هوش مصنوعی به زبان ساده – چگونه در دانشگاه رشته هوش مصنوعی بخوانم؟

تعریف ساده هوش مصنوعی

برای پاسخ ساده به این سوال که هوش مصنوعی چیست می‌توان عبارت هوش مصنوعی یا همان Artificial Intelligence  را تفکیک کرد و ابتدا درکی از هر کلمه به صورت مجزا بدست آورد.
کلمه مصنوعی یا Artificial به آنچه گفته می‌شود که به صورت طبیعی بوجود نیامده و در واقع توسط انسان‌ها ساخته شده است. کلمه هوش یا Intelligence نیز به توانایی تفکر و آموختن براساس تجربه گفته می‌شود. حالا اگر این دو کلمه با هم ترکیب شوند، عبارت هوش مصنوعی (Artificial Intelligence) بدست می‌آید. حالا هوش مصنوعی چیست ؟ هوش مصنوعی به چیزی گفته می‌شود که طبیعی نیست اما می‌تواند تفکر کند و براساس تجربه یاد بگیرد و تصمیم‌گیری انجام دهد.

بنابراین به زبان ساده، هوش مصنوعی به توانایی تفکر یا یادگیری کامپیوتر یا ماشین گفته می‌شود. برای اینکه فردی هوشمند و دارای هوش تلقی شود، باید یادگیری اتفاق بیوفتد و فرد آموزش ببیند. در واقع انسان‌ها هم از روز اولی که به دنیا می‌آیند هوشمند نیستند و برای تبدیل شدن به فردی هوشمند و باهوش باید تحت آموزش قرار بگیرند.

وقتی که انسان‌ها یاد می‌گیرند، در واقع مواردی را به خاطر می‌سپارند و اطلاعاتی را در مغزشان ذخیره می‌کنند. سپس از این اطلاعات ذخیره شده در مغز برای تصمیم‌گیری هوشمندانه استفاده می‌شود. در خصوص ماشین‌ها و هوش مصنوعی هم شرایط یکسان است و درست مشابه انسان‌ها کامپیوترها هم باید ابتدا یاد بگیرند و نمی‌توانند تا زمانی که آموزش ندیده‌اند هوشمند شوند. بهتر است برای درک بهتر اینکه هوش مصنوعی چیست مثالی ساده ارائه شود..

مثالی ساده برای درک بهتر مفهوم هوش مصنوعی

برای مثال اگر فردی بخواهد رانندگی کند و اتومبیلی را براند، پیش از هر چیز باید موارد لازم را در مورد آن ماشین یاد بگیرد. فرد باید حتماً نحوه روشن کردن اتومبیل را بیاموزد؛ باید یاد بگیرد چگونه از دنده و پدال‌ها استفاده کند و ماشین را به جلو براند. همچنین علائم رانندگی بسیار مهم هستند و فرد باید بتواند مفهوم هرکدام از آن‌ها را درک کند و آن‌ها را در مغز خود حفظ کرده باشد. به این ترتیب در حین رانندگی فرد می‌تواند براساس آموخته‌های خود تصمیم‌گیری کند.

کامپیوترها هم به همین شکل عمل می‌کنند. یادگیری در کامپیوترها با استفاده از داده‌ها اتفاق می‌افتد. ماشین‌ها و کامپیوترها الگوهای موجود در داده‌ها را درک می‌کنند و سپس مدل‌هایی را می‌سازند و این مدل‌ها برای تصمیم‌گیری مورد استفاده قرار می‌گیرند. بنابراین انجام کارهایی هوشمندانه توسط ماشین و کامپیوترهای ساخته شده توسط انسان را هوش مصنوعی می‌نامند.

کاربرد هوش مصنوعی در کسب و کارهای مختلف

 

ChatGPT چیست ؟

یکی از نمونه های هوش مصنوعی که این روزها بسیار محبوب شده است، ChatGPT است. ChatGPT جدیدترین نسخه از GPT، خانواده‌ای از هوش مصنوعی با قابلیت تولید متن به‌حساب می‌آید.

در واقع، ChatGPT یک «چت‌بات» (Chatbot) مبتنی بر هوش مصنوعی است که می‌تواند هر سوالی را جواب دهد. چت جی پی تی می‌تواند موضوع‌ها و مباحث پیچیده‌ای را در حوزه‌های تخصصی مختلف مثل فیزیک، ریاضی و برنامه نویسی درک کند.

