هوش مصنوعی نوعی تکنولوژی است که قابلیت فکر کردن را دارد. این علم امروزه در ساخت ماشین هایی به کار گرفته می شود که نیازمند هوشی شبیه انسان هستند. در جهان امروز اغلب کارهای روزمره افراد به کمک هوش مصنوعی انجام می شود. به طور مثال زمانی که در اینترنت مطلبی را جستجو می کنید و یا در شبکه های اجتماعی گشت و گذار انجام می دهید، در حال استفاده از این تکنولوژی جذاب و هوشمند هستید.
با در نظر گرفتن رشد روزافزون این فناوری در زندگی بشر تصمیم گرفتیم مقاله ای کوتاه در مورد هوش مصنوعی تهیه کنیم. در پایان این مقاله اطلاعات جامعی در مورد دانش هوش مصنوعی به دست آورده و آنچه از گذشته تا به امروز موجب پیشرفت این علم شده است را خواهید شناخت.
تحقیق در مورد هوش مصنوعی pdf
تعریفی ساده از هوش مصنوعی
هوش مصنوعی از عبارت Artificial intelligence بر می آید. این تکنولوژی در واقع بخشی از علم رایانه است که امکان طراحی و ساخت ماشین هایی با قدرت تفکر شبیه به انسان را به وجود آورده است. هر ماشینی که بتواند مانند انسان فکر کند، منطق داشته باشد و مانند انسان رفتار و عمل منطقی از خود نشان دهد، از هوش مصنوعی استفاده می کند.
هوش مصنوعی از الگوریتم های پیچیده ای ایجاد شده که قابلیت یادگیری رفتار کاربر و پیش بینی نیازهای او را به ماشین می دهد. امروزه از این فناوری در صنایع مختلفی مانند پزشکی، کشاورزی، بورس و حتی جنبه های مختلف زندگی روزمره استفاده می شود.
تاریخچه روی کار آمدن هوش مصنوعی
شاید بتوان تاریخچه عملیاتی هوش مصنوعی را به دوران جنگ جهانی دوم نسبت داد. زمانی که نیروهای آلمانی ماشینی برای رمزنگاری و ارسال پیام های امن به نام enigma طراحی نمودند. پیام هایی که توسط این ماشین رمزنگاری می شد، انگلیسی ها را در بازگشایی رمزها دچار مشکل می کرد. در نتیجه دانشمند انگلیسی، آلن تورینگ جهت شکستن این کدها وارد عمل شد. وی به کمک تیمش توانست ماشینی به نام bombe طراحی کند که پیام های enigma را کدگشایی می کرد.
این ماشین ها بر پایه علم یادگیری (machine learning) طراحی شدند که امروزه شاخه ای از AI (Artificial intelligence) به شمار می آید. اما اولین باری که اصطلاح هوش مصنوعی به کار برده شد، توسط جان مک‌کارتی بود. امروزه او را پدر علم تولید ماشین های هوشمند می دانند. مک کارتی توانست یکی از زبان های برنامه نویسی این دانش را با نام لیسپ (lisp) اختراع کند.
با گذشت زمان فناوری ها و سخت افزارهای مبتنی بر هوش مصنوعی پیشرفت چشمگیری تجربه نمودند. به طوری که ابزارها و سرویس های هوشمندی همچون موتورهای جستجو، ماهواره ها، گوشی های تلفن همراه و … در سال های اخیر روی کار آمده و با زندگی بشر عجین شدند.
اهداف Artificial intelligence چیست؟
هوش مصنوعی شاخه ای گسترده از علم رایانه است که در رابطه با ساخت ماشین های هوشمند فعالیت می کند. هدف از ساخت این ماشین ها رسیدن به الگوی کاربردی در سه حوزه یادگیری، استدلال و درک محیط پیرامون سیستم می باشد. اساس کار در این سیستم ها به گونه ای است که بتوانند با دریافت و کسب اطلاعات از اطراف خود، به درک و تحلیل درستی دست یافته و وظایف محوله را به درست ترین حالت به سرانجام برسانند.
