×

Мы используем cookie-файлы, чтобы сделать работу LingQ лучше. Находясь на нашем сайте, вы соглашаетесь на наши правила обработки файлов «cookie».


image

Arantik | Science and Technology, هوش مصنوعی دقیقا چیه؟

هوش مصنوعی دقیقا چیه؟

ربات‌های مهربون و گوگولی که قراره تو زمینه‌های مختلف کمکمون کنن،

یا رباتای بی‌رحم و ترسناک که تو فیلمای آخرالزمانی زیاد دیدیم و

تمام هدفشون اینه که زمینو از وجود ما انسانا پاک کنن؟

کدومشون واقعا قراره اتفاق بیفته؟

تا الان چیزی که اتفاق افتاده حالت اول بوده.

یعنی هوش مصنوعی الان داره خیلی از کارهای ما رو با دقت بالا

بدون اینکه انتظار خیلی زیادی داشته باشه انجام میده.

اما مساله اینه که هنوز خیلی باهوش نشده!

چطور می‌تونیم مطمئن باشیم وقتی رباتی که خودمون ساختیم

خیلی باهوش‌تر از الان شد و کنترل قسمتای حساسی از زندگی ما رو

به عهده گرفت، با ما مثل یه عامل مزاحم برخورد نکنه؟

تو این ویدیو قبلا درباره‌ی آینده‌ی هوش مصنوعی یه مقدار صحبت کردم،

اما امروز میخوام یه کار متفاوت انجام بدم.

میخوام بریم اصلا از پایه ببینیم که هوش مصنوعی دقیقا چیه؟

چه زیر شاخه‌هایی داره؟ چجوری ساخته میشه؟

چون فکر می‌کنم هنوز بعضی‌هامون شناخت درستی از این موضوع خیلی مهم نداریم.

برای همین آخر این ویدیو خودمون یه هوش مصنوعی خیلی کوچیک

اما جالب می‌نویسیم تا یه شناخت کلی ازش بدست بیاریم.

پس اگه از علاقمندای این بحث هستی تا آخر ویدیو با من باش.

اگرم هنوز عضو کانال نشدی کافیه اون دکمه‌ی سابسکرایب پایین ویدیو رو بزنی.

از ماشینی که سوار میشیم تا یخچال آشپزخونه‌مون

تا گوشی‌های هوشمندمون، زندگیمون جوری با هوش مصنوعی قاطی شده

که دیگه فکر نمی‌کنم به راحتی بتونیم کنار بذاریمش.

اما این هوش مصنوعی هنوز خیلی محدودتر از خودمونه.

شاید به خاطر همینه که در برابر ما تن به اسارت داده و برده‌ی ما شده.

از کجا معلوم وقتی به هوشمندی خود ما شد بازم تن به بردگی بده؟

از کجا معلوم که به خاطر اون منطق دقیق و خالی از احساسی که داره، گونه‌ی انسانو

به عنوان خطرناک‌ترین گونه‌ی این سیاره شناسایی نکنه و کمر به نابودی ما نبنده؟

مگه غیر از اینه که ما انسانا الان خیلی از موجودات سیاره‌ی زمینو

اسیر می‌کنیم، تو بهترین سالای جوونیشون به بدترین شکل میکشیمشون،

خونه‌هاشونو از بین می‌بریم یا هزارجور بلای دیگه سرشون میاریم؟

مگه غیر از اینه که داریم تعادلی که بعد از میلیون‌ها سال

روی سیاره‌مون بوجود اومده رو از بین میبریم و به سمت نابودی میکشیمش؟

پس من شخصا فکر می‌کنم وقتی یه هوش برتر روی سیاره‌ی زمین ظهور کنه

حتما با ما انسانا مبارزه می‌کنه چون فقط داریم خراب‌کاری می‌کنیم.

مگه اینکه تا اون موقع، که شاید خیلی هم دور نباشه، خودمونو اصلاح کنیم.

یکی دیگه از چیزایی که خیلی میتونه کمکمون کنه اینه که

یه شناخت درستی از ماهیت هوش مصنوعی و زیرشاخه‌هاش داشته باشیم.

سال 1950 آلن تورینگ (Alan Mathison Turing) ریاضیدان نابغه‌ی انگلیسی،

که به عنوان پدر علوم کامپیوتر و پدر هوش مصنوعی شناخته میشه،

یه مقاله منتشر کرد به نام ماشین محاسبه و هوش (Computing Machinery and Intelligence)

که میشه گفت نقطه‌ی شروع جدی هوش مصنوعی بود.

