مشخصات و تعاریف هوش مصنوعی

مشخصات و تعاریف هوش مصنوعی
هوش مصنوعی پدیده ای نوظهور است که تعاریف مختلفی از خود دارد. به عنوان مثال، بیشتر نوشته‌ها و مقاله‌های مربوط به هوش مصنوعی، آن را به عنوان «دانش شناخت و طراحی عامل‌های هوشمند» تعریف کرده‌اند. مفهوم هوش مصنوعی چیست؟ ریشه‌ها و ایده‌های اصلی آن را باید در فلسفه، زبان‌شناسی، ریاضیات، روان‌شناسی، نورولوژی و فیزیولوژی جستجو کرد و کاربردهای گوناگون و فراوانی در علوم رایانه، علوم مهندسی، علوم زیست‌شناسی و پزشکی، علوم ارتباطات و بسیاری از علوم دیگر دارد. هوش مصنوعی در علم پزشکی امروزه به دلیل گسترش دانش و پیچیده‌تر شدن فرایند تصمیم گیری، استفاده از سیستم‌های اطلاعاتی به خصوص سیستم‌های در حمایت ازArtificial Intelligence (هوش مصنوعی) تصمیم گیری اهمیت بیشتری یافته است.  هوش مصنوعی به سیستم‌هایی گفته می‌شود که می‌تواند واکنش‌هایی مشابه رفتارهای هوشمند انسانی از جمله درک شرایط پیچیده، شبیه سازی فرایندهای تفکری و شیوه‌های استدلالی انسانی و پاسخ موفق به آن‌ها، یادگیری و توانایی کسب دانش و استدلال برای حل مسایل را داشته باشند.  گسترش دانش در حوزهٔ پزشکی و پیچیدگی تصمیمات مرتبط با تشخیص و درمان - به عبارتی حیات انسان - توجه متخصصین را به استفاده از سیستم‌های پشتیبان تصمیم گیری در امور پزشکی جلب نموده است.  به همین دلیل، استفاده از انواع مختلف سیستم‌های هوشمند در پزشکی رو به افزایش است، به گونه اى که امروزه تأثیر انواع سیستم‌های هوشمند در پزشکی مورد مطالعه قرار گرفته است. هوش مصنوعی به هوشی که یک ماشین در شرایط مختلف از خود نشان می‌دهد، گفته می‌شود. بیشتر نوشته‌ها و مقاله‌های مربوط به هوش مصنوعی، آن را به عنوان «دانش شناخت و طراحی عامل‌های هوشمند» تعریف کرده‌اند.  یک عامل هوشمند، سیستمی است که با شناخت محیط اطراف خود، شانس موفقیت خود را پس از تحلیل و بررسی افزایش می‌دهد. جان مکارتی که واژه هوش مصنوعی را در سال ۱۹۵۶ استفاده نمود، آن را «دانش و مهندسی ساخت ماشین‌های هوشمند» تعریف کرده‌ است. تحقیقات و جستجوهایی انجام شده برای رسیدن به ساخت چنین ماشین‌هایی با بسیاری از رشته‌های علمی در ارتباط و همکاری است، مانند علوم رایانه، روان‌شناسی، فلسفه، عصب‌شناسی، علوم ادراکی، تئوری کنترل، احتمالات، بهینه‌سازی و منطق. هوش مصنوعی توسط فلاسفه و ریاضی‌دانانی نظیر بول که اقدام به ارائهٔ قوانین و نظریه‌هایی در مورد منطق نمودند، مطرح شده بود. با اختراع رایانه‌های الکترونیکی در سال ۱۹۴۳، هوش مصنوعی، دانشمندان آن زمان را به چالشی بزرگ فراخواند. در این شرایط، چنین به‌ نظر می‌رسید که این فنّاوری قادر به شبیه‌سازی رفتارهای هوشمندانه خواهد بود. با وجود مخالفت گروهی از متفکرین با هوش مصنوعی که با تردید به کارآمدی آن می‌نگریستند تنها پس از چهار دهه، شاهد تولد ماشینهای شطرنج باز و دیگر سامانه‌های هوشمند در صنایع گوناگون شدیم. نام هوش مصنوعی در سال ۱۹۶۵ میلادی به عنوان یک دانش جدید ابداع گردید.  البته فعالیت در این زمینه از سال ۱۹۶۰ میلادی شروع شد. بیشتر کارهای پژوهشی اولیه در هوش مصنوعی بر روی انجام ماشینی بازی‌ها و نیز اثبات قضیه‌های ریاضی با کمک رایانه‌ها بود. در آغاز چنین به نظر می‌آمد که رایانه‌ها قادر خواهند بود چنین فعالیت‌هایی را تنها با بهره گرفتن از تعداد بسیار زیادی کشف و جستجو برای مسیرهای حل مسئله و سپس انتخاب بهترین روش برای حل ...

