آموزش

همه چیز درباره هوش مصنوعی (قسمت اول)

همه چیز درباره هوش مصنوعی

هوش مصنوعی (Artificial intelligence) که گاهی به آن هوش دستگاهی نیز گفته می‌شود تقریبا مشابه هوش طبیعی است که توسط حیوانات و انسان‌ها نمایش داده می‌شود. به عبارت دیگر هوش مصنوعی به سیستم‌هایی گفته می‌شود که می‌توانند واکنش‌هایی مشابه رفتارهای هوشمند انسانی از جمله درک شرایط پیچیده، شبیه سازی فرآیندهای فکری و شیوه‌های استدلالی انسانی و پاسخ موفق به آن‌ها، یادگیری و توانایی کسب دانش و استدلال برای حل مسایل را داشته باشند. تعریف گفته شده،تعریف دقیقی نیست و صرفا یک تعریف غیر رسمی است، زیرا تاکنون هیچ تعریف دقیق و مشخصی از هوش مصنوعی بیان نشده و هر کس با توجه به دانش و زمینه فعالیت خود به این علم نگاه می‌کند، چهار نگرش کلی در این مورد وجود دارد که به صورت خلاصه آن‌ها را بیان می‌کنیم.

نگرش اول درباره Artificial intelligence

اولین افرادی که از واژه هوش مصنوعی استفاده کردند جان مک کارتی و ماروین مینسکی بودند. هدف آن ها از تحقیقات شبیه سازی دقیق مغز انسان و ساختن مدل مصنوعی آن بود تا از این طریق بتوانند مغز انسان را بهتر بشناسند امروزه افراد با این نگرش را متخصصین علوم شناختی(Cognitive Scientist) می‌نامند. به طور خلاصه این دسته از افراد به دنبال ساخت سیستم‌هایی هستند که دقیقا شبیه انسان فکر می‌کنند.

جان مک کارتی و ماروین مینسکی
جان مک کارتی و ماروین مینسکی

نگرش دوم درباره Artificial intelligence

دانشمندانی که از علم روانشناسی وارد هوش مصنوعی شدند به دنبال درک دقیق و ساختن مغز انسان نیستند بلکه هدف آن‌ها ساخت سیستم‌هایی است که فارغ از ساختار داخلی عملکردی شبیه مغز انسان داشته باشند.آلن تورینگ(Alan Turing) از بزرگترین دانشمندان در این زمینه است. او در سال 1950 آزمونی برای سنجش هوشمندی این سیستم‌ها پیشنهاد داد که به آزمون تورینگ مشهور است. در این  آزمون سیستم هوش مصنوعی باید به گونه‌ای با داور انسانی چت کند که آن فرد نتواند تشخیص دهد که در حال مکاتبه با یک کامپیوتر است. این آزمون در سال 2014 توسط یک چت بات به نام Eugene Goostman با موفقیت انجام شد.

آلن تورینگ
آلن تورینگ

نگرش سوم درباره Artificial intelligence

دسته دیگر را معمولا مهندسان قدیمی کامپیوتر و ریاضیدانان تشکیل می‌دهند که اعتقاد دارند اگر سیستم ساخته شده دقیقا شبیه مغز انسان باشد و یا رفتار یک انسان را در ماشین شبیه سازی کنند، آنگاه ماشین نیز دچار خطاهای انسانی می‌شود. منظور آن‌ها از این حرف این است که باید سیستم‌هایی ساخته شود که نقص‌های موجود در انسان‌ها را رفع کنند و بتوانند به صورت عقلانی و منطقی فکر کنند. هدف این دسته از دانشمندان این است که اشیا و رفتار بین آن ‌ها را در دنیای واقعی بدون ابهام و به صورت ریاضی و منطقی مدل سازی کنند و تا حدودی موفق به انجام این کار شده‌اند و سیستم‌های خبره(Expert Systems) حاصل تلاش این محققان بوده است.(در قسمت‌های بعدی به بررسی کامل‌تر این سیستم‌ها می‌پردازیم)

سیستم‌های خبره
سیستم‌های خبره

نگرش چهارم درباره Artificial intelligence

بسیاری از محققان با نگرش سوم مخالفند و معتقدند بسیاری از روابط دنیای واقعی را نمی‌توان با استفاده از ریاضیات و منطق مدل سازی کرد حتی می‌گویند خود انسان نیز نسبت به خیلی از این پدیده‌ها بینش کافی ندارند و قطعا نمی‌توانند مدل سازی دقیقی از پدیده‌ها داشته باشند. بنابراین بسیاری از دانشمندان در حال حاضر مشغول تحقیق بر روی  سیستم‌هایی هستند که بدون توجه به ساختار داخلی بتوانند عملکردی صحیح و عاقلانه برای حل مسایل داشته باشند.

