هوش مصنوعی چیست؟ همه چیز درباره تاریخچه و کاربرد AI

هوش مصنوعی در سال‌های اخیر، به ‌واسطه‌ی چند برنامه و وبسایت جدید، جای پررنگی در زندگی روزمره‌ی بیشتر افراد پیدا کرده است. اما، لازم است این نکته را در نظر داشته باشیم که حضور هوش مصنوعی در زندگی ما محدود به این چند مورد اخیر نبوده و در طول تاریخ، تقریباً از زمان یونان و مصر باستان، ما در حال بهره بردن از مزایای AI هستیم!

هوش مصنوعی چیست؟

درواقع هوش مصنوعی روشی است که به واسطه‌ی آن می‌توان یک کامپیوتر، یک ربات کنترل شده توسط کامپیوتر و یا یک نرم‌افزار که بتواند مانند ذهن انسان هوشمندانه فکر کند را ایجاد کرد. این کار با مطالعه‌ی الگوهای مغز انسان و تحلیل فرایندهای شناختی او انجام می‌شود؛ مطالعاتی که موجب توسعه‌ی نرم‌افزارها و سیستم‌های هوشمند می‌شوند. به‌این‌ترتیب کاربردهای خاص AI می‌تواند مواردی مانند سیستم‌های تخصصی پردازش زبان طبیعی، تشخیص گفتار و دید (بینایی) ماشینی باشد. کارشناس‌ها معتقدند که  AI می‌تواند خود به عاملی برای تولید تبدیل شود، چرا که پتانسیل معرفی منابع جدید رشد و تغییر روش انجام کار در صنایع را دارد.

تاریخچه‌ی هوش مصنوعی

شاید برایتان جالب باشد که بدانید از دوران باستان اعتقاد بر این بوده که اشیاء بی‌جانی که برخوردار از هوش هستند وجود دارند! هفائستوس یکی از اساطیر یونان باستان و خدای آهنگری و صنعت‌گری است که در اسطوره‌ها به‌گونه‌ای به تصویر کشده شده است که خدمتکارانی شبیه به ربات‌ها را از طلا می‌ساخته است. مهندس‌های مصر باستان هم مجسمه‌هایی از خدایان را که توسط کشیشان متحرک شده بودند، ساخته‌اند.  درواقع صحبت از تاریخچه‌ی هوش مصنوعی، صحبت از موضوع جذابی است که به قرن‌ها پیش برمی‌گردد. باوجود اینکه این موضوع پیشینه‌ای از زمان باستان دارد، اما AI به‌عنوان یک رشته‌ی متمایز و پیشرو، از اواسط قرن بیستم شکل رسمی و جدی به خود گرفت. برای مثال، یکی از جدی‌ترین اتفاقاتی که در آن دوره رخ داد، طراحی اولین شبکه‌های عصبی توسط وارن مک کالوچ و والتر پیتس در ۱۹۴۳ میلادی بود.

عملکرد جدی‌تر و پیشرفته‌‌تر هوش مصنوعی، به سال‌های ۱۹۵۰ و ۱۹۶۰ برمی‌گردد؛ زمانی که محققان توانستند برنامه‌هایی بسازند که قدرت استدلال انسان، حل مسئله و یادگیری را از او تقلید کند. این برنامه‌ها که پیشرفت بسیار چشمگیری در AI به حساب می‌آمدند خود به عنوان پایه‌ و مبنایی برای توسعه‌ی سیستم‌های پیشرفته‌تر استفاده شدند. اما یکی از نقاط عطف مهم در دنیای AI، در دهه‌ی ۱۹۷۰ میلادی رخ داد؛ زمانی که روند روبه‌جلوی هوش مصنوعی با یک پسرفت جدی مواجه شد و محققان متوجه شدند که وعده‌هایی که توسط برنامه‌های هوش مصنوعی داده شده، این امکان را ندارند که به صورت کامل محقق شوند. از این اتفاق به عنوان اولین زمستان AI یاد می‌شود؛ دوره‌ای که منجر به کاهش شدید بودجه‌های اختصاص یافته به تحقیقات این حوزه شد.

اما این زمستان پایدار نبود و خوشبختانه در دهه ۱۹۸۰ بود که بهار هوش مصنوعی دوباره از راه رسید! در طول این مدت، تکنیک‌ها و الگوریتم‌های جدیدی توسعه پیدا کردند و عملاً مسیر را برای بهبود عملکرد برنامه‌های پیشرفته‌تری که می‌توانستند وظایف پیچیده‌تری انجام دهند، هموار کردند.

در این دهه، محققان تمرکز خود را بر روی یادگیری ماشین یا همان ماشین لرنینگ متمرکز کردند، اتفاقی که به رایانه‌ها اجازه می‌داد از داده‌ها یاد بگیرند و در طول زمان، عملکرد خود را بهبود ببخشند. این رویکرد باعث پیشرفت‌های قابل توجهی در زمینه‌یAI شد. توسعه‌ی شبکه‌های عصبی با الهام از ساختار و عملکرد مغز هم مدیون تلاش‌های این دوره است.

پیشگامان عرصه‌ی هوش مصنوعی

در طول تاریخ هوش مصنوعی، از افراد تأثیرگذار متعددی می‌توان نام برد. برای مثال آلن متیسون تورینگ، منطق‌دان بریتانیایی و پیشگام عرصه‌ی کامپیوتر، در اواسط قرن بیستم کمک‌های قابل توجهی به این حوزه کرد. کار او بر ماشین‌های محاسباتی انتزاعی، پایه و اساس تحقیقات هوش مصنوعی مدرن را شکل داد.

جان مک کارتی، دانشمند عرصه‌ی کامپیوتر و علوم شناختی آمریکایی، دیگر چهره‌ی شناخته‌ شده‌ی این حوزه است. او بود که در سال ۱۹۵۶ تعریف خود از AI را ارائه داد و اصطلاح «هوش مصنوعی» را ابداع کرد.

سیستم‌های موثر در حوزه‌ی هوش مصنوعی

هنگام مرور تاریخچه‌ی AI نمی‌توانیم از سیستم‌ها و برنامه‌یی که تأثیر قابل توجهی بر پیشرفت این عرصه داشته‌اند، نام نبریم. برای مثال، سیستم Theseus، اولین سیستمی بود که توانایی یادگیری از تجربه و حل مسائل را در یک حوزه‌ی خاص نشان داد.

ELIZA نیز یک برنامه‌ی پردازش زبان طبیعی بود که توانست مکالمه‌ی انسانی را شبیه‌سازی کند و پتانسیل AI را در تعامل کامپیوتر و انسان، به نمایش بگذارد.

نقطه‌ی عطف مهم دیگر توسط Deep Blue رخ داد، اَبَررایانه‌ای که در سال ۱۹۹۷، توانست قهرمان شطرنج را در مسابقه شکست دهد و قدرت هوش مصنوعی را در تصمیم‌گیری استراتژیک، به جهانیان نشان دهد!

نفوذ AI در زندگی روزمره‌ی امروز ما، نسبت به سال‌های گذشته، رنگ و بوی متفاوتی به خود گرفته. حالا کمتر کسی هست که سراغ چت جی پی تی نرفته باشد و از آن سوال‌های مختلف و بعضاً عجیبی نپرسیده باشد! ما امروز برنامه‌ای چون میدجورنی را داریم که می‌تواند توسط AI، در کمترین زمان ممکن تصویرسازی کند و تنها کافی‌ست شبکه‌ی اجتماعی دیسکورد را داشته باشیم و با پرداخت ارزی تا بتوانیم وارد دنیای هیجان‌انگیز تصویرسازی با AI شویم. نکته مهم اینجاست که ردپای AI در زندگی امروز ما انقدر گسترده‌ شده که جدا کردن آن از زندگی عادی ما، عملاً امکان‌پذیر نیست. ما پیشرفت‌های چشمگیری چون اتومبیل‌های خودران را، مدیون بلندپروازی‌های افرادی چون وارن مک کالوچ، والتر پیتس، آلن متیسون تورینگ، جان مک کارتی و بسیاری افراد دیگر هستیم!

درک ساده‌تر از هوش مصنوعی

به‌طور کلی سیستم‌های هوش مصنوعی می‌توانند وظایفی را انجام دهند که مرتبط با عملکردهای شناختی انسان هستند؛ مثلا تفسیر گفتار، اجرای بازی‌ها و شناسایی الگوها. این اتفاق عموماً به واسطه‌ی پردازش حجم انبوهی از داده‌ها رخ می‌دهد؛ AI در این فرایندها، در حال ساختن مدلی برای تصمیم‌گیری براساس اطلاعات دریافتی است. در بسیاری از موارد، انسان‌ها بر فرایند یادگیری AI نظارت دارند؛ آن‌ها تصمیم‌های خوب را تقویت می‌کنند به تصمیم‌های بد بازخورد منفی می‌دهند. اما بعضی از سیستم‌های AI هم بدون نیاز به نظارت طراحی شده‌اند؛ مثلاً یک بازی کامپیوتری که با بارها انجام دادنش، موفق به پیدا کردن الگوی برنده شدن می‌شود.

هوش مصنوعی قوی در برابر هوش مصنوعی ضعیف

از آنجایی که تعریف هوش مصنوعی کار ساده‌ای نیست، معمولاً کارشناسان این حوزه بین هوش مصنوعی قوی و هوش مصنوعی ضعیف تمایز قائل می‌شوند:

هوش مصنوعی قوی

هوش مصنوعی قوی که به آن هوش مصنوعی عمومی نیز گفته می‌شود، به ماشینی گفته می‌شود که قادر به حل مشکلاتی است که هرگز برای کار روی آن‌ها آموزش ندیده است؛ بسیار شبیه به انسان. این دسته از AI خیلی شبیه به چیزی است که در فیلم‌ها می‌بینیم، مثلاً ربات‌های westworld. ذکر این نکته ضروری است که چنین سطحی از هوش مصنوعی، هنوز وجود ندارد.

ایجاد یک ماشین با هوشی در سطح انسان که بتواند هر کاری را انجام دهد، جام مقدس محققان این عرصه به حساب می‌آید! تلاش‌هایی که تا کنون برای هوش مصنوعی عمومی انجام گرفته هم با مشکلات مختلفی همراه بوده؛ مضاف‌براینکه عده‌ای معتقدند AI اساساً باید محدود باشد زیرا قدرتمند بودن یک هوش مصنوعی عمومی می‌تواند خطرات بالقوه‌ای به همراه داشته باشد.

هوش مصنوعی ضعیف

هوش مصنوعی ضعیف که به آن هوش مصنوعی باریک یا تخصصی هم گفته می‌شود به دسته‌ای از سیستم‌های هوش مصنوعی گفته می‌شود که برای وظایف خاصی طراحی شده‌اند و تنها به همان وظایف محدود می‌شوند. در نتیجه‌ در حوزه‌ی تعریف شده‌ی خودشان عملکردی عالی دارند اما هوش عمومی ندارند. اگر با دستیار صوتی «سیری» یا «الکسا» آشنا باشید، یکی از بهترین مثال‌ها در برای هوش مصنوعی ضعیف هستند. باوجود اینکه ممکن است این ماشین‌ها بسیار هوشمند به‌نظر برسند، اما در حقیقت از ابتدایی‌ترین هوش انسانی هم محدودیت‌های بیشتری دارند.

مثال‌های دیگری از هوش مصنوعی ضعیف عبارت‌اند از:

• اتومبیل‌های خودران
• جستجوی گوگل
• ربات‌های مکالمه‌ای
• فیلترهای اسپم ایمیل
• پیشنهادهای نتفلیکس
• مراقب آزمون دولینگو

یادگیری ماشینی در مقابل یادگیری عمیق

یکی از نکات مهمی که در مبحث AI باید به آن توجه داشت، استفاده‌ی درست از دو اصطلاح «یادگیری ماشینی» و «یادگیری عمیق» و عدم استفاده از آن‌ها به جای یکدیگر است. یادگیری عمیق نوعی یادگیری ماشینی و یادگیری ماشینی، از زیرشاخه‌های AI است.

یادگیری ماشینی

یک الگوریتم یادگیری ماشینی، داده‌ها را از کامپیوتر دریافت می‌کند و با استفاده از تکنیک‌های آماری به آن کمک می‌کند تا «یاد بگیرد» که چگونه به‌تدریج در یک کار بهتر شود، بدون آنکه لزوماً برای آن کار خاص برنامه‌ریزی شده باشد. درواقع الگوریتم‌های یادگیری ماشینی از داده‌های ورودی استفاده می‌کنند تا بتوانند مقادیر خروجی را پیش‌بینی کنند.

یادگیری عمیق

یادگیری عمیق نوعی یادگیری ماشینی است که با الهام از شبکه‌ی عصبی انسان، داده‌های ورودی را اجرا می‌کند. شبکه‌های عصبی لایه‌های پنهانی دارند که از طریق آن‌ها داده‌ها را پردازش می‌کنند و به‌این‌ترتیب به ماشین‌ها اجازه می‌دهند تا در یادگیری خود «عمیق» شوند و اتصالاتی ایجاد کنند که آن‌ها را به بهترین نتایج برساند.

انواع هوش مصنوعی

انواع مختلف هوش مصنوعی را از دیدگاهی دیگر، می‌توان به‌‎این‌ترتیب طبقه‌بندی کرد:

کاملاً واکنشی

این دسته از ماشین‌ها، هیچ نوع حافظه یا داده‌ای ندارند که روی آن کار کنند و تنها در یک زمینه تخصص دارند. برای مثال، در بازی شطرنج، ماشین حرکات را نگاه می‌کند و بهترین تصمیم ممکن برای برنده شدن را می‌گیرد.

حافظه‌ی محدود

این ماشین‌ها داده‌های قبلی را جمع‌آوری کرده و آن‌ها را به حافظه‌ی خود اضافه می‌کنند. باوجود اینکه این دسته از ماشین‌ها حافظه یا تجربه‌ی کافی برای تصمیم‌گیری صحیح را دارند، اما میزان حافظه‌ی آن‌ها حداقلی است. برای مثال، چنین سیستمی می‌تواند براساس اطلاعاتی که از یک مکان دارد، یک رستوران را پیشنهاد دهد.

نظریه‌ی ذهن

این نوع هوش مصنوعی می‌تواند افکار و احساسات را درک کند و تعاملی اجتماعی داشته باشد. بااین‌وجود، هنوز ماشینی که چنین ویژگی داشته باشد، ساخته نشده است.

خودآگاه

ماشین‌های خودآگاه، نسل آینده‌ی این فناوری‌های جدید هستند. این ماشین‌های هوشمند، دارای قدرت درک و هشیار خواهند بود.

مثال‌هایی از کاربرد هوش مصنوعی در زندگی روزمره

مثال زدن از کاربردهایی که هوش مصنوعی در زندگی امروز ما دارد، کار سختی نیست. در واقع امروزه اشکال مختلفی از فناوری‌های AI، از سایت هوش مصنوعی تا ردیاب‌های تناسب اندام پوشیدنی، همگی در خدمت انسان‌ها هستند. موارد زیر تنها چند کاربرد از‌ AI در زندگی روزمره‌ی ما هستند:

چت جی پی تی

ChatGPT یک چت بات هوش مصنوعی است که می‌تواند در قالب‌های مختلفی، از کد گرفته تا مقاله، محتوای نوشتاری تولید کند. چت جی پی تی که در نوامبر ۲۰۲۲ توسط شرکت OpenAI راه‌اندازی شد، یک مدل زبانی است که می‌تواند نوشتار انسانی را تقلید کند. ضمن اینکه اپلیکیشن تلفن همراه آن نیز از می ۲۰۲۳ برای کاربران ios و از جولای ۲۰۲۳ برای کاربران اندروید در دسترس قرار گرفت.

