این روزها درباره هوش مصنوعی صحبت های زیادی میشود. هوش مصنوعی یکی از شاخه های علوم کامپیوتری است. این شاخه از علوم کامپیوتری به سرعت در حال پیشرفت است. هر روزه بر تعداد علاقه مندان به این علم افزوده میشود و هر روز خبر های مختلفی درباره این علم و چالش های جدید آن به گوش می رسد. در ادامه توضیح بیشتری در مورد هوش مصنوعی و کاربرد هوش مصنوعی خواهیم داد.
- هوش مصنوعی چیست؟
- شاخه های هوش مصنوعی
- یادگیری ماشین Machine Learning
- فهم زبان طبيعی NLP
- برنامه نويسی ژنتيك Genetic Algorithm
- سيستم های خبره Expert System
- بینایی ماشین Machine Vision
- شبکه عصبی Neural Networks
- روباتیک Robotic
- كاربردهای هوش مصنوعی
- کاربرد هوش مصنوعی در پزشکی
- کاربرد هوش مصنوعی در عمران و معماری
- کاربرد هوش مصنوعی در کامپیوتر
- کاربرد هوش مصنوعی در اقتصاد
- کاربرد هوش مصنوعی در بازی ها
- نمونه های هوش مصنوعی
- آینده هوش مصنوعی

هوش مصنوعی چیست؟
اگر ما ماشینی بسازیم که بتواند مانند مغز انسان یا بخشی از آن کار کند و فعالیتی انجام دهد، به آن هوش مصنوعی Artificial Intelligence میگوییم؛ مثلا ترجمه يك زبان به زبان ديگر. به عبارت ديگر، علم و مهندسی درست کردن ماشين های هوشمند به خصوص به وسیله برنامه های كامپيوتری هوشمند میباشد. هوش مصنوعی، وابسته به كامپيوترهای مورد استفاده برای فهم هوش انسانی میباشد، ولی لازم نيست كه خودش را به روش هايی كه به صورت زيستی قابل مشاهده اند محدود نمايد.
در مجموع، هوش توانايی به دست آوردن و به كار گرفتن دانش و مهارت ها میباشد. انواع و درجه های هوش در افراد و حيوانات و برخی از ماشين ها متنوع است. هنوز يك تعريف جامع از هوش كه به ارتباط آن با هوش بشری وابسته نباشد وجود ندارد. مسأله اين است كه ما هنوز نمیدانيم كه در حالت كلّی چه انواعی از روال های محاسباتی را برای فراخوانی هوش میخواهيم استفاده نماييم.
ما برخی از مكانيزم های هوش را میدانيم و نه بيشتر. كسی نمیتواند بپرسد كه «آيا اين ماشين، هوشمند است يا نه ؟» زيرا هوش شامل طرز كارها می باشد و هوش مصنوعی به چگونگی ساخت كامپيوترها و نه چيزهايی بيشتر پی برده است. اگر انجام يك كار فقط نيازمند مكانيزم هايی كه امروزه به سادگی قابل فهم هستند میباشد و برنامه های كامپيوتری كارهای خيلی مؤثر را در اين موارد میتوانند انجام دهند اين جور برنامه ها بايد تاحدودی هوشمند ناميده شوند.
گاهی اوقات، اما نه هميشه هوش مصنوعی در مورد شبيه سازی هوش بشری میباشد. از يك طرف ما میتوانيم چيزهايی را در مورد چگونگی ساخت ماشين های حل مسائل با مشاهده ی ديگر افراد و يا فقط با مشاهده ی رفتارهای خودمان ياد بگيريم. از طرف ديگر، بيشتر كارها در هوش مصنوعی شامل مطالعه مسائل جهان ارائه شده برای هوش مصنوعی میباشد و در واقع بيش از مطالعه افراد و يا حيوانات میباشد. محقّقان هوش مصنوعی برای استفاده از متدهايی كه در افراد مشاهده نمیشوند يا شامل محاسبه كننده هايی كه به مراتب بيشتر از آنچه كه افراد میتوانند انجام دهند، آزاد هستند.
