هوش مصنوعی در این روزها به سرفصلی بدل شده است که اگر به هر دلیلی با آن فاصله بگیریم در واقع از آینده علمی و کسب و کاری خود فاصله گرفته ایم . در این میان در دو سال اخیر یعنی سال 1401 و 1402 بیشتر از قبل با موضوع هوش مصنوعی در سایت ها ، رسانه ها و البته فضای مجازی و بخصوص اینستاگرام آشنا شده ایم.

بنابراین هوش مصنوعی جا ، مکان ، مقام ، منصب ، فقیر ، غنی ، روستایی ، شهری ، کارمند ، رئیس ، سخت افزار ، نرم افزار و … نمیشناسد اگر به یادگیری آن توجهی نشود ، به سرعت از ما سبقت می گیرد.

با این حال بیشتر مرد دنیا در سال 2020 به بعد با سرفصلی و یا به عبارتی یا موضوع عجیبی بنام هوش مصنوعی در حالی آشنا شدند که همین بعد علمی AI توانسته است که در این مدت کوتاه 3 ساله تحولی به نسبت 100 سال در حوزه علم از خود نشان دهد.

در این میان ما هم باید بر مبنای شغل خود از ابزارهای هوش مصنوعی مرتبط با کسب و کارمان استفاده کنیم چرا که با رشد فوق العاده سریع این حوزه از علم به گونه ای در حال پیشرفت است که اگر ما با سرعت پیشرفت آن در حوزه ی یادگیری و بکارگیری هوش منصوعی حرکت نکنیم ، به ناچار تسلیم عدم آگاهی در این حوزه خواهیم شد و در کسب و کارمان نیز رقبا به واسطه ی تسلط به کارگیری این علم، ما را از مسر حرکت خارج خواهند کرد.

قبل از هر چیز باید دانست که هوش مصنوعی چیست؟

با توجه صحبت های بالا باید گفت که هوش مصنوعی یا AI یک علم (Science) یا مهندسی (Engineering) برای شبیه سازی فرآیندهای پردازشی هوش انسان توسط ماشین‌ها، خصوصا سیستم‌های کامپیوتری است. از هوش مصنوعی برای توسعه تکنیک‌ها، فرآیندها و روش‌های دیگری نظیر سیستم‌های خبره (Expert Systems)، یادگیری ماشینی (Machine Learning)، یادگیری عمیق (Deep Learning)، روباتیک (Robotics)، پردازش زبان‌های طبیعی (Natural Language Processing)، تشخیص گفتار (Speech Recognition)، دید ماشینی (Machine Vision) و دیگر موارد استفاده می‌شود.

علاوه بر این، هوش مصنوعی در حوزه‌های مختلفی از جمله سلامت و پزشکی، کسب‌وکار، آموزش، امور مالی، حقوق، سرگرمی و رسانه، امنیت، بلاک چین و ارز دیجیتال و دیگر صنایع کاربرد دارد. در این مطلب، مزایا و معایب، انواع 4 گانه، مفاهیمی نظیر Weak AI و Strong AI و Super AI، کاربردها، نمونه ابزارهای هوش مصنوعی نظیر چت جی پی تی (ChatGPT) و گوگل بارد (Google Bard) و همچنین تاریخچه ای آی را بررسی می‌کنیم.

اگر چه به زبان ساده تری باید گفت که هوش مصنوعی یا artificial intelligence سر فصل جدیدی از علوم رایانه است که هدف اصلی آن تولید نرم افزار و سخت افزارهای هوشمندی است که توانایی انجام کارهایی را خواهند داشت که انجامش تا قبل از ظهور هوش مصنوعی نیازمند به هوش انسانی  داشته است و فقط انسان می توانست آن را انجام دهد.

به عبارتی هوش مصنوعی در حقیقت نوع مشابه و قدرتمندتر هوش انسانی برای کامپیوتر است و منظور از هوش مصنوعی در واقع ماشینی است که به گونه ای برنامه نویسی شده که همانند انسان فکر کند و توانایی تقلید از رفتار انسان را داشته باشد. این تعریف می تواند به تمامی ماشین هایی اطلاق شود که بگونه‌ای همانند ذهن انسان عمل می‌کنند و می‌توانند کارهایی مانند حل مسئله و یادگیری داشته باشند.

