هوش مصنوعی چگونه استفاده میشود؟

بهطور کلی هوش مصنوعی به دو دسته زیر تفکیک میشود:
Narrow AI یا Artificial intelligence ضعیف: این نوع Artificial intelligenceدر یک زمینه محدود عمل میکند و شبیهسازی هوش انسانی است.
هوش مصنوعی ضعیف اغلب بر روی یک کار مشخص تعریف میشود و در محدوده تعریفش بسیار عالی عمل میکند.
شاید این ماشینها بسیار هوشمند به نظر برسند اما حقیقت این است که حتی از ابتدائیترین سطوح هوش انسانی هم سادهتر عمل میکنند.
Artificial General Intelligence یا هوش مصنوعی عمومی: که با عنوان هوش مصنوعی قوی هم شناخته میشود.
نوعی از هوش مصنوعی است که بیشتر در فیلمها دیدهایم، مانند رباتهای فیلم Westworld.
هوش مصنوعی قوی بسیار شبیه به انسان عمل میکند چنانکه میتواند تواناییهای خود را بر حل مسائلی در حوزههای مختلف به کار بگیرد.

مدیریت پیچیدگی
ایجاد و ابداع فنون و تکنیکهای لازم برای مدیریت پیچیدگی را باید به عنوان هستهٔ بنیادین تلاشهای علمی و پژوهشی گذشته.
حال و آینده در تمامی زمینههای علوم رایانه و به ویژه در هوش مصنوعی معرفی کرد.
شیوهها و تکنیکهای هوش مصنوعی در واقع، برای حل آن دسته از مسائل به وجود آمدهاست .
بهطور سهل و آسان توسط برنامهنویسی تابعی یا شیوههای ریاضی قابل حلّ نبودهاند.
در بسیاری از موارد، با پوشانیدن و پنهان ساختن جزئیّات فاقد اهمیت است که بر پیچیدگی فائق میآییم و میتوانیم بر روی بخشهایی از مسئله متمرکز شویم که مهمتر است.
تلاش اصلی در واقع، ایجاد و دستیابی به لایهها و ترازهای بالاتر از هوشمندی انتزاع را نشانه میرود تا آنجا که سرانجام.
برنامههای رایانهای درست در همان سطحی کار خواهند کرد که خود انسانها رسیدهاند.
به یاری پژوهشهای گستردهٔ دانشمندان علوم مرتبط، هوش مصنوعی تاکنون راه بسیاری پیمودهاست.
در این راستا، تحقیقاتی که بر روی توانایی آموختن زبانها انجام گرفت و همچنین درک عمیق از احساسات، دانشمندان را در پیشبرد این دانش کمک زیادی کردهاست.

از اهداف متخصصین
تولید ماشینهایی است که دارای احساسات بوده و دست کم نسبت به وجود خود و احساسات خود آگاه باشند.
این ماشین باید توانایی تعمیم تجربیات قدیمی خود در شرایط مشابه جدید را داشته و به این ترتیب اقدام به گسترش دامنه دانش و تجربیاتش کند.
برای نمونه ربات هوشمندی که بتواند اعضای بدن خود را به حرکت درآورد، نسبت به این حرکت خود آگاه بوده و با آزمون و خطا، دامنه حرکت خود را گسترش میدهد
با هر حرکت موفقیتآمیز یا اشتباه، دامنه تجربیات خود را وسعت بخشیده و سر انجام راه رفته یا حتی میدود یا به روشی برای جابجا شدن دست مییابد که سازندگانش برای او متصور نبودهاند.
هر چند نمونه بالا ممکن است کمی آرمانی به نظر برسد، ولی به هیچ عنوان دور از دسترس نیست.
دانشمندان عموماً برای تولید چنین ماشینهایی از وجود مدلهای زندهای که در طبیعت وجود به ویژه آدمی نیز سود بردهاند.
هوش مصنوعی اکنون در خدمت توسعه علوم رایانه نیز هست.
زبانهای برنامهنویسی پیشرفته، که توسعه ابزارهای هوشمند را ممکن ساختهاند، پایگاههای دادهای پیشرفته، موتورهای جستجو، و بسیاری نرمافزارها و ماشینها از نتایج پژوهشهایی در راستای هوش مصنوعی بودهاند.
از زبانهای برنامهنویسی هوش مصنوعی میتوان به لیسپ، پرولوگ، کلیپس و ویپی اکسپرت اشاره کرد.