شاخه های هوش مصنوعی
هوش مصنوعی شامل شاخه های متعددی است. برخی از آنها بسیار مشهور و به قول معروف بورس بازار هستند و برخی از آنها کمتر شناخته شده اند. در ادامه برخی از شاخه های هوش مصنوعی را توضیح می دهیم.
یادگیری ماشین Machine Learning
یادگیری ماشین یا همان ماشین لرنینگ (Machine Learning) یکی از شاخه های معروف هوش مصنوعی است. این شاخه امروزه طرفداران بسیاری دارد. یادگیری ماشین را به صورت کلی و ساده میتوان به این شکل تعریف کرد: مطالعه و بررسی و پیاده سازی ماشین هایی که قابلیت یادگیری از داده ها و اطلاعات پردازش شده را دارند. شما احتمالا هر روز از آن چند باری استفاده میکنید که خبر ندارید. یکی از کاربردهای روزمره آن در گوگل است. هر بار که شما کلمه یا جمله ای را در گوگل جستوجو میکنید به نوعی از یادگیری ماشین استفاده میکنید؛ چرا که نرم افزار های آنها یاد گرفتهاند که چگونه وب سایت های مختلف را دسته بندی و رتبه بندی کنند.
فهم زبان طبيعی NLP
یکی از شاخه های هوش مصنوعی است که جذابیت زیادی برای افراد دارد. در واقع این بخش را میتوان تعامل میان زبان انسان و کامپیوتر دانست. فقط دريافت كلمات متوالی در يك كامپيوتر كافی نمیباشد. فقط تجزيه ی جملات هم كافی نمیباشد. كامپيوتر بايد بفهمد كه متن در چه موردی میباشد و اين مورد به زودی برای دامنه های خيلی محدود امكان پذير میشود. یکی از کارهای جالب هوش مصنوعی در این رابطه این است که کامنت ها را در مورد یک فیلم بررسی میکند و خود هوش میتواند تشخیص دهد که این کامنت به صورت کلی نظر مثبتی در مورد فیلم داشته یا منفی.
برنامه نويسی ژنتيك Genetic Algorithm
يكی از شاخه های هوش مصنوعی برنامه نويسی است كه الگوريتم ژنتيك را برای تمام برنامه های كامپيوتری توسعه میدهد. در برنامه نويسی ژنتيك، جمعيت برنامه ها برای حل مسأله ها توسعه میيابد. از برنامه های ژنتيك میتوان برای حل مسائل طبقه بندی شده، كنترل، روباتيك، بهينه سازی، تئوری بازی ها و الگو شناسی استفاده نمود. برنامه نويسی ژنتيك توسط گروه «جان كوزا» توسعه داده شده است. با کمک الگوریتم ژنتیک یک سری از مسائل به راحتی قابل حل میشوند.
سيستم های خبره Expert System
سيستم های خبره تلاش می كنند كه دانش يك انسان خبره را بگيرند و آن را در يك سيستم كامپيوتری پياده سازی نمايند. از سيستم های خبره انتظار می رود كه بتوانند كارهايی كه به يك فرد خبره نياز دارند را انجام دهند، مثل پزشكی، زمين شناسی و مشورت در سرمايه گذاری. سيستم های خبره برخی از موفق ترين كاربردهای هوش مصنوعی بوده اند زیرا اين برنامه ها بايد در دنيای واقعی كار كنند و با برخی از مشكلات مهم موجود در هوش مصنوعی مواجه شده اند؛ مثلا كمی اطّلاعات ورودی مناسب و استدلال بر پايه احتمال.
