مقدمه ای بر هوش‌مصنوعی

هوش مصنوعی یک حوزه «میان رشته ای» یا «بینِ رشته ای» است. میان رشته ای یعنی تلفیقی از علوم گوناگون، که در نقطه یا نقاطی با یکدیگر اشتراک دارند. وقتی علوم ریاضیات، آمار، علم اعصاب شناسی، علوم شناختی (نحوه عملکرد مغز)، روان شناسی، فلسفه و علوم کامپیوتر به یک ناحیه مشترک می رسند، هوش مصنوعی متولد می شود. البته این داستانِ تولد هوش مصنوعی است. اما وقتی این علم، بزرگ می شود علوم دیگری نیز به میان می آیند. مثلا وقتی به شبیه سازی جوامع (انسانی یا حیوانی) می پردازیم دیگر بحث فقط بر سر علم اعصاب و یا حتی روان شناسی نیست بلکه بحث به سمت جامعه شناسی انسانی و یا جامعه شناسی حیوانی پیش می رود. وقتی به پیاده سازی سیستم های زیستی می پردازیم دیگر بحث بر سر علم اعصاب و علوم شناختی نیست بلکه به عمق زیست شناسی نفوذ کرده، نحوه عملکرد سلول ها را به دقت بررسی کرده و سعی می کنیم سیستم مزبور را شبیه سازی کنیم.

علی ای حال، در ابتدای کار، دانشمندان سعی داشتند به شناسایی نحوه عملکرد اعصاب انسان بپردازند و سپس دانش کسب شده را در سیستم های کامپیوتری شبیه سازی کنند از آنجا بود که هوش مصنوعی با علم اعصاب گره خورد. محققان خون جگر خوردند و صبر کردند و تهمت شنیدند و مسخره شدند تا توانستند به موفقیت هایی، در زمینه شبیه سازی سیستم عصبی انسان در کامپیوتر برسند. منظور از «شبیه سازی» این نیست که تمام سیستم عصبی انسان را به طور کامل پیاده سازی کرده باشند. نه دانش بشر به طور صد در صد به نحوه عملکرد اعصاب انسان احاطه دارد و نه اساسا سیستم های کامپیوتری منابع لازم برای این شبیه سازی را در اختیار دارند بلکه منظور از شبیه سازی، «الهام گرفتن از طبیعت» است. یعنی ده-پانزده درصد مانند طبیعت عمل کرده و بقیه سیستم را، متناسب با منابع و نیازهای خودمان پیاده سازی کنیم.

حتی عده از محققان بر این باور بودند که اساسا چه نیازی است مشابه طبیعت عمل کنیم؟ وقتی منابع کامپیوتری محدودی در اختیار داریم، وقتی می توانیم با ابداع الگوریتم هایی که ملهم از طبیعت نیستند، به کارآیی مطلوب برسیم، اساسا چه نیازی است از طبیعت الهام بگیریم؟ این دسته از محققان نیز روش های جدیدی بوجود آوردند که مانند طبعیت عمل نمی کند اما در نهایت می تواند نتیجه مورد نظر را ارائه دهد. مثلا در این قبیل سیستم ها، نحوه پردازش داده ها مشابه مغز انسان نیست اما به هر حال در پایان پردازش می تواند پاسخ مطلوب را ارائه دهد.

اگر «یادگیری» را قلب هوش مصنوعی تصور کنیم، باید بگوییم یادگیری با سه رویکرد اصلی حاصل می شود: یادگیری نظارت شده، یادگیری بدون نظارت و یادگیری تقویتی.

اجازه بدهید در قسمت های بعد هر یک از این سه مورد را بررسی کنیم.

https://web.telegram.org/#/im?p=@ForsatAcademy

#هوش_مصنوعی #ملهم_از_طبیعت