با ما همراه باشید

منتشر شده

در

هوش مصنوعی چیست؟
5 (100%) 3

شاید بتوان این کلمات را از چالش برانگیز ترین کلمات در دوران فعلی ما در نظر گرفت:  هوشمندی ، موجود هوشمند ، ماشین های هوشمند و یا خودران ، خانه های هوشمند ،  شهر هوشمند ،  جامعه و کشور هوشمند و هوش مصنوعی. باید گفت این کلمات می توانند کل محتوی این نوشته را شامل شوند چرا که تقریبا در هر قسمتی که دقت کنیم آثار این ویروس دوست داشتنی را خواهیم دید.

اگر باور کلمه ی “هر قسمتی” حداقل در حیطه IT برای شما سخت است می توانید از گوگل سوال کنید و اگر فرد کم حوصله ای هستید بصورت صوتی با آن صحبت کنید، اگر نتیجه ی مورد نظرتان را در جستجوی فارسی نیافتید عباراتی مثل artificial intelligence را جستجو کنید. نگران نباشید شما به راحتی می توانید آن را به فارسی ترجمه کنید. تا فراموش نکردم بگویم که همه و همه ی اینها به لطف هوش مصنوعی ممکن شده اند.

این هوش جادویی چه تعریفی دارد؟

هوش مصنوعی در تعریف رسمی هوشی است که توسط دستگاه ها به نمایش در می آید، در مقایسه با آن هوش طبیعی انسان ها و دیگر موجودات بیان می گردد. در تحقیقات کامپیوتری عوامل “هوشمند” اینگونه تعريف شده است: هر دستگاهي که محيط خود را درک مي کند و اقداماتي را انجام مي دهد که شانس خود را براي رسيدن به اهداف خود به حداکثر مي رساند. به طور صریح، اصطلاح “هوش مصنوعی” زمانی اعلام می شود که یک ماشین تقلید توابع “شناختی” که انسان ها با دیگر ذهن های انسانی مرتبط می شوند، مانند “یادگیری” و “حل مسئله” را انجام دهد.

یادگیری هوش مصنوعی

جذاب ترین بخش هوشمند بودن در توانایی یادگرفتن است!!

یادگیری عملا توانایی یافتن الگوهای یک جریان ورودی است. احتمالا به این مسئله فکر کرده اید که ما چگونه یاد می گیریم؟ جواب سریع این است که از طریق دیدن ، لمس کردن و سایر راه های دریافت اطلاعات از محیط پیرامونمان. اما آیا صرف حس کردن به معنی یاد گرفتن است؟ در جواب باید گفت خیر ، ما نیاز داریم تا آنچه دیده ایم را دسته بندی کنیم. خوب یا بد ، آسان یا سخت، سریع یا کند ، اینها همه دسته بندی هایی هستند که ما انجام داده ایم و احتمالا برای هر کدام دلایل خودمان و تعاریف خودمان را  داریم.

از آنجا که دوست داریم کمی هم تخصصی صحبت کرده باشیم بیایید خودمان را جای یک سیستم بگذاریم و با توصیفاتی هر چند عمومی چند حالت را بررسی کنیم. دو حالت را در نظر می گیریم که تفاوت اصلی آنها در داده های ورودی می باشد. در حالت اول ورودی ها در دسته ی مناسب قرار دارند و در حالت دوم داده ها کاملا با هم مخلوط شده هستند.

برای حالت اول یک میوه فروشی را در نظر بگیرید که تمام میوه ها را بصورت کاملا جدا از هم مرتب کرده است و شما نوع میوه را کاملا می دانید، یعنی زمانی که یک میوه را در دست می گیرید به نام نوشته شده در قفسه ی آن نگاه می کنید و در میابید که مثلا سیب است و اصطلاحا می گویند تمام داده ها تگ گذاری شده هستند. به طبع فردی از قبل دسته ی داده ها را مشخص کرده است. حال اگر با دید موجودی در حال یادگیری به ماجرا نگاه کنیم، انتظار می رود فرضا سیب ها با تغییرات جزیی نسبت به هم را یاد بگیرد و در آینده نیز اگر تصویری از سیب ها دید آن را تشخیص دهد.

