هوش‌مصنوعی Artificial intelligence(Ai) چیست؟

هوش‌مصنوعی Artificial intelligence(Ai)

هوش‌مصنوعی عرصه‌ی پهناور تلاقی بسیاری از دانش‌های قدیم و جدید است. ریشه‌ها و ایده‌های اصلی هوش‌مصنوعی را باید در علوم فلسفه، زبانشناسی، ریاضیات، روانشناسی، نورولوژی و فیزیولوژی جستجو کرد و کاربردهای گوناگون و فراوانی در علوم رایانه، علوم مهندسی، علوم زیست‌شناسی و پزشکی، علوم ارتباطات و بسیاری از علوم دیگر دارد. هوش‌مصنوعی در علم پزشکی امروزه به دلیل گسترش دانش و پیچیده‌تر شدن فرایند تصمیم گیری، استفاده از سیستم‌های اطلاعاتی به خصوص سیستم‌های تصمیم گیری اهمیت بیشتری یافته است.

هوشمندی به معنای تصمیم گیری براساس داده‌های قبلی(آموزش دیده شده) و وضعیت فعلی (داده‌های جدید) است. یا به عبارت دیگر، ماشین هوشمند، ماشینی است که بتواند با استفاده از اطلاعات قدیمی و مشاهده وضعیت موجود بهترین تصمیم را بگیرد. البته هوشمندی را به این شکل نیز می توان تعریف کرد که ماشین بتواند از روش‌های حل مساله همانند انسان استفاده کند.

نکته قابل توجه این است که نباید از  هوش‌مصنوعی انتظار تصمیم گیری 100% داشت، بلکه سیستم‌های هوشمند نیز استباهاتی در تصمیم گیری دارند که البته این اشتباهات نیز در فرایند آموزش و آزمون بسیار کاهش می بایند ولی هیچگاه به صفر نمی رسند.

در سال 1950، آلن تورینگ مقاله ای را در رابطه با هوش‌مصنوعی منتشر ساخت که بعد ها به تست تورینگ مشهور شد. از همان سال تحقیقات در رابطه با هوش‌مصنوعی شروع شد ولی تیم‌های تخقیقاتی در شناخت و رفع برخی از مشکلات هوش‌مصنوعی با شکست مواجه شدند، این شکست‌ها به شکلی بود که دولت‌های بزرگی همچون انگلیس و آمریکا، تمام پژوهش‌های هوش‌مصنوعی را لغو کردند و تا سال 1980 به سختی برای این دسته از پژوهش‌ها بودجه اختصاص می دادند.

به زودی در سال 1980، پژوهش ها بر روی هوش مصنوعی از سر گرفته شد و این امر مدیون این بود که سیستم های هوشمند، به موفقیت های تجاری دست یافتند. سیستم های هوشمند، ترکیب هایی از هوش مصنوعی بودند که مهارت و دانش و توان تجزیه تحلیلی یک متخصص را شبیه سازی می کردند. در سال 1985، هوش مصنوعی به بازار یک میلیارد دلاری دست یافت و در همان زمان پروژه ی کامپیوتر های نسل پنجم ژاپن، که متوقف شده بود، از سر گرفته شد و بودجه ای برای تحقیقات آکادمیک در این زمینه در نظر گرفته شده بود. اما در سال 1987 باز هم چرخ گردان به گونه ای دیگر چرخید و بازار فروش ماشین های پردازش لیست (Lisp Machines) (با زبان Lisp) که با مشکلاتی موجه بودند، نابود شد و در یک ثانیه تمام آبروی هوش مصنوعی را هم با خود برد. پس این بار زمان سخت تری برای هوش مصنوعی فرارسید.

پس از این مشکلات، در دهه 1990 و نزدیک به قرن بیست و یکم، هوش مصنوعی به یکی از بزرگ ترین موفقیت های خود دست یافت. اگر چه چیزهایی پشت پرده ماندند ولی هوش مصنوعی در زمینه های مهمی مانند استدلال و منطق، داده کاوی، تشخیص های پزشکی و طیف های گسترده ای از تکنولوژی و صنعت به کار گرفته می شد.

خیلی زود توسعه دهندگان هوش مصنوعی به این نتیجه رسیدند که باید در الگوریتم های خود از نحوه حل مساله ((گام به گام)) استفاده کنند. در واقع انسان ها هم معمولا برای حل مواردی از جمله: ساختن پازل و … از این روش استفاده می کنند. آنها همچنین توانستند که پس از دهه های 80 و 90 الگوریتم های موفقیت آمیزی را برای درک داده ها و اطلاعات نا کامل عرضه کنند که این الگوریتم ها از احتمالات، برای درک این اطلاعات استفاده می کردند.

برای حل مسائل سخت، بیشتر این الگوریتم ها به کامپیوتر های بزرگ و قدرتمندی برای پردازش نیاز داشتند. بسیاری از این الگوریتم ها به مقدار زیادی حافظه (رم) نیاز داشتند و حتی در صورت فراهم آمدن آن، با وجود سخت افزار های آن زمان، مدت مورد نیاز برای پردازش نجومی بود. بنابر این می توان این مساله را دریافت که: جستجو برای الگوریتم های بهتر و موثر تر در آن زمان، از اولویت های اصلی پژوهشگران هوش مصنوعی بود.

انسان برای حل مسائل خود خیلی سریع عمل می کند. چیزی که باید فهمید این است که اگر چه انسان در جمع و تفریق اعداد از کامپیوتر شکست می خورد، اما مساله فقط جمع و تفریق نیست. در واقع اولین گام برای حل مساله درک آن است و این چیزی است که برای انسان بسیار ساده و برای کامپیوتر ها بسیار سخت است. بر این اساس آنها به تحقیقات زیادی پرداختند و به این نتیجه رسیدند که باید برای بازدهی بیشتر از شبکه های عصبی استفاده کنند. این کار به آنها کمک می کرد تا بتوانند به ساختار اعصاب و مغز انسان و سایر حیوانات نزدیک تر شوند.

در ادامه مطالبی در رابطه ابزارها و کتابخانه‌هایی خواهیم گفت که بتوانید بصورت عملی کاربردهایی از هوش‌مصنوعی را ببینید و از آن‌ها استفاده کنید.

 

یک دیدگاه بگذارید

آدرس ایمیل شما منتشر نخواهد شد.


*