هوش مصنوعی چیست | what is artificial intelligence

هوش مصنوعی چیست و چه کاربردی دارد؟14 دقیقه مطالعه

هوش مصنوعی (Artificial Intelligence) که گاهی نیز هوش ماشینی نامیده می‌شود، هوشی است که مربوط به ماشین و رایانه است؛ بر خلاف هوش طبیعی که متعلق به انسان و حیوان است. کتب مرجع اولیه‌ای که در مورد هوش مصنوعی نوشته شده‌اند (مانند کتاب هوش مصنوعی راسل و نورویگ)، AI را مطالعه‌ی عامل‌های هوشمند (intelligent agents) تعریف کرده‌اند. عامل هوشمند هر دستگاهی است که محیط پیرامون خود را درک می‌کند و تلاش می‌کند تا با بالاترین شانس به اهداف خود دست یابد. تعریف دیگری که می‌توان برای هوش مصنوعی ارائه کرد به این صورت است: AI در حقیقت ماشین‌ها یا رایانه‌هایی هستند که سعی در تقلید اعمال شناختی (cognitive) انسان‌ها مانند یادگیری و حل مسئله دارند. در این مقاله از فنولوژی می‌خواهیم به این سوال پاسخ دهیم که هوش مصنوعی چیست و چه کاربردی دارد؟ در حقیقت به طور کامل با مفاهیم و کاربردهای هوش مصنوعی آشنا می‌شویم.

اثر هوش مصنوعی (AI effect) چیست؟

به مرور و هر چه کامپیوترها و ماشین‌ها هوشمندتر می‌شوند، اعمالی که قبلا قادر به انجام آن بودند دیگر هوشمند محسوب نمی‌شوند! در واقع پژوهشگران به این نتیجه می‌رسند که کارهای قبلی واقعا هم هوشمند نبوده‌اند. به این پدیده اثر هوش مصنوعی می‌گویند. در حقیقت هر گاه یک فناوری و سطحی از هوشمندی کاملا برای ما روتین شود، دیگر آن را AI نمی‌نامیم و به دنبال دستیابی به قابلیت‌های عجیب‌تر هستیم. به عنوان مثال تکنولوژی OCR (خواندن نوشته‌های کاغذ توسط رایانه) دیگر هوش مصنوعی به حساب نمی‌آید چون یک عمل کاملا روتین شده است. برخی از فناوری‌های جدیدی که هوش مصنوعی به حساب می‌آیند عبارتند از:

  • توانایی فهمیدن صحبت‌های انسان (پردازش زبان طبیعی یا NLP)
  • بازی در رقابت‌های استراتژیک مانند شطرنج و Go
  • خودروهای خودران
  • مسیریابی هوشمند در شبکه‌های توزیع محتوا یا CDN
  • شبیه‌سازی‌های پیچیده جنگی

هوش مصنوعی از سال ۱۹۵۵ به عنوان یک رشته مشخص آکادمیک به وجود آمده است. از آن زمان تا کنون، هوش مصنوعی با فراز و نشیب‌های مختلفی روبرو بوده است. گاهی خوش‌بینی زیادی نسبت به این تکنولوژی به وجود آمده است (به این دوران موج خوش‌بینی یا waves of optimism می‌گویند)، گاهی هم پژوهشگران کاملا ناامید شده‌اند (که به این دوران زمستان AI یا AI winter می‌گویند). در طول تاریخ، فیلدهای مختلف کاری در هوش مصنوعی به وجود آمده‌اند که معمولا هم با یکدیگر تفاوت زیادی داشته‌اند و یکپارچه نشده‌اند. برخی از این فیلدهای اهداف گوناگونی را دنبال کرده‌اند (مانند یادگیری ماشین و رباتیک)، برخی نیز از تکنیک‌های متفاوتی استفاده کرده‌اند (مانند منطق و شبکه عصبی).

