هوش مصنوعی (AI)، یک حوزه گسترده از علوم کامپیوتر است که به ساخت و توسعه ماشین‌های هوشمند می‌پردازد که قادر به انجام وظایفی هستند که به طور معمول نیاز به هوش انسانی دارند. این علم، با ترکیب چندین رویکرد و رشته تخصصی، از جمله یادگیری ماشین و یادگیری عمیق، در حال ایجاد تغییرات فراگیری در صنایع مختلف از جمله صنعت فناوری است.
هدف اصلی هوش مصنوعی این است که ماشین‌ها را قادر سازد تا توانایی‌ها و قابلیت‌های ذهن انسانی را شبیه‌سازی یا بهبود ببخشند. از راه‌اندازی خودروهای خودران گرفته تا پراکندگی ابزارهای هوش مصنوعی مانند ChatGPT و Bard گوگل. هوش مصنوعی به تدریج به قسمتی از زندگی روزمره ما تبدیل می‌شود و شرکت‌ها در هر صنعتی در آن سرمایه‌گذاری می‌کنند.
بخوانید: پردازنده آیفون 15 پرو; قوی تر از یک لپ تاپ
سیستم‌های هوشمند مصنوعی، قادرند وظایفی را که معمولاً به عملکردهای انسان مرتبط هستند، انجام دهند. برای مثال، تفسیر گفتار، بازی کردن و شناسایی الگوها. آنها از طریق پردازش حجم عظیمی از داده‌ها، یاد می‌گیرند که چگونه این وظایف را انجام دهند و به دنبال الگوهایی برای مدل سازی تصمیمات خود باشند.
اغلب، انسان‌ها بر فرایند یادگیری هوش مصنوعی نظارت داشته و تصمیم‌های صحیح را تقویت و از موارد نادرست جلوگیری می‌کنند. اما برخی از سیستم‌های هوش مصنوعی، بدون نظارت طراحی شده‌اند. به عنوان مثال، تکرار بازی ویدیویی به طور مداوم تا زمانی که قوانین و روش برنده شدن را کشف کند.
تعریف هوش به طور کلی یک مفهوم پیچیده است و به همین دلیل، کارشناسان هوش مصنوعی به طور عمومی بین هوش مصنوعی قوی و هوش مصنوعی ضعیف تمایز قائل می‌شوند. این تمایز درک کردن ماهیت چند جانبه‌ی هوش و توانایی‌های مرتبط با آن را ساده تر می‌کند.
هوش مصنوعی قوی، به عنوان هوش عمومی مصنوعی نیز شناخته می‌شود. یک ماشین بسیار پیشرفته است که توانایی حل مسائلی را دارد که هیچگاه برای آن آموزش ندیده است. این نوع هوش مصنوعی به شدت شبیه به انسان است و شباهت زیادی به شخصیت‌هایی که در فیلم‌ها مشاهده می‌کنیم، مانند ربات‌های Westworld یا شخصیت Data از Star Trek: The Next Generation دارد. با این حال، هوش مصنوعی قوی هنوز واقعی نیست.
ایجاد یک ماشین باهوش در سطح انسانی، که قادر به انجام هر کاری باشد، به عنوان هدفی مقدس برای بسیاری از پژوهشگران در حوزه هوش مصنوعی محسوب می‌شود. اما تلاش برای دستیابی به هوش مصنوعی عمومی با چالش‌ها و مشکلاتی همراه بوده است. برخی افراد معتقدند که تحقیقات در زمینه هوش مصنوعی قوی باید محدود شود، زیرا وجود خطرات بالقوه در ایجاد یک هوش مصنوعی قدرتمند بدون محدودیت ممکن است.
برای درک بهتر، نمونه هایی از هوش مصنوعی را بخوانید.
هوش مصنوعی قوی به یک ماشین با توانایی‌های شناختی جامع و طیف وسیعی از کاربردها اشاره دارد. اما این واقعیت، دستیابی به چنین دستاوردی را آسان نکرده است و هنوز چالش‌های فراوانی وجود دارد.
هوش مصنوعی ضعیف، به عنوان هوش مصنوعی تخصصی نیز شناخته می‌شود. در یک زمینه محدود عمل می‌کند و به تقلید هوش انسانی در یک وظیفه خاص متمرکز است. این نوع هوش مصنوعی با شبیه سازی هوش انسانی در حل یک مسئله مشخص، مانند رانندگی خودکار، تبدیل گفتار به متن یا مدیریت محتوای وب سایت، به کار می‌رود.
هوش مصنوعی تخصصی عمدتاً بر روی انجام یک کار متمرکز است. این ماشین‌ها، با وجود ظاهر هوشمندی که دارند، اما با محدودیت‌های بسیار بیشتری نسبت به هوش انسانی عمل می‌کنند.
نمونه‌های ضعیف هوش مصنوعی عبارتند از:
مزایا، چالش‌ها و آینده هوش مصنوعی را بخوانید.
جهت دریافت هرگونه مشاوره در خصوص تعمیرات موبایل و لپ تاپ خود فرم ذیل را تکمیل نمایید. همکاران ما به زودی با شما تماس خواهند گرفت.
اگرچه اصطلاحات machine learning و deep learning به طور متداول در بحث‌های مرتبط با هوش مصنوعی استفاده می‌شوند، اما نباید آنها را به جای یکدیگر استفاده کرد. یادگیری عمیق نوعی یادگیری ماشینی است و یادگیری ماشین زیرشاخه هوش مصنوعی است.
بخوانید: تردز اینستاگرام چیست؟
یک الگوریتم یادگیری ماشین، داده‌ها را توسط یک کامپیوتر تغذیه و از تکنیک‌های آماری استفاده می‌کند تا به آن کمک کند "بیاموزد" چگونه به تدریج در یک کار بهتر شود، بدون اینکه برای آن کار برنامه ریزی شده باشد. در عوض، الگوریتم‌های ML از داده‌ها به عنوان ورودی برای پیش بینی مقادیر خروجی، استفاده می‌کند. برای این منظور، ML هم از یادگیری نظارت شده و هم از یادگیری بدون نظارت تشکیل می‌شود.
یادگیری عمیق نوعی از یادگیری ماشینی است که ورودی‌ها را از طریق معماری شبکه عصبی الهام گرفته است. شبکه‌های عصبی حاوی تعدادی لایه پنهان هستند که داده‌ها از طریق آنها پردازش می‌شوند و به ماشین اجازه می‌دهند تا در یادگیری خود «عمیق» پیش برود و اتصالات و وزن ورودی را برای بهترین نتایج ایجاد کند.
