هوش مصنوعی واژه‌ای است که شاید برای عموم آشنا نباشد و بسیاری از افراد وقتی با رشته هوش مصنوعی مواجه می‌شوند آن را جزء پزشکی می‌دانند! خیلی از افراد هم با شنیدن این واژه به یاد روباتیک می افتند و فکرمیکنند که این رشته به روباتیک محدود میشود، گرچه بخش نرم افزاری روبات و کنترل آن بی ارتباط با هوش مصنوعی نیست و روباتیک یکی از کاربردهای آن محسوب میشود، اما هوش مصنوعی بسیار فراتر از آن است.
طبق تعریفی که تورینگ انجام داده است : اگر شما پشت یک ترمینال بشینید و با دو نفر چت کنید و متوجه نشوید که کدام یک از آنها انسان است و کدامیک کامپیوتر، آنگاه انسان موفق به ساخت هوش مصنوعی شده است. در ادامه با خط مهندسی همراه باشید، تا با هم گشت و گذاری در این هوش ماشینی داشته‌باشیم.
هوش مصنوعی، علمی نو
هوش مصنوعی به خودی خود علمی کاملا جوان است. در واقع بسیاری شروع هوش مصنوعی را ۱۹۵۰ می دانند زمانی که آلن تورینگ مقاله خود را در باب چگونگی ساخت ماشین هوشمند نوشت (آنچه بعدها به تست تورینگ مشهور شد) تورینگ درآن مقاله یک روش را برای تشخیص هوشمندی پیشنهاد می‌کرد. این روش بیشتر به یک بازی شبیه بود.
فرض کنید شما در یک سمت یک دیوار (پرده یا هر مانع دیگر) هستید و به صورت تله تایپ با آن سوی دیوار ارتباط دارید و شخصی از آن سوی دیوار از این طریق با شما در تماس است. طبیعتاً یک مکالمه بین شما و شخص آن سوی دیوار می‌تواند صورت پذیرد. حال اگر پس از پایان این مکالمه، به شما گفته شود که آن سوی دیوار نه یک شخص بلکه (شما کاملاً از هویت شخص آن سوی دیوار بی‌خبرید) یک ماشین بوده که پاسخ شما را می‌داده، آن ماشین یک ماشین هوشمند خواهد بود، در غیر این صورت(یعنی در صورتی که شما در وسط مکالمه به مصنوعی بودن پاسخ پی ببرید) ماشین آن سوی دیوار هوشمند نیست و موفق به گذراندن تست تورینگ نشده است. باید دقت کرد که تورینگ به دو دلیل کاملا مهم این نوع از ارتباط(ارتباط متنی به جای صوت) را انتخاب کرد. اول این که موضوع ادراکی صوت را کاملاً از صورت مساله حذف کند و این تست هوشمندی را درگیر مباحث مربوط به دریافت و پردازش صوت نکند و دوم این که بر جهت دیگری هوش مصنوعی به سمت نوعی از پردازش زبان طبیعی تاکید کند..
در هر حال هر چند تاکنون تلاش‌های متعددی در جهت پیاده سازی تست تورینگ صورت گرفته، اما هنوز هیچ ماشینی موفق به گذر از چنین تستی نشده است.
همانگونه که مشخص است، این تست نیز کماکان دو پیش فرض اساسی را در بردارد:
۱ـ نمونه کامل هوشمندی انسان است.
۲ـ مهمترین مشخصه هوشمندی توانایی پردازش و درک زبان طبیعی است.
با توجه به این دو فرض می‌توان درک کرد که چرا آلن تورینگ تنها گذر از این تست زبانی را شرط دست‌یابی به هوشمندی می‌داند.تست تورینگ اندکی کمتر از نیم‌قرن هوش مصنوعی را تحت تاُثیر قرار داد اما شاید تنها در اواخر قرن گذشته بود که این مسئله بیش از هر زمان دیگری آشکار شد که متخصصین هوش مصنوعی به جای حل این مسئله باشکوه ابتدا باید مسائل کم‌اهمیت‌تری همچون درک تصویر (بینایی ماشین)، درک صوت و… را حل کنند.
در سال‌های آغازین هوش مصنوعی ( AI:Artificial Intelligence) تمرکز کاملا برروی توسعه سیستم‌هایی بود که بتوانند فعالیت‌های هوشمندانه(البته به زعم آن روز) انسان را مدل کنند، و چون چنین فعالیت‌هایی را در زمینه‌های کاملاً خاصی مانند بازی‌های فکری، انجام فعالیت‌های تخصصی حرف‌های، درک زبان طبیعی و…. می‌دانستند، طبیعتا به چنین زمینه‌هایی بیشتر پرداخته شد.در زمینه توسعه بازی‌ها، تا حدی به بازی شطرنج پرداخته شد که غالباً عده‌ای هوش مصنوعی را با شطرنج همزمان به خاطر می‌آورند. مک‌کارتی که از بنیان‌گذاران هوش مصنوعی است این روند را آنقدر اغراق‌آمیز می‌داند که می‌گوید:
محدود کردن هوش مصنوعی به شطرنج مانند این است که علم ژنتیک را از زمان داروین تا کنون تنها محدود به پرورش لوبیا کنیم
به هر حال دستاورد تلاش مهندسین در طی دهه‌های نخست را می‌توان توسعه تعداد بسیار زیادی سیستمهای خبره در زمینه‌های مختلف مانند پزشکی عمومی، اورژانس، دندانپزشکی، تعمیرات ماشین، توسعه بازی‌های هوشمند، ایجاد مدل‌های شناختی ذهن انسان، توسعه سیستمهای یادگیری و… دانست. دست‌آوردی که به نظر می‌رسد برای علمی با کمتر از نیم قرن سابقه قابل قبول به نظر می‌رسد.
