پنل ممبر | پنل فالور | پنل نمایندگی | پنل ممبر زن پنل ممبر واقعی | عضو واقعی | تبلیغات تلگرام | نرم افزار جوینر | گروه تلگرام | نرم افزار سندر جوینر
هوش مصنوعی چیست؟
هوش مصنوعیAIمجموعه‌ای از نظریه‌ها و تکنیک‌های پیاده‌سازی شده برای تولید ماشین‌هایی است که قادر به شبیه‌سازی هوش انسانی هستند. دستیارهای شخصی هوشمند یکی از کاربردهای عینی هوش مصنوعی در دهه 2010 است. اغلب در گروه ریاضیات و علوم شناختی طبقه‌بندی می‌شود و از عصب‌شناسی محاسباتی (به ویژه شبکه‌های عصبی) و منطق ریاضی (بخشی از ریاضیات و فلسفه) استفاده می‌کند. از روش های حل مسئله با پیچیدگی منطقی یا الگوریتمی بالا استفاده می کند. با بسط، در زبان روزمره، وسایلی را شامل می‌شود که انسان‌ها را در اجرای خاصی از عملکردهای شناختی خود تقلید یا جایگزین می‌کنند. کاربردهای هوش مصنوعی شامل موتورهای جستجو، سیستم‌های توصیه، درک زبان طبیعی، ماشین‌های خودران، ربات‌های گفتگو، ابزارهای تولید تصویر، ابزارهای تصمیم‌گیری خودکار و برنامه‌های رقابتی در بازی‌های استراتژیک و غیره است. اهداف و چالش‌ها و نیز توسعه آن، از زمان پیدایش این مفهوم، بسیاری از تفاسیر، خیال‌پردازی‌ها یا نگرانی‌هایی را که هم در داستان‌ها یا فیلم‌های علمی تخیلی و هم در مقالات فلسفی بیان می‌شوند، به‌وجود آورده است. اگر ابزارهای مرتبط با هوش مصنوعی تخصصی خود را ثابت کرده باشند، به نظر می‌رسد که واقعیت هنوز هوش مصنوعی عمومی را از عملکرد موجودات زنده دور نگه می‌دارد. بنابراین، هوش مصنوعی هنوز در تمام توانایی های طبیعی خود بسیار پایین تر از گربه است.
اصطلاح “هوش مصنوعی” که توسط جان مک کارتی ایجاد شده است، اغلب با مخفف AI در انگلیسی، برای هوش مصنوعی مخفف می شود. مک کارتی هوش مصنوعی را اینگونه تعریف می کند: “این علم و مهندسی ساخت ماشین های هوشمند، به ویژه برنامه های کامپیوتری هوشمند است. این به وظیفه مشابه استفاده از رایانه برای درک هوش انسانی مربوط می شود، اما هوش مصنوعی نباید به روش هایی محدود شود که از نظر بیولوژیکی قابل مشاهده هستند. همچنین توسط یکی از خالقان آن، ماروین لی مینسکی، اینگونه تعریف شده است: “ساخت برنامه های کامپیوتری که درگیر وظایفی هستند که در حال حاضر توسط انسان به طور رضایت بخشی انجام می شود زیرا به فرآیندهای ذهنی سطح بالایی نیاز دارند مانند: یادگیری ادراکی، سازماندهی حافظه و استدلال انتقادی. بنابراین، جنبه «مصنوعی» با استفاده از رایانه یا فرآیندهای الکترونیکی دقیق به دست می‌آید و جنبه «هوشمندی» مرتبط با هدف تقلید رفتار است. این تقلید می تواند در استدلال، به عنوان مثال در بازی ها یا تمرین ریاضیات، در درک زبان های طبیعی، در ادراک صورت گیرد: بصری (تفسیر تصاویر و صحنه ها)، شنیداری (درک زبان گفتاری) یا توسط حسگرهای دیگر، در کنترل یک ربات در یک محیط ناشناخته یا متخاصم. حتی اگر آنها به طور کلی به تعریف مینسکی احترام بگذارند، برخی از تعاریف هوش مصنوعی در دو نکته اساسی متفاوت هستند. تعاریفی که هوش مصنوعی را به یک جنبه انسانی از هوش مرتبط می‌کند، و تعاریفی که آن را به یک مدل ایده‌آل از هوش، نه لزوماً انسانی، به نام عقلانیت مرتبط می‌کند. تعاریفی که اصرار دارند که هدف هوش مصنوعی داشتن تمام ظاهرهای هوش (انسانی یا عقلانی) و تعاریفی که اصرار دارند که عملکرد درونی سیستم هوش مصنوعی نیز باید شبیه به انسان باشد و حداقل به همان اندازه منطقی باشد.