با هوش مصنوعی ایمن شوید

با هوش مصنوعی ایمن شوید
امروزه تکنولوژی در هم حیطه های زندگی دخالت کرده و زندگی انسان ها را دستخوش تحولات عمیقی قرار داده است. می دانیم که سر منشا اصلی این تکنولوژی به هوش مصنوعی بر می گردد. پس بیایید از آن نترسیم! هوش مصنوعی ترس ندارد! ماهنامه شبکه / پارسا ستوده‌نیا اشاره: نگرانی از آینده هوش مصنوعی از مدت‌ها پیش آغاز و با ساخت فیلم‌ها و مستندهای علمی و مقالات مختلف فراگیر شده است. این اواخر نیز با اظهار نگرانی افراد مطرح در سطح جهانی پررنگ‌تر شده است. با وجود این‌که ابراز مخالفت با چنین افرادی کار ساده‌ای نیست و باید بااحتیاط در این زمینه اظهار نظر کرد، اما مطالعه تاریخ و به‌طور خاص‌تر تاریخ معاصر علوم کامپیوتر نشان داده است که افرادی در سطوح بالای علمی و مدیریتی، در برهه‌ای از زمان اظهار نظرهایی اشتباه کرده‌اند که پس از گذشت چند سال به عباراتی عجیب و گاهی خنده‌دار بدل شده‌اند. به‌عنوان نمونه، عبارت معروف بیل گیتس در سال 1981 را به‌خاطر بیاورید که هم‌زمان با معرفی IBM PC گفته بود که 640 کیلوبایت RAM برای هر فرد کافی خواهد بود و به بیش از آن نیازی نخواهد شد. با وجود این‌که پشتیبانی سیستم‌های 64 بیتی امروز از 128 گیگابایت RAM، این اظهار ‌نظر را از شخصی در سطح بیل گیتس عجیب و بعید جلوه می‌دهد، در آن زمان چنین صحبتی کاملاً پذیرفتنی بود. نکته این‌جا است که حتی انسان‌های بزرگ نیز به دلیل ذات انسان بودن آن‌ها نمی‌توانند تمام شرایط آینده را پیش‌بینی و تأثیر آن‌ها را در نظر خاص خود اعمال کنند و هرکس تنها به وسعت ذهن خود از آینده سخن می‌گوید. هرچند این وسعت ذهن برای بسیاری افراد نسبت به دیگران بیش‌تر است، اما در هر حال محدود است. برای روشن‌تر شدن مسئله، یک مثال فرضی را مطرح می‌کنم. فرض کنید بارش باران در قاره اروپا در چند سال اخیر هر سال 5 درصد نسبت به سال قبل رشد داشته باشد. با این آمار پیش‌رفته نمی‌توان به‌راحتی پیش‌بینی کرد که مثلاً 50 سال بعد کل این قاره در اثر بارش باران در آب غرق می‌شود! آیا اصلاً کره زمین آن میزان آب دارد که بخار بخشی از آن بتواند در قالب باران یک قاره را در آب غرق کند؟! بنابراین، روند پیش‌روی یک رویداد که در مقطعی از زمان از نظم خاصی پیروی می‌کند، نمی‌تواند تا مدت زمان نامحدودی ادامه پیدا کند. شاید به نظر برسد که چنین مثالی در دنیای واقعی مصداقی ندارد. در ادامه، قصد دارم مصداق واقعی از این مثال را مطرح کنم. بنابر یک نظریه مبتنی‌بر مشاهده تاریخ سخت‌افزار کامپیوتر، نخستین بار در سال 1965 قانونی تحت عنوان «قانون مور» مطرح شد که در بسیاری از مقاله‌ها و نشریه‌ها نیز به آن استناد شده است. طبق این قانون، تعداد ترانزیستورها در واحد سطح مدارات مجتمع، در هر دو سال تقریباً دو برابر می‌شود. این نظریه که توسط گوردون مور، یکی از بنیان‌گذاران شرکت اینتل مطرح شده است، طی این سال‌ها معیار خوبی برای محاسبات و پیش‌بینی‌های آینده بوده است. اما اکنون با اظهار نظر خود اینتلی‌ها و صاحب‌نظران دیگر، چنین به‌نظر می‌رسد که ممکن است به انتهای اعتبار این قانون نزدیک ‌شویم. ...

