هوش مصنوعي چيست؟

يك سيستم هوش مصنوعي وجود دارد كه اطلاعات دريافتي را تجزيه و تحليل كرده و بر اساس آن عمل مي كند. رفتارهاي هوشمندانه با هدف دستيابي به اهداف خاصي انجام مي شود. سيستم هوش مصنوعي اين اقدامات را با ميزان مشخصي از خودمختاري انجام مي دهد.

معرفي هوش مصنوعي

از آنجايي كه هوش مصنوعي به بسياري از فرآيندها و پارامترها اشاره دارد، براي بحث در مورد معنا و انگيزه به دقت بيشتري نياز است.

براي مثال، استدلال‌هاي مربوط به «سيستم‌هاي خبره» ساده كه در نقش مشاوره استفاده مي‌شوند، بايد از استدلال‌هاي مربوط به الگوريتم‌هاي پيچيده مبتني بر داده كه به‌طور خودكار براي افراد تصميم‌گيري مي‌كنند، متمايز شوند.

به همين ترتيب، مهم است كه بحث هاي مربوط به تحولات احتمالي آينده را از بحث هاي فعلي در مورد هوش مصنوعي كه بر جامعه امروز تأثير مي گذارد، جدا كنيم.

واريز همزمان كمك هزينه نقدي و كالايي 530 هزار تومان

هوش مصنوعي چگونه كار مي كند؟

در زير يك نماي كلي از AI براي برخي از تكنيك هاي كليدي كه در زير پرچم هوش مصنوعي قرار مي گيرند آورده شده است. از نظر زماني به سه گروه تقسيم مي شوند. آنها عبارتند از:

هوش مصنوعي نمادين

آمار، هوش مصنوعي است

هوش مصنوعي "قوي" يا "عمومي"

موج اول هوش مصنوعي

موج اول تكنيك هاي هوش مصنوعي اوليه به عنوان «هوش مصنوعي تصويري» يا سيستم هاي خبره شناخته مي شد. در اينجا، متخصصان انساني رويه‌هاي مبتني بر قوانين دقيق را ايجاد مي‌كنند – معروف به «الگوريتم‌ها» – كه رايانه‌ها مي‌توانند از آن پيروي كنند تا تصميم بگيرند كه چگونه هوشمندانه به موقعيت‌هاي خاص پاسخ دهند.

منطق فازي نوعي روش است كه درجات مختلف مرتبط با مسئله را امكان پذير مي كند، كه براي به دست آوردن دانش عميق مفيد است تا الگوريتم بتواند در هنگام مواجهه با تعاملات بزرگ و نامطمئن تصميمات بهتري بگيرد.

اما هوش مصنوعي نمادين گاهي اوقات بهتر عمل مي كند. اگرچه اين روش‌ها ممكن است قديمي به نظر برسند، اما هنوز هم بسيار مرتبط هستند و هنوز هم با موفقيت در زمينه‌هاي مختلف به كار مي‌روند و لقب «هوش مصنوعي خوب قديمي» را به خود اختصاص داده‌اند.

موج دوم هوش مصنوعي

موج دوم هوش مصنوعي شامل رويكردهاي جديد "داده محور" است كه در دو دهه گذشته به سرعت توسعه يافته اند و تا حد زيادي مسئول رنسانس فعلي در هوش مصنوعي هستند. آنها فرآيند يادگيري الگوريتم ها را خودكار مي كنند و متخصصان انساني موج اول هوش مصنوعي را دور مي زنند.

شبكه هاي عصبي مصنوعي (ANN) از عملكرد مغز الهام گرفته شده اند. ورودي ها به سيگنال هايي تبديل مي شوند كه به يك شبكه عصبي مصنوعي تغذيه مي شوند تا خروجي هايي توليد كنند كه به عنوان پاسخ هاي ورودي تفسير مي شوند. افزودن سلول‌هاي عصبي و لايه‌هاي بيشتر به شبكه‌هاي عصبي مصنوعي اجازه مي‌دهد تا با مشكلات پيچيده‌تري مقابله كنند. يادگيري عميق به شبكه هاي عصبي مصنوعي با چند لايه اشاره دارد.

