هوش مصنوعی چیست؟
سیستم هایی با هوش مصنوعی وجود دارند که اطلاعات دریافتی را تجزیه و تحلیل می کنند و بر اساس آن اقداماتی انجام می دهند. هدف رفتار هوشمند دستیابی به اهداف معین است. سیستم هوش مصنوعی این اقدامات را با درجاتی از استقلال انجام می دهد.
از آنجایی که هوش مصنوعی به روشها و زمینههای زیادی اشاره دارد، برای انجام بحثهای معنادار و سازنده در مورد آن توجه بیشتری لازم است.
برای مثال، استدلالهای مربوط به «سیستمهای خبره» ساده که در نقشهای مشاورهای استفاده میشوند، باید از استدلالهای مربوط به الگوریتمهای پیچیده مبتنی بر داده که بهطور خودکار تصمیمگیری را بر روی انسان انجام میدهند، متمایز شوند.
به طور مشابه، مهم است که استدلالهایی درباره تحولات آینده که ممکن است هرگز اتفاق نیفتند را از استدلالهایی درباره هوش مصنوعی فعلی که بر جامعه امروزی تأثیر میگذارد، متمایز کنیم.
هوش مصنوعی چگونه کار می کند؟
در زیر مروری بر هوش مصنوعی برای برخی از تکنیک های مهم زیر پرچم هوش مصنوعی آورده شده است. آنها بر اساس دوره به سه گروه تقسیم می شوند. این شامل:
هوش مصنوعی نمادین
یادگیری آمار هوش مصنوعی
هوش مصنوعی "قوی" یا "عادی".
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 دقیق مبتنی بر قوانین - معروف به «الگوریتمها» را توسعه میدهند که رایانهها میتوانند گام به گام آنها را دنبال کنند تا تصمیم بگیرند که چگونه هوشمندانه به یک موقعیت خاص پاسخ دهند.
منطق فازی نوعی رویکرد است که سطوح مطلق را برای یک موقعیت مجاز میسازد و برای گرفتن هوش مفید است تا یک الگوریتم بتواند در مواجهه با متغیرهای بزرگ و نامشخصی که با یکدیگر تعامل دارند، تصمیمهای خوبی بگیرد.
اما هوش مصنوعی نمادین گاهی اوقات به خوبی جواب می دهد.اگرچه این روش ها ممکن است عجیب به نظر برسند، اما همچنان بسیار مرتبط هستند و هنوز در بسیاری از زمینه ها با موفقیت به کار می روند که به آن "هوش مصنوعی قدیمی خوب" می گویند.
موج دوم هوش مصنوعی شامل یک رویکرد جدیدتر «داده محور» است که در دو دهه گذشته به سرعت توسعه یافته است و تا حد زیادی مسئول ظهور فعلی هوش مصنوعی است. فرآیند یادگیری الگوریتم را خودکار می کند و متخصصان انسانی موج اول هوش مصنوعی را دور می زند.
شبکه های عصبی مصنوعی (ANN) از عملکردهای مغز الهام گرفته شده اند. ورودی به سیگنالی تبدیل می شود که از طریق یک شبکه عصبی مصنوعی عبور داده می شود تا خروجی تولید کند که به عنوان پاسخی به ورودی تفسیر می شود. افزودن نورون ها و لایه های دیگر به شبکه های عصبی مصنوعی اجازه می دهد تا مسائل پیچیده تری را حل کنند. یادگیری عمیق به سادگی به یک شبکه عصبی مصنوعی با چندین لایه اشاره دارد.
یادگیری ماشینی (ML) به تغییر شبکهها برای تولید پاسخهای مفید یا هوشمند اشاره دارد. یک الگوریتم ML میتواند این فرآیند یادگیری را با انجام بهینهسازیهای افزایشی روی یک ANN منفرد یا با اعمال اصول تکاملی برای بهینهسازی جمعیت زیادی از شبکههای عصبی مصنوعی خودکار کند.
موج سوم هوش مصنوعی نشان دهنده موج آینده هوش مصنوعی است. در حالی که فناوریهای موج اول و دوم بهعنوان هوش مصنوعی ضعیف یا باریکی توصیف میشوند که میتوانند به طور هوشمندانه روی وظایف خاص عمل کنند، هوش مصنوعی «قوی» یا «عمومی» به الگوریتمهایی اشاره دارد که میتوانند در زمینههای مختلف اطلاعاتی را ارائه دهند.
به عنوان مثال، مشکل فضایی هوش عمومی مصنوعی (AGI) با فناوری فعلی امکان پذیر نیست و نیاز به توسعه پارادایم تغییر دارد. چندین رویکرد بالقوه در نظر گرفته شده است، از جمله تکنیک های تکاملی پیشرفته، محاسبات کوانتومی، و شبیه سازی مغز. سایر اشکال هوش مصنوعی آینده، مانند هوش مصنوعی توصیفی و متنی، ممکن است در جاه طلبی های خود ساده به نظر برسند، اما تأثیر بالقوه آنها - و موانع اجرای آنها - را نباید دست کم گرفت.
امروزه چالش های زیادی در ارتباط با هوش مصنوعی وجود دارد. به طور کلی می توان از آنها به عنوان یک عمل متعادل کننده بین دو موضوع پیشگیری استفاده کرد:
کافی نیست زیرا فرصت های ممکن را از دست دادیم و
بسیار زیاد، جایی که هوش مصنوعی برای کارهای نامناسب استفاده می شود یا منجر به نتایج مشکل ساز می شود.
فرآیندهای ML یا یادگیری ماشین، 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. چالش های اصلی
اطمینان از توزیع یکنواخت هزینه ها و مزایای هوش مصنوعی
از تمرکز منابع روی بازارهای غیررقابتی خودداری کنید
برنامه هایی را ترویج کنید که نابرابری های ساختاری موجود را کاهش می دهند، به جای افزایش آنها
وجود دارد. چالش های کلیدی دیگر عبارتند از:
پذیرش عمومی این فناوری،
منطبق با ارزش های اجتماعی
نگرانی هایی در مورد برخی تجهیزات نظامی وجود دارد.
چالش های آینده هوش مصنوعی
همچنین چندین فرصت و چالش درازمدت وجود دارد که به تغییرات آینده بستگی دارد که ممکن است هرگز اتفاق نیفتد. برخی از سناریوهای اتوپیایی و دیستوپیایی می توانند به چرخه های تبلیغاتی کمک کنند، اما آنها همچنین فرصتی را برای آماده شدن برای روندهای معتدل تر و تأمل در مورد آنچه از فناوری انتظار داریم فراهم می کنند.
به عنوان مثال، پیشنهاد شده است که هوش مصنوعی می تواند:
از دست دادن برخی مشاغل یا پیری ذهن کارگر
از کنترل مردم رها شوید و کنترل پیشرفت خود را به دست بگیرید
استقلال انسان را به چالش بکشید یا احساسات یا آگاهی مصنوعی ایجاد کنید
متن کامل مقاله را بخوانید: https://www.fardanews.com/%D8%A8%D8%AE%D8%B4-%D8%A7%D8%AE%D8%A8%D8%A7%D8%B1-2/1214055-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%DA%86%DB%8C%D8%B3%D8%AA
[ بازدید : 165 ][ پنجشنبه 24 فروردين 1402 ] [ 15:46 ] [ N20 ]
[ ]