پیچیدگی هوش مصنوعی را حس کنید

پیچیدگی هوش مصنوعی را حس کنید
کارنن بر اين باور است که ما از بسياری ابعاد، به هوش مصنوعی فراگير که در آن کامپيوتر بتواند مانند انسان رفتار کند، نزديک‌تر نشده‌ايم. سامانه‌هایی مانند يادگيری ماشينی که از فناوری‌های هوش مصنوعی بهره می‌برند، به‌گونه‌ای تعريف شده‌اند که فقط کارهای بسيار مشخصی را انجام دهند. هوش مصنوعی مثل هميشه پيچيده‌ است ماهنامه شبکه - دی 1393 شماره 164 در سال 1996، چند تن از پژوهش‌گران دانشگاه ام‌آی‌تی فکر کردند می‌توانند بينایی کامپيوتری را در خلال يک پروژه تابستانی (موسوم به Summer of Vision) به نتيجه برسانند و اصلاً شايد کامل کردن اين پروژه را به چند دانشجوی باهوش بسپارند. از آن سال تاکنون همه دنيا روی اين مسئله کار می‌کند. بينایی کامپيوتری حيطه‌ای است که در آن کامپيوترها نيز می‌توانند اشيا را همان‌گونه تشخيص دهند که انسان‌ها شناسایی می‌کنند. مثلاً «آن يک درخت است.»، «او کارلوس است.» و مانند اين‌ها. اين يکی از چند کاری است که انتظار داريم هوش مصنوعی تعميم‌يافته (Generalized Artificial Intelligence) از پس‌ آن برآيد تا درنتيجه، ماشين‌ها بتوانند مانند انسان‌ها کار و استدلال کنند. ما در حيطه بينایی کامپيوتری، به‌ويژه در چند سال اخير، پيش‌رفت‌های قابل ‌توجهی هم داشته‌ايم که البته اين پيش‌رفت‌ها 50 سال ديرتر از آن‌چه پيش‌بينی شده ‌بود به‌دست‌ آمد و همين موضوع نشان می‌دهد چرا هوش مصنوعی هدفی چنين سخت و پيچيده است. بو کرونن (Beau Cronin)، از مديران بخش محصولات سايت سيلزفورس که در راستای اهداف شرکت خود، روی فناوری‌های متأثر از هوش مصنوعی کار می‌کند، چندی پيش در کنفرانس O'Reilly Strata + Hadoop World در نيويورک گفته ‌بود: «سخت بتوان پی برد که در حيطه هوش مصنوعی چقدر پيش‌رفت حاصل شده ‌است.» بن‌مايه اصلی اين کنفرانس بزرگ‌داده‌ها (Big Data) بود. نياز به تحليل‌های بزرگ‌داده يا بیگ دیتا به پژوهش‌های هوش مصنوعی شتاب بخشيده ‌است. امروزه بزرگان صنعت اينترنت از جمله اپل، گوگل، فيس‌بوک، مايکروسافت و آی‌بی‌ام، تحقيقات هوش مصنوعی را در اولويت کارهای‌شان قرار می‌دهند و روند رو‌به‌ پيش‌رفت آن‌ در کارهای کم‌وبيش روزمره‌ای همچون آگهی‌های هدف‌مند و دستياری شخصی را ادامه می‌دهند. کارنن بر اين باور است که ما از بسياری ابعاد، به هوش مصنوعی فراگير که در آن کامپيوتر بتواند مانند انسان رفتار کند، نزديک‌تر نشده‌ايم. سامانه‌هایی مانند يادگيری ماشينی که از فناوری‌های هوش مصنوعی بهره می‌برند، به‌گونه‌ای تعريف شده‌اند که فقط کارهای بسيار مشخصی را انجام دهند. کارنن می‌گويد: «برآورد وضعيت هوش مصنوعی هميشه دشوار بوده ‌است. ارزيابی سامانه‌های هوش مصنوعی سخت است و ممکن است آن‌ها در يک حيطه پيش بروند، ولی در حيطه‌‌ای ديگر موفقيتی به‌دست نياورند. بسياری از پروژه‌ها، گاهی حتی آن‌ها که خيلی خوب برای‌شان سرمايه‌گذاری شده ‌است، به جایی نمی‌رسند.» حتی تعريف‌های ابتدایی از هوش مصنوعی نيز هنوز ابهام‌زدایی نشده‌اند. هنگامی ‌که دو نفر درباره هوش مصنوعی سخن می‌گويند، ممکن است منظور يکی از آن‌ها يک الگوريتم خاص در يادگيری ماشينی باشد، درحالي‌که ديگری دارد درباره روبات‌های خودکار حرف می‌زند. هوش مصنوعی هنوز هم برای آدم‌های عجيب و غريب و گوشه‌گيری که اميدوارند هر هفته با ده ساعت کار در زيرزمين‌ خانه‌شان مسئله هوش مصنوعی را يک‌بار برای همه حل کنند، جذاب است. پروژه جاه‌طلبانه Summer of Vision ام‌‌آی‌تی در دهه 1960 يکی از موانع بزرگ ...