اهداف هوش مصنوعی چه چیزهایی هستند؟

اهداف و مسئله‌های تاریخی در حوزه AI عبارتند از:

  • توانایی استدلال کردن (reasoning)
  • ایجاد درخت دانش به منظور استفاده از دانش قبلی برای حل مسائل جدید
  • توانایی برنامه ریزی و تعیین استراتژی
  • توانایی یادگیری
  • پردازش زبان طبیعی
  • درک محیط پیرامون (machine perception)

و بزرگ‌ترین هدف متخصصان هوش مصنوعی نیز دستیابی به یک هوش عمومی (General AI) هست که توانایی همه‌ی کارهای بالا را با هم دارد و کاملا هوشمند است.

AI یک علم بین رشته‌ای است و در آن از علوم مختلفی مانند علوم کامپیوتر، مهندسی اطلاعات، ریاضیات، روانشناسی، زبان شناسی و فلسفه استفاده می‌شود. هوش مصنوعی با این پیش فرض به وجود آمده است که ما می‌توانیم به طور کامل هوش انسانی را شبیه سازی کنیم و به شکل یک AI درآوریم. شبیه سازی AI مسائل فلسفی و اخلاقی زیادی نیز به وجود آورده است؛ عده‌ای عقیده دارند که هوش مصنوعی خطری برای بشریت به حساب می‌آید. برخی نیز می‌پندارند هوش مصنوعی یک بیکاری عمومی به وجود خواهد آورد (به خاطر گرفتن جای انسان‌ها در انجام بسیاری از امور). به عنوان نمونه می‌توانید مقاله‌ی ایلان ماسک در کنفرانس جهانی AI: خطر هوش مصنوعی از کلاهک هسته‌ای بیشتر است را مطالعه کنید.

تاریخچه هوش مصنوعی

هوش مصنوعی برای اولین بار در رمان‌ها و داستان‌های مختلف مانند رمان‌های مری شلی و کارل کاپِک، خودنمایی کرد. با انتشار چنین داستان‌هایی، مسائل مختلف اخلاقی به وجود آمدند که در اخلاق AI بررسی می‌شوند. همزمان با بحث‌های فلسفی و اخلاقی پیرامون AI، بحث‌های منطقی و ریاضیاتی نیز به طور جدی پیگیری شد. بحث‌های راجع به منطق ریاضیات در نهایت منجر به ارائه‌ی نظریه محاسبات (theory of computation) توسط آلن تورینگ و دیگران شد. در این نظریه بیان شد که ماشین با به کارگیری نمادهایی مثل صفر و یک می‌تواند هر گونه عمل منطقی را انجام دهد. این نظریه (هر عمل استدلالی و منطقی توسط ماشین‌های دیجیتال قابل انجام است)، تز چرچ-تورینگ نام دارد. در همین حین و با پیشرفت‌هایی که در نوروبیولوژی و نظریه اطلاعات ایجاد شد، پژوهشگران به این فکر افتادند که یک مغز الکترونیکی بسازند! آلن تورینگ یک تغییر در این سوال به وجود آورد؛ در واقع وی گفت به جای پاسخ به این سوال که آیا کامپیوتر هوشمند است، باید به این سوال پاسخ دهیم که آیا رایانه می‌تواند اعمال هوشمندانه از خود نشان دهد؟  در سال ۱۹۴۳ اولین کاری که به عنوان هوش مصنوعی شناخته می‌شود توسط دو پژوهشگر با نام‌های وارن مک کولاخ و والتر پیتز انجام شد. آن‌ها یک طراحی رسمی برای نورون‌های مصنوعی ارائه کردند.

اختراع کلمه هوش مصنوعی توسط جان مک کارتی

در سال ۱۹۵۶ و در کالج دارتموث، اولین پژوهش رسمی AI آغاز شد. در همین زمان، جان مک کارتی واژه‌ی «هوش مصنوعی» را ساخت. در این پژوهش، افراد زیر شرکت داشتند:

  • آلن نوول از دانشگاه کارنیج
  • هربرت سایمون از دانشگاه کارنیج
  • جان مک کارتی از دانشگاه MIT
  • ماروین مینسکی از دانشگاه MIT
  • آرتور ساموئل از IBM

این افراد و دانشجویان آن‌ها، رهبران آن روزهای هوش مصنوعی شدند و پژوهش در این زمینه را پیش بردند. این پژوهشگران برنامه‌هایی ساختند که در سال ۱۹۵۹ عملکردی بهتر از انسان در بازی checkers داشت. همچنین نظریه‌های مختلف ریاضی را نیز به اثبات رساندند. 

زمستان هوش مصنوعی

در اواسط دهه ۱۹۶۰، کمک‌های مالی بسیار زیادی از سمت دارپا (آژانس تحقیقات دفاعی آمریکا) به پژوهش‌های هوش مصنوعی شد. در آن زمان، هربرت سایمون پیش‌بینی کرد که تا ۲۰ سال آینده، ماشین‌ها قادر خواهند بود که تمام کارهای انسانی را انجام دهند! ماروین مینسکی نیز با او موافق بود و اظهار داشت تا یک نسل آینده، تمام مسائل پیرامون هوش مصنوعی حل خواهد شد! اما آن‌ها سختی دستیابی به هوش مصنوعی عمومی را دست کم گرفته بودند. در سال ۱۹۷۴ و با فشارهای کنگره آمریکا برای صرف بودجه‌های پژوهشی در کارهای پربازده‌تر، تحقیقات سرعت خود را از دست داد. این دوره که جذب حمایت‌های مالی برای پروژه‌های هوش مصنوعی سخت شده بود، زمستان AI نام دارد.

از سر گیری پژوهش‌های AI

در اوایل دهه ۱۹۸۰، با موفقیت‌های تجاری که سیستم‌های متخصص (expert systems) به دست آوردند، بار دیگر توجه‌ها به سمت هوش مصنوعی معطوف شد. در سال ۱۹۸۵، ارزش بازار AI به بیش از یک میلیارد دلار رسید. در همین حین، نسل پنجم کامپیوترها که توسط ژاپن ساخته شده بود، آمریکا و بریتانیا را متقاعد ساخت تا دوباره بودجه‌ای را به کارهای پژوهشی AI اختصاص دهند. در سال ۱۹۸۷ و با شکست‌هایی که رخ داد، بار دیگر پژوهش‌های AI تا حدودی کم سرعت شدند. در دهه ۱۹۸۰ و با اختراع ترانزیستورهای سیلیکونی و مدارهای مجتمع IC، روحی تازه به پیکیره‌‌ی هوش مصنوعی دمیده شد؛ این سخت‌‌افزارها ساخت شبکه‌‌های عصبی مصنوعی (ANN) را ممکن ساختند.

گسترش کاربردهای هوش مصنوعی

در اواخر دهه ۱۹۹۰ و اوایل قرن بیست و یک، کاربردهای هوش مصنوعی به مرور زیاد شدند. در این زمان از AI در لجستیک، داده کاوی، تشخیص‌‌های پزشکی (کاربرد هوش مصنوعی در پزشکی) و … استفاده می‌‌شد. علل این پیشرفت‌‌ها را می‌‌توان به صورت زیر خلاصه کرد:

  • افزایش بسیار زیاد قدرت محاسباتی رایانه‌‌ها
  • تمرکز بر حل مسائل خاص هوش مصنوعی به جای دستیابی به هوش مصنوعی عمومی
  • استفاده از علوم دیگر مانند آمار، اقتصاد و ریاضیات در AI
  • تعهد پژوهشگران به روش‌‌های علمی و متدهای ریاضیاتی

هوش مصنوعی در قرن بیست و یک

در سال ۱۹۹۷، Deep Blue به عنوان اولین شطرنج‌‌باز رایانه‌‌ای توانست قهرمان شطرنج دنیا، گری کاسپرو را شکست دهد.