تو این مقاله، تورینگ یه آزمایش جالب معرفی کرد که بعدا معروف شد به آزمون تورینگ.

ایده‌ی کلیش به صورت خلاصه اینه: دو تا اتاق در نظر بگیرید

که تو یکیشون یه آدم واقعی نشسته، تو اون یکی یه کامپیوتره.

یه داورم داریم که کارش اینه که از طریق پیامای متنی با این دو تا ارتباط برقرار کنه.

داور هیچ راهی نداره برای اینکه بفهمه تو کدوم اتاق آدمه تو کدوم اتاق کامپیوتر،

فقط باید از طریق جوابایی که بهش میدن، حدس بزنه این موضوع رو.

اگه این داور نتونه کامپیوتر رو از آدم تشخیص بده،

اونوقت می‌تونیم نتیجه بگیریم که این کامپیوتر واقعا هوشمنده.

در واقع هوش مصنوعی، در مقابل هوش طبیعی که مال ما آدماس،

به اون هوشمندی‌ای گفته میشه که ماشین‌ها وقتی که

توی شرایط مشابه آدما قرار میگیرن از خودشون نشون میدن.

مثل یاد گرفتن، اطلاعات جمع کردن، استنتاج کردن.

منظور از ماشینم یعنی هر چیزی که ساخته‌ی دست ماست.

هوش مصنوعی الان یه شاخه‌ی علمی بزرگه که فقط با کامپیوترا سروکار نداره.

ریاضیات، فلسفه، روانشناسی، زبان‌شناسی، حتی زیست‌شناسی و

عصب‌شناسی هم نقش خیلی پررنگی توش دارن.

همین گوشی هوشمندی که دستتونه مقدار زیادی هوش مصنوعی توش به کار رفته.

همین یوتیوبی که الان توش هستید هوش مصنوعی پیشرفته‌ای داره که بر اساس

اون ویدیوهایی که معمولا شما می‌بینید ویدیوهای بعدی رو بهتون پیشنهاد میده.

پس هوش مصنوعی، الان، در حال حاضر، میشه گفت که

برنامه‌های کامپیوتری هستن که روی ابزارای دیجیتال مثل کامپیوتر

یا گوشی یا چیزای دیگه اجرا میشن و یه وظیفه‌ی خاصی به عهده دارن.

به صورت کلی هوش مصنوعی یا Artificial Intelligence

یا به صورت خلاصه A.I. به دو تا دسته‌ی کلی تقسیم میشه:

هوش مصنوعی محدود یا Narrow AI ، هوش مصنوعی عمومی یا General AI .

هوش مصنوعی محدود یا ضعیف، همون چیزیه که الان وجود داره.

یعنی همین هوش مصنوعی که توی کامپیوترا و گوشیای ماست

یا همین دستیارای مجازی مثل الکسا و سیری، یا ماشین‌های هوشمند مثل تسلا

که خودشون بدون راننده حرکت می‌کنن، یا همین ربات سوفیا که اول ویدیو دیدید

با آنتونی رابینز حرف می‌زد، اینا همه جزو هوش مصنوعی محدود حساب میشن.

دلیل اینکه بهش میگن محدود اینه که برخلاف ما انسانا،

توانایی‌های محدودی دارن، یعنی وظایف مشخصی رو می‌تونن یاد بگیرن و انجام بدن.

پس درواقع تمام نمونه‌های هوش مصنوعی که تا الان ساخته شده، همه‌شون از نوع محدود‌ن.

هوش مصنوعی عمومی یا قوی، فرقش با هوش ضعیف اینه که دیگه اون محدودیتا رو نداره.

یعنی می‌تونه چندین وظیفه‌ی مختلفو یاد بگیره و انجام بده، مثل ما انسانا.

اون هوشای مصنوعی که توی فیلمایی مثل

ترمیناتور یا ماتریکس دیدیم از همین نوع به حساب میان.

البته ما هنوز نتونستیم چنین هوشی بسازیم،

مشخصم نیست کِی موفق میشیم ولی خب احتمالا خیلی ازش دور نیستیم.

خب حالا بریم سراغ چند تا از معروف‌ترین زیرشاخه‌های هوش مصنوعی:

شماره‌ی 1: یادگیری ماشینی:

فرض کنید من می‌خوام یه برنامه‌ی کامپیوتری بنویسم که وقتی که عکس یه سیبو

بهش نشون میدم بتونه تشخیص بده که این سیبه.

