هوش مصنوعی

 هوش مصنوعی

هوش مصنوعی (AI) شبیه سازی فرآیندهای هوش انسانی توسط ماشین ها ، به خصوص سیستم های رایانه ای است.

 

هوش مصنوعی ضعیف در مقابل هوش مصنوعی عمومی

چهار نوع هوش مصنوعی

نمونه هایی از فناوری هوش مصنوعی

کاربرد های AI

 

هوش مصنوعی ضعیف در مقابل هوش مصنوعی عمومی

هوش مصنوعی را می توان به دو دسته ضعیف یا قوی طبقه بندی کرد. AI ضعیف ، یک سیستم برای انجام یک کار خاص طراحی و آموزش داده شده است. روبات های صنعتی و دستیاران شخصی مجازی مانند Apple Siri از هوش مصنوعی ضعیف استفاده می کنند. AI قوی ، همچنین به عنوان AI عمومی (AGI) شناخته می شود. هوش مصنوعی عمومی برنامه نویسی را توصیف می کند که می تواند توانایی های شناختی مغز انسان را تکرار کند. یک سیستم هوش مصنوعی قوی هنگامی که با یک کار جدید مواجه می شود که با آن آشنایی ندارد ، می تواند از منطق فازی برای استفاده دانش از یک دامنه به حوزه دیگر استفاده کند و یک راه حل را بطور خودمختار پیدا کند.

اصطلاح هوش تقویتی به جای هوش مصنوعی

برخی از کارشناسان صنعت معتقدند اصطلاح هوش مصنوعی با فرهنگ عامه پیوند نزدیکی دارد و همین امر باعث شده است که عموم مردم انتظارات غیرممکنی در مورد چگونگی تغییر آن در محیط کار و زندگی به طور کلی داشته باشند. برخی از محققان و بازاریابان امیدوارند که اصطلاح ((هوش تقویت شده)) ، که دارای مفهوم خنثی تری است ، به مردم کمک کند تا درک کنند که اکثر پیاده سازی های AI ضعیف بوده و به سادگی محصولات و خدمات را بهبود می بخشد.

مؤلفه های AI

در حالی که این فناوری با سرعت بالا در در حال پیشرفت است ، فروشندگان در تلاشند تا محصولات و خدمات خود را با استفاده از آن ترویج دهند. غالباً آنچه از آن به عنوان AI یاد می شود ، صرفاً یکی از مؤلفه های هوش مصنوعی است ، مانند یادگیری ماشین(Machine Learning). هوش مصنوعی برای ایجاد الگوریتم های یادگیری ماشین ، نیاز به پایه و اساس سخت افزار و نرم افزار تخصصی دارد. هیچ کدام از زبان های برنامه نویسی مترادف با AI نیست ، اما معدودی از جمله Python ، R و Java در این زمینه محبوب هستند.

چهار نوع هوش مصنوعی

هوش مصنوعی را می توان در چهار نوع طبقه بندی كرد:

نوع 1: ماشین های واکنش پذیر

این سیستم های هوش مصنوعی حافظه ندارند و وظیفه خاصی دارند. نمونه ای از آن Deep Blue است ، برنامه شطرنج IBM که در دهه 1990 گری کاسپاروف را شکست داد. Deep Blue می تواند قطعاتی را روی صفحه شطرنج شناسایی کند و پیش بینی کند ، اما چون حافظه ای ندارد ، نمی تواند از تجربیات گذشته برای آگاهی از موارد آینده استفاده کند.

نوع 2: حافظه محدود

این سیستم های هوش مصنوعی حافظه دارند ، بنابراین می توانند از تجربیات گذشته برای آگاهی از تصمیمات آینده استفاده کنند. برخی از کارکردهای تصمیم گیری در اتومبیلهای رانندگی از این طریق طراحی شده اند.

نوع 3: تئوری ذهن

تئوری ذهن یک اصطلاح روانشناسی است. هنگامی که از آن در AI استفاده می شود ، به این معنی است که سیستم دارای هوش اجتماعی برای درک احساسات است. این نوع AI قادر به استنباط اهداف انسانی و پیش بینی رفتار ، مهارت لازم برای سیستم های هوش مصنوعی برای عضویت در تیم های انسانی است.

نوع 4: خودآگاهی

در این دسته ، ماشین آلات با خودآگاهی وضعیت فعلی خود را درک می کنند. این نوع هوش مصنوعی هنوز وجود ندارد.

محاسبات شناختی و هوش مصنوعی

اصطلاحات هوش مصنوعی و محاسبات شناختی گاهی به جای یکدیگر مورد استفاده قرار می گیرند ، اما ، به طور کلی ، از اصطلاح هوش مصنوعی در اشاره به ماشین هایی استفاده می شود که با شبیه سازی نحوه احساس ، یادگیری ، پردازش و واکنش به اطلاعات موجود در محیط ، جایگزین هوش انسانی می شوند.

