چند نوع هوش مصنوعی در دنیای اطراف ما یافت میشود؟ / هوشهای ماشینی که سالیان سال است با ما زندگی میکند!
تاریخ انتشار: ۱۷ مهر ۱۳۹۸ | کد خبر: ۲۵۳۹۶۳۶۸
به گزارش خبرنگار حوزه دریچه فناوری گروه فضای مجازی باشگاه خبرنگاران جوان، قدمت ظهور هوش مصنوعی را میتوان به سالها پیش نسبت داد، هوشی که توانست به سرعت در تمامی عرصه ها حضور پیدا کند و برای خود انواع و اقسام مختلفی داشته باشد. هوش مصنوعی توسط فلاسفه و ریاضیدانانی نظیر جرج بول که اقدام به ارائهٔ قوانین و نظریههایی در مورد منطق کرده بودند، مطرح شد و با اختراع رایانههای الکترونیکی در سال ۱۹۴۳، هوش مصنوعی، دانشمندان آن زمان را به چالشی بزرگ فراخواند.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
همانطور که میدانید؛ هوش مصنوعی، هوش صناعی یا هوش ماشینی (Artificial Intelligence) به هوشی که یک ماشین در شرایط مختلف از خود نشان میدهد، گفته میشود و به عبارت دیگر هوش مصنوعی به سیستمهایی گفته میشود که میتوانند واکنشهایی مشابه رفتارهای هوشمند انسانی از جمله درک شرایط پیچیده، شبیهسازی فرایندهای تفکری و شیوههای استدلالی انسانی و پاسخ موفق به آنها، یادگیری و توانایی کسب دانش و استدلال برای حل مسائل را داشته باشند.
طبقه بندی انواع هوش مصنوعیباتوجه به این موضوع که هدف از تحقیقات هوش مصنوعی ایجاد ماشینهایی با قابلیت شبیه سازی کارکردهای مشابه به انسان است، میزانی که یک سیستم هوش مصنوعی بتواند قابلیتهای انسان را تقلید کند به عنوان معیاری برای طبقه بندی انواع هوش مصنوعی به کار میرود؛ بنابراین بسته به اینکه یک ماشین از نظر عملکرد در چه سطحی نسبت به انسان قرار دارد و میتواند کارهای انسان گونه را انجام دهد یا خیر در سطوح مختلفی از پیشرفت قرار خواهد گرفت.
براساس این معیار، هوش مصنوعی به طور کلی به دو شیوه تقسیم بندی میشود. در یکی از روشها هوش مصنوعی و ماشینهای مبتنی بر آن براساس شباهتشان به ذهن انسان و توانایی شان در تفکر و شاید حس انسان گونه بودنشان طبقه بندی میشوند. بر اساس این سیستم طبقه بندی چهار نوع هوش مصنوعی یا سیستم مبتنی بر هوش مصنوعی داریم:
ماشینهای انفعالی ماشینهای دارای حافظه محدود نظریه ذهن هوش مصنوعی خودآگاهکه در ادامه به بررسی هر کدام می پردازیم.
۱- ماشینهای انفعالیماشین های انفعالی جزء قدیمیترین شکل از سیستمهای هوش مصنوعی هستند که توانمندیهای بسیار محدودی دارند. این ماشینها توانایی ذهن انسان را به نحوی که بتوانند به انواع محرکها پاسخ دهند شبیه سازی میکنند و کارکردهای مبتنی بر حافظه ندارند؛ به بیان دیگر چنین ماشینهایی نمیتوانند از تجربیات قبلی خود برای اقدامات کنونیشان استفاده کنند. به این ترتیب این ماشینها توانایی یادگیری ندارند و صرفا میتوان از آنها برای پاسخ گویی به مجموعه محدودی از ورودیها استفاده کرد.
