هوش مصنوعی از مهمترین فناوریهای تحولآفرین عصر دیجیتال است که میتواند در حرکت به سمت تحول دیجیتال یاریدهنده باشد. هوش مصنوعی از دو بخش هوش و مصنوعی تشکیل شده که واژه هوش به معنای عملکرد ذهن در برقراری ارتباط با محیط است و واژه مصنوعی، به معنای ساخته دست بشر، به هوش نسبت داده شده است. البته این تعریف چندان دقیقی برای هوش مصنوعی نیست؛ هوش مصنوعی بسیار متفاوت از مفهوم هوش در علوم دیگر مانند روانشناسی و مفاهیم مرتبط با آن مثل قوه نطق، عقل و درک معنا میگردد. هوش مصنوعی طرح ساخت یک ماشین محاسبهای میباشد، با قدرت انجام همان وظایفی که هوش طبیعی انسان انجام میدهد؛ یعنی بتواند اعمالی را که به هوش انسانی احتیاج دارد، به انجام برساند.
میتوان هوش مصنوعی را اینگونه تعریف کرد: هوش مصنوعی یک اصطلاح اشتراکی برای سیستمهای کامپیوتری است که میتوانند محیط خود را حس کرده، فکر کنند و در واکنش به آنچه حس میکنند، عمل کنند. شکلهای مورد استفاده از هوش مصنوعی شامل دستیاران دیجیتال، پرسش و پاسخهای عمیق، بینایی ماشین و مانند اینها است.
تاریخچه هوش مصنوعی
در ابتدا فلاسفه و ریاضیدانانی نظیر «بول» که اقدام به ارائه قوانین و نظریههایی در باب منطق نموده بودند، به هوش مصنوعی پرداختند. در واقع تحقیقات هوش مصنوعی به صورت رسمی به اوایل قرن بیستم میلادی باز میگردد که «وارن مک کولد» و «والتر پیتز» اولین اقدامات را در این زمینه آغاز نمودند. آنها در روند تحقیقاتشان علاوه بر بررسی عملکرد مغز انسان، از تحلیل منطق گزارهها که متعلق به راسل و وایت هد بود، نیز بهره بردند.
اگر به عقبتر برگردیم، شاید بتوانیم کانت را مسبب شکلگیری هوش مصنوعی بدانیم؛ چراکه این کانت بود که با فرو کاستن انسان به عقل – عقل کانتی همانند یک نرمافزار رایانهای عمل میکند – انسان را به مثابه دستگاهی معرفی کرد که عقل، فاهمه و عملکرد آن، یک برنامه از پیش تعیینشده بود که انسان در چارچوب آنها عمل میکند و وی را گریزی به ماوراء عقل نیست.
نخستین فرد استفادهکننده از هوش مصنوعی «جان مکارتی» بود که با عنوان «پدر علم و دانش تولید ماشینهای هوشمند» لقب گرفته است. با ورود هوش مصنوعی از بعد نظر به بعد عمل، افرادی مانند تورینگ طرح ساخت رایانهای را ارائه نمودند که توانایی تفکر داشت و دارای ذهنی مانند ذهن انسان بود. پس از آن ساخت رایانههای پیشرفتهتر باعث شد تا افرادی همچون هربرت سایمن از دانشگاه کارنگی ملن مدعی شوند که ما هماکنون رایانههایی داریم که فکر میکنند.
انواع هوش مصنوعی
کلیه نظرات مطرح در باب هوش مصنوعی سعی در یافتن پاسخ این پرسش دارند که آیا با وجود چنین سیستمهای رایانهای میتوان رایانه را مدلی تقریباً یکسان با ذهن تلقی کرد و بالعکس.
برای پاسخ به پرسش بالا باید به سه پرسش زیر پاسخ داد:
سؤال یک به متخصصان علوم رایانه، سؤال دوم به روانشناسی شناختی و سؤال سوم به فلسفه ذهن مرتبط میگردد. پاسخ به پرسشهای مطرحشده، دو موضع در برابر هوش مصنوعی ایجاد کرده است که عبارتاند از:
الف) هوش مصنوعی ضعیف: در این دیدگاه، رایانهها تنها فکر کردن و اعمال ذهن انسان را شبیهسازی میکنند و خلاف آنچه ممکن است به نظر برسد، فکر نمیکنند.
ب) هوش مصنوعی قوی: رایانه تنها ابزاری برای مطالعه ذهن نیست؛ بلکه ذهن، رایانهای است که به شکلی مناسب برنامهریزی شده است. یعنی اگر یک رایانه به گونهای درست برنامهریزی شود به معنای حقیقی کلمه، میفهمد و دارای حالات شناختی و ذهنی است.
روند توسعه هوش مصنوعی
در این قسمت روند توسعه حوزه فناوری هوش مصنوعی در سه بخش تحلیل هایپ سایکل گارتنر، تحلیل پتنت و تحلیل علمسنجی بررسی میگردد.
با بررسی چرخه هایپ گارتنر در ده سال گذشته میتوان به روند تکاملی هوش مصنوعی و فناوریهای زیرمجموعه آن پی برد. بنابراین نمودارهایی که نشان از تغییر در نحوه حرکت فناوری بر روی چرخه دارد، مورد تأکید قرار گرفته است.
شکل ۱. نمودار هایپ سایکل گارتنر سال ۲۰۱۰
در نمودار سال ۲۰۱۰ دستیارهای مجازی و تشخیص صدا به صورت همزمان در هایپ قرار داشته و بیشتر به سمت کاربردی شدن متمایل هستند.
شکل ۲. نمودار چرخه هایپ گارتنر سال ۲۰۱۱
در شکل ۲ (سال ۲۰۱۱) علاوه بر دو فناوری گفتهشده پرسش و پاسخگویی به سؤالات زبان طبیعی نیز بر روی نمودار ظاهر شده است که جایگاه آن در مرحله دوره ظهور است.
شکل ۳. نمودار چرخه هایپ گارتنر سال ۲۰۱۴
در این سال (۲۰۱۴) دستیاران مجازی از نمودار ۳ حذف شده ولی در عوض دستیاران مجازی شخصی بر روی نمودار ظهور پیدا کرده است. همچنین پاسخگویی به سؤالات زبان طبیعی از مرحله ظهور به مرحله نقطه اوج رسیده است.
شکل ۴. نمودار هایپ سایکل گارتنر سال ۲۰۱۶
در سال ۲۰۱۶، تعداد گزینههای فناوری برای هوش مصنوعی بسیار زیادتر شده و یادگیری ماشین، هوش ماشین عاممنظوره، مشاوران خبره شناختی و رابطهای کاربری مکالمهای نیز به نمودار اضافه شده است. از طرف دیگر فناوری تشخیص صحبت از مرحله رونق مجدد و ثبات نیز عبور کرده و از نمودار حذف شده است.
شکل ۵. نمودار هایپ سایکل گارتنر سال ۲۰۱۸
در سال ۲۰۱۸، نیز کماکان بر گزینههای فناوری هوش مصنوعی افزوده شده و گزینههای قبلی به سمت مراحل نقطه اوج و سیر نزولی حرکت کردهاند (شکل ۵). پلتفرمهای هوش مصنوعی مکالمهای، هوش مصنوعی لبه و هوش عمومی مصنوعی از جمله این موارد هستند.
این نمودارها بهطورکلی حاکی از آن است که هر روزه گزینههای فناوری هوش مصنوعی بیشتر شده و به سمت کاربردیتر شدن پیش میروند. دقت در برخی روندها نشان میدهد، بعضی از این گزینهها نمیتوانند به مرحله رونق و ثبات برسند، اما بهطورکلی گزینههای این حوزه فناوری هماکنون در مرحله ظهور نوآوری و نقطه اوج هستند و بهتدریج وارد مرحله سیر نزولی میشوند.
با بررسی روند کلی تعداد پتنتها در طی ده سال اخیر مشاهده میکنیم که بر اساس نمودار سایت لنز، تعداد پتنتها به صورت نمایی افزایش یافته و از سال ۲۰۰۰ تا کنون به ده تا ۱۲ برابر رسیده است (شکل ۶).
