مقدمه ای بر هوش مصنوعی

سیستم هایی با هوش مصنوعی وجود دارند که اطلاعات دریافتی را تجزیه و تحلیل کرده و اقداماتی را بر روی آنها انجام می دهند. اقدامات هوشمندانه باید به اهداف خاصی دست یابد. سیستم هوش مصنوعی این فعالیت ها را با درجه ای از استقلال انجام می دهد.

مقدمه ای بر هوش مصنوعی

از آنجایی که هوش مصنوعی تکنیک‌ها و زمینه‌های بسیاری را پوشش می‌دهد، برای داشتن بحث‌های معنادار و سازنده در مورد آن باید دقت کرد.

برای مثال، استدلال‌های مربوط به «سیستم‌های خبره» ساده که در نقش‌های مشاوره استفاده می‌شوند، باید از الگوریتم‌های پیچیده مبتنی بر داده‌ها که به‌طور خودکار درباره افراد تصمیم‌گیری می‌کنند، متمایز شوند.

به طور مشابه، مهم است که بین بحث‌هایی درباره تحولات آینده که ممکن است هرگز اتفاق نیفتند و استدلال‌هایی درباره هوش مصنوعی فعلی که بر جامعه امروزی تأثیر می‌گذارد، تمایز قائل شویم.

هوش مصنوعی چگونه کار می کند؟

در زیر مروری بر هوش مصنوعی از برخی از فناوری های کلیدی در زیر پرچم هوش مصنوعی آورده شده است. آنها بر اساس جدول زمانی خود به سه گروه تقسیم می شوند. آن شامل:

رمزی سانی هوش

یادگیری آماری هوش مصنوعی است

هوش مصنوعی “قوی” یا “عمومی”.

موج اول هوش مصنوعی

اولین موج هوش مصنوعی کلاسیک به عنوان «هوش مصنوعی نمادین» یا سیستم های خبره شناخته می شود. در اینجا، متخصصان انسانی فرآیندهای مبتنی بر قوانین دقیق را ایجاد می‌کنند – معروف به «الگوریتم‌ها» – که یک رایانه می‌تواند گام به گام آن‌ها را دنبال کند تا تصمیم بگیرد که چگونه هوشمندانه به یک موقعیت خاص پاسخ دهد.

منطق فازی نوعی رویکرد است که به سطوح مختلف اطمینان در مورد یک موقعیت اجازه می دهد، که برای گرفتن دانش شهودی مفید است تا یک الگوریتم بتواند در مواجهه با متغیرهای بزرگ و نامشخصی که با یکدیگر تعامل دارند، تصمیمات خوبی بگیرد.

اما به نظر می رسد AI گاهی اوقات بهتر عمل می کند. اگرچه ممکن است این روش‌ها قدیمی به نظر برسند، اما مهم هستند و هنوز هم در بسیاری از زمینه‌ها با موفقیت مورد استفاده قرار می‌گیرند و لقب «حکمت سنتی باستان» را به خود اختصاص داده‌اند.

موج دوم هوش مصنوعی

موج دوم هوش مصنوعی شامل فناوری های جدید مبتنی بر داده است که در دو دهه گذشته به سرعت توسعه یافته اند و تا حد زیادی مسئول احیای هوش مصنوعی هستند. اینها الگوریتم های خودآموزی هستند که از متخصصان انسانی در هوش مصنوعی پیشی می گیرند.

شبکه های عصبی مصنوعی (ANN) از عملکردهای مغز الهام گرفته شده اند. ورودی ها به سیگنال هایی تبدیل می شوند که از شبکه ای از نورون های مصنوعی عبور می کنند تا خروجی هایی تولید کنند که به عنوان پاسخ به ورودی تفسیر می شوند. افزودن نورون ها و لایه های بیشتر به شبکه های عصبی مصنوعی اجازه می دهد تا مشکلات پیچیده تری را مدیریت کنند. یادگیری عمیق تنها به شبکه های عصبی مصنوعی با لایه های متعدد اشاره دارد.