هر چه ماشین‌ها توانایی بیشتری پیدا می‌کنند وظایف در نظر گرفته شده که به هوش نیاز دارند از تعریف هوش مصنوعی حذف می‌شوند، که این موضوع پدیده‌ای است که با نام “اثر هوش مصنوعی” شناخته می‌شود.

قابلیت ماشین‌های مدرن که به عنوان سیستم‌های هوش مصنوعی شناخته می‌شوند مواردی مثل درک گفتار انسان، رقابت در بالاترین سطح بازی‌های استراتژیک مانند شطرنج، ماشین‌های اتوماتیک، مسیریابی‌های هوشمند در سیستم‌های تحویل محتوا و شبیه سازی‌ها در کار‌های نظامی و… را تشکیل می‌دهند.

AI به عنوان یک رشته دانشگاهی در سال 1995 تاسیس شد و در سال‌های گذشته موج‌های زیادی از خوش بینی‌ها را شاهد بوده است، ناگفته نماند که در رویدادی به نام “زمستان هوش مصنوعی” ناامیدی و از دست دادن بودجه را دیدیم اما پس از آن رویکردهای جدیدی رخ داد و دوباره به جایگاه قبلی خود برگشت.

تحقیقات هوش مصنوعی به زیر شاخه‌هایی تقسیم شده که به خوبی قادر به برقراری ارتباط با یکدیگر نیستند، این زیر شاخه‌ها بر اساس ملاحظات فنی و اهداف خاص(به عنوان مثال رباتیک یا یادگیری ماشین) ساخته شده‌اند.

اهداف تحقیقات هوش مصنوعی ایجاد ویژگی‌هایی مثل استدلال، بیان دانش، برنامه ریزی، یادگیری، پردازش زبان طبیعی، ادراک و توانایی حرکت و دستکاری اشیا در ماشین‌ها است.

ابزارهای زیادی در هوش مصنوعی استفاده می‌شوند به عنوان مثال بهینه سازی ریاضی، شبکه‌های عصبی مصنوعی و روش‌های مبتنی بر آمار، احتمال و اقتصاد و… .

رشته هوش مصنوعی به علوم رایانه، مهندسی اطلاعات، ریاضیات، روانشناسی، زبان شناسی، فلسفه و بسیاری زمینه‌های دیگر می‌پردازد.

در قرن بیست و یکم تکنیک‌های هوش مصنوعی به دنبال پیشرفت همزمان در قدرت رایانه، مقادیر زیادی از داده‌ها و درک نظری را تجربه کرده‌‌اند.

تکنیک‌های هوش مصنوعی به یک بخش اساسی در صنعت فناوری تبدیل شده‌اند و به حل بسیاری از مشکلات چالش برانگیز در علوم کامپیوتر، مهندسی نرم افزار و تحقیقات کمک می‌کنند.

تاریخچه Artificial intelligence

تاریخ هوش مصنوعی

موجودات مصنوعی با توانایی اندیشه و استدلال در داستان‌های تخیلی دوران باستان مورد استفاده قرار می‌گرفتند و در داستان‌ها معمول بودند مانند فرانکنشتاین از مری شل و R.U.R. از کارل شپک (Rossum’s Universal Robot’s) این شخصیت‌ها و سرنوشت آن‌ها بسیاری از موضوعاتی که اکنون در مورد هوش مصنوعی مورد بررسی قرار می‌گیرد را مطرح کرده بودند.

مطالعه استدلال مکانیکی یا استدلال فکری توسط ریاضیدانان و فلاسفه دوران باستان آغاز شد. مطالعه منطق ریاضی مستقیما به نظریه محاسبه آلن تورینگ منجر شد.

زمینه تحقیقات AI در کارگاهی در کالج دارتموث در سال 1956 متولد شد، که در آن اصطلاح “هوش مصنوعی” توسط جان مک کارتی ابداع شد تا این زمینه تحقیقاتی را از سایبرنتیک مجزا کند.

