آشنایی با ۷ نوع هوش مصنوعی
تاریخ انتشار: ۱۷ فروردین ۱۴۰۲ | کد خبر: ۳۷۴۷۲۳۱۵
به گزارش خبرگزاری صداوسیما؛ این روزها بیشتر از همیشه «هوش مصنوعی» در کانون توجه قرار گرفته است. هنگامیکه چتبات ChatGPT معرفی شد، بسیاری متوجه شدند که چقدر این فناوری پیشرفت کرده و هنوز هم برای بهترشدن جا دارد. از خودروهای خودران گرفته تا دستیارهای خانگی همگی به هوش مصنوعی مجهز شدهاند و نمیتوان از این مسئله چشمپوشی کرد که تکنولوژی مذکور زندگیمان را متحول کرده است.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
حال هوش مصنوعی چیست؟ در پاسخ به این پرسش باید گفت هوش مصنوعی که بهاختصار AI نامیده میشود، شاخهای از علوم کامپیوتر است که هدفش ایجاد ماشینها و سیستمهای هوشمندی است که میتوانند مانند انسان فکر و عمل کنند. حوزهی AI بهسرعت در حال رشد است و این قابلیت را دارد که شیوهی زندگی و کار انسانها را متحول کند.
درک انواع مختلف هوش مصنوعی برای سازمانهایی بسیار مهم تلقی میشود که بهدنبال پیادهسازی این فناوری در چهارچوب مدیریت پروژه خود هستند. هر نوع هوش مصنوعی قوتها و ضعفهای خود را دارد و ارزیابی اینکه کدام نوع به بهترین وجه با نیازهای خاص آنها مطابقت دارد، برای سازمانها ضروری است.
با اضافهکردن هوش مصنوعی به فرایند کاری، سازمانها میتوانند بهرهوری و کارایی و قابلیتهای تصمیمگیری خود را بهبود بخشند و این فناوری به آنها کمک میکند در محیط تجاری پرشتاب امروزی پیشرو باشند.
«هوش مصنوعی محدود» (Artificial Narrow Intelligence) که بهاختصار ANI خوانده میشود، ابتداییترین شکل هوش مصنوعی است. فناوری مذکور میتواند فقط یک کار مانند شکستدادن قهرمان جهان در شطرنج را با سرعت و دقت چشمگیر انجام دهد. با وجود قابلیتهای چشمگیر، ANI نمیتواند مانند همتایان پیشرفتهتر خود از تجربیاتش یاد بگیرد یا وارد رشتههای دیگر شود؛ درنتیجه هرگز نمیتواند با «هوش مصنوعی عمومی» رقابت کند.
البته ANI اپلیکیشنهایی فوقالعادهای دارد که سازمانها را در اتوماسیون کارهای اداری یاری میکند و عملکرد آنها را افزایش میدهد. ANI برای شروع گزینهای عالی محسوب میشود و میتوان برای انجام کارهای کوچک به آن اعتماد کرد.
ری کورزویل، دانشمند علوم کامپیوتری، در کتاب «تکینگی نزدیک است؛ وقتی انسانها از زیستشناسی فراتر میروند» از اصطلاح «هوش مصنوعی محدود» برای توصیف توسعهی سیستمهایی استفاده کرد که رفتارهای «هوشمندانه» را تنها در زمینههای خاص نشان میدهند.
سیستمهای ANI به برنامهریزی مجدد یا پیکربندی مجدد انسانی نیاز دارند
برخلاف دیگر هوشهای مصنوعی موجود، سیستمهای ANI به برنامهریزی یا پیکربندی مجدد انسانی نیاز دارند تا آنها را با شرایط جدید مطابقت دهند؛ زیرا آنها توانایی انطباق با اهداف یا شرایط جدید و تعمیم دانش از زمینهای به زمینهای دیگر را ندارند.
ANI نوعی هوش مصنوعی محسوب میشود که برای انجام یک یا مجموعه محدودی از وظایف پیچیده از مهارت طراحی شده است. همچنین، این فناوری با عناوین دیگری مانند هوش مصنوعی ضعیف یا هوش مصنوعی باریک یا حتی هوش مصنوعی تخصصی شناخته میشود.
درنهایت باید بگوییم که سیستمهای ANI را میتوان به دو دسته طبقهبندی کرد: سیستمهای یادگیری نظارتشده و سیستمهای یادگیری بدون نظارت. سیستمهای یادگیری نظارتشده روی مجموعه دادههای برچسبدار آموزش میبینند که به سیستم کمک میکند تا رابطه بین دادههای ورودیوخروجی مدنظر را بیاموزد. درمقابل، سیستمهای یادگیری بدون نظارت روی مجموعه دادههای بدون برچسب آموزش میبینند و میتوانند الگوها و روابط موجود در دادهها را بدون راهنمایی شناسایی کنند.