در نتیجه نمیتوان توقع داشت که این ماشینها براساس تجربیات قبلی عملکرد بهتری را به مرور زمان از خود نشان دهند. هوش مصنوعی دیپ بلو IBM را میتوان از نمونههای محبوب و بارز هوش مصنوعی دانست که در سال ۱۹۹۷ موفق شد گری کاسباروف استاد بزرگ شطرنج دنیا را شکست دهد.
۲- حافظه محدودماشینهای دارای حافظه محدود آن دسته از ماشین هایی محسوب می شود که علاوه بر توانمندیهای انواع انفعالی، قادرند از دیتای تاریخی خود یاد بگیرند و براساس آنها تصمیم گیری نمایند. تقریبا تمامی کاربردهای کنونی هوش مصنوعی در این گروه جای میگیرند. تمامی سیستمهای فعلی هوش مصنوعی نظیر آنهایی که از یادگیری عمیق استفاده میکنند توسط حجم بالایی از دیتای یادگیری آموزش داده میشوند که درون حافظه هایشان ذخیره سازی میگردند تا مدل مرجعی برای حل مسائل آینده بسازند.
برای نمونه یک هوش مصنوعی تشخیص عکس با استفاده از هزاران تصویر آموزش میبیند و برچسب مربوط به آبجکتهایی که در این تصاویر دیده میشود نیز در اختیارشان قرار داده میشود. زمانی که یک عکس توسط این هوش مصنوعی اسکن میشود سیستم از عکسهای قبلی به عنوان مرجع استفاده میکند تا محتوای عکس جدید را درک نماید و براساس تجربیات یادگیری اش عکسهای جدید را با دقت بالا برچسب گذاری میکند. تقریبا تمامی مصارف فعلی هوش مصنوعی از چت باتها و دستیارهای مجازی گرفته تا وسایل نقلیه خودران همگی به واسطه شکل محدودی از هوش مصنوعی حافظه ظهور یافتهاند.
۳- هوش مصنوعی نظریه ذهندو نوع هوش مصنوعی که پیشتر گفتیم به وفور یافت میشوند با این حال دو مورد بعدی یا به صورت مفهومی وجود دارند یا صرفا پروژههایی تحقیقاتی هستند. نظریه ذهن سطح بعدی از سیستمهای هوش مصنوعی است که پژوهشگران هم اکنون روی آن تحقیق میکنند. یک هوش مصنوعی در سطح نظریه ذهن موجودیتهایی که با آنها تعامل دارد را بهتر درک میکند و قادر است نیازها، احساسات، باورها و افکار آنها را بفهمد و پردازش کند.
هوش مصنوعی احساسی (Artificial Emotional Intelligence) همین حالا صنعتی شکوفا به شمار میرود و محققان بسیاری به آن علاقمند هستند، با این حال دستیابی به سطح نظریه ذهن مستلزم توسعه در دیگر شاخههای هوش مصنوعی است. در واقع برای آنکه ماشینهای هوش مصنوعی نیازهای بشر را به طور کامل درک کنند باید انسانها را به عنوان افرادی در نظر بگیرند که ذهنشان به واسطه فاکتورهای مختلفی شکل میگیرد و در وهله نخست باید به درک درستی از انسانها برسند.
۴- هوش مصنوعی خود آگاهاین مرحله نهایی توسعه هوش مصنوعی است که هم اکنون به صورت نظری وجود دارد و شکل توسعه یافتهای از هوش مصنوعی است که بسیار شبیه به مغز انسان عمل میکند و به درجه خودآگاهی رسیده است. توسعه این شکل از هوش مصنوعی که به چندین دهه (اگر نگوییم چند قرن) نیاز دارد همواره هدف نهایی تمامی تحقیقات صورت گرفته در زمینه هوش مصنوعی بوده و خواهد بود. این نوع هوش مصنوعی نهتنها میتواند احساسات را درک کرده و برانگیزد بلکه احساسات، نیازها، باورها و علایق خود را دارد؛ و این همان شکلی از هوش مصنوعی است که بسیاری نگران پیامدهایش هستند. گرچه توسعه هوش مصنوعی خود آگاه میتواند به میزان چشمیگری باعث پیشرفت تمدن بشری شود، اما این پتانسیل را هم دارد که فاجعه آفرین باشد. علت هم این است که وقتی هوش مصنوعی خودآگاه تفکراتی نظیر حفظ خویشتن پیدا کند ممکن است مستقیم یا غیرمستقیم رای بر نابودی بشر بدهد. سیستم دیگر طبقه بندی، هوش مصنوعی را به دسته هوش مصنوعی ضعیف، هوش مصنوعی کلی و ابرهوش مصنوعی تقسیم میکند.