ربات پاسخگوی ChatGPT می‌تواند مسائل پیچیده در سطح دانشگاهی را حل کند، همچنین مطالب وبلاگی تولید کند، متن آهنگ بسازد، صفحات HTML ایجاد کند و سایر مواردی از این دست را انجام دهد.

 

از این علم می توان در کسب و کارهای مختلف استفاده کرد و در هر کسب و کاری منفعت های بسیاری را به همراه خواهد داشت. در ادامه به چند نمونه از این کاربرد ها در هر حوزه می پردازیم:

هوش مصنوعی در حوزه سلامت

مهم ترین نکته در این حوزه بهبود نتایج بیماران و در عین حال کاهش هزینه است. شرکت های فعال در حوزه سلامت می خواهند با استفاده از یادگیری ماشین، روند تشخیص و درمان را بهتر و سریعتر انجام دهند. یکی از شناخته شده ترین فناوری ها در این زمینه سیستم IBM Watson است. این سیستم زبان طبیعی را درک می کند و قادر به پاسخگویی به سوالاتی که از آن پرسیده می شود است. این سیستم تمام اطلاعات مربوط به بیمار از منابع موجود را استخراج می کند تا یک فرضیه ایجاد کند و پس از اطمینان آن را ارائه می دهد. سایر برنامه هایی که هوش مصنوعی دارند مانند چت بات ها، می توانند به بیماران برای برنامه ریزی قرار ملاقات، پاسخ به پرسش ها، صدور صورت حساب کمک کنند و یا به صورت یک دستیار سلامت مجازی به فرد بازخوردهای پزشکی ارائه دهد.

هوش مصنوعی در حوزه کسب و کار

برای کارها و فرآیندهای بسیار تکراری که در هر کسب و کار توسط انسان ها انجام می شود، می توان از فرآیندهای اتوماسیون رباتیک استفاده کرد. الگوریتم های یادگیری ماشین می توانند با کشف اطلاعات لازم، بهتر به مشتریان خدمت کنند. از چت بات ها نیز می توان برای ارائه خدمات فوری به مشتریان در وب سایت نیز استفاده کرد.

هوش مصنوعی در حوزه آموزش و پرورش

هوش مصنوعی در این حوزه می تواند به خودکار شدن نمره دهی و درجه بندی دانش آموزان کمک کند و به معلمان زمان بیشتری بدهد. هوش مصنوعی می تواند دانش آموزان را ارزیابی کند و با نیازهای آن ها سازگار باشد و با هر فرد متناسب با سرعت او کار کند. سیستم های مربی هوش مصنوعی می توانند پشتیبانی بیشتری به دانش آموزان ارائه دهند و اطمینان حاصل کنند که روند آموزش آن ها در راه درستی قرار دارد. Artificial intelligence می تواند نحوه یادگیری و مکان یادگیری دانش آموزان را تغییر دهد و حتی برخی از معلمان او را عوض کند.

هوش مصنوعی در حوزه اقتصاد

سیستم های هوش مصنوعی در برنامه های مالی شخصی، مانند Mint یا Turbo Tax، می توانند اطلاعات مالی شخصی هر فرد را جمع آوری کنند و به آن ها مشاوره مالی دهند. از برنامه های دیگر مانند IBM Watson حتی در روند خرید خانه نیز می توان استفاده کرد. امروزه نرم افزارها در وال استریت بخش عظیمی از معاملات را انجام می دهند.

هوش مصنوعی در حوزه قانون و قضا

روند کشف اسناد و مدارک غالبا برای انسان ها بسیار سخت است. اتوماسیون و هوش مصنوعی می تواند به این فرآیند کمک کرده و کارآمدتر از زمان استفاده کند. استارتاپ ها در حال ساخت دستیارهای رایانه ای هستند که پرسش و پاسخ ها را غربال می کند و می توانند با بررسی و طبقه بندی و یک بانک اطلاعاتی ، سؤالات برنامه ریزی شده را پاسخ دهد

هوش مصنوعی در حوزه تولید

این زمینه ای است که ربات ها هرچه تمام تر می توانند کار را به گردش دربیاورند. ربات های صنعتی می توانند تک تک وظایف محول شده را به طور کامل انجام دهند و جدا از کارکنان انسانی فعالیت کنند.

هوش مصنوعی در برقراری امنیت

از هوش مصنوعی و تکنولوژی پردازش تصویر در برقراری امنیت، ردیابی مجرمان، پیدا کردن هویت خلافکاران و… استفاده می‌شود. این سیستم‌ها قادرند با استفاده از هوش مصنوعی چهره افراد مختلف، موجودیت اشیاء و … را تشخیص دهند و هنگام مشاهده انجام تخلفات یا عملی مجرمانه آن را تشخیص داده و به نهاد مربوطه هشدار دهد.

