انواع هوش مصنوعی
آشنایی با انواع هوش مصنوعی
انواع هوش مصنوعی
هوش مصنوعی در سطوح بالا به دو نوع وسیع به‌نام‌های
«هوش مصنوعی محدود (Narrow AI)» و «هوش عمومی مصنوعی (General AI)» تقسیم می‌شود.
چنین دسته‌بندی به درک بهتر مفاهیم و دستاوردهای هوش مصنوعی و روش توسعه‌ی آن‌ها کمک می‌کند.
هوش مصنوعی محدود، به‌نام «هوش مصنوعی ضعیف (Weak AI)» هم شناخته می‌شود.
هوش مصنوعی محدود همان هوشمندی است که همه‌ی ما در کامپیوترهای امروزی
مشاهده می‌کنیم. سیستم‌های هوشمندی که تحت آموزش یا یادگیری خودکار،
انجام وظایف خاص را بدون برنامه‌ریزی اختصاصی برای آن وظایف،
ممکن می‌کنند. چنین نوعی از هوشمندی در کاربردهایی همچون تشخیص صدا و زبان
در دستیارهای مجازی مانند سیری دیده می‌شود.
از کاربردهای دیگر هوش مصنوعی محدود می‌توان به سیستم‌های شناسایی بصری
در خودروهای خودران و موتورهای پیشنهاد محصول در خرده‌فروشی‌های آنلاین اشاره کرد.
چنین سیستم‌های هوشمندی برخلاف انسان‌ها تنها توانایی یادگیری
انجام وظایف محدودی را دارند و به‌همین دلیل، هوش مصنوعی محدود نامیده می‌شوند.
توانایی‌های هوش مصنوعی محدود
امروزه کاربردهای متنوعی برای هوش مصنوعی محدود وجود دارد
که روز‌به‌روز هم بر تعداد آن‌ها افزوده می‌شود. تفسیر داده‌های تصویری یکی
از کاربردهای مهم این نوع از هوش مصنوعی است که خصوصا در پهپادهای صنعتی
با وظیفه‌ی بررسی خطوط لوله‌ی نفت دیده می‌شود. هوش مصنوعی محدود امروز می‌تواند
تقویم‌های شخصی و کاری افراد را منظم و برنامه‌ریزی کرده و حتی با هوش‌های دیگر همکاری کند؛
همکاری که در کاربردهای روزمره‌ای همچون رزرو هتل یا درخواست خودرو و موارد دیگر، مشاهده کرده‌ایم.
هوش مصنوعی محدود در کاربردهای پزشکی نیز به‌وفور دیده می‌شود.
امروز برخی از ماشین‌ها می‌توانند در تشخیص تومورهای احتمالی به رادیولوژیست‌ها کمک کنند.
این کارگزاران هوشمند در شبکه‌های اجتماعی نیز کاربرد زیادی دارند
و زندگی در این شهرهای جدید را آسان‌تر و سالم‌تر می‌کنند. درحال‌حاضر هوش مصنوعی در شبکه‌های اجتماعی توانایی تشخیص محتوای نامرتبط یا آزاردهنده را دارد و مرتب کردن فید‌های نمایش محتوا نیز از وظایف ساده‌ی آن محسوب می‌شود. ترکیب هوش مصنوعی محدود با تجهیزات اینترنت اشیاء نیز کاربردهای فراوانی را به‌همراه دارد.
توانایی‌های هوش عمومی مصنوعی
هوش عمومی مصنوعی تفاوت‌های عمده‌ای با نوع محدود داد.
چنین سبکی از هوشمندی می‌تواند رفتارهایی بسیار شبیه به انسان را از خود نشان دهد.
درواقع هوش عمومی، انعطاف‌پذیری بیشتری داشته و امکاتن یادگیری
مهارت برای انجام دادن وظایف بسیار متنوع را دارد.
هر فعالیتی از کوتاه کردن مو تا منظم کردن فایل‌های
صفحه‌ی گسترده‌ی مدیران تا حتی استنباط و نتیجه‌گیری از
اطلاعات و تجربه‌های کسب‌شده، توسط یک هوش عمومی مصنوعی قابل انجام هستند.
هوش مصنوعی که در فیلم‌های سینمایی می‌بینیم و نگرانی ما را از آینده‌ای
تحت سلطه‌ی ماشین‌ها افزایش می‌دهد، همان هوش عمومی مصنوعی است.