۵- هوش مصنوعی ضعیفاین نوع هوش مصنوعی معرف تمامی انواع کنونی آن است و حتی پیشرفتهترین نوعی که بشر تا به حال به چشم دیده را در بر میگیرد. هوش مصنوعی ضعیف در اصل به سیستمهایی اشاره دارد که صرفا میتوانند تسکهای خاصی را به صورت خودکار و با استفاده از توانمندیهای شبیه به انسان انجام دهند.
این ماشینها کاری غیر از آنچه برایش برنامه ریزی شده را انجام نمیدهند و بنابراین مهارتهای بسیار محدودی دارند. براساس روش طبقه بندی یاد شده، این سیستمها با انواع هوش مصنوعی انفعالی و حافظه محدود مطابقت دارند و حتی پیچیدهترین نوع هوش مصنوعی که از یادگیری ماشینی و یادگیر عمیق برای آموزش دادن به خود استفاده میکند هم در این گروه جای میگیرد.
۶- هوش مصنوعی کلیهوش مصنوعی کلی در واقع همان توانایی یک هوش مصنوعی در یادگیری، درک، شناخت و عملکرد شبیه به انسان است. این سیستمها قادر خواهند بود که به صورت مستقل مهارتهای مختلفی را کسب کنند و با کاهش قابل توجه زمان یادگیری، ارتباطات تازهای را میان مفاهیم مختلف ایجاد کرده و قوانین کلی را برایشان بسازند و به این ترتیب این شکل از هوش مصنوعی توانایی تقلید از تواناییهای چند بعدی انسان را دارد.
۷- ابر هوش مصنوعیتوسعه ابر هوش مصنوعی را احتمالا میتوان نقطه اوج تحقیقات این حوزه دانست که علاوه بر تقلید هوش چند وجهی انسان میتواند به خاطر حافظه بیشتر، سرعت بالاتر در پردازش و تحلیل اطلاعات و تواناییهای فوق العادهاش در تصمیم گیری حتی بهتر از انسان نیز عمل نماید. توسعه هوش مصنوعی عمومی و ابرهوش مصنوعی به سناریوهایی منجر میشود که غالبا با نام تکینگی میشناسیم؛ و با وجود آنکه در اختیار داشتن دستگاههایی با این حجم از قدرت میتواند وسوسه برانگیز باشد، باید آگاه بود که این ماشینها به تهدیدی برای هستی بشر یا دست کم مسیر زندگی اش بدل میشوند.
همانطور که در ابتدا گفته شد فعلا نمیتوان تصویر روشنی از آینده جهان در سایه حضور انواع پیشرفته هوش مصنوعی متصور شد، با این حال روشن است که مسیری طولانی برای رسیدن به این نقطه از پیشرفت پیش روی بشر قرار دارد؛ لذا اگر افکارتان در رابطه با آینده هوش مصنوعی چندان مثبت نیست باید بگوییم که فعلا برای نگرانی بابت تکینگی زود است و هنوز برای تفکر در مورد امنیت و ایمنی هوش مصنوعی وقت باقی است.