هوش مصنوعی و تفسیر داده‌ها

کلان داده یا بیگ دیتا (Big Data) عبارتی است که برای توصیف مقادیر بزرگی از داده (اعم از داده های ساختار یافته و بدون ساختار) استفاده می‌شود. از کلان داده ها می‌توان برای استخراج اطلاعات مورد نیاز برای تصمیم گیری‌های مهم و حیاتی استفاده کرد و حرکات استراتژیک و حساس را با دقت بیشتری اجرا نمود. یک دانشمند داده به کمک کلان داده‌ها نه تنها قادر به تجزیه و تحلیل نیازهای افراد می‌باشد بلکه از قوانین حاکم بر بازارها و روندهای مختلف نیز اطلاع می‌یابد. تحلیل مقادیر زیادی داده، بدون هیچ گونه سیستم هوشمند و تنها به وسیله انسان امکان پذیر نیست. زیرا هم حجم داده بسیار گسترده است و هم هر روز بر میزان این حجم افزوده می‌شود. بنابراین مشخص است که با استفاده از هوش مصنوعی در تفسیر کلان داده‌ها است که به بسیاری از مفاهیم جدید می‌رسیم که نتیجه‌اش قابلیت متحول کردن بخش عظیمی از جامعه و زندگی انسان‌ها را دارد

 

دانش آموزانی که علاقه مند به رشته هوش مصنوعی هستند و میخواهند در این رشته تحصیل کنند ادامه مطلب را با ما همراه شوند.

رشته دانشگاهی هوش مصنوعی

رشته هوش مصنوعی یکی از گرایش‌های علوم و مهندسی کامپیوتر است که در مقطع کارشناسی ارشد و دکترا  ارائه میگردد. بنابراین علاقه مندان باید در مقطع کارشناسی رشته مهندسی کامپیوتر یا علوم کامپیوتر به تحصیل بپردازند.

رشته هوش مصنوعی دارای چندین شاخه است که عبارتند از:

  • یادگیری ماشین (Machine Learning)
  • شبکه عصبی (Neural Networks)
  • بینایی ماشین (Machine Vision)
  • سیستم های خبره (Expert System)
  • پردازش زبان طبیعی (Natural Language Processing)
  • الگوریتم ژنتیک (Genetic Algorithm)
  • روباتیک (Robotic)

 

یادگیری ماشین – Machine Learning

یادگیری ماشین  (ML)، یکی از شاخه های هوش مصنوعی است که به شدت طرفدار دارد. بطور خلاصه یادگیری ماشین یعنی هوشمندسازی ماشین بدون اینکه بصورت مستقیم به آن یاد داد؛ بدین صورت ماشین با استفاده از داده‌های ورودی و دستوراتی که به آن داده شده است، فرایند یادگیری را شروع کرده و به مرور زمان ضریب خطا را کم‌تر می‌کند. این یادگیری با استفاده از الگوریتم هایی که شبیه به فرایند ذهن انسان است انجام می‌شود و به مرور زمان دقت آن افزایش پیدا می‌کند که این موضوع بستگی دارد به نوع یادگیری که ماشین انجام می‌دهد.

 

شبکه عصبی – Neural Networks

شبکه عصبی یکی از درونی‌ترین لایه های هوش مصنوعی است. با استفاده از الگوریتم های شبکه های عصبی میتوان مدل‌های پیچیده و مختلف را طراحی و شناسایی کرد. یکی از مثال‌هایی که میتوان در مورد شبکه عصبی زد این است که به یک کودک یاد بدهیم که چگونه رنگ‌ها را از یکدیگر تشخیص دهد و این مورد باعث می‌شود تا کودک بعد از مدتی توانایی تشخیص رنگ‌ها را بدست آورد و حتی طیف‌های رنگی را از هم بشناسد، این مثال دقیقا همان کاربرد شبکه عصبی در یاد دادن مطالب به ماشین و سیستم است. شبکه عصبی قابلیت طبقه بندی کردن بصورت دقیق را دارد بطوری که ورودی‌ها را به یک یا چندین خروجی تبدیل کرده و گستره و دامنه خروجی‌ها را به کلاس‌های متفاوت جداسازی می‌کند.

