آیا هوش مصنوعی، واقعا انقلابی در فناوری ایجاد کرده است؟
این روزها همه درباره هوش مصنوعی صحبت می‌کنند؛ از هیئت‌های مدیره تا کارگران کارخانه، از مراکز تماس تا بخش‌های لجستیک، از دولت‌ها تا سرمایه‌گذاران ریسک‌پذیر.
هوش مصنوعی تبدیل به داغ‌ترین موضوع شده است. اما آیا هوش مصنوعی فقط یک تب زودگذر است؟ پاسخ منفی است.
شاید هوش مصنوعی بزرگ‌ترین تحول فناوری باشد که دنیا تاکنون به خود دیده است. در این مقاله می‌خوانیم که چرا هوش مصنوعی، انقلابی در فناوری محسوب می‌شود.
در بیست و چند سال گذشته، کسب‌وکارها با تحولات بزرگی روبرو بوده‌اند. در واقع، تحول دیجیتال باعث شده که بیش از نیمی از شرکت‌های لیست Fortune 500 از سال 2000 به این سو از لیست خارج بشوند. دلیلش این است:
اقتصاددانان هوش مصنوعی را جزو فناوری‌های عام‌منظوره دسته‌بندی می‌کنند. این فناوری‌های عام‌منظوره اهمیت بسیاری دارند؛ از این دسته فناوری‌ها می‌توان به برق و موتور احتراق داخلی اشاره کرد. اهمیت آن‌ها در این است که علاوه بر تاثیر مستقیم بر جامعه و ایجاد تحول، باعث می‌شوند نوآوری‌های بسیار گسترده دیگری هم پدید بیاید. برق باعث شد که برق‌رسانی به کارخانه‌ها و ارتباط با تلگراف راه بیفتد.
موتورهای احتراق داخلی هم منجر به ساخت خودرو، هواپیما و حمل و نقل مدرن و شبکه‌های لجستیک شدند. هوش مصنوعی هم در چنین مقیاسی روی جامعه تاثیر خواهد گذاشت.
هوش مصنوعی وجودش را مدیون یک سری از روندهایی با رشد سریع است. این روندها باعث می‌شوند موانع ورود به بسیاری از صنایع برداشته شوند. موج جدیدی از شرکت‌هایی دارند به بازار می‌آیند که بخش اصلی کارشان هوش مصنوعی است. به این ترتیب زمین بازی در حال تغییر است. این شرکت‌های جدید، سریع‌تر هستند، سیستم‌های فناوری قدیمی ندارند، کانال‌های ارتباطی آن‌ها جدید است و نیازی به بازآموزی کارکنان ندارند.
سرمایه‌گذاری خصوصی در هوش مصنوعی رشد بسیار سریعی داشته است. تعداد اختراعات ثبت‌شده در حوزه هوش مصنوعی به رکوردهای جدیدی رسیده است. دولت‌ها و دانشگاه‌ها می‌خواهند که اقتصادها از مزایای فناوری نهایت استفاده را ببرند.
در انگلیس، یک گزارش دولتی نشان داده که هوش مصنوعی می‌تواند 630 میلیارد پوند برای اقتصاد سود به همراه داشته باشد. پنج دانشگاه بزرگ انگلیس با هم موسسه آلن تورینگ را ساخته‌اند که موسسه ملی انگلیس برای علم داده و هوش مصنوعی است. یک مرکز ملی نوآوری داده با 30 میلیون پوند هم در دانشگاه نیوکاسل ساخته شده است. این مبلغ را دولت و دانشگاه‌ها تامین کرده‌اند.
همه این‌ها نشان می‌دهند که سرمایه‌گذاری در هوش مصنوعی سرعت یافته است. هوش مصنوعی این‌جاست و همه مدیران باید به این موضوع توجه کنند.
هوش مصنوعی چیست؟
شما درباره هوش مصنوعی زیاد شنیده‌اید و می‌دانید که موضوع مهمی است.
اما هوش مصنوعی دقیقا چیست؟
پاسخ به این پرسش به این سادگی‌ها نیست. در واقع، تعریف واحدی از «هوش مصنوعی» وجود ندارد. هوش مصنوعی‌ای که ما می‌شناسیم، در واقع یک فناوری نیست، بلکه مجموعه‌ای از فناوری‌های متفاوت است که آن‌ها را می‌توان کنار هم قرار داد و کاری کرد که ماشین‌ها بتوانند در سطحی که به نظر در حد هوش انسان است، عمل کنند.
به جای آن که ما هم تلاش کنیم یک تعریف به تعاریف موجود اضافه کنیم، ترجیح می‌دهیم هوش مصنوعی را چارچوبی از ظرفیت‌ها ببینیم. این بهترین راه برای درک هوش مصنوعی و فناوری‌های زیرین آن است. چارچوب ما حول چیزهایی است که هوش مصنوعی امکانش را فراهم می‌سازد تا ماشین‌ها انجامشان دهند.
این‌ها چهار موضوع هستند: حس، ادراک، اقدام و آموزش.
حس: هوش مصنوعی به یک ماشین این امکان را می‌دهد که دنیای پیرامون را با دریافت و پردازش تصاویر، صداها، گفتار، متن و داده‌های دیگر حس و درک کند.
ادراک: هوش مصنوعی یک ماشین را قادر می‌سازد که اطلاعاتی که گردآوری می‌کند را با شناخت الگوها، درک کند؛ همان‌طور که انسان‌ها اطلاعات را با درک الگوها و زمینه‌های آن‌ها تفسیر می‌کنند. البته ماشین‌ها معنای واقعی را نمی‌فهمند.
اقدام: هوش مصنوعی به یک ماشین این امکان را می‌دهد که بر مبنای آن ادراک، کارهایی را در دنیای فیزیکی یا دیجیتال انجام دهد.
آموزش: هوش مصنوعی به یک ماشین این امکان را می‌دهد که به صورت مداوم، عملکرد خود را از طریق یادگیری موفقیت یا شکست اقداماتش بهبود بخشد.
رایانش شناختی و هوش مصنوعی
رایانش شناختی اصطلاحی است که متخصصان هوش مصنوعی زیاد به کار می‌برند.
رایانش شناختی چیست؟ و چه فرقی با هوش مصنوعی دارد؟
متاسفانه، همان‌طور که هوش مصنوعی تعریفی ندارد که همه آن را قبول داشته باشند، رایانش شناختی هم معانی مختلفی برای افراد مختلف دارد. شناخت را می‌توان به ظرفیت‌های ادراکی هوش مصنوعی اطلاق کرد؛ یعنی توانایی هوش مصنوعی در این که محیط را حس و درک کند.
قدرت یادگیری ماشین
قابلیت یادگیری برای هوش مصنوعی اهمیت بسیار بالایی دارد.
در واقع، این که یک سیستم بتواند از روی داده‌هایش تصمیم بگیرد که کدام اقدامات را باید برای انجام دادن یک کار داشته باشد، نه این که کد اقدامات به صورت مستقیم و از پیش‌تعیین‌شده به آن داده شود، چیزی است که یک سیستم را هوشمند می‌سازد و هوش مصنوعی را از سایر انواع اتوماسیون جدا می‌کند.
وقتی که بهترین سیستم‌های هوش مصنوعی به سراغ یادگیری می‌روند، نتایجشان خیره‌کننده است.
AlphaGo، هوش مصنوعی شرکت دیپ‌مایند گوگل، اولین کامپیوتری شد که یک بازیکن حرفه‌ای را در بازی فوق‌العاده پیچیده Go شکست می‌دهد. به AlphaGo قوانین بازی را یاد دادند و هزاران بازی بین دو انسان را در اختیارش قرار دادند و خود این کامپیوتر توانست استراتژی‌های پیروزی را کشف کند. نتیجه این شد که کامپیوتر بر لی سدول، قهرمان اسطوره‌ای بازی Go غلبه کرد.
اما موفقیت دیپ‌مایند در همین خلاصه نمی‌شود. این شرکت توانست نسخه دوم و قوی‌تر AlphaGo را به نام AlphaGo Zero بسازد، که فقط با بازی با خود توانست استراتژی‌های پیروز شدن را یاد بگیرد. این کامپیوتر هیچ نیازی به دیدن حرکات بازیکنان نداشت. کامپیوتر AlphaZero حتی از این هم فراتر رفت و ثابت کرد که می‌تواند با بازی با خودش، شطرنج را یاد بگیرد و در عرض تنها چهار ساعت آموزش، از سطح انسان عبور کند.
نکته جالب این که AlphaZero در اصل برای بازی شطرنج طراحی نشده بود. جاناتان شفر، استاد علوم کامپیوتر دانشگاه آلبرتا، که متخصص سیستم‌های بازی شطرنج است، بر این باور است که دقیقا به همین دلیل بوده که AlphaZero توانسته استراتژی‌های عجیب و غیرمعمولی برای بردن شطرنج پیدا کند. به این ترتیب، AlphaZero گام مهمی از حرکت از هوش مصنوعی محدود به سمت هوش مصنوعی عمومی باشد.
این همان چیزی است که به آن یادگیری ماشین می‌گوییم. دلیل قدرت آن هم ساده است:
ما انسان‌ها در انجام فعالیت‌های مختلف مهارت‌های فوق‌العاده‌ای داریم، اما دقیقا نمی‌دانیم که کارهایمان را چطور انجام می‌دهیم. برای مثال، ما هویت یک فرد را به‌سادگی از روی چهره تشخیص می‌دهیم، اما نمی‌دانیم که چه سازوکار دقیق فیزیولوژیکی پشت آن نهفته است. این باعث می‌شود که اگر بخواهیم کد تشخیص چهره را برای یک کامپیوتر از روی الگوریتم ذهنی خودمان بنویسیم، کارمان خیلی سخت باشد. اما یادگیری ماشین، به ماشین اجازه می‌دهد که همه کارها را خودش انجام بدهد. یکی از نقاط قوت مهم یادگیری ماشین این است که می‌تواند الگوها را در حجم بسیار بزرگی از داده‌ها پیدا کند.
در قسمت بعدی این مقاله به بحث هوش مصنوعی و یادگیری بیشتر می‌پردازیم.
