در یک نوع از دسته بندی که بر اساس خواص ذاتی انواع هوش مصنوعی که توسط آرند هینتز(استاد دانشگاه ایالتی میشیگان) پیشنهاد داده شده است و به چهار نوع زیر تقسیم بندی می شود:
در این نوع یادگیری از حافظه یا به طور دقیق از تجربه استفاده نمی شود و سعی می شود در هر لحظه همه گزینه های ممکن را بررسی کرده و بهترین راه حل را به نتیجه برساند. یک نمونه بارز آن هوش دیپ بلو(Deep Blue) شزکت IBM در زمینه بازی شطرنج بود که در سال 1997 توانست گری کاسپارف(قهرمان شطرنج در آن دهه) را شکست دهد. این گونه ماشین ها توانایی یادگیری با گذشت زمان و تجربه دریافت ورودی های مختلف را ندارند و صرفا بر اساس آنچه از پیش تعیین شده عمل می-کنند(همانند دانش آموزی که فقط حفظ می کنه )
بر خلاف نوع قبل این سیستم از اطلاعات قبلی برای انتخاب هایش استفاده می کند. این نوع از هوش مصنوعی در دهه اخیر در اتومبیل های خودران بسیار دیده شده است. این حوزه بیشتر به یادگیری تقویتی باز می گردد که بعدا در مورد آن بیشتر توضیح خواهم داد. به عنوان نمونه می توان نوع جدید بازی های شطرنج، بازی های چند نفره و …. اشاره کرد.
شاخه ای از هوش مصنوعی است که هنوز عملی نشده است و روانشناختی فرد به همراه اعتقادات، آرزوها و نیت فرد را در نظر می-گیرد. این هوش مصنوعی جهت تعامل انسان ها بر اساس ویژگی های گفته شده را دنبال می کند. این نوع از هوش مصنوعی با وجود پیشرفت های شگرف همچنان به واقعیت مبدل نشده است.
هوش مصنوعی است که هوشیاری، هوش فوقالعاده، خودآگاهی و احساس را به همراه داشته باشد و درنهایت یک انسان کامل باشد. البته چنین سیستمهایی هنوز وجود خارجی نداشته و پیادهسازی آنها، نقطه عطف و مقصد نهایی حوزه هوش مصنوعی محسوب میشود.
این دسته بندی بیشتر بر اساس توانایی های این زمینه و بخش فناورانه آن انجام می گیرد که به سه دسته زیر تقسیم می شود:
هوش مصنوعی ضعیف(با نام های محدود یا باریک نیز شناخته می شود) نوع خاصی از هوش مصنوعی است که تمرکز خود را تنها روی یک مسئله خاص می گذارد و درصدد حل آن است. اکثر سرویس های هوش مصنوعی اطراف ما از این نوع بوده که به عنوان مثال می توان سامانه های تاکسی اینترنتی، ماشین های خودران، دستیارهای شخصی مثل الکسا، سرویس های هوشمند شناسایی ایمیل های زائد، سامانه های پیش بینی بورس، پیش بینی آب و هوا و …. هر کدام از مدل های خاصی از هوش مصنوعی با الگوریتم های متفاوت استفاده می کنند که با عوض شدن نوع مسئله کارایی خود را از دست می دهند. پس می توان نتیجه گرفت این نوع از هوش مصنوعی جامعیت لازم را ندارد.
هوشمصنوعی عمومی( یا هوشمصنوعی قوی ) نوعی از هوش مصنوعی است که برخلاف هوش مصنوعی ضعیف جامعیت و عمومیت لازم را به ارمغان آورده و در موقعیت های مختلف می تواند رفتارهای انسان را شبیه سازی کرده و کاملا مانند یک انسان فکر کند، بفهمد و رفتار کند. این نوع از هوش مصنوعی همانند انسان ها بر خلاف هوش مصنوعی ضعیف دارای آگاهی و احساس است. برتری حال حاضر کامپیوترها در تجزیه و تحلیل سریعتر نسبت به انسان ها است. اما سیستم های کامپیوتری نمی توانند مانند انسان ها دارای قابلیت هایی مانند خلاقیت، وجدان و امکان تفکر در مورد مسائل انتزاعی باشند. این ها ویژگی هایی هستند که تعبیه آن در کامپیوترها بسیار دشوار است و ما را در مقام بالاتری نسبت به کامپیوترها قرار می دهد. بشر تا رساندن کامپیوترها به این مرحله ترسناک دهه ها فاصله دارد(شاید هوش مصنوعی بتونه عدالت رو برقرار کنه یا بزنه همه رو .. !). پس از رسیدن به این مرحله، فاصله ای با رسیدن به هوش مصنوعی بسیار هوشمند (Superintelligent AI) نخواهیم داشت(چون دیگه ریش و قیچی دست خودشونه )
رسیدیم به هیجان انگیز ترین بخش این متن! برای توضیح این بخش کافیه بگم که فیلم سینمایی من روبات هستم(I, Robot) که در سال 2004 منتشر شد یا فیلم او(HER) که در سال 2013 پخش گردید را ببینید. در این مرحله کامپیوترها از همه لحاظ نسبت به انسان ها برتری خواهند یافت. آن ها می توانند ربات هایی بسیار قوی تر، بسیار سریع تر، بسیار باهوش تر و بسیار خلاق تر از انسان ها باشند. اگر بر اساس نظریه تکامل به مسئله نگاه کنیم، انسان ها از موجوداتی شبه میمون به موجوداتی تبدیل شدند که ناگهان کنترل تمامی موجودات دیگر را طی صد هزار سال در دست گرفتند. اما در این زمان نیز ممکن است اتفاقی همانند گذشته بیافتد با این تفاوت که ربات های باهوش و قدرتمند به انسان ها به چشم موجوداتی بی ارزش می نگرند و ممکن است آن ها را کشته و یا در صورت نیاز حتی انسان ها را به اسارت بگیرند. اما آیا این اتفاق خواهد افتاد؟(اگه انسان ها کره زمین رو نابود نکنند!) آیا ما بیاد نگران این موضوع باشیم؟ نگرانی ما هیچ کمکی به این موضوع نخواهد کرد و باید دنبال راه حلی بود چرا که احتمال رخ دادن آن از ندادن آن بیشتر است. قطعا سیاستمداران بیشتر از مردم عادی نگران این موضوع هستند و اعمال محدودیت ها در پیشرفت این زمینه نیز کارگشا نیست! اما بریم سراغ یکی از این راه ها که با عنوان هوش مصنوعی افزوده یا (Augmented AI) شناخته می شود
این بخش به تنهایی می تواند چند مطلب کامل را شامل شود. به این دلیل که هدف این دست نوشته دادن شمای کلی از موضوع است، به طور کلی برخی از عناوین کاربرد هوش مصنوعی در زیر بیان می شود:
از این علم می توان در کسب و کارهای مختلف استفاده کرد و در هر کسب و کاری منفعت های بسیاری را به همراه خواهد داشت. در ادامه به چند نمونه از این کاربرد ها در هر حوزه می پردازیم:
مهم ترین نکته در این حوزه بهبود نتایج بیماران و در عین حال کاهش هزینه است. شرکت های فعال در حوزه سلامت می خواهند با استفاده از یادگیری ماشین، روند تشخیص و درمان را بهتر و سریعتر انجام دهند. یکی از شناخته شده ترین فناوری ها در این زمینه سیستم IBM Watson است. این سیستم زبان طبیعی را درک می کند و قادر به پاسخگویی به سوالاتی که از آن پرسیده می شود است. این سیستم تمام اطلاعات مربوط به بیمار از منابع موجود را استخراج می کند تا یک فرضیه ایجاد کند و پس از اطمینان آن را ارائه می دهد. سایر برنامه هایی که هوش مصنوعی دارند مانند چت بات ها، می توانند به بیماران برای برنامه ریزی قرار ملاقات، پاسخ به پرسش ها، صدور صورت حساب کمک کنند و یا به صورت یک دستیار سلامت مجازی به فرد بازخوردهای پزشکی ارائه دهد.
برای کارها و فرآیندهای بسیار تکراری که در هر کسب و کار توسط انسان ها انجام می شود، می توان از فرآیندهای اتوماسیون رباتیک استفاده کرد. الگوریتم های یادگیری ماشین می توانند با analytics و CRM ادغام شوند تا با کشف اطلاعات لازم، بهتر به مشتریان خدمت کنند. از چت بات ها نیز می توان برای ارائه خدمات فوری به مشتریان در وب سایت نیز استفاده کرد.
هوش مصنوعی در این حوزه می تواند به خودکار شدن نمره دهی و درجه بندی دانش آموزان کمک کند و به معلمان زمان بیشتری بدهد. هوش مصنوعی می تواند دانش آموزان را ارزیابی کند و با نیازهای آن ها سازگار باشد و با هر فرد متناسب با سرعت او کار کند. سیستم های مربی هوش مصنوعی می توانند پشتیبانی بیشتری به دانش آموزان ارائه دهند و اطمینان حاصل کنند که روند آموزش آن ها در راه درستی قرار دارد. Artificial intelligence می تواند نحوه یادگیری و مکان یادگیری دانش آموزان را تغییر دهد و حتی برخی از معلمان او را عوض کند.
سیستم های هوش مصنوعی در برنامه های مالی شخصی، مانند Mint یا Turbo Tax، می توانند اطلاعات مالی شخصی هر فرد را جمع آوری کنند و به آن ها مشاوره مالی دهند. از برنامه های دیگر مانند IBM Watson حتی در روند خرید خانه نیز می توان استفاده کرد. امروزه نرم افزارها در وال استریت بخش عظیمی از معاملات را انجام می دهند.