شبکه عصبی از بافت‌هایی به نام نورون تشکیل شدند که با بکارگیری نیروی الکترومغناطیسی در راستای حل یک مسئله یا مشکل، با یکدیگر هماهنگ عمل می‌کنند و در نتیجه اطلاعات را انتقال می‌دهند. از اهداف مهم و کاربردهای جالب ایجاد یک شبکه عصبی، پیش بینی کردن است به نوعی که با شبیه‌سازی و مدل‌سازی ویژ‌گی‌های پردازشی مغز انسان و حیوانات، میتوان الگوهای شناخته نشده را شناسایی و بدست آورد. این قابلیت مدل‌های بسیاری دارد که هدف آن مغز انسان است تا بتواند به قدرت تقلید را برسد. نقش شبکه عصبی در جاهایی که نمیدانیم در حال جستجوی چه چیزی هستیم بسیار کمک‌کننده است مثل تطابق چهره، تشخیص دستخط، راندن خودکار اتومبیل و غیره.

بینایی ماشین – Machine Vision

از گسترده‌ترین حوزه های هوش مصنوعی، بینایی ماشین است. اگر بخواهیم این شاخه از هوش مصنوعی را به زبان ساده تعریف کنیم یعنی از طریق بینایی ماشین با استفاده از پردازش دو بعدی می‌تواند یک دنیای سه بعدی را ایجاد و بازسازی کند، مفهوم آن به این معناست که سیستم‌های رایانه‌ای به کمک دوربین ببینند و درک کنند. در بینایی ماشین به گسترش مفاهیمی از سیستم‌های هوشمند اشاره می‌کند که با استفاده از عکس‌ها، اطلاعات دقیق را استخراج می‌کند. از بینایی ماشین در صنایعی که بصورت شبانه‌روزی نیاز به بررسی دارد که سرعت پردازش به شدت بالایی داشته باشد، استفاده می‌شود.

طی سال‌های اخیر از هوشمندی بینایی ماشین در صنایع پیشرفته‌ای همچون خطوط تولید کارخانه‌ها جهت کنترل کیفی محصولات استفاده می‌شود. دلایلی که باعث می‌شود تا از تکنولوژی بینایی ماشین استفاده کرد، مواردی همچون سرعت فوق‌العاده بالا، هزینه نگهداری خیلی کم، خطای به شدت پایین، عدم نیاز به حضور اپراتور بصورت شبانه‌روزی و بسیاری از موارد دیگر که باعث شده است تا صنعت‌های مختلف و کارخانه‌های هوشمند به این فناوری جدید و قدرتمند روی بیاورند. یکی از مثال‌هایی که میتوان از تکنولوژی بینایی ماشین زد این است که دستگاهی طراحی و اختراع شده است که با استفاده از پردازش تصویر موجود در بینایی ماشین، توانایی تشخیص نان‌های پخته شده را از پخته نشده دارد و آن‌ها را از یکدیگر جداسازی می‌کند.

سیستم های خبره – Expert System

تا به اینجا تمامی شاخه‌های هوش مصنوعی که مورد بررسی قرار دادیم، بر روی اطلاعات و داده‌ها کار می‌کردند اما سامانه های خبره، نرم‌افزارهایی هستند که آگاهی، فهم و دانش انسانی را در پایگاه داده‌های خود نگهداری و ذخیره می‌کنند. در واقع سامانه های خبره از سیستم‌های کامپیوتری مبتنی بر هوش مصنوعی تشکیل شدند که قابلیت توانایی یادگیری و تصمیم‌گیری دارند و همین امر باعث شده است تا سامانه های خبره بصورت یک دستیار به کاربران توصیه‌های کارشناسانه کند.

سامانه های خبره جهت تصمیم‌گیری می‌بایست آگاهی و دانش بدست آورده را در یک قالب مرتبط و مناسب به نمایش دربیاورد و مدیریت کند چون این اطلاعات باید از لحاظ اصالت، اعتبارسنجی بشوند تا داده‌های غلط به سیستم وارد نشود و از نتایج اشتباه جلوگیری شود. یکی از ویژگی‌های منحصر به فرد سامانه های خبره این است که می‌توانند دلایلی که منجر به نتیجه می‌شود را شرح بدهند چون از شیو‌ه‌های ابتکاری به جای روش‌های الگوریتمی استفاده می‌کند.

