هوش مصنوعی دیگر یک مفهوم مربوط به فیلم‌های علمی‌تخیلی نیست. امروز ممکن است در همان لحظه‌ای که با تلفن همراه خود صحبت می‌کنید، مسیریابی می‌کنید، فیلمی را در یک پلتفرم انتخاب می‌کنید، عکس می‌گیرید یا حتی یک متن می‌نویسید، به شکلی مستقیم یا غیرمستقیم از هوش مصنوعی (Artificial Intelligence) استفاده کنید.
اما هوش مصنوعی دقیقاً چیست؟ آیا واقعاً مثل انسان فکر می‌کند؟ چطور یاد می‌گیرد؟ تفاوت هوش مصنوعی با یادگیری ماشین چیست؟ ChatGPT و ابزارهای مشابه چطور می‌توانند متن تولید کنند؟ آیا هوش مصنوعی می‌تواند جای انسان را بگیرد؟ آیا پاسخ‌های آن همیشه درست هستند؟اگر میان انبوه اصطلاحاتی مثل یادگیری ماشین، دیپ‌فیک و هوش مولد سردرگم شده‌اید، این مقاله به تمام سوالات درباره چیستی، کارکرد و آینده AI پاسخ می‌دهد.این‌روزها همه‌جا صحبت از هوش مصنوعی است. کافی است سری به شبکه‌های اجتماعی بزنید یا اخبار را دنبال کنید تا با کلماتی مانند «هوش مصنوعی»، «یادگیری ماشین»، «یادگیری عمیق» و این اواخر، «هوش مصنوعی مولد» بمباران شوید. چت‌بات‌هایی که دنیا را تسخیر کرده‌اند، مشکلات «حل‌نشدنی» که در حال حل شدن هستند، افرادی که بدون هیچ دانشی از کدنویسی یا آهنگسازی، در عرض چند ثانیه وب‌سایت و آهنگ می‌سازنند و ویدیوهای «دیپ‌فیک» که تشخیص واقعیت از خیال را دشوار کرده‌اند.
در این مقاله از درنا پی‌سی مگ قرار است هوش مصنوعی را بدون فرمول‌های پیچیده و اصطلاحات گیج‌کننده بررسی کنیم؛ از مفاهیم پایه تا یادگیری ماشین، یادگیری عمیق، هوش مصنوعی مولد، مدل‌های زبانی، کاربردهای روزمره، مزایا، معایب، خطرات و آینده این فناوری.
به زبان ساده، اینجا قرار است هوش مصنوعی را به زبان آدمیزاد یاد بگیریم.
هوش مصنوعی چیست؟
هوش مصنوعی یا AI مجموعه‌ای از روش‌ها و فناوری‌هایی است که به کامپیوترها اجازه می‌دهد بعضی از کارهایی را انجام دهند که معمولاً به توانایی‌های انسانی مانند تشخیص الگو، درک زبان، تصمیم‌گیری، پیش‌بینی، یادگیری و حل مسئله نیاز دارند.
برای مثال وقتی تلفن همراه شما چهره‌تان را تشخیص می‌دهد، یک نمونه از کاربرد هوش مصنوعی را می‌بینید.
وقتی یک برنامه ایمیل، پیام‌های مشکوک را تشخیص می‌دهد، باز هم با نوعی هوش مصنوعی روبهرو هستیم.
وقتی یک سرویس موسیقی بر اساس آهنگ‌هایی که قبلاً گوش داده‌اید، آهنگ‌های جدید پیشنهاد می‌کند، یک سیستم هوشمند در حال تحلیل رفتار شماست.
بنابراین هوش مصنوعی الزاماً به معنی یک ربات انسان‌نما نیست.در ساده‌ترین تعریف و به دور از تمام هیاهوی رسانه‌ای، هوش مصنوعی یا AI، چیزی نیست جز نرم‌افزاری که توانایی‌هایی شبیه به انسان را از خود نشان می‌دهد. به همین سادگی.
