آخرین اخبار
facebook Telegram RSS ارسال به دوستان نسخه چاپی
کد خبر : 257725
تاریخ انتشار : 19 تیر 1398 13:4
تعداد بازدید : 50

آشنایی با 5 اصطلاح مرتبط با هوش مصنوعی

این روزها همه از هوش مصنوعی صحبت می کنند. همه AI را می خواهند و می دانند که باید روی پروژه های راه انداز و پایلوت در این زمینه سرمایه گذاری کنند. اما همچنان تبدیل این پروژه ها به تولید، دشوار است و بسیاری از شرکت ها هنوز نتوانسته اند کاملا با این فناوری سازگار شوند.
undefined
فناوران- اگر شما خودتان تا کنون یکی از این پروژه ها را اجرا نکرده اید، حتما واژه های مختلف مرتبط با هوش مصنوعی را شنیده اید و ممکن است که بین این واژه ها و معانی مختلف شان سردرگم شده باشید. آیا AI همان یادگیری ماشینی است؟ یادگیری ماشینی و یادگیری عمیق چه تفاوتی دارند؟ آیا به همه این فناوری ها نیاز داریم؟
گاهی نخستین گام ها در شناخت اینکه کدام فناوری مناسب چالش های سازمان ماست، این است که این واژه ها و ترمینولوژی پشت هر فناوری را بشناسیم.
هوش مصنوعی یا Artificial intelligence در واقع عبارتی است که به طور کلی بر مجموعه ای از فناوری ها اطلاق می شود. در این مطلب به تعدادی از مهم ترین این فناوری ها نگاهی می اندازیم.
 هوش مصنوعی (AI)
اجازه بدهید که مطلب را با تعریفی پایه ای از هوش مصنوعی آغاز کنیم. این عبارت برای هر کسی، معنی متفاوتی را به ذهن متبادر می کند؛ از روبات های که قرار است شغل ما را از دست مان دربیاورند بگیر تا دستیارهای صوتی هوشمند الکسا و سیری روی گوشی موبایل و سایر دستگاه ها.
اما آنانی که با AI کار می کنند، می دانند که این عبارت، به مجموعه ای از فناوری ها، شامل یادگیری ماشین، پردازش زبان طبیعی، بینایی کامپیوتری و از این قبیل اطلاق می شود.
از سوی دیگر، هوش مصنوعی را می توان به دو دسته هوش مصنوعی محدود (narrow AI) یا ضعیف (Weak AI) و هوش مصنوعی عمومی (General AI) تقسیم بندی کرد.
آنچه ما امروزه از آن استفاده می کنیم، هوش مصنوعی محدود است؛ یعنی نوعی هوش مصنوعی که برای انجام یک کار مشخص مناسب است و روی یک وظیفه محدود تمرکز کرده و می تواند مواردی همچون موتورها و سامانه های پیشنهادگر (recommendation engine)، اپلیکیشن های مسیریاب یا چت بات ها را شامل شود.
دستیارهای هوشمند مانند سیری و الکسا، یک مثال خوب از هوش مصنوعی ضعیف هستند؛ چون در یک محدوده از پیش تعیین شده عمل می کنند و اگرچه سیستم های پیچیده دارای هوش مصنوعی ضعیف هستند، در واقع هوشمندی حقیقی و خودآگاهی ندارند. 
اما هوش مصنوعی عمومی یا قوی (Artificial general intelligence) به ماشینی گفته می شود که می تواند هر کاری که انسان قادر به انجام آن است، به انجام برساند. این فناوری هنوز عملیات نشده و آرمانی محسوب می شود.
 یادگیری ماشین (Machine Learning)
یادگیری ماشین را می توان نخستین گام سازمان ها در افزودن فناوری های مرتبط با هوش مصنوعی به سبد آی تی شان قلمداد کرد. به این معنی که با خودکارسازی فرایند ایجاد الگوریتم ها و استفاده از داده های برای «آموزش» این الگوریتم ها، می توان از نیاز به برنامه نویسان انسانی برای نوشتن کد، کاست. 
به طور خلاصه، یادگیری ماشین (Machine learning) به تنظیم و اکتشاف شیوه ها و الگوریتم هایی می پردازد که بر اساس آن ها رایانه ها و سامانه ها توانایی یادگیری پیدا می کنند.
شما احتمالاً چندین بار در روز از یادگیری ماشین استفاده می کنید، حتی بدون آنکه بدانید. هر بار که شما یک جست وجوی اینترنتی در گوگل انجام می دهید، یادگیری ماشینی انجام می شود چراکه نرم افزار یادگیری ماشینی آن ها چگونگی رتبه بندی صفحات وب را درک کرده است. هنگامی که فیس بوک یا برنامه عکس اپل دوستان و تصاویر شما را می شناسد، این نیز یادگیری ماشین است. هر بار که ایمیل خود را چک می کنید و فیلتر هرزنامه شما را از داشتن مجدد هزاران هرزنامه خلاص می کند نیز به همین دلیل است که کامپیوتر شما آموخته است که هرزنامه ها را از ایمیل غیراِسپم تشخیص دهد. در واقع کاری که انجام می شود، ارایه مثال هایی در قالب داده ها به الگوریتم است. مثال معروف در این زمینه  مثال «گربه» است. این که چه چیزی تصویر گربه است و چه چیزی تصویر گربه نیست. آیا می توان با نمایش نمونه هایی از تصاویر گربه و تصاویری که مربوط به گربه نیست، به ماشین یاد داد که گربه را شناسایی کند؟ بله. کامپیوتر با دیدن تمامی این نمونه ها، یاد می گیرد که تفاوت ها را تشخیص بدهد.