اگر چه ویژگی فوق العاده عالی هوش مصنوعی توانایی آن در منطقی کردن فرآیند و انجام اقداماتی است که بیش‌ترین شانس را برای دست‌یابی به یک هدف خاص دارد. زیرمجموعه‌ای از هوش مصنوعی، یادگیری ماشینی ML است اما یادگیری ماشین به این مفهوم اشاره دارد که برنامه‌های کامپیوتری می‌توانند به‌طور خودکار از داده‌های جدید بیاموزند و بدون کمک انسان با آن‌ ها سازگار شوند.

تاریخچه هوش مصنوعی

ایده «ماشینی که فکر می‌کند» به یونان باستان بازمی‌گردد. اما از زمان ظهور محاسبات الکترونیکی، رویدادها و نقاط عطف مهم در سیر تکامل هوش مصنوعی شامل موارد زیر است:

1950 میلادی: آلن تورینگ مقاله «ماشین‌های محاسباتی و هوش» را منتشر کرد. در این مقاله، توربینگ که به‌دلیل شکستن کد ENIGMA ارتش نازی در جریان جنگ جهانی دوم به شهرت رسیده بود، به این سوال پاسخ می‌دهد که آیا ماشین‌ها می‌توانند فکر کنند؟

او در ادامه آزمایشی را پیشنهاد می‌دهد که به کمک آن می‌توان دریافت که آیا ماشین می‌تواند هوشی مانند انسان را از خود نشان بدهد یا خیر. ارزش و اعتبار آزمون تورینگ از همان زمان تا به امروز مورد بحث بوده است.

1956 میلادی: جان مک‌کارتی در اولین کنفرانس هوش مصنوعی در کالج دارتموث، اصطلاح «هوش مصنوعی» را ابداع کرد. کمی بعد در همان سال، آلن نیوول، جی‌.سی شاو و هربرت سایمون یک نظریه منطقی ایجاد کردند که اساسا نخستین برنامه نرم‌افزاری هوش مصنوعی قابل اجرا به‌حساب می‌آمد.

1967 میلادی: Mark 1 Perceptron توسط فرانک روزنبلات ساخته شد؛ اولین کامپیوتر مبتنی بر یک شبکه عصبی که از طریق آزمون و خطا یاد گرفت. دقیقا یک سال بعد، ماروین مینسکی و سیمور پیپرت کتابی با عنوان پرسپترون‌ها منتشر کردند که هم به کاری برجسته در مورد شبکه‌های عصبی و هم حداقل برای مدتی به‌عنوان استدلالی علیه پروژه‌های تحقیقاتی آینده در مورد شبکه‌های عصبی مطرح شد.

دهه 1980 میلادی: شبکه‌های عصبی که از یک الگوریتم پس انتشار خطا (Backpropagation) برای آموزش خود استفاده می‌کنند، به‌طور گسترده در کاربردهای هوش مصنوعی مورد استفاده قرار گرفتند.

1997 میلادی: هوش مصنوعی Deep Blue از شرکت IBM موفق شد در دو مسابقه قهرمان و اسطوره شطرنج جهان، گری کاسپاروف را شکست دهد.

2011 میلادی: هوش مصنوعی Watson از شرکت IBM موفق شد کن جنینگز و براد راتر، دو قهرمان مسابقه تلویزیونی Jeopardy را شکست دهد.

2015 میلادی: ابرکامپیوتر Minwa شرکت بایدو از نوعی شبکه عصبی عمیق به‌نام شبکه عصبی کانولوشن برای شناسایی و دسته‌بندی تصاویر استفاده می‌کرد که نسبت به یک انسان معمولی دقت بالاتری داشت.

2016 میلادی: برنامه AlphaGo شرکت DeepMind که از یک شبکه عصبی عمیق بهره می‌برد، لی سودول، قهرمان جهان در بازی Go را در یک مسابقه متشکل از پنج دست شکست داد. این پیروزی با توجه به تعداد زیادی حرکات ممکن در طول بازی (بیش از 14.5 تریلیون حرکت بعد از چهار حرکت اول!) قابل توجه است. مدتی بعد، گوگل شرکت DeepMind را به‌ مبلغ 400 میلیون دلار خریداری کرد.

2023 میلادی: ظهور مدل‌های زبانی وسیع یا LLM مانند ChatGPT؛ تغییر عظیم در عملکرد هوش مصنوعی و پتانسیل آن برای افزایش ارزش سازمانی. با این شیوه‌های جدید هوش مصنوعی مولد، می‌توان مدل‌های یادگیری عمیق را از قبل با حجم عظیمی از داده‌های خام و بدون برچسب آموزش داد.

