هوش مصنوعی در سال ۲۰۱۹

shape
shape
shape
shape
shape
shape
shape
shape
هوش مصنوعی در سال2019-شرکت دانش بنیان عصررایانه

هوش مصنوعی

بر اساس یک پدیده روانشناختی وقتی اگر یک لغت بیش از اندازه تکرار بشود معنی اصلی خودش را از دست میدهد و تبدیل به یک مشت صدای بی معنی میشود. این همان اتفاقی است، که برای خیلی از ما  ها در باره‌ی عبارت “هوش مصنوعی” رخ داد است. امروزه هوش مصنوعی در همه جا یافت میشود از تلویزیون گرفته تا مسواک ولی در هیچ زمانی هوش مصنوعی به نامفهومی الان نبوده است.

به شخصه فکر میکنم که اینجوری نباید باشد.

واقعیت در مورد هوش مصنوعی

در حالیکه بدون شک از عبارت “هوش مصنوعی” سوء استفاده می شود، اما باید پذیرفت که تکنولوژی بصورت گسترده ای در زنگی ما وارد شده است، و از آن هم بصورت درست و هم بصورت نادرست استفاده میشود، امروزه بصورت گسترده ای از تکنولوژی در دنیای پزشکی و در مسائل نظامی استفاده میشود، امروزه با استفاده از هوش مصنوعی، ماشین ها کتاب و موسیقی مینویسند، برنامه هوشمند رزومه افراد را بررسی و برنامه روزاناه آنها را مرتب میکنند، و عکس هایی که با گوشیتان می گیرید را اصلاح میکنند. در یک جمله تصمیماتی را میگیرند که بر کل زندگی ما تاثیر میگذارد.

کنار اومدن با برخی بلوف ها و سرو صداهای به راه افتاده توسط برخی شرکت ها و تبلیغ کنندگان کار سختی است. برای مثال مسواک هوشمند شرکت اورال-بی (Oral-B) که ادعا میکند دارای “هوش مصنوعی” هست. ولی اگر از تمام هیاهوی تبلیغات درمورد آن بگذریم تنها کاری که انجام می دهد دادن یک گزارش ساده در باره‌ این که آیا مصرف کننده با زاویه ی مناصب و زمان کافی مسواک می زند یا خیر. البته ایده جالبی دارد و حسگرهای به کار رفته در آن جالب هستند ولی این که به آن هوش مصنوعی بگوییم بیش از حد گزافه گویی است.

زمانی هم که خبر از گزافه گویی نباشد سوءتفاهم است. خبرگزاری ها گاهی یک تصویر از فیلم ترمینیتور Terminator را بر روی یک داستان مبهم قرار می دهند، و این معمولا باعث اشتباه افراد می شود. افراد معمولا نسخه در ظاهر نچندان جذاب واقعی را با نسخه جذابتر که برگرفته از فیلم های علمی تخیلی است اشتباه میگیرند و فکر میکنند که هوش مصنوعی چندین برابر از انسان باهوش تر است. در واقع متخصصین به این نوع خاص از هوش مصنوعی، هوش مصنوعی عمومی میگوید. (Artificial General intelligence) و ما با آن خیلی فاصله داریم.

بهتر است به جای هوش مصنوعی از یادگیری ماشین حرف بزنیم (که یکی از زیر مجموعه هاش یادگیری عمیق است). این زیر مجموعه هوش مصنوعی تمامی روش های مدرن هوش مصنوعی را در خودش دارد و هیچ پیشداوری که با گفتن هوش مصنوعی به ذهن می آورد را با خود ندارد.

ولی یادگیری ماشین چه جور کارهایی انجام میدهد؟

تعاریف زیادی برای این مسله دیده ام ولی راحترینشان را میشود در خود اسم یادگیری ماشین پیدا کرد.

یادگیری ماشین یعنی این که به ماشین این توانایی داده بشود که خودش بدون دخالت انسان مسائل را یاد بگیرید.

و این در عمل یعنی چی؟

یکی از مشکلات اصلی سخت بودن برنامه نویسی یاد دادن یک مطلب به ماشین است. مثلا می خواییم به ماشین یاد بدیم که گربه چه شکلی است.(به یکسری دلیل نامعلوم همیشه مثال از گربه است. چرا ؟ نپرسید.)

در روش های قدیمی برای این کار یک سری الگوریتم به ماشین می دادند؛ “گربه گوشایش نوک تیز است.”  “گربه پشمالو است.” ولی در این جا یک مشکلی وجود داشت با این استاندارد ببر هم یه گربه است.

