هوش مصنوعی (AI)، به توانایی یک کامپیوتر دیجیتال یا ربات کنترلشده توسط کامپیوتر برای انجام وظایفی که معمولاً با موجودات هوشمند مرتبط است، می گویند.
این اصطلاح غالباً به پروژه توسعه سیستمهایی اطلاق میشود که دارای فرآیندهای فکری مشخصه انسانها هستند، مانند توانایی استدلال، کشف معنا، تعمیم یا یادگیری از تجربیات گذشته. از زمان توسعه رایانه دیجیتال در دهه 1940، نشان داده شده است که رایانه ها را می توان برای انجام کارهای بسیار پیچیده - مثلاً کشف براهین قضایای ریاضی یا بازی شطرنج - با مهارت زیادی برنامه ریزی کرد. با این حال، علیرغم پیشرفتهای مداوم در سرعت پردازش رایانه و ظرفیت حافظه، هنوز هیچ برنامهای وجود ندارد که بتواند انعطافپذیری انسان را در حوزههای وسیعتر یا در کارهایی که نیاز به دانش روزانه زیادی دارد، مطابقت دهد. از سوی دیگر، برخی از برنامهها در انجام برخی وظایف خاص به سطوح کارایی متخصصان و متخصصان انسانی دست یافتهاند، به طوری که هوش مصنوعی در این معنای محدود در کاربردهایی مانند تشخیص پزشکی، موتورهای جستجوی رایانهای و تشخیص صدا یا دست خط یافت میشود.
بیشتر بخوانید: جدیدترین فناوری های روز خودرو که شما را شوکه می کند
هوش چیست؟
همه به جز ساده ترین رفتار انسان به هوش نسبت داده می شود، در حالی که حتی پیچیده ترین رفتار حشرات هرگز به عنوان نشانه ای از هوش تلقی نمی شود. تفاوت در چیست؟ رفتار زنبور حفار را در نظر بگیرید. هنگامی که زنبور ماده با غذا به لانه خود باز می گردد، ابتدا آن را روی آستانه می گذارد، وجود مزاحمان را در داخل لانه خود بررسی می کند و تنها پس از آن، اگر لانه خالی از مزاحم باشد، غذای خود را به داخل می برد. ماهیت واقعی رفتار غریزی زنبور آشکار می شود اگر غذا در حالی که او در داخل است، چند اینچ از ورودی لانه او دورتر شود کل روش را تکرار می کند.
روانشناسان عموماً هوش انسان را تنها با یک ویژگی مشخص نمی کنند، بلکه با ترکیبی از توانایی های متنوع بسیار مشخص میکنند. تحقیقات در زمینه هوش مصنوعی عمدتاً بر مؤلفه های زیر از هوش متمرکز شده است: یادگیری، استدلال و ....
یادگیری در هوش مصنوعی
انواع مختلفی از یادگیری برای هوش مصنوعی وجود دارد. ساده ترین آن یادگیری با آزمون و خطا است. به عنوان مثال، یک برنامه کامپیوتری ساده برای حل مسائل شطرنج ممکن است حرکات را به صورت تصادفی امتحان کند تا زمانی که جفت پیدا شود. سپس برنامه ممکن است راه حل را با موقعیت ذخیره کند تا دفعه بعد که رایانه با همان موقعیت روبرو شد راه حل را به خاطر بیاورد. این به خاطر سپردن ساده اقلام و رویههای فردی که به عنوان یادگیری روت شناخته میشود، بر روی کامپیوتر نسبتاً آسان است. چالش برانگیزتر، مشکل اجرای چیزی است که تعمیم نامیده می شود. تعمیم شامل استفاده از تجربه گذشته در موقعیت های مشابه جدید است. به عنوان مثال، برنامهای که زمان گذشته افعال معمولی انگلیسی را یاد میگیرد نمیتواند زمان گذشته یک کلمه مانند jump را تولید کند، مگر اینکه قبلاً با jumped ارائه شده باشد، در حالی که برنامهای که قادر به تعمیم باشد میتواند یاد بگیرد.
استدلال در هوش مصنوعی
استدلال به معنای استنتاج مناسب با موقعیت است. استنتاج ها به دو دسته قیاسی یا استقرایی طبقه بندی می شوند. مثال اولی این است: «فرد باید در موزه یا کافه باشد. او در کافه نیست. بنابراین او در موزه است. بنابراین این حادثه ناشی از خرابی ابزار بوده است. مهمترین تفاوت بین این اشکال استدلال این است که در حالت قیاسی، صدق مقدمات صدق نتیجه را تضمین میکند، در حالی که در مورد استقرایی، صدق مقدمه به نتیجهگیری بدون اطمینان مطلق کمک میکند. استدلال استقرایی در علم رایج است، جایی که دادهها جمعآوری میشوند و مدلهای آزمایشی برای توصیف و پیشبینی رفتار آینده توسعه مییابند تا زمانی که ظاهر دادههای غیرعادی مدل را مجبور به تجدید نظر کند. استدلال قیاسی در ریاضیات و منطق رایج است، جایی که ساختارهای پیچیده از قضایای انکار ناپذیر از مجموعه کوچکی از بدیهیات و قوانین اساسی ساخته شده است.
بیشتر بخوانید: فناوری ماهواره ای آیفون 14 چیست و چگونه کار می کند؟
بیشتر بخوانید: شهر نئوم کجاست؟
بیشتر بخوانید: همه چیز درباره متاورس/ متاورس چیست و چرا باید درباره آن آموخت؟
موفقیت قابل توجهی در برنامه نویسی رایانه ها برای استنتاج، به ویژه استنتاج های قیاسی وجود داشته است. با این حال، استدلال واقعی شامل چیزی بیش از استنتاج است. این شامل استخراج استنتاج های مرتبط با راه حل یک کار یا موقعیت خاص است. این یکی از سخت ترین مشکلات پیش روی هوش مصنوعی است.