اما اصطلاح محاسبات شناختی در محصولات و خدماتی که فرآیندهای فکر انسان را تقلید و تقویت می کنند ، استفاده می شود.

نمونه هایی از فناوری هوش مصنوعی

هوش مصنوعی در انواع مختلف فناوری گنجانیده شده است. در اینجا شش مثال آورده شده است:

اتوماسیون

هنگام قرار گرفتن در کنار فن آوری های AI ، ابزارهای اتوماسیون می توانند حجم و انواع کارهای انجام شده را گسترش دهند.

فراگیری ماشین(Machine Learning)

علمی است که به وسیله آن کامپیوتر بتواند بدون برنامه نویسی عمل کند.

دید ماشین

این فناوری توانایی دیدن ماشین را دارد. بینایی دستگاه با استفاده از دوربین ، تبدیل آنالوگ به دیجیتال و پردازش سیگنال دیجیتال ، اطلاعات تصویری را ضبط و تجزیه و تحلیل می کند. این فناوری غالباً با دید انسان مقایسه می شود ، اما دید دستگاه به زیست شناسی محدود نمی شود و می توان برای مثال طوری برنامه ریزی کرد که آن طرف دیوارها را نیز ببیند. این فناوری در طیف وسیعی از برنامه ها از شناسایی امضا گرفته تا تجزیه و تحلیل تصاویر پزشکی استفاده می شود.

پردازش زبان طبیعی(Natural language processing)

این پردازش زبان انسانی توسط یک برنامه رایانه ای است. یکی از نمونه های قدیمی و مشهور NLP ، شناسایی اسپم است که به موضوع و متن یک ایمیل نگاه می کند و تصمیم می گیرد که در چه صورت آن را اسپم شناسایی کند. رویکردهای فعلی NLP مبتنی بر یادگیری ماشین است. وظایف NLP شامل ترجمه متن ، تحلیل احساسات و تشخیص گفتار است.

رباتیک

این رشته مهندسی بر طراحی و ساخت روبات ها تمرکز دارد. اغلب از روبات ها برای انجام کارهایی استفاده می شود که انجام یا اجرای مداوم آن برای انسان دشوار است. به عنوان مثال ، از ربات ها در خطوط مونتاژ برای تولید خودرو یا توسط ناسا برای جابجایی اشیاء بزرگ در فضا استفاده می شود. محققان همچنین از یادگیری ماشین(ML) برای ساخت روبات هایی استفاده می کنند که می توانند در موقعیت های اجتماعی با دیگران تعامل داشته باشند.

اتومبیل های خودران

وسایل نقلیه خودردان از ترکیبی از دید رایانه ای ، تشخیص تصویر و یادگیری عمیق بهره می برند تا مهارتی ایجاد کنند که در حالی که از برخورد با موانع غیرمنتظره مانند عابر پیاده جلوگیری می کنند در یک خط مشخص به صورت خودکار برانند.

 

کاربرد های AI

هوش مصنوعی راه خود را به بازارهای گسترده ای باز کرده است.چند مورد از آنها را اینجا آورده ایم:

هوش مصنوعی در مراقبت های بهداشتی

شرکت ها در حال یادگیری ماشینی هستند تا تشخیص بهتر و سریعتر از انسان را انجام دهند. یکی از شناخته شده ترین فن آوری های مراقبت های بهداشتی IBM Watson است.

سایر برنامه های کاربردی این فناوری شامل استفاده از دستیاران سلامت مجازی آنلاین و چت روبات ها برای کمک به بیماران و مشتریان مراقبت های بهداشتی می توانند اطلاعات پزشکی ، قرار ملاقات های برنامه ای ، درک فرایند صدور صورتحساب و تکمیل سایر مراحل اداری را پیدا کنند. مجموعه ای از فناوری های AI نیز برای پیش بینی ، مبارزه و درک همه گیری هایی مانند COVID-19 استفاده می شود.

هوش مصنوعی در تجارت

الگوریتم های یادگیری ماشینی در سیستم عامل های تجزیه و تحلیل و مدیریت ارتباط با مشتری (CRM) ادغام می شوند تا اطلاعاتی در مورد نحوه بهتر خدمت به مشتریان ارائه دهند. Chatbots برای ارائه خدمات فوری به مشتریان در وب سایت ها گنجانیده شده است. اتوماسیون موقعیت های شغلی همچنین به یک نقطه بحث در بین دانشگاهیان و تحلیلگران فناوری اطلاعات تبدیل شده است.

هوش مصنوعی در آموزش و پرورش

هوش مصنوعی می تواند به صورت خودکار دانش آموزان را درجه بندی کند. این فناوری می تواند دانش آموزان را ارزیابی کرده و با نیازهای آنها سازگار باشد و به آنها کمک کند با سرعت مناسب خود کار کنند. معلمان AI می توانند به دانشجویان پشتیبانی بیشتری ارائه دهند ، و این تضمین می کند آنها در مسیر درست بمانند. همچنین می تواند اینکه دانش آموزان کجا و چگونه یاد بگیرند را تغییر دهد. این فناوری ، حتی ممکن است جایگزین برخی معلمان شود.