انتهای پیام/
منبع: باشگاه خبرنگاران
کلیدواژه: هوش مصنوعی هوش ماشینی
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.yjc.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «باشگاه خبرنگاران» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۲۵۳۹۶۳۶۸ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
ساخت نخستین سلول مغزی مصنوعی با آب و نمک
به گزارش خبرگزاری علم و فناوری آنا به نقل از ساینس الرت، محققان توانسته اند اتصالات عصبی به نام سیناپسها را با استفاده از همان آب و مواد نمکی که مغز از آن استفاده میکند شبیه سازی کنند؛ پیشرفتی که به رشته نوظهور «یونترونیک» که ترکیب زیست شناسی و الکترونیک است کمک میکند.
گروهی از پژوهشگران دانشگاه اوترخت در هلند و دانشگاه سوگانگ در کره جنوبی، از عملکرد مغز انسان که از ذرات باردار به نام یونهای محلول در آب برای انتقال سیگنالها در نورونها استفاده میکند، الهام گرفته اند.
یکی از ویژگیهای مهم توانایی مغز برای پردازش اطلاعات، انعطاف پذیری سیناپسی است که به نورونها اجازه میدهد تا قدرت اتصالات بین خود را در پاسخ به تاریخچه ورودی تنظیم کنند.
این دستگاه که جدید «ممریستور یونترونیک» نام دارد، میزان بار الکتریکی را که قبلا از آن عبور کرده است «به یاد میآورد» و ما را به ساخت سیستمهای مصنوعی با قابلیت تقلید از مغز ابرقدرت انسان نزدیکتر میکند.
«تیم کامسما» «Tim Kamsma» فیزیکدان نظری از دانشگاه اوترخت، میگوید: این دستاورد نشان دهنده یک پیشرفت حیاتی به سمت رایانههایی است که نه تنها میتوانند الگوهای ارتباطی مغز انسان را تقلید، بلکه از همان محیط نیز استفاده کنند.
ممریستور یونترونیک به شکل مخروط با محلول آب و نمک در داخل آن، فقط ۱۵۰ در ۲۰۰ میکرومتر عرض دارد (عرض حدود سه یا چهار تار موی انسان در کنار هم). تکانههای الکتریکی باعث حرکت یونها در کانال مخروطی شکل شده و تغییرات در بار الکتریکی منجر به تغییر در حرکت یون میشود. تغییر در چگونگی رسانش الکتریسیته سیناپس را میتوان اندازه گیری و رمزگشایی کرد تا دریابیم سیگنال ورودی چه بوده که این نشان دهنده نوعی حافظه است.
طول کانال بر مدت زمان حفظ حافظه ممریستور تأثیر میگذارد و این نشان میدهد میتوان کانالها را برای کارهای خاصی طراحی کرد دقیقا مانند آنچه در مغز وجود دارد. فیزیک دانها همچنین در تلاش برای یافتن روشهای مختلف ترکیب این سیناپسهای مصنوعی هستند.
اگرچه هنوز این دستگاه و به طور کلی یونترونیک، در مراحل بسیار اولیه هستند، اما با توجه به تولید نسبتا سریع و ارزان، این طراحی جدید میتواند برای طیف وسیعی از کاربردهای آینده مقیاس پذیر باشد.
مجریان این طرح میگویند اگرچه سیناپسهای مصنوعی قادر به پردازش اطلاعات پیچیده بر اساس مواد جامد هستند، اما ما اکنون و برای اولین بار نشان دادیم که این شاهکار با استفاده از آب و نمک نیز قابل اجراست. انها به طور موثر رفتار عصبی را با استفاده از سیستمی تکرار میکنند که از محیطی مشابه مغز استفاده میکند.
این پژوهشگران امیدوارند با الگوبرداری از مغز، به جای تکیه بر فرآیندها و اجزای الکتریکی سنتی و رایج، بتوان با رایانهها به ظرفیت و کارایی مغز نزدیک شد.
نتایج این تحقیقات در نشریه PNAS منتشر شده است.
انتهای پیام/