هوش مصنوعی عمومی (AGI)
یکی از پیشرفتهای امیدوارکننده در این صنعت «هوش مصنوعی عمومی» Artificial General Intelligence» است که بهاختصار AGI نامیده میشود. این فناوری میتوانند مانند ما فکر و استدلال کند و یاد بگیرد.
AGI با هوش مصنوعی ضعیف یا محدود که در بخش پیشین دربارهی آن صحبت کردیم، در تضاد است. فناوری مذکور در علوم کامپیوتری سیستم هوشمندی با دانش جامع و قابلیتهای محاسبات شناختی است. درحالحاضر، هیچ سیستم AGI واقعی وجود ندارد.
هوش مصنوعی
سیستم مجهز به هوش مصنوعی عمومی باید بتواند وظایفی را اجرا کند و تواناییهایی در سطح انسان داشته باشد که هیچکدام از کامپیوترهای موجود نمیتوانند به آنها دست یابند. امروزه، هوش مصنوعی میتواند بسیاری از وظایف را انجام دهد؛ اما هنوز به سطح AGI نرسیده است.
استیون هاوکینگ، فیزیکدان نظری و کیهانشناس و نویسندهی انگلیسی، در سال ۲۰۱۴ در مصاحبهای هشدار داد: «توسعهی هوش مصنوعی عمومی میتواند پایان نسل بشر باشد. این فناوری میتواند خود را با سرعت فزایندهای بازطراحی کند. درنهایت، انسانهایی که بهدلیل تکامل بیولوژیکی کُند محدود شدهاند، نمیتوانند با آن رقابت کنند و جایگزین خواهند شد.»
بااینحال، هنوز توسعهی این نوع هوش مصنوعی ادامه دارد و حتی ری کورزویل در سال ۲۰۱۷ پیشبینی کرد کامپیوترها تا سال ۲۰۲۹ به سطوح هوش انسانی دست خواهند یافت. درنهایت نیز، باید اشاره کنیم سیستم AGI باید تواناییهای مختلفی داشته باشد که از آنها میتواند به تفکر انتزاعی و دانش پسزمینهای و توانایی درک علتومعلول اشاره کرد.
ابر هوش مصنوعی (ASI)
«ابر هوش مصنوعی» (Artificial super intelligence) که بهاختصار ASI نامیده میشود، هدف نهایی هوش مصنوعی است. ASI نوید میدهد که میتواند از فناوری هوش مصنوعی فعلی استفاده کند و آن را بسیار فراتر ببرد.
هدف اصلی ابر هوش مصنوعی ساخت ماشینی است که بتواند مانند انسان فکر کند و از تواناییهای شناختی ما فراتر رود. رسیدن به چنین فناوری به تصمیماتی منجر میشود که درمقایسهبا تصمیمات انسانی بسیار دقیقتر و سریعتر است. ASI میتواند گزینهای عالی برای تجزیهوتحلیل دادهها و پیشبینی بازار سهام یا حتی رباتهای مستقل باشد.
ASI با هوش مصنوعی معمولی (AI) متفاوت است که شامل شبیهسازی نرمافزاری تواناییهای فکری انسان میشود. همهی سیستمهای فعلی نمونههایی از هوش مصنوعی محدود هستند که پیشتر دربارهاش صحبت کردیم. این مسئله نشان میدهد که هنوز تا دستیابی به ابر هوش مصنوعی فاصله داریم.
دانشمندان فکر میکنند اولین قدم در توسعهی ابر هوش مصنوعی، ایجاد AGI است. همانطورکه در بخش پیشین گفتیم، هنوز به این فناوری نیز دست پیدا نکردهایم. هدف پشت ابر هوش مصنوعی پیشیگرفتن از ظرفیت شناختی انسان است که با محدودیتهای شیمیایی و بیولوژیکی مغز مهار میشود. ASI در بسیاری از زمینهها ازجمله علم، مالی، تجارت، مراقبتهای بهداشتی، کشاورزی و سیاست کاربرد دارد؛ البته بعضی کارشناسان معتقدند این فناوری میتواند تهدیدی برای نسل بشر باشد.
