هوش مصنوعی به زبان ساده
مطالب بسیار خوبی در مورد هوش مصنوعی (AI) و مزایای آن وجود دارد. ولی خوب بسیاری از این مطالب برای یه آدم معمولی بسیار فنی هستند. ما عاشق خواندن درباره هوش مصنوعی هستیم ، اما گاهی اوقات وقتی این مطالب را مطالعه می‌کنیم با خودم فکر می کنیم “کاش خودمونی تر میشد این مطلب را نشان داد.” ما اومدیم تا جایی که میشه هوش مصنوعی، فن آوری های مربوط به آن و کاربرد‌های آن را به زبان ساده و با استفاده از مثالهای واقعی مثل اینکه در یک مهمانی با شخصی صحبت می کنم توضیح دهیم. پس از خواندن این مقاله، می‌توانید در یک مهمانی در مورد هوش مصنوعی صحبت کنید و از میهمانان دیگر خود پذیرایی کنید.
هوش مصنوعی (AI) شامل استفاده از رایانه برای انجام کارهایی است که به طور سنتی به هوش انسان نیاز دارند. به این معنا که ما بیاییم کاری کنیم که کامپیوتر‌ها و ماشین‌ها مثل آدما یاد بگیرن، فکر کنند، تصمیم بگیرن و پیش بینی کنند . درست مثل یک کودک انسانی کوچک که در یک انسان بزرگسال (گاهی) باهوش تر رشد می کند. و مانند انسان ، هوش مصنوعی کامل نیست هنوز.
تفاوت هوش مصنوعی با برنامه منظم (هوش مصنوعی چه چیزی نیست؟)
برنامه های منظم همه سناریوهای ممکن را تعریف می کنند و فقط در آن سناریوهای تعریف شده عمل می کنند. هوش مصنوعی برنامه ای را برای یک کار خاص “آموزش می دهد” و به آن اجازه می دهد تا به تنهایی کاوش کند و پیشرفت کند. هوش مصنوعی خوب “می فهمد” که در صورت مواجهه با شرایط نا‌آشنا چه باید بکنید. Microsoft Word به تنهایی نمی تواند پیشرفت کند ، اما نرم افزار تشخیص چهره می تواند در شناسایی چهره ها هرچه بیشتر کار می کند بهتر شود. برای اعمال هوش مصنوعی ، به داده نیاز دارید. بسیاری از آن الگوریتم های هوش مصنوعی با استفاده از مجموعه داده های بزرگ آموزش داده می شوند تا بتوانند الگوها را شناسایی کنند ، پیش بینی کنند و اقداماتی را پیشنهاد دهند ، دقیقاً مانند یک انسان ، سریعتر و بهتر.
تاریخچه واقعی و شگفت انگیز هوش مصنوعی
ایده زنده بودن اشیا بی‌جان از مدت ها قبل وجود داشته است. یونانیان باستان افسانه هایی در مورد ربات ها داشتند و مهندسان چینی و مصری اتومات می ساختند. آغاز هوش مصنوعی مدرن را می توان در تلاش فیلسوفان کلاسیک برای توصیف تفکر انسان به عنوان یک سیستم نمادین جستجو کرد. اما حوزه هوش مصنوعی تا سال 1956 به طور رسمی تأسیس نشد ، در کنفرانسی در کالج دارتموث ، در هانوفر ، نیوهمپشایر ، جایی که اصطلاح “هوش مصنوعی” ابداع شد. تا سال 1956 حوزه هوش مصنوعی به طور رسمی تاسیس نشده بود. پس از تلاش فیلسوفان کلاسیک برای توصیف تفکر انسان به عنوان یک نماد جست‌و‌جو در کنفرانسی در کالج دارتموث در هانوفر اصطلاح “هوش مصنوعی” ابداع شد. ماروین مینسکی ، دانشمند علوم شناختی MIT و سایر افرادی که در این کنفرانس شرکت کردند ، نسبت به آینده هوش مصنوعی بسیار خوش بین بودند.