یادگیری ماشینی (ML) به معنای اصلاح شبکه به گونه‌ای است که این نتایج به عنوان پاسخ‌های مفید یا هوشمند به ورودی در نظر گرفته شوند. الگوریتم‌های ML می‌توانند این فرآیند یادگیری را با بهینه‌سازی یک ANN منفرد یا استفاده از اصول تکاملی برای انجام بهینه‌سازی‌های چندگانه روی جمعیت زیادی از شبکه‌های عصبی مصنوعی خودکار کنند.

موج سوم هوش مصنوعی

موج سوم هوش مصنوعی به امواج احتمالی آینده هوش مصنوعی اشاره دارد. در حالی که تکنیک‌های موج اول و دوم به‌عنوان هوش مصنوعی ضعیف یا باریک توصیف می‌شوند، زیرا می‌توانند به طور هوشمندانه روی وظایف خاص عمل کنند، هوش مصنوعی «قوی» یا «عمومی» به الگوریتم‌هایی اشاره دارد که می‌توانند در جنبه‌های خاصی اطلاعات ارائه دهند. بسیاری از موارد مختلف را می توان نشان داد.

چنین حوزه‌های مشکل هوش مصنوعی عمومی (AGI) با فناوری کنونی امکان‌پذیر نیست و نیازمند توسعه پارادایم تغییر است. چندین رویکرد ممکن در نظر گرفته شده است، از جمله روش های تکاملی پیشرفته، محاسبات کوانتومی، و شبیه سازی مغز. سایر اشکال هوش مصنوعی آینده‌نگر، مانند هوش مصنوعی خود توضیحی و متنی، ممکن است در جاه‌طلبی‌های خود متواضع به نظر برسند، اما تأثیر بالقوه آنها – و موانع اجرای آنها – را نباید دست کم گرفت.

چرا هوش مصنوعی مهم است؟

امروزه چندین چالش در ارتباط با هوش مصنوعی وجود دارد. به طور کلی، آنها می توانند به عنوان تعادل بین دو مشکل اجتنابی استفاده شوند:

و کافی نیست، فرصت های بالقوه را از دست می دهیم و

به طور فزاینده ای، هوش مصنوعی برای چیزهایی که نامناسب هستند یا مشکلاتی ایجاد می کنند، استفاده می شود.

فرآیندهای ML یا یادگیری ماشین، برخی از الگوریتم‌ها را در برابر سوگیری آسیب‌پذیر می‌سازد و پیچیدگی آنها درک و توضیح منطق تصمیم‌گیری آنها را دشوار می‌کند. چیزهای مهم در

تضمین توزیع عادلانه هزینه ها و مزایای هوش مصنوعی

اجتناب از تمرکز منابع در بازارهای غیر رقابتی

اولویت بندی برنامه هایی که نابرابری ساختاری را کاهش می دهند نه تشدید آن

ایناهاش چالش های مهم دیگر عبارتند از:

پذیرش عمومی این فناوری،

همسویی با ارزش های اجتماعی

نگرانی هایی در مورد برخی کاربردهای نظامی وجود دارد.

چالش های آینده هوش مصنوعی

همچنین تعدادی فرصت و چالش درازمدت وجود دارد که به تحولات آینده بستگی دارد که ممکن است هرگز اتفاق نیفتد. برخی از سناریوهای اتوپیایی و دیستوپیایی می توانند چرخه های تبلیغاتی را تقویت کنند، اما آنها همچنین فرصتی را برای آماده شدن برای روندهای معتدل تر و تجدید نظر در مورد آنچه از فناوری می خواهیم ارائه می دهند.

به عنوان مثال، ادعا شده است که هوش مصنوعی می تواند:

منجر به از دست دادن مشاغل خاص یا منسوخ شدن ایده کار شود

از کنترل انسان رها شوید و کنترل رشد خود را به دست بگیرید

مقاومت در برابر استقلال انسان یا ایجاد احساسات یا آگاهی مصنوعی