اما چه توانایی‌هایی؟ ما انسان‌ها توانایی دیدن داریم؛ به اطراف نگاه می‌کنیم و اشیا، چهره‌ها و صحنه‌ها را درک می‌کنیم. این، توانایی «بینایی» (Vision) در هوش مصنوعی است. ما توانایی گفتگو داریم؛ می‌توانیم متن را بفهمیم، کلمات را از دل یک تصویر بخوانیم (تحلیل متن) و به سوالات پاسخ دهیم. و شاید مهم‌تر از همه، ما براساس اطلاعاتی که از حواس مختلف (دیده‌ها، شنیده‌ها، سوالات) دریافت می‌کنیم، «تصمیم» می‌گیریم.
بنابراین، وقتی از هوش مصنوعی صحبت می‌کنیم، منظورمان نرم‌افزاری است که می‌تواند یک یا چند مورد از این قابلیت‌های انسانی را تقلید کند: «یادگیری»، «استنتاج» و «استدلال».
اما در اکثر موارد، آنچه به‌عنوان هوش مصنوعی می‌شناسیم، درواقع «اتوماسیون» یا همان فرایند خودکارسازی نام دارد و برای درک بهتر AI، ابتدا باید فرق آن را با اتوماسیون بدانیم.
در دنیای علوم کامپیوتر یک جوک قدیمی وجود دارد که می‌گوید اتوماسیون، کارهایی است که ما همین‌حالا می‌توانیم با کامپیوتر انجام دهیم، اما هوش مصنوعی کارهایی است که ما دلمان می‌خواست می‌توانستیم با کامپیوتر انجام دهیم. به‌عبارت دیگر، به‌محض اینکه بفهمیم چطور کاری را با کامپیوتر انجام دهیم، از حوزه‌ی هوش مصنوعی خارج و وارد اتوماسیون می‌شویم.
هوش مصنوعی می‌تواند یک الگوریتم، نرم‌افزار، مدل آماری، سیستم تشخیص تصویر یا یک مدل زبانی باشد.به‌عبارت دیگر، «هوش مصنوعی» درحال‌حاضر بیشتر اصطلاحی برای بازاریابی است تا اصطلاحی فنی. دلیل اینکه شرکت‌ها به جای استفاده از واژه‌ی «اتوماسیون» از هوش مصنوعی استفاده می‌کنند این است که می‌خواهند در ذهن ما همان تصاویر علمی‌تخیلی فیلم‌های هالیوودی را تداعی کنند. اما این کار کاملا هم فریبکاری نیست؛ اگر بخواهیم دست‌ودل‌بازی به خرج دهیم، می‌توان گفت این شرکت‌ها قصد دارند بگویند درست است که تا رسیدن به هوش مصنوعی قوی راه درازی در پیش داریم، اما AI ضعیف کنونی را هم نباید دست‌کم گرفت، چون به‌مراتب از چند سال پیش، قوی‌تر شده است که خب، این حرف کاملاً درست است.
آنچه از هوش مصنوعی تابه‌حال دیده‌ایم از نوع هوش مصنوعی ضعیف است
در برخی زمینه‌ها، تغییرات شگرفی در توانایی ماشین‌ها صورت گرفته و آن هم به‌خاطر پیشرفت‌هایی است که در چند سال اخیر، در دو زمینه‌ی مرتبط با هوش مصنوعی، یعنی یادگیری ماشین و یادگیری عمیق به‌دست آمده است. این دو اصطلاح را هم احتمالا بسیار شنیده‌اید و در ادامه دربارهی سازوکارشان توضیح خواهیم داد. اما پیش از آن، اجازه دهید کمی دربارهی تاریخچه‌ی جالب و خواندنی هوش مصنوعی با شما صحبت کنیم.
تاریخچه هوش مصنوعی
در نیمه‌ی اول قرن بیستم، داستان‌های علمی‌تخیلی، مردم را با مفهوم ربات‌های هوشمند آشنا کردند که اولین آنها، شخصیت مرد حلبی در رمان «جادوگر شهر اُز» (۱۹۰۰) بود. تا اینکه در دهه‌ی ۱۹۵۰، نسلی از دانشمندان، ریاضیدانان و فیلسوفانی را داشتیم که ذهنشان با مفهوم هوش مصنوعی درگیر شد. یکی از این افراد، ریاضیدان و دانشمند کامپیوتر انگلیسی به‌نام آلن تورینگ (Alan Turing) بود که سعی داشت امکان دستیابی به هوش مصنوعی را با علم ریاضی بررسی کند.
تورینگ می‌گفت انسان‌ها از اطلاعات موجود و همچنین قدرت استدلال برای تصمیم‌گیری و حل مشکلات استفاده می‌کنند، پس چرا ماشین‌ها نمی‌توانند همین کار را انجام دهند؟ این دغدغه‌ی ذهنی درنهایت به نوشتن مقالهی بسیار معروفی در سال ۱۹۵۰ انجامید که با پرسش جنجالی «آیا ماشین‌ها می‌توانند فکر کنند؟» شروع می‌شد. تورینگ در این مقاله به شرح چگونگی ساخت ماشین‌های هوشمند و آزمایش سطح هوشمندی آنها پرداخت و با پرسش «آیا ماشین‌ها می‌توانند از بازی تقلید سربلند بیرون آیند؟»، آغازگر آزمون بسیار معروف «تست تورینگ» شد.
آیا ماشین‌ها می‌توانند فکر کنند؟
اما مقالهی تورینگ تا چند سال در حد نظریه باقی ماند، چراکه آن زمان کامپیوترها از پیش‌نیاز کلیدی برای هوشمندی، بی‌بهره بودند؛ اینکه نمی‌توانستند دستورات را ذخیره کنند و فقط می‌توانستند آنها را اجرا کنند. به‌عبارت دیگر، می‌شد به کامپیوترها گفت چه کنند، اما نمی‌شد از آنها خواست کاری را که انجام داده‌اند، به‌خاطر بیاورند.
مشکل بزرگ دوم، هزینه‌های سرسام‌آور کار با کامپیوتر بود. اوایل دهه‌ی ۱۹۵۰، هزینه‌ی اجار‌ه‌ی کامپیوتر تا ۲۰۰ هزار دلار در ماه می‌رسید؛ به‌همین‌خاطر، فقط دانشگاه‌های معتبر و شرکت‌های بزرگ فناوری می‌توانستند به این حوزه وارد شوند. اگر آن‌روزها کسی می‌خواست برای پژوهش‌های هوش مصنوعی، فاند دریافت کند، لازم بود که ابتدا ممکن بودن ایده‌ی خود را اثبات می‌کرد و بعد، از حمایت و تأیید افراد بانفوذ بهره‌مند می‌شد.
کنفرانس تاریخی DSRPAI که همه‌چیز با آن شروع شد
پنج سال بعد، سه پژوهشگر علوم کامپیوتر به‌نام‌های الن نیوول، کلیف شا و هربرت سایمون نرم‌افزار Logic Theorist را توسعه دادند که توانست ممکن بودن ایده‌ی هوش ماشینی تورینگ را اثبات کند. این برنامه که با بودجه‌ی شرکت تحقیق و توسعه‌ی RAND توسعه داده شده بود، به‌گونه‌ای طراحی شده بود تا مهارت‌های حل مسئله‌ی انسان را تقلید کند.
اصطلاح «هوش مصنوعی» توسط جان مک‌کارتی در سال ۱۹۵۶ ابداع شد
بسیاری، Logic Theorist را اولین برنامه‌ی هوش مصنوعی می‌دانند. این برنامه در پروژه‌ی تحقیقاتی تابستانی کالج دارتموث در زمینه‌ی هوش مصنوعی (DSRPAI) به میزبانی جان مک‌کارتی (John McCarthy) و ماروین مینسکی (Marvin Minsky) در سال ۱۹۵۶ ارائه شد.