هوش مصنوعی واکنشی
برعکس هوشهای مصنوعی پیشین، «هوش مصنوعی واکنشی» (Reactive Machine AI) ما را به اصول اولیه بازمیگرداند. این فناوری برای ذخیره یا انتقال اطلاعات به برنامهریزی پیچیدهای نیاز ندارد؛ بلکه واقعیت فعلی را ارزیابی میکند و براساس آن واکنش نشان میدهد. این نوع هوش مصنوعی کاربردهای مختلف دارد که از آنها میتوان به ناوبری خودروهای خودران و دوربینهای امنیتی اشاره کرد.
شاید ابتداییتربودن هوش مصنوعی ماشین واکنشی دربرابر دیگر انواع این فناوری، ترس بعضیها از برتری هوش مصنوعی را کاهش دهد؛ زیرا این سیستم فقط با اطلاعات لحظهای کار میکند و دانش قبلی ندارد.
در می۱۹۹۷، ابرکامپیوتری توانستگری کاسپاروف را با نتیجه ۳٫۵ به ۲٫۵ در ۶ مسابقه شکست دهد و به اولین کامپیوتری تبدیل شود که موفق میشود قهرمان شطرنج جهان را شکست دهد. این ابرکامپیوتر ساخت شرکت آیبیام (IBM) بود و دیپ بلو (Deep Blue) نام داشت. میتوان آن را یکی از نمونههای بارز هوش مصنوعی واکنشی دانست.
هوش مصنوعی واکنشی به روشی عمل میکند که برنامهریزیشده است و براساس ورودی دریافتی، خروجی پیشبینیشدنی دارد. در شرایط مشابه، این سیستم پاسخ یکسانی ارائه میدهد و هرگز در عمل آن تغییری دیده نخواهد شد. این نوع هوش مصنوعی نمیتواند چیزی را یاد بگیرد و تصوری از گذشته و آینده ندارد. از دیگر کاربردهای آن میتوان به فیلتر اسپم و موتور پیشنهاد فیلم نتفلیکس اشاره کرد.
هوش مصنوعی با حافظهی محدود
براساس مطالعهی محققان دانشگاه کالیفرنیا، «هوش مصنوعی با حافظهی محدود» (Limited Memory AI) نوعی از هوش مصنوعی است که میتواند از تجربیات گذشته یاد بگیرد؛ اما توانایی آن در بهخاطرسپردن اطلاعات محدود است. بهعبارتدیگر، فناوری مذکور میتواند از گذشته یاد بگیرد؛ اما در مدت زمانی طولانی نمیتواند مقادیر زیادی داده ذخیره کند.
فرایند کار Limited Memory AI شامل استفاده از الگوریتمها و شبکههای عصبی میشود. الگوریتمها مجموعهای از دستورالعملها هستند که به سیستم هوش مصنوعی میگویند برای رسیدن به نتیجه دلخواه چه کاری انجام دهد. درمقابل، شبکههای عصبی برنامههای کامپیوتری هستند که عملکرد مغز انسان را تقلید میکنند. سیستم هوش مصنوعی از این الگوریتمها و شبکههای عصبی برای تجزیهوتحلیل دادهها و تصمیمگیری براساس اطلاعاتی دریافتی استفاده میکند.
از هوش مصنوعی با حافظهی محدود میتواند برای پیشبینی بازار سهام یا پردازش زبان طبیعی یا برنامهریزی خودکار استفاده کرد
این نوع هوش مصنوعی زمانی بهترین کارایی را دارد که برای کارهایی مانند پیشبینی بازار سهام یا پردازش زبان طبیعی یا برنامهریزی خودکار استفاده شود. درواقع، تمرکز هوش مصنوعی با حافظهی محدود روی جمعآوری و بررسی دادهها و پیشبینی است.
استفاده از هوش مصنوعی با حافظهی محدود مزایای متعددی دارد. یکی از مزیتهای اصلی آن اتوماسیون فرایندهای تجاری است. با خودکارکردن کارهای تکراری، شرکتها میتوانند در زمان و هزینه صرفهجویی کنند. همچنین، این نوع هوش مصنوعی میتواند به کسبوکارها کمک کند تا رفتار و انتخابهای مشتری را بهتر درک و درنتیجه کمپینهای بازاریابی هدفمندتری ایجاد کنند.
گذشته از یافتن الگو در دادهها، هوش مصنوعی حافظهی محدود میتواند برای تشخیص کلاهبرداری، وسایل نقلیهی خودران، دستیارهای دیجیتال و هرآنچه به ردیابی اطلاعات و تصمیمگیری در لحظه نیاز دارد، نیز استفاده شود. اگرچه این فناوری مدتی است که وجود دارد، هنوز بخشهای ناشناختهای هستند که پس از کشفشان Limited Memory AI هیجانانگیزتر خواهد شد.