شاخههای هوش مصنوعی در دانش رایانه
شاخههای گوناگونی از هوش مصنوعی در دانشهای رایانهای مورد استفاده قرار میگیرند، برخی این شاخهها عبارتند از:
یادگیری ماشین (به انگلیسی: Machine Learning)
شبکهٔ عصبی مصنوعی (به انگلیسی: Neural Networks)
بینایی ماشین (به انگلیسی: Machine Vision)
سامانههای خبره (به انگلیسی: Expert System)
پردازش زبان طبیعی (به انگلیسی: NLP)
الگوریتم ژنتیک (به انگلیسی: Genetic Algorithm)
مفاهیم مرتبط با روباتیک (به انگلیسی: Robotic)

تکنیکها و زبانهای برنامهنویسی هوش مصنوعی
عملکرد اولیهٔ برنامهنویسی هوش مصنوعی ایجاد ساختار کنترلی مورد لزوم برای محاسبهٔ سمبولیک است.
از مهمترین و پرکاربردترین زبان برای هوش مصنوعی میتوان از پایتون نام برد .
در کنار آن زبانهای برنامهنویسی لیسپ و پرولوگ علاوه بر اینکه از مهمترین زبانهای مورد استفاده در هوش مصنوعی هستند.
خصوصیات نحوی و معنایی آنها باعث شده که آنها شیوهها و راه حلهای قوی برای حل مسئله ارائه کنند.
تأثیر قابل توجه این زبانها بر روی توسعه هوش مصنوعی از جمله تواناییهای آنها به عنوان ابزارهای فکر کردن است.
در حقیقت همانطور که هوش مصنوعی مراحل رشد خود را طی میکند، زبانهای لیسپ و پرولوگ بیشتر مطرح میشوند.
این زبانها کار خود را در محدودهٔ توسعه سامانههای هوش مصنوعی در صنعت و دانشگاهها دنبال میکنند .
طبیعتاً اطلاعات در مورد این زبانها به عنوان بخشی از مهارت هر برنامهنویس هوش مصنوعی است.

پرولوگ:
یک زبان برنامهنویسی منطقی است. یک برنامهٔ منطقی دارای یک سری ویژگیهای قانون و منطق است.
در حقیقت خود این نام از برنامهنویسی PRO در LOGIC میآید. در این زبان یک مفسر برنامه را بر اساس یک منطق مینویسد.
ایدهٔ استفادهٔ توصیفی محاسبهٔ اولیه برای بیان خصوصیات حل مسئله یکی از محوریتهای پرولوگ است .
برای علم کامپیوتر بهطور کلی و بهطور جزئی برای زبان برنامهنویسی هوشمند مورد استفاده قرار میگیرند.
لیسپ:
اصولاً یک زبان کامل است که دارای عملکردها و لیستهای لازمه برای توصیف عملکردهای جدید، تشخیص تناسب و ارزیابی معانی است.
لیسپ به برنامهنویس قدرت کامل برای اتصال به ساختارهای اطلاعاتی را میدهد.
گر چه لیسپ یکی از قدیمیترین زبانهای محاسباتی است که هنوز فعال است ولی دقت کافی در برنامهنویسی و طراحی توسعه باعث شدهاست .
این یک زبان برنامهنویسی فعال باقی بماند. در حقیقت این مدل برنامهنویسی طوری مؤثر بودهاست که تعدادی از دیگر زبانها مانند اف پی، امال و اسکیم براساس عملکرد برنامهنویسی آن بنا شدهاند.
یکی از مهمترین برنامههای مرتبط با لیسپ برنامهٔ اسکیم است که یک تفکر دوباره در بارهٔ زبان در آن وجود دارد که به وسیلهٔ توسعه هوش مصنوعی و برای آموزش و اصول علم کامپیوتر مورد استفاده قرار میگیرد.
استفاده از رابطهای برنامهنویسی یا همان API میتواند استفاده از هوش مصنوعی در پروژههای برنامهنویسی را بسیار سادهتر سازد. APIهای هوش مصنوعی، رابطهای RESTful هستند .
به برنامهنویس اجازه میدهند به کمک مدلهای از پیش تمرین داده شده شرکتهای مختلف استفاده کنند و قابلیتهای مرتبط با هوش مصنوعی نرمافزار خود را گسترش دهند در واقع در API برنامهها از قابلیتهای کاربردی یکدیگر استفاده مینمایند .

تا توانایی خود را افزایش دهند بهطور مثال
برنامههای مسیریابی از API نقشه گوگل و مسیریابی ترافیک ماهواره ای گوگل بهره میبرند و توانایی خود را بسیار بهبود میبخشند. برای معرفی برخی از این APIهای هوش مصنوعی میتوان از Wit.ai, Api.ai و ملیسا نام برد.
عاملهای هوشمند
مقالهٔ اصلی: کارگزار هوشمند
عاملها (به انگلیسی: Agents) قادر به شناسایی الگوها و تصمیمگیری بر اساس قوانین فکر کردن خود هستند. قوانین و چگونگی فکر کردن هر عامل در راستای دستیابی به هدفش، تعریف میشود. این سامانهها بر اساس قوانین خاص خود فکر کرده و کار خود را به درستی انجام میدهند. پس عاقلانه رفتار میکنند، هر چند الزاماً مانند انسان فکر نمیکنند.
در بحث هوشمندی اصطلاح پیس (به انگلیسی: PEAS) سرنام واژههای “کارایی (به انگلیسی: Performance)”، “محیط (به انگلیسی: Environment)”، “اقدام گر (به انگلیسی: Agent)” و “حسگر (به انگلیسی: Sensor)” است.
بدون دیدگاه