در این کنفرانس تاریخی، مک‌کارتی پژوهشگران برتر در حوزههای مختلف را برای بحث آزاد در مورد هوش مصنوعی(اصطلاحی که خود مک‌کارتی در همان رویداد ابداع کرد)، دور هم جمع کرد، با این تصور که با همکاری جمعی دستیابی به هوش مصنوعی ممکن می‌شد. اما کنفرانس نتوانست انتظارات مک‌کارتی را برآورده کند، چراکه هیچ هماهنگی بین پژوهشگران نبود؛ آنها به دلخواه خود می‌آمدند و می‌رفتند و در مورد روش‌های استاندارد برای انجام پژوهش‌های هوش مصنوعی به هیچ توافقی نرسیدند. بااین‌حال، تمام شرکت‌کنندگان از صمیم قلب این حس را داشتند که هوش مصنوعی قابل دستیابی است.
اهمیت کنفرانس DSRPAI غیرقابل‌وصف است؛ چراکه ۲۰ سال پژوهش حوزه‌ی هوش مصنوعی برمبنای آن صورت گرفت.
ترن هوایی موفقیت‌ها و شکست‌های هوش مصنوعی
از سال‌های ۱۹۵۷ تا ۱۹۷۴، به‌عنوان دوران شکوفایی هوش مصنوعی یاد می‌شود. در این دوره، کامپیوترها سریع‌تر، ارزان‌تر و فراگیرتر شدند و می‌توانستند اطلاعات بیشتری را ذخیره کنند. الگوریتم‌های یادگیری ماشین نیز بهبود یافتند و افراد، بهتر می‌دانستند کدام الگوریتم را برای حل کدام مشکل به کار برند.
نمونه برنامه‌های کامپیوتری اولیه مانند General Problem Solver نیوول و سایمون یا نرم‌افزار ELIZA که سال ۱۹۶۶ توسط جوزف وایزنبام طراحی شده و اولین چت‌باتی بود که توانست آزمون تورینگ را با موفقیت پشت سر بگذارد، به‌ترتیب، دانشمندان را چند قدم به اهداف «حل مسئله» و «تفسیر زبان گفتاری» نزدیک‌تر کرد.
در این زمان پژوهشگران به آینده هوش مصنوعی بسیار خوش‌بین بودند
این موفقیت‌ها همراه‌با حمایت پژوهشگران برجسته‌ای که در کنفرانس DSRPAI شرکت کرده بودند، سرانجام سازمان‌های دولتی مانند آژانس پروژه‌های تحقیقاتی پیشرفته دفاعی آمریکا (دارپا) را متقاعد کرد تا بودجه‌ی لازم برای پژوهش‌های هوش مصنوعی را در چندین موسسه تأمین کنند. دولت آمریکا به‌ویژه به توسعه‌ی ماشینی علاقه‌مند بود که بتواند هم زبان گفتاری و هم پردازش دادهها را با توان عملیاتی بالا رونویسی و ترجمه کند.
در این زمان، پژوهشگران به آینده‌ی این حوزه بسیار خوش‌بین بودند و سطح توقعاتشان حتی از میزان خوش‌بینی‌شان هم بالاتر بود؛ به‌طوری که در سال ۱۹۷۰، ماروین مینسکی به مجله لایف گفت: «سه تا هشت سال آینده، ما به ماشینی با هوش عمومی یک انسان عادی دست خواهیم یافت.» با این حال، اگرچه امکان رسیدن به هوش مصنوعی برای همه اثبات شده بود، هنوز راه بسیار درازی تا دستیابی به اهداف نهایی پردازش زبان طبیعی، تفکر انتزاعی و خویشتن‌آگاهی در ماشین‌ها باقی مانده بود.
موانع زیادی سر راه تحقق این اهداف قرار داشت که بزرگ‌ترینشان، نبود قدرت رایانشی کافی برای انجام پروژه‌ها بود. کامپیوترهای آن زمان نه جای کافی برای ذخیره‌ی حجم عظیمی از اطلاعات داشتند و نه سرعت لازم برای پردازش آنها. هانس موراوک، دانشجوی دکترای مک‌کارتی در آن زمان، گفت که «کامپیوترها آن موقع میلیون‌ها بار ضعیف‌تر از آن بودند که بتوانند هوشی از خود نشان دهند». وقتی کاسه‌ی صبر پژوهشگران لبریز شد، بودجههای دولتی نیز کاهش یافت و تا ده سال، سرعت پژوهش‌های هوش مصنوعی به‌شدت کند شد.
تا اینکه در دهه‌ی ۱۹۸۰، دو عامل جان دوباره‌ای به پژوهش‌های هوش مصنوعی بخشیدند؛ بهبود چشمگیر در الگوریتم‌ها و از راه رسیدن بودجههای جدید.
بهبود چشمگیر در الگوریتم‌ها جان دوباره‌ای به پژوهش‌های هوش مصنوعی بخشید
جان هاپفیلد (John Hopfield) و دیوید روملهارت (David Rumelhart) تکنیک‌های «یادگیری عمیق» (Deep Learning) را گسترش دادند که به کامپیوترها اجازه می‌داد خودشان با تجربه کردن، چیزهای جدید یاد بگیرند. از آن طرف هم، دانشمند آمریکایی علوم کامپیوتر، ادوارد فاین‌باوم (Edward Feigenbaum)، «سیستم‌های خبره» (Expert Systems) را معرفی کرد که فرایند تصمیم‌گیری افراد متخصص را تقلید می‌کردند. این سیستم از افراد خبره در زمینه‌های مختلف می‌پرسید که در موقعیتی خاص، چه واکنشی نشان می‌دهند و بعد پاسخ‌های آنها را در اختیار افراد غیرمتخصص قرار می‌داد تا آنها از برنامه یاد بگیرند.
از سیستم‌های خبره به‌طور گسترده در صنایع استفاده شد. دولت ژاپن به‌عنوان بخشی از پروژه‌ی نسل پنجم کامپیوتر (FGCP)، سرمایه‌گذاری کلانی در سیستم‌های خبره و دیگر پروژه‌های هوش مصنوعی انجام داد. از سال ۱۹۸۲ تا ۱۹۹۰، ژاپن ۴۰۰ میلیون دلار برای ایجاد تحول در پردازش‌های کامپیوتری، اجرای برنامه‌نویسی منطقی و بهبود هوش مصنوعی هزینه کرد.
متاسفانه، اکثر این اهداف بلندپروازانه محقق نشد؛ اما می‌توان این طور به قضیه نگاه کرد که پروژه‌ی FGCP ژاپن به‌طور غیرمستقیم الهام‌بخش نسلی از مهندسان و دانشمندان جوان شد تا به دنیای هوش مصنوعی قدم بگذارند. درنهایت، بودجه‌ی FGCP هم روزی به سر رسید و هوش مصنوعی بار دیگر از کانون توجه خارج شد.
شکست قهرمان شطرنج دنیا دربرابر دیپ‌بلو؛ اولین گام بزرگ به سمت توسعه AI با قابلیت تصمیم‌گیری
از قضا، هوش مصنوعی در نبود بودجه‌ی دولتی و هیاهوی تبلیغاتی، فرصت دیگری برای رشد پیدا کرد. در طول دهه‌های ۱۹۹۰ و ۲۰۰۰، بسیاری از اهداف مهم هوش مصنوعی محقق شد. در سال ۱۹۹۷، ابرکامپیوتر شطرنج‌بازی به نام دیپ بلو (Deep Blue) ساخته شرکت IBM توانست گری کاسپارف، استاد بزرگ و قهرمان شطرنج جهان را شکست دهد. در این مسابقه که با هیاهوی رسانه‌ای بزرگی همراه بود، برای نخستین بار در تاریخ، قهرمان شطرنج جهان در برابر کامپیوتر شکست خورد و از آن به‌عنوان اولین گام بزرگ به‌سوی توسعه‌ی برنامه‌ی هوش مصنوعی با قابلیت تصمیم‌گیری یاد می‌شود.