يكی از اولين سيستم های خبره در سال ۱۹۷۴ به نام MYCIN بود، كه اثرات باكتری های موجود در خون و معالجات آن را تشخيص می داد. اين دستگاه اين كار را بهتر از دانشجويان پزشكی يا دكترها انجام می داد. يعنی هستی شناسی آن شامل باكتری، نشانها و معالجات بود و كارها را به موقع انجام می داد. از زمانی كه خبرگان با مهندسان همكاری كردند چيزهايی را در مورد بيماران، دكترها، سلامتی، بهبود و … دانستند و واضح است كه دانش مهندسان تحت تأثير آن چه كه خبرگان به آن ها می گفتند در يك چارچوب كاری معين قرار داشت. در وضعيت فعلی هوش مصنوعی، اين مطلب بايد درست باشد.
بینایی ماشین Machine Vision
بینایی ماشین را میتوان به این صورت تعریف کرد که کامپیوترها بتوانند جهان را ببینند، آن را بفهمند و تفسیر کنند. ماشین ها باید بتوانند از تصاویر اطلاعات را دریافت کنند. این دریافت اطلاعات با استفاده از پردازش تصویر (Image Processing) انجام میشود. معمولا سیستم ها به وسیله دوربین دیجیتال تصویربرداری میکنند و به وسیله پردازش تصویر تصویر را پردازش و بعد از آن تصویر را تحلیل میکنند. یکی از جاهایی که بینایی ماشین نقش پر رنگی دارد، صنعت است. امروزه اکثر کارخانه های پیشرفته از بینایی ماشین بهره میبرند. بینایی ماشین میتواند کنترل کیفیت در کارخانه های مختلف را انجام دهد.
شبکه عصبی Neural Networks
شبكههای عصبی از گره ها تشكيل شدهاند. اين گره ها توسط اتّصال هايی به هم وصل میشوند. هر اتصال دارای يك فشار است كه قدرت سيگنال را مشخص میكند. شبكه های عصبی، طبقه بندی را خيلی خوب انجام میدهند؛ ورودی ها را به يك يا بيشتر خروجی تبديل مینمايند و دامنه خروجی به كلاس هايی مجزّا تقسيم میشوند و برای كارهای آموزشی در جايی كه نمیدانيم در جستجوی چه هستيم، خيلی مفيد میباشد؛ مثل صورت شناسی، دست خط شناسی و رانندگی يك اتومبيل.
روباتیک Robotic
یکی دیگر از شاخه های جذاب این عرصه، روباتیک است. در این شاخه به طراحی، ساخت و عملیاتی کردن روبات ها میپردازند. روبات ها معمولا به تقلید از رفتار انسان کارهایی انجام میدهند که این رفتارها معمولا اعمال ساده انسان را انجام میدهند. امروزه از ربات ها در جاهایی استفاده میشود که وجود انسان در آن شرایط برای انسان خطرناک است و رباط سعی میکند تا عمل انسان در آن شرایط را انجام دهد. برای مثال میتوان به خنثی کردن بمب یا مین و بررسی کشتی های غرق شده در اقیانوس ها اشاره کرد.

كاربردهای هوش مصنوعی
با توجه به پیشرفت های روز افزون علم به خصوص در این زمینه، انتظار می رود که در سال های آینده هوش مصنوعی نقش بیشتری در زندگی روزمره ما ایفا کند. امروزه شاید هوش مصنوعی هنوز به جزء لاینفک زندگی ما تبدیل نشده باشد ولی انتظار می رود که این اتفاق اجتناب ناپذیر باشد و در آینده ای نه چندان دور به بخش مهمی از زندگی ما تبدیل شود. در ادامه به چند مورد از كاربردهای هوش مصنوعی اشاره خواهیم کرد.
کاربرد هوش مصنوعی در پزشکی
هوش مصنوعی میتواند از طریق یادگیری عمیق (Deep Learning) کارهایی در حوزه پزشکی انجام دهد. برای مثال میتوان با استفاده از یادگیری عمیق تشخیص سرطان را خیلی زودتر از زمانی که دیگر دیر است تشخیص داد. یکی از سوالاتی که در این حوزه مطرح است این است که هوش مصنوعی فقط در تشخیص بیماری میتواند به ما کمک کند یا میتوان در درمان نیز از آن بهره گرفت؟ برخی متخصصان این حوزه معتقد اند که بشر حدود یک دهه با این در مان به وسیله هوش مصنوعی فاصله دارد.