کاربرد های هوش مصنوعی در زندگی بشر
علم هوش مصنوعی را می توان جهت بهبود نتایج در کسب و کارهای مختلف به کار گرفت. در ادامه برخی از نمونه های کاربرد این علم را در حوزه های کاری معرفی می کنیم:
هوش مصنوعی در حوزه سلامت
مهمترین کاربرد هوش مصنوعی در پزشکی و سلامت مربوط که کسب نتایج بهتر جهت درمان بیماران و کاهش هزینه ها می باشد. اغلب شرکت های فناوری که در زمینه سلامت فعالیت می کنند، به دنبال استفاده از الگوریتم های یادگیری ماشین، برای بهبود و سرعت بخشیدن به روند تشخیص و درمان بیماران می باشند. IBM Watson یکی از فناوری های شناخته شده در این حوزه است که زبان طبیعی انسان را درک نموده و می تواند از او سوالاتی را بپرسد. این سیستم با جمع آوری داده ها در مورد حالات بیمار یک فرضیه ایجاد کرده و زمانی که به اطمینان برسد آن را عنوان خواهد نمود.
هوش مصنوعی در حوزه اقتصاد
از جمله کاربردهای هوش مصنوعی در حوزه اقتصاد می توان به نرم افزارهای مالی مانند Mint یا Turbo Tax اشاره نمود. این برنامه ها با دریافت اطلاعات در رابطه با مسائل مالی هر فرد، همچون یک مشاور عالی برای انسان ها عمل می کنند. امروزه هوش مصنوعی در بورس به صورت گسترده مورد استفاده قرار گرفته است. به طوری که بخش عظیمی از معاملات در وال استریت را نرم افزارها انجام می دهند.
هوش مصنوعی در حوزه امنیت
یکی از مهمترین کاربردهای هوش مصنوعی در حوزه امنیت می باشد. سیستم های مبتنی بر یادگیری می توانند جهت تشخیص هویت مجرمان و یافتن هویت آن ها مورد استفاده قرار گیرند. این ماشین ها با دستیابی به الگویی مشخص، قادر به شناسایی اعمال مجرمانه بوده و پس از شناسایی فورا آن را به نهادهای مربوطه اعلام می کنند.
هوش مصنوعی در حوزه تفسیر داده
دانشمندان داده از تفسیر اطلاعات و دیتا برای تصمیم گیری های مهم و استخراج برنامه های استراتژیک حیاتی استفاده می کنند. داده هایی که این افراد با آن درگیر هستند، دارای حجم بسیار زیادی است. به طوری که آن ها را کلان داده (Big Data) می نامند. تحلیل و بررسی این داده ها بدون کمک گرفتن از ماشین های هوشمند و تنها توسط انسان امکان پذیر نیست. در نتیجه سیستم های مبتنی بر هوش مصنوعی روی کار می آیند تا امکان تفسیر بیگ دیتا در زمان کوتاهتر و با درصد خطای پایین تر انجام شود.
AI دارای چه سطوحی است؟
یک سیستم مبتنی بر AI بر اساس آنچه از محیط بیرون درک می کند و قادر به پاسخگویی آن است، در سه سطح دسته بندی می شود. در ادامه هر یک از سطوح را معرفی خواهیم نمود:
هوش مصنوعی محدود
اولین نمونه از AI که پدید آمد، هوش مصنوعی محدود (Narrow AI) بود. این سطح از هوش مصنوعی به ماشین های هوشمندی اشاره می کند که در اجرای یک وظیفه به خصوص بهتر از انسان عمل می کنند. جهت آشنایی بیشتر با ماشین هایی که بر پایه Narrow AI فعالیت می کنند، در ادامه چند مثال عنوان می نماییم:
- رایانه ای اجرا کننده بازی های پیچیده ای مانند شطرنج
- نرم افزارهای پیش بینی و تصمیم گیری در تجارت
- سیستم های تشخیص چهره
- برنامه های تبدیل گفتار به نوشتار
- اتومبیل های خودران
هوش مصنوعی عمومی
با پیشرفت علم هوش مصنوعی عمومی (General AI) روی کار آمد. ماشین های مبتنی بر این سطح می توانند فعالیت ها و وظایف مختلفی را مانند انسان بر عهده بگیرند. در حال حاضر هیچ ماشینی که در سطح General فعالیت کند، طراحی نشده است. اما تئوری ساخت این ربات ها همانند آنچه در فیلم های علمی تخیلی شاهد هستیم، معتقد است می توان در آینده ماشین هایی طراحی کرد که همانند انسان وظایف را انجام داده و حتی در برخی موارد مانند حافظه بهتر از انسان نیز عمل کنند.
برخی از کارشناسان در مورد نگرانی های خود از فراگیر شدن هوش مصنوعی عمومی در اجتماع صحبت می کنند. به نظر آن ها ربات های هوشمند در آینده ای نه چندان دور می توانند جای انسان را گرفته و کارهای مختلفی از وظایف کوچک تا مسئولیت های بزرگ را انجام دهند. به این ترتیب دیگر نیاز به نیروی انسانی کاهش یافته و افراد شغل خود را از دست می دهند. البته از جنبه مثبت ماجرا می توان به سرعت یافتن کارها و کاهش خطاهای انسانی اشاره نمود. به طور مثال ماشین های General AI می توانند انجام کارهایی مانند رانندگی، دستیار شخصی هوشمند، دستیار پزشکی، تسخیص بیماری و … را به عهده بگیرند.
سوپر هوش مصنوعی
آلن تورینگ معتقد بود زمانی یک ماشین دارای قابلیت های هوش مصنوعی خواهد بود که همانند انسان از محیط بیرون درک کرده و رفتار نماید. به طوری که اگر شخصی با او صحبت کند، قادر به تشخیص ماشین بودن یا انسان بودن طرف مقابل نباشد. اگر ماشینی بتواند از این تست سربلند بیرون آید، آن را در سطح سوپر هوش مصنوعی قرار می دهند. البته تا به امروز هیچ ماشینی نتوانسته از این آزمون به موفقیت گذر کند. در واقع دانشمندان هیچ ایده ای در مورد این که چه زمانی ماشین های Super AI قدم به عرصه جهانی می گذارند، نداشته و هنوز ابهاماتی در این مورد وجود دارد.
به طور کلی سطح Super AI شامل سیستم هایی است که از هوشی فراتر از انسان برخوردار بوده و سطح درک انسان را پشت سر می گذارند.
تفاوت هوش مصنوعی محدود و عمومی و سوپر هوش مصنوعی چیست؟
هوش مصنوعی محدود (یا ضعیف) در واقع کامپیوتری است که در برخی زمینه های خاص به کار گرفته می شود. این سیستم گاهی می تواند هوشمندتر از انسان عمل کند. این سطح در واقع همان دانش امروزی بشر در رابطه با AI است.
مفهوم هوش مصنوعی عمومی کمی پیچیده تر است. در این سطح سیستم ها قادرند همانند انسان، وظیفه ای معین شده را به صورت کامل به سرانجام برسانند. این سیستم ها درک کاملی از محیط اطراف دارند و می توانند داده و اطلاعات حاصل از محیط را برای انجام وظایفشان پردازش کنند. دانشمندان می کوشند در آینده ای نزدیک به سطح عمومی AI دست یابند.
سوپر هوش مصنوعی شامل سیستم هایی است که درک و شناختی فراتر از هوش بشری دارند. این سیستم می توانند قدرت هایی که بشر از آن محروم است، به کار بگیرند. ساخت این ماشین ها می تواند به دست بشر و یا حتی دیگر سیستم ها رخ دهد. آینده ای که برای AI متصور می شود، متعلق به ماشین هایی با قدرت سوپر هوش مصنوعی است.
انواع روش های یادگیری در AI
در حال حاضر سیستم های مبتنی بر AI جهت یادگیری از محیط پیرامون خود از روش های یادگیری ماشین و یادگیری عمیق استفاده می کنند. در ادامه توضیحی در رابطه با هر یک از این روش ها خواهیم داد:
یادگیری ماشین
یادگیری ماشین (Machine Learning) به منظور آموزش سیستم های هوش مصنوعی به صورت خودکار و از طریق دسترسی به داده ها می باشد. این سیستم ها اطلاعات پیرامونشان را برای انجام هدفی به خصوص جمع آوری نموده و از آن ها برای آموزش و یادگیری استفاده می کنند تا به یک الگو دست یابند. این داده ها می تواند شامل مثال ها، تجارب مستقیم، دستورالعمل ها و … باشد. هدف از یادگیری ماشین این است که سیستم ها، بدون دخالت انسان و به صورت اتوماتیک، داده ها را مشاهده نموده و رفتار خود را بر اساس آن ها تنظیم نمایند.
امروزه الگوریتم های بسیار مختلفی جهت Machine Learning به وجود آمده که هر یک بر اساس سبک یادگیری و یا نحوه عملکردشان در گروه بندی های مختلفی قرار می گیرند. اما به طور کلی می توان گفت تمام الگوریتم های یادگیری ماشین در سه حوزه نمایش، ارزشیابی و بهینه سازی عمل می کنند. منظور از نمایش، زبانی است که کامپیوتر آن را می شناسد. ارزشیابی نیز معطوف به عملکرد هدف و نمره دهی سیستم می باشد. در نهایت بهینه سازی را به عنوان روش جستجو و طبقه بندی کننده با بالاترین امتیاز خواهیم داشت.
اگر بخواهیم هدف الگوریتم های یادگیری ماشین را تعریف کنیم، می توان به تفسیر موفقیت آمیز داده ها و تعمیم یادگیری ها به نمونه هایی فراتر از مدل های آموزش دیده اشاره نمود.
یادگیری عمیق
یادگیری عمیق (Deep learning) نوعی از یادگیری ماشین در هوش مصنوعی به شمار می آید. در این مدل سیستم از روشی که شبکه های عصبی ذهن انسان برای آموزش به کار می گیرد، تقلید می نماید. این روش مناسب استفاده در آمار و مدل سازی پیش بینی است. در واقع افرادی که در حوزه تحلیل داده ها و آمارها فعالیت می کنند، اصلی ترین مخاطبان سیستم های یادگیری عمیق هستند.
یادگیری عمیق بر پایه شبکه های عصبی عمل می کند. از این رو این مدل یادگیری دارای لایه های پنهان زیادی است که هر چه درون آن ها جلوتر بروید با الگوریتم های پیچیده تر و کامل تری مواجه خواهید شد.
دسته بندی سیستم های AI
آرنت هینتز، استادیار زیست شناسی تلفیقی و علوم کامپیوتر دانشگاه ایالت میشیگان، برای دسته بندی سیستم های AI که امروزه وجود دارند و سیستم هایی که در آینده به وجود خواهند آمد، یک دسته بندی چهارگانه ارائه داده است. این دسته بندی به صورت زیر می باشد:
1- ماشین های انفعالی
ماشین هایی که دارای حافظه برای ذخیره حرکت ها و داده های خود نیستند و هر بار جهت انجام وظیفه ای خاص، تمام حالات ممکن را بررسی و آنالیز می کنند، در زمره ماشین های انفعالی قرار می گیرند. این سیستم ها مناسب استفاده جهت وظایف محدودی بوده و نمی توانند در موقعیت های مختلف به کار گرفته شوند.
2- حافظه محدود
در این مدل ماشین های مبتنی بر هوش مصنوعی، سیستم قادر است تصمیمات گذشته خود را تا مدت زمان محدودی به یاد داشته باشد. در نتیجه آن ها را برای تصمیم گیری های آینده به کار می گیرد. البته باید بدانید تمام مشاهدات و تصمیم ها در این ماشین های حافظه محدود به صورت همیشگی ذخیره نمی شود.
3- تئوری ذهن
نوع دیگری از هوش مصنوعی ماشین های مبتنی بر تئوری ذهن می باشد. اساس کار در این سیستم ها به شناخت اعتقادات، دانش ها، آرزوها و نیت افراد بر می گردد. به طوری که از این داده ها برای تاثیر بر تصمیم افراد استفاده می کند. البته باید بدانید که سیستم های تئوری ذهن هنوز وجود خارجی ندارند.
4- خود آگاهی
در دسته چهارم ماشین های AI قادر به درک سطح و حالت خود هستند. این ماشین ها که به مدل خود آگاهی معروفند، اطلاعاتی در مورد احساسات افراد کسب کرده و بر اساس آن تصمیم گیری می کنند. سیستم های خودآگاه هنوز در جهان نمود بیرونی ندارند.
چالش های هوش مصنوعی چیست؟
استفاده از هوش مصنوعی در تمام دنیا چالش هایی را به دنبال دارد. این دغدغه ها می تواند در حوزه های مختلفی نظیر داده و اطلاعات، نیروی انسانی و مسایل و سیاست های سازمان های تجاری رخ دهد. به همین سبب برخی از مهمترین چالش های بهره گیری از AI را در هر یک از این حوزه ها بررسی خواهیم نمود:
چالش های AI در حوزه داده‌ها و اطلاعات
داده ها و اطلاعات به عنوان عناصر اصلی در AI ممکن است با چالش های متعددی رو به رو شود. این موارد عبارتند از:
- میزان کیفیت و کمیت داده ها
- میزان قابلیت فهم و روشن بودن داده ها
- خاص بودن اطلاعات در فرآیند آموزش
- جانب داری داده ها از موضوعی به خصوص
چالش های AI در حوزه نیروهای انسانی
استفاده از AI در یک کسب و کار نیازمند مدیریتی آشنا با مسائل هوش مصنوعی می باشد. از این رو چالش هایی بر سر راه سیستم های هوشمند در حوزه نیروی انسانی وجود دارد. این چالش ها عبارتند از:
- نبود اطلاعات و شناخت کافی از هوش مصنوعی در میان کارمندان یک سازمان
- عدم دسترسی به نیروی متخصص در زمینه هوش مصنوعی
چالش های AI در حوزه سیاست های درون سازمانی
به کار گرفتن AI در سازمان ها می تواند مشکلاتی در زمینه سیاست های درونی آن سازمان به وجود آورد. این چالش ها عبارتند از:
- کمبود ترازهای کسب و کار
- وجود مشکلات و دشواری ها در ارزیابی و آنالیز مسائل
- مسائل پیش آمده در اثر ادغام بیزنس و هوش مصنوعی
- مبهم بودن مسائل حقوقی در زمینه AI
شاخه های هوش مصنوعی در دانش رایانه
هوش مصنوعی یک دانش بسیار گسترده و پیچیده است که شاخه‌های متعددی دارد. در ادامه توضیحات مختصری در مورد هر یک از آن ها بیان خواهیم نمود:
یادگیری ماشین (Machine Learning)
یادگیری ماشین علمی است که امکان استفاده از الگوها و استنباط داده را بدون نیاز به دستورالعمل های خاص فراهم می آورد. در این روش ماشین ها بدون بهره بردن از یک برنامه صریح، می توانند در رابطه با موضوعی به خصوص آموزش ببینند.
شبکه عصبی مصنوعی (Neural Networks)
شبکه عصبی مصنوعی ساختاری مشابه شبکه عصبی زیستی دارد و از آن برای پردازش داده ها و اطلاعات به جهت یادگیری و کسب دانش استفاده می کند. مهمترین عنصر در این سیستم ها ایجاد ساختارهایی جدید در راستای پردازش اطلاعات می باشد.
بینایی ماشین (Machine Vision)
بینایی ماشین به معنای بهره گرفتن از حسگرهایی است که سیگنال های تشکیل دهنده تصویر یک شی را توسط رایانه یا دیگر پردازنده های پردازش سیگنال، تحلیل می کنند.
سامانه های خبره (Expert System)
سامانه های خبره در واقع رایانه هایی هستند که جهت تفسیر داده ها به دانشمندان دیتا کمک می کنند. این سیستم ها در واقع نمونه های اولیه و ساده ای از فناوری سامانه های دانش بنیان به شمار می آیند.
پردازش زبان طبیعی (NLP)
اصلی ترین کاربرد سامانه های پردازش زبان طبیعی، ایجاد تعامل میان کامپیوترها و انسان ها می باشد. از این رو تمرکز آن بر پردازش رفتارهای انسان و زبان طبیعی او است. چالش اصلی این سامانه ها درک و برداشت صحیح از زبان طبیعی انسان ها است.
الگوریتم ژنتیک (Genetic Algorithm)
الگوریتم ژنتیک در واقع نوع خاصی از الگوریتم هاست که از مدل سازی تغییرات ژنتیکی جهت رسیدن به الگوی حل مسئله استفاده می کند. این سامانه ها معمولا از تکنیک های زیست شناسی فرگشتی مانند وراثت، جهش زیست شناسی و اصول انتخابی داورین برای رسیدن به فرمول پیش بینی و تطبیق الگو بهره می برند.
مفاهیم مرتبط با روباتیک (Robotic)
رباتیک خود علمی جدا از هوش مصنوعی است. اما الگوریتم های مشخصی جهت هوشمند سازی ربات ها توسط علم AI طراحی شده اند که مسیر درست را برای کسب داده و تصمیم گیری در اختیار ربات ها می گذارد.
تکنیک ها و زبان های برنامه نویسی هوش مصنوعی
نوشتن یک برنامه مبتنی بر قابلیت های هوش مصنوعی نیازمند استفاده از زبان های برنامه نویسی به خصوص و الگوریتم های مشخصی است. زبان های برنامه نویسی LISP، Python و PROLOG از جمله معروف ترین روش های تولید برنامه های AI می باشند. این زبان ها دارای خصوصیاتی مانند semantic و syntactic هستند که امکان طرح روش ها و راه حل های قدرتمندی برای حل مسئله را فراهم می آورند.
کاربردی ترین توانایی زبان های برنامه نویسی یاد شده، برخورداری از ابزارهای فکر کردن است. به این ترتیب می توان به کمک آن ها برنامه ای کارآمد و مبتنی بر هوش مصنوعی طراحی و اجرا نمود.
نمونه های هوش مصنوعی
هوش مصنوعی دارای نمونه های بیرونی مختلفی است که از جمله آن ها می توان به پردازنده های اختصاصی یادگیری ماشین، یادگیری تحت نظارت، یادگیری بدون نظارت و یادگیری تقویت شده اشاره نمود. این روش ها به معنای نوع و سبک کاری سیستم AI جهت تهیه الگو و جمع آوری داده از محیط بیرون می باشد.
تفاوت های هوش مصنوعی و یادگیری ماشین
در این قسمت برخی از تفاوت های کلیدی میان هوش مصنوعی و یادگیری ماشین را با هم خواهیم آموخت:
ویژگی های هوش مصنوعی
- هدف AI ساخت کامپیوتری هوشمند با قابلیت تفکر مشابه انسان است که می تواند مشکلات پیچیده را حل کند. این کامپیوتر می تواند رفتار انسان را شبیه سازی نموده و کارهای او را انجام دهد.
- هوش مصنوعی دامنه بسیار گسترده ای دارد و یادگیری ماشین و یادگیری عمیق تنها زیرمجموعه ای از این دانش رایانه ای می باشند.
- دغدغه سیستم های مبتنی بر AI افزایش شانس موفقیت در اجرای کارها می باشد.
- هوش مصنوعی دارای سه سطح محدود، عمومی و سوپر می باشد.
- اهداف این فناوری در سه مبحث یادگیری، استدلال و تصحیح گنجانده می شود.
- داده های به کار رفته در این حوزه می توانند ساختار یافته، نیمه ساختار یافته و بدون ساختار باشند.
ویژگی های یادگیری ماشین
- یادگیری ماشین زیرمجموعه از هوش مصنوعی است که به ماشین قابلیت یادگیری از داده های گذشته و رسیدن به یک الگو را می دهد.
- هدف اصلی Machine learning ساخت ماشین های یادگیرنده از داده ها جهت کسب بازده مناسب می باشد.
- ML دامنه فعالیت محدودی داشته و یادگیری عمیق یکی از اصلی ترین زیرمجموعه های آن می باشد.
- دغدغه اصلی در این سیستم ها رسیدن به الگویی مشخص و افزایش دقت عمل آن ها می باشد.
- یادگیری ماشین دارای سه نوع شامل یادگیری نظارت شده، بدون نظارت و تقویت شونده می باشد.
- تنها داده های ساختاری و نیمه ساختار یافته در ML به کار می رود.
آیا رباتیک همان هوش مصنوعی است؟
علم رباتیک حوزه ای از تکنولوژی است که با ایجاد مجموعه ای یکپارچه میان سنسورها، فعال کننده ها، برنامه نویسی ها و … یک سیستم اتوماتیک یا نیمه اتوماتیک را به وجود می آورد. دانش رباتیک به طور کلی از علم هوش مصنوعی کاملا جداست. اما در ساخت ربات های هوشمند از برخی الگوریتم های AI استفاده می شود. در واقع می توان گفت زمانی که از هوش مصنوعی جهت کنترل یک ربات استفاده می شود، تنها بخشی از سیستم ربات را الگوریتم های AI تشکیل می دهند. دیگر قسمت های آن نیز بر پایه علم رباتیک ایجاد می شود.
کاربرد هوش مصنوعی در آینده
جهان امروز به سمتی قدم برمیدارد که در آن شاهد ربات هایی با قابلیت فعالیت خودکار و توانایی درک و شناخت از جهان پیرامون هستیم. این امر ملزم به ایجاد هم پوشانی در علم رباتیک و هوش مصنوعی می باشد. بشر در دنیای حاضر آماده پرش به مرحله جدیدی از توانایی های AI است. به طوری که سیستم های تشخیص چهره و شبیه سازهای صدا به طور فزاینده ای در جهان به مرحله اجرا در آمده اند. برنامه استفاده از سیستم تشخیص هویت در تمام دوربین های مدار بسته چین در کنار عینک های مجهز به این تکنولوژی برای نیروی پلیس این کشور، بخشی از آینده هوش مصنوعی را به نمایش می گذارد.
هوش مصنوعی می تواند جرقه ای برای چهارمین انقلاب صنعتی باشد. این علم پتانسیل بهبود شرایط زندگی انسان را در خود دارد. دیپ فیک یکی از دستاوردهای جدید AI است که در سال های اخیر خبرهای زیادی از آن شنیده ایم. آینده این فناوری برای ما امنیت بیشتری به دنبال خواهد داشت. اما در کنار این امنیت می تواند حریم خصوصی انسان ها را نیز زیر سوال ببرد.
آیا Artificial intelligence موجب بیکاری ما می‌شود؟
بسیاری از کارشناسان حوزه کسب و کار نگرانی هایی در رابطه با جایگزینی ماشین های هوشمند به جای نیروی انسانی دارند. البته باید بدانید که هوش مصنوعی به طور کامل نمی تواند جایگزین اشتغال انسان ها شود، اما ماهیت آن را دچار تغییر و تحول خواهد نمود. آمازون به عنوان یکی از پیشگامان در زمینه جایگزین نمودن نیروی انسانی با ربات های هوشمند در جهان شناخته می شود. این مجموعه در فروشگاه های خود از ماشین های هوشمند به جای صندوقدار استفاده نموده است. ضمن این که کارهای انبارداری آن هم مدت هاست در اختیار ربات ها می باشد. این عمل موجب ایجاد نگرانی برای افرادی شده که در حوزه صندوقداری و انبارداری کار می کنند.
به طور کلی باید گفت هر تغییری در دنیای تکنولوژی، موجب از دست رفتن شغل های سنتی و روی کار آمدن شغل های جدید می شود. در واقع دانشمندان حوزه هوش مصنوعی بر این باورند که فرصت های کاری برای نیروی انسانی همیشه باقی خواهد ماند و تنها ماهیت آن ها دچار تغییر می شود. اما سوال اینجاست که آیا به همان سرعتی که شغل ها از دست می روند، شغل های جدید جایگزین می شوند؟
Artificial intelligence فناوری تازه و نوینی نیست، بلکه این تکنولوژی حدود نیم قرن با بشر هم پا بوده است. بنابراین نمی توان حد و مرزی برای آینده آن در نظر گرت. اما برای جلوگیری از هرج و مرج و کاهش خطرات هوش مصنوعی باید قوانین مشخصی در زمینه هوشمندسازی سیستم ها وضع شود تا نگرانی ها از بابت آینده این فناوری کاهش یابد.
نظر شما در رابطه با آینده بشر در کنار سیستم های هوش مصنوعی چیست؟ AI چه مزایا و معایبی برای جوامع انسانی در پی خواهد داشت؟
سوالات متداول💡