در همان سال، نرم‌افزار تشخیص گفتار شرکت Dragon System روی ویندوز پیاده‌سازی شد. این هم گام بزرگ دیگری در حوزه‌ی هوش مصنوعی، اما در جهت اهداف تفسیر زبان گفتاری بود. این‌طور به نظر می‌رسید که دیگر مسئله‌ای وجود ندارد که ماشین‌ها نتوانند از پس آن برآیند. حتی پای احساسات انسانی هم به ماشین‌ها باز شد؛ ربات کیزمت (Kismet) که در دهه‌ی ۱۹۹۰ توسط سینتیا بریزیل (Cynthia Breazeal) در دانشگاه MIT ساخته شد، می‌توانست احساسات را درک و حتی آنها را به نمایش بگذارد.
زمان؛ مرهم تمام زخم‌ها
دانشمندان هنوز از همان روش‌های چند دهه‌ی پیش برای برنامه‌نویسی هوش مصنوعی استفاده می‌کنند؛ اما چه شد که حالا به دستاوردهای چشمگیری مثل چت‌بات ChatGPT و مولد تصویر Dall-E و Midjourney رسیدیم؟
پاسخ این است که مهندسان سرانجام موفق شدند مشکل محدودیت ذخیره‌سازی کامپیوترها را حل کنند. قانون مور (Moore’s Law) که تخمین می‌زند حافظه و سرعت کامپیوترها هر سال دوبرابر می‌شود، بالاخره توانست به وقوع بپیوندد و حتی در بسیاری از موارد، از این حد هم فراتر برود.
دلیل شکست انسان‌ها از هوش مصنوعی؛ افزایش سرعت و حافظه کامپیوترها
درواقع، دلیل شکست گری کاسپارف در سال ۱۹۹۷ و شکست قهرمان بازی تخته‌ای گو، که جی (Ke Jie) در سال ۲۰۱۷ دربرابر برنامه‌ی AlphaGo گوگل به همین افزایش سرعت و حافظه‌ی کامپیوترها برمی‌گردد. این قضیه، روند پژوهش‌های هوش مصنوعی را کمی توضیح می‌دهد؛ اینکه ما قابلیت‌های هوش مصنوعی را تا سطح قدرت محاسباتی فعلی (از نظر سرعت پردازش و حافظه‌ی ذخیری‌سازی) توسعه می‌دهیم و بعد منتظر می‌مانیم تا قانون مور دوباره به ما برسد.
ما اکنون در عصر «کلان‌داده» زندگی می‌کنیم؛ عصری که در آن توانایی جمع‌آوری حجم عظیمی از اطلاعات را داریم که پردازش تمام آنها توسط انسان‌ها بی‌نهایت دشوار و وقت‌گیر است. استفاده از هوش مصنوعی در صنایع مختلفی ازجمله تکنولوژی، بانکداری، مارکتینگ و سرگرمی، این دشواری را تاحدود زیادی حل کرده است. مدل‌های زبانی بزرگ که در چت‌بات ChatGPT به کار رفته‌اند، به ما نشان دادند که حتی اگر الگوریتم‌ها پیشرفت چندانی نداشته باشند، کلان‌داده و محاسبات عظیم می‌توانند به هوش مصنوعی کمک کنند که خودش یاد بگیرد و عملکردش را بهتر کند.