گوگل مپ

این مدل هوش مصنوعی از داده‌های موقعیت مکانی گوشی‌های هوشمند و همچنین اطلاعات گزارش‌شده توسط کاربر در مواردی مانند ساخت‌وساز و یا تصادفات رانندگی، برای گزارش دادن جریان ترافیک و پیشنهاد سریع‌ترین مسیر استفاده می‌کند.

دستیارهای هوشمند

دستیارهای شخصی مانند الکسا (متعلق به آمازون)، سیری و کورتانا، از پردازش زبان‌های طبیعی یا همان NLP استفاده می‌کنند تا بتوانند با دریافت دستورالعمل‌هایی از کاربران مواردی مانند یادآوری، جستجوی آنلاین اطلاعات و یا کنترل چراغ‌های خانه‌ی افراد را تنظیم کنند. این دستیارها در بسیاری از موارد به‌گونه‌ای تنظیم شده‌اند که بتوانند ترجیحات کاربر را یاد بگیرند و در طول زمان، با ارائه‌ی پیشنهادها و پاسخ‌های مناسب‌تر تجربه‌ی آن‌ها را بهبود ببخشند.

فیلترهای اسنپ چت

فیلترهای اسنپ چت از الگوریتم‌های ML یا همان یادگیری ماشینی برای تمایز سوژه‌ی تصویر از پس‌زمینه‌، دنبال کردن حرکات صورت و تنظیم تصویر بر روی صحنه براساس آنچه که کاربر انجام می‌دهد، استفاده می‌کنند.

اتومبیل‌های خودران

اتومبیل‌های خودران مثال خیلی خوبی از یادگیری عمیق هستند، چرا که از شبکه‌های عصبی عمیق برای شناسایی اشیاء اطراف، تعیین فاصله از سایر ماشین‌ها، شناخت علائم راهنمایی و رانندگی و مواردی از این دست استفاده می‌کنند.

پوشیدنی‌ها

امروزه حسگرها و دستگاه‌های پوشیدنی زیادی هستند که در حوزه‌ی سلامت استفاده می‌شوند. این حسگرها نیز از یادگیری عمیق برای ارزیابی وضعیت سلامتی بیمار از جمله سطح قند خون، فشار خون و ضربان قلب استفاده می‌کنند. مضاف‌براینکه این دستگاه‌ها می‌توانند با استفاده از الگوهایی که از داده‌های قبلی پزشکی بیمار به‌دست آورده‌اند، شرایط سلامتی او را در آینده پیش‌بینی کنند.

MuZero

این برنامه‌ی کامپیوتری که توسط DeepMind ایجاد شده است، یکی از گام‌های پیشرو و امیدوارکننده در مسیر دستیابی به هوش مصنوعی عمومی است. این AI توانسته در بازی‌هایی مانند شطرنج و مجموعه‌ی کاملی از بازی‌های آتاری که آن‌ها را آموزش ندیده بوده هم، پیروز شود.

پیش به‌سوی بی‌نهایت و فراتر از آن!

مسیری که AI در پیش گرفته، حقیقتاً به سوی بینهایت و فراتر از آن است! شاید یک زمانی به نظر می‌رسید که هوش مصنوعی، یک اسم بزرگ و حتی ترسناک است که با زندگی روزمره‌ی افراد جامعه فاصله‌ی زیادی دارد، اما حالا می‌بینیم که از پیشرفته‌ترین فناوری‌ها گرفته تا اپلیکیشن‌های مسیریابی و راهکارهای افزایش امنیت پرداخت ارزی و یا حتی جستجوی صوتی گوگل توسط کودکی که هنوز سواد خواندن و نوشتن ندارد، همگی مدیون دنیای بزرگ و شگفت‌انگیز هوش مصنوعی هستند.