هوش مصنوعی چیست؟ آشنایی با AI به زبان ساده

همه‌جا صحبت از هوش مصنوعی است!

بعد از پیدا شدن سروکلهٔ ChatGPT، توجه بسیاری از مردم دنیا به این مفهوم جلب شد و با وجود فروکش کردن تب اولیه، همچنان نقل بسیاری از محافل است.

اما منظور از هوش مصنوعی چیست و چرا اینقدر سر زبان‌ها افتاد؟ آیا واقعاً با مفهومی نوظهور طرف هستیم که تازه پدید آمده است؟ چه خطراتی ممکن است از جانب آن وجود داشته باشد؟

این مقاله را برای پاسخ به همین سؤال‌ها (و کلی سؤال دیگر) تهیه کرده‌ایم.

در ادامه، از کاربرد هوش مصنوعی صحبت می‌کنیم؛ همچنین، با طرز کار آن آشنا می‌شویم و می‌فهمیم چه انواعی دارد؛ علاوه‌بر این‌ها، ۱۰ ابزار جذاب آن را که در اختیار عموم قرار دارند، بررسی خواهیم کرد.

خلاصه که هرچیزی مربوط به این مفهوم باشد را کندوکاو می‌کنیم. بیایید به ترتیب پیش برویم و اول تعریفی از آن داشته باشیم.

هوش مصنوعی یا AI چیست؟ به زبان ساده

یکی از مهم‌ترین خصوصیات ما انسان‌ها و همچنین بزرگ‌ترین تفاوت‌‌مان با دیگر گونه‌های جاندار، هوشمند بودنمان است!

بدون اغراق، هرچه طی این هزاران سال حیات بشر به دست آمده، مرهون هوش اوست؛ از ساخت ابتدایی‌ترین وسایل در دوران ماقبل تاریخ گرفته تا آخرین راکت‌های فضاپیما و جدیدترین ادوات تکنولوژی.

در واقع هوش مصنوعی، شبیه‌سازی هوش انسانی توسط ماشین‌ها است! AI که مخفف Artificial Intelligence است، سخت‌افزارها و نرم‌افزارها را هوشمند می‌کند تا کار بشر راحت‌تر شود.

با اینکه خیلی‌ها فکر می‌کنند هوش مصنوعی مفهومی نوظهور است، باید بگوییم این‌طور نیست. اگر با دنیای بازی‌های ویدئویی و به‌خصوص فیفا آشنا باشید، احتمالاً تجربۀ مواجهه با هوش مصنوعی را داشته‌اید.

از فیفا ۹۸ که نزدیک به ۲۵ سال از انتشارش می‌گذرد گرفته، تا جدیدترین نسخه‌های این بازی محبوب، همگی از هوش مصنوعی بهره می‌برند. وقتی با (اصطلاحاً) کامپیوتر بازی می‌کنید، در واقع این هوش مصنوعی است که جلوی شما قرار می‌گیرد.

پس با اینکه در یکی دو سال اخیر AI بیشتر از همیشه سر زبان‌ها افتاد، اما مطلقاً با چیز جدیدی طرف نیستیم؛ البته این نکته را نمی‌توان نادیده گرفت که پیشرفت‌های بسیار چشمگیری طی این چند وقت در حوزۀ هوش مصنوعی حاصل شد.

حالا دیگر این مفهوم به یک شاخۀ مجزا و مفصل در دنیای برنامه‌نویسی و علوم کامپیوتر تبدیل شده است. بشر با امکانی آشنا شده که می‌تواند بزرگ‌ترین تفاوت‌ها را رقم بزند و پتانسیل رشد بسیار زیادی دارد؛ بنابراین، همۀ شرکت‌های بزرگ و متخصصانشان تلاش می‌کنند دستاوردهای بیشتری با استفاده از AI به دست بیاورند.

با این حساب، می‌توان گفت هوش مصنوعی به ماشین‌ها و نرم‌افزارهای کامپیوتری کمک می‌کند تا مثل یک انسان، یا حتی بهتر فکر و عمل کنند.

همین الان هم هوش مصنوعی کاربردهای بسیاری در زندگی بشر دارد. از ماشین‌های خودران گرفته (که البته ما در ایران نمی‌بینیم!) تا چت‌بات‌هایی که مثل یک دستیار در کنار هر متخصصی قرار می‌گیرند و به او کمک می‌کنند.

این از پاسخ پرسش هوش مصنوعی چیست! بیایید ببینیم طرز کار آن چگونه است.

هوش مصنوعی چگونه کار می‌کند؟

به‌طور کلی، سیستم‌های هوش مصنوعی، با حجم بسیار زیادی از داده‌ها تمرین داده‌ می‌شوند. آن‌ها طوری طراحی شده‌اند که در این حجم زیاد داده‌، دنبال تشابه‌ها و الگوها می‌گردند و با استفاده از الگوهای یافت‌شده، اتفاق بعدی را پیش‌بینی می‌کنند!

ممکن است گیج شده باشید؛ نگران نباشید. بیشتر موضوع را واکاوی می‌کنیم. اما اول ببینیم ساخت هوش مصنوعی چگونه است.

بعد از ChatGPT و شیوع جهانی تب هوش مصنوعی، مجموعه‌های بسیاری به تکاپو افتادند تا از هوش مصنوعی برای امورشان بهره ببرند. کوچک‌ترها سراغ سرویس‌هایی رفتند که توسط شرکت‌های پیشرو ارائه می‌شوند، بزرگ‌ترها هم تصمیم گرفتند خودشان هوش مصنوعی بسازند.

خب ساخت AI نیازمند زیرساختی متشکل از سخت‌افزارهای به‌خصوص است؛ به‌علاوه، نرم‌افزارهای مخصوصی باید روی این سخت‌افزارها نصب شوند تا بتوان الگوریتم‌های ماشین لرنینگ یا یادگیری ماشین را نوشت و سیستم را با آن‌ها تمرین داد. برای همین لزوماً هر شرکتی نمی‌تواند هوش مصنوعی اختصاصی خود را داشته باشد.

نکته: هیچ زبان برنامه‌نویسی‌ای وجود ندارد که بگوییم مختص ساخت هوش مصنوعی است؛ اما برخی از آن‌ها، مثل پایتون، R، جاوا، ++C و Julia، قابلیت‌هایی دارند که کار را برای توسعه‌دهندگان AI راحت می‌کنند و موردپسند آن‌ها هستند.

بالاتر گفتیم سیستم‌های هوش مصنوعی با حجم زیادی از داده‌های مخصوص تمرین داده می‌شوند؛ اجازه دهید با مثال این موضوع را قابل‌فهم‌تر کنیم.

یک چت‌بات را در نظر بگیرید. موتور چت‌بات‌ها با حجم زیادی از متن‌ها تمرین داده شده است؛ مثلاً یکی از منابع تمرینی ChatGPT ردیت بوده است؛ پلتفرمی که کاربران در آن با زبانی کاملاً عامیانه صحبت می‌کنند. این هوش مصنوعی بعد از تمرین با این حجم زیاد متن، می‌تواند مثل یک انسان با کاربر صحبت کند و تعامل داشته باشد.

یا مثلاً هوش مصنوعی‌هایی که کارشان تولید تصویر است، به‌خاطر مشاهدۀ میلیون‌ها عکس، می‌توانند توصیف افراد را بفهمند و تصویر دلخواهشان را بسازند.

در حال حاضر، سیستم‌های پیشرفتۀ هوش مصنوعی می‌توانند متن، تصویر، موسیقی و انواع دیگر محتوا را درست مثل انسان‌ها تهیه کنند.

 

در کل، برنامه‌نویسی AI مبتنی بر یادگیری رفتارهای شناختی است. مهارت‌هایی مثل:

• یادگیری

در این بخش، برنامه‌نویسی هوش مصنوعی، مبتنی بر جمع‌آوری هرچه بیشتر داده است؛ سپس هوش مصنوعی سعی می‌کند راهکارهایی را به‌منظور تبدیل این داده‌ها به اطلاعات قابل‌اقدام پیدا کند. بهتر است به‌جای راهکار بگوییم الگوریتم.

در واقع هوش مصنوعی الگوریتم‌هایی خلق می‌کند که بتواند بر اساس آن‌ها عمل کند؛ به این ترتیب، راهنمایی مرحله‌به‌مرحله در اختیار دستگاه‌های محاسباتی قرار می‌گیرد تا وظایف مختلف را انجام دهند.

• استدلال

وقتی الگوریتم‌های مختلف آماده شوند، هوش مصنوعی باید این امکان را داشته باشد تا در هر زمان، مناسب‌ترین الگوریتم را انتخاب کند؛ به همین خاطر، استدلال یکی از مهارت‌هایی است که باید هر هوش مصنوعی بلد باشد.

• خوداصلاحی

وقتی AI به الگوریتمی دست پیدا می‌کند، لزوماً به این معنا نیست که آن الگوریتم کاملاً بی‌نقص است؛ به همین جهت، هوش مصنوعی باید بتواند با خوداصلاحی، الگوریتم را به بهترین شکل ممکن بهینه کند تا بهترین خروجی‌های ممکن را ارائه دهد.