HAL در سری ادیسه‌ی فضایی یا Skynet در ترمیناتور، هوش‌های عمومی
مصنوعی (AGI) هستند که توانایی تسلط بر بشر را پیدا کرده‌اند.
البته چنین نوعی از هوشمندی امروز در جهان وجود ندارد و محققان هوش مصنوعی
نیز همه‌ی تلاش خود را برای توسعه‌ی آن به‌کار گرفته‌اند.
از لحاظ پیش‌بینی زمان رسیدن به هوش مصنوعی عمومی نیز
پیش‌بینی‌های متعددی و متفاوتی ازسوی دانشمندان ارائه می‌شود.
در سال‌های ۲۰۱۲ و ۲۰۱۳ یک نظرسنجی در میان چهار گروه متخصص هوش مصنوعی
توسط وینسنت سی مور و نیک بوستروم، متخصصان هوش مصنوعی و فلسفه انجام شد.
نتایج نظرسنجی احتمال رسیدن به هوش عمومی مصنوعی را تا دهه‌های ۲۰۴۰ و ۲۰۵۰،
حدود ۵۰ درصد بیان می‌کرد که تا سال ۲۰۷۵، به احتمال ۹۰ درصد می‌رسید.
گروه محققان، پیش‌بینی را فراتر بردند و اصطلاحی موسوم به
«ابرهوشمندی (Superintelligence)» مطرح کردند. بوستروم می‌گوید ابرهوشمندی
هرگونه هوشی است که از لحاظ توانایی‌های شناختی در
همه‌ی حوزه‌های ممکن، انسان را شکست دهد.
او زمان رسیدن به ابرهوشمندی را ۳۰ سال پس از رسیدن به هوش عمومی مصنوعی پیش‌بینی می‌کند.
دسته‌ای از متخصصان و نظریه‌پردازان هوش مصنوعی، پیش‌بینی‌های
موجود با تخمین دهه‌های ۲۰۴۰ و ۲۰۵۰ را به‌دور از واقعیت می‌دانند.
آن‌ها باتوجه به رویکرد توسعه‌ی هوش مصنوعی که ابتدا نیامند
درک مغز و ذهن انسان است، رسیدن به چنان دستاوردهایی را دور می‌دانند.
درواقع در چنین نظریه‌ای، محدودیت دانش انسان نسبت
به مغز خود، توسعه‌ی سریع‌تر هوش مصنوعی را غیرممکن می‌کند.
فاکتورهای کلیدی هوش مصنوعی
هوش مصنوعی امروزه مفاهیم و تعاریف زیرمجموعه‌ای متعددی دارد که آشنایی با برخی از المان‌های کلیدی آن خالی از لطف نیست:
_فرایندهای پردازش بازگشتی (پردازش خطی) سطوح متعددی
از درک انتزاعی را در سیستم هوشمند ممکن می‌کنند.
_اطلاعات در فرایندها به‌صورت جامع پردازش می‌شود. در هر نقطه، اطلاعات ابتدا بسته
به موضوع و زمینه مشخص می‌شوند؛ اما زمینه‌هایی که
بین و در امتداد مفاهیم انتزاعی جابه‌جا می‌شوند، نقش مهمی در تبدیل اطلاعات دارند.
_دسته‌بندی، یکی از بخش‌های اصلی در فرایندهای هوش مصنوعی محسوب می‌شود.
_گراف اطلاعات، دائما درحال تغییر است و از فیلترهایی برای تغییر
استفاده می‌کند که خود، براساس اطلاعات موجود ساخته می‌شوند.
_هوشمندی به‌صورت نقطه‌ای، توزیع‌یافته و تصادفی تعریف می‌شود.
به‌بیان دیگر اطلاعاتی که در سیستم داریم، هیچ‌گاه کامل یا همه‌جانبه نیستند و
تصمیم‌گیری هوش مصنوعی تنها زمانی ممکن می‌شود که
نقطه‌ی اوجی از اطلاعات تأییدکننده یا ردکننده‌ی یک حقیقت، ارائه شود.
_در هر نقطه از فعالیت سیستم، اطلاعات در یک مدل وجود دارد،
اما خود مدل طبیعتی انعطاف‌پذیر داشته و توانایی اصلاح
خود را دارد. چنین مدلی با مدل‌های کنونی که از پیش تعریف شده و ثابت هستند، تفاوت پیدا می‌کند.
_سیستم اکنون سطحی از خودآگاهی دارد.
منبع : سایت زومیت