با پدر هوش مصنوعی یعنی الن تورینگ آشنا شوید ؟

الن ماتیسون تورینگ Alan Mathison Turing که پدر هوش مصنوعی شناخته می‌شود، در مقاله سال 1950 خود به‌نام  Computing Machinery and Intelligence ، در بخش معرفی این علم تحت عنوان “Imitation Game”، که فیلمی به همین نام نیز با بازی بندیکت کامبربچ در سال 2004 ساخته شد، مقاله خود را با طرح سوال زیر آغاز می‌کند:

Can machines think?

آیا ماشین‌ها می‌توانند فکر کنند؟

وی برای پاسخ به این سوال، آزمایشی را مطرح می‌کند که بعدها به «آزمون تورینگ (Turing Test)» معروف شد. این آزمایش در مقاله وی به‌صورت زیر طرح شده است:

نوع جدید مسئله را می‌توان در قالب یک بازی تعریف کرد که به آن «بازی تقلید» می‌گوییم. در این بازی، 3 نفر شامل یک مرد (A)، یک زن (B) و یک بازجو (C) که جنسیتش مشخص نیست، حضور دارند. بازجو در اتاق دیگری از این دو نفر می‌نشیند. هدف این بازی برای بازجو، تعیین این است که کدام یک از این دو نفر زن و دیگری مرد است. بازجو این دو نفر را با اسم‌‌های X و Y می‌شناسد و باید آخر بازی مشخص کند که کدام یک از X و Y دارای جنسیت A و B هستند. بازجو اجازه پرسیدن سوال از A و B را دارد، بنابراین:

C: ممکن است X قد موهای خودش را به من بگوید؟

حالا فرض کنید X همان A (مرد) است، پس A باید پاسخ دهد و هدف وی در این بازی، تلاش برای فریب C و شناسایی اشتباه جنسیت است. پاسخ A می‌تواند به این صورت باشد:

موهای من خیلی کوتاه و بلندترین تار موی من حدود 9 اینج است.

حال برای اینکه لحن صداها به بازجو کمک نکند، پاسخ‌ها باید نوشته یا در حالت بهتر، تایپ شوند. شرایط ایده‌آل برای برقراری ارتباط بین دو اتاق، داشتن یک تله پرینتر است. در حالت دیگر، پرسش و پاسخ‌ها را می‌توان توسط یک واسطه تکرار کرد. هدف بازی برای بازیکن سوم (B)، کمک به بازجو است.

بهترین استراتژی برای B (که زن در نظر گرفته می‌شود)، دادن پاسخ‌های صادقانه به سوالات است. وی می‌تواند اطلاعات بیشتری نظیر «من یک زن هستم، به حرف‌های آن مرد گوش نده» را به پاسخ‌های خود اضافه کند. از آنجایی که مرد هم می‌تواند اظهارات مشابهی را بیان کند، این پاسخ فایده زیادی نخواهد داشت.

اکنون سوال ما این است که «وقتی یک ماشین نقش A را در این بازی به عهده بگیرد، چه اتفاقی می‌افتد؟». آیا بازجو به همان اندازه که بازی بین زن و مرد انجام می شود، هنگام انجام این بازی با ماشین نیز تصمیم اشتباه می‌گیرد؟ این سوالات، جایگزین سوال اصلی «آیا ماشین‌ها می‌توانند فکر کنند؟» می‌شود.

با اینکه این آزمایش از زمان طراحی تا کنون تحت بررسی‌های دقیق قرار گرفته است، اما همچنان یکی از مهمترین بخش‌های تاریخچه ای آی به‌شمار می‌رود و به‌خاطر استفاده از ایده‌های پیرامون زبان‌شناسی، یک مفهوم همیشگی در فلسفه محسوب می‌شود.

تشریح بیشتر هوش مصنوعی

اما مفهوم واقعی هوش مصنوعی چیست؟ وقتی اکثر مردم اصطلاح هوش مصنوعی را می‌شنوند، معمولا اولین چیزی که به ذهن‌شان می‌رسد ربات‌ها هستند. این برداشت ذهنی به فیلم‌ها و رمان‌هایی مربوط است که همیشه ربات‌ها را موجوداتی قدرتمند با توانایی نابود کردن کره زمین و بشر تجسم کرده‌اند.

هوش مصنوعی بر این اصل استوار است که هوش انسانی را می‌توان به‌گونه‌ای تعریف کرد که یک ماشین بتواند به‌راحتی آن را تقلید کند و وظایف را از ساده‌ترین موارد تا موارد پیچیده‌تر انجام دهد. اهداف هوش مصنوعی شامل تقلید از فعالیت‌های شناختی انسان است.

محققان و توسعه‌دهندگان در این زمینه در تقلید از فعالیت‌هایی مانند یادگیری، استدلال و ادراک که تا حدی بتوان آن‌ها را به‌طور مشخص تعریف کرد، گام‌های شگفت‌انگیزی برداشته‌اند. برخی بر این باورند که مبتکران ممکن است به‌زودی قادر به توسعه سیستم‌هایی باشند که برای یادگیری یا استدلال هر موضوعی از ظرفیت انسان فراتر باشد.

اما برخی دیگر بدبین هستند، زیرا تمام فعالیت‌های شناختی با قضاوت‌های ارزشی همراه است که از تجارب انسانی پیروی می‌کند.

با پیشرفت فناوری، معیارهای قبلی که هوش مصنوعی را تعریف می‌کردند، قدیمی می‌شوند. به‌عنوان مثال، ماشین‌هایی که توابع اولیه را محاسبه می‌کنند یا متن را از طریق تشخیص نوری کاراکتر (OCR) تشخیص می‌دهند، دیگر به‌عنوان مفهوم هوش مصنوعی در نظر گرفته نمی‌شوند؛ زیرا این عملکرد اکنون به‌عنوان یک عملکرد ذاتی کامپیوتر، بدیهی تلقی می‌شود.

هوش مصنوعی به‌طور مداوم در حال تکامل است تا صنایع زیادی قادر به بهره‌مندی از مزایای آن باشند. منطق در ماشین‌ها با استفاده از یک رویکرد بین‌رشته‌ای مبتنی بر علوم ریاضیات، کامپیوتر، زبان‌شناسی، روان‌شناسی و غیره مدل‌سازی می‌شود.

الگوریتم‌ها معمولا نقش بسیار مهمی در ساختار هوش مصنوعی ایفا می‌کنند؛ الگوریتم‌های ساده در کاربردهای ساده استفاده می‌شوند و الگوریتم‌های پیچیده‌تر به ایجاد هوش مصنوعی قوی‌ کمک می‌کنند.

بررسی انواع هوش مصنوعی

برای اینکه هر چه بهتر درک کنیم AI چیست باید حتما انواع آن را هم بشناسیم. هوش مصنوعی مفهومی گسترده است که در سه دسته طبقه‌بندی می‌شود؛ هوش مصنوعی محدود یا ضعیف، هوش مصنوعی عمومی یا قوی و هوش مصنوعی فوق هوشمند.

هوش مصنوعی فوق هوشمند یا سوپر Artificial Super Intelligence ؟

هوش مصنوعی فوق هوشمند (ASI) که با عنوان ابر هوش مصنوعی نیز شناخته می‌شود، سیستمی است که نه تنها بسیاری از مزایای انسانی را به چالش می‌کشد بلکه توانایی نابود کردن نسل بشر را هم دارد. اگر احساس می‌کنید در حال خواندن یک رمان علمی تخیلی هستید، باید بگوییم این هوش مصنوعی واقعا به‌همین شکل است!

ASI سیستمی است که در آن هوش یک ماشین از تمام انواع هوش انسانی در تمامی جنبه‌ها پیشی می‌گیرد و در هر کارکردی از انسان‌ها بهتر عمل می‌کند.

یک سیستم هوشمند که بتواند خود را آموزش دهد و به‌طور مداوم بهبود یابد؛ هنوز یک مفهوم فرضی است. با این حال، چنین سیستمی اگر به‌طور موثر و در چارچوب‌های اخلاقی پیاده‌سازی شود، می‌تواند به پیشرفت‌ها و دستاوردهای فوق‌العاده‌ای در پزشکی، فناوری و موارد دیگر منجر شود.

هوش مصنوعی عمومی Artificial General Intelligence ؟

هوش مصنوعی عمومی یا AGI که به‌عنوان هوش مصنوعی قوی نیز شناخته می‌شود؛ هنوز یک مفهوم فرضی است، زیرا قابلیت درک ماشینی و انباشته کردن تجارب را دارد وبر اساس آن قادر است وظایف بسیار متفاوتی را انجام دهد.

این نوع هوش مصنوعی بیش‌تر در سطح عقل انسان است، زیرا سیستم‌های AGI می‌توانند مانند یک انسان استدلال و فکر کنند.

AGI مانند یک انسان، به‌طور بالقوه قادر به درک هر کار فکری، تفکر انتزاعی، یادگیری از تجربیات قبلی و استفاده از آن دانش برای حل مشکلات جدید است. اساسا، ما در مورد یک سیستم یا ماشینی صحبت می‌کنیم که دارای عقل سلیم است؛ که در حال حاضر با هیچ شکلی از هوش مصنوعی موجود، قابل دستیابی نیست.

توسعه سیستمی که آگاهی خاص خودش را داشته باشد، اگرچه هنوز رویاپردازانه به‌حساب می‌آید، اما هدف نهایی در تحقیقات هوش مصنوعی است.

هوش مصنوعی ضعیف یا محدود artificial narrow intelligence ؟

هوش مصنوعی محدود یا ضعیف که با کلمه اختصاری ANI شناخته می‌شود برای دستیارهای صوتی مانند سیری، الکسا و گوگل اسیستنت بسیار مهم است. این دسته شامل سیستم‌های هوشمندی می‌شود که برای انجام وظایفی مشخص یا حل مشکلات مشخص طراحی یا آموزش دیده‌اند. البته این هوش مصنوعی دقیقا برای این کار طراحی نمی‌شود.

ممکن است ANI معمولا به‌عنوان هوش مصنوعی ضعیف شناخته شود؛ زیرا از هوش عمومی برخوردار نیست. اما برخی از نمونه‌های کاربرد این هوش مصنوعی مانند دستیارهای صوتی و همچنین سیستم‌های تشخیص تصویر، فناوری‌هایی هستند که به درخواست‌های ساده خدمات مشتری پاسخ می‌دهند و همچنین ابزارهایی که محتوای نامناسب را در اینترنت علامت‌گذاری می‌کنند.

ChatGPT نمونه‌ای از هوش مصنوعی ANI است، زیرا برای انجام یک کار خاص برنامه‌ریزی شده است؛ ChatGPT با توجه به پرامپت‌های (Prompt) دریافت‌شده از سوی کاربر، پاسخ‌های متنی را تولید می‌کند.

اهداف هوش مصنوعی

اساس هوش مصنوعی آن است که هوش انسان و طریق کار آن به‌گونه‌ای تعریف شود که یک ماشین بتواند آن را به راحتی اجرا کند و وظایفی که بر آن محول می‌شود را به درستی اجرا کند. هدف هوش مصنوعی در حقیقت بر سه پایه استوار است:

1.  یادگیری
2.  استدلال
3.  درک

هوش مصنوعی (AI) شاخه گسترده ای از علوم رایانه است که مربوط به ساخت ماشین های هوشمند با توانایی انجام وظایفی است که معمولاً به هوش انسان نیاز دارند. هوش مصنوعی یک علم میان رشته ای با چندین رویکرد است ، اما پیشرفت در یادگیری ماشین و یادگیری عمیق باعث ایجاد تغییر الگوی تقریباً در هر بخش از صنعت فناوری می شود.

تفاوت هوش‌مصنوعی و برنامه نویسی

ما در برنامه نویسی ورودی‌های معلوم و مشخص دازیم و با استفاده از دستورات شرطی مانند if و else میتوانیم معادلات را حل کنیم و به نتیجه‌ی دلخواه برسیم ولی مسائلی که با هوش مصنوعی حل می‌شوند از تنوع ورودی زیادی بهرمند هستند به همین دلیل نمی‌توان با برنامه نویسی معمولی تمام جنبه‌ها را پوشش داد مثل یک سیستم تبدیل صدا به متن یا تشخیص چهره که داده‌های ورودی آنها بسیار متنوع هستند به همین دلیل مجبور به استفاده از مدل‌های هوش مصنوعی برای انجام این کارها هستیم.

هوش‎‌مصنوعی به چه شکل‌هایی در دسترس است؟

در حال حاضر تعداد زیادی سرویس هوش مصنوعی در دسترس مصرف‌کنندگان عمومی و کسب‌وکارها قرار دارد که می‌توان از آن‌ها برای تسریع انجام وظایف و تسهیل زندگی روزمره استفاده کرد. احتمالا همین حالا که این مقاله را مطالعه می‌کنید یکی از دستگاه‌های هوشمند در خانه شما از این فناوری بهره می‌برد.

در اینجا چند نمونه متداول از هوش مصنوعی که به‌صورت رایگان یا پولی در دسترس عموم قرار دارد را بررسی می‌کنیم.

دستیارهای صوتی: آمازون الکسا که در بلندگوی هوشمند Echo تعبیه شده است یا اپل سیری در آیفون و گوگل اسیستنت همگی برای درک و پاسخ به سوالات یا دستورات شما از فناوری پردازش زبان طبیعی استفاده می‌کنند.

چت‌بات‌ها: چت‌بات‌های هوش مصنوعی شکل دیگری از دستیارهای مجازی هستند که می‌توانند با مردم تعامل داشته باشند و در برخی موارد، مکالمات انسان‌گونه را انجام دهند و حتی احساس همدلی و نگرانی را تقلید کنند.

ترجمه زبان: یادگیری ماشینی بسیار گسترده است و سرویس‌هایی مانند Google Translate، Microsoft Translator، Amazon Translate و ChatGPT همگی برای ترجمه متن از این فناوری بهره می‌برند.

بهره‌وری: Microsoft 365 Copilot یک نمونه عالی از LLM (مدل زبانی وسیع) است که به‌عنوان ابزار بهره‌وری هوش مصنوعی استفاده می‌شود و در نرم‌افزارهای Word، Excel، Outlook، PowerPoint، Microsoft Teams و موارد دیگر تعبیه شده است تا اتوماسیون وظایف را انجام دهد.

به‌کمک این فناوری فقط با پرسیدن عبارت «درباره آخرین وضعیت پروژه به تیم ایمیل بفرست»، Copilot به‌طور خودکار اطلاعات را از ایمیل‌ها و اسناد مختلف جمع‌آوری می‌کند تا متنی را مطابق با آنچه که شما خواسته‌اید تولید کند.

تشخیص تصویر و ویدیو: برنامه‌های مختلف برای یافتن اطلاعاتی در مورد محتوای تصاویر و ویدیوها مانند چهره‌ها، متن و اشیای استفاده شده در آن‌ها، از هوش مصنوعی استفاده می‌کنند. Clarifai سرویسی است که برای سازماندهی داده‌های بدون‌ ساختار از منابع مختلف از یادگیری ماشینی استفاده می‌کند.

سرویس Rekognition آمازون که یکی از قابلیت‌های سرویس AWS این شرکت است، به کاربران اجازه می‌دهد با آپلود کردن تصاویر، اطلاعات مورد نیاز را دریافت کنند.

توسعه نرم‌افزار: بسیاری از توسعه‌دهندگان استفاده از ChatGPT را برای نوشتن و عیب‌یابی کدهای خود شروع کرده‌اند؛ اما به‌غیر از ChatGPT، ابزارهای هوش مصنوعی بسیاری برای آسان کردن کار برنامه‌نویس‌ها در دسترس است.

برای مثال، سرویس برنامه‌نویسی جفت یا دونفره GitHub Copilot که توسط شرکت OpenAI Codex توسعه یافته است، یک مدل زبان مولد است که می‌تواند با تکمیل خودکار و فوری کدها و کامنت‌ها، کدنویسی سریع‌تر را با تلاش کمتر میسر کند.

ایجاد یک کسب‌وکار: جدا از اینکه یک کاربر معمولی به‌صورت روزمره از هوش مصنوعی در اشکال مختلف استفاده می‌کند، سرویس‌هایی وجود دارد که ابزارهای هوش مصنوعی را برای کسب‌وکارها ارائه می‌دهد. از جمله این سرویس‌ها می‌توان به GPT-4 API از شرکت OpenAI اشاره کرد که با استفاده از فناوری LLM، قابلیت ساخت اپلیکیشن‌ها و سرویس‌ها را میسر می‌کند.

سرویس Bedrock از آمازون نیز مجموعه‌ای از ابزارهای هوش مصنوعی مبتنی بر ابر را در دسترس توسعه‌دهندگان قرار می‌دهد.

تفاوت هوش مصنوعی محدود و عمومی و سوپر هوش مصنوعی در چیست؟

هوش مصنوعی محدود (ضعیف) جایی است که ما در حال حاضر در آن قرار داریم و هوش مصنوعی عمومی آینده ای است که می‌خواهیم به آن برویم و سوپر هوش مصنوعی آینده‌ای است که برای هوش مصنوعی می‌بینیم که حاصل تکامل و هوشمند شدن هوش مصنوعی است.

هوش مصنوعی محدود به این معنا است که در آن سیستم هوش مصنوعی میزان خاصی از هوش را در یک زمینه خاص به کار ببرد. در حقیقت این سیستم هنوز یک کامپیوتر است اما یک کامپیوتری که در برخی از زمینه‌ها هوشمندتر از انسان عمل می‌کند.

معنای هوش مصنوعی عمومی بسیار پیچیده‌تر است. این واژه به سیستمی اطلاق می شود که می‌توانند همانند یک انسان هر کاری را بکه به او محول می‌شود را انجام دهد. ایده آل هوش مصنوعی عمومی آن است که بتواند به درک تجربی و شناخت کلی از محیط هایی که در آن قرار می‌گیرد داشته باشد و هم چنین بتواند داده‌ها و اطلاعاتی که به او داده می‌شود را با سرعتی چند برابر انسان پردازش نماید. از این رو می‌توانیم بگوییم که سیستم‌های هوش مصنوعی عمومی در بعد دانش ، توانایی شناختی و سرعت پردازش از انسان‌ها قوی‌تر عمل خواهند کرد نکته مهم این است که این سیستم زاده مغز و علم بشر است.

سوپر هوش مصنوعی همان طور که گفته شد زمانی است که هوش مصنوعی به فراتر از توانایی‌های انسان دست خواهد یافت. این سیستم می‌تواند دارای قدرت‌هایی باشد که یک انسان از داشتن آن نحروم است. رسیدن به این سیستم در اثر تکامل یافتن هوش مصنوعی عمومی اتفاق خواهد افتاد و ساخت آن هم می‌تواند به دست بشر باشد و یا اینکه می‌تواند به دست سیتستم‌های هوشمندی باشد که به تکامل دست یافته‌اند.

منظور از شبکه‌های عصبی در هوش مصنوعی چیست؟

موفقیت یادگیری ماشین به شبکه‌های عصبی متکی است. شبکه‌های عصبی مدل‌های ریاضیاتی هستند که ساختار و عملکرد آن‌ها بر اساس ارتباط بین نورون‌ها در مغز انسان طراحی شده است و شیوه‌ای که نورون‌ها به یکدیگر سیگنال می‌دهند را تقلید می‌کنند.

گروهی از ربات‌ها را تصور کنید که برای حل یک معما با هم کار می‌کنند. هر کدام به‌گونه‌ای برنامه‌ریزی شده‌اند که شکل یا رنگ متفاوتی را در قطعات پازل تشخیص دهند. ربات‌ها توانایی‌های خود را برای حل معما با هم ترکیب می‌کنند. یک شبکه عصبی مانند گروهی از ربات‌هاست.

شبکه‌های عصبی می‌توانند برای تغییر خروجی‌های‌شان، پارامترهای داخلی را تغییر دهند. هر ربات با پایگاه‌های اطلاعاتی تغذیه می‌شود تا در طول آموزش یاد بگیرد که وقتی داده‌های خاصی ارائه می‌شود، چه چیزی را باید به‌عنوان خروجی ارائه دهد.

شبکه‌های عصبی از لایه‌های به‌هم‌پیوسته الگوریتم‌هایی تشکیل شده‌اند که داده‌ها را به یکدیگر تغذیه می‌کنند. شبکه‌های عصبی را می‌توان برای انجام وظایف خاص با تغییر اهمیت داده‌ها در هنگام عبور از بین لایه‌ها آموزش داد.

در طول آموزش این شبکه‌های عصبی، تا زمانی که خروجی شبکه عصبی به آنچه موردنظر است بسیار نزدیک شود، وزن‌های متصل به داده‌ها هنگام عبور از بین لایه‌ها تغییر می‌کند. در این مرحله، شبکه یاد گرفته است که چگونه یک کار خاص را انجام دهد. خروجی موردنظر می‌تواند هر چیزی باشد؛ از برچسب زدن صحیح میوه در تصویر گرفته تا پیش‌بینی زمان خرابی آسانسور بر اساس داده‌های حسگر آن.

مزایای هوش مصنوعی

هوش مصنوعی کاربردهای زیادی دارد؛ از تقویت فرآیند توسعه واکسن گرفته تا تشخیص خودکار تقلب‌های بالقوه. بر اساس تحقیقات موسسه CB Insights، شرکت‌های هوش مصنوعی در سال 2022 موفق به جمع‌آوری بودجه 66.8 میلیارد دلاری شدند که بیش از دو برابر مبلغ جمع‌آوری‌شده در سال 2020 است. هوش مصنوعی به‌دلیل پذیرش سریع، در صنایع مختلف پویایی ایجاد می‌کند.

بانکداری ایمن

گزارش بیزینس اینسایدر اینتلیجنس در سال 2022 در مورد هوش مصنوعی در حوزه بانکداری نشان داد که بیش از نیمی از شرکت‌های خدمات مالی در حال حاضر از راه‌حل‌های هوش مصنوعی برای مدیریت ریسک و درآمدزایی استفاده می‌کنند.

استفاده از هوش مصنوعی در بانکداری می‌تواند به صرفه‌جوی بیش از 400 میلیارد دلاری منجر شود.

بهبود صنعت پزشکی

گزارش سازمان بهداشت جهانی در سال 2021 اشاره کرد در حالی که ادغام هوش مصنوعی در حوزه مراقبت‌های بهداشتی با چالش‌های همراه است، این فناوری «بسیار امیدوارکننده است»؛ زیرا هوش مصنوعی می‌تواند به مزایایی مانند سیاست‌های بهداشتی آگاهانه‌تر و تشخیص دقیق‌تر بیماری مراجعان منجر شود.

رسانه‌های نوآورانه

هوش مصنوعی روی سرگرمی‌ها نیز اثر گذاشته است. بر اساس تحقیقات گراند ویو، بازار جهانی هوش مصنوعی در رسانه‌ها و سرگرمی‌ها تا سال 2030 به 99.48 میلیارد دلار می‌رسد که از ارزش 10.87 میلیارد دلاری در سال 2021 رشد چشم‌گیری را نشان می‌دهد.

تشخیص سرقت ادبی و توسعه محتوای گرافیکی با کیفیت بالا از جمله کاربردهای هوش مصنوعی هستند که در این زمینه اثرگذار خواهند بود.

کاربردهای هوش مصنوعی

در این بخش می‌بینیم که کاربردهای هوش مصنوعی چیست و در زندگی روزمره انسان‌ها چه تاثیری می‌گذارد. کاربردهای هوش مصنوعی بی‌انتهاست. این فناوری را می‌توان در بسیاری از بخش‌ها و صنایع مختلف به‌کار برد.

در حال حاضر هوش مصنوعی در صنعت مراقبت‌های بهداشتی برای پیشنهاد دوز دارو، شناسایی درمان‌های بالقوه و کمک به روش‌های جراحی در اتاق عمل آزمایش و استفاده می‌شود.

از دیگر نمونه‌های ماشین‌های داری هوش مصنوعی می‌توان به کامپیوترهای متخصص در شطرنج و ماشین‌های خودران اشاره کرد. هر یک از این ماشین‌ها باید عواقب هر اقدامی که انجام می‌دهند را بسنجند، زیرا هر اقدامی بر نتیجه نهایی تاثیر می‌گذارد.

در شطرنج، نتیجه نهایی برنده شدن در بازی است. برای ماشین‌های خودران، سیستم کامپیوتری باید تمام داده‌های خارجی را در نظر گرفته و با محاسبه به‌گونه‌ای عمل کند که از هرگونه برخورد احتمالی جلوگیری شود.

هوش مصنوعی همچنین در صنعت مالی کاربردهایی دارد. از این فناوری برای شناسایی و علامت‌گذاری فعالیت‌های بانکی و مالی مشکوک مانند استفاده غیرعادی از کارت اعتباری و سپرده‌های بزرگ استفاده می‌شود که همگی به بخش شناسایی کلاهبرداری بانک کمک می‌کند.

از کاربردهای دیگر هوش مصنوعی می‌توان به ساده‌سازی و تسهیل تریدینگ اشاره کرد. این امر با تسیل برآورده عرضه، تقاضا و قیمت‌گذاری اوراق بهادار انجام می‌شود.

ادامه دارد…