برای حالت دوم ظرف آجیلی را در نظر بگیرید که ترکیبی از انواع مختلف آجیل ها در آن قرار دارد و به عبارت بهتر کسی زحمت دسته بندی داده ها را نکشیده است. اگر ما از قبل این ها را ندیده بودیم تنها می توانستیم بگوییم که پنج نوع آجیل در ظرف وجود دارند. در مورد یک موجود هم همین طور است، ابتدا باید دریابد چند نوع چیز در این ظرف می بیند، و احتمالا تعداد و  یا حدود آنها را تشخیص می دهد و شاید دریابد چه تفاوتی با هم دارند.

یادگیری با تعریف اول بیان ساده ای از یادگیری تحت نظارت و حالت دوم یادگیری بدون نظارت می باشد. هدف از این تعریف بیان مثالی از نوع نگاه و البته در یک قسمت خاص و بسیار ساده در این حیطه است. اگر شما هم علاقه مند به مطالعه بیشتر در این زمینه هستید قسمت بعد را از دست ندهید.

مسیر مطالعه هوش مصنوعی

هوش مصنوعی نام گرایشی در مقطع ارشد رشته ی کامپیوتر است که در صورت تمایل می توانید در آن تحصیل کنید و یا حتی کتاب ها و فیلم های آن را خودتان مطالعه کنید. پیشنهاد می کنم اگر تصمیم به این کار گرفتید پس از مطالعه کتاب های پایه ی هوش مصنوعی مباحث :‌ یادگیری ماشین ، شبکه های عصبی  و منطق فازی را از دست ندهید.

یادگیری هوش مصنوعی

اما اگر می خواهید در آینده در این رشته بصورت آکادمیک تحصیل کنید سرفصل های تقریبی شما شامل این مباحث هستند :

  • شناسایی الگو :‌ تمرکز آن بر روی شناخت الگو ها و نظم داده‌ها است. روش‌های تشخیص الگو، الگوهای مورد نظر را از یک مجموعه داده‌ها با استفاده از دانش قبلی در مورد الگوها یا اطلاعات آماری داده‌ها، جداسازی می‌کند. تشخیص الگوها کاربردهای زیادی در تشخیص صدا، تشخیص چهره، تشخیص امضا و غیره دارد.در صورتی که به این زمینه علاقه مند هستید به اینجا مراجعه کنید.
  • رایانش تکاملی و مباحث هوش جمعی : احتمالا نام داروین و بحث هایی راجع به تکامل به گوش شما خورده است. از تاریخ که بگذریم احتمالا نام الگوریتم ژنتیک ، کلونی مورچگان ، زنبور عسل و… هم برای شما نا آشنا نیستند. بیشتر مباحث در این حیطه حول بهینه سازی مسائل هستند. یعنی یافتن یک جواب اولیه و کامل کردن قدم به قدم آن و البته در یک ساختار گروهی تا دست یابی به هدفی مناسب.مسئله
  • یادگیری ماشین :‌ این زمینه بطور کلی سیستم ها را قادر می سازد به طور خودکار و از طریق تجربه و بدون برنامه ریزی، یاد بگیرند و خود را بهبود دهند. تمرکز این تکنولوژی بر توسعه برنامه های کامپیوتری می باشد که به داده ها دسترسی دارند و می توانند از این داده ها استفاده کرده تا خودشان یاد بگیرند. برای مطالعه ی بیشتر در این خصوص به اینجا مراجعه کنید.
  • فرایندهای تصادفی :‌ این موضوع به بررسی مجموعه ای از ابزارهای ریاضی و کاربردهای آن ها در مدل سازی و حل مسئله های مختلف می پردازد.
  • هوش مصنوعی پیشرفته : این درس در ادامه بحث های درس هوش مصنوعی طرح می شود. البته معمولا درس هوش مصنوعی به عنوان یک درس در دوره کارشناسی ارایه می گردد.
  • شبکه های عصبی : این موضوع عملا پیاده سازی  و شبیه سازی ساختار نورون های مغز در  رایانه است. بحث های جذاب آموزش و یادگیری ، یادگیری عمیق و… در این بحث گنجانده شده اند. شاید مطالعه ی این مطلب برایتان خالی از لطف نباشد.

هوش مصنوعی چگونه می اندیشد؟

نهایتا پیشنهاد می کنم مسائل مربوط به این زمینه را بطور جدی پیگیری کنید. هیچ یک از ما نمی دانیم در نهایت این دانش به کجا خواهد رسید، اما می توانیم از آنچه دانش درست به آن می رسد لذت ببریم. شاید روزی هر کدام از ما ایده پرداران این دانش باشیم.

برای افزودن دیدگاه کلیک کنید

یک پاسخ بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *