مدت زمان تقریبی مطالعه: 7 دقیقه

هوش مصنوعی و بیش از 10 کاربرد آن

اگر تا به حال برای جستجو در مورد کاربرد‌های هوش مصنوعی، یا زیرمجموعه‌های آن و یا یادگیری ماشین اقدام کرده باشید، حتما با مقالات سنگین و پیچیده مواجه شده اید، در این مطلب وبلاگ نادین سافت از این خبرها نیست. معمولا مقالات بسیار خوبی در زمینه‌ی هوش مصنوعی (AI) و مزایای آن برای تجارت و جامعه وجود دارد. با این حال، بسیاری از این مقالات برای خوانندگان معمولی بیش از حد فنی هستند و در نتیجه آنها نمیتوانند آموزش هوش مصنوعی را به زبان ساده فراگیرند یا دست کم درک نسبی از موضوعی که در مورد آن در اینترنت جستجو کرده اند داشته باشند. ما سعی کرده ایم به زبان ساده‌تر و با بیانی واضح‌تر موضوعات را ارائه کنیم.

هوش مصنوعی
هوش مصنوعی

توضیح کلی هوش مصنوعی (artificial intelligence)

در دهه 1950، پدران هوش مصنوعی یعنی مینسکی و مک کارتی، آن را به عنوان وظایف قابل انجام توسط ماشین توصیف کردند، که قبلاً به هوش انسانی -برای انجام شدن- نیاز داشت. اما واقعا هوش مصنوعی چیست و اینکه آیا به همین تعریف برای توصیف آن به یک مخاطب – که اطلاعاتی در مورد آن ندارد – می‌توان بسنده کرد؟ هوش مصنوعی شاخه‌ای مهم و گسترده از علم کامپیوتر است. ساخت ماشین­های هوشمند، تقلید از توانایی‌های حل مسئله و تصمیم گیری ذهن انسان،‌ ترکیب داده‌ها با علوم کامپیوتر از جمله اموری هستند که به واسطه آن ممکن شده اند و روند توسعه‌ی آنها روز به روز در حال افزایش است. این رشته، علم مهم و تاثیرگذاری در آینده بشر به حساب می‌آید.

هوش مصنوعی استفاده از کامپیوتر را برای انجام کارهایی که به طور سنتی نیاز به اطلاعات انسانی دارد، ممکن می‌کند. این به معنی ایجاد الگوریتم برای طبقه‌بندی، تجزیه و تحلیل، و ترسیم پیش‌بینی از داده‌ها است. همچنین شامل طبقه بندی داده‌ها، یادگیری از داده‌های جدید و ارتقا آنها در طول زمان است. درست مثل یک کودک که بزرگ و کامل می‌شود و البته که هوش مصنوعی مثل انسان‌ها، کامل نیست.

تفاوت بین هوش مصنوعی و برنامه نویسی معمولی چیست؟ برنامه‌های معمولی کل سناریوهای ممکن را تعریف می‌کنند و عمل سیستم کامپیوتری تنها به همان سناریو‌ها خلاصه می‌شود. هوش مصنوعی برنامه‌ای را برای یک کار خاص «آموزش» می‌دهد و به آن اجازه می‌دهد به تنهایی کاوش کرده و خود را ارتقا دهد. هوش مصنوعی در مواجهه با موقعیت‌های ناآشنا، می‌داند باید چه کاری انجام دهد. مثلا مایکروسافت ورد به تنهایی نمی‌تواند پیشرفت کند، اما نرم افزار تشخیص چهره می‌تواند به صورت پی در پی اجرا شده و در تشخیص چهره بهتر عمل کند.

هوش مصنوعی
زیرمجموعه‌های هوش مصنوعی

زیرمجموعه‌های هوش مصنوعی چه هستند؟

زیر مجموعه‌های هوش مصنوعی تنها بخشی از آن به حساب می‌آیند و نه خود آن؛ مثلا ماشین لرنینگ (یا همان یادگیری ماشین) یا یادگیری عمیق بخش‌هایی از هوش مصنوعی به حساب می‌آیند. زیر مجموعه‌های این علم شامل موارد زیر هستند:

1.     یادگیری ماشین (machine learning): یادگیری ماشینی (ML) زیر مجموعه هوش مصنوعی به شمار می‌آید که به برنامه‌های نرم‌افزاری این امکان را می‌دهد تا در پیش‌بینی نتایج، دقیق‌تر عمل کنند؛ البته بدون اینکه مستقیما برای این کار برنامه‌ریزی شده باشند. الگوریتم‌های یادگیری ماشین از داده‌ها به عنوان ورودی برای پیش بینی مقادیر جدید برای خروجی استفاده می‌کنند. یادگیری ماشین در این زمینه به دو حوزه‌ی زیر تقسیم بندی می‌شود که شامل:

  • یادگیری با ناظر (Supervised Learning): سوالات و جواب‌ها به کامپیوتر ارائه می‌شود و به کمک الگوریتم‌ها، رابطه بین سوال و جواب‌ها توسط سیستم کامپیوتری مشخص می‌شود.
  • یادگیری بدون ناظر (Unsupervised Learning): در حالت عدم وجود ناظر، تمرکز بر روی یافتن الگو بین داده‌ها قرار می‌گیرد.