هوش مصنوعی در امور مالی

هوش مصنوعی در برنامه های مالی شخصی ، مانند Intuit Mint یا TurboTax ، موسسات مالی را مختل می کند. برنامه های کاربردی از جمله این اطلاعات شخصی را جمع آوری و مشاوره مالی ارائه می دهند. برنامه های دیگری مانند IBM Watson برای روند خرید خانه اعمال شده است. امروز ، نرم افزار AI بخش عمده ای از معاملات را در وال استریت انجام می دهد.

هوش مصنوعی روند کشف

کشف کردن از طریق اسناد – قانون غالباً برای انسان بسیار زیاد است. استفاده از این فناوری برای کمک به اتوماسیون فرآیندهای فشرده کار صنعت قانونی ، موجب صرفه جویی در وقت و بهبود خدمات به مشتری می شود. موسسات حقوقی برای یادآوری داده ها و پیش بینی نتایج ، دید رایانه ای را برای طبقه بندی و استخراج اطلاعات از اسناد و پردازش زبان طبیعی با استفاده از یادگیری ماشینی به کار می گیرند.

هوش مصنوعی در ساخت و ساز

ساخت و ساز در صدر قرار دادن روبات ها در گردش کار بوده است. به عنوان مثال ، روبات های صنعتی که در یک زمان برای انجام تک تک وظایف برنامه ریزی شده بودند و از کارگران انسان جدا می شدند ، به طور فزاینده ای به عنوان کبوت عمل می کنند: ربات های کوچکتر و چند وظیفه ای که با انسان ها همکاری می کنند و مسئولیت بخش های بیشتری از کار در انبارها ، کف کارخانه ها را بر عهده دارند.

هوش مصنوعی در امور بانکی

بانک ها با موفقیت از چت بوت ها استفاده می کنند تا مشتریان خود را از خدمات و پیشنهادات آگاه سازند و معاملات انجام دهند که نیازی به مداخله انسانی ندارند. از دستیاران مجازیAI برای بهبود و کاهش هزینه های رعایت مقررات بانکی استفاده می شود. سازمانهای بانکی همچنین از AI برای بهبود تصمیم گیری در مورد وام و تعیین محدودیت اعتبار و شناسایی فرصت های سرمایه گذاری استفاده می کنند.

هوش مصنوعی در حمل و نقل

علاوه بر نقش اساسی هوش مصنوعی در کارکردن وسایل نقلیه خودمختار ، از فناوری های AI در حمل و نقل برای مدیریت ترافیک ، پیش بینی تاخیر در پرواز و ایمن سازی و کارآمد تر حمل و نقل اقیانوس ها استفاده می شود.

هوش مصنوعی در امنیت

AI و یادگیری ماشینی در محصولات امنیت سایبری برای تیم های امنیتی که به دنبال راه هایی برای شناسایی حملات ، بدافزارها و سایر تهدیدها هستند ، ارزش واقعی ایجاد می کنند.

مقررات فناوری هوش مصنوعی

علیرغم خطرات احتمالی ، در حال حاضر مقررات کمی در مورد استفاده از ابزارهای AI وجود دارد ، و در صورت وجود قوانین ، آنها معمولاً به طور غیر مستقیم به AI مربوط می شوند. به عنوان مثال ، همانطور که قبلاً نیز گفته شد ، مقررات وام دهی منصفانه ایالات متحده نیاز به موسسات مالی دارد تا تصمیمات اعتباری را برای مشتریان بالقوه توضیح دهند.

ساختن قوانین برای تنظیم هوش مصنوعی آسان نخواهد بود ، زیرا بخشی از فناوری های مختلفی را شامل می شود که شرکت ها برای اهداف مختلف از آنها استفاده می کنند ، و بخشی هم به این دلیل که مقررات می توانند به قیمت پیشرفت و توسعه AI به دست بیایند. تکامل سریع فن آوری های AI یکی دیگر از موانع شکل گیری مقررات AI است.

پیشرفت های فناوری و برنامه های جدید می توانند قوانین موجود را فوراً منسوخ کنند.

به جز تیم های فناوری شرکت هایی که از آن برای بهبود دستگاه استفاده می کنند. الگوریتم های یادگیری. و البته ، قوانینی که دولت ها برای کنترل AI می توانند از آن استفاده کنند ، هوش مصنوعی جلوی استفاده مجرمان از این فناوری را نمی گیرد.

 

همچنین می توانید در سایت ما مطالبی در مورد انتخاب دامنه مناسب برای وب سایت و هاست چیست؟ همه چیز در مورد میزبانی وب بخوانید.

 

 

منبع : searchenterpriseai.techtarget.com

 

ارسال یک پاسخ

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