای ارتباط با کاربران استفاده می‌کنند.