هوش مصنوعی به انسان ها می بازد

هوش مصنوعی به انسان ها می بازد
تست هوش مصنوعی از طریق اینترنت و گوشی و برنامه های اندرویدی و نرم افزاری امکان پذیر است. اما به نتیجه ای جالب می رسید که می توانید پاسخ این سوال را بدهید آیا هوش مصنوعی توانسته است جای انسان ها را بگیرد؟ اهدا کنندگان هوش بده و بستان از نوع دیجیتالی گوشی را برمی دارم و یک پیغام صوتی می گذارم: "لطفاً به من زنگ بزن. فوری است." واقعاً با کسی کاری ندارم، بلکه برای تست Google Voice، که یک ابزار تلفن اینترنتی است و از هوش مصنوعی برای تبدیل پیام های صوتی به متن استفاده می کند، به خودم زنگ زده ام. این نرم افزار ظرف یک دقیقه نتیجه را به ایمیل شما می فرستد. در زمان انتظار به وب سایت ترجمه زبان Babel Fish متعلق به یاهو رفتم و همان پیام را برای ترجمه به روسی در آن تایپ کردم. سپس با تلفن هوشمندم عکسی از دفترچه یادداشت و قلمی که روی میزم بود گرفتم و برای جستجوی تصاویر مشابه به موتور جستجوی آنلاین تصاویر Goggles App گوگل فرستادم. این کار را برای آزمایش هوش مصنوعی این ابزارها که در میان ابزارهای دارای هوش مصنوعی فعلی از بهترین ها هستند، انجام دادم. نتایج اصلاً هیجان انگیز نیستند. Google Voice از پیام صوتی من این یادداشت را برداشته است: "لطفاً به من زنگ بزن در جلسه." ترجمه مجدد روسی سایت Babel Fish نیز بهتر از این نیست: "لطفاً به من یک زنگوله بده. فوری است." تصاویر پیشنهادی Goggles نیز واقعاً عجیب اند. به جای تصاویر لوازم اداری که انتظار می رفت ارائه دهد، نرم افزار یک نقاشی مربوط به دوره رنسانس و یک نقاشی ماهی به عنوان نتیجه جستجو بازگرداند. هوش مصنوعی امروزی هنوز به سختی در تلاش است تا موفق به تکمیل کارهایی گردد که انسان ها به سادگی انجام می دهند. اما راه حلی هوشمندانه برای غلبه بر این کمبودها در حال ظهور است که می تواند نوع رابطه ما با ماشین ها را دگرگون سازد. اگر هوش مصنوعی با مسأله ای مواجه شود که قادر به حل آن نیست، می تواند