هوش مصنوعي چيست؟
سيستم هاي هوش مصنوعي وجود دارند كه اطلاعات دريافتي را تجزيه و تحليل مي كنند و بر اساس آنها اقداماتي را انجام مي دهند. رفتار ذهني براي دستيابي به اهداف خاصي است. سيستم هاي هوش مصنوعي اين وظايف را با تلاش كمي انجام مي دهند.
مقدمه اي بر هوش مصنوعي
از آنجايي كه هوش مصنوعي تكنيك ها و زمينه هاي بسياري را پوشش مي دهد، براي داشتن يك بحث معنادار و سازنده در مورد آن توجه بيشتري لازم است.
براي مثال، استدلالهاي مربوط به «سيستمهاي خبره» ساده كه در نقشهاي مشاوره استفاده ميشوند، بايد از استدلالهاي مربوط به الگوريتمهاي پيچيده مبتني بر داده كه بهطور خودكار درباره افراد تصميمگيري ميكنند، متمايز شوند.
به همين ترتيب، مهم است كه بين بحثهاي مربوط به تحولات آينده كه ممكن است هرگز اتفاق نيفتد و استدلالهايي درباره هوش مصنوعي فعلي كه بر جامعه امروزي تأثير ميگذارد، تمايز قائل شويم.
هوش مصنوعي چگونه كار مي كند؟
در زير مروري بر هوش مصنوعي براي برخي از تكنيك هاي كليدي كه در محدوده هوش مصنوعي قرار مي گيرند، ارائه شده است. آنها بر اساس جدول زماني به سه گروه تقسيم مي شوند. كه شامل:
هوش مصنوعي نمادين
يادگيري آماري هوش مصنوعي
هوش مصنوعي "قدرتمند" يا "عمومي".
موج اول هوش مصنوعي
موج اول تكنيكهاي هوش مصنوعي اوليه با نام «هوش مصنوعي كدگذاري» يا سيستمهاي خبره شناخته ميشد. در اينجا، متخصصان انساني روشهاي دقيق مبتني بر قانون را توسعه ميدهند – معروف به «الگوريتمها» – كه يك رايانه از آن براي تصميمگيري گام به گام استفاده ميكند كه چگونه هوشمندانه به يك موقعيت خاص پاسخ دهد.
منطق فازي نوعي روش است كه سطوح مختلف امنيت را براي يك موقعيت معين اجازه مي دهد. كه براي تثبيت دانش شهودي مفيد است تا الگوريتم بتواند در مواجهه با متغيرهاي متعدد و نامشخصي كه با يكديگر تعامل دارند تصميمات خوبي بگيرد.
اما توكن AI گاهي بهتر كار مي كند. اگرچه ممكن است اين روشها قديمي به نظر برسند، اما هنوز هم بسيار مرتبط هستند و هنوز با موفقيت در چندين زمينه استفاده ميشوند و لقب "هوش مصنوعي خوب قديمي" را به خود اختصاص دادهاند.
موج دوم هوش مصنوعي
موج دوم هوش مصنوعي شامل نوآوري هاي مبتني بر داده است كه در دو دهه گذشته به سرعت توسعه يافته اند و تا حد زيادي مسئول رنسانس فعلي هوش مصنوعي هستند. اينها الگوريتم هاي خودآموزي هستند كه از متخصصان انساني موج اول هوش مصنوعي بهتر عمل مي كنند.
شبكه هاي عصبي مصنوعي (ANN) از عملكرد مغز الهام گرفته شده اند. ورودي به سيگنال هايي تبديل مي شود كه از طريق يك شبكه عصبي مصنوعي تغذيه مي شود تا خروجي توليد شود كه در پاسخ به ورودي تفسير مي شود. افزودن نورون ها و لايه هاي بيشتر به شبكه هاي عصبي مصنوعي اجازه مي دهد تا مسائل پيچيده تري را حل كنند. يادگيري عميق به سادگي به يك شبكه عصبي مصنوعي با چندين لايه اشاره دارد.
يادگيري ماشين (ML) در مورد تغيير شبكه براي اعمال اين پاسخ هاي كاربردي – يا هوشمند – در فعاليت ها است. الگوريتمهاي ML ميتوانند اين فرآيند يادگيري را با ايجاد بهبودهاي تدريجي در يك ANN منفرد، يا با استفاده از اصول بهبود جمعيت شبكههاي عصبي مصنوعي، خودكار كنند.
موج سوم هوش مصنوعي
موج سوم هوش مصنوعي به امواج احتمالي آينده هوش مصنوعي اشاره دارد. در حالي كه تكنيكهاي موج اول و دوم بهعنوان هوش مصنوعي ضعيف يا باريك توصيف ميشوند به اين معنا كه ميتوانند هوشمندانه روي وظايف خاص عمل كنند، هوش مصنوعي «قوي» يا «عمومي» به الگوريتمهايي اشاره دارد كه ميتوانند در زمينههاي مختلف اطلاعات ارائه دهند.
حوزه مشكل اين نوع هوش مصنوعي (AGI) با فناوري فعلي غيرممكن است و نياز به بهبود مستمر دارد. ساير روشهاي ممكن از جمله روشهاي تكاملي پيشرونده، تجزيه و تحليل آماري و شبيهسازي مغز در نظر گرفته شدهاند. ساير انواع هوش مصنوعي آينده، مانند هوش مصنوعي خود توضيحي و متني، ممكن است در جاه طلبي هاي خود جاه طلبانه به نظر برسند، اما تاثير آنها - و چالش هاي اجرايي - را نبايد دست كم گرفت.
اهميت هوش مصنوعي چيست؟
در حال حاضر چندين چالش در ارتباط با هوش مصنوعي وجود دارد. به طور كلي، مي توان از آنها براي ايجاد تعادل بين دو نگراني اجتناب استفاده كرد:
و ناكافي، كه منجر به از دست رفتن فرصت هاي بالقوه و
بيش از حد، جايي كه هوش مصنوعي براي كارهايي استفاده مي شود كه مناسب نيستند يا منجر به نتايج مشكل ساز مي شوند.
فرآيند يادگيري ماشيني يا ML برخي از الگوريتمها را در برابر سوگيري آسيبپذير ميكند و پيچيدگي آنها درك و توضيح منطق تصميمگيري آنها را دشوار ميكند. چالش هاي مهم
هزينه ها و مزاياي هوش مصنوعي را برابر كنيد
اجتناب از تمركز منابع در بازارهاي غيررقابتي
اولويت بندي برنامه هايي كه نابرابري هاي ساختاري موجود را كاهش مي دهند نه تشديد آنها
وجود دارد. چالش هاي كليدي ديگر عبارتند از:
پذيرش عمومي اين فناوري،
ساختار و ارزش اجتماعي
نگراني هايي در مورد برخي كاربردهاي نظامي وجود دارد
چالش نهايي هوش مصنوعي
فرصت ها و چالش هاي طولاني مدت زيادي در توسعه آينده وجود دارد كه ممكن است هميشه اتفاق نيفتد. برخي از سناريوهاي اتوپيايي و ديستوپيايي ممكن است به چرخه هاي تبليغاتي كمك كنند، اما آنها همچنين فرصتي براي آماده شدن براي روندهاي ميان مدت و تأمل در مورد آنچه از فناوري مي خواهيم فراهم مي كنند.
به عنوان مثال، پيشنهاد شده است كه هوش مصنوعي مي تواند:
منجر به از دست دادن برخي مشاغل يا منسوخ شدن مفهوم كار شود
از كنترل انسان فرار كنيد و كنترل پيشرفت خود را به دست بگيريد
استقلال انسان را به چالش بكشيد يا احساسات يا آگاهي مصنوعي ايجاد كنيد
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
برچسب: ،
ادامه مطلب