هوش مصنوعی (AI) به شبیه سازی هوش انسان در ماشین هایی گفته می شود که برنامه ریزی شده اند تا مانند انسان فکر کنند و اقدامات آنها را تقلید کنند. ویژگی ایده آل هوش مصنوعی، توانایی منطقی سازی و انجام اقداماتی است که بیشترین شانس را برای دستیابی به یک هدف خاص دارند.

هوش مصنوعی (AI) شاخه گسترده ای از علوم کامپیوتر است که مربوط به ساخت ماشین های هوشمندی می باشد که قادر به انجام وظایفی هستند که معمولاً به هوش انسانی برای انجام آن نیاز است. هوش مصنوعی یک علم میان رشته ای با چندین رویکرد می باشد، اما پیشرفت در یادگیری ماشین (ML) و یادگیری عمیق (Deep Learning) تقریبا باعث ایجاد تغییر الگو در هر بخش از صنعت فناوری شده است.

آلن تورینگ سال ۱۹۵۰

مقاله تورینگ با عنوان “محاسبات ماشین آلات و هوش” (۱۹۵۰) و سپس آزمایش تورینگ، هدف اساسی و چشم انداز هوش مصنوعی را برای همیشه تعیین کرد!

به طور کلی، AI شاخه ای از علوم کامپیوتر می باشد که هدف آن پاسخ مثبت به سوال تورینگ است. این مسئله، در تلاش برای تکرار یا شبیه سازی هوش انسان در ماشین ها می باشد.

هوش مصنوعی قدری مسئله گسترده ای است که سوالات و بحث های فراوانی را به وجود آورده است. آن قدر بزرگ که هیچ تعریف واحدی از این رشته در سطح جهانی تا به حال پذیرفته نشده است.

شما نمی توانید هوش مصنوعی را تنها با عنوان ساده “ساخت ماشین هایی که هوشمند هستند” خطاب کنید، به این دلیل که این مورد اصلا این مسئله را به طور جامع و اندازه توضیح نمی دهد. که هوش مصنوعی چیست؟ چه چیزی یک ماشین را هوشمند می کند؟

نویسندگان استوارت راسل و پیتر نورویگ در کتاب درسی پیشگامانه خود، Artificial Intelligence: A Modern Approach، با تمرکز حول موضوع عوامل هوشمند در ماشین ها، به این سوال می پردازند. با توجه به این نکته، هوش مصنوعی “مطالعه عواملی است که محیط خود را درک می کنند و اعمال خود را با توجه به محیط انجام می دهند.”

استوارت راسل و پیتر نورویگ در ادامه به بررسی چهار رویکرد مختلف می پردازند که به طور تاریخی زمینه AI را تعریف کرده است:

1. انسانی فکر کردن
2. منطقی فکر کردن
3. انسانی عمل می کند
4. منطقی عمل می کند

دو ایده اول مربوط به فرآیند های تفکر و استدلال است، در حالی که دیگران معمولا با رفتار ها سرو کار دارند. نورویگ و راسل به ویژه بر عوامل منطقی که برای رسیدن به بهترین نتیجه عمل می کنند، تمرکز می کنند و خاطر نشان می کنند که: “تمام مهارت های مورد نیاز برای آزمون تورینگ به یک عامل اجازه می دهد که منطقی عمل کند.”

پاتریک وینستون، استاد هوش مصنوعی و علوم رایانه MIT، هوش مصنوعی را چنین تعریف می کند: “الگوریتم هایی که توسط محدودیت ها فعال می شوند و در معرض آزمایش هایی قرار می گیرند که از مدل های هدفمند پشتیبانی می کنند که شامل تفکر، درک کردن و عمل می شود.”

اگر چه این تعاریف به نظر می رسد برای یک فرد عادی انتزاعی باشد، اما به تمرکز در این فیلد به عنوان حوزه ای از علوم رایانه کمک می کند و طرحی برای وارد کردن ماشین آلات و برنامه ها با ماشین یادگیری و سایر زیر مجموعه های هوش مصنوعی فراهم می کند.