در سال ۲۰۱۱، هوش مصنوعی واتسون (سیستم پاسخ‌‌دهی شرکت IBM) توانست دو تن از قهرمانان مسابقه jeopardy را شکست دهد. سخت‌‌افزارهای بهتر، سرعت محاسباتی بالا و دستیابی به منابع عظیم داده، باعث شد پیشرفت‌‌های زیادی در زمینه یادگیری ماشین شکل گیرد؛ حوالی سال ۲۰۱۲ نیز الگوریتم‌‌های گرسنه‌‌ی داده‌‌ی یادگیری عمیق، توسعه یافتند و در بنچمارک‌‌های مختلف، عملکرد حیرت‌‌انگیزی از خود نشان دادند. در سال ۲۰۱۶، آلفاگو (ماشین ساخته‌‌شده توسط دیپ مایند گوگل)، ۴ مسابقه از ۵ مسابقه را از قهرمان Go جهان برد! بازی Go بسیار پیچیده‌‌تر از شطرنج است و این موضوع، موفقیت بزرگی در زمینه AI به حساب می‌‌آید.

سال ۲۰۱۵، یک سال بسیار مهم برای AI به حساب می‌‌آید. تعداد پروژه‌‌های هوش مصنوعی گوگل از تعدادی ناچیز در سال ۲۰۱۲، به ۲۷۰۰ پروژه در سال ۲۰۱۵ رسید! در زمینه پردازش تصویر (تفاوت بینایی ماشین و پردازش تصویر) نیز در این سال به دقت‌‌های خیلی خوبی دست یافته شد. علت این موضوع پیشرفت‌‌های زیاد در زمینه شبکه‌‌های عصبی و رایانش ابری بود. در سال ۲۰۱۶، چین بودجه عظیمی به پروژه‌‌های هوش مصنوعی اختصاص داد و پیش‌‌بینی می‌‌شود به زودی به یک قدرت جهانی AI تبدیل شود.

artificial intelligence/هوش مصنوعی

هوش مصنوعی چیست؟

هوش مصنوعی شاخه‌‌ای از علوم کامپیوتر است که به مطالعه‌‌ی عامل‌‌های هوشمند (intelligent agents) می‌‌پردازد. عامل هوشمند هر وسیله‌‌ای است که با درک دنیای پیرامون، احتمال دستیابی به اهدافش را بیشینه می‌‌کند. یک تعریف واضح‌‌تر از هوش مصنوعی عبارت است از: AI توانایی یک سیستم برای تفسیر داده‌‌های خارجی است؛ این سیستم با دیدن داده‌‌ها، یاد می‌‌گیرد و آموخته‌‌های خود را برای رسیدن به اهداف خاصی به کار می‌‌بندد.

مقدمات هوش مصنوعی

در سال‌های ابتدایی قرن ۲۱ شاید کم‌تر کسی در مورد اینترنت اطلاعات زیادی داشت و با مفاهیمی مثل پهنای باند و روتر آشنا بود؛ اما این مفاهیم دیگر جزء بدیهیات برای همگان شده‌اند. امروز نیز هوش مصنوعی شاید یک مفهوم قابل فهم عمومی نباشد؛ اما در آینده‌ای نزدیک، شرکت‌های زیادی در محصولات خود از هوش مصنوعی استفاده می‌کنند و ما ناگریزیم با این مفهوم آشنا شویم. در ادامه مفاهیم پایه‌ای و مقدماتی AI را توضیح می‌دهیم:

الگوریتم

مهم‌ترین مفهوم در AI، الگوریتم است. الگوریتم فرمول‌های ریاضی هستند که یک کامپیوتر معمولی را قادر می‌سازند تا به صورت هوشمندانه به حل مسئله بپردازد. الگوریتم‌ها در واقع کامپیوتر را قادر می‌کنند تا به صورت مستقل به یادگیری بپردازد.

