هوش مصنوعی علم و مهندسی مبنا و پیرامون ساخت ماشین‌های هوشمند، بخصوص برنامه‌های کامپیوتری و شبکه‌های متصل به اینترنت، است. شاخه هوش مصنوعی تلاش دارد که ذهن انسان و عملکرد آن را شبیه سازی کند تا پتانسیل‌هایی که شاید حتی خود انسان نیز به آن دسترسی ندارد را بالفعل نماید. با این حال، هوش مصنوعی هرگز محدود به چهارچوب منطقی و انسانی خود نیست و محدودیت‌های بیولوژیکی آن را نیز ندارد.
صحبت درباره هوش مصنوعی به اواسط قرن بیستم و سمینارهای آلن تورینگ برمی‌گردد؛ او را پدر علوم کامیپوتر می‌دانند و منطق ماشین ریشه‌های خود را در ماشین تورینگ می‌بیند؛ جایی که تورینگ تلاش می‌کند استدلال ریاضی‌وار و مرحله به مرحله انسان را به ماشین بفهماند و مسیری برای خود شکوفایی آن باز کند.
آزمایش تورینگ، TuringTest
نقطه آغاز تفکیک هوش انسان با هوش ماشین (یا آزمودن میزان نزدیکی این دو)، مقاله‌ای از تورینگ بود که در آن به امکان فکر کردن ماشین پرداخته بود. در این مقاله، تورینگ می‌پرسد که آیا ماشین می‌تواند فکر کند؟ متناظر با این سوال، تورینگ آزمایشی را پیشنهاد می‌دهد که در آن، یک کارشناس مسئول سنجش میزان شباهت پاسخ‌های یک ماشین به پاسخ‌های انسانی می‌شود. در این آزمایش، کارشناس سوالاتی را در یک موضوع مشخص ارائه می‌کند و مجموعه‌ای از پاسخها را دریافت می‌کند که یکی از آنها مربوط به یک ماشین (کامپیوتر یا ربات) است. اگر کارشناس نتواند تفاوت این پاسخ با سایر پاسخها را تشخیص دهد، ماشین آزمایش را با سربلندی گذرانده است. تا چند سال اخیر تنها چند کامیپوتر و نرم‌افزارهای تولید متن توانسته بودند این آزمایش را با موفقیت بگذرانند؛ با این حال و پس از معرفی دستیارهای هوشمندی چون ChatGPT، تقریبا هر کامیپوتر و اپلیکیشن با ویرایشی از این دستیارهای هوشمند می‌توانست آزمایش را با موفقیت پشت سر بگذارد. به عبارتی، در کمتر از ۵ سال، جهان وارد جریان جدید و بسیار پرشتابی از دیجیتالی شدن فرآیندها و هوشمند شدن ماشین‌ها شده است. تحولی که بیشتر از هر زمان دیگری انسان را با این سوال مواجه می‌کند که آیا روزی ماشین بر مدیریت و تسلط انسان بر زمین غلبه می‌کند.
ai ضعیف در مقابل ai قوی
هوش مصنوعی را می‌توان به دو کلاس بسیار کلی تقسیم کرد. در گروه اول ماشین و نرم‌افزارهایی قرار دارند که هوش مصنوعی کم دامنه یا محدود (ANI) خوانده می‌شوند و تقریبا ۹۹ درصد از هوش مصنوعی کنونی را تشکیل می‌دهند. این نوع از هوش مصنوعی عامل خلق ابزارها یا دستیارهای هوشمندی چون ،Alexa ،Siri ChatGPT و خودروهای خودکار است.
خانواده دوم هوش مصنوعی قدرتمند خوانده می‌شود و ترکیبی از AGI یا هوش مصنوعی عمومی و ASI یا هوش مصنوعی متعالی است. در این نوع هوش مصنوعی، ماشین هوشی هم سطح با انسان‌ها دارد، خودآگاه است و توان حل مسائل به شیوه‌های جدید را دارد، می‌تواند بیاموزد، طراحی کند و برای آینده تصمیم بگیرد. این نوع از هوش مصنوعی همان گونه‌ای است که انسان از آن می‌هراسد، زیرا از نظر تئوری قدرت عبور از نسل انسان و تسلط غالب آن را دارد.
در کمتر از ۵ سال، جهان وارد جریان جدید و بسیار پرشتابی از دیجیتالی شدن فرآیندها و هوشمند شدن ماشین‌ها شده است. تحولی که بیشتر از هر زمان دیگری انسان را با این سوال مواجه می‌کند که آیا روزی ماشین بر مدیریت و تسلط انسان بر زمین غلبه می‌کند.
دو تئوری محاسباتی که به هوش مصنوعی جان می‌دهند
یادگیری عمیق (DeepLearning) و یادگیری ماشین (MachineLearning) دو شاخه مرکب از ریاضی و کامپیوتر هستند که مبنای تمام عملیات و ابزارهای موجود در خودکارسازی، هوشمندسازی و دیجیتالی سازی را تشکیل می‌دهند. آنها همان بستر مورد نیاز برای تعامل عمیق انسان با ماشین، آموزش به او و انتقال قدرت تفکر انسانی به ماشین‌ها هستند. با این حال، در ادبیات هوش مصنوعی، این دو شاخه از علم را زیرشاخه‌های AI در نظر می‌گیرند و به عنوان مقدمات رسیدن به هوشمندسازی ماشین تلقی می‌شوند.
یادگیری عمیق یک برداشت عمیقتر و البته پیچیده‌تر از شبکه عصبی است. به این معنی که در یادگیری عمیق، سعی می‌شود سیستم تفکر انسان برای کامپیوتر کد شود و از این طریق استدلال و حل مسئله را به آن آموزش داد. حال هر چقدر تعداد لایه‌ها یا همان عصب‌هایی که در عمل آموزش و استدلال استفاده می‌شوند بیشتر باشند، مطمئنا درک ماشین عمیقتر می‌شود و امکان حل مسئله بیشتری خواهد داشت. یادگیری ماشین نیز یک ابزار ریاضی – کامپیوتری برای انتقال نحوه برداشت، تحلیل و تصمیم‌گیری مبتنی بر داده توسط ماشین است. در یادگیری ماشین انواع شیوه‌های تشخیص الگو یا روند، پیشبینی آن و ترسیم سناریوهای مختلف به ماشین منتقل می‌شود.
مدل‌های مولد و دنیاهای موازی برای ماشین
مدل‌های مولد یا Models Generative شاخه‌های نشأت گرفته از مبانی و کاربردهای یادگیری ماشین هستند که امکان بیشتری به ماشین و توسعه توان آن در سناریوسازی می‌دهند. این مدل‌ها برای فهم یک کلاس از داده‌ها، ایجاد داده‌های جدید و خلق مدل‌های مرتبط با این توسعه فراگیر تعریف شده‌اند. به زبانی ساده‌تر، در یک مدل مولد، داده‌هایی که کاربر انسانی به ماشین می‌دهد تغذیه اولیه او برای خلق داده‌های مشابه اما متفاوت از داده‌ها اولیه، ایجاد مدل‌های معرف داده‌های قدیمی و جدید و در نهایت، پیشبینی شرایط و استدلال هوشمند از این مدلسازی هستند. انواع مختلفی از مدل‌های مولد وجود دارند که VAE ،GPT و ۳ GAN خانواده معروف با تعداد استفاده بیشترند. برای مثال، ChatGPT مشهور از اصطلاح trainedTransformer-GenerativePre گرفته شده که مدل مولد و متشکل از تکنیک‌های برازش خودکار یا Autoregressive است. در تمام این روش‌ها، هدف یافتن یک الگوی غالب، احتمالی یا غیر احتمالی، ادامه روند با داده‌های جدید و ترسیم آینده ممکن است. بنابراین، هوش مصنوعی با استفاده از این مدل‌ها می‌تواند بینهایت داده و الگوهای مشابه با داده‌های آموزشی خود تولید کند و دنیاهای موازی با واقعیتی که برای آن تعریف شده است را ترسیم (تجسم) کند.
آیا ai تهدیدی برای آینده انسان است؟
این سوال بیشتر یک سوال فلسفی است تا یک سوال علمی یا عمومی. به عبارتی، هوش مصنوعی هنوز به جایگاهی نرسیده که بتواند خطری به فرمت و زبان نابودی انسان را در ذهن ما ترسیم کند. با این حال، اینکه هوش مصنوعی از نظر تئوری می‌تواند به قدرت استدلالی شبیه انسان برسد می‌تواند خطرناک جلوه کند، حداقل برای انسان کنونی که بر تسلط بر زمینش عادت کرده و هرگونه نوسانی در این واقعیت می‌تواند تمام معادلات موجودیت آن را به هم بریزد. هوش مصنوعی عامل اصلی در خودکار سازی همه‌جانبه و هوشمند شدن فرآیندهای مختلف در صنایع است. به همین دلیل، بسیاری بر این باورند که هوش مصنوعی در آینده‌ای نه چندان دور بسیاری از مشاغل را از بین می‌برد و ماشین‌های پردازشگر جایگزین کارمندان در رده‌های مختلف شغلی می‌شوند. اگرچه، به باور برخی از کارشناسان حوزه هوش مصنوعی، این فناوری نه تنها باعث نابودی شغلها نمی‌شود، بلکه فرصت‌های شغلی جدیدی را ایجاد می‌کند و شاید آنچه تغییر می‌کند جایگزینی انسان با AI نباشد، بلکه جایگزینی مهارت‌ها و نیازهای قبلی انسان با انواع جدید و مبتنی بر فناوری باشد.
