هوش مصنوعی چیست؟
سیستمی با هوش مصنوعی برای تجزیه و تحلیل اطلاعات دریافتی و عمل بر روی آن. رفتار آگاهانه به معنای دستیابی به اهداف خاصی است. سیستم AI این عملکردها را با یک سیگنال خاص انجام می دهد.
مقدمه ای بر هوش مصنوعی
هوش مصنوعی تکنیک ها و زمینه های بسیاری را پوشش می دهد، بنابراین نیاز به توجه بیشتری برای بحث های معنادار و سازنده در مورد آن دارد.
به عنوان مثال، استدلالهای مربوط به «سیستمهای خبره» ساده که در نقشهای مشاوره استفاده میشوند باید از استدلالهای مربوط به الگوریتمهای پیچیده مبتنی بر دادهها که بهطور خودکار برای انسان تصمیمگیری میکنند، جدا شوند.
همچنین، مهم است که استدلالهای مربوط به تحولات آینده را که ممکن است هرگز رخ ندهند، از استدلالهایی درباره هوش مصنوعی فعلی که بر جامعه امروز تأثیر میگذارد، متمایز کنیم.
هوش مصنوعی چگونه کار می کند؟
در زیر مروری بر هوش مصنوعی برای برخی از تکنیکهای کلیدی که تحت عنوان هوش مصنوعی قرار میگیرند، آورده شده است. بر اساس جدول زمانی آنها به سه گروه تقسیم می شوند. این شامل:
هوش مصنوعی ژست ها
یادگیری آماری هوش مصنوعی
هوش مصنوعی «قوی» یا «معمولی».
موج اول هوش مصنوعی
اولین موج فناوری هوش مصنوعی اولیه به عنوان «هوش مصنوعی نمادین» یا سیستم های خبره شناخته می شد. در اینجا، افراد دستورالعملهایی را بر اساس قوانین دقیق – معروف به «الگوریتمها» – ایجاد میکنند که یک رایانه میتواند گام به گام آنها را دنبال کند تا نحوه پاسخ هوشمندانه به یک موقعیت معین را تعیین کند.
منطق فازی تکنیکی است که به درجات مختلفی از اطمینان در مورد یک موقعیت اجازه می دهد، که برای گرفتن دانش شهودی مفید است، به طوری که یک الگوریتم در مواجهه با طیف گسترده ای از متغیرهای نامشخص می تواند تصمیمات بهتری بگیرد.
اما هوش مصنوعی نمادین گاهی اوقات بهتر عمل می کند. اگرچه این روشها ممکن است ابتدایی به نظر برسند، اما همچنان بسیار مهم هستند و همچنان با موفقیت در چندین صنعت استفاده میشوند و لقب «هوش مصنوعی خوب قدیمی» را به خود اختصاص دادهاند.
موج دوم هوش مصنوعی
موج دوم هوش مصنوعی شامل رویکردهای جدیدتر و مبتنی بر داده است که در دو دهه گذشته به سرعت توسعه یافته اند و تا حد زیادی مسئول رونق فعلی هوش مصنوعی هستند. آنها فرآیند یادگیری الگوریتم ها را خودکار می کنند و متخصصان انسانی موج اول هوش مصنوعی را دور می زنند.
شبکه های عصبی مصنوعی (ANN) از فعالیت مغز الهام گرفته شده اند. ورودی ها به سیگنال هایی تبدیل می شوند که از شبکه ای از نورون های مصنوعی عبور می کنند و به عنوان پاسخ به ورودی ها تفسیر می شوند. با افزودن نورون ها و لایه های بیشتر، شبکه های عصبی مصنوعی می توانند مسائل پیچیده تری را حل کنند. یادگیری عمیق به شبکه های عصبی مصنوعی چند لایه اشاره دارد.
یادگیری ماشینی (ML) به اصلاح شبکه اشاره دارد به طوری که این خروجی ها پاسخ های مفید - یا هوشمند - به ورودی ها در نظر گرفته شوند. الگوریتمهای ML میتوانند این فرآیند یادگیری را با ایجاد بهبودهای تدریجی در شبکههای عصبی مصنوعی، یا با استفاده از اصول تکاملی برای ایجاد بهبودهای تدریجی در مجموعههای بزرگ 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 به صورت هوشمندانه در وظایف خاص انجام دهند، هوش مصنوعی «قوی» یا «عمومی» به الگوریتمهایی اشاره دارد که میتوانند در طیف وسیعی از زمینهها اطلاعات ارائه دهند.
چنین فضاهای مشکل هوش مصنوعی (AGI) با فناوری فعلی امکان پذیر نیست و نیاز به تغییر پارادایم دارد. برخی از رویکردهای ممکن از جمله روشهای تکاملی پیشرفته، محاسبات کوانتومی و شبیهسازی مغز در نظر گرفته شدهاند. سایر اشکال هوش مصنوعی آینده، مانند هوش مصنوعی خودآگاه و متنی، ممکن است در جاه طلبی های خود متواضع به نظر برسند، اما تأثیر بالقوه و موانع اجرای آنها را نباید نادیده گرفت.
چرا هوش مصنوعی مهم است؟
امروزه چندین چالش پیش روی هوش مصنوعی وجود دارد. به طور کلی، آنها می توانند به عنوان یک عمل متعادل کننده بین دو مشکل اجتنابی استفاده شوند:
کافی نیست، بلکه باعث می شود فرصت ها را نیز از دست بدهیم
بیشتر اوقات، زمانی که هوش مصنوعی برای کارهای غیر ضروری استفاده می شود یا منجر به مشکلات می شود.
فرآیند یادگیری ماشینی یا ML برخی از الگوریتم ها را در برابر سوگیری آسیب پذیر می کند و پیچیدگی آنها درک و توضیح منطق تصمیم گیری را دشوار می کند. در آزمون های اصلی
تضمین توزیع عادلانه هزینه ها و مزایای هوش مصنوعی
اجتناب از تمرکز منابع در بازارهای غیر رقابتی
برنامه هایی را اولویت بندی کنید که به جای تشدید نابرابری های ساختاری موجود، آنها را کاهش دهند.
وجود دارد. دیگر چالش های عمده عبارتند از:
پذیرش عمومی این فناوری،
سازگاری آن با ارزش های اجتماعی
برخی از برنامه های نظامی نگرانی هایی را ایجاد می کند.
چالش های آینده هوش مصنوعی
همچنین تعدادی فرصت ها و چالش های بلندمدت مرتبط با تحولات آینده وجود دارد که ممکن است محقق نشود. برخی از سناریوهای آرمانشهری و دیستوپیایی میتوانند به چرخههای تبلیغاتی منجر شوند، اما همچنین فرصتی برای آمادهسازی رویکردهای معتدلتر و تأمل در مورد آنچه از فناوری میخواهیم فراهم میکنند.
به عنوان مثال، پیشنهاد شده است که هوش مصنوعی باید:
باعث از بین رفتن برخی مشاغل یا منسوخ شدن مفهوم اشتغال شود
از کنترل انسان فرار کنید و کنترل پیشرفت خود را به دست بگیرید
استقلال انسان را به چالش بکشید یا احساسات و هوش مصنوعی ایجاد کنید.