اما دستیابی به موجودی هوشمند مصنوعی چندان ساده نبود. پس از چندین گزارش در مورد پیشرفت در هوش مصنوعی ، بودجه دولت و علاقه به این حوزه کاهش یافت – دوره ای از سال 1974 تا 80 به “زمستان هوش مصنوعی” معروف شد. بعداً این رشته در دهه 1980 مجدداً احیا شد که دولت انگلیس مجدداً بخشی از بودجه آن را برای رقابت با تلاش‌های ژاپنی شروع کرد. زمستان عمده دیگری هوش مصنوعی از 1987 تا 1993 همزمان با فروپاشی بازار برخی از رایانه های اولیه با هدف عمومی ایجاد شد و بودجه دولت را کاهش داد. اما تحقیقات پس از آن دوباره آغاز شد و در سال 1997 ، Deep Blue از IBM اولین کامپیوتری که موفق به شکست یک قهرمان شطرنج ، کسپاروف ، استاد بزرگ روسی شد. و در سال 2011 ، سیستم پاسخ گویی غول کامپیوتر ، واتسون با غلبه بر قهرمان راسخ برد راتر و کن جنینگز ، برنده مسابقه نمایش “خطر” شد.
در این سال آلن تورینگ که یک ریاضی دان و دانشمند کامپیوتر است، به عنوان راهی برای ارزیابی اینکه آیا یک ماشین هوشمند است، کامپیوتر سخن گوی ” چت بات” یوجین گوستمن، ترفندهایی را برای فریب قضات با تصور اینکه او یک انسان واقعی است آزمایش کرد. اما این موفقیت بحث برانگیز بود و کارشناسان هوش مصنوعی گفتند که فقط یک سوم قضات فریب خورده اند و خاطرنشان کردند که ربات با ادعای اینکه این یک نوجوان است که انگلیسی را به عنوان زبان دوم صحبت می کند ، از برخی سوالات طفره رفت. اکنون بسیاری از کارشناسان بر این باورند که آزمون تورینگ معیار مناسبی برای هوش مصنوعی نیست.پرلیس به لایو ساینس گفت: “اکثریت قریب به اتفاق افرادی که در هوش مصنوعی فکر می کنند ، در بیشتر موارد فکر می کنند این یک آزمایش بسیار ضعیف است ، زیرا فقط رفتارهای بیرونی را بررسی می کند.” در واقع ، برخی از دانشمندان در حال حاضر قصد دارند نسخه به روز شده این آزمون را تهیه کنند. اما حوزه هوش مصنوعی بسیار گسترده تر از دستیابی به هوشمندی واقعی و انسانی است. از آن روز تا به الان تغییرات بسیار محسوسی در کد‌‌های هوش مصنوعی ایجاد نشده است، اما باید بپرسیم پس چه چیزی تغییر یافته؟ و جواب این سوال زمان است. امروزه محدودیت های ذخیره سازی که در ۳۰ سال گذشته جلوی پیش رفت هوش مصنوعی را گرفته بود، دیگر وجود ندارند. امروزه طبق تخمین ها سرعت و حافظه کامپیوتر ها هر سال دو برابر افزایش می‌یابد و این امر باعث شده تا توانایی آن ها از نیازهای ما پیشی بگیرد. این دقیقا همان دلیلی است که Deep Blue توانست کاسپاروف را شکست دهد.
ما امروز در عصر کلان داده یا big data قرار داریم. ما امروز قادریم حجم بالایی از اطلاعات مختلف را ذخیره سازی کنیم و آن ها را پردازش کنیم. ما در حال حاضر شاهد آنیم که با اینکه پیشرفت به خصوصی در الگوریتم ها و کدها روی نداده است اما کلان داده و قدرت پردازش فوق العاده، به هوش مصنوعی این توانایی را داده که از طریق آن با سرعت و نیروی فوق العاده ای پیشرفت کند.
دیدگاهتان را بنویسید