• خلاقیت

برنامه‌نویس‌های فعال در این حوزه، با شبیه‌سازی شبکه‌های عصبی و استفاده از قوانین مشخص و برخی متدهای ثابت، خلاقیت را در هوش مصنوعی پرورش می‌دهند؛ با این کار AI می‌تواند عکس و ویدیو بسازد، متن بنویسد، ساز بزند و….

این هم از طرز کار AI. بیایید از بحث‌های تخصصی فاصله بگیریم و ببینیم کاربرد هوش مصنوعی چیست که انقدر سر زبان‌ها افتاده است.

کاربردهای هوش مصنوعی چیست؟

AI فقط مخصوص کارهای دم‌دستی و تفریح نیست! شاید استفادۀ یک نفر از Bard فقط پرسیدن سؤال‌های بی‌مورد و محک زدن توانایی‌های این چت‌بات گوگل باشد، در حالی که فردی دیگر برای تحقیقات دانشگاهی‌اش از آن استفاده کند.

در ادامه، ۴ مورد از کاربردهای هوش مصنوعی را با هم بررسی می‌کنیم.

هوش مصنوعی در پزشکی

شاید باورش سخت باشد، اما هوش مصنوعی می‌تواند کمک بزرگی به صنعت سلامت بکند.

چیزی که فعلاً بیشتر از همه مورد انتظار است، بهینه‌سازی درمان و کاهش هزینه‌ها است. همین حالا که در حال خواندن این مقاله هستید، کمپانی‌های بسیار بزرگ، روی برنامه‌هایی کار می‌کنند که تشخیص‌های درمانی را خیلی دقیق‌تر و سریع‌تر می‌کنند.

یکی از بهترین نمونه‌ها در این زمینه، IBM Watson است. این ابزار می‌تواند با زبان عامیانه صحبت کند و پاسخ پرسش‌های مختلف را بدهد.

ابزارهای دیگری هم موجودند که به‌شکل‌های مختلف تسهیلات پزشکی ارائه می‌کنند. از دستیارهای پزشکی که در نقش چت‌بات ظاهر می‌شوند گرفته تا ابزارهایی که به بیماران در زمان‌بندی مراجعه به پزشک، پرداخت خودکار قبوض مربوط به کارهای درمانی و اموری مشابه کمک می‌کنند.

به‌علاوه، برخی از شرکت‌ها تلاش می‌کنند تا از هوش مصنوعی برای پیش‌بینی پاندمی‌های آینده (مثل قرنطینۀ جهانی کرونا) استفاده کنند.

تشخیص گفتار

Automatic Speech Recognition یا ASR، قابلیتی است که با بهره‌گیری از NLP، صدای افراد را می‌شنود و آن‌ها را به متن تبدیل می‌کند.

اگر در این مورد عمیق شوید، خواهید دید بسیار جالب و حیرت‌انگیز است! ماشین نه‌تنها صدای انسان را می‌شنود، بلکه تشخیص می‌دهد او چه می‌گوید و گفته‌ها را در قالب متن ارائه می‌کند؛ یا اینکه پاسخ گفتۀ او را می‌دهد.

بارزترین نمونۀ تشخیص گفتار، دستیارهای صوتی تلفن‌های همراه، مثل Siri برای iPhone یا ابزارهای جست‌وجوی صوتی هستند.

خدمات مشتریان

استفاده از نیروی انسانی در ارائۀ خدمات به مشتری، چالش‌های بسیاری دارد؛ به همین خاطر هوش مصنوعی در حال گرفتن جایگاه انسان‌ها در این زمینه است.

مخصوصاً در کسب‌وکارهای آنلاین، داشتن افرادی که به‌صورت شبانه‌روزی و البته ۷ روز هفته آمادۀ پاسخگویی به مشکلات بازدیدکنندگان و مشتریان باشند، کلی هزینه روی دست کسب‌وکار می‌گذارد.

آن دسته از ابزارهای هوش‌ مصنوعی که به این منظور ساخته شده‌اند، به سؤالات پرتکرار (FAQ) پاسخ می‌دهند؛ مثلاً ممکن است عموم مشتری‌ها پرسشی راجع‌به چگونگی ارسال سفارش داشته باشند؛ خب هوش مصنوعی می‌تواند به این نوع سؤال‌ها پاسخ دهد.

قبلاً هم از هوش مصنوعی برای این کاربرد استفاده می‌شد، اما حالا با پیشرفت AI، انقلاب بزرگی در این زمینه رخ داده است. حالا می‌توان تعامل بسیار بهتری با مشتری در سایت و شبکه‌های اجتماعی داشت و رابطۀ بین دو طرف را تحکیم کرد.