خب یه ایده اینه که من بیام ویژگی‌های سیبو دونه دونه تو برنامم

تعریف کنم، یعنی مثلا بگم که سیب شکلش اینه، اندازش اینه

رنگش میتونه سبز یا قرمز یا زرد باشه، یا هر ویژگی دیگه‌ای که از سیب میشناسم.

من تمام این ویژگی‌های سیبو توی برنامه‌م تعریف می‌کنم بعد هربار که عکس جدیدی

بهش نشون میدم میره توی اون ویژگی‌ها که قبلا براش تعریف کردم نگاه می‌کنه،

اگه این عکس تمام اون ویژگی‌ها رو داشت نتیجه می‌گیره که اینم سیبه.

خب این روش چند تا ایراد داره.

یکیش اینکه من هرچقدر ویژگی‌ سیب‌های مختلفو به برنامه اضافه کنم باز ممکنه

یه سیبی پیدا بشه که یه ویژگی داشته باشه که من قبلا تعریف نکردم

در نتیجه برنامم تو شناختش دچار مشکل بشه.

یکی دیگه اینکه نوشتن تمام این جزییات توی برنامه‌م کار خیلی سخت و زمان‌بریه.

اونم برای یه همچین برنامه‌ی ساده‌ای.

اینجاست که بحث یادگیری ماشین پیش میاد، یا درست‌تر بگم یادگیری ماشینی.

تو این روش من میام یه تعداد خیلی زیادی عکس سیبای

مختلفو به برنامه‌م نشون میدم و بهش میگم که اینا همه سیبن!

حالا برنامه‌ی من با استفاده از الگوریتم‌هایی که برای یادگیری وجود داره،

میاد تمام این سیبا رو بررسی می‌کنه و ویژگیاشونو یاد میگیره.

حالا هر عکس جدیدی که بهش نشون بدم میتونه

با یه درصد خیلی خوبی تشخیص بده که این ایا سیبه یا نه.

آخر همین ویدیو یه برنامه‌ی ساده‌ی یادگیری ماشین

باهم می‌نویسیم که اونجا بهتر متوجه میشید که منظورم چیه.

یادگیری ماشینی میشه گفت اصلی‌ترین بخش هوش مصنوعیه.

ماشینی که میتونه از داده‌هایی که بهش میدیم چیز یاد بگیره،

در واقع میشه گفت که اولین قدمو به سمت هوشمند شدن برداشته.

مثلا اون برنامه‌ای که توی گوشی شما برای تشخیص اثر انگشت نوشته شده

از یادگیری ماشین استفاده می‌کنه، یا سیستم سرچ گوگل از همین یادگیری ماشین

استفاده می‌کنه برای اینکه نتایج درست‌تر و دقیق‌تری به شما نشون بده.

شماره‌ی 2: یادگیری عمیق:

وقتی که پای داده‌های خیلی بزرگ و پیچیده میاد وسط،

یادگیری ماشینی تبدیل میشه به یادگیری عمیق.

اینجا از روش خاصی به نام شبکه‌های عصبی استفاده میشه برای اینکه

ماشین بتونه از داده‌های پیچیده‌ای که بهش دادیم چیز یاد بگیره.

شبکه‌های عصبی خودش یه بحث بزرگ و تخصصیه که اینجا نیازی نیست

از جزییاتش چیزی بدونیم، فقط در همین حد بگم که به الگوریتم‌ها و روش‌هایی

میشه که از طرز کار نورونای مغز الهام گرفته شدن.

یعنی کدهای کامپیوتری که طرز کارشون مشابه یه نورونه،

اینا به همدیگه وصل میشن و شبکه‌ای از این نورونای مصنوعی

بوجود میاد که مثل مغز ما توانایی یادگیری داره.

یکی از کاربردای عجیب یادگیری عمیق، فناوری دیپ‌فیک

یا جعل عمیقه که سروصدای زیادی به پا کرد.

با استفاده از این فناوری میشه عکسا و فیلمای جعلی

از آدما ساخت که خیلی واقعی به نظر میان.

اینقدر واقعی که از نظر خیلیا جلوی این فناوری باید

گرفته بشه چون حریم شخصی آدما رو نقض میکنه.