هوش مصنوعی چه مفهومی دارد؟
هوش مصنوعی، هوش ماشین ها است! در واقع شاخه ای از علوم کامپیوتر است که قصد دارد راه حل های الگوریتمی را ارائه کند تا بتوانیم به وسیله آنها در ماشین ها هوشمندی ایجاد کنیم. اما این تعریف کافی نیست؛ اول از همه باید بدانیم که تعریف هوشمندی چیست و بعد باید منظور از ماشین را دربیابیم :
استدلال، منطق، تصمیم گیری ؛ این ها توانایی هستند که شما از آنها استفاده می کنید. پس شما هوشمند هستید. اگر این توانایی ها را در کامپیوتر هم ایجاد کنیم، آنگاه به ماشین هوشمند دست می یابیم! به همین سادگی … ولی به جز این ها چیز های دیگری هم در رابطه با تعریف هوشمندی وجود دارند که دانستن آنها را می توان مهم ارزیابی کرد. در واقع بحث هایی که در مورد هوشمندی و هوش مصنوعی مطرح شده است؛ تنها به دوره ی امروزه ی ما و قرن ۲۱ مربوط نمی شود، بلکه از سال ۱۹۵۰ این مباحث به طور جدی مطرح شد.
هوش مصنوعی شامل یادگیری ماشین ، یادگیری عمیق و سایر قابلیت‌های برنامه‌نویسی است. سامانه‌های هوش مصنوعی امروزی به دنبال پردازش یا پاسخگویی داده مشابه روش انسان هستند.در واقع تعریف‌های هوش مصنوعی گسترده است، چرا که پروژه‌های هوش مصنوعی متنوعی وجود دارد. می‌توان پروژه‌های هوش مصنوعی را به دو دسته کلی طبقه‌بندی کرد:
هوش مصنوعی عمومی (General AI)
هدف هوش مصنوعی عمومی تقلید رفتار و استنتاج انسان است. هدف توسعه‌دهندگان طراحی سامانه هوش مصنوعی مشابه هوش و رفتار انسان است. این نوع هوش مصنوعی در کاربرد خاصی استفاده نمی‌شود. سامانه‌های هوش مصنوعی عمومی تنها برای فروش محصولات و به نمایش گذاشتن قابلیت‌های ماشین به کار می‌رود. برای نمونه می‌توان دستیار شخصی هوشمند کورتانا (Cortana) و سیری (Siri) را نام برد. دستیارهای مجازی در تعامل با انسان دارای محدودیت هستند بنابراین کاربرد محدودی دارند.
هوش مصنوعی محدود (Narrow AI)
هوش مصنوعی محدود بر مسئله و شرایط خاصی تمرکز دارد. این نوع هوش مصنوعی برای تجزیه و تحلیل داده و استنتاج طراحی میشود. حتی استنتاج ماشین‌ها از انسان بهتر است. نرم‌افزار ترجمه خودکار زبان اسپانیایی به انگلیسی و نرم‌افزار تجزیه و تحلیل سهام برای سرمایه‌گذاری نوعی هوش مصنوعی محدود هستند. این نوع کاربردها با اینکه خیلی قابل توجه نیستند ولی نسبت به هوش مصنوعی عمومی کاربردی‌تر هستند.
از سوی دیگر هوش مصنوعی را از لحاظ چگونگی عملکرد می‌توان به دو دسته طبقه‌بندی کرد. این نوع طبقه‌بندی، پیچیدگی سامانه هوش مصنوعی و هزینه‌های نهایی نرم‌افزار را مشخص می‌کند. نخستین پرسش که درباره نرم‌افزار هوش مصنوعی یک شرکت پرسیده میشود این است که سامانه از طریق استنتاج یاد می‌گیرد یا از طریق آموزش؟
آموزش (Training)
سامانه‌های هوش مصنوعی مبتنی به آموزش به‌گونه‌ای هستند که در گذر زمان یاد می‌گیرند و مجموعه داده‌ها و بخش‌های پردازش خود را تطبیق می‌دهند تا کارآیی خود را بالاتر ببرند. این نوع سامانه‌ها به توان محاسباتی زیادی نیاز دارند.