آلن نیول، هربرت سیمون، جان مک کارتی، ماروین مینسکی و آرتور سامول به عنوان بنیانگذاران و رهبران تحقیقات هوش مصنوعی شناخته می‌شوند. آن‌ها و دانشجویانشان برنامه‌هایی تولید کردند که مطبوعات و مردم از آن برنامه‌ها شگفت زده شدند. آن‌ها برنامه‌ای را درست کردند که کامپیوتر‌ها می‌توانستند بازی چکرز را یاد بگیرند و طبق گزارشات در سال 1959 کامپیوتر‌ها این بازی را بهتر از میانگین انسان‌ها انجام می‌دادند.

آن‌ها از سیستم AI خود در زمینه‌های مختلفی مثل حل کردن مشکلات در جبر، اثبات قضایای منطقی(که آزمایش اول آن در سال 1956 بود) و انگلیسی صحبت کردن و … استفاده می‌کردند.

در اواسط دهه 1960 بودجه تحقیقات توسط نیروی وزارت دفاع آمریکا تامین می‌شد و آزمایشگاه‌هایی در سراسر جهان برای انجام تحقیقات هوش مصنوعی تاسیس کردند.
بنیانگذاران هوش مصنوعی در مورد آینده آن بسیار خوشبین بودند. هربرت سیمون پیش بینی کرد که ماشین‌ها در طی بیست سال آینده قادر به انجام هر کاری که توسط انسان‌ها انجام می‌شود خواهند بود، ماروین مینسکی این حرف را تایید کرد و افزود در طی یک نسل آینده مشکلات هوش مصنوعی به طور اساسی حل خواهد شد.

آن‌ها در حل کردن برخی از مشکلات ناتوان بودند و این باعث شد روند پیشرفت کند شود تا اینکه در سال 1974 در پاسخ به انتقاد آقای جیمز لایتیل و فشارهای مداوم کنگره ایالت متحده برای تامین بودجه پروژه‌های اکتشافی، دولت‌های آمریکا و بریتانیا تحقیقات هوش مصنوعی را متوقف کردند که به مدت چند سال بودجه گرفتن برای انجام تحقیقات بسیار مشکل بود برای همین از آن دوره به عنوان “زمستان هوش مصنوعی” یاد می‌شود.

در اوایل دهه 1980 متخصصین هوش مصنوعی با موفقیت توانستند سیستم‌های خبره را تولید کنند، شکلی از برنامه هوش مصنوعی بود که دانش و مهارت تحلیلی انسان‌های متخصص را شبیه سازی می‌کرد و تا سال 1985 بودجه بازار هوش مصنوعی به بیش از یک میلیارد دلار رسیده بود، در همین زمان پروژه رایانه‌های نسل پنجم ژاپن برای دولت‌های ایالت متحده و بریتانیا الهام بخش بود تا دوباره به تحقیقات بازگردند.

باز هم در سال 1987 با فروپاشی بازار ماشین آلات Lisp دنیای هوش مصنوعی بار دیگر به بی اعتنایی افتاد و زمستانی دیگر را تجربه کرد.

در اواخر دهه 1990 و اوایل قرن 21،متخصصین در تحقیقات هوش مصنوعی شروع به استفاده از منطق، داده کاوی، راهکارهای پزشکی و دیگر رشته‌ها کردند. موفقیت ناگهانی در این زمینه را می‌توان به دلیل افزایش قدرت محاسباتی، تاکید بیشتر بر مشکلات خاص، ایجاد رابطه بین هوش مصنوعی و دیگر رشته‌های علمی و استفاده محققان از روش‌های ریاضی و معیارهای علمی دانست.

Deep Blue اولین سیستم هوش مصنوعی بازی شطرنج بود که در 11 مه 1997 موفق به شکست قهرمان شطرنج جهان (گری کاسپاروف) شد.

طبق گفته جک کلارک بلومبرگ، سال 2015 سال هوش مصنوعی بود چون تعداد پروژه‌های نرم افزاری هوش مصنوعی در گوگل به 2700 پروژه رسیده بود در صورتی که در سال 2012 فقط استفاده پراکنده‌ای از آن‌ها می‌شد.

کلارک اطلاعاتی را از پیشرفت AI نشان می‌دهد که از سال 2012 نرخ خطای سیستم‌ها در پردازش تصویر بسیار کم شد، وی این پیشرفت را به دلیل افزایش شبکه‌ها عصبی، افزایش زیر ساخت‌های محاسبات ابری و افزایش ابزار‌های تحقیق مجموعه داده‌ها می‌داند.