پس اگه یه روز یه ویدیو از خودتون دیدید که مشغول زدن حرفایی بودید که

اصلا روحتونم از اون حرفا خبر نداشت، تعجب نکنید، کار هوش مصنوعیه.

یا مثلا یه سایتم هست به نام thispersondoesnotexist.com

یعنی این شخص وجود نداره دات کام،

که هربار صفحه رو ریفرش می‌کنید میاد عکس یه شخص جدیدو به شما نشون میده.

این سایت یه تعداد خیلی زیادی عکس آدمای مختلف داره که

میاد با هوش مصنوعی و یادگیری عمیق اینا رو خیلی تمیز و دقیق

با هم ترکیب میکنه بعد هربار یه چهره‌ی کاملا جدید میسازه.

این عکسی که به شما میده میتونید مطمئن باشید که عکس

هیچ انسان واقعی روی کره‌ی زمین نیست، کاملا جعلیه.

شاید به درد اونایی بخوره که دوست ندارن عکس اکانتشون عکس واقعی خودشون باشه.

از طرفی هم نمیخوان از عکس آدمای دیگه استفاده کنن.

شماره‌ی 3: سیستم‌های خبره:

سیستم‌های خبره یا سیستم‌های متخصص، در واقع برنامه‌های کامپیوتری هستن

که نقش یه انسانی که تو یه زمینه‌ تخصص داره رو برای ما بازی می‌کنن.

احتمالا براتون پیش اومده که اینترنت خونه از کار افتاده، بعد تماس گرفتید با

پشتیبانی اون شرکتی که ازش اینترنت تهیه می‌کنید.

پشتیبان قدم به قدم از شما سوال میپرسه و بر اساس اون اطلاعاتی که

از شما میگیره میتونه تشخیص بده که مشکل از کجاست.

مثلا میگه چراغ اینترنتو نگاه کن ببین روشنه یا نه.

اگه روشن نیست پس سیم تلفن قطعه، اگه روشنه پس ایراد از جای دیگه‌س.

یعنی یه منطق if…then پشتشه، اگر این درست بود،

این اتفاق بیفته، در غیر این صورت، اون یکی اتفاق بیفته.

حالا فرض کنید تمام دانش اون شخص پشتیبان اینترنتو

بیاییم به صورت یه برنامه‌ی کامپیوتری بنویسیم.

این برنامه میتونه با پرسیدن سوالات مختلف از کاربر،

بعد، تصمیم‌گیری بر اساس جواب‌های کاربر، تشخیص بده که مشکل از کجاست.

الان ما تونستیم یه سیستم خبره بسازیم، یعنی یه برنامه‌ی کامپیوتری

که درست مثل یه ادم خبره، می‌تونه مشکل بقیه رو حل کنه.

شماره‌ی 4: پردازش زبان طبیعی:

پردازش زبان طبیعی یا NLP مربوط میشه به تعامل بین انسان و کامپیوتر.

یعنی کامپیوتر یا ربات میتونه با استفاده از این ابزار،

زبان طبیعی ما آدما رو متوجه بشه.

الان تا یه حد خیلی خوبی پیشرفته کرده اما خب هنوز یه ایراداتی داره.

یعنی مثلا همین ربات سوفیا بعضی وقتا تو فهمیدن حرفای آنتونی رابینز

گیر میزنه، با اینکه سیستم پردازش زبان خیلی پیشرفته‌ای داره.

یا مثلا همین دستیارای مجازی مثل سیری و الکسا با اینکه خیلی از

حرفای ما رو متوجه میشن اما هنوز نمی‌تونن صددرصد صحبتای یه انسانو درک کنن،

اون جوری که یه انسان دیگه درک می‌کنه.

شماره‌ی 5: رباتیک:

درسته رباتیک خودش یه زیرمجموعه از هوش مصنوعیه.

تو ذهن خیلی از ما، رباتا به عنوان نمونه‌های اصلی هوش مصنوعی نقش بستن.

هوش مصنوعی دقیقا چیه؟ |artificial|| What exactly is artificial intelligence? Qu’est-ce que l’intelligence artificielle exactement ? Cos’è esattamente l’intelligenza artificiale? O que exatamente é inteligência artificial?

ربات‌های مهربون و گوگولی که قراره تو زمینه‌های مختلف کمکمون کنن، robot||kind||cute|||||||help us| Kind and cute robots that are supposed to help us in various fields,

یا رباتای بی‌رحم و ترسناک که تو فیلمای آخرالزمانی زیاد دیدیم و |robots|without|ruthless|||||movies|apocalyptic||saw| or ruthless and scary robots that we have seen a lot in apocalyptic movies and

تمام هدفشون اینه که زمینو از وجود ما انسانا پاک کنن؟ |Their goal|||the earth|||||| their only goal is to rid the Earth of our existence as humans?

کدومشون واقعا قراره اتفاق بیفته؟

تا الان چیزی که اتفاق افتاده حالت اول بوده.

یعنی هوش مصنوعی الان داره خیلی از کارهای ما رو با دقت بالا It means that artificial intelligence is now doing many of our tasks with high accuracy

بدون اینکه انتظار خیلی زیادی داشته باشه انجام میده.

اما مساله اینه که هنوز خیلی باهوش نشده! But the problem is that he is not very smart yet!

چطور می‌تونیم مطمئن باشیم وقتی رباتی که خودمون ساختیم

خیلی باهوش‌تر از الان شد و کنترل قسمتای حساسی از زندگی ما رو ||||||||parts|||||

به عهده گرفت، با ما مثل یه عامل مزاحم برخورد نکنه؟ |responsibility|took on|||like|a||||

تو این ویدیو قبلا درباره‌ی آینده‌ی هوش مصنوعی یه مقدار صحبت کردم،

اما امروز میخوام یه کار متفاوت انجام بدم. But today I want to do something different.

میخوام بریم اصلا از پایه ببینیم که هوش مصنوعی دقیقا چیه؟ I want to go and see what exactly artificial intelligence is?

چه زیر شاخه‌هایی داره؟ چجوری ساخته میشه؟ ||branch|||||

چون فکر می‌کنم هنوز بعضی‌هامون شناخت درستی از این موضوع خیلی مهم نداریم.

برای همین آخر این ویدیو خودمون یه هوش مصنوعی خیلی کوچیک Therefore, at the end of this video, we have a very small artificial intelligence

اما جالب می‌نویسیم تا یه شناخت کلی ازش بدست بیاریم.

پس اگه از علاقمندای این بحث هستی تا آخر ویدیو با من باش. |||interested parties|||||||||

اگرم هنوز عضو کانال نشدی کافیه اون دکمه‌ی سابسکرایب پایین ویدیو رو بزنی. ||||you haven't become|||||subscribe||||

از ماشینی که سوار میشیم تا یخچال آشپزخونه‌مون From the car we drive to the refrigerator in our kitchen

تا گوشی‌های هوشمندمون، زندگیمون جوری با هوش مصنوعی قاطی شده

که دیگه فکر نمی‌کنم به راحتی بتونیم کنار بذاریمش.

اما این هوش مصنوعی هنوز خیلی محدودتر از خودمونه.

شاید به خاطر همینه که در برابر ما تن به اسارت داده و برده‌ی ما شده. Maybe that's why he surrendered to us and became our slave.

از کجا معلوم وقتی به هوشمندی خود ما شد بازم تن به بردگی بده؟ How do you know that when it becomes our own intelligence, we will be enslaved again?

از کجا معلوم که به خاطر اون منطق دقیق و خالی از احساسی که داره، گونه‌ی انسانو

به عنوان خطرناک‌ترین گونه‌ی این سیاره شناسایی نکنه و کمر به نابودی ما نبنده؟

مگه غیر از اینه که ما انسانا الان خیلی از موجودات سیاره‌ی زمینو Is it not that we humans are the most creatures on the planet now?

اسیر می‌کنیم، تو بهترین سالای جوونیشون به بدترین شکل میکشیمشون،

خونه‌هاشونو از بین می‌بریم یا هزارجور بلای دیگه سرشون میاریم؟ |||||||a thousand kinds|||on them|bring

مگه غیر از اینه که داریم تعادلی که بعد از میلیون‌ها سال ||||||balance|||||| Except that we have a balance after millions of years

روی سیاره‌مون بوجود اومده رو از بین میبریم و به سمت نابودی میکشیمش؟

پس من شخصا فکر می‌کنم وقتی یه هوش برتر روی سیاره‌ی زمین ظهور کنه ||personally|||||||||||||

حتما با ما انسانا مبارزه می‌کنه چون فقط داریم خراب‌کاری می‌کنیم. ||||||||||destruction|||

مگه اینکه تا اون موقع، که شاید خیلی هم دور نباشه، خودمونو اصلاح کنیم. ||||||||||||correct| Until then, which may not be too far, we reform ourselves.

یکی دیگه از چیزایی که خیلی میتونه کمکمون کنه اینه که

یه شناخت درستی از ماهیت هوش مصنوعی و زیرشاخه‌هاش داشته باشیم.

سال 1950 آلن تورینگ (Alan Mathison Turing) ریاضیدان نابغه‌ی انگلیسی،

که به عنوان پدر علوم کامپیوتر و پدر هوش مصنوعی شناخته میشه، who is known as the father of computer science and the father of artificial intelligence,

یه مقاله منتشر کرد به نام ماشین محاسبه و هوش (Computing Machinery and Intelligence)

که میشه گفت نقطه‌ی شروع جدی هوش مصنوعی بود.

تو این مقاله، تورینگ یه آزمایش جالب معرفی کرد که بعدا معروف شد به آزمون تورینگ.

ایده‌ی کلیش به صورت خلاصه اینه: دو تا اتاق در نظر بگیرید

که تو یکیشون یه آدم واقعی نشسته، تو اون یکی یه کامپیوتره.

یه داورم داریم که کارش اینه که از طریق پیامای متنی با این دو تا ارتباط برقرار کنه.

داور هیچ راهی نداره برای اینکه بفهمه تو کدوم اتاق آدمه تو کدوم اتاق کامپیوتر،

فقط باید از طریق جوابایی که بهش میدن، حدس بزنه این موضوع رو.

اگه این داور نتونه کامپیوتر رو از آدم تشخیص بده،

اونوقت می‌تونیم نتیجه بگیریم که این کامپیوتر واقعا هوشمنده.

در واقع هوش مصنوعی، در مقابل هوش طبیعی که مال ما آدماس،

به اون هوشمندی‌ای گفته میشه که ماشین‌ها وقتی که

توی شرایط مشابه آدما قرار میگیرن از خودشون نشون میدن.

مثل یاد گرفتن، اطلاعات جمع کردن، استنتاج کردن.

منظور از ماشینم یعنی هر چیزی که ساخته‌ی دست ماست.

هوش مصنوعی الان یه شاخه‌ی علمی بزرگه که فقط با کامپیوترا سروکار نداره.

ریاضیات، فلسفه، روانشناسی، زبان‌شناسی، حتی زیست‌شناسی و

عصب‌شناسی هم نقش خیلی پررنگی توش دارن.

همین گوشی هوشمندی که دستتونه مقدار زیادی هوش مصنوعی توش به کار رفته.

همین یوتیوبی که الان توش هستید هوش مصنوعی پیشرفته‌ای داره که بر اساس

اون ویدیوهایی که معمولا شما می‌بینید ویدیوهای بعدی رو بهتون پیشنهاد میده.

پس هوش مصنوعی، الان، در حال حاضر، میشه گفت که

برنامه‌های کامپیوتری هستن که روی ابزارای دیجیتال مثل کامپیوتر

یا گوشی یا چیزای دیگه اجرا میشن و یه وظیفه‌ی خاصی به عهده دارن.

به صورت کلی هوش مصنوعی یا Artificial Intelligence

یا به صورت خلاصه A.I. به دو تا دسته‌ی کلی تقسیم میشه:

هوش مصنوعی محدود یا Narrow AI ، هوش مصنوعی عمومی یا General AI .

هوش مصنوعی محدود یا ضعیف، همون چیزیه که الان وجود داره.

یعنی همین هوش مصنوعی که توی کامپیوترا و گوشیای ماست

یا همین دستیارای مجازی مثل الکسا و سیری، یا ماشین‌های هوشمند مثل تسلا

که خودشون بدون راننده حرکت می‌کنن، یا همین ربات سوفیا که اول ویدیو دیدید

با آنتونی رابینز حرف می‌زد، اینا همه جزو هوش مصنوعی محدود حساب میشن.

دلیل اینکه بهش میگن محدود اینه که برخلاف ما انسانا،

توانایی‌های محدودی دارن، یعنی وظایف مشخصی رو می‌تونن یاد بگیرن و انجام بدن.

پس درواقع تمام نمونه‌های هوش مصنوعی که تا الان ساخته شده، همه‌شون از نوع محدود‌ن.

هوش مصنوعی عمومی یا قوی، فرقش با هوش ضعیف اینه که دیگه اون محدودیتا رو نداره.

یعنی می‌تونه چندین وظیفه‌ی مختلفو یاد بگیره و انجام بده، مثل ما انسانا.