سایت‌های بسیاری به چت‌بات‌های هوش مصنوعی مجهز هستند که پاسخ مشتریان را می‌دهد؛ همچنین پیام‌رسان‌هایی مثل تلگرام هم هستند که از هوش مصنوعی برای پاسخگویی به مشکل کاربران استفاده می‌کنند.

🧩 پیشنهاد خواندنی:‌ ساخت و طراحی سایت با هوش مصنوعی ممکن شد! (با تشکر از Elementor AI)

تولید تصاویر

چند ماه قبل از ChatGPT، این Midjourney بود که به‌عنوان یک ابزار هوش مصنوعی، سروصدای بسیار زیادی به پا کرد. یک AI که وظیفه‌اش ساخت تصاویر بر اساس دستوری است که به آن داده می‌شود.

یک کاربرد رایج هوش مصنوعی که پلتفرم‌های بسیاری به آن ورود کرده‌اند، همین تولید تصاویر است.

این کاربرد هم می‌تواند در راستای سرگرمی استفاده شود و هم برای کسانی که به تصویرسازی نیاز دارند. اگر سری به فروم‌های Midjourney بزنید، خواهید دید که افراد بسیاری در حال ساخت لوگو برای برندشان هستند.

در نقطۀ مقابل، خیلی‌ها هم فقط دارند تفریح می‌کنند. احتمالاً اگر تا به حال با این نوع ابزارها کار نکرده باشید، شما هم ساعت‌ها صرف تفریح و شناخت هوش‌های مصنوعی تولید تصاویر خواهید کرد.

در کل، کاربردهای هوش مصنوعی به معنای واقعی کلمه نامحدود هستند! هر صنف و صنعتی می‌تواند از این انقلاب تکنولوژیک بزرگ نهایت بهره را ببرد و به‌زودی هم این اتفاق می‌افتد.

خب بالاتر هم گفتیم که طی چند وقت اخیر، واژۀ هوش مصنوعی بسیار بیشتر مورد استفاده قرار می‌گیرد. از آنجایی که همه آشنایی کامل با این مفهوم ندارند، ممکن است برخی برداشت‌های اشتباه رخ دهد که در بخش بعد تکلیف یکی از آن‌ها را مشخص می‌کنیم.

تفاوت هوش مصنوعی، یادگیری ماشین و یادگیری عمیق (Deep Learning)

در سطوح بالاتر که بحث ساخت و طراحی هوش مصنوعی مطرح است، هر سه عبارت هوش مصنوعی، یادگیری ماشین (Machine Learning) و یادگیری عمیق (Deep Learning) بسیار زیاد مورد استفاده قرار می‌گیرد. حتی گاهی این کلمات به جای یکدیگر استفاده می‌شوند؛ مخصوصاً در فرایند مارکتینگ.

اما خب تفاوت‌هایی بین این ۳ مفهوم وجود دارد که باید با آن‌ها آشنا شوید.

واژۀ هوش مصنوعی برای اولین بار در دهۀ ۵۰ میلادی (تقریباً ۷۰ سال پیش) مطرح شد. همان‌طور که بالاتر هم گفتیم، منظور شبیه‌سازی هوش انسانی توسط ماشین‌ها است که شامل مجموعه‌ای از قابلیت‌های در حال پیشرفت می‌شود. پیشرفت‌هایی که ناشی از جلو رفتن تکنولوژی هستند. خب این از هوش مصنوعی.

و اما یادگیری ماشین یا Machine Learning؛ در واقع با یک علم طرف هستیم! علمی که ماشین‌ها را قادر می‌سازد بیشتر و بیشتر یاد بگیرند تا خروجی بهتری ارائه کنند؛ یعنی بدون اینکه برای انجام کاری مشخص برنامه‌ریزی شده باشد، از طریق این علم و به‌طور کلی یادگیری، بتواند آن کار به‌خصوص را درست انجام دهد.

وقتی قرار باشد هوش مصنوعی با حجم زیادی از داده تمرین داده شود، ماشین لرنینگ خیلی کارآمد خواهد بود.

 

 

در نهایت، یادگیری عمیق یا همان Deep Learning زیرشاخه‌ای از ماشین لرنینگ است. زیرشاخه‌ای که با فهم کامل مغز انسان و عمکلردش کار می‌کند.

جالب است بدانید پیشرفت‌های چشمگیر اخیر، حاصل استفادۀ دیپ لرنینگ از شبکه‌های عصبی مصنوعی است که درست مطابق شبکه‌های عصبی انسان شبیه‌سازی شده‌اند. موضوعی که در نهایت به خلق ماشین‌های خودران و ابزارهایی مثل ChatGPT منجر شد.

بنابر این اطلاعات، می‌توان گفت:

یادگیری ماشین و زیرمجموعه‌اش، یعنی یادگیری عمیق، علومی هستند که دستیابی به هوش مصنوعی را ممکن می‌کنند!

تا اینجا که فهمیدید AI چیست، احتمالاً متوجه شده باشید که این مفهوم انواع مختلفی هم دارد؛ بخش بعدی را به انواع هوش مصنوعی اختصاص داده‌ایم.

انواع هوش مصنوعی (۴ نوع مختلف AI)

قبل از اینکه سراغ معرفی این چهار نوع برویم، بهتر است شما را با یک دسته‌بندی کلی‌تر آشنا کنیم؛ بر اساس این دسته‌بندی، دو نوع کلی از هوش مصنوعی وجود دارد:

1. هوش مصنوعی قوی (Strong AI)
2. هوش مصنوعی ضعیف (Weak AI)

هوش مصنوعی‌ ضعیف، سیستم‌هایی هستند که برای انجام یک کار مشخص طراحی شده‌اند. از جملۀ معروف‌ترین آن‌ها می‌توان به بازی‌های ویدیویی ساده مثل شطرنج اشاره کرد.
در این بازی، هوش مصنوعی فقط وظیفۀ شطرنج بازی کردن را دارد؛ یا مثلاً دستیارهایی مثل Siri از Apple هم در این دسته قرار می‌گیرند؛ چراکه صرفاً موظفند پاسخ سؤال استفاده‌کننده را بدهند.

در نقطۀ مقابل، هوش‌ مصنوعی‌ قوی، برای انجام اموری طراحی شده‌اند که قبلاً فقط انسان‌ها از پس آن برمی‌آمدند. از این دسته AIها انتظار می‌رود در شرایط پیچیده‌تر، مثلاً مواقعی که نیاز به حل بحران وجود داشته باشد، بدون دخالت انسان از پس کار بربیایند.

البته که نمونه‌های هوش مصنوعی قوی را در کشورمان بسیار کم می‌بینیم؛ اما در مقیاس جهانی، ماشین‌های خودران مثل تسلا و اتاق عمل برخی از برجسته‌ترین بیمارستان‌های دنیا از این نوع هوش مصنوعی بهره می‌برند.

خب حالا که با این دسته‌بندی کلی آشنا شدید، بیایید کمی موشکافانه‌تر پیش برویم و ۴ نوع دیگر از AI را خدمتتان معرفی کنیم. توجه داشته باشید که تمام این‌ها یا جزو Strong AI هستند یا Weak AI.

۱. ماشین‌های واکنش‌پذیر (Reactive Machines)

این نوع از هوش‌ مصنوعی، پیرو ساده‌ترین قواعد اولیۀ AI است. همان‌طور که از نامش مشخص است، تنها می‌تواند پاسخگوی کلمه‌ای باشد که برایش نوشتید!

نکته: هوش‌های مصنوعی واکنش‌پذیر (همان ماشین‌های واکنش‌پذیر)، امکان ذخیره‌سازی اطلاعات در حافظه‌شان را ندارند؛ بنابراین، نمی‌توانند از تجربیات قبلی برای بهبود تصمیم‌گیری و پاسخگویی استفاده کنند.

این محدودیت و به‌طور کلی، عدم درک جهان انسان‌ها به‌صورت کامل، باعث می‌شود این نوع هوش‌های مصنوعی فقط برای انجام برخی از وظایف مشخص کاربرد داشته باشند.

البته که همین محدودیت، فایده‌هایی هم دارد؛ چون واکنش‌پذیرها در انجام یک کار تخصص دارند و معمولاً آن را به شکلی قابل‌قبول انجام می‌دهند؛ همچنین، از آنجایی که واکنش به یک محرک همیشه ثابت است، بسیار راحت‌تر می‌توان به آن‌ها اعتماد کرد. (اگر تجربۀ کار با ChatGPT را داشته باشید، می‌دانید که چقدر ساده نظرش عوض می‌شود!)

یکی از معروف‌ترین مثال‌های این نوع هوش مصنوعی، Deep Blue ساخت IBM است. یک سوپرکامپیوتر شطرنج‌‌باز که گری کاسپاروف نامدار را شکست داد!

Deep Blue فقط شطرنج و قوانینش را می‌شناخت و نه هیچ چیز دیگری. این ابزار امکان پاسخگویی به سؤالات شما را نداشت؛ تنها می‌توانست در یک بازی شطرنج نهایت تلاشش را برای پیروزی انجام دهد.

حالا بازی‌های شطرنج بسیاری وجود دارند که شاید از Deep Blue هم قدرتمندتر باشند؛ اما توجه داشته باشید که راجع‌به اولین‌ها حرف می‌زنیم و IBM این سوپرکامپیوتر را در دهۀ ۹۰ میلادی ساخت!