تئوری هوش مصنوعی ذهن
با از راهرسیدن «تئوری هوش مصنوعی ذهن» (Theory of Mind AI) درک ما از این فناوری عمیقتر شد. این نوع خاص از هوش مصنوعی به ما کمک میکند تا حالات ذهنی مختلف مانند باورها و خواستهها را شناسایی و درک کنیم. درواقع، سیستمهای مجهز به آن میتوانند احساسات را درک کنند.
قبل از این فناوری، هوش مصنوعی براساس قوانین سفارشیای نوشته شده بود که نحوهی تعاملات را دیکته میکرد؛ اما بهلطف تئوری هوش مصنوعی ذهن، میتوانیم احساسات انسانی را در الگوریتمهای یادگیری ماشینی وارد کنیم. حالا یک قدم به ایجاد هوش مصنوعی حساس نزدیکتر شدهایم.
ازآنجاکه تئوری هوش مصنوعی ذهن هنوز در دست تحقیقوتوسعه است، ویژگیهای آن احتمالاً تکامل خواهد یافت. بااینحال، میتوان بعضی از آنها را پیشبینی کرد. بهعنوان مثال، کامپیوترهای مجهز به هوش مصنوعی نظریهی ذهن، اهداف موجودات اطراف خود را از نشانههای مشاهدهپذیر استنتاج میکنند. همچنین، آنها میتوانند پیامدهای کارهای خود را شبیهسازی کنند.
درنهایت، باید بگوییم رباتی که به این نوع از هوش مصنوعی مجهز میشود، با انسان ارتباط بیشتری برقرار خواهد کرد. برای مثال، آنها میتوانند اقدامات خود را توضیح دهند و همین مسئله این سیستمها را با نسل فعلی هوش مصنوعی متفاوت میکند.
هوش مصنوعی خودآگاه
شاید جذابترین نوع این فناوری، «هوش مصنوعی خودآگاه» (Self-Aware AI) باشد. درواقع، میتوان آن را نوع توسعهیافتهی «تئوری هوش مصنوعی ذهن» دانست.
کامپیوترهایی که به هوش مصنوعی خودآگاه مجهز میشوند، میتوانند تشخیص دهند که چه کسی هستند و چه خصوصیاتی دارند و مسائل پیچیدهای مانند احساسات انسانی را درک کنند. از برخی جهات، این فناوری را میتوان اوج علم کامپیوتر مدرن دانست و آن را به نمایشی واقعی از چیزی تبدیل کرد که زمانی فقط در فیلمهای علمیتخیلی دیده میشد.
اگرچه هنوز پیچیدگیهای خاصی برای بهبلوغرساندن این نوع خاص از هوش مصنوعی وجود دارد، اضافهشدن هوش مصنوعی خودآگاه به زندگی روزمرهی انسانها دور از ذهن نیست؛ البته آینده با چنین فناوری بسیار متفاوت خواهد بود. ممکن است اتفاقات بسیار هیجانانگیز یا حتی وحشتناک در انتظارمان باشد.
با وجود مسائل بسیار، محققان سراسر جهان در حال کار روی این نوع هوش مصنوعی هستند؛ اما دادن آگاهی به دستگاه کار آسانی نیست. شاید بتوان کدی نوشت که بتواند تفکر انسان را تقلید کند؛ ولی آگاهیبخشیدن بحث دیگری است. درنهایت، باید اشاره کنیم تنها آینده مشخص میکند که هوش مصنوعی خودآگاه چه زمان و چگونه به زندگی بشر قدم خواهد گذاشت.
کلام آخر
به ۷ نوع هوش مصنوعی مهم و اصلی پرداختیم. همانطورکه اشاره کردیم، در حالحاضر بعضی از آنها فقط در حد نظریه و کانسپت هستند و برخی دیگر به مرحلهی اجرایی رسیدهاند. شواهد نشان میدهد که انسانها در چند سال اخیر در این حوزه پیشرفت چشمگیری کردهاند و آینده روشن است.منبع: خبرگزاری صدا و سیما
کلیدواژه: نوع هوش مصنوعی سیستم های یادگیری هوش مصنوعی عمومی ابر هوش مصنوعی هوش مصنوعی هوش مصنوعی آن ها می توان هوش مصنوعی الگوریتم ها کامپیوتر ها برنامه ریزی سازمان ها یاد بگیرد سیستم ها پیش بینی انسان ها توسعه ی ی سیستم ی انسان داده ها
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.iribnews.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «خبرگزاری صدا و سیما» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۷۴۷۲۳۱۵ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
پردازش انسانگونه دادهها با استارتآپ «هوش فضایی»
به گزارش خبرگزاری علم و فناوری آنا به نقل از رویترز، منابع آگاه اعلام کردند که دانشمند برجسته کامپیوتر فی-فی لی در حال ساخت استارت آپی است که از پردازش انسان مانند دادههای بصری استفاده میکند تا هوش مصنوعی (AI) را قادر به استدلال پیشرفته کند.
لی، که در زمینه هوش مصنوعی از پیشگامان به حساب میآید، برای سرمایه گذاری اولیه این شرکت پول جمع آوری کرده است. به گفته دو منبع دیگر، سرمایه گذاران شامل شرکت سرمایه گذاری سیلیکون ولی، اندریسن هوروویتز و رادیکال ونچرس، یک شرکت کانادایی است که او سال گذشته به عنوان شریک علمی به آن ملحق شد.
لی به طور گسترده به عنوان مادرخوانده هوش مصنوعی شناخته میشود، عنوانی که از نام پدرخوانده گرفته شده است و اغلب برای اشاره به سه محققی استفاده میشود که جایزه برتر دنیای محاسبات، یعنی جایزه تورینگ، را در سال ۲۰۱۸ به خاطر پیشرفتهای خود در فناوری هوش مصنوعی دریافت کردند.
در توصیف این استارتاپ، یک منبع به گفتوگویی اشاره کرد که لی ماه گذشته در کنفرانس «تِد» (TED) در ونکوور ارائه داده بود. در این گفتوگو، او اشاره کرد که پیشرفتهای اخیر در تحقیقات شامل الگوریتمهایی است که میتوانند بهطور معقولی پیشبینی کنند که تصاویر و متن در محیطهای سهبعدی چگونه خواهند بود و بر اساس این پیشبینیها عمل کنند. این الگوریتمها از یک مفهوم به نام هوش فضایی استفاده میکنند.
برای نشان دادن این ایده، او تصویری از گربهای را نشان داد که پنجه اش را دراز کرده بود و یک لیوان را به سمت لبه میز هل میداد. به گفته او، مغز انسان در کسری از ثانیه میتواند هندسه این لیوان، مکان آن در فضای سه بعدی، رابطه آن با میز، گربه و هر چیز دیگری را ارزیابی کند، سپس پیش بینی کند که چه اتفاقی میافتد و برای جلوگیری از آن اقدام کند.
لی گفت: طبیعت این چرخه با فضیلت را از دیدن و انجام دادن ایجاد کرده است که توسط هوش فضایی نیرو میگیرد.
او اضافه کرد که آزمایشگاه خودش در دانشگاه استنفورد سعی میکرد به رایانهها چگونگی عمل در دنیای سه بعدی را بیاموزد. به عنوان مثال با استفاده از یک مدل زبان بزرگ به یک بازوی رباتیک وظایفی مانند باز کردن در و تهیه یک ساندویچ را در پاسخ به دستورات شفاهی بیاموزد.
لی با توسعه مجموعه داده تصویری بزرگ به نام «ایمیج نت» (ImageNet)، شناخته شده است که به ورود نسلی از فناوریهای بینایی ماشین کمک کرد که برای نخستین باربهطور قابل اعتمادی قادر به شناسایی اشیاء بودند.
لی با ورود به دنیای استارتآپها، به مسابقهای در میان پرطرفدارترین شرکتهای هوش مصنوعی ملحق میشود تا الگوریتمهای خود را به منظور غلبه بر محدودیتهای فناوریهای کنونی مانند مدلهای زبان بزرگ، را که در میان پاسخهای انساننمایی خیرهکننده، گاهی بهطور بیمعنی ادعاهای نادرستی مطرح میکنند، برطرف کند. بسیاری معتقدند که این توانایی استدلال باید قبل از رسیدن مدلهای هوش مصنوعی به هوش عمومی مصنوعی یا (AGI)، به عنوان آستانهای که سیستم میتواند بیشتر و یا بهتر از انسان وظایف را انجام دهد، ایجاد شود.
بعضی پژوهشگران معتقدند که با ساخت نسخههای بزرگتر و پیچیدهتری از مدلهای کنونی، میتوانند استدلال را بهبود بخشند، در حالی که دیگران معتقدند که مسیر پیشرفت شامل استفاده از مدلهای جدید جهانی است که میتوانند اطلاعات تصویری از محیط فیزیکی اطراف خود را جذب کرده و منطق را توسعه دهند، بهطوری که نحوه یادگیری کودکان را تکرار کنند.
انتهای پیام/