برای مثال‌های بیشتر می‌توان به توسعه نرم افزار اسکایپ مایکروسافت اشاره کرد که می‌تواند به صورت خودکار یک زبان را به زبان دیگر ترجمه کند، همچنین فیس بوک که قادر است تصاویر را برای افراد نابینا توصیف کند.

بهتر است از بررسی تاریخ را تمام کنیم و کم کم به بررسی تخصصی‌تر AI در حال حاضر بپردازیم. اکنون AI به عنوان یکی از گرایش‌های رشته مهندسی کامپیوتر در مقطع کارشناسی ارشد و دکتری می‌باشد و همچنین در برخی دانشگاه‌ها از آن به عنوان یک درس در مقطع کارشناسی رشته مهندسی کامپیوتر و فناوری اطلاعات نیز استفاده می‌کنند.

زبان‌ برنامه نویسی هوش مصنوعی

زبان‌های برنامه نویسی لیسپ و پرولوگ علاوه بر اینکه از مهم‌ترین زبان‌های برنامه نویسی AI هستند دارای خصوصیاتی می‌باشند که باعث شده شیوه و راه حل‌های قوی برای حل مسایل داشته باشند.

تاثیر قابل توجه این زبان‌ها بر روی توسعه هوش مصنوعی به دلیل توانایی‌های آن‌ها به عنوان ابزار‌های فکر کردن است.
در حقیقت زبان‌های برنامه نویسی لیسپ و پرولوگ با رشد هوش مصنوعی بیشتر و بیشتر شناخته شدند و به وضوح داشتن اطلاعات در مورد این زبان‌های برنامه نویسی به عنوان بخشی از مهارت هر برنامه نویس AI است. اکنون بررسی‌ای کوتاه بر هر یک از این زبان‌های برنامه نویسی داشته باشیم:

لیسپ: یک زبان کامل است که دارای عملکردها و لیست‌های لازمه برای توصیف عملکردهای جدید، تشخیص تناسب و ارزیابی معانی است. این زبان برنامه نویسی به برنامه نویس قدرت کامل برای اتصال به ساختارهای اطلاعاتی و درخت‌ها را می‌دهد. این زبان یکی از قدیمی‌ترین زبان‌های محاسباتی است که هنوز فعال است و دقت کافی در برنامه نویسی و توسعه آن باعث شده که این یک زبان برنامه نویسی فعال باقی بماند.

پرولوگ: این زبان یک زبان برنامه نویسی منطقی است. یک زبان منطقی دارای ویژگی‌های قانون و منطق است. در واقع نام این زبان از کلمات PRO و LOGIC گرفته شده. این زبان یک مفسر برنامه را بر اساس منطق می‌نویسد. یکی از محوریت‌های زبان پرولوگ استفاده توصیفی مناسب برای بیان خصوصیات مسایل است.

هوش مصنوعی دارای شاخه‌های متفاوتی می‌باشد که برخی از آن‌ها عبارت‌اند از:

  • الگوریتم ژنتیک(Genetic Algorithm)
  • بینایی ماشین(Machine Vision)
  • سیستم‌های خبره(Expert System)
  • پردازش زبان طبیعی(NLP)
  • یادگیری ماشین(Machine Learning)
  • رباتیک(Robotic)
  • شبکه عصبی مصنوعی(Neural Networks)

اولین مقاله از سری مقالات هوش مصنوعی را همین جا به پایان می‌رسانیم و به زودی در قسمت‌های بعد به بیان تعاریف اولیه هوش مصنوعی به صورت تخصصی‌تر می‌پردازیم.
امیدوارم برای شما خواننده عزیز مفید واقع شده باشد.

در لیست زیر 7 کتاب برتر هوش مصنوعی را می توانید دانلود کنید.

  • Applied Artificial Intelligence A Handbook For Business Leaders by Mariya Yao Adelyn Zhou Marlene Jia
  • Artificial Intelligence A Modern Approach, 3rd Edition by Stuart J. Russell, Peter Norvig
  • Artificial Intelligence By Example Develop machine intelligence from scratch using real artificial intelligence
  • Life 3.0 Being Human in the Age of Artificial Intelligence by Max Tegmark
  • Machine Learning For Dummies by John Paul Mueller, Luca Massaron
  • Make Your Own Neural Network by Tariq Rashid
  • Superintelligence Paths, Dangers, Strategies by Nick Bostrom

دانلود 7 کتاب برتر هوش مصنوعی برای شروع

مطالعه بیشتر: همه چیز درباره هوش مصنوعی(قسمت دوم)

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا