هوش مصنوعی چیست؟
سیستم های هوش مصنوعی وجود دارند که اطلاعات دریافتی را تجزیه و تحلیل می کنند و بر اساس آن عمل می کنند. رفتار هوشمندانه برای دستیابی به اهداف خاصی طراحی شده است. سیستم هوش مصنوعی این اقدامات را با درجه خاصی از استقلال انجام می دهد.
مقدمه ای بر هوش مصنوعی
از آنجایی که هوش مصنوعی بر بسیاری از رشته ها و زمینه ها تأثیر می گذارد، باید به بحث و گفتگوی معنادار و مؤثر در مورد آن توجه بیشتری شود.
برای مثال، استدلالهای مربوط به «سیستمهای خبره» ساده که در نقشهای مشاوره استفاده میشوند باید از الگوریتمهای پیچیده مبتنی بر دادهها که بهطور خودکار برای افراد تصمیمگیری میکنند، متمایز شوند.
به طور مشابه، مهم است که بحثهای هوش مصنوعی فعلی را که جامعه را تحت تأثیر قرار میدهند، از بحثهایی درباره تحولات آینده که ممکن است هرگز رخ ندهند، متمایز کنیم.
هوش مصنوعی چگونه کار می کند؟
در زیر یک نمای کلی هوش مصنوعی برای برخی از تکنیک های کلیدی زیر بنر هوش مصنوعی آورده شده است. آنها بر اساس تقویم به سه گروه تقسیم می شوند. این شامل:
هوش مصنوعی نمادین
یادگیری ریاضی هوش مصنوعی
هوش مصنوعی "قوی" یا "عمومی".
موج اول هوش مصنوعی
موج اول تکنیک های هوش مصنوعی اولیه به عنوان "هوش مصنوعی نمادین" یا سیستم های خبره شناخته می شود. در اینجا، متخصصان انسانی رویههای مبتنی بر قوانین دقیق را ایجاد میکنند که به نام «الگوریتمها» شناخته میشوند که رایانه گام به گام آنها را دنبال میکند تا تصمیم بگیرد که چگونه هوشمندانه به یک موقعیت خاص پاسخ دهد.
منطق فازی نوعی رویکرد است که سطوح مختلفی از اطمینان را در مورد یک موقعیت فرض میکند و برای گرفتن دانش شهودی مفید است، به طوری که یک الگوریتم در مواجهه با متغیرهای متقابل بزرگ و نامشخص میتواند تصمیمات خوبی بگیرد.
اما هوش مصنوعی نمادین گاهی اوقات بهتر عمل می کند. اگرچه ممکن است این روشها قدیمی به نظر برسند، اما همچنان بسیار مرتبط هستند و همچنان با موفقیت در زمینههای مختلف به کار میروند و لقب «هوش مصنوعی قدیمی» را به خود اختصاص دادهاند.
موج دوم هوش مصنوعی
موج دوم هوش مصنوعی شامل روش هایی است یک مدل جدید "داده محور" در دو دهه گذشته به سرعت تکامل یافته است. و برای احیای هوش مصنوعی امروزی بسیار مهم هستند.آنها فرآیند یادگیری الگوریتم ها را خودکار می کنند و متخصصان انسانی موج اول هوش مصنوعی را دور می زنند.
شبکه های عصبی مصنوعی (ANN) از عملکردهای مغز الهام گرفته شده اند. ورودی ها به سیگنال هایی تبدیل می شوند که توسط شبکه ای از نورون های مصنوعی تولید می شوند که به عنوان پاسخ به ورودی ها تفسیر می شوند. افزودن نورون ها و لایه های بیشتر به شبکه های عصبی مصنوعی اجازه می دهد تا مشکلات پیچیده تری را مدیریت کنند. به زبان ساده، یادگیری عمیق به یک شبکه عصبی مصنوعی با چندین لایه اشاره دارد.
یادگیری ماشینی (ML) در مورد تغییر شبکه است به طوری که خروجی در پاسخ به ورودی مفید یا هوشمند در نظر گرفته شود. الگوریتمهای ML میتوانند این فرآیند یادگیری را با مقیاسبندی پیشرفتها به یک ANN منفرد یا با استفاده از اصول تکاملی برای مقیاسسازی بهبودها برای جمعیتهای بزرگ شبکههای عصبی مصنوعی خودکار کنند.
موج سوم هوش مصنوعی
موج سوم هوش مصنوعی به امواج آینده هوش مصنوعی اشاره دارد. در حالی که تکنیکهای موج اول و دوم بهعنوان هوش مصنوعی ضعیف یا باریک تعریف میشوند، به این معنا که میتوانند به صورت هوشمندانه روی وظایف خاص انجام دهند، هوش مصنوعی «قوی» یا «عمومی» به الگوریتمهایی اشاره دارد که میتوانند در زمینههای مختلف اطلاعات ارائه کنند.
چالش هوش عمومی مصنوعی (AGI) با فناوری فعلی غیرممکن است و نیاز به توسعه انقلابی دارد. برخی از رویکردهای ممکن از جمله روشهای تکاملی پیشرفته، محاسبات کوانتومی و شبیهسازی مغز مورد بحث قرار گرفتهاند. سایر اشکال آینده هوش مصنوعی، مانند خودمختاری و هوش مصنوعی، ممکن است در جاه طلبی های خود متواضع به نظر برسند، اما تأثیر و موانع اجرای آنها را نباید دست کم گرفت.
چرا هوش مصنوعی مهم است؟
اکنون مشکلات متعددی در ارتباط با هوش مصنوعی وجود دارد. به طور کلی، می توان از آنها برای ایجاد تعادل بین دو نوع اجتناب استفاده کرد:
برای از دست دادن فرصت ها کافی نیست و
اغلب از هوش مصنوعی برای کارهایی استفاده می شود که منجر به نتایج نامناسب یا مشکل ساز می شود.
فرآیند ML یا یادگیری ماشینی، برخی از الگوریتم ها را در برابر سوگیری آسیب پذیر می کند و پیچیدگی آنها درک و توضیح منطق تصمیم گیری آنها را دشوار می کند. مسائل مهم
اطمینان از توزیع یکنواخت هزینه ها و مزایای هوش مصنوعی
از ورود منابع به بازارهای رقابتی خودداری کنید
اولویت بندی برنامه هایی که نابرابری های ساختاری موجود را کاهش می دهند نه تشدید آنها
وجود دارد. چالش های کلیدی دیگر عبارتند از:
پذیرش عمومی این فناوری،
سازگاری آن با ارزش های اجتماعی
نگرانی هایی در مورد برخی کاربردهای نظامی وجود دارد.
چالش های آینده با هوش مصنوعی
همچنین فرصت ها و چالش های درازمدت زیادی وجود دارد که به پیشرفت های آینده بستگی دارد که ممکن است هرگز اتفاق نیفتد. برخی از سناریوهای آرمانشهری و دیستوپیایی ممکن است به چرخه تبلیغات کمک کنند، اما همچنین فرصتی برای آماده شدن برای روندهای معتدلتر و تأمل در مورد آنچه از فناوری میخواهیم فراهم میکنند.
به عنوان مثال، پیشنهاد شده است که هوش مصنوعی می تواند:
منجر به از دست دادن مشاغل خاص یا منسوخ شدن ایده شغل شود
از کنترل انسان خارج شوید و کنترل پیشرفت خود را در دست بگیرید
ادعای استقلال انسان یا ایجاد احساسات یا آگاهی مصنوعی