۲. هوش مصنوعی با حافظۀ محدود

این یک پله بالاتر از ماشین‌های واکنش‌پذیر قرار می‌گیرد و با داشتن یک حافظۀ محدود، می‌تواند داده‌های قبلی را ذخیره کند. این حافظه باعث می‌شود توانایی پیش‌بینی هنگام جمع‌آوری اطلاعات و ارزیابی انتخاب‌های پیش رو را داشته باشد.

به زبان ساده، این نوع AI، به اتفاقات گذشته نگاه می‌کند تا بفهمد در آینده احتمال رخداد چه چیزی وجود دارد.

این نوع زمانی به کار می‌آید که تیمی در حال آموزش مداوم به یک مدل در رابطه با چگونگی تحلیل و استفاده از داده‌های جدید است؛ یا زمانی که قرار است محیطی برای آموزش و تمرین هوش‌های مصنوعی آماده شود، از AI با حافظۀ محدود استفاده می‌شود.

وقتی قرار باشد از چنین نوعی در فرایند یادگیری ماشین استفاده شود، لازم است از ۶ مرحۀ زیر پیروی شود:

1. تهیه و آماده‌سازی داده‌های تمرینی؛
2. ساخت یک مدل از یادگیری ماشین؛
3. اطمینان از اینکه مدل توانایی پیش‌بینی دارد؛
4. اطمینان از اینکه مدل می‌تواند بازخورد دریافت کند؛
5. ذخیره‌سازی بازخوردها به‌عنوان داده‌های جدید؛
6. تکرار ۵ مرحۀ بالا مثل یک چرخه.

برویم سراغ نوع سوم.

۳. تئوری ذهن

این نوع هنوز به مرحلۀ اجرایی نرسیده و همان‌طور که از نامش مشخص است، با یک تئوری طرف هستیم! بشر هنوز تکنولوژی و امکانات علمی لازم برای دستیابی به این سطح از هوش مصنوعی را در اختیار ندارد.

کانسپت کلی بر این اساس استوار است که باقی جانداران هم افکار و احساساتی دارند که می‌توانند بر رفتار یکدیگر اثر بگذارد.

اجازه دهید ساده بگوییم. وقتی با کسی رو در رو می‌شوید، برخورد شما از برخورد طرف مقابل تأثیر می‌گیرد؛ اگر سلام بشنوید پاسخ می‌دهید، اگر ناسزا بشنوید، قطعاً با سلام پاسخ نمی‌دهید و رفتار دیگری از شما سر می‌زند.

در دنیای هوش مصنوعی، منظور این است که سیستم‌های AI بتوانند درک کنند انسان‌ها، حیوانات و ماشین‌های دیگر چه احساسی دارند و تصمیماتشان بر چه اساسی است.

در کل، وقتی بتوانیم مفهوم ذهن را به‌خوبی به ماشین‌ها بفهمانیم، این نوع از هوش مصنوعی، یعنی تئوری ذهن محقق خواهد شد؛ سپس یک رابطۀ دو طرفه میان انسان و ماشین شکل خواهد گرفت.

۴. خودآگاهی

این مرحله بعد از تئوری ذهن می‌آید؛ یعنی برای دستیابی به چنین نوعی، ابتدا باید تئوری ذهن را به مرحلۀ عمل برسانیم؛ پس مشخصاً کمی دور از دسترس به نظر می‌رسد.

اینکه هوش مصنوعی به خودآگاهی برسد، مرحلۀ آخر در دنیای AI محسوب می‌شود. چنین هوش‌های مصنوعی‌ای، از آگاهی انسان‌گونه برخوردارند و متوجه حضورشان در دنیا هستند؛ به‌علاوه، احساسات و موجودیت دیگر جانداران را هم درک می‌کنند.

نکته: برای رسیدن به این سطح از پیشرفت در هوش مصنوعی، انسان ابتدا باید بتواند مفهوم آگاهی را به‌طور کامل کشف و درک کند؛ سپس باید دنبال راهی باشد تا آن را به ماشین منتقل کند.

در اغلب فیلم‌های تخیلی، ربات‌ها در مرحلۀ خودآگاهی هستند. یکی از نمونه‌های اخیر، سریال West World است.

این هم از انواع هوش مصنوعی که در دو دسته‌بندی آن‌ها را بررسی کردیم.

به بخش جذاب مقاله رسیدیم و می‌خواهیم در بخش بعدی، ابزارهای مطرح هوش مصنوعی را معرفی می‌کنیم که هرکس می‌تواند از آن‌ها استفاده کند.

۱۰ ابزار هوش مصنوعی پرکاربرد

فارغ از کاربردهای سطح بالای هوش مصنوعی، کلی ابزار وجود دارند که عموم (یعنی ما و شما) می‌توانیم از آن‌ها استفاده کنیم. همان‌طور که بالاتر هم گفتیم، برخی از آن‌ها صرفاً جنبۀ سرگرمی دارند و برخی دیگر می‌توانند در امور مربوط به کسب‌وکار، تحصیل، آموزش و… هم کاربرد داشته باشند.

۱) سؤال از هوش مصنوعی (ChatGPT)

چت‌بات‌های بسیاری وجود دارند که می‌توانید هر سؤالی دارید از آن‌ها بپرسید و مثل یک انسان با آن‌ها گفت‌وگو کنید. در بین آن‌ها، ChatGPT از همه‌ معروف‌تر است. قبلاً در مقالۀ ChatGPT چیست کامل و مفصل به این ابزار پرداخته‌ایم.

۲) طراحی لوگو با هوش مصنوعی (LogoAI)

می‌توانید به سایت این پلتفرم بروید و لوگوی خود را در ظرف چند ثانیه دریافت کنید. فقط کافی است نام برند، حوزۀ فعالیت، پالت رنگی مدنظرتان و شکل‌ و شمایل لوگو (مدرن، کلاسیک، مینیمال یا…) را انتخاب کنید.

۳) هوش مصنوعی تغییر صدا (Voice.ai)

این روزها شبکه‌های اجتماعی پر شده‌اند از آهنگ‌های معروف با صدای عجیب‌ترین شخصیت‌های ممکن. بیلی آیلیش تصنیف استاد شجریان را می‌خواند و مرحوم هایده با سرعت امینم رپ می‌کند! Voice.ai یکی از ابزارهایی است که در این زمینه کاربرد دارد.

۴) هوش مصنوعی ساخت عکس (MidJourney)

همان‌طور که بالاتر هم گفتم، این هوش‌های مصنوعی جزو اولین‌ها در تحول چند وقت اخیر بودند. ابزارهای بسیاری وجود دارند که هرکدام خصوصیات و مزایای خود را دارند. ما در اینجا Midjourney را به‌عنوان یکی از اولین‌ها معرفی می‌کنیم.

۵) هوش مصنوعی بینگ (Bing)

موتور جست‌وجوی بینگ از مایکروسافت، جزو اولین موتورهای جست‌وجو بود که شروع به بهره‌وری از هوش مصنوعی کرد. می‌توانید هر سؤالی را که در ذهنتان است از این هوش مصنوعی بپرسید و بعد از چند ثانیه کندوکار در دنیای اینترنت توسط بینگ، پاسخ خود را دریافت کنید.

۶) هوش مصنوعی ادیت عکس (Canva)

بیشتر کسانی که تجربۀ تولید محتوا برای شبکه‌های اجتماعی (مخصوصاً اینستاگرام) را دارند، با Canva آشنا هستند. چند وقتی است که این ابزار به هوش مصنوعی مجهز شده و می‌توانید با استفاده از آن عکس‌های خود را ادیت کنید.

۷) هوش مصنوعی موسیقی (SoundRaw)

بالاتر هم گفتیم که الان هوش مصنوعی توانایی تولید انواع فرمت‌های محتوا را دارد. خب موسیقی هم یکی از این فرمت‌ها است و برخی ابزارها می‌توانند برایتان موزیک بدون کپی‌رایت بسازند. یکی از معروف‌ترین‌ها در این زمینه، SoundRaw نام دارد.

۸) هوش مصنوعی در معماری (Luma.ai)

اگر معمار هستید و می‌خواهید از قابلیت‌های AI در حوزۀ فعالیتتان بهره ببرید، کلی ابزار و پلتفرم وجود دارند که می‌توانید سراغ آن‌ها بروید. برای مثال، Luma.ai را داریم که برای مدل‌سازی سه‌بعدی به کار می‌آید.

۹) حذف نویز صدا با هوش مصنوعی (Adobe Podcast)

اگر در خانه صدا ضبط می‌کنید، این مورد خیلی به کارتان می‌آید. ابزاری در Adobe Podcast وجود دارد که صدای ضبط‌شدۀ شما را می‌گیرد و با بهره‌گیری از هوش مصنوعی، آن را بدون نویز تحویلتان می‌دهد.

۱۰) هوش مصنوعی در ورزش (ALFA AI)

تا اینجا فهمیدیم یکی از رایج‌ترین کاربردهای هوش مصنوعی برای عامۀ مردم، ظاهر شدن در نقش یک دستیار شخصی است. ALFA AI هم رویکردی این‌چنینی دارد و به‌عنوان یک مربی خصوصی به ورزشکارها کمک می‌کند.