کاربردهای هوش مصنوعی
بحث درباره کاربردهای هوش مصنوعی شبیه بحث درباره کاربردهای کامپیوترها و اینترنت است. به بیان ساده‌تر، با گسترش فناوری محاسباتی و توان پردازش ماشین‌های کوچک و بزرگ، و پیشرفت روش‌های پیشبینی ریاضیاتی و انتقال آن به هوش کامپیوتری، قدرت هوش مصنوعی و دایره استدلال آن بزرگتر و بزرگتر خواهد شد. بنابراین، مجموعه کاربردهای هوش مصنوعی فراتر از یک مقاله، کتاب یا کل ویکی‌پیدیا است. با این حال، موارد زیر شاخصترین کاربردهای کنونی هوش مصنوعی هستند.
تشخیص گفتار: تشخیص گفتار، تبدیل آن به متن یا مواردی مشابه با آن، قابلیتی است که از عمل پردازش زبان طبیعی یا NLP برای پردازش گفتگوهای انسان در قالب نوشتار استفاده می‌کند. اگر تا کنون سعی کرده‌اید با گوشی همراه خود ارتباط کلامی (دستور دادن به گوشی) برقرار کنید، شماره‌ای را خواسته‌اید برای شما تماس بگیرد، در گوگل جستجوی صوتی کرده‌اید و مواردی از این دست، از قابلیت تشخیص گفتار بهره گرفته‌اید.
دستیار مشتری: در بسیاری از صفحات شرکت‌های تجاری یک دستیار در گوشه پایین یا بالای صفحه وجود دارد که به صورت خودکار به سوالات مشتریان پاسخ می‌دهد. شبیه وقتی از ChatGPT سوال می‌پرسید و به شما پاسخی منطقی می‌دهد، این دستیارها نیز برای پاسخگویی به سوالات مرتبط با آن کسب و کار طراحی شده‌اند، به صورت ۲۴ ساعته آماده انجام وظیفه‌اند و هرگز احساسات را در فرآیند پاسخگویی دخیل نمی‌کنند.
بینایی ماشین: این فناوری هوش مصنوعی، کامپیوترها و سیستم‌های پردازشی را قادر می‌سازد تا اطلاعات معناداری از تصاویر دیجیتال، ویدیوها و سایر رسانه‌های مرتبط برداشت کنند و بر اساس اطلاعات نهایی اقدامات خاصی را انجام دهند. برای مثال، دوربین‌های مستقر در بزرگراه‌ها به صورت خودکار سرعت ماشین‌ها را تشخیص می‌دهند و رانندگانی را که سرعت غیرمجاز دارند شناسایی، از پلاک آنها عکس می‌گیرند و به صورت آنی جریمه می‌کنند.
موتورهای جستجو: اگر جدیدا با افزونه هوشمند گوگل کروم، یا مرورگرهای دیگر، جستجویی انجام داده باشید، با این قابلیت از هوش مصنوعی آشنا شده‌اید. هوش مصنوعی به موتورهای جستجو این امکان را می‌دهد که پاسخ‌های مرتبط بیشتر و بهتری فراهم کنند، جواب دقیق‌تر و کاربردی‌تری به سوالات کاربر بدهند، و به طور کلی هوشمندانه‌تر به تعامل با کاربر بپردازند. علاوه بر این، ترکیب هوش مصنوعی و قابلیت‌های موجود در موتورهای جستجو آغاز دنیای ۳Web و تعامل فوق‌العاده نزدیک انسان و ماشین در بستر اینترنت است.
معاملات خودکار بازارهای مالی: شرکت‌های سرمایه‌گذار در بازارهای سهام از قدرت تحلیل هوش مصنوعی و توان پردازشی رایانه‌های متکی بر آن برای سناریو سازی و تحلیل بازار بهره می‌گیرند. بهینه سازی سبد سهام از این طریق و ورود و خروج‌ها به موقع برداشتی است که این شرکت‌ها از هوش مصنوعی می‌کنند. در نتیجه ورود هوش مصنوعی به معاملات بیشتر، سرمایه‌گذاری برای توسعه بیشتر آن و افزایش قدرت و دقت سناریوهای هوش مصنوعی به شدت بالا خواهد رفت.