سازمان ها روز به روز بیشتر در به کارگیری یادگیری ماشین کارآزموده می شوند و زمینه های مختلف بسیاری برای استفاده از این فناوری وجود دارد. برای مثال، بیمارستان پروتستان نیویورک از یادگیری ماشین در خدمت امنیت سایبری استفاده می کرد و سپس متوجه شد که از تکنیک های مشابهی برای مقابله با اعتیاد به مواد مخدر هم استفاده کند.
 یادگیری عمیق (Deep Learning)
شاید بپرسید که تفاوت بین یادگیری ماشین و یادگیری عمیق چیست؟
یادگیری عمیق در واقع یادگیری ماشین را چندگام به جلوتر می برد. یادگیری عمیق از لایه های متعدد یادگیری ماشین به منظور پردازش سیگنال های حسی مانند صدا و تصویر استفاده می کند. ماشین در این روش هر مفهوم پیچیده را به مفاهیم ساده تری تقسیم می کند و با ادامه این روند به مفاهیم پایه ای می رسد که قادر به تصمیم گیری برای آن ها است و بدین ترتیب نیازی به نظارت کامل انسان برای مشخص کردن اطلاعات لازم ماشین در هر لحظه نیست. به این لایه ها، شبکه عصبی (neural network) می گویند. این نام به این دلیل انتخاب شده که این لایه ها، عملکرد مغز انسان را شبیه سازی می کند. به بیان دیگر، یادگیری عمیق با دریافت خروجی اولین تصمیم یادگیری ماشین، آن را به عنوان ورودی به ماشین بعدی تحویل می دهد که به تصمیم گیری های یادگیری ماشین، لایه می گویند و مجموعه ای از این لایه ها، یادگیری عمیق را شکل می دهد.
 پردازش زبان طبیعی (Natural Language Processing)
ما انسان ها، به زبان صفر و یک حرف نمی زنیم؛ اما اگر به کامپیوترها بتوان یاد داد که زبان انسان را درک کنند؛ مزایا و منافع بی شماری در پی خواهد داشت. این هدفی است که پردازش زبان طبیعی (NLP) دنبال می کند. تلاش های اولیه ای در این راه انجام گرفته که می توان از دستیارهای صوتی هوشمند الکسا، گوگل اسیستنت، کورتانای مایکروسافت و سیری اپل در این زمینه نام برد. اما مشکل اینجاست که زبان انسان، از قواعد ریاضی تبعیت نمی کند. NLP همچنین در مواردی که می خواهیم با انواع داده های بدون ساختار کار بکنیم، مفید واقع می شود؛ داده هایی مثل رکوردهای سلامت الکترونیکی، ایمیل ها، پیام های متنی و پست های شبکه های اجتماعی و در واقع هر چیزی که اجزایی از زبان را در خود داشته باشد.
 بینایی کامپیوتری (Computer Vision)
بینایی کامپیوتری یا بینایی ماشین، مربوط به قابلیت تشخیص و شناسایی تصاویر مشابه انسان است. بینایی کامپیوتری شامل روش های مربوط به دستیابی تصاویر، پردازش، آنالیز و درک محتوای آن ها است. به این ترتیب، در بینایی کامپیوتری، نه با پیکسل ها به طور مجزا، بلکه با مجموعه پیکسل ها به مثابه تصویر شی یا موجودی در دنیای واقعی طرفیم. (مثال گربه را به یاد بیاورید). یکی از عرصه های مهم به کارگیری بینایی کامپیوتری، فناوری تشخیص چهره (facial recognition) است. امروزه به هر طرف که نگاه کنید، دوربینی به شما زل زده است. این دوربین ها تصاویر مردم را ثبت می کنند و به سیستم بینایی کامپیوتری ارسال می کنند که آن سیستم، تصاویر دریافتی را با تصاویری که از قبل در پایگاه داده اش دارد، مقایسه و فرد را شناسایی می کند. این فناوری در سال های اخیر توسعه سریعی داشته و پیاده سازی اش آسان تر شده است. برای مثال، مایکروسافت و آمازون محصولات Face API را برای آژور و Amazon Rekognition را عرضه کرده اند. البته اخیرا بر سر استفاده از فناوری های تشخیص چهره، بحث های زیادی در گرفته و گروهی این فناوری را برای استفاده های امنیتی و پلیسی، هنوز نابالغ می دانند.


نظر شما



نمایش غیر عمومی
تصویر امنیتی :