سامانه های خبره از منطق if-then برای حل مسائل و مشکلات پیچیده پیروی می‌کنند و همین موضوع باعث شده است تا از شیوه‌های رایج و مطرح برنامه نویسی استفاده نکنند. تکنولوژی سامانه های خبره در کارهایی همچون بررسی وام‌های بانکی، پردازش سیستم‌های پزشکی، مدیریت و کنترل اطلاعات، کشف و شناسایی ویروس‌ها و غیره کاربرد دارن

پردازش زبان طبیعی – Natural Language Processing

پردازش زبان طبیعی به توانایی درک گفتار انسان می‌پردازد. از کلیدی‌ترین کاربردهای هوش مصنوعی، پردازش زبان طبیعی است که بر پایه یادگیری ماشین می‌باشد. این تکنولوژی به کسب‌وکارهایی کمک می‌کند که بصورت مداوم با انبوهی از متن‌های بدون ساختار همچون پیام‌ها، ایمیل‌ها، رزومه‌ها و غیره سروکار دارند و باعث می‌شود تا این فرایندها سریع‌تر و دقیق‌تر انجام شوند.

پردازش زبان طبیعی به برقراری ارتباط زبان انسانی با کامپیوترها اشاره دارد که به توانایی درک زبان انسان توسط کامپیوتر می‌پردازد. از اهداف مهم پژوهشگران و متخصصان حوزه هوش مصنوعی این است که با استفاده از قابلیت پردازش زبان طبیعی، نرم‌افزارهایی را طراحی کنند که قدرت درک و فهمیدن زبان انسانی را در موضوعات گوناگون داشته باشد. در این بین باید به این نکته اشاره کرد که هدف نهایی هوش بشری برای استفاده از توانایی پردازش زبان طبیعی، فقط درک زبان طبیعی نیست اما عدم درک آن برای سیستم‌های رایانه‌ای، از ویژگی‌ها و قابلیت‌های کامپیوترها می‌کاهد.

الگوریتم ژنتیک – Genetic Algorithm

الگوریتم ژنتیک از شاخه های هوش مصنوعی است که به کمک آن میتوان برنامه‌های کامپیوتری که با موضوعاتی زیستی ارتباط دارند، طراحی کرد. برنامه نویسی الگوریتم ژنتیک توسط گروه جان کوزا (John Koza) توسعه داده شده است، از برنامه نویسی الگوریتم ژنتیک برای طراحی و حل مسئله برنامه‌های جمعیتی، الگوشناسی، روباتیک، کنترل جمعیت، بهینه‌سازی، تئوری بازی‌ها و غیره میتوان استفاده کرد.

از اهداف الگوریتم ژنتیک، حل راحت و آسان مسائل مربوطه است که با استفاده از الگوریتم های ژنتیک در راستای فرایند تکامل طبیعی موجودات زنده به کار گرفته می‌شود. در حقیقت سیستم‌هایی که از الگوریتم های ژنتیک پیروی می‌کنند با استفاده از اصل انتخاب طبیعی داروین برای پیدا کردن فرمول بهینه جهت پیش‌بینی یا تطبیق دادن الگوهای موجود استفاده می‌کنند و به مرور زمان به تکامل می‌رسند.

روباتیک – Robotic

علم روباتیک، شاخه‌ای از هوش مصنوعی است که به یک رشته میان شاخه‌ای در دنیای علوم شناخته می‌شود که برای طراحی، ساخت و استفاده از ربات‌ها؛ از ادغام سه رشته مهندسی مکانیک، مهندسی برق و علوم کامپیوتر به همراه دیگر رشته‌ها علمی استفاده می‌شود. امروزه فناوری روباتیک به یکی از موضوعات جذاب تبدیل شده است چون به نوعی قابل برنامه‌ریزی هستند که بتوانند بسیاری از کارها را بصورت اتوماتیک و بعضاً نیمه اتوماتیک انجام دهند.

ربات‌ها با قابلیت یادگیری ماشین توانایی این را دارند که از طریق حسگرهای مختلف و سنسورهای هوشمند با محیط فیزیکی اطراف خود ارتباط برقرار کنند و با اطلاعاتی که دریافت می‌کنند، آن‌ها را پردازش کنند و نتایج را بصورت تصمیم‌گیری ارائه دهند. این نکته را هم باید در نظر گرفت که ربات‌ها با گوناگونی بسیاری که دارند، میتوان در جاهایی که حضور انسان خطرناک است بکار کرد چون با پیاده‌سازی و شبیه‌سازی رفتارهای انسانی بر روی آن‌ها، میتوان حدااکثر استفاده مفید را کرد.

 

منابع : فرادرس، عامراندیش، امیرتودی