تاثیرات هوش مصنوعی (AI) در زندگی بشر

امروزه با پیشرفت تکنولوژی در زمینه‌های مختلف، شاهد رشد روز افزون علم هوش مصنوعی و تاثیرات آن در زندگی بشر هستیم .در این مقاله به توضیحاتی دراینباره خواهیم پرداخت .در ادامه با فاراد رایانه پرداز همراه باشید.

تاریخچه هوش مصنوعی

روبات‌های هوشمند و موجودات مصنوعی اولین بار در افسانه‌های دوران باستان یونان ظاهر شدند. توسعه‌ای که ارسطو برای هم افزایی و استفاده از استدلال قیاسی داد، لحظه‌ای مهم و تاریخی در تلاش بشر برای درک هوش خود بود. در حالی که ریشه‌های تاریخیAI  طولانی و عمیق هستند، اما تاریخچه آن به شکلی که امروزه در مورد آن فکر می‌کنیم، به کمتر از یک قرن برمی‌گردد. 

هوش مصنوعی (AI) چیست ؟

 Artificial intelligence  (AI) شاخه گسترده‌ای از علوم رایانه است. این شاخه مربوط به ساخت ماشین‌های هوشمندی است که قادر به انجام وظایفی هستند، که معمولاً به هوش انسانی نیاز دارند. هوش مصنوعی یک علم میان رشته‌ای با چندین رویکرد است که تاثیرات هوش مصنوعی در زندگی بشر قابل درک است ، اما پیشرفت در یادگیری ماشین  (machine learning) و یادگیری عمیق (deep learning) باعث ایجاد تغییر الگوی تقریباً هر بخش از صنعت فناوری می‌شود.

آیا ماشین ها می توانند فکر کنند؟

– آلن تورینگ ، 1950 : کمتر از یک دهه پس از شکستن ماشین رمزگذاری نازی‌ها به نام Enigma و کمک به نیروهای متفقین در پیروزی در جنگ جهانی دوم، ریاضیدان آلن تورینگ برای بار دوم با یک سوال ساده تاریخ را تغییر داد: “آیا ماشین‌ها می‌توانند فکر کنند؟”

مقاله تورینگ تحت عنوان “ماشین آلات و هوش محاسباتی” (1950)، و آزمایش متعاقب آن به نام تورینگ (Turing)، هدف اساسی و چشم انداز هوش مصنوعی را تعیین کرد.

تعریف هوش مصنوعی (AI)

AI در هسته اصلی خود، 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 آن سوالات و بحث های زیادی را به وجود آورده است. تا آنجا که هیچ تعریف واحدی از این رشته در سطح جهانی هنوز پذیرفته نشده است.

عمده‌ترین محدودیت در تعریف هوش مصنوعی به زبان ساده “ساخت ماشین‌هایی که هوشمند هستند” این است که در واقع توضیح نمی‌دهد که هوش مصنوعی چیست؟ و این که چه چیزی یک ماشین را هوشمند می‌سازد؟

نویسندگان استوارت راسل و پیتر نورویگ در کتاب درسی پیشگامانه خود، آن را اینگونه تعریف کرده‌اند: رویکردی مدرن، با یکسان سازی کار خود پیرامون موضوع عوامل هوشمند در ماشین‌ها.

چهار رویکرد مختلف به طور تاریخی در زمینه AI

هوش مصنوعی مطالعه عواملی است که ادراکات را از محیط دریافت می کنند و کار‌ها را انجام می‌دهند”. (Russel and Norvig viii) Norvig  و Russell در ادامه به بررسی چهار رویکرد مختلف می‌پردازند، که به طور تاریخی زمینه هوش مصنوعی  را تعریف کرده‌اند:

•   انسانی فکر کردن
•   منطقی فکر کردن
•   انسانی عمل کردن
•   منطقی عمل کردن

دو ایده اول مربوط به فرایندهای تفکر و استدلال هستند، در حالی که بقیه با رفتار سرو کار دارند. نورویگ و راسل به ویژه بر عوامل منطقی که برای رسیدن به بهترین نتیجه عمل می‌کنند تمرکز می‌کنند و خاطرنشان می‌کنند: “تمام مهارت‌های مورد نیاز برای آزمون تورینگ، به یک عامل اجازه منطقی عمل کردن را می‌دهند. ” (راسل و نورویگ 4).

پاتریک وینستون (Patrick Winston)، فورد پروفسور AI و علوم کامپیوتر در MIT، آن را چنین تعریف می‌کند: ” الگوریتم‌های فعال شده توسط محدودیت‌ها، در معرض نمایش‌هایی قرار می‌گیرند که از مدل‌های هدفمند در یک سری از فرایند‌های تداومی در برنامه‌های کامپیوتری (loops) پشتیبانی می‌کنند که تفکر، درک و عمل را به هم گره می‌زنند.”

اگرچه این تعاریف به نظر می‌رسد برای یک فرد عادی انتزاعی و کوتاه باشند، اما به تمرکز این حوزه به عنوان یک شاخه از علوم رایانه کمک می‌کند و طرحی برای تزریق ماشین آلات و برنامه‌ها با یادگیری ماشین و سایر زیر مجموعه‌های AI فراهم می‌کنند.

 کاربردها و تاثیرات هوش مصنوعی  (AI)

مدیرعاملDataRobot، جرمی آچین (Jeremy Achin)، هنگام سخنرانی در جمع افراد در Japan AI Experience در سال 2017 ، سخنرانی خود را با ارائه تعریف زیر از نحوه استفاده از هوش مصنوعی امروز آغاز کرد:

” AI یک سیستم رایانه‌ای است که قادر به انجام وظایفی است که معمولاً به هوش انسان نیاز دارند. بسیاری از این سیستم با ماشین لرنینگ کار می‌کنند، برخی از آن ها با یادگیری عمیق و برخی دیگر با چیزهای بسیار کسل کننده‌ای مثل قوانین کار می‌کنند. “

انواع هوش مصنوعی 

شاخه های هوش مصنوعی  به طور کلی تحت دو دسته گسترده قرار دارد:

هوش مصنوعی باریک (Narrow AI)

گاهی اوقات به عنوان “هوش مصنوعی ضعیف” یا “Weak AI” نیز شناخته می‌شود. این نوع در یک زمینه محدود عمل می‌کند و شبیه سازی هوش انسانی است. اغلب بر انجام یک کار واحد بسیار خوب متمرکز است و گرچه به نظر می‌رسد این ماشین‌ها هوشمند هستند، اما آن ها با محدودیت‌های بسیار بیشتری حتی از ابتدایی‌ترین مدل هوش انسانی کار می‌کنند.

هوش مصنوعی عمومی Artificial General Intelligence (AGI)

 Artificial General Intelligence (AGI) که ​​گاهی اوقات با عنوان “Strong AI” یا” هوش مصنوعی قوی” نیز شناخته می‌شود، نوعی از AI است که در فیلم‌ها می بینیم، مانند ربات‌های Westworld یا Data  از Star Trek: The Next Generation.

AGI ماشینی با هوش عمومی است و دقیقاً مانند یک انسان می‌تواند از این هوش برای حل هر مشکلی استفاده کند.

نمونه هایی از تاثیرات هوش مصنوعی:

•   دستیارهای هوشمند (مانندSiri وAlexa )
•   ابزار تشخیص میزان گستردگی و پیش بینی بیماری
•   تولید و خودکار کردن ربات‌ها
•   توصیه‌های شخصی سازی شده و انحصاری درمانی و مراقبت‌های بهداشتی و سلامتی
•   ربات‌های مکالمه برای بازاریابی و خدمات به مشتری
•   مشاوران روبو برای تجارت سهام
•   فیلترهای هرزنامه یا اسپم از طریق ایمیل
•   ابزارهای نظارت بر شبکه های اجتماعی برای محتوای مشکل ساز یا اخبار دروغ
• پیشنهاد آهنگ یا برنامه تلویزیونی از Spotify و Netflix