يادگيري ماشيني (ML) به اصلاح يك شبكه به گونه‌اي اشاره دارد كه آن خروجي‌ها به عنوان پاسخ‌هاي مفيد – يا هوشمند – به ورودي‌ها در نظر گرفته شوند. الگوريتم‌هاي ML مي‌توانند اين فرآيند يادگيري را با ايجاد پيشرفت‌هاي تدريجي در شبكه‌هاي عصبي مصنوعي منفرد يا با استفاده از اصول تكاملي براي ايجاد بهبودهاي تدريجي در گروه‌هاي بزرگ شبكه‌هاي عصبي مصنوعي خودكار كنند.

موج سوم هوش مصنوعي

موج سوم هوش مصنوعي نشان دهنده موج آينده هوش مصنوعي است. در حالي كه فناوري‌هاي موج اول و دوم به‌عنوان هوش مصنوعي ضعيف يا باريك توصيف مي‌شوند، به اين معنا كه مي‌توانند به صورت هوشمندانه روي وظايف خاص عمل كنند، هوش مصنوعي «قوي» يا «عمومي» به الگوريتم‌هايي اشاره دارد كه براي طيف وسيعي از وظايف، هوشمندي ارائه مي‌كنند. محدوده دامنه.

چنين حوزه هاي مشكل هوش مصنوعي عمومي (AGI) با فناوري فعلي امكان پذير نيست و نياز به تغيير پارادايم دارد. برخي از رويكردهاي ممكن از جمله تكنيك هاي تكاملي پيشرفته، محاسبات كوانتومي و شبيه سازي مغز در حال بررسي هستند. جاه طلبي انواع ديگر هوش مصنوعي در آينده، مانند خودآگاهي و هوش مصنوعي متني، ممكن است كوچك به نظر برسد، اما تاثير بالقوه و موانع اجراي آنها را نبايد دست كم گرفت.

چرا هوش مصنوعي مهم است؟

امروزه چالش هاي زيادي در ارتباط با هوش مصنوعي وجود دارد. به طور كلي، آنها مي توانند به عنوان يك عمل متعادل كننده بين دو موضوع اجتناب استفاده شوند:

اينجاست كه ما فرصت هاي بالقوه كافي نداريم.

بسياري از هوش مصنوعي براي كارهاي نامناسب استفاده مي كنند يا نتايج مشكل ساز ايجاد مي كنند.

ML يا سيستم هاي يادگيري ماشيني، الگوريتم هاي ديگر را آسيب پذير مي كند و پيچيدگي آنها درك و توضيح منطق تصميم گيري آنها را دشوار مي كند. يك چالش مهم براي

اطمينان از توزيع هزينه ها و مزاياي هوش مصنوعي به طور مساوي

از تمركز منابع در بازارهاي غير رقابتي خودداري كنيد

اولويت بندي برنامه هايي كه نابرابري هاي ساختاري موجود را به جاي تشديد آنها كاهش مي دهد

ايناهاش. چالش هاي كليدي ديگر عبارتند از:

پذيرش عمومي اين فناوري،

رعايت ارزش هاي اجتماعي

نگراني هايي در مورد برخي كاربردهاي نظامي وجود دارد.

چالش هاي آينده هوش مصنوعي

همچنين بر اساس تحولات آينده، مزايا و چالش‌هاي بلندمدت زيادي وجود دارد كه هرگز اتفاق نيفتاده است. برخي از سناريوهاي آرمان‌شهري و ديستوپيايي مي‌توانند به چرخه جوك‌ها كمك كنند، اما همچنين فرصتي را فراهم مي‌كنند تا براي روندهاي معتدل‌تر آماده شويم و به آنچه از فناوري مي‌خواهيم فكر كنيم.

به عنوان مثال، پيشنهاد شده است كه هوش مصنوعي مي تواند:

از دست دادن برخي مشاغل يا منسوخ شدن مفهوم اشتغال

از كنترل انسان رها شويد و كنترل پيشرفت خود را به دست بگيريد

استقلال انسان را به چالش بكشيد يا احساسات يا آگاهي ايجاد كنيد.

بيشتر بخوانيد: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