روند کشف اسناد و مدارک غالبا برای انسان ها بسیار سخت است. اتوماسیون و هوش مصنوعی می تواند به این فرآیند کمک کرده و کارآمدتر از زمان استفاده کند. استارتاپ ها در حال ساخت دستیارهای رایانه ای هستند که پرسش و پاسخ ها را غربال می کند و می توانند با بررسی و طبقه بندی و یک بانک اطلاعاتی ، سؤالات برنامه ریزی شده در زمینه هستی شناسی را پاسخ دهد.
این زمینه ای است که ربات ها هرچه تمام تر می توانند کار را به گردش دربیاورند. ربات های صنعتی می توانند تک تک وظایف محول شده را به طور کامل انجام دهند و جدا از کارکنان انسانی فعالیت کنند.
از هوش مصنوعی و تکنولوژی پردازش تصویر در برقراری امنیت، ردیابی مجرمان، پیدا کردن هویت خلافکاران و… استفاده میشود. این سیستمها قادرند با استفاده از هوش مصنوعی چهره افراد مختلف، موجودیت اشیاء و … را تشخیص دهند و هنگام مشاهده انجام تخلفات یا عملی مجرمانه آن را تشخیص داده و به نهاد مربوطه هشدار دهد.
کلان داده یا بیگ دیتا (Big Data) عبارتی است که برای توصیف مقادیر بزرگی از داده (اعم از داده های ساختار یافته و بدون ساختار) استفاده میشود. از کلان داده ها میتوان برای استخراج اطلاعات مورد نیاز برای تصمیم گیریهای مهم و حیاتی استفاده کرد و حرکات استراتژیک و حساس را با دقت بیشتری اجرا نمود. یک دانشمند داده به کمک کلان دادهها نه تنها قادر به تجزیه و تحلیل نیازهای افراد میباشد بلکه از قوانین حاکم بر بازارها و روندهای مختلف نیز اطلاع مییابد. تحلیل مقادیر زیادی داده، بدون هیچ گونه سیستم هوشمند و تنها به وسیله انسان امکان پذیر نیست. زیرا هم حجم داده بسیار گسترده است و هم هر روز بر میزان این حجم افزوده میشود. بنابراین مشخص است که با استفاده از هوش مصنوعی در تفسیر کلان دادهها است که به بسیاری از مفاهیم جدید میرسیم که نتیجهاش قابلیت متحول کردن بخش عظیمی از جامعه و زندگی انسانها را دارد.
به کارگیری هوش مصنوعی نه تنها در ایران بلکه در بسیاری از کشورهای پیشرفته با چالشهای متعددی مواجه است. چالش عمده ای که کسب و کارها در به کارگیری هوش مصنوعی با آن سر و کار دارند مربوط به افراد و نیروی انسانی، دادهها و اطلاعات مورد نیاز و یا ترجیحات و ترازهای تجاری می باشد. در ادامه هر کدام از این چالشها را به طور مختصر بررسی میکنیم.
مشکل مربوط به داده ها احتمالا یکی از مسائلی است اکثر شرکت ها با آن درگیر خواهند بود. هر سیستم هوش مصنوعی به اندازه دادههایی که به آن داده میشود عملکرد خوبی خواهد داشتدر حقیقت داده عنصر اصلی مورد نیاز تمام راه حلهایی است که هوش مصنوعی قرار است پیش روی یک کسب و کار قرار دهد. برخی از مشکلات مربوط به داده و جمع آوری آن عبارتند از:
دو مشکل عمده در رابطه با افراد برای به کارگیری هوش مصنوعی وجود دارد و این دو مشکل یکی نبود درکی از هوش مصنوعی در بین افراد غیر متخصص و کارمندان یک شرکت است و دیگری کمبود متخصصان هوش مصنوعی در حوزه هر کسب و کار می باشد. به کارگیری هوش مصنوعی در یک کسب و کار تا حد زیادی نیاز به مدیریتی آشنا با هوش مصنوعی و درک آن تکنولوژی دارد. متاسفانه هنوز بسیاری از افراد به هوش مصنوعی به صورت یک افسانه نگاه میکنند و انتظارات غیر علمی و تا حدی تخیلی از آن دارند و نمیدانند که هوش مصنوعی چه تحولی را میتواند در کسب و کار آنها ایجاد کند.
در هر کسب و کارو سازمانی برای به کارگیری هوش مصنوعی چند مشکل عمده وجود دارد که ناشی از سیاستهای داخلی سازمان و تصمیمات درون سازمانی است. این چالشها عبارتند از:
منابع:
دیدگاه شما