هوش مصنوعی برای هوشمندسازی ماشین‌ها استفاده می شود و مزایا و فایده‌های زیادی برای جامعه و انسان به همراه دارد.
هوش مصنوعی یا به اختصار AI چیست؟
هوش مصنوعی (Artificial Intelligence)، فرایند ساخت ماشین‌های هوشمندی است که از حجم وسیعی از داده‌ها استفاده می‌کنند. این فرایند ماشین‌ها را قادر می‌سازد تا بدون دستور مستقیم برای انجام کاری و به صورت خودمختار (Autonomous) با سطوح هوشی مشابه انسان بتوانند تفکر منطقی، حس، درک، یادگیری و عمل داشته باشند. AI از الگوریتم‌ها و روش‌های پیچیده برای ساخت ماشین‌هایی استفاده می‌کند که بتوانند به تنهایی (خودمختارانه) تصمیم بگیرند. اما در واقعیت اینکه از چه کسی بپرسید AI چیست، تفاوت زیادی دارد.
مجله هوش مصنوعی پارس اینفوتک
حال بیاییم دقیق‌تر بررسی کنیم، این که در واقعیت تعریف AI را از چه کسی بپرسیم خیلی تفاوت زیادی دارد:
یک فرد غیر متخصص که درک سطحی از فناوری دارد این تعریف را به ربات‌ها مرتبط می‌کند که می‌توانند به تنهایی فکر کنند و اعمالی را انجام دهند. اگر از یک محقق هوش مصنوعی بپرسید او خواهد گفت که مجموعه‌ای از الگوریتم‌ها هستند که می‌توانند باعث انجام کارهایی شوند، بدون آن که دستورات مشخصی برای انجام دادن آن کارها در الگوریتم‌های ما وجود داشته باشند.
پس هر دو تعریف بالا درست هستند؛ بنابراین در ادامه به طور جامع‌تر به تعریف هوش مصنوعی در دنیای کنونی می‌پردازیم.
به عبارتی سیستمهای هوشمند از آموخته‌ها و تجربیات گذشته‌ی خود یاد می‌گیرند و وظایفی شبیه به انسان را انجام می‌دهند تا بتوانند سرعت، دقت و اثربخشی تلاش‌های انسان در انجام کارها را افزایش دهند و نیز بهترین نتایج مورد انتظار را تولید کنند. هوش مصنوعی برای اجرای عملکرد خود به داده (Data) نیاز دارد. داده‌ها به سیستمهای هوش مصنوعی اجازه می‌دهند تا الگوهایی بسازند، و سپس از آنها برای تولید پیش‌بینی‌ها و شبیه‌سازی‌ها یا استنباط اطلاعات درباره جهان استفاده می‌کنند.
تاریخچه هوش مصنوعی
پروفسور آلن تورینگ (A. M. Turing) در سال ۱۹۵۰ میلادی در مقاله ای تحت عنوان ماشین‌های محاسباتی و هوشمند (Computing Machinery and Intelligence)، حوزه AI را برای اولین بار به جهانیان معرفی کرد.
تاریخچه‌ی هوش‌مصنوعی از زبان ChatGPT
تاریخچه هوش‌مصنوعی (AI) به دهه ۱۹۵۰ برمی‌گردد، زمانی که محققان برای اولین بار شروع به کاوش در مفهوم ماشین‌هایی کردند که قادر به تفکر و یادگیری هستند.
در سال ۱۹۵۶، کنفرانسی در کالج دارتموث آغاز تحقیقات مدرن هوش مصنوعی بود.
در این دوره، محققان الگوریتم‌هایی را برای رایانه‌ها توسعه دادند تا مسائل را حل کنند و از تجربیات آنها درس بگیرند.
در دهه ۱۹۶۰، تحقیقات هوش مصنوعی بر روی توسعه برنامه‌هایی متمرکز شد که بتوانند زبان طبیعی را درک کنند و بازی‌هایی مانند شطرنج انجام دهند.
در سال ۱۹۶۶، جوزف وایزنبام ELIZA را ایجاد کرد، یک برنامه کامپیوتری که می‌توانست مکالمه با کاربر انسانی را شبیه‌سازی کند.
به دنبال آن سیستمهای خبره در دهه های ۱۹۷۰ و ۱۹۸۰ توسعه یافتند که برای تقلید از فرآیندهای تصمیم گیری انسانی طراحی شده بودند.
در دهه ۱۹۹۰، تحقیقات هوش مصنوعی به سمت یادگیری ماشین و شبکه‌های عصبی تغییر یافت.
این منجر به پیشرفت‌های قابل توجهی در بینایی کامپیوتر، پردازش زبان طبیعی، رباتیک و سایر زمینه‌های تحقیقات هوش مصنوعی شد.
امروزه هوش مصنوعی در بسیاری از کاربردهای مختلف مانند وسایل نقلیه خودران، سیستمهای تشخیص پزشکی، نرم‌افزار تشخیص چهره و غیره استفاده می‌شود.
تست تورینگ، آزمونی برای تشخیص ماشین از انسان
آلن تورینگ به منظور ایجاد تعریفی برای هوش یک سیستم به جای ارائه لیستی طولانی (و شاید بحث برانگیز) از ویژگی‌های لازم برای هوشمندی سیستم، تستی را بر پایه ناتوانی در تشخیص دادن انسان از ماشین پیشنهاد کرد. به این صورت که بین ماشین و انسان دیواری وجود دارد و انسان سوالاتی را از ماشین می‌پرسد و آن ماشین پاسخ می‌دهد. حال اگر انسان نتواند تشخیص دهد که این جواب دهنده (ماشین)، انسان است یا ماشین، آن ماشین تست تورینگ را با موفقیت پشت سر گذاشته است. تست آلن تورینگ به عنوان پیش زمینه ای در به وجود آمدن هوش مصنوعی امروزی می باشد، به طور کلی طراحی چنین سیستمی نیازمند قابلیت‌های زیر است:
۱- پردازش زبان طبیعی (NLP): جهت برقراری ارتباط با آن انسان (پرسشگر).
۲-نمایش دانش: جهت ذخیره اطلاعاتی که می‌داند یا بدست می‌آورد.
۳- استدلال اتوماتیک (خودکار): برای استفاده از اطلاعات استفاده شده جهت پاسخ‌گویی به سوالات و بدست آوردن نتایج جدیدتر.
۴- یادگیری ماشین (ML): برای تطبیق پیدا کردن با شرایط جدید و شناسایی الگوها.
نقشه راه یادگیری هوش مصنوعی گام اول- ریاضیات
همون‌طور که اکثر دانشجویان رشته کامپیوتر می‌دانند ریاضیات و به خصوص مباحث جبرخطی، دیفرانسیل، حسابان، ساختمان گسسته و آمار و احتمال توی این رشته و گرایش نقش بزرگی رو ایفا می‌کنند؛ چرا که ماشین‌ها و کامپیوترها تنها راهی که می‌فهمند اعمال منطقی و ریاضیات است و برای این که ما برنامه‌ها و اهداف خودمان را به آن انتقال دهیم باید به آنها فعالیت منطقی و ریاضیات بدهیم. در نتیجه شما برای شروع در گرایش هوش مصنوعی و زیرشاخه آن که بخواهید فعالیت کنید، ناچار هستید این دروس رو فرا بگیرید.
نقشه راه یادگیری هوش مصنوعی گام دوم – برنامه نویسی
برنامه نویسی رکن اصلی در زمینه هوش مصنوعی می باشد و شما قبل از تسلط به زبان برنامه نویسی، باید به ساختمان داده و طراحی الگوریتم که از دروس تخصصی کامپیوتر هستند مسلط باشید زیرا شرط لازم برای نوشتن یک برنامه درست و بهینه و با خطای کم، این است که الگوریتم را به درستی بشناسید تا بتوانید مواردی را که باعث صرفه‌جویی و کارآمد بودن بیشتر یک کد می شود را همراه داشته باشید.
از بین زبان‌های برنامه نویسی که با هوش مصنوعی تعامل خوبی دارند، میتوانیم به زبان برنامه نویسی پایتون اشاره کنیم:
پایتون: به دلیل سادگی و داشتن پکیج‌هایی مانند sci-kit learn مختص ایجاد مدل ها و برنامه های هوش مصنوعی است. کار با این کتابخانه به طور عمده در زمینه‌های data mining و data analysis است که طیف وسیعی از الگوریتم‌ها یادگیری ماشین در آن تعبیه شده است، که از محبوب‌ترین زبان‌ها برنامه نویسی است.
بعد از یادگیری مقدماتی زبان برنامه نویسی، باید شیوه کار کردن با کتابخانه‌های مختلف و مرتبط با هوش مصنوعی همانند numpy (کتابخانه‌ای که به کمک آن میتوانیم روی داده‌های عددی‌ای که در حافظه موجود هستند، عملیات مختلفی رو انجام بدهیم) را فرا بگیرید و بارها و بارها تمرین کنید که در استفاده از آن متخصص شوید.
نقشه راه یادگیری هوش مصنوعی گام سوم – مباحث و فیلدهای هوش مصنوعی
بعد از این که از مباحث اولیه عبور کردید، باید دانش عمومی از هوش مصنوعی را آموزش ببینید. بعد از پیشرفت هوش مصنوعی، این رشته به زیر رشته‌های مختلفی تقسیم گردید که در عین ارتباطی که بین این زیرشاخه‌ها وجود دارد، در موارد تخصصی و هدف‌های هر کدام، تفاوت‌های چشم‌گیری را شاهد هستیم.
بسته به علاقه و استعداد خودتان می‌توانید هر کدام از این زیرشاخه‌ها را انتخاب کنید که نقشه راه هر زیرشاخه با زیرشاخه دیگر متفاوت است. البته لازم به ذکر است که یکی دیگر از مهارت‌هایی که به پیشرفت شما در زمینه هوش مصنوعی کمک می‌کند آشنایی کامل و تخصصی با زبان انگلیسی است چرا که به روز بودن و مطالعه‌ی مقالات روز دنیا در این رشته از اهمیت بالایی برخوردار است اکثر این مقالات به زبان انگلیسی هستند و از آن‌جا که یک فیلد در رشته کامپیوتر است یادگیری زبان انگلیسی لازم است. ریاضیات و برنامه نویسی برای همه زیرشاخه‌ها هوش مصنوعی موردنیاز است و در واقع جز قدم‌های اولیه به عنوان پیش‌نیاز به حساب میاد.
