تعریف لغت «هوش» و به کارگیری آن برای ماشین‌های مصنوعی بسیار مهم است. به عبارتی، هدف از ساخت ماشین مصنوعی این نیست که کاری تکراری را بدون نیاز به تجزیه و تحلیل داده‌ها انجام دهد؛ بلکه هدف از ساخت سیستم‌های هوشمند این است که این سیستم‌ها با دریافت داده‌های ورودی‌‌ جدید که قبلاً با آن‌ها مواجه نشده‌اند، بهترین تصمیم را بگیرند و با تجزیه و تحلیل مسئله همانند مغز انسان، بهترین اقدام‌ها را انجام دهند.

سیستم های هوشمند از چه ویژگی هایی برخوردار هستند ؟

سیستمی را می‌توان هوشمند تلقی کرد که بتواند همانند انسان فکر کند و با تحلیل مسئله و تشخیص ویژگی‌های داده‌های ورودی، به تصمیم‌گیری بپردازد. ماشین مصنوعی برای گرفتن تصمیمی درست و منطقی، باید دارای ویژگی‌ها و توانمندی‌هایی باشد که در ادامه به آن‌ها اشاره شده است:

• قدرت حل مسئله:  سیستم مصنوعی هوشمند باید قادر باشد برای مسئله، راه‌حل‌های کاربردی پیدا کند.
• قدرت استدلال:  سیستم هوشمند مصنوعی باید بتواند درباره مسئله به روشی منطقی فکر کند.
• قدرت برنامه‌ریزی:  سیستم هوشمند باید قادر به برنامه‌ریزی برای مسئله باشد.
• قدرت تصمیم‌گیری:  سیستم مصنوعی هوشمند باید بتواند پیرامون حل مسئله تصمیم‌ بگیرد و بهترین راه‌حل را انتخاب کند.
• قدرت استنتاج:  سیستم هوشمند باید بر مبنای مشاهدات داوری و نتیجه‌گیری کند.
• قدرت یادگیری:  سیستم هوشمند باید بتواند بر اساس تجربیات گذشته و داده‌ها، جنبه‌های مختلف مسئله را یاد بگیرد.

انواع هوش مصنوعی چیست ؟

با توجه به کاربردهای هوش مصنوعی، میزان هوشمندی سیستم‌های هوشمند با یکدیگر متفاوت است. به عبارتی، هوشمندی ماشین‌های مصنوعی را می‌توان بر اساس میزان مشابهت رفتار، تفکر و عملکرد آن‌ها در قیاس با رفتار انسان سنجید و دسته‌بندی‌های مختلفی را برای آن‌ها در نظر گرفت که در ادامه به آن‌ها اشاره شده است:

• ماشین‌های واکنشی (Reactive Machine)
• ماشین‌هایی با حافظه محدود (Limited Memory Machine)
• ماشین‌های هوشمند مبتنی بر نظریه ذهن (Theory of Mind)
• ماشین‌های خودآگاه (Self-Aware)

ماشین‌ های هوشمند واکنشی

ماشین‌های هوشمند واکنشی به عنوان قدیمی‌ترین سیستم‌های هوش مصنوعی محسوب می‌شوند که در مقایسه با سایر سیستم‌های هوشمند، کم‌ترین قابلیت را دارند. هدف از طراحی این ماشین‌ها این بود که در حین مواجه با محرک‌های خاص، رفتار ذهنی انسان را تقلید کنند. این ماشین‌ها حافظه درونی ندارند. به عبارتی، ماشین‌های هوشمند واکنشی قادر نیستند تجارب گذشته خود را در حافظه ذخیره کنند تا در شرایط فعلی، آن‌ها را برای تصمیم‌گیری به‌کار ببرند. به بیان دیگر، این نوع سیستم‌ها، نمی‌توانند چیزی را یاد بگیرند. ماشین‌های هوشمند واکنشی صرفاً می‌توانند به یک سری ورودی‌ها، پاسخی خودکار بدهند و از آن‌ جایی که حافظه ندارند و قادر نیستند الگو‌های ورودی‌ها را یاد بگیرند، در عملکرد آن‌ها بهبودی مشاهده نمی‌شود.

ماشین های هوشمند با حافظه محدود

ماشین‌های هوشمند با حافظه محدود، ماشین‌هایی هستند که علاوه‌بر قابلیت‌های ماشین‌های هوشمند واکنشی، به دلیل داشتن حافظه می‌توانند از داده‌ها و تجربه‌های گذشته خود برای تصمیم‌گیری پیرامون مسئله استفاده کنند. تقریباً تمامی سیستم‌های هوشمندی که امروزه با آن‌ها مواجه هستیم، از نوع ماشین‌های هوشمند با حافظه محدود به شمار می‌روند. به عبارتی، سیستم‌های هوشمندی که از روش‌های یادگیری ماشین و یادگیری عمیق(Deep Learning)  استفاده می‌کنند و با حجم زیادی از داده‌ها، آموزش داده می‌شوند، با تشخیص الگوهای داده‌های ورودی و حفظ آن‌ها در حافظه خود، می‌توانند به حل مسائل بپردازند و با دریافت داده جدید، بر اساس ویژگی‌های داده‌های قبلی خود، تصمیم‌ بگیرند.

ماشین های هوشمند بر پایه نظریه ذهن

نظریه ذهن هوش مصنوعی گام بعدی سیستم‌های هوش مصنوعی محسوب می‌شود که با افکار و احساسات انسان در تعامل است. محوریت عملکرد سیستم‌های مبتنی بر نظریه ذهن،‌ بر پایه «درک کردن» است. به عبارتی، این سیستم‌ها در هنگام تعامل با موجودیت‌های مختلف، بر اساس نیاز‌ها، افکار، احساسات و عقاید آن موجودیت‌ها، درک بهتری از آن‌ها دارند. این سیستم‌های هوشمند، افراد را بر اساس احساسات، عواطف و افکار دسته‌بندی می‌کنند و با هر یک از آن‌ها رفتاری متفاوت دارند. پژوهشگران این حوزه سعی دارند سیستم‌هایی را با استفاده از نظریه ذهن تولید کنند که انسان را از جنبه‌های مختلف درک کنند و فاکتورهای مختلفی را یاد بگیرند که بر فرآیندهای فکری انسان تاثیرگذار هستند. ربات‌های هوشمندی که با انسان در تعامل هستند و مکالمات واقعی را با آن‌ها شکل می‌دهند، از دستاوردهای پژوهش‌های نظریه ذهن محسوب می‌شوند. نظریه ذهن ماشین را قادر می‌سازد تا تصمیماتی مشابه با تصمیمات انسان بگیرد.

ماشین های خودآگاه

ماشین‌های خودآگاه گام نهایی توسعه هوش مصنوعی هستند که در حال حاضر صرفاً در حد فرضیه باقی مانده است. این نوع سیستم‌های هوشمند را می‌توان معادل با مغز انسان محسوب کرد که خودآگاهی را خودشان بدست می‌آورند. ساخت چنین سیستم‌هایی هدف نهایی پژوهش‌های هوش مصنوعی است. این نوع سیستم‌ها علاوه‌بر این که احساسات و افکار را درک می‌کنند، خودشان از احساسات، افکار و عقاید برخوردار هستند. ساخت سیستم‌های خودآگاه به عنوان پیشرفتی عظیم و دستاوردی بزرگ برای بشر محسوب می‌شود. با این حال، این نوع سیستم‌ها را می‌توان به عنوان خطری جدی برای انسان به حساب آورد، زیرا با داشتن آگاهی و افکار می‌توانند از خود در مقابل بشر حفاظت کنند و احتمال دارد که بر انسان چیره شوند.

ویژگی های سیستم های هوش مصنوعی چیست ؟

سیستم‌های مبتنی بر هوش مصنوعی از ویژگی‌های مختلفی برخوردار هستند که در ادامه به مهم‌ترین آن‌ها اشاره می‌شود:

• تقلید از هوش انسان: سیستم‌های هوش مصنوعی رفتار انسان را در مواجه با مسائل مختلف تقلید می‌کنند. این سیستم‌ها مراحل حل مسئله را مطابق ذهن انسان پیش می‌برند تا درباره مسئله‌ای خاص تصمیم بگیرند.
• حذف کارهای خسته‌کننده: سیستم‌های مبتنی بر هوش مصنوعی می‌توانند وظیفه‌ای را به‌طور دقیق و مکرر انجام دهند. چنین سیستم‌هایی را می‌توان برای انجام کارهای تکراری و خسته‌کننده استفاده کرد.
• استفاده از داده‌های حجیم: حجم داده‌های تولید شده توسط سازمان‌ها و شرکت‌ها بسیار بالا است و تشخیص الگو و استخراج اطلاعات مفید از این داده‌ها به‌صورت دستی کاری غیرممکن است. سیستم‌های هوش مصنوعی قادر هستند در تحلیل و شناسایی الگوهای داده‌ها به انسان کمک کنند.
• استفاده از رایانش ابری(Cloud Computing): سیستم‌های مبتنی بر هوش مصنوعی به منظور یادگیری مسائل مختلف، به حجم زیادی داده احتیاج دارند که نگهداری این داده‌ها بر روی فضای فیزیکی سخت‌افزاری ممکن نیست. سیستم‌های هوشمند قادر هستند از فضای رایانش ابری برای داده‌ها استفاده کنند. 

منبع: فرادرس