هوش مصنوعی چیست یادگیزی ماشین یادگیری عمیق

هوش مصنوعی چیست و چگونه کار می کند؟

7 ژوئن, 2019 فناوری 4 نظرها

کدام کدام است؟

کلیت مفهوم هوش مصنوعی به عنوان یک موضوع علمی تخیلی شروع شد: ماشین هایی که می توانند صحبت کنند، ماشین هایی که می توانند فکر کنند، ماشین هایی که می توانند احساس کنند. با این وجود که مورد آخر احتمالا بدون ایجاد یک دنیا بحث و مناظره در ارتباط با وجود آگاهی در ماشین ها غیر ممکن باشد، دانشمندان قطعا در ارتباط با دو مورد اول گام های شگرفی برداشته اند.

در طول سال ها مطالبی چون هوش مصنوعی، یادگیری ماشین و یادگیری عمیق زیاد به گوشمان خورده است. اما چطور می توانیم بین این سه اصطلاح ناهماهنگ تفکیک ایجاد کنیم و چگونه آن ها به یکدیگر وابسته اند؟

هوش مصنوعی ( AI ) موضوعی کلی است که در برگیرنده هر چیزیست که مرتبط با ماشین هایی که با ” هوش ” هستند و هدف آن تقلید از توانایی های استدلالی منحصر به فرد انسان می‌باشد. یادگیری ماشین یک دسته بندی در حوزه بزرگتری از هوش مصنوعی است که هدفش به وجود آوردن توانایی ” یادگیری ” در ماشین هاست. این امر با استفاده از الگوریتم هایی صورت می‌گیرد که الگوهای موجود در داده هایی که در معرض آن قرار گرفته اند را کشف کرده و فهمی متناسب با آن داده ها به وجود می‌آورند و کاربرد آن در تصمیم گیری ها و پیش بینی های مربوط به آینده به وسیله فرایندی است که که ضرورت برنامه ریزی خاص برای هر فعالیت به خصوص را کنار می‌گذارد.

از سوی دیگر، یادگیری عمیق زیر مجموعه ای از یادگیری ماشین است. یادگیری ماشین پیشرفته ترین بخش هوش مصنوعی ( AI ) است که هوش مصنوعی را بیش از هر چیزی به این هدف که ماشین ها بتوانند تا جایی که امکان دارد مثل انسان یاد بگیرند و فکر کنند، نزدیک می‌کند.

به طور خلاصه، یادگیری عمیق زیر مجموعه ای از یادگیری ماشین است و یادگیری ماشین در داخل مفهوم هوش مصنوعی قرار می گیرد. تصویر زیر به طور دقیق تعامل بین این سه موضوع را به صورت خلاصه شرح می‌دهد. در اینجا بخشی از پس زمینه های تاریخی این سه موضوع را مطرح می‌کنیم تا تفاوت هایی که بینشان وجود دارد را بهتر توضیح داده باشیم و اینکه چگونه اکتشاف و پیشرفت در هر کدام از آن ها راه را برای دیگری هموارتر کرده است.

هوش مصنوعی ( Artificial Intelligence )

فیلسوفان تلاش کردند تا تفکر انسانی در چهارچوب سیستم (ماشین) را از لحاظ منطقی توجیه کنند و این ایده منجر به تعریف اصطلاح هوش مصنوعی در سال ۱۹۵۶ شد. و این اعتقاد هنوز هم وجود دارد که فلسفه تا به امروز نقش مهمی در پیشرفت هوش مصنوعی داشته است. فیزیکدان دانشگاه آکسفورد دیوید دوئچ در مقاله ای اعتقاد خود را مبنی بر این که فلسفه هنوز هم کلید دستیابی به هوش عمومی مصنوعی ( AI ) می‌باشد به تحریر در آورد. منظور از هوش عمومی مصنوعی سطح هوشمندی ماشین است که قابل مقایسه با مغز انسان است. البته با در نظر گرفتن این نکته که ” هیچ مغزی در زمین هنوز هنوز نتوانسته است بفهمد که مغز انسان چگونه کار می‌کند تا بتواند به قابلیت های آن دست پیدا کند “.

پیشرفت در هوش مصنوعی ( AI ) موجب افزایش بحث هایی شده است که هوش مصنوعی را تهدیدی برای انسانیت می‌شمارد؛ چه از لحاظ فیزیکی و چه از لحاظ اقتصادی ( که مسئله درآمد پایه ی عمومی ( یارانه ) نیز در این زمینه مطرح شده است و در حال حاضر در برخی کشورها مورد آزمایش قرار گرفته است ).

یادگیری ماشین ( Machine Learning )

یادگیری ماشین تنها یک رویکرد برای ترویج هوش مصنوعی است و در نهایت منجر به حذف ( یا به میزان قابل توجهی کاهش ) نیاز به کد نویسی نرم افزار به همراه لیستی از احتمالات می‌شود. همچنین یادگیری ماشین رویکردی است که مشخص می‌کند که هوش ماشین چگونه نسبت به هر یک از احتمالات واکنش نشان می‌دهد. در طول سال های ۱۹۴۹ تا اواخر دهه ۱۹۶۰، مهندس برق آمریکایی آرتور ساموئل سخت تلاش کرد تا هوش مصنوعی را صرفا از طریق شناخت الگوها به وسیله یادگیری از تجربه ها توسعه دهد که این کار او را از پیشگامان در این حوزه تبدیل کرد. او در حالی که با IBM کار می کرد در تحقیقات خود به بازی چکرز ( دام ) مشغول بود و این کار مطعاقبا نوع برنامه نویسی کامپیوتر های اولیه IBM را تحت تاثیر قرارداد.

کاربرد های کنونی یادگیری ماشین پیچیده و پیچیده تر می‌شوند و راه خود را به سوی کاربردهای پیچیده طبی باز می‌کند.

نمونه هایی از کاربرد های طبی یادگیری ماشین عبارتند از تجزیه و تحلیل مجموعه های بزرگی از ژن ها در راستای جلوگیری از بیماری ها، تشخیص افسردگی بر اساس الگوهای گفتاری و شناسایی افراد مبتلا به تمایل به خودکشی.

یادگیری عمیق ( Deep Learning )

هر چه قدر که ما در سطوح بالاتر و پیچیده تر از یادگیری ماشین قرار می گیریم، یادگیری عمیق نیز جای خود را در این بحث باز می‌کند. یادگیری عمیق نیاز به یک معماری پیچیده دارد تا بتواند شبکه های عصبی مغز انسان را شبیه سازی کند تا بتواند الگوها را حتی با نویز ها، جزئیات گمشده و سایر عواملی که منجر به سردرگمی می‌شوند تشخیص دهد. در حالی که امکان یادگیری عمیق بسیار وسیع است، الزامات مربوط به آن نیز همین گونه اند: شما نیاز به داده های بزرگ و قدرت محاسباتی فوق العاده دارید.

این بدین معنیست که نیازی نیست تا سخت گیرانه برنامه های هوش مصنوعی آینده نگر را با “هوش” بی نظیر برنامه نویسی کرد. در عوض، تمام توانایی های بالقوه مربوط به هوش و قدرت استدلال در خود برنامه نهفته شده است، بسیار شبیه به ذهن یک جنین اما بی نهایت انعطاف پذیر تر از آن.