یادگیری عمیق

برای این که ماشین این ها را باهم اشتباه نکند باید یکسری کد دیگر به او داد و در این کدها باید یک سری مسائل پیچیده مثل پشمالو بودن و نوک تیز بودن را به ماشین توضیح داد. همانطور که احتمالا حدس زدید این یک پروسه طولانی است. در روش یاد گیری عمیق یکسری داده (مثل عکس گربه) به ماشین داده میشود و ماشین با بررسی این داده ها به خودش یاد می دهد که گربه چه شکلی است.

همانطور که خواندید یادگیری عمیق روش ساده و قابل پیش بینی است. و احتمالا چیزی مثل این را قبلا خوانده یا دیده بودید. و من بابت دوباره کاری متاسفم. ولی مثله مهم این نیست که چند بار یک تفسیر خوانده بشود بلکه مهم این است که چقدر در مورد آن فکر میشود.

بزرگترین امتیاز این روش

لازم نیست بشینید و بطور مداوم برای ماشین برنامه بنویسی کنید. البته هنوز این سیستم ها نیاز به بهبود و ارتقاء دارند، باید این روش فرصت بیشتری داد، تا با روش های بهتر داده ها را پردازش کند؛ ولی ما  به این مدلهای یادگیر نمیگوییم که چکار باید بکند و یا دنبال چه چیزی بگردد. و این یعنی ماشین میتواند طرح هایی را که انسان ممکن است نبیند را هم پیدا کند. چون که ماشین چیزی جز 1 و 0 (داده) لازم ندارد، کلی شغل وجود دارد که میشود ماشین را در آن زمینه تعلیم داد.

نکات منفی سیستم های یادگیر

ولی نمیشود فقط از نکات مثبت گفت نکات منفی هم وجود دارد. چون ما به ماشین چیزی یاد نمیدیم پس از کجا میخواهیم بفهمیم که چگونه تصمیماتش رو میگیرد ؟

نمیشود روش فکر کردن سیستم های آموزش ماشین را به راحتی فهمید. و این یعنی ممکنه است یک الگوریتم به دلایل غلط درست کار کند.

همچنین چون ماشین فقط داده هایی را که دارد میشناسد ممکن است دیدگاه جانبدارانه ای پیدا کند، و یا فقط در یکسری از کار های خاص موفق باشد. ماشین مثل انسان دارای عقل سلیم نیست، ما میتونیم بهترین سیستم گربه شناس را بسازیم، ولی سیستم به شما نمی گوید که گربه ها نباید موتورسواری بکنند یا این که اسم گربه را تیدیلز (همان گربه کانادایی معروف) باید گذاشت و نه مِگالورث نامیرا !.

روش آموزش ماشین، یک میانبر ساده و زیرکانه است ولی مثل هر میانبری یکسری مسائل در طی پرسه حذف میشود. میشود از یک سری نظرها گفت که هوش مصنوعی میفهمد و درک دارد ولی درک او، مثل درک انسان یا گربه، طبیعی نیست، مصنوعی است. مثل پرسیدن این که آقا، یک کتاب چقدر هوش دارد ؟ چه تجربه و یا تخصصی در یک ماهی تابه وجود دارد ؟

هوش مصنوعی اکنون کجا قرار دارد

خب حالا هوش مصنوعی پس از سال ها خبرهای مختلف و پیشرفت های غیر منتظره در کجا است ؟ بر اساس گفته متخصصین ما به یک دوره رکود رسیده ایم پس از سال ها پیشرفت سریع این سرعت کاهش یافت است. البته این یک مانع بزگ در راه پیشرفت نیست. در جبهه‌ی تحقیقات تعداد زیادی راه که هنوز کسی آن ها را کاوش نکرده وجود دارn. و در جبهه‌ی تولیدات، ما تازه نوک کوه یخ را دیدیم.

کی فو لی (Kai-Fu_Lee) یک ریسک شناس در حوضه سرمایه داری می گوید

عصری که ما امروز در آن زندگی میکنیم عصر “پیاده سازی” است، زمانی که تکنولوژی از داخل آزمایشگاها خارج شده و وارد زندگی روزمره ما خواهد شد.

بندیک اوان (Benedict Evans) یک ریسک شناس دیگر آموزش ماشین را با پایگاه داده ارتباطی مقایسه کرده و گفته :

یادگیری ماشین همانند پایگاه داده باعث انقلابی عظیم در دنیا خواهدشد. ولی همه این ها به زبان ساده یعنی چه ؟ یعنی به زودی یادگیری ماشین در همه جا خواهد بود و یک چیز عادی به نظر خواهد آمد.”

اون درست میگوید، ولی ما هنوز با آن زمان کمی فاصله داریم.
منبع The Verge

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *