هوش مصنوعی (Artificial Intelligence) موضوعی که این روزها حسابی سر زبونها افتاده، بیشتر به خاطر پیشرفتهای سریعش از ابتدای قرن بیستویکم. نوآوریهای شگفتانگیز دارن پایهای برای موفقیتهای بزرگتر میسازن. توی این مقاله، قراره روی سه موضوع مشخص تمرکز کنم:
- هوش مصنوعی چیه؟—تعریفش میکنم، توضیح میدم به چه دردی میخوره و چندتا مثال از کاربردش توی آینده میگم.
- یادگیری ماشینی (Machine Learning) چیه؟—این موضوع عجیب رو توضیح میدم و رابطش با AI رو میگم، یه مثال کوچیک هم ازش نشون میدم.
- ماشینهای پرنده (Flying Cars)—یه کاربرد باحال و احتمالی از AI رو که توی افق دیدمونه بررسی میکنم: ماشینهای پرنده.
هوش مصنوعی (AI) چیه؟
توی دهه 1950، پیشگامای AI مثل مینسکی (Minsky) و مککارتی (McCarthy) هوش مصنوعی رو اینطور تعریف کردن: هر کاری که یه برنامه یا ماشین انجام بده و اگه آدم اون کار رو میکرد، نیاز به هوش داشت.
این تعریف خیلی کلییه. امروزه، هر کاری که به هوش انسانی ربط داره، وقتی با کامپیوتر انجام بشه، بهش میگن AI. این شامل برنامهریزی، یادگیری، استدلال، حل مسئله، نمایش دانش، ادراک، حرکت، دستکاری و تا حدی هوش اجتماعی و خلاقیت میشه.
«هوش مصنوعی شاخهای از علم و فناوریه که روی مطالعه نرمافزار و سختافزار برای دادن توانایی یادگیری از دادهها و محیط به ماشینها کار میکنه، طوری که بتونن توی موقعیتهای متغیر با دقت، صحت و سرعت بالا خودشون رو تطبیق بدن.»
—امیت ری (Amit Ray)، نویسنده هوش مصنوعی فوقهوشمند مهربان AI 5.0
هوش مصنوعی (AI) به چه دردی میخوره؟
حالا که فهمیدیم AI چیه، بیاید ببینیم کجا به کار میره!
تا حالا موقع وبگردی فکر کردید چرا بیشتر تبلیغها به علایقتون ربط دارن؟ این یه نمونه از AIه، دقیقتر بگم، یادگیری ماشینی (Machine Learning). ولی معمولاً AI رو با رباتها میشناسن، مثل توانایی یه ربات برای فکر کردن یا احتمال خودآگاهی کامپیوترها. اینا دستاوردهای شگفتانگیزی میتونن باشن، ولی الگوریتمهای پیچیدهای میخوان که هنوز نمیتونیم کامل بسازیمشون.
یادگیری ماشینی (Machine Learning) چیه؟
یادگیری ماشینی یه بخش بزرگ از AIه و شاید دلیل اصلی جهش عجیب این حوزه باشه. این روش بر پایه آزمون و خطاست؛ هر بار که سعی میکنیم مشکلی مثل پیدا کردن راه توی یه maze رو حل کنیم، حداقل یه بار شکست میخوریم. ولی شکست توی یادگیری ماشینی خوبه، چون به برنامه اجازه میده اطلاعات جدید یاد بگیره. این اطلاعات بهعنوان داده ذخیره میشن و هر بار که AI یه مسیر رو میره، از دادههای قبلی نگاه میکنه تا ببینه این بار کدوم راه بهتره.
تا حالا از خودتون پرسیدید AI چیه؟ ML چیه؟ بیاید با هم هوش مصنوعی و یادگیری ماشینی رو بشناسیم و ببینیم چه تأثیری توی آینده دارن.
برای توضیح بیشتر، میخوام یه الگوریتم ساده AI به اسم A* (که اغلب برای حل maze استفاده میشه) رو بهتون یاد بدم.
فرض کنید maze ما یه صفحه شطرنجه با جاهایی که نمیشه رفت (مثل دیوارها) که بهشون میگیم گره (Nodes).
- نقطه شروع رو گوشه بالا سمت چپ و نقطه پایان رو گوشه پایین سمت راست تعریف میکنیم.
- از اینجا، به هر گره یه ارزش میدیم که جمع فاصله از نقطه شروع و فاصله تا نقطه پایان باشه.
- حالا برنامه بر اساس این جمع یه گره رو انتخاب میکنه و یه مسیر به سمت پایان پیدا میکنه! اگه به گرهی برسه که راه نداره، برمیگرده به گره قبلی و دوباره امتحان میکنه.
ماشینهای پرنده (Flying Cars)
این یه مثال باحال از AI توی عمله، چون ماشینهای پرنده برای کار کردن به AI وابستهان. توی آینده، دانشمندا فکر میکنن ماشینهای خودران داشته باشیم که آدما رو به مقصدشون ببرن. این ماشینها به یه جور هوش مصنوعی، بهخصوص یادگیری ماشینی، نیاز دارن تا بهترین مسیر رو پیدا کنن، به ساختمونا نخورن و به بقیه ماشینها احترام بذارن. یه روش ساده (ولی خیلی کند و ناکارآمد) میتونه الگوریتم A* باشه که ساختمونا مثل گرههای غیرقابلعبورن. ولی چندتا گزینه بهتر هم هست که بهخاطر پیچیدگیشون اینجا کامل توضیحشون ندادم:
- شبکههای عصبی (Neural Networks) – سیستمهای لایهلایهای که یه جورایی مثل مغز کار میکنن. میشه اونا رو “آموزش” داد تا الگوها رو توی ورودیها بشناسن و خروجی احتمالی رو حدس بزنن، اغلب با دقت عجیب.
- برنامهنویسی ژنتیک (Genetic Programming) – برنامهها رو مثل پارامتر میبینه. مثلاً بهجای مسیرها، الگوریتمهای مسیریابی رو پرورش میدید و یه تابع تناسب هر الگوریتم رو بر اساس عملکردش امتیاز میده.
حرف آخر
این مقاله رو نوشتم تا یه معرفی باحال از AI بدم و پتانسیلش برای فناوریهای آینده رو نشون بدم. حالا بیشتر از همیشه مهمه که اصول هوش مصنوعی رو بدونیم، چون قراره توی آینده خیلی مهم بشه.
باید همیشه به ایدهها و روشهای جدید مثل هوش مصنوعی (AI) باز باشیم و جرأت کنیم فرضیههامون درباره چیزایی که این فناوری میتونه بهش برسه رو به چالش بکشیم. اگه دنبال یه شروع جذاب برای شناخت AI هستید، این مقاله همون چیزیه که نیاز دارید!
منبع: iotforall