نکته: بیشتر این ابزارها پولی هستند؛ شاید بتوانید از برخی امکانات به‌صورت رایگان بهره ببرید، اما برای دستیابی به تمام قابلیت‌ها، باید هزینه کنید.

حالا اگر موافق باشید، به ایرادات مرتبط با هوش مصنوعی بپردازیم.

چالش‌ها و محدودیت‌های هوش مصنوعی

این‌طور نیست که هوش مصنوعی سراسر نکات مثبت و فایده باشد! برخی چالش‌ها و محدودیت‌ها وجود دارند که لازم است در این مقاله به آن‌ها هم اشاره کنیم. برخی از این مشکلات از منظر پیشرفت و توسعۀ AI هستند و برخی دیگر مربوط به تأثیر آن روی زندگی انسان.

اولین و مهم‌ترین چالش بر سر پیشرفت هوش مصنوعی، گران بودن آن است! گفتیم که به سخت‌افزارها و نرم‌افزارهای خاص نیاز دارد که خوب تهیۀ آن‌ها فقط با پرداخت هزینه‌های کلان ممکن می‌شود.

مسئلۀ بعدی، نیاز به دانش بسیار عمیق فنی است؛ یعنی هرکسی نمی‌تواند در این حوزه فعالیت کند؛ به همین خاطر، نیروی کار لازم برای ساخت ابزارهای مختلف AI یک چالش بسیار بزرگ به حساب می‌آید.

مشکل بعدی، که مخصوصاً در اوایل عرضۀ ChatGPT خیلی توی ذوق می‌زد، ارائۀ جواب‌های متعصبانه است! البته که هوش مصنوعی از خودش دیدگاهی ندارد، اما داده‌هایی که با آن‌ها تمرین داده می‌شود، روی چیز خاصی تعصب دارند. این تعصب می‌تواند در رابطه با یک دیدگاه سیاسی، راجع‌به مسائل محیط زیستی یا هرچیز دیگری باشد.

مشکل بعدی که به‌عنوان خطر هوش مصنوعی شناخته می‌شود، از بین بردن مشاغل انسان‌ها و بالا بردن نرخ بیکاری است!

اما از نظر ما، در حق هوش مصنوعی کم‌ لطفی می‌شود. مثال بزنیم. چندین سال قبل از هوش مصنوعی، اینترنت فراگیر شد و خب خیلی از مشاغل را از بین برد؛ ولی از طرف مقابل، شغل‌های بسیار بیشتری هم ایجاد کرد. به احتمال زیاد هوش مصنوعی هم مثل اینترنت خواهد بود.

آیا این به آن معنا است که هوش مصنوعی بی‌خطر است؟ قطعاً نه!

اصلی‌ترین خطر هوش مصنوعی که بزرگان حوزۀ تکنولوژی را هم نگران کرده، پیشرفت سریع و بی‌حساب‌کتاب آن است.

نهایت هوش مصنوعی، AGI است. Artificial General Intelligence همان رباتی است که سال‌ها در فیلم‌ها می‌دیدیم. رباتی که پس از دستیابی به تئوری ذهن و خودآگاهی (در بخش انواع هوش مصنوعی این نوع‌ها را معرفی کردیم) خلق خواهد شد. آن موقع شاید واقعاً هوش مصنوعی بر بشر غلبه کند و خالق خود را شکست دهد!

به پایان رسیده‌ایم و وقت جمع‌بندی است.

هوش مصنوعی می‌تواند آینده را دگرگون کند

در این مقاله بررسی کردیم که هوش مصنوعی چیست و چه کاربردهایی می‌تواند داشته باشد. فهمیدیم هوش مصنوعی در یک دسته‌بندی وسیع به دو نوع ضعیف و قوی تقسیم می‌شود؛ علاوه‌بر این دسته‌بندی، انواع هوش مصنوعی را که ۴ مورد بودند بررسی کردیم.

یکی از مهم‌ترین مسائلی که به آن پرداختیم، تعریف مفاهیم هوش مصنوعی، یادگیری ماشین و یادگیری عمیق بود. فهمیدیم یادگیری ماشین و یادگیری عمیق، هر دو در خدمت ساخت و توسعۀ هوش مصنوعی هستند.

ضمناً فهمیدیم بزرگ‌ترین خطر AI چیست. پیشرفت بی‌ضابطه و انقراض بشر؛ شاید بیشتر شبیه تئوری‌های توطئه باشد، اما بدون شک محتمل است.

امیدواریم با خواندن این مقاله، هرآنچه که لازم بود را یاد گرفته باشید.

در انتها، از شما می‌خواهیم این مقاله را برای دوستانتان که می‌خواهند بیشتر راجع‌به این مفهوم بدانند، بفرستید.

منابع: TechTarget | IBM | Investopedia | Built In