انواع هوش مصنوعی

در مقاله قبلی با هوش مصنوعی و کاربردهای آن در دنیای تکنولوژی امروز آشنا شدیم, حال در این مقاله می‌خواهیم از انواع آن نام ببریم.

هوش مصنوعی قوی در مقابل هوش مصنوعی ضعیف

هوش مصنوعی را می‌توان به دو دسته ضعیف یا قوی طبقه بندی کرد:

هوش محدود مصنوعی (ضعیف) که به عنوان هوش مصنوعی باریک نیز شناخته می‌شود، یک سیستم هوش مصنوعی است که برای انجام یک کار خاص طراحی و آموزش داده شده است. تمام سیستم‌های هوش مصنوعی بر پایه این هوش هستند؛ ربات های صنعتی و دستیاران شخصی مجازی مانند سیری اپل, گوگل ترنسلیت و ... از هوش مصنوعی ضعیف استفاده می‌کنند، چرا که فاقد هوشیاری و آگاهی واقعی هم‌چون انسان‌ها هستند.

هوش مصنوعی قوی، همچنین به عنوان هوش عمومی مصنوعی (AGI) شناخته می‌شود، طوری برنامه ریزی می‌شود که می‌تواند توانایی های شناختی مغز انسان را تکرار کند. هنگامی که یک کار ناآشنا به آن ارائه می‌شود، می‌تواند به طور مستقل  بین داده‌ها ارتباط برقرار کند و به آن‌ها پاسخ دهد.

انواع هوش مصنوعی

آرند هینتزه، استادیار زیست شناسی و علوم کامپیوتری و مهندسی در دانشگاه ایالتی میشیگان، در مقاله ای در سال 2016 توضیح داد که هوش مصنوعی را می‌توان به چهار نوع طبقه بندی کرد، که از سیستم های هوشمند ویژه کار که امروزه به طور گسترده استفاده می‌شوند شروع می شود و به سیستم های حساس می‌رسد. دسته بندی‌ها به شرح زیر است:

نوع 1-واکنشی: این سیستم‌های هوش مصنوعی حافظه ندارند و تنها به محرک‌ها واکنش نشان می‌دهند؛ در واقع توانایی یادگیری ندارند و فقط تقلید می‌کنند. به عنوان مثالDeep Blue، برنامه شطرنجIBM که گری کاسپاروف را در دهه 1990 شکست داد؛ این برنامه می تواند مهره های روی صفحه شطرنج را شناسایی و پیش بینی کند، اما چون حافظه ندارد، نمی تواند از تجربیات گذشته برای اطلاع رسانی به آینده استفاده کند.

نوع 2-حافظه محدود: این سیستم های هوش مصنوعی دارای حافظه هستند، بنابراین می توانند از تجربیات گذشته برای اطلاع رسانی تصمیمات آینده استفاده و واکنش‌های خود را تقویت کنند. تقریبا تمام سیستم‌های هوش مصنوعی دنیای امروز، از این نوع هستند؛ برخی از عملکردهای تصمیم گیری در خودروهای خودران، چت بات‌ها و دستیارهای مجازی به این شکل طراحی شده‌اند.

این نوع هوش مصنوعی از سه روش آموزش ماشینی یاد می‌گیرد:

1.یادگیری تقویتی: در این روش هوش مصنوعی از تجربیات خود استفاده می‌کند و با آزمون و خطا مهارت‌های خود را تقویت می‌کند. مثال این نوع یادگیری را می‌توانیم در بازهای استراتژیک ببینیم که سیستم با استفاده از تجربیات خود به رقیب قدرتمندی برای انسان تبدیل می‌شود.

2.حافظه طولانی کوتاه مدت: در این روش داده‌های قبلی که در هوش مصنوعی وجود دارد به تجزیه و تحلیل و پیش‌بینی داده‌های آینده کمک می‌کند؛ در این مرحله هوش مصنوعی داده‌های جدید را با عنوان مهم و داده‌های قدیمی را به عنوان داده‌هایی با اهمیت کم‌تر دسته بندی می‌کند.

3.شبکه‌های مولد دشمن‌گونه تکاملی:  این شبکه‌ها دارای حافظه‌ای هستند که می‌توانند خود را تکامل دهند و به سطح بالاتری بروند؛ در واقع در این مرحله رشد مستمر دارد. هوش مصنوعی از این طریق می‌تواند با استفاده از داده‌ها یک محصول خروجی تولید کند، دقیقا همان چیزی که درباره دیپ فیک(Deep Fake)  اتفاق می‌افتد و هوش مصنوعی می‌تواند از طریق تحلیل تصاویر یک فرد برای آن حرکت پیش‌بینی کند.

نوع 3- نظریه ذهن: نظریه ذهن یک اصطلاح روانشناسی است. هنگامی که برای هوش مصنوعی اعمال می شود، به این معنی است که این سیستم دارای هوش اجتماعی برای درک احساسات است. این نوع هوش مصنوعی قادر به استنباط نیات انسان و پیش بینی رفتار  اوخواهد بود که مهارتی ضروری برای سیستم های هوش مصنوعی برای تبدیل شدن به اعضای جدایی ناپذیر تیم های انسانی است، اما دانشمندان به تازگی در حال ورود و برسی این هوش هستند و هنوز به طور گسترده مورد استفاده قرار نگرفته است.برای مثال  از این هوش در  ربات‌های انسان‌نمایی که می‌توانند حالت‌های عاطفی چهره انسان را به‌سرعت تشخیص دهند و با این روش به‌خوبی با انسان‌ها ارتباط برقرار کنند (مثل ربات مشهور سوفیا) استفاده شده است.

نوع 4-خودآگاه: در این دسته، سیستم‌های هوش مصنوعی حسی از خود دارند که به آنها آگاهی می‌دهد. ماشین های دارای خودآگاهی وضعیت فعلی خود را درک می کنند و هوشی هم‌چون هوش انسان دارند و می‌توانند در مورد مسائل مختلف فکر کنند و یا حتی نیازهای مختلفی داشته باشند.  برای درک بهتر این هوش به شما پیشنهاد می‌کنیم که فیلم مرد دو صد ساله (Bicentennial Man)  را که روایت‌گر رباتی است که به همه چیز واکنش نشان می‌دهد و در برابر کارهای انسان‌ها عصبانی یا ناراحت می‌شود را ببینید. این نوع هوش مصنوعی هنوز وجود ندارد و در حد نظریه است چرا که سیستم‌هایی که بتوانند الگوریتم‌های لازم آن را پشتیبانی کنند به وجود نیامده‌اند.

نمونه هایی از فناوری هوش مصنوعی چیست و امروزه چگونه از آن استفاده می شود؟

هوش مصنوعی در انواع مختلف فناوری گنجانده شده است:

اتوماسیون: وقتی ابزارهای اتوماسیون با فناوری‌های هوش مصنوعی همراه شوند، می‌توانند حجم و انواع وظایف انجام‌شده را افزایش دهند. به عنوان مثال، اتوماسیون فرآیند روباتیک (RPA)، نوعی نرم افزار است که وظایف پردازش داده های تکراری و مبتنی بر قوانین را که به طور سنتی توسط انسان انجام می‌شد را خودکار می‌کند. هنگامی که با یادگیری ماشینی و ابزارهای نوظهور هوش مصنوعی ترکیب شود، می‌تواند بخش‌های بزرگ‌تری از مشاغل سازمانی را خودکار کند و ربات‌های تاکتیکی را قادر می‌سازد تا اطلاعات هوش مصنوعی را به همراه داشته باشند و به تغییرات فرآیند پاسخ دهند.

فراگیری ماشین: این علم به کار بردن کامپیوتر بدون برنامه نویسی است. یادگیری عمیق، زیرمجموعه‌ای از یادگیری ماشینی است که به زبان بسیار ساده با این روش هوش مصنوعی می‌تواند به طور خودکار داده‌ها را تجزیه و تحلیل و پیشبینی کند.

بینایی ماشین:  این فناوری به ماشین توانایی دیدن می دهد. بینایی ماشین اطلاعات بصری را با استفاده از دوربین تبدیل آنالوگ به دیجیتال و پردازش سیگنال دیجیتال، ضبط و تجزیه و تحلیل می کند. این بینایی اغلب با بینایی انسان مقایسه می‌شود، اما بینایی ماشینی به سطح بیولوژی محدود نمی شود و می‌تواند برای مثال برای دیدن از طریق دیوار برنامه ریزی شود.این بینایی در طیف وسیعی از کاربردها از شناسایی امضا تا تجزیه و تحلیل تصویر پزشکی استفاده می‌شود.

پردازش زبان طبیعی: این پردازش زبان انسان توسط یک برنامه کامپیوتری است. یکی از قدیمی‌ترین و شناخته‌شده‌ترین نمونه‌های این پردازش، تشخیص هرزنامه است که به موضوع و متن ایمیل نگاه می‌کند و تصمیم می‌گیرد که آیا ناخواسته است یا خیر. هم‌چنین برای وظایفی مانند ترجمه متن، تجزیه و تحلیل احساسات و تشخیص گفتار نیز از هوش مصنوعی استفاده می‌شود.

رباتیک: این رشته مهندسی بر طراحی و ساخت ربات ها تمرکز دارد. ربات ها اغلب برای انجام کارهایی استفاده می‌شوند که انجام و یا انجام مداوم آنها برای انسان دشوار است. به عنوان مثال، ربات ها در خطوط مونتاژ برای تولید خودرو یا توسط ناسا برای جابجایی اجسام بزرگ در فضا استفاده می‌شوند. محققان همچنین از یادگیری ماشینی برای ساخت ربات هایی استفاده می‌کنند که می‌توانند در محیط های اجتماعی تعامل داشته باشند.

ماشین‌های خودران: وسایل نقلیه خودران از ترکیبی از بینایی کامپیوتر، تشخیص تصویر و یادگیری عمیق برای ایجاد مهارت خودکار در هدایت وسیله نقلیه در حالی که در یک خط معین می‌مانند و اجتناب از موانع غیرمنتظره مانند عابران پیاده استفاده می‌کنند.