هوش مصنوعی Narrow

Narrow AIدر اطراف ما موجود است و به راحتی می‌توان گفت موفق‌ترین تحقق آن تا به امروز است. Narrow AI در دهه گذشته با تمرکز بر انجام وظایف خاصی، موفقیت‌های زیادی را تجربه کرده است و طبق گزارش سال 2016 منتشر شده توسط دولت اوباما تحت عنوان “آماده سازی برای آینده هوش مصنوعی”، “دارای مزایای قابل توجهی در جامعه بوده و به رشد اقتصادی ملت‌ها کمک کرده است”.

چند نمونه از Narrow AI

•   جستجوی گوگل
•   نرم افزار تشخیص تصویر
•   Siri، Alexa و سایر دستیاران شخصی
•   اتومبیل های خودران
•   واتسون IBM(IBM’s Watson)

یادگیری ماشین و یادگیری عمیق

 بیشتر Narrow AI با پیشرفت در یادگیری ماشین و یادگیری عمیق ایجاد می‌شود. درک تفاوت بین AI، یادگیری ماشین و یادگیری عمیق می‌تواند کمی گیج کننده باشد. سرمایه گذار خطرپذیر، فرانک چن (Frank Chen)، مرور کلی خوبی در مورد چگونگی تمایز بین آن‌ها ارائه می‌دهد:

“هوش مصنوعی مجموعه‌ای از الگوریتم‌ها و هوش برای تلاش به منظور تقلید از هوش انسان است. یادگیری ماشین نیز یکی از آن هاست، و یادگیری عمیق یکی از آن تکنیک‌های یادگیری ماشین است.”

یادگیری ماشین یا ماشین لرنینگ

به زبان ساده، یادگیری ماشینی داده‌های رایانه را تغذیه می‌کند و از تکنیک‌های آماری برای کمک به “یادگیری” نحوه پیشرفت بهتر در یک کار، بدون اینکه برای آن کار به طور خاص برنامه ریزی شده باشد، استفاده می‌کند و نیاز به میلیون‌ها خط کد نوشته شده را از بین می‌برد. یادگیری ماشین شامل یادگیری تحت نظارت (با استفاده از مجموعه داده های دارای لیبل یا labeled) و یادگیری بدون نظارت (با استفاده از مجموعه داده های بدون لیبل یا unlabeled) است. می‌توانید با مطالعه ی مقاله ی یادگیری ماشین machine learning چیست و جایگاهش در دنیای امروز  اطلاعات خود را در مورد این موضوع مهم افزایش دهید.

یادگیری عمیق یاDeep Learning

یادگیری عمیق نوعی از یادگیری ماشینی است، که ورودی‌ها را از طریق معماری شبکه عصبی الهام گرفته از زیست شناسی اجرا می کند. شبکه‌های عصبی شامل تعدادی لایه پنهان هستند، که داده‌ها از طریق آن‌ها پردازش می‌شوند و به ماشین اجازه می‌دهند تا در یادگیری خود”عمق” داشته باشد، اتصالات و ورودی وزنی را برای بهترین نتیجه ایجاد کند.

هوش مصنوعی عمومی

ایجاد ماشینی با هوشی در سطح انسان که برای هر کاری قابل استفاده باشد، برای بسیاری از محققان هوش مصنوعی حکم کاپ قهرمانی را دارد، اما تلاش برای AGI همواره با دشواری همراه بوده است.

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

مدت‌هاست AGI موزه‌ای از داستان‌های علمی تخیلی است که در آن ربات‌های بسیار هوشمند بیش از حد بر بشریت غلبه می‌کنند، اما کارشناسان معتقدند این چیزی نیست که به این زودی نگران آن باشیم.

برای مشاهده مقالات دیگر می توانید به لینک زیر مراجعه کنید.

• نکات لازم برای خرید انواع دوربین مداربسته
• ۸ ایده برای طراحی دکوراسیون تجهیز سالن کنفرانس