مدیر عامل DataRobot، جرمی آچین، هنگام سخنرانی در جمع افراد در Japan AI Experience in 2017 سخنرانی خود را با ارائه تعریف زیر از نحوه استفاده از هوش مصنوعی امروزی آغاز کرد:

هوش مصنوعی معمولا ًدر دو دسته گسترده قرار می گیرد:

• Narrow AI: گاهی اوقات به عنوان “هوش مصنوعی ضعیف” نیز شناخته می شود، این نوع هوش مصنوعی در یک زمینه محدود عمل می کند و شبیه ساز هوش انسانی است. Narrow AI اغلب بر انجام یک کار واحد بسیار خوب متمرکز می شود و گر چه به نظر می رسد این ماشین ها هوشمند هستند، اما آن ها با کمبود ها و محدودیت های بسیار بیشتری حتی نسبت به ابتدایی ترین هوش انسانی کار می کنند.
• Artificial General Intelligence: یا همان AGI که گاهی اوقات به “Strong AI” نیز شناخته می شود، نوعی هوش مصنوعی است که بیشتر در فیلم ها آن را می بینیم، مانند ربات های سریال Westworld یا فیلم Ex Machina که دارای هوش عمومی هستند و دقیقاً مانند یک انسان می توانند از این هوش برای حل هر مشکلی استفاده کنند.

• دستیار های هوشمند (مانند سیری و الکسا)
• ابزار نقشه برداری و پیش بینی بیماری ها
• تولید پهباد های بدون سر نشین
• توصیه های درمانی بهداشت شخصی و بهینه شده
• ربات های مکالمه برای بازاریابی و خدمات به مشتری
• مشاوران روباتیک برای تجارت سهام
• فیلتر های اسپم از طریق ایمیل
• ابزار های نظارت بر شبکه های اجتماعی برای محتوای خطرناک یا اخبار نادرست
• توصیه های آهنگ یا برنامه سریالی از Spotify و Netflix

Narrow AI همیشه در اطراف ماست و به راحتی می توان گفت که موفق ترین تحقق در زمینه هوش مصنوعی، تاکنون است. با تمرکز بر انجام وظایف خاص، Narrow AI در دهه گذشته موفقیت های زیادی را تجربه کرده است. طبق گفته Preparing for the Future of Artificial Intelligence، که در گزارش سال ۲۰۱۶ توسط دولت اوباما منتشر شده ” Narrow AI دارای مزایای قابل توجهی در جامعه بوده و به نشاط اقتصادی ملت کمک کرده است.”

چند نمونه از Narrow AI عبارتند از:

• جستجوی گوگل
• نرم افزار تشخیص تصویر
• سیری، الکسا و سایر دستیاران شخصی
• اتومبیل های خودران
• واتسون IBM

Narrow AI بیشتر با پیشرفت هایی در یادگیری ماشین و یادگیری عمیق ایجاد می شود. درک تفاوت بین هوش مصنوعی، یادگیری ماشین و یادگیری عمیق می تواند گیج کننده باشد. سرمایه گذار جسور، فرانک چن، نمای خوبی از چگونگی تمایز بین آن ها ارائه می دهد و خاطرنشان می کند:

“هوش مصنوعی مجموعه ای از الگوریتم ها و خود هوش می باشد که برای تقلید از هوش انسان به وجود آمده است. یادگیری ماشین یکی از آن می باشد و یادگیری عمیق در واقع یکی از آن تکنیک های یادگیری ماشین است.”

به زبان ساده تر، یادگیری ماشین، داده های کامپیوتر را تغذیه می کند و از تکنیک های آماری برای کمک به “یادگیری” نحوه پیشرفت بهتر در یک کار، بدون این که برای آن کار به طور خاص برنامه ریزی شده باشد، استفاده می کند و میلیون ها خط کد نوشتاری را از بین می برد. یادگیری ماشین شامل یادگیری تحت نظارت (با استفاده از مجموعه داده های دارای برچسب) و یادگیری بدون نظارت (با استفاده از مجموعه داده های بدون برچسب) می باشد.

حال یادگیری عمیق نوعی یادگیری ماشین است که ورودی ها را از طریق ساختار شبکه عصبی، الهام گرفته از زیست شناسی اجرا می کند. شبکه های عصبی شامل تعدادی لایه پنهان هستند که داده ها از طریق آن ها پردازش می شوند و به ماشین اجازه می دهند تا در یادگیری خود “عمق” داشته باشند.

ایجاد ماشینی با هوش در سطح انسانی که برای هر کاری قابل استفاده باشد، برای بسیاری از محققان هوش مصنوعی شبیه به جام مقدس است! اما تلاش برای AGI تا به حال با دشواری همراه بوده است.

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

مدت هاست که AGI تنها برای داستان های سرگرم کننده فیلم و سریال استفاده می شود که در آن ربات های بیش از حد هوشمند بر بشریت غلبه می کنند، اما کارشناسان معتقدند که این موضوعی نیست که به این زودی ها بخواهیم نگران آن باشیم.