به سراغ اینترنت برود، جایی که هزاران انسان منتظر کمک رسانی به او هستند. برخی برای پول این کار را انجام می دهند و برخی دیگر برای تفریح. در واقع این احتمال وجود دارد که شما پیش از این بدون اینکه متوجه شده باشید ماشینی را در انجام وظایفش یاری رسانده باشید. ما در حال خلق هوش های ترکیبی (Hybrid Intelligences) هستیم که می توانند در تمامی زمینه ها کارآیی بهتری از هوش مصنوعی استاندارد داشته باشند. بنابراین شاید زمان آن رسیده باشد که نگاهی دوباره به تصویر داستان های علمی تخیلی از دستیاران خودمختار با قوه تفکر کاملاً مصنوعی بیاندازیم. هوشمندترین ماشین های آینده ممکن است "آدم های ماشینی معکوس" (هوش مصنوعی که به وسیله ما انسانها تکمیل می شود) یعنی تلفیقی از برنامه نویسی، ترانزیستور و توان ذهنی لشگری از کارکنان انسانی باشند. هوش مصنوعی همه جا هست ولی با وضعیت مطلوب فاصله زیادی دارد. کامپیوترها می توانند اشیاء معمولی را در صورت نوردهی مناسب تشخیص دهند یا کلمات ادا شده توسط یک خبر خوان را بفهمند، اما زندگی واقعی ...

استفاده دیگران از هوش نوابغ

استفاده دیگران از هوش نوابغ
اکثرا با اسم آلن تورینگ آشنایی دارید. ایشان پدر علم محاسبه نوین و هوش مصنوعی هستند. نبوغ و استعداد این فرد باعث به وجود آمدن هوش مصنوعی شد که تکنولوژی جهان را به دنبال خود کشانید. دست نوشته های پدر علم محاسبه نوین و هوش مصنوعی دست‌نوشته‌های «آلن تورینگ» پدر علم محاسبه نوین و هوش مصنوعی، به حراج گذاشته می‌شوند. در میان دستاوردهای متعدد این دانشمند انگلیسی می‌توان به خلق نخستین مدل‌های نظری از رایانه‌ای برای عموم اشاره کرد که به طراحی مفهوم هوش مصنوعی کمک کرد و مسؤول شکستن کد آلمانی ماشین انیگما در جنگ جهانی دوم بود. تورینگ به عنوان پدر علم محاسبه نوین و هوش مصنوعی شناخته شده‌ و مهم‌ترین جایزه علمی رایانه به افتخار وی «جایزه تورینگ» نام گرفته‌ است. این دانشمند دارای نشان ویژه سلطنتی انگلستان و نیز عضو پیوسته کالج سلطنتی بود.