اون هوشای مصنوعی که توی فیلمایی مثل

ترمیناتور یا ماتریکس دیدیم از همین نوع به حساب میان.

البته ما هنوز نتونستیم چنین هوشی بسازیم،

مشخصم نیست کِی موفق میشیم ولی خب احتمالا خیلی ازش دور نیستیم.

خب حالا بریم سراغ چند تا از معروف‌ترین زیرشاخه‌های هوش مصنوعی:

شماره‌ی 1: یادگیری ماشینی:

فرض کنید من می‌خوام یه برنامه‌ی کامپیوتری بنویسم که وقتی که عکس یه سیبو

بهش نشون میدم بتونه تشخیص بده که این سیبه.

خب یه ایده اینه که من بیام ویژگی‌های سیبو دونه دونه تو برنامم

تعریف کنم، یعنی مثلا بگم که سیب شکلش اینه، اندازش اینه

رنگش میتونه سبز یا قرمز یا زرد باشه، یا هر ویژگی دیگه‌ای که از سیب میشناسم.

من تمام این ویژگی‌های سیبو توی برنامه‌م تعریف می‌کنم بعد هربار که عکس جدیدی

بهش نشون میدم میره توی اون ویژگی‌ها که قبلا براش تعریف کردم نگاه می‌کنه،

اگه این عکس تمام اون ویژگی‌ها رو داشت نتیجه می‌گیره که اینم سیبه.

خب این روش چند تا ایراد داره.

یکیش اینکه من هرچقدر ویژگی‌ سیب‌های مختلفو به برنامه اضافه کنم باز ممکنه

یه سیبی پیدا بشه که یه ویژگی داشته باشه که من قبلا تعریف نکردم

در نتیجه برنامم تو شناختش دچار مشکل بشه.

یکی دیگه اینکه نوشتن تمام این جزییات توی برنامه‌م کار خیلی سخت و زمان‌بریه.

اونم برای یه همچین برنامه‌ی ساده‌ای.

اینجاست که بحث یادگیری ماشین پیش میاد، یا درست‌تر بگم یادگیری ماشینی.

تو این روش من میام یه تعداد خیلی زیادی عکس سیبای

مختلفو به برنامه‌م نشون میدم و بهش میگم که اینا همه سیبن!

حالا برنامه‌ی من با استفاده از الگوریتم‌هایی که برای یادگیری وجود داره،

میاد تمام این سیبا رو بررسی می‌کنه و ویژگیاشونو یاد میگیره.

حالا هر عکس جدیدی که بهش نشون بدم میتونه

با یه درصد خیلی خوبی تشخیص بده که این ایا سیبه یا نه.

آخر همین ویدیو یه برنامه‌ی ساده‌ی یادگیری ماشین

باهم می‌نویسیم که اونجا بهتر متوجه میشید که منظورم چیه.

یادگیری ماشینی میشه گفت اصلی‌ترین بخش هوش مصنوعیه.

ماشینی که میتونه از داده‌هایی که بهش میدیم چیز یاد بگیره،

در واقع میشه گفت که اولین قدمو به سمت هوشمند شدن برداشته.

مثلا اون برنامه‌ای که توی گوشی شما برای تشخیص اثر انگشت نوشته شده

از یادگیری ماشین استفاده می‌کنه، یا سیستم سرچ گوگل از همین یادگیری ماشین

استفاده می‌کنه برای اینکه نتایج درست‌تر و دقیق‌تری به شما نشون بده.

شماره‌ی 2: یادگیری عمیق:

وقتی که پای داده‌های خیلی بزرگ و پیچیده میاد وسط،

یادگیری ماشینی تبدیل میشه به یادگیری عمیق.

اینجا از روش خاصی به نام شبکه‌های عصبی استفاده میشه برای اینکه

ماشین بتونه از داده‌های پیچیده‌ای که بهش دادیم چیز یاد بگیره.

شبکه‌های عصبی خودش یه بحث بزرگ و تخصصیه که اینجا نیازی نیست

از جزییاتش چیزی بدونیم، فقط در همین حد بگم که به الگوریتم‌ها و روش‌هایی

میشه که از طرز کار نورونای مغز الهام گرفته شدن.

یعنی کدهای کامپیوتری که طرز کارشون مشابه یه نورونه،

اینا به همدیگه وصل میشن و شبکه‌ای از این نورونای مصنوعی

بوجود میاد که مثل مغز ما توانایی یادگیری داره.