شکل ۶. نمودار تعداد پتنت حوزه هوش مصنوعی برحسب سال
در بخش علمسنجی تعداد انتشارات و حوزههای این انتشارات مورد بررسی قرار میگیرد.
شکل ۷. تعداد انتشارات حوزه هوش مصنوعی برحسب سال (وب آف ساینس)
شکل نمودار ۷ نشان میدهد که تعداد انتشارات در این حوزه همواره صعودی بوده و از سال ۲۰۱۵، به بعد نیز این روند سرعت بیشتری به خود گرفته است.
رابطه هوش مصنوعی با سایر حوزههای فناوری
همانطور که در مقدمه نیز بیان شد، هوش مصنوعی به دنبال هوشمند کردن فعالیتهاست و این هدف میتواند با توجه به ماهیت فناوریهای مختلف در آنها ظهور و بروز پیدا کند.
در رباتهای نسل ۴، علاوه بر خودکار بودن، امنیت و حس و تحرک داشتن، ویژگی دیگری نیز وجود دارد که مربوط به قدرت درک و شناخت ربات میشود. این قدرت مستقیماً با هوش مصنوعی ارتباط دارد و وجه تمایز رباتیک نسل چهار از سایر نسلهای آن است.
در حوزه واقعیت مجازی و واقعیت افزوده زیرمجموعههای مختلف هوش مصنوعی مانند بینایی ماشین و تشخیص گفتار قابل بکارگیری است. ورودیهای این فناوریها محدود به کیبورد نمیشود و میتواند فناوریهای گفتار به متن، متن به گفتار، چتبات ها و به طورکلی رابطهای کاربری مکالمه محور باشد. امری که شرکت آیبیام در ربات واتسون خود در دسترس توسعهدهندههای برنامههای واقعیت افزوده قرار داده است تا بتوانند از المانهای هوش مصنوعی تشخیص گفتار و بینایی ماشین در اپلیکیشنهای خود استفاده کنند.
در حوزه چاپگرهای سهبعدی و چهاربعدی، هوش مصنوعی به وضوح میتواند آینده ساخت را متأثر کند. به عنوان مثال شرکت ایآی بیلد پرینتر سهبعدی خودکار مبتنی بر هوش مصنوعی تولید کرده که به صورت خودکار مشکلات را تشخیص داده و تصمیمگیری میکند.
هوش مصنوعی هماکنون نقش در حال رشدی در کاربردها و پیشرفتهای اینترنت اشیاء دارد. سرمایهگذاریها و تملکها در استارتآپهایی که این دو حوزه را یکپارچه میکنند در طی سالهای اخیر به شدت رشد داشته است. بسیاری از ارائهدهندگان پلتفرمهای اینترنت اشیاء، قابلیتهای یکپارچه هوش مصنوعی مانند تحلیلهای مبتنی بر یادگیری ماشینی ارائه میکنند.
طبق اعلام دانشگاه نوتیسترن، هر روز ۲٫۵ اگزابایت داده تولید میشود. در واقع تحلیل تمام این دادههای عظیم غیر ممکن است و از این رو ما نمیتوان همه الگوها و اطلاعات سودمند را استخراج کرد. این حوزه جایی است که هوش مصنوعی و کامپیوترهای کوانتومی به هم مرتبط میشوند. پردازندههای قدرتمند کوانتمی باید قادر باشند مجموعههای کلانداده را مدیریت کنند و هوش مصنوعی آنها را در سطح بسیار جزئی تحلیل کند.
هوش مصنوعی در حوزه بیومتریک نیز تأثیرات قابل توجهی میتواند به جا بگذارد. از طرفی این فناوری میتواند در افزایش دقت و صحت عملکرد بیومتریک کمک کرده و فرآیند تشخیص هویت را ایمنتر کند و از طرف دیگر همین هوش مصنوعی میتواند با دور زدن این فناوری و ایجاد هویتهای جعلی، ارزش آن را به چالش بکشد. به عنوان مثال محققان این حوزه توانستند اثر انگشت جعلی را به اسم “دیپ مستر پرینت” با استفاده از هوش مصنوعی به وجود آورند که میتواند از هر پنج اثرانگشت جایگزین یکی از آنها شود.
هوش مصنوعی و زیرمجموعههای آن (یادگیری ماشین و یادگیری عمیق) تأثیر بسزایی بر روی اینترنت و حفاظت از امنیت داشته است. هوش مصنوعی میتواند به شرکتهای مخابراتی کمک کند سرمایهگذاری خود را بهینه کنند، هزینهها را کاهش داده و کارایی را در زمینه عملیات و نگهداری بهبود دهند، برنامهریزی شبکه ۵ جی دقیقی داشته باشند، بهینهسازی خودکار پوشش را انجام دهند و بسیاری موارد دیگر.
هوش مصنوعی میتواند در حوزه رسانههای اجتماعی کمک کند تا روندها، هشتکها و الگوها تشخیص داده شده و رفتار کاربر درک شود. الگوریتمهای هوش مصنوعی میتوانند میلیونها نظر کاربران را خوانده و موقعیتها، بحرانها یا روندها را تشخیص داده و تجربه شخصیسازیشدهای را ارائه نماید. هوش مصنوعی با بخشبندی مؤثر میتواند به ایجاد محتوا بر اساس فعالیتها و موقعیتهای جغرافیایی آنلاین کمک کند. بسیاری از شبکههای اجتماعی در حال تصاحب کسبوکار هوش مصنوعی برای حرکت به مراحل بالاتری از رشد هستند.
اگر تمام تصمیمات سیستم هوش مصنوعی در بلاکچین ذخیره شود، ما پایگاه داده گستردهای را بدست خواهیم آورد و قادر خواهیم بود تصمیمات گرفته شده توسط هوش مصنوعی را بررسی کنیم و منطق آنها را بدست آوریم. به علاوه امنیت داده نیز تضمین میشود چرا که اطلاعات ذخیرهشده در بلاکچین نمیتواند جعل شود. یکی از چالشهای بلاکچین این است که همه اطلاعات ثبتشده و در تمام کامپیوترها نگه داشته میشود. تعداد بلاکها افزایش یافته و در گذر زمان این زنجیره سنگینتر میشود. روشهای ذخیرهسازی بلاکچین میتواند با کمک الگوریتمهای یادگیری ماشینی بهینه شود.
روندهایی چون گسترش موبایلها و اینترنت اشیاء تغییراتی در فناوری ابر ایجاد کرده است ولی بزرگترین تغییر میتواند از همگرایی بین ابر و هوش مصنوعی به وجود آید. رابطه بین ابر و هوش مصنوعی دو طرفه است. ابر میتواند برای هوش مصنوعی اطلاعات مورد نیاز جهت یادگیری را فراهم کرده و در مقابل هوش مصنوعی میتواند اطلاعاتی را فراهم آورد که ابر را تغذیه میکند. این رابطه میتواند توسعه هوش مصنوعی را متحول کند و تلاش شرکتهای ارائهدهنده ابر مانند آیبیام برای وارد شدن به تحقیقات هوش مصنوعی بهخوبی این اهمیت را نشان میدهد.
به طور کلی میتوان بیان کرد هر فناوری که هوشمند شدن آن موجب خلق ارزش بیشتری میشود، تحت تأثیر حوزه فناوری هوش مصنوعی قرار میگیرد و پیشرفتش به این فناوری گره میخورد. به طور کلی هوش مصنوعی جایگزین و مکمل هوش انسانی شده است و هر فعالیت و فناوری که به نحوی با هوش انسانی قابلکنترل بوده و توسط انسان به کار گرفته شده است، میتواند توسط هوش مصنوعی کنترل شده و یا جایگزین شود. به عنوان مثال رباتها و پرندههای بی سرنشینی که تاکنون دادهها را از محیط دریافت میکردند و بر مبنای آن با محیط خود تعامل خودکار داشتند، حالا میتوانند از این دادهها یاد گرفته و نیاز به کنترل کمتری از طرف انسان داشته باشند.
زنجیره ارزش حوزه هوش مصنوعی
زنجیره ارزش هوش مصنوعی بر اساس چارچوب و الگوی طراحی شده در پروژه به صورت شکل ۸ ارائه شده است.
شکل ۸. زنجیره ارزش هوش مصنوعی طراحیشده با الگوی پروژه
کاربردهای هوش مصنوعی
شرکت تحقیقاتی نیتای پارتنرز (۲۰۱۶) حوزههای کاربردی هوش مصنوعی را به صورت زیر بیان میکند. در حقیقت هوش مصنوعی از طریق تأثیر در حوزههایی چون بینایی ماشین، رباتیک و یادگیری عمیق باعث خلق ارزش در حوزههای کاربردی مختلف میشود که در ادامه به آنها اشاره شده است.
شکل ۹. حوزههای کاربردی هوش مصنوعی
صنایع بهرهبردار هوش مصنوعی
طبق گزارش ارائهشده توسط مکنزی، میزان رشد حاشیه سود حاصل از بکارگیری هوش مصنوعی طی سه سال آینده برای شرکتهایی که دارای یک استراتژی فرافعالانه هستند، به طور متوسط ۵ درصد از سایر شرکتها بیشتر خواهد بود.
کاربرد هوش مصنوعی در حوزه دفاعی و امنیت شامل این موارد میشود: حفاظت از زیرساختها مانند هواپیماها، نیروگاهها و بخشهای اقتصادی که در معرض حملات قرار دارند، کشف رفتار غیرمعمول افراد و استفاده از سنسورهای توزیع شده و تشخیص الگوها برای پیشبینی حوادث حاصل از عوامل طبیعی و انسانی.
یکی از حوزههای اصلی کاربرد هوش مصنوعی در بخش بانکداری و خدمات مالی است. از جمله این کاربردها میتوان به موارد زیر اشاره کرد:
هوش مصنوعی میتواند با ارتقاء امنیت از طریق نظارت بر سلامت ساختار و مدیریت دارایی زیرساختی، باعث کاهش هزینههای تعمیرات و بازسازیها شده و اطلاعات مسیرها را بهصورت بلادرنگ ارائه کند. این امر کارایی عملیات را در بخش حملونقل و مسافرت بهبود داده و مصرف انرژی و آلایندهها را کاهش میدهد.
کشاورزی یکی دیگر از حوزههایی است که میتواند از راهکارهای هوشمند به خوبی بهره ببرد. این امر از طریق مکانیزمهای تولید، پردازش، ذخیرهسازی، توزیع و مصرف هوشمندانهتر محقق میشود. راهکارهای هوش مصنوعی همچنین میتواند اطلاعات شخصیسازیشده و به هنگام را در مورد محصولات زراعی ارائه نماید تا اقدامات لازم مانند کوددهی صورت پذیرد.
برای کمک به مشتریان برای یافتن محصولات بهتر و با قیمت پایینتر، الگوریتمهای یادگیری جهت تطبیق تقاضای مشتریان با عرضه مورد استفاده قرار میگیرد. به عنوان مثال پرتالهای فروش آنلاین میتوانند از طریق درک ترجیحات مشتریان از قابلیتهای پیشبینانه به طور وسیعی برای اندازهگیری علاقه آنها به محصولات استفاده کنند و با رویکردی چندکاناله مشتریان را به صورت مؤثر هدف قرار داده و با آنها درگیر شوند.
هوش مصنوعی میتواند به نحو معناداری از طریق آموزشهای انطباقپذیر که بر اساس میزان پذیرش فراگیران است، این حوزه را متحول کند. همچنین میزان پیشرفت هر یک از آنان در یادگیری به صورت دقیق قابلاندازهگیری است. به کمک راهکارهای هوش مصنوعی میتوان مهارتهای اجتماعی و شناختی را به خوبی آموزش داد.
کاربردهای هوش مصنوعی در سلامت، پزشکی و بیوتکنولوژی شامل توسعه سیستمهای پشتیبان تشخیص خطرات ژنتیکی از مطالعات وسیع ژنومی، پیشبینی ایمنی و تأثیر داروهای تازه ارائه شده، پشتیبانی از تصمیمات در ارزیابیهای پزشکی، مدیریت داروها برای هر فرد بیمار به طور خاص و بسیاری موارد دیگر میباشد.
بخشهایی که هوش مصنوعی میتواند فرآیندهای قانونی را بهبود دهد، شامل اکتشاف و تحلیل بر اساس سابقه آن مورد حقوقی و همچنین رسیدن به استدلالهای قانونی بر اساس شناسایی شواهد مرتبط است. محققان و دستیاران وکلا به طور روزافزونی در حال جایگزین شدن با سیستمهایی هستند که میتوانند در کسری از ثانیه واقعیات امر و نتایج را از میلیاردها مدرک استخراج کنند. این امر باعث میشود زمان وکلا به صورت قابلتوجهی ذخیره شود.
حوزههای کاربری هوش مصنوعی
عملیات تولید تقویتشده با هوش مصنوعی میتواند پیشبینیهای تقاضا را قابل اطمینانتر کرده، زنجیره تأمین منعطفی را به کار گرفته و بهینهسازی دقیقتری را برای زمانبندی و انبارداری فراهم کند. سایر منافعی که هوش مصنوعی میتواند به همراه داشته باشد ایجاد فرآیندهای سریعتر و هوشمندانهتر است.
هوش مصنوعی پتانسیل بالایی را در کنترل کمکرسانی و اقدامات بهبودی بعد از وقوع حوادث انسانی و طبیعی دارد. این فناوری میتواند در بهینهسازی شبکههای موبایلی کمک کرده و پهنای باند هوشمندی را تخصیص دهد تا خدمات شبکه بدون اختلال، در حین فجایع و حوادث فراهم باشند.
از طریق بهکارگیری پرندههای بدون سرنشین و اطلاعات ماهوارهها به همراه پردازش و تشخیص تصویر، این امکان وجود دارد که خسارتهای زیرساختی ارزیابی و پیشبینی شود و تیمهای مدیریت بحران به طور بهینه تجهیز و راهبری شوند.
یکی از حوزههای کلیدی برای بکار بردن هوش مصنوعی در عملیات لجستیکی از جمله زمانبندی تحویل و مسیریابی ناوگان است. لجستیک و زنجیره های تأمین پیشرفته با استفاده از سیستمهای تصمیمگیری خبره به وجود میآیند. محصولات میتوانند به صورت کاراتری از طریق سیستمهای رباتیک/ خودکار و دستیارهای بینایی محور راننده، جابهجا شوند. این امر میزان حوادث حملونقل را که به خاطر آبوهوا، ترافیک و حوادث غیرمعمول به وجود میآیند، کمتر میکند.
استفاده مؤثر از پهنای باند و حافظه، فیلترهای بهبودیافته، جستوجوهای وب و ترجمه زبان بعضی از کاربردهایی است که میتوان با بکارگیری سیستمهای هوش مصنوعی در بخش ارتباطات و رسانه اجتماعی محقق کرد. همچنین باتهای مکالمهای، ابزارهای تشخیص صدا، دستیاران دیجیتال هوشمند و خدمات مکالمهای میتوانند در بستر کانالهای رسانه اجتماعی پیاده شوند.
هوش مصنوعی میتواند تحقیقات و آزمایش های علمی را تقویت کند. این فناوری در خواندن اسناد منتشرشده و پتنتها و همچنین تولید فرضیهها و آزمایش آنها از طریق بکارگیری سیستمهای رباتیک، به دانشمندان و مهندسان کمک میکند.
فناوریهای شناختی برای خودکارسازی فرایند ارزیابی حجم زیاد مستندات به کار میرود تا موارد کلیدی شناسایی شوند. این امر تاکنون فرآیندی دستی و زمانبر بوده است. فناوری پردازش زبان طبیعی، مستندات را خوانده و موارد کلیدی را درک میکند. فناوری یادگیری ماشین این امکان را فراهم میکند که سیستم بر اساس مجموعهای از مستندات نمونه، آموزش ببیند بهگونهای که بتواند به صورت خودکار اطلاعات را شناسایی و استخراج کند.
آینده کار در عصر هوش مصنوعی و رباتیک
نمونه های موردی هوش مصنوعی در صنعت بانکداری
ویدئو: مدیریت منابع انسانی در عصر هوش مصنوعی