کاربرد هوش مصنوعی در عمران و معماری
یکی از کارکردهای این علم در حوزه معماری انجام محاسبات است. این مورد در حالی که ساده ترین کاربرد هوش مصنوعی در حوزه معماری است ولی کار را خیلی برای بشر در این حیطه راحت کرده است. خیلی از محاسبات پیچیده را میتوان به وسیله هوش مصنوعی به راحتی حل کرد. یکی دیگر از کاربردهای آن استفاده از هوش مصنوعی در ابزارها و ماشین آلات غول پیکر است. یکی از شرکت های پیشگام در این حوزه شرکت ژاپنی کوماتسو است. هدف آنها افزایش بهرهوری و امنیت است.
کاربرد هوش مصنوعی در کامپیوتر
هوش مصنوعی یکی از گرایش های رشته کامپیوتر است. از این مورد در این رشته بیشتر برای اصلاح و بهبود کارکردها بالا رفتن راندمان کاری استفاده میشود. این علم میتواند به برنامه نویس ها کمک کند. هوش مصنوعی میتواند در زبان های برنامه نویسی ایرادات و خطاهای رایج را شناسایی کرده و در صورت مشاهده اصلاح شده آن را به برنامه نویس نشان دهد. امروزه در کامپایلرها و مفسرهای قدرتمند این موضوع یافت میشود و واقعا کمک شایانی به برنامه نویس ها کرده است.
کاربرد هوش مصنوعی در اقتصاد
اقتصاد امروزه نقش بسیار مهمی در زندگی همه ما ایفا میکند. استفاده از این علم در اقتصاد کمک های شایانی به بشر کرده است. با استفاده از این علم میتوان کارهای زیادی در حوزه اقتصاد انجام داد. برای مثال استفاده از هوش مصنوعی در بازار بورس و پیش بینی شاخص ها یکی از مسائل داغ در مباحث اقتصادی محسوب میشود. هوش مصنوعی تغییرات شاخص ها در گذشته را بررسی میکند و یاد میگیرد، سپس به پیش بینی نرخ ها و شاخص ها بر اساس داده هایی که از اتفاقات گذشته گرفته میپردازد.
کاربرد هوش مصنوعی در بازی ها
بازی ها مواردی خوب برای تحقيق می باشند؛ زيرا بازی ها كوچك و جامع هستند. بنابراين به آسانی برنامهريزی میشوند. بازی ها مدل های خوبی از وضعيتهای رقابتی می توانند باشند، بنابراين روش های طراحی شده برای تئوری بازی ها شايد بتوانند در مسائل عملی هم به كار گرفته شوند. در آن ها برخی از موارد هوش مصنوعی وجود دارد، اما آن ها به خوبی افراد بازی می كنند و برخلاف افراد هستند كه بيشتر با محاسبات جبری بی فكر بازی می كنند و به صدها هزار وضعيت نگاه می كنند.

نمونه های هوش مصنوعی
همانطور که قبلا اشاره کردیم هوش مصنوعی هنوز به جزء لاینفک زندگی بشر تبدیل نشده است. اما همانطور که همه ما میدانیم امروزه در برخی موارد از هوش مصنوعی در نمونه های مختلف استفاده میشود. شاید این موارد و نمونه ها خیلی زندگی انسان های عادی را درگیر نکرده باشد ولی در برخی موارد خاص هوش مصنوعی نقش مهم و به سزایی را بازی میکند. در ادامه به چند نمونه کاربرد اشاره خواهیم کرد.