تاریخچه هوش مصنوعی
ایجاد و توسعه از نظر تاریخی، به نظر می رسد ایده هوش مصنوعی در دهه 1950 ظهور کرد، زمانی که آلن تورینگ به این فکر افتاد که آیا ماشینی می تواند “فکر کند”. در مقاله «ماشین‌های محاسباتی و هوش» (Mind، اکتبر 1950) تورینگ این مشکل را بررسی می‌کند و آزمایشی (که اکنون تست تورینگ نامیده می‌شود) را پیشنهاد می‌کند که هدف آن این است که بفهمد از چه زمانی یک ماشین «هوشیار» می‌شود. او سپس این ایده را در چندین انجمن مطرح کرد، در کنفرانس «هوش ماشینی، یک ایده بدعت‌گذار»، در کنفرانسی که به برنامه سوم بی‌بی‌سی در 15 می 1951 ارائه کرد «رایانه‌های عددی می‌توانند فکر کنند؟ یا بحث با م.ح.ا. نیومن، سر جفری جفرسون و آر بی بریتویت در 14 و 23 ژانویه 1952 در مورد “آیا کامپیوترها می توانند فکر کنند؟” ” . منشأ احتمالی دیگر انتشار یادداشتی در سال 1949 توسط وارن ویور در مورد ترجمه خودکار زبان‌ها است. که نشان می‌دهد یک ماشین می‌تواند وظیفه‌ای را انجام دهد که معمولاً به هوش انسان مربوط می‌شود. سپس توسعه تکنیک های کامپیوتری (افزایش قدرت محاسباتی) به چندین پیشرفت منجر می شود: در دهه 1980، یادگیری ماشین، به ویژه با احیای پیوندگرایی، توسعه یافت. کامپیوتر شروع به استنباط «قوانینی برای پیروی» با تجزیه و تحلیل داده‌ها می‌کند. در همان زمان، الگوریتم‌های “یادگیری” ایجاد می‌شوند که شبکه‌های عصبی آینده (یادگیری تقویتی، ماشین‌های بردار پشتیبانی و غیره) را از قبل تعیین می‌کنند. به عنوان مثال، در می 1997، کامپیوتر دیپ بلو توانست گری کاسپاروف را در شطرنج شکست دهد. هوش مصنوعی به یک زمینه تحقیقاتی بین‌المللی تبدیل می‌شود، که توسط کنفرانسی در کالج دارتموث در تابستان 1956 مشخص شد که با حضور افرادی که این رشته را مشخص می‌کنند، مشخص شد.
از دهه 1960، تحقیقات عمدتاً در ایالات متحده انجام شده است، به ویژه در دانشگاه استنفورد تحت انگیزه جان مک کارتی، در MIT تحت نظر ماروین مینسکی، در دانشگاه کارنگی ملون تحت نظر آلن نیول و هربرت سایمون و در دانشگاه ادینبورگ تحت دانشگاه دونالد میچی، در اروپا و چین، و همچنین در ژاپن با پروژه «رایانه‌های نسل پنجم» (en)» دولت. در فرانسه، یکی از پیشگامان، ژاک پیترات است. در دهه 2000، وب 2.0، داده های بزرگ و قدرت ها و زیرساخت های محاسباتی جدید به رایانه های خاصی اجازه می دهد تا حجم بی سابقه ای از داده ها را کشف کنند. این یادگیری عمیق است که یکی از پیشگامان آن یان لو کان فرانسوی است. محدوده‌های این دامنه متفاوت است، بنابراین بهینه‌سازی یک مسیر در دهه 1950 به عنوان یک مسئله هوش مصنوعی در نظر گرفته شد و اکنون فقط یک مسئله الگوریتمی در نظر گرفته می‌شود. در حدود سال 2015، بخش هوش مصنوعی به دنبال حل چهار چالش است: ادراک بصری، درک زبان طبیعی نوشتاری یا گفتاری، تجزیه و تحلیل خودکار زبان و تصمیم‌گیری مستقل. تولید و سازماندهی داده های متعدد با کیفیت بالا، یعنی داده های مرتبط، کامل، واجد شرایط (منبع، تاریخ، ارجاع جغرافیایی و غیره)، داده های تاریخی چالش دیگری است. ظرفیت قیاسی و تعمیم مرتبط یک کامپیوتر، از داده های کم یا تعداد کمی از رویدادها، یکی دیگر از اهداف دورتر است. بین سال‌های 2010 و 2016، سرمایه‌گذاری‌ها ده برابر شده و در سال 2016 به ده میلیارد دلار می‌رسد.
