سیستم هایی با هوش مصنوعی وجود دارند که اطلاعات دریافتی را تجزیه و تحلیل می کنند و بر اساس آن اقداماتی انجام می دهند. رفتار هوشمندانه برای دستیابی به اهداف خاص در نظر گرفته شده است. سیستم هوش مصنوعی این وظایف را با درجه ای از استقلال انجام می دهد.


مقدمه ای بر هوش مصنوعی

از آنجایی که هوش مصنوعی روش ها و زمینه های زیادی را تحت تأثیر قرار می دهد، باید توجه بیشتری به بحث های معنادار و سازنده در مورد آن شود.

برای مثال، باید بین آرگومان‌های ساده «سیستم‌های خبره» که در راهنمایی استفاده می‌شوند و استدلال‌هایی برای فرآیندهای پیچیده داده‌محور که به‌طور خودکار برای افراد تصمیم‌گیری می‌کنند، تمایز قائل شد.

به همین ترتیب، مهم است که بین بحث در مورد تحولات آینده که ممکن است هرگز اتفاق نیفتد و بحث های فعلی در مورد هوش مصنوعی بر جامعه امروزی تمایز قائل شویم.



هوش مصنوعی چگونه کار می کند؟

در زیر مروری بر برخی از فناوری‌های مهمی که در زیر مجموعه هوش مصنوعی قرار می‌گیرند، آورده شده است. آنها بر اساس جدول زمانی به سه گروه تقسیم می شوند. که شامل:

کدگذاری هوش مصنوعی

یادگیری آماری هوش مصنوعی

هوش مصنوعی "قوی" یا "عمومی".

 

موج اول هوش مصنوعی

موج اول تکنیک های هوش مصنوعی اولیه به عنوان "هوش مصنوعی نمادین" یا سیستم های خبره شناخته می شود. در اینجا، متخصصان انسانی رویه‌های دقیق مبتنی بر قوانین، معروف به «الگوریتم‌ها» را ایجاد می‌کنند که یک رایانه می‌تواند قدم به قدم آن‌ها را دنبال کند تا تصمیم بگیرد که چگونه هوشمندانه به یک موقعیت خاص پاسخ دهد.

منطق فازی رویکردی است که به درجات مختلفی از اطمینان در مورد یک موقعیت اجازه می دهد، برای گرفتن دانش شهودی مفید است، به طوری که الگوریتم ها می توانند تصمیمات بهتری در مواجهه با تعداد زیادی از متغیرها اتخاذ کنند.

اما هوش مصنوعی شبیه سازی شده گاهی بهتر عمل می کند. اگرچه ممکن است این روش‌ها قدیمی به نظر برسند، اما هنوز هم بسیار مرتبط هستند و همچنان با موفقیت در زمینه‌های مختلف استفاده می‌شوند و نام «هوش مصنوعی خوب قدیمی» را به خود اختصاص داده‌اند.


موج دوم هوش مصنوعی

موج دوم هوش مصنوعی شامل رویکردهای جدید «داده محور» است که در دو دهه گذشته به سرعت توسعه یافته اند و تا حد زیادی مسئول رنسانس فعلی هوش مصنوعی هستند. اینها فرآیند یادگیری الگوریتم‌ها را خودکار می‌کنند و متخصصان انسانی موج اول هوش مصنوعی را دور می‌زنند.

شبکه های عصبی مصنوعی (ANN) از عملکردهای مغز الهام گرفته شده اند. ورودی ها به سیگنال هایی تبدیل می شوند که از شبکه ای از نورون های مصنوعی عبور می کنند و خروجی هایی تولید می کنند که به عنوان پاسخ به ورودی ها تفسیر می شوند. با افزودن نورون ها و لایه های بیشتر، شبکه های عصبی مصنوعی می توانند مشکلات پیچیده تری را حل کنند. یادگیری عمیق به شبکه های عصبی مصنوعی اطلاق می شود که دارای چندین لایه هستند.

یادگیری ماشینی (ML) به اصلاح شبکه‌ها به گونه‌ای اشاره دارد که این خروجی‌ها پاسخ‌های مفید یا هوشمند به ورودی‌ها در نظر گرفته شوند. الگوریتم‌های یادگیری ماشینی می‌توانند این فرآیند یادگیری را با ایجاد پیشرفت‌های افزایشی در یک ANN منفرد یا با استفاده از اصول تکاملی برای ایجاد بهبودهای تدریجی در تعداد زیادی از شبکه‌های عصبی مصنوعی خودکار کنند.


موج سوم هوش مصنوعی

موج سوم هوش مصنوعی به امواج احتمالی آینده هوش مصنوعی اشاره دارد. در حالی که تکنیک‌های موج اول و دوم به‌عنوان هوش مصنوعی ضعیف یا محدود توصیف می‌شوند به این معنا که می‌توانند هوشمندانه روی وظایف خاص عمل کنند، هوش مصنوعی «قوی» یا «عمومی» به الگوریتم‌هایی اطلاق می‌شود که می‌توانند اطلاعاتی را برای طیف وسیعی از وظایف ارائه دهند. .

فضاهای مشکل چنین هوش عمومی مصنوعی (AGI) با فناوری فعلی امکان پذیر نیست و نیاز به توسعه پارادایم تغییر دارد. چندین رویکرد ممکن در نظر گرفته شده است، از جمله روش های تکاملی پیشرفته، محاسبات کوانتومی، و شبیه سازی مغز. سایر اشکال هوش مصنوعی آینده‌نگر، مانند هوش مصنوعی خود توضیحی و متنی، ممکن است در جاه‌طلبی‌های خود متواضع به نظر برسند، اما تأثیر بالقوه آنها - و موانع اجرای آنها - را نباید دست کم گرفت.


چرا هوش مصنوعی مهم است؟

امروزه چندین چالش در ارتباط با هوش مصنوعی وجود دارد. به طور کلی، آنها می توانند به عنوان تعادل بین دو مشکل اجتنابی استفاده شوند:

کافی نیست که فرصت های بالقوه را از دست بدهیم و

به خصوص، در جایی که هوش مصنوعی برای کارهای نامناسب استفاده می شود یا منجر به نتایج مشکل ساز می شود.

فرآیند یادگیری ماشینی یا ML برخی از الگوریتم ها را در برابر سوگیری آسیب پذیر می کند و پیچیدگی آنها درک و توضیح منطق تصمیم گیری آنها را دشوار می کند. چالش های مهم در

تضمین توزیع عادلانه هزینه ها و مزایای هوش مصنوعی

اجتناب از تمرکز منابع در بازارهای غیررقابتی

اولویت بندی برنامه هایی که به جای تشدید نابرابری های ساختاری موجود را کاهش می دهند

چالش های کلیدی دیگر عبارتند از:

پذیرش عمومی این فناوری،

منطبق با ارزش های اجتماعی

نگرانی هایی در مورد برخی کاربردهای نظامی وجود دارد.



چالش بعدی هوش مصنوعی

همچنین چندین فرصت و چالش درازمدت وجود دارد که به تحولات آینده بستگی دارد که ممکن است هرگز اتفاق نیفتد. برخی از سناریوهای اتوپیایی و دیستوپیایی می توانند به چرخه های تبلیغاتی کمک کنند، اما آنها همچنین فرصتی را برای آماده شدن برای روندهای معتدل تر و تفکر در مورد آنچه از فناوری می خواهیم فراهم می کنند.

به عنوان مثال، پیشنهاد شده است که هوش مصنوعی می تواند:

برخی منجر به از دست دادن شغل یا منسوخ شدن مفهوم شغل می شوند

خود را از کنترل انسان رها کنید و کنترل پیشرفت خود را به دست بگیرید

آزادی انسان را به چالش بکشید یا احساسات یا آگاهی مصنوعی ایجاد کنید

 

رجوع به مقاله: https://www.fardanews.com/%D8%A8%D8%AE%D8%B4-%D8%A7%D8%AE%D8%A8%D8%A7%D8%B1-2/1214055-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%DA%86%DB%8C%D8%B3%D8%AA