یادگیری ماشین

یادگیری ماشین همان هوش مصنوعی نیست! بلکه یادگیری ماشین تنها بخشی از هوش مصنوعی است؛ اما موضوعات آن‌ها همپوشانی زیادی دارند. یک الگوریتم یادگیری ماشین، با دیدن مجموعه‌ای از داده‌ها می‌تواند به یک هوشمندی نسبی برسد. به عنوان مثال کافی است عکس گربه‌های زیادی را به الگوریتم یادگیری ماشین نشان دهید تا از آن پس قادر به تشخیص هر گربه‌ای باشد. (مقاله تشخیص اشیا و تشخیص چهره را بخوانید) برای فهم بهتر تفاوت هوش مصنوعی، یادگیری ماشین و یادگیری عمیق، سایر مقالات فنولوژی را بخوانید.

شبکه عصبی

اگر بخواهیم الگوریتم‌های AI دقت و درستی بالاتری داشته باشند، باید از شبکه عصبی استفاده کنیم. شبکه عصبی بسیار شبیه به سیستم عصبی انسان است. یک شبکه عصبی با شکستن داده‌ها و تجزیه و تحلیل آن‌ها در لایه‌های مختلف از شبکه، کامپیوتر را قادر می‌سازد تا مسائل پیچیده را حل کند. برای آشنایی بیش‌تر با شبکه عصبی، مقاله‌‌ی شبکه عصبی عمیق و شبکه عصبی کانولوشن را بخوانید.

یادگیری عمیق

یادگیری عمیق (Deep Learning) بخشی از خانواده‌ی بزرگ‌تر یادگیری ماشین است که بر روش‌هایی تمرکز دارد که مبتنی بر شبکه‌های عصبی مصنوعی هستند. یادگیری عمیق تکنولوژی اصلی ساخت خودروهای خودران است؛ یادگیری عمیق به خودروها این توانایی را می‌دهد که تابلوها را شناسایی کنند، و یا تیر چراغ برق را از انسان تشخیص دهند. یادگیری عمیق تکنولوژی کلیدی مورد استفاده در رابط کاربری صوتی تلفن‌های همراه، تبلت‌ها، تلویزیون‌ها و هندزفری‌ها است. مدتی است که یادگیری عمیق توجه بیش‌تری را به سمت خود جلب کرده است؛ چرا که نتایجی را با خود به همراه داشته است که هیچگاه در گذشته ممکن نبوده‌اند. برای آشنایی بیش‌‌تر، مقاله یادگیری عمیق چیست؟ را بخوانید.

پردازش زبان طبیعی

پردازش زبان طبیعی (Natural Language Processing) یا به اختصار، NLP، یکی از شاخه‌های هوش مصنوعی است که به تعاملات بین رایانه و انسان، از طریق زبان طبیعی می‌پردازد. هدف غایی NLP، خواندن، رمزگشایی، فهم و درک زبان انسان با روشی ارزشمند است. بیش‌تر روش های پردازش زبان طبیعی برای استخراج و فهم معنای زبان انسانی، مبتنی بر تکنیک‌های یادگیری ماشین است.

آموزش پایتون

یادگیری تقویتی

نوع یادگیری AI و انسان، بسیار به یکدیگر شبیه است؛ یکی از راه‌‌‌های آموزش به کامپیوتر به شیوه انسانی، استفاده از یادگیری تقویتی (reinforcement learning) است. در این روش، هدفی به رایانه داده می‌‌‌‌شود که به صورت دقیق تعریف نشده است! به عنوان مثال به رایانه می‌‌‌‌گوییم که «جواب را پیدا کن» یا «بهره‌‌‌‌وری را بالا ببر». این اهداف متریک معینی ندارند؛ پس از آن که رایانه به هدف دست یافت، نتیجه را در اختیار انسان قرار می‌‌‌‌دهد تا بررسی شود. هوش مصنوعی فیدبک را از انسان می‌‌‌‌گیرد و خود را اصلاح می‌‌‌‌کند تا به نتیجه مطلوب دست یابد.

یادگیری با ناظر

در یادگیری با ناظر (supervised learning)، ما یک سری سوال و جواب‌‌‌‌های آن‌‌‌‌ها را به رایانه می‌‌‌‌دهیم؛ رایانه با استفاده از یک الگوریتم یادگیری ماشین، روابط بین ورودی‌‌‌‌ها (سوال) و خروجی (جواب) را پیدا می‌‌‌‌کند. پس از آن اگر سوال جدیدی به رایانه دهیم که جواب آن را ندانیم، مدل می‌‌‌‌تواند جواب را پیش‌‌‌‌بینی کند.

یادگیری بدون ناظر

در یادگیری بدون ناظر (unsupervised learning)، ما دیگر با ورودی و خروجی سر و کار نداریم؛ بلکه مقدار زیادی داده داریم که می‌‌‌‌‌خواهیم الگوی بین این داده‌‌‌‌‌ها را به دست آوریم! 

انتقال یادگیری (transfer learning)

فرض کنید یک مدل ساخته‌‌‌‌‌‌ایم که به خوبی می‌‌‌‌‌‌تواند وجود خودرو سواری در یک تصویر را تشخیص دهد. آیا این مدل (دانش کسب‌‌‌‌‌‌شده) را می‌‌‌‌‌‌توان در تشخیص وجود تراکتور در تصویر به کار برد؟ موضوع انتقال یادگیری دقیقا چنین مبحثی است. در واقع می‌خواهیم با مدل‌هایی که train کرده‌ایم، مسائل جدیدی را حل کنیم.

سطوح هوش مصنوعی چیست؟

به طور کلی می‌توان سه سطح برای هوش مصنوعی تعریف کرد:

  • هوش مصنوعی ضعیف (ANI)
  • هوش مصنوعی عمومی (AGI)
  • هوش مصنوعی سوپر (ASI)

هوش مصنوعی ضعیف

تقریبا تمام سیستم‌های هوش مصنوعی که تا به امروز توسعه داده شده‌اند، هوش مصنوعی ضعیف هستند. در این سطح از AI، ماشین‌ها تنها قادر به انجام امور مشخص هستند و هوشمندی محدودی دارند.

هوش مصنوعی عمومی

هوش مصنوعی عمومی نوعی از هوش مصنوعی بسیار قدرتمند است که توانایی تصمیم‌گیری به شکل مستقل ندارد. بشر تا کنون به چنین هوش مصنوعی دست نیافته است.

هوش مصنوعی سوپر

این نوع هوش مصنوعی آن قدر قوی شده است که می‌تواند بر انسان چیره شود؛ این نوع از AI تنها در حد تئوری باقی مانده است.

شاخه های هوش مصنوعی و کاربردهای آن ها چیست؟

اگر بخواهیم یک تقسیم‌بندی از شاخه‌های هوش مصنوعی داشته باشیم، باید به صورت زیر عنوان کنیم:

  • یادگیری ماشین
  • یادگیری عمیق
  • پردازش زبان طبیعی
  • رباتیک
  • سیستم‌های متخصص
  • منطق فازی

برای آشنایی بیش‌تر، به مقاله سطوح و شاخه های هوش مصنوعی مراجعه کنید. 

هوش مصنوعی چه کاربردی دارد؟

هوش مصنوعی کاربردهای بسیار متنوعی دارد و نمی‌‌توان در یک مقاله محدود، همه آن‌‌ها را لیست کرد. علاوه بر این وقتی یک فناوری به شکل روتین در می‌‌آید، دیگر اسم هوش مصنوعی بر روی آن نمی‌‌گذاریم؛ در واقع همان AI effect که در قسمت اول توضیح داده شد.

برخی از اموری که استفاده هوش مصنوعی در آن‌‌ها کاملا مشهود است عبارتند از (برخی کاربردهای مهم هوش مصنوعی):

  • کاربرد AI در وسایل خودران (مانند خودرو خودران یا پهپادها)
  • تشخیص‌‌های پزشکی
  • کاربردهای خلاقانه هوش مصنوعی (هوش مصنوعی خلاق و هوش مصنوعی در موسیقی را بخوانید)
  • اثبات قضیه‌های ریاضی
  • بازی کردن (شطرنج، Go و …)
  • موتورهای جست‌وجو (مانند گوگل)
  • دستیارهای صوتی (مانند سیری، الکسا و گوگل اسیستنت)
  • پردازش تصویر
  • فیلتر کردن پیام‌های اسپم
  • پیش‌بینی تاخیر پرواز
  • تارگت کردن مخاطب مناسب برای نشان دادن تبلیغات (کاربرد در مارکتینگ)
  • ذخیره سازی انرژی
  • دیپ فیک (ساخت ویدیوهای غیرواقعی)

هوش مصنوعی در پزشکی چه کاربردی دارد؟

هوش مصنوعی در پزشکی معمولا برای دسته‌بندی (classification) استفاده می‌شود؛ به عنوان مثال می‌خواهیم ارزیابی اولیه‌ی سی تی اسکن برای تشخیص بیماری کرونا را خودکار کنیم (کرونا ویروس و هوش مصنوعی) یا می‌‌خواهیم بدانیم چه بیمارانی، سلامت عمومی جامعه را در معرض خطر قرار می‌‌دهند. به عنوان مثالی دیگر، می‌‌توان با استفاده از هوش مصنوعی، میزان دوز بهینه استفاده‌‌ی دارو را تعیین کرد و در هزینه‌‌های سنگین آن صرفه‌‌جویی نمود. برای آشنایی بیش‌‌تر، به مقاله هوش مصنوعی در پزشکی و درمان سرطان با هوش مصنوعی مراجعه کنید.

هوش مصنوعی در حمل و نقل چه کاربردی دارد؟

در سال ۲۰۱۶، بیش از ۳۰ شرکت مختلف در پی ساخت خودرو خودران بوده‌اند. اپل، تسلا و گوگل برخی از شرکت‌های فعال در این زمینه هستند. یک خودرو خودران، سیستمی بسیار پیچیده و متشکل از قسمت‌های متعددی مانند سیستم تغییر لاین، سیستم ترمز، نقشه و … است. علاوه بر خودروهای خودران، AI در صنعت گردشگری و حمل و نقل، کاربردهای متعدد دیگری نیز دارد؛ به عنوان نمونه می‌‌توانید به مقاله هوش مصنوعی در فرودگاه دبی مراجعه کنید.

هوش مصنوعی در اقتصاد و امور مالی

موسسات مالی مختلف با استفاده از شبکه‌‌های عصبی، معاملات غیر عادی مالی را نشان‌‌دار می‌‌کنند تا توسط متخصصان انسانی بررسی شوند و در صورت تخلف پیگیری‌‌های لازم انجام گیرد. امروزه بانک‌‌ها برای انجام امور مختلف مانند منظم کردن عملیات‌‌ها، سرمایه‌‌گذاری در بازار سهام و مدیریت دارایی‌‌ها از هوش مصنوعی کمک می‌‌گیرند. برای آشنایی بیش‌‌تر با کاربردهای مالی AI، به مقالات هوش مصنوعی در بورس، یادگیری ماشین در بانکداری و هوش مصنوعی در بانکداری مراجعه کنید.

AI در امنیت سایبری

امنیت سایبری با چالش‌‌‌های متعددی روبرو است؛ انواع مختلفی از حملات سایبری در ابعاد بسیار گسترده وجود دارند که ممکن است زیان‌‌‌های مالی سنگینی به بار بیاورند. شرکت‌‌‌های امنیت سایبری مانند SIEM به طور گسترده از AI و NLP برای پیش‌‌‌بینی این حمله‌‌‌ها استفاده می‌‌‌کنند و در صورت نیاز به مسئولان مربوطه اطلاع می‌‌‌دهند.

کاربرد AI در مارکتینگ

با استفاده از دیتاهای مربوط به رفتار کاربران در سایت، می‌‌‌توان رفتارهای آینده‌‌‌ی آن‌‌‌ها را پیش‌‌‌بینی کرد و بدین ترتیب، پیشنهادهایی برای ترغیب آن‌‌‌ها به خرید ارائه داد. همچنین در برگزاری کمپین‌‌‌های مارکتینگ، می‌‌‌توان با بهینه‌‌‌سازی به وسیله‌‌‌ی AI، هزینه‌‌‌های کمپین را به شدت کاهش داد.

هوش مصنوعی کاربردهای فراوان دیگری نیز در همه حوزه‌ها دارد؛ به عنوان نمونه‌ای دیگر می‌توانید مقاله هوش مصنوعی در معماری را بخوانید.

شرکت‌‌‌های پیشرو در حوزه هوش مصنوعی کدام شرکت‌‌‌ها هستند؟

با توجه به این که AI امروزه به طور گسترده‌‌‌ای در صنعت نرم‌‌‌افزار استفاده می‌‌‌شود، شرکت‌‌‌های مختلف در پی آن هستند که خود را در این زمینه تقویت کنند؛ شرکت‌‌‌های مختلف نرم‌‌‌افزاری در سراسر دنیا در تلاشند تا به تکنولوژی یادگیری ماشین قوی‌‌‌تری برای مصارف خودشان و ارائه در قالب نرم‌‌‌افزارهای ابری (SaaS) استفاده کنند. البته گوگل و به طور مشخص زیرمجموعه هوش مصنوعی آن یعنی دیپ مایند، تاثیر بیش‌‌‌تری در آگاهی عمومی از هوش مصنوعی داشته است.

شرکت‌‌‌های AI، چه سرویس‌‌‌هایی را ارائه می‌‌‌دهند؟

همه‌‌‌ی ارائه‌‌‌دهندگان خدمات ابری اصلی در دنیا (یعنی آمازون وب سرویس، گوگل کلود و مایکروسافت آژور)، خدمات دسترسی و استفاده از GPU برای train کردن مدل‌‌های یادگیری ماشین ارائه می‌‌کنند. گوگل حتی پروسسورهای تانسوری خود را نیز برای استفاده سایرین ارائه می‌‌دهد.

گوگل به تازگی سرویس جدیدی به نام AutoML نیز ارائه کرده است که ساخت مدل‌‌های یادگیری ماشین را بسیار آسان می‌‌کند. با استفاده از این سرویس و تنها با درگ اند دراپ و بدون هیچ دانش تخصصی در زمینه AI، می‌‌توان نرم‌‌افزاری برای پردازش تصویر ساخت.

منابع: WIKIPEDIA | THENEXTWEB

علیرضا کریمی
علیرضا کریمی
دانشجوی مهندسی کامپیوتر دانشگاه امیرکبیر - بنیان‌گذار فنولوژی
عضویت
اطلاع از
2 دیدگاه‌ها
قدیمی‌ترین‌ها
جدیدترین‌ها
بازخورد در متن
دیدن همه دیدگاه‌ها

عالی بود. خسته نباشید.

فنولوژی را در شبکه‌های اجتماعی دنبال کنید

©۲۰۲۰ – کلیه حقوق مادی و معنوی متعلق به فنولوژی است.

عضویت در خبرنامه فنولوژی

جذاب‌ترین مطالب سایت را ماهانه دریافت کنید!

خبرنامه