روزنه

سیستم های هوش مصنوعی وجود دارند که اطلاعات دریافتی را تجزیه و تحلیل می کنند و بر اساس آنها اقداماتی را انجام می دهند. رفتار ذهنی برای دستیابی به اهداف خاصی است. سیستم های هوش مصنوعی این وظایف را با تلاش کمی انجام می دهند.

مقدمه ای بر هوش مصنوعی

از آنجایی که هوش مصنوعی تکنیک ها و زمینه های بسیاری را پوشش می دهد، برای داشتن یک بحث معنادار و سازنده در مورد آن توجه بیشتری لازم است.

برای مثال، استدلال‌های مربوط به «سیستم‌های خبره» ساده که در نقش‌های مشاوره استفاده می‌شوند، باید از استدلال‌های مربوط به الگوریتم‌های پیچیده مبتنی بر داده که به‌طور خودکار درباره افراد تصمیم‌گیری می‌کنند، متمایز شوند.

به همین ترتیب، مهم است که بین بحث‌های مربوط به تحولات آینده که ممکن است هرگز اتفاق نیفتد و استدلال‌هایی درباره هوش مصنوعی فعلی که بر جامعه امروزی تأثیر می‌گذارد، تمایز قائل شویم.

هوش مصنوعی چگونه کار می کند؟

در زیر مروری بر هوش مصنوعی برای برخی از تکنیک های کلیدی که در محدوده هوش مصنوعی قرار می گیرند، ارائه شده است. آنها بر اساس جدول زمانی به سه گروه تقسیم می شوند. که شامل:

هوش مصنوعی نمادین

یادگیری آماری هوش مصنوعی

هوش مصنوعی "قدرتمند" یا "عمومی".

موج اول هوش مصنوعی

موج اول تکنیک‌های هوش مصنوعی اولیه با نام «هوش مصنوعی کدگذاری» یا سیستم‌های خبره شناخته می‌شد. در اینجا، متخصصان انسانی روش‌های دقیق مبتنی بر قانون را توسعه می‌دهند – معروف به «الگوریتم‌ها» – که یک رایانه از آن برای تصمیم‌گیری گام به گام استفاده می‌کند که چگونه هوشمندانه به یک موقعیت خاص پاسخ دهد.

منطق فازی نوعی روش است که سطوح مختلف امنیت را برای یک موقعیت معین اجازه می دهد. که برای تثبیت دانش شهودی مفید است تا الگوریتم بتواند در مواجهه با متغیرهای متعدد و نامشخصی که با یکدیگر تعامل دارند تصمیمات خوبی بگیرد.

اما توکن AI گاهی بهتر کار می کند. اگرچه ممکن است این روش‌ها قدیمی به نظر برسند، اما هنوز هم بسیار مرتبط هستند و هنوز با موفقیت در چندین زمینه استفاده می‌شوند و لقب "هوش مصنوعی خوب قدیمی" را به خود اختصاص داده‌اند.

موج دوم هوش مصنوعی

موج دوم هوش مصنوعی شامل نوآوری های مبتنی بر داده است که در دو دهه گذشته به سرعت توسعه یافته اند و تا حد زیادی مسئول رنسانس فعلی هوش مصنوعی هستند. اینها الگوریتم های خودآموزی هستند که از متخصصان انسانی موج اول هوش مصنوعی بهتر عمل می کنند.

شبکه های عصبی مصنوعی (ANN) از عملکرد مغز الهام گرفته شده اند. ورودی به سیگنال هایی تبدیل می شود که از طریق یک شبکه عصبی مصنوعی تغذیه می شود تا خروجی تولید شود که در پاسخ به ورودی تفسیر می شود. افزودن نورون ها و لایه های بیشتر به شبکه های عصبی مصنوعی اجازه می دهد تا مسائل پیچیده تری را حل کنند. یادگیری عمیق به سادگی به یک شبکه عصبی مصنوعی با چندین لایه اشاره دارد.

یادگیری ماشین (ML) در مورد تغییر شبکه برای اعمال این پاسخ های کاربردی – یا هوشمند – در فعالیت ها است. الگوریتم‌های ML می‌توانند این فرآیند یادگیری را با ایجاد بهبودهای تدریجی در یک ANN منفرد، یا با استفاده از اصول بهبود جمعیت شبکه‌های عصبی مصنوعی، خودکار کنند.

موج سوم هوش مصنوعی

موج سوم هوش مصنوعی به امواج احتمالی آینده هوش مصنوعی اشاره دارد. در حالی که تکنیک‌های موج اول و دوم به‌عنوان هوش مصنوعی ضعیف یا باریک توصیف می‌شوند به این معنا که می‌توانند هوشمندانه روی وظایف خاص عمل کنند، هوش مصنوعی «قوی» یا «عمومی» به الگوریتم‌هایی اشاره دارد که می‌توانند در زمینه‌های مختلف اطلاعات ارائه دهند.

حوزه مشکل این نوع هوش مصنوعی (AGI) با فناوری فعلی غیرممکن است و نیاز به بهبود مستمر دارد. سایر روش‌های ممکن از جمله روش‌های تکاملی پیشرونده، تجزیه و تحلیل آماری و شبیه‌سازی مغز در نظر گرفته شده‌اند. سایر انواع هوش مصنوعی آینده، مانند هوش مصنوعی خود توضیحی و متنی، ممکن است در جاه طلبی های خود جاه طلبانه به نظر برسند، اما تاثیر آنها - و چالش های اجرایی - را نباید دست کم گرفت.

اهمیت هوش مصنوعی چیست؟

در حال حاضر چندین چالش در ارتباط با هوش مصنوعی وجود دارد. به طور کلی، می توان از آنها برای ایجاد تعادل بین دو نگرانی اجتناب استفاده کرد:

و ناکافی، که منجر به از دست رفتن فرصت های بالقوه و

بیش از حد، جایی که هوش مصنوعی برای کارهایی استفاده می شود که مناسب نیستند یا منجر به نتایج مشکل ساز می شوند.

فرآیند یادگیری ماشینی یا ML برخی از الگوریتم‌ها را در برابر سوگیری آسیب‌پذیر می‌کند و پیچیدگی آنها درک و توضیح منطق تصمیم‌گیری آنها را دشوار می‌کند. چالش های مهم

هزینه ها و مزایای هوش مصنوعی را برابر کنید

اجتناب از تمرکز منابع در بازارهای غیررقابتی

اولویت بندی برنامه هایی که نابرابری های ساختاری موجود را کاهش می دهند نه تشدید آنها

وجود دارد. چالش های کلیدی دیگر عبارتند از:

پذیرش عمومی این فناوری،

ساختار و ارزش اجتماعی

نگرانی هایی در مورد برخی کاربردهای نظامی وجود دارد

چالش نهایی هوش مصنوعی

فرصت ها و چالش های طولانی مدت زیادی در توسعه آینده وجود دارد که ممکن است همیشه اتفاق نیفتد. برخی از سناریوهای اتوپیایی و دیستوپیایی ممکن است به چرخه های تبلیغاتی کمک کنند، اما آنها همچنین فرصتی برای آماده شدن برای روندهای میان مدت و تأمل در مورد آنچه از فناوری می خواهیم فراهم می کنند.

به عنوان مثال، پیشنهاد شده است که هوش مصنوعی می تواند:

منجر به از دست دادن برخی مشاغل یا منسوخ شدن مفهوم کار شود

از کنترل انسان فرار کنید و کنترل پیشرفت خود را به دست بگیرید

استقلال انسان را به چالش بکشید یا احساسات یا آگاهی مصنوعی ایجاد کنید

برداشت شده از:https://www.fardanews.com/%D8%A8%D8%AE%D8%B4-%D8%A7%D8%AE%D8%A8%D8%A7%D8%B1-2/1214055-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%DA%86%DB%8C%D8%B3%D8%AA