بازاریابی
در سال ۱۹۹۱، کاری و مارتین هو به بحث در رابطه با نقش هوش مصنوعی در بازاریابی پرداختند و جایگاه یابی رقابتی را به وسیله متدولوژی هدف گرا مورد تجزیه و تحلیل قرار دادند. الیس و همکارانش در سال ۱۹۹۱ گزارشی از پیشرفت های کاربرد مدل های شبکه عصبی در مواجهه با استراتژی قیمت گذاری کششی ارائه کردند در حالی که پراکتر در سال ۱۹۹۲ چگونگی کاربرد تکنولوژی شبکه های عصبی در یادگیری مدل های داده بازاریابی و نقش آنها را در ساختن سیستم های پشتیبانی از تصمیمات بازاریابی به نمایش گذاشت. رای و همکارانش در سال ۱۹۹۴ شبکه های عصبی را در کمی سازی فاکتورهای موثر در کیفیت روابط خریدار و فروشنده مورد استفاده قرار می گیرد.
بانکداری و حوزه های مالی
یکی از كاربردهای هوش مصنوعی می توان به این موارد اشاره کرد: کاربرد های اعتباری، تجزیه و تحلیل های مالی، سرمایه گذاری مالی، تجزیه و تحلیل بازار سهام. محققان بسیاری به بررسی این علم در بانکداری و مباحث مالی پرداخته اند. از آن جمله، در سال ۱۹۹۳، تفتی و نیکبخت به بحث در ارتباط با استفاده از این علم توسط سازمان ها و شرکت های مالی در جهت اهداف متفاوت امتیاز بندی اعتبار پرداختند. دستاورد حاصل شده در مقایسه با نتایج به دست آمده از متوسط انحراف از میانگین، نتایج قابل قبولی بود.
پیش بینی
پیش بینی یکی از قدیمی ترین فعالیت ها و وظایف مدیریت و تجارت بوده است. در روزگاران قدیم نمونه هایی از پیشگویی ها و پیش بینی ها وجود دارد. به طور کلی مدیری می تواند موفق باشد که که از قوه ی تجسم بالایی در تصمیم گیری و قضاوت برخوردار باشد. روش های هوش مصنوعی توانایی بالایی را در پیش بینی و ارائه عملکرد بهتر در مواجهه با مسائل غیر خطی و سایر مشکلات مدل سازی سری های زمانی نشان داده اند. تحقیقات کانلن و جیمز در سال ۱۹۹۸ نشان داد که می توان بین خصیصه های دارایی های اقتصادی و ارزش دارایی های تجاری در یک بازار ارتباط برقرار کرد.

آینده هوش مصنوعی
نظرات پیرامون آینده هوش مصنوعی دوگانه است. از طرفی این علم می تواند خیلی از کار های پیش پا افتاده را به راحتی انجام دهد. همچنین می تواند در صنعت کمک شایانی به صنعتگران کند؛ در این مورد می توان به کمپانی تسلا اشاره کرد که در این زمینه فعالیت های زیادی انجام داده است. اما از طرفی پیشرفت زیاد در این حوزه می تواند به بشر نیز آسیب بزند. برای مثال اگر ابر هوشی ساخته می شود که کار آن پاکسازی محیط زیست است. حال اگر این ابر هوش تشخیص دهد که تنها راه حل پاکسازی محیط زیست حذف بشر است، آن وقت چه باید کرد؟
ولی نگاه بهتری هم به این موضوع می توان داشت؛ امکان دارد در آینده به کمک هوش مصنوعی سفر به مریخ امکان پذیر شود و یا حتی سفر هایی دورتر از مریخ. شاید بتوان به کمک هوش مصنوعی محیط زیستی بهتر از آنچه که الان وجود دارد، داشته باشیم؛ البته بدون مشکل مطرح شده در بند قبل. شما چگونه فکر می کنید؟ آیا هوش مصنوعی را تهدیدی برای بشر تصور می کنید یا اعتقاد دارید هوش مصنوعی می تواند کار های بزرگی برای بشر انجام دهد؟