یکی از کاربردای عجیب یادگیری عمیق، فناوری دیپ‌فیک

یا جعل عمیقه که سروصدای زیادی به پا کرد.

با استفاده از این فناوری میشه عکسا و فیلمای جعلی

از آدما ساخت که خیلی واقعی به نظر میان.

اینقدر واقعی که از نظر خیلیا جلوی این فناوری باید

گرفته بشه چون حریم شخصی آدما رو نقض میکنه.

پس اگه یه روز یه ویدیو از خودتون دیدید که مشغول زدن حرفایی بودید که

اصلا روحتونم از اون حرفا خبر نداشت، تعجب نکنید، کار هوش مصنوعیه.

یا مثلا یه سایتم هست به نام thispersondoesnotexist.com

یعنی این شخص وجود نداره دات کام،

که هربار صفحه رو ریفرش می‌کنید میاد عکس یه شخص جدیدو به شما نشون میده.

این سایت یه تعداد خیلی زیادی عکس آدمای مختلف داره که

میاد با هوش مصنوعی و یادگیری عمیق اینا رو خیلی تمیز و دقیق

با هم ترکیب میکنه بعد هربار یه چهره‌ی کاملا جدید میسازه.

این عکسی که به شما میده میتونید مطمئن باشید که عکس

هیچ انسان واقعی روی کره‌ی زمین نیست، کاملا جعلیه.

شاید به درد اونایی بخوره که دوست ندارن عکس اکانتشون عکس واقعی خودشون باشه.

از طرفی هم نمیخوان از عکس آدمای دیگه استفاده کنن.

شماره‌ی 3: سیستم‌های خبره:

سیستم‌های خبره یا سیستم‌های متخصص، در واقع برنامه‌های کامپیوتری هستن

که نقش یه انسانی که تو یه زمینه‌ تخصص داره رو برای ما بازی می‌کنن.

احتمالا براتون پیش اومده که اینترنت خونه از کار افتاده، بعد تماس گرفتید با

پشتیبانی اون شرکتی که ازش اینترنت تهیه می‌کنید.

پشتیبان قدم به قدم از شما سوال میپرسه و بر اساس اون اطلاعاتی که

از شما میگیره میتونه تشخیص بده که مشکل از کجاست.

مثلا میگه چراغ اینترنتو نگاه کن ببین روشنه یا نه.

اگه روشن نیست پس سیم تلفن قطعه، اگه روشنه پس ایراد از جای دیگه‌س.

یعنی یه منطق if…then پشتشه، اگر این درست بود،

این اتفاق بیفته، در غیر این صورت، اون یکی اتفاق بیفته.

حالا فرض کنید تمام دانش اون شخص پشتیبان اینترنتو

بیاییم به صورت یه برنامه‌ی کامپیوتری بنویسیم.

این برنامه میتونه با پرسیدن سوالات مختلف از کاربر،

بعد، تصمیم‌گیری بر اساس جواب‌های کاربر، تشخیص بده که مشکل از کجاست.

الان ما تونستیم یه سیستم خبره بسازیم، یعنی یه برنامه‌ی کامپیوتری

که درست مثل یه ادم خبره، می‌تونه مشکل بقیه رو حل کنه.

شماره‌ی 4: پردازش زبان طبیعی:

پردازش زبان طبیعی یا NLP مربوط میشه به تعامل بین انسان و کامپیوتر.

یعنی کامپیوتر یا ربات میتونه با استفاده از این ابزار،

زبان طبیعی ما آدما رو متوجه بشه.

الان تا یه حد خیلی خوبی پیشرفته کرده اما خب هنوز یه ایراداتی داره.

یعنی مثلا همین ربات سوفیا بعضی وقتا تو فهمیدن حرفای آنتونی رابینز

گیر میزنه، با اینکه سیستم پردازش زبان خیلی پیشرفته‌ای داره.

یا مثلا همین دستیارای مجازی مثل سیری و الکسا با اینکه خیلی از

حرفای ما رو متوجه میشن اما هنوز نمی‌تونن صددرصد صحبتای یه انسانو درک کنن،

اون جوری که یه انسان دیگه درک می‌کنه.

شماره‌ی 5: رباتیک:

درسته رباتیک خودش یه زیرمجموعه از هوش مصنوعیه.

تو ذهن خیلی از ما، رباتا به عنوان نمونه‌های اصلی هوش مصنوعی نقش بستن.