هوش مصنوعی استنتاجی (Inference)
یک سامانه هوش مصنوعی استنتاجی به مشاهده داده و نتیجه‌گیری طی چند مرحله کاملا دقیق می‌پردازد. برای نمونه، با هدف اعلام نتایج یک مسابقه، فرآیند استنباط سامانه هوش مصنوعی، نتایج مسابقه راشناسایی می‌کند. برای یافتن نتایج از مجموعه داده‌های قابل اعتماد استفاده میشود. نتایج تیم‌های موجود در فهرست تیم‌های مسابقه مقایسه می‌شوند و نتایج به صورت گفتار گزارش میشود. با این حال سامانه‌های هوش مصنوعی استنتاجی در طول زمان توانایی خود را بهبود نمی‌دهند. توان محاسباتی کمتری نیاز دارد و در نتیجه هزینه کمتری صرف خواهد شد.
زبان‌های برنامه نویسی هوش مصنوعی
اولین موضوع در برنامه نویسی هوش مصنوعی ایجاد ساختار کنترلی مورد لزوم برای محاسبه سمبولیک است.زبان‌های برنامه نویسی LISP ، PROLOG علاوه بر اینکه از مهمترین زبان‌های مورد استفاده در هوش مصنوعی هستند، خصوصیات معنایی آنها باعث شده که شیوه‌ها و راه حل‌های قوی برای حل مسئله ارایه کنند. تاثیر قابل توجه این زبان‌ها بر روی توسعه هوش مصنوعی از جمله توانایی‌های آنها به عنوان «ابزارهای فکرکردن» است.
PROLOG
یک زبان برنامه نویسی منطقی است. یک برنامه منطقی دارای یک سری ویژگیهای قانون و منطق است. در حقیقت خود این نام از برنامه نویسی PRO در LOGIC می‌آید. در این زبان یک مفسر برنامه را بر اساس یک منطق می‌نویسد. ایده استفاده توصیفی محاسبهٔ اولیه برای بیان خصوصیات حل مسئله یکی از محوریتهای مشارکت PROLOG است که برای علم کامپیوتر به طور کلی و بطور جزئی برای زبان برنامه نویسی هوشمند مورد استفاده قرار می‌گیرند.
LISP
اصولاً LISP یک زبان کامل است که دارای عملکرد‌ها و لیست‌های لازمه برای توصیف عملکردهای جدید، تشخیص تناسب و ارزیابی معانی است. LISP به برنامه نویس قدرت کامل برای اتصال به ساختارهای اطلاعاتی را می‌دهد.در حقیقت این مدل برنامه نویسی طوری موثر بوده است که تعدادی از دیگر زبان‌ها براساس عملکرد برنامه نویسی آن بنا شده‌اند، مثل: FP، ML، SCHEME
یکی از مهمترین برنامه‌های مرتبط با LISP برنامه SCHEME است که یک تفکر دوباره در باره زبان در آن وجود دارد که بوسیله توسعه هوش مصنوعی و برای آموزش و اصول علم کامپیوتر مورد استفاده قرار می‌گیرد.
کاربردهای هوش مصنوعی چیست؟
امروزه ردپایی از هوش ماشینی را می‌توان در علوم مختلفی اعم از پزشکی، علوم هوافضا، تسلیحات نظامی ، پیش بینی وضع هوا، نقشه برداری و شناسایی عوارض، رباتیک، تشخیص صدا، دست خط ، بـــــازی ها و نرم افزارهای رایانه ای مشاهده کرد. از این رو متخصصان هوش مصنوعی، با توجه به کاربردهای گوناگون این علم، آن را در شاخههای متنوعی دنبال نموده اند.
- شبکه های عصبی (Neural Networks)
- پردازش زبان طبیعی (Natural Language Processing)
- رباتیک (Robotics)
- انجام مسابقات (Game Playing)
- یادگیری ماشین (Machine Learning)
- استراتژیهای تکاملی الگوریتم ژنتیک (Evolutionary Algorithms)
- تشخیص گفتار (Speech Recognition)
- بینایی ماشین (Machine Vision)
- کشاورزی
- صنعت
- بازی‌ها
- لباسهای هوشمند
- آجر و ساختمانهای هوشمند
- کیف هوشمند
- شیر آب هوشمند
- سیستمهای حمل و نقل هوشمند
- تسلیحات نظامی هوشمند
آیا هوش مصنوعی تهدیدی برای زندگی بشر است؟
ری کرزویل سرپرست بخش مهندسی گوگل، فردی است که به پیش بینی آینده شهرت دارد، معتقد است که هوش ماشینی تا سال ۲۰۲۹ از هوش انسان پیشی می گیرد و این موضوع نه تنها تهدیدی برای بشریت نیست، بلکه می تواند فرصت هایی برای پیشرفت انسان نیز فراهم کند و همان فناوری که باعث پیشرفت هوش مصنوعی می شود، زمینه پیشرفت انسان را نیز فراهم می کند.
او پدیده تکینگی فناوری زمانی ” این پدیده هنگامی رخ می دهد که دستگاه‌های مختلف به دلیل پیشرفت‌های باورنکردنی در فناوری‌های مختلف، مخصوصا هوش مصنوعی، هوشمندتر از انسان شوند” را مطرح می‌کند. او در ادامه بیان می‌کند که این پیشرفت‌‌ها باعث می شود که دستگاه های مختلف به انسان قدرت ببخشند.
- ۹۶/۱۰/۰۷