هوش مصنوعی یا AI چیست؟
هوش مصنوعی یا Artificial Intelligence (به اختصار AI) به الگوریتم‌هایی گفته می‌شود که در آن رایانه‌ها (اصطلاحاً ماشین‌ها) توانایی حل مسئله و تصمیم گیری همانند ذهن انسان را خواهند داشت. این واژه نخستین بار در سال 1955 توسط جان مک‌کارتی معرفی شد که میتوان گفت این نامگذاری به نحوی بعد از معرفی تست تورینگ مهمترین اتفاق در تاریخچه‌ی هوش‌مصنوعی بوده است.
هوش مصنوعی یا AI چیست؟
“It is the science and engineering of making intelligent machines, especially intelligent computer programs. It is related to the similar task of using computers to understand human intelligence, but AI does not have to confine itself to methods that are biologically observable.”, John Mccarthy
پس از آن، استوارت راسل و پیتر نورویگ کتاب “هوش مصنوعی: یک رویکرد مدرن” (Artificial Intelligence: A Modern Approach) را منتشر کردند که یکی از کتاب‌های مهم در مطالعه هوش مصنوعی شد. در این کتاب، آن‌ها به چهار هدف یا تعریف ممکن برای هوش مصنوعی پرداختند که سیستم‌های کامپیوتری را بر اساس عقلانیت و تفکر در مقابل عملگرایی تفکیک می‌کند:
- رویکرد انسانی:
– سیستم‌هایی که مثل انسان‌ها فکر می‌کنند
– سیستم‌هایی که مثل انسان‌ها عمل می‌کنند - رویکرد ایده‌آل:
– سیستم‌هایی که به صورت عقلانی فکر می‌کنند
– سیستم‌هایی که به صورت عقلانی عمل می‌کنند
تعریف آلن تورینگ در دسته‌بندی “سیستم‌هایی که مانند انسان عمل می‌کنند” قرار می‌گیرد.
در ساده‌ترین شکل، هوش مصنوعی یک حوزه است که علم کامپیوتر و مجموعه داده‌های قوی را ترکیب می‌کند تا به حل مسائل بپردازد. این همچنین شامل زیرحوزه‌های یادگیری ماشین و یادگیری عمیق است که به طور مکرر با هوش مصنوعی ذکر می‌شوند. این رشته‌ها شامل الگوریتم‌های هوش مصنوعی هستند که سعی در ایجاد سیستم‌های خبره دارند که بر اساس داده‌های ورودی پیش‌بینی یا طبقه‌بندی انجام دهند.
امروزه هیجان یا hype زیادی درباره توسعه هوش مصنوعی وجود دارد. همانطور که در چرخه هیجان Gartner توضیح داده شده است، نوآوری‌های محصولاتی مانند خودروهای خودران و دستیارهای شخصی “یک پیشرفت معمولی در نوآوری، از افراطی بودن در شوق تا دورانی از ناامیدی و در نهایت درک اهمیت و نقش نوآوری در یک بازار یا حوزه.” دنبال می‌کنند.
“a typical progression of innovation, from overenthusiasm through a period of disillusionment to an eventual understanding of the innovation’s relevance and role in a market or domain.”
در اینجا لکس فریدمن در سال 2019 در سخنرانی MIT خود (01:08:05) اشاره کرده است که در قلهٔ انتظارات بالا هستیم و به دوران نا امیدی نزدیک می‌شویم.
با بروز گفتگوهایی در مورد اخلاق هوش مصنوعی، می‌توانیم شروع آغازین دوران نا امیدی را ببینیم. برای دیدن بیشتر در مورد جایگاه IBM در گفتگوی اخلاقی درباره هوش مصنوعی، اینجا را بخوانید.
انواع هوش مصنوعی – هوش مصنوعی ضعیف و هوش مصنوعی قوی (weak AI vs. strong AI )
هوش مصنوعی ضعیف – که همچنین به آن هوش مصنوعی باریک یا هوش مصنوعی باریک مصنوعی (ANI) می‌گویند – هوش مصنوعی است که برای انجام کارهای خاص آموزش دیده و تمرکز دارد. هوش مصنوعی ضعیف بیشتر هوش مصنوعی را که امروزه در اطراف ما وجود دارد را به دست می‌دهد. “باریک” شاید توصیف دقیق‌تری برای این نوع هوش مصنوعی باشد زیرا هیچ چیز ضعیفی نیست؛ این هوش مصنوعی به برنامه‌های بسیار قوی مانند سیری اپل، الکسا آمازون، واتسون IBM و خودروهای خودکار امکان پذیر می‌کند.
هوش مصنوعی قوی- یا (Strong AI) از هوش مصنوعی کلی (AGI) یا Artificial General Intelligence و هوش مصنوعی فوق العاده (ASI) یا Artificial Super Intelligence تشکیل شده است. هوش مصنوعی کلی (AGI) یا هوش مصنوعی عمومی(general AI)، یک نوع نظری از هوش مصنوعی است که در آن یک ماشین هوشی معادل با انسان‌ها داشته باشد؛ این ماشین یک خودآگاهی دارد که قابلیت حل مسائل، یادگیری و برنامه‌ریزی برای آینده را به آن خواهد داد. هوش مصنوعی فوق العاده (ASI) – که به عنوان فوق هوش یا فراهوش(super-intelligence) نیز شناخته می‌شود – هوش و توانایی مغز انسان را پشت سر می‌گذارد. در حالی که هوش مصنوعی قوی هنوز به طور کامل نظری است و هیچ مثال عملی از آن در حال استفاده نیست، این به معنی این نیست که پژوهشگران هوش مصنوعی در حال بررسی توسعه آن نیستند. در این میان، بهترین نمونه‌های ASI ممکن است از داستان‌های علمی-تخیلی باشد، مانند HAL، کمک رایانه‌ای فوق‌العاده و خلافکار در فیلم ۲۰۰۱: ادیسه فضایی.
بیشتر بخوانید:
همچنین میتوانید برای وارد شدن به دنیای هوش مصنوعی دوره آموزشی هوش مصنوعی را ببنید:
مطالب زیر را حتما مطالعه کنید
آموزش Agent-بخش 10: ساخت agent با smolagents
آموزش Agent-بخش 9: کتابخانه Dummy Agent
آموزش Agent-بخش 8(مشاهده): یکپارچه‌سازی بازخورد برای تطبیق و بهبود
آموزش Agent-بخش 7(اقدامات): توانمندسازی Agent برای تعامل با محیط خود
آموزش Agent-بخش 6 (تفکر): استدلال داخلی و رویکرد Re-Act
برای ترجمه روان پیشنهاد می گردد از ترجمه تحت الفظی خودداری گردد و تا حدامکان برخی از کلمات لاتین بدون ترجمه در متن درج گردد یا اینکه مترجم دقیقا عنوان لاتین و فارسی را در متن نامه درج نماید تا خواننده بهتر متوجه مترجم گردد.
ترجمه اش خیلی بد و ضعیف بود
لطفا برای بهبودش پیشنهادهایتان را بدهید