و دو شیوه جدید دیگر که شامل موارد زیر هستند:

  • یادگیری نیمه‌نظارتی (Semi-supervised Learning): این روش مقدار کمی از داده‌های برچسب دار را با مقدار زیادی از داده‌های برچسب دار در حین آموزش با هم ترکیب می‌کند. یادگیری نیمه نظارتی بین یادگیری بدون نظارت و یادگیری با ناظر قرار دارد.
  • یادگیری تقویتی (Reinforcement Learning): در این روش یک هدف غیر مشخص به سیستم ارائه می‌شود. مثلا: ارتقا بهره وری. سیستم به هدف مورد نظر می‌رسد و نتیجه را ارائه می‌کند. سپس سیستم نظر انسان را می‌گیرد و مجددا نتیجه را اصلاح می‌کند تا به نتیجه‌ی مورد نظر برسد.

2.     یادگیری عمیق (deep learning): نوعی یادگیری ماشینی و هوش مصنوعی (AI) است که روشی را تقلید می‌کند که انسان به واسطه‌ی آن، انواع خاصی از اطلاعات را به دست می‌آورد.

3.     پردازش زبان طبیعی: (NLP) شاخه‌ای از هوش مصنوعی به حساب می‌آید که به رایانه‌ها در فهمیدن، تفسیر و دستکاری زبان انسان کمک می‌کند.

هوش مصنوعی
ارتباط یادگیری ماشین، یادگیری عمیق و هوش مصنوعی

کاربردهای هوش مصنوعی 

  • تشخیص و تحلیل خودکار افراد/اشیا در تصویر
  • کاربردهای یادگیری ماشین در زندگی روزمره
  • برآورد رفت و آمد
  • ایمیل هوشمند
  • بانکداری و امور مالی شخصی
  • شبکه‌های اجتماعی
  • تشخیص پزشکی و مراقبت‌های بهداشتی
  • دستیاران هوشمند شخصی

به جز موارد ذکر شده کاربرد هوش مصنوعی در دو زمینه‌ی:

تاکنون توجهات بسیاری را به خود جلب کرده است و این موضوع نشان دهنده ورود بی حد و حصر ِآن به کلیه‌ی جنبه‌های زندگی انسان است – که تصور آنها در ذهن ممکن نیست – لازم به ذکر است که برای آشنایی بیشتر با کاربرد‌های تحلیل احساس و آنالیز داده‌ها در حوزه گردشگری می‌توانید به وبلاگ نادین سافت مراجعه کنید که در این مورد به تفصیل توضیحاتی ارائه شده است.

هوش مصنوعی
یادگیری عمیق

کاربرد‌های هوش مصنوعی در شاخه‌ی یادگیری عمیق

  • ماشین‌های خودران
  • تجمیع اخبار
  • پردازش زبان طبیعی
  • دستیاران مجازی
  • تشخیص بصری
  • تشخیص تقلب و جعل
  • مراقبت‌های بهداشتی
  • تشخیص تاخیر رشد در کودکان
  • رنگ آمیزی تصاویر سیاه و سفید
  • اضافه کردن صدا به فیلم‌های صامت
  • ترجمه ماشینی خودکار
  • تولید اتوماتیک دست خط
  • پخش خودکار بازی
  • ترجمه زبان
  • بازیابی پیکسل
  • پیش بینی دموگرافیک و انتخابات

سخن آخر

این‌که چگونه یادگیری ماشین و هوش مصنوعی زندگی ما را تغییر داده اند و در آینده‌ی نزدیک آن را آسان‌تر از حال حاضر خواهند کرد، نیازی به توضیح ندارد.‌ با توجه به زیر مجموعه‌ها و گرایش‌های هوش مصنوعی ما انتظار رشد بیشتری از آنها در فناوری داریم. زیرا طبق آنچه که انتظار می‌رود، یادگیری ماشین باید در آینده بتواند بر روی زندگی روزمره‌ی ما تاثیر بگذارد. همچنین به ما امکان دهد تا تصمیمات تجاری بگیریم، عملیات را بهینه کنیم و بهره‌وری را در بازار افزایش دهیم.

منابع

[1] https://medium.com/mytake/artificial-intelligence-explained-in-simple-english-part-1-2-1b28c1f762cf

[2] https://virgool.io/@m_11169911/هوش-مصنوعی-ezptfhwhprr7

[3] https://www.mygreatlearning.com/blog/deep-learning-applications/#deepdreaming

[4] http://cafetadris.com/blog/یادگیری-ماشین-machine-learning/

مقالات پیشنهادی