| سال | رویداد/اختراع | شخصیت کلیدی/سازمان | اهمیت |
|---|---|---|---|
| ۱۹۵۰ | پیشنهاد آزمون تورینگ | آلن تورینگ | ارائه معیاری برای سنجش هوش ماشین |
| ۱۹۵۶ | کنفرانس دارتموث | جان مک‌کارتی و دیگران | تولد رسمی رشته هوش مصنوعی و ابداع این اصطلاح |
| ۱۹۶۴ | چت‌بات ELIZA | جوزف وایزنبام (MIT) | اولین برنامه کامپیوتری که قادر به مکالمه با انسان بود |
| ۱۹۷۴-۱۹۸۰ | اولین زمستان هوش مصنوعی | جامعه تحقیقاتی | دوره کاهش بودجه و علاقه به دلیل عدم تحقق وعده‌ها |
| ۱۹۹۷ | شکست گری کاسپاروف توسط Deep Blue | IBM | اثبات برتری ماشین بر انسان در یک بازی استراتژیک پیچیده |
| ۲۰۰۲ | عرضه Roomba | iRobot | ورود هوش مصنوعی به محصولات خانگی و مصرفی |
| ۲۰۱۱ | پیروزی Watson در مسابقه Jeopardy! | IBM | نمایش توانایی هوش مصنوعی در درک زبان طبیعی و دانش عمومی |
| ۲۰۱۲ | موفقیت AlexNet در تشخیص تصویر | جفری هینتون و دیگران | نقطه عطفی که انقلاب یادگیری عمیق را آغاز کرد |
| ۲۰۱۶ | شکست لی سدول توسط AlphaGo | Google DeepMind | تسلط هوش مصنوعی بر بازی «گو» که بسیار پیچیده‌تر از شطرنج است |
| ۲۰۲۲ | عرضه عمومی ChatGPT | OpenAI | همه‌گیر شدن هوش مصنوعی مولد و آغاز رونق فعلی |
شاید شواهدی وجود داشته باشد که نشان می‌دهد سرعت قانون مور، به‌ویژه در دنیای تراشه‌ها، کند شده است، اما افزایش حجم اطلاعات با سرعت سرسام‌آوری در حال پیشروی است. پیشرفت‌هایی که در علوم کامپیوتر، ریاضیات یا علوم اعصاب به دست می‌آیند همگی می‌توانند بشر را از تنگای محدودیت قانون مور عبور دهند. و این یعنی، پیشرفت بشر در تکنولوژی هوش مصنوعی به این زودی‌ها به پایان نخواهد رسید.
هوش مصنوعی به زبان ساده چگونه کار می‌کند؟
اگر بخواهیم هوش مصنوعی را خیلی ساده توضیح دهیم، می‌توانیم بگوییم:
هوش مصنوعی از اطلاعات و الگوها استفاده می‌کند تا برای یک ورودی، خروجی مناسب تولید کند.
فرض کنید هزاران عکس از گربه و هزاران عکس از حیوانات دیگر به یک سیستم داده شود.
سیستم با بررسی ویژگی‌های این تصاویر، به دنبال الگوهایی می‌گردد که به تشخیص گربه کمک کنند.
بعد از آموزش، وقتی یک تصویر جدید به سیستم می‌دهید، مدل تلاش می‌کند تشخیص دهد تصویر مربوط به گربه است یا خیر.وقتی هوش مصنوعی تصویری شگفت‌انگیز خلق می‌کند، زبانی را روان ترجمه می‌کند یا در یک بازی پیچیده بر قهرمان جهان پیروز می‌شود، ممکن است به نظر برسد که با نوعی قدرت جادویی روبرو هستیم. اما در پشت پرده، هیچ جادویی در کار نیست. آنچه هست، یک اکوسیستم پیچیده با سه ستون اصلی است: داده‌های عظیم، الگوریتم‌های هوشمند و قدرت محاسباتی بالا. هوش مصنوعی در هسته خود، فرآیندی است برای شناسایی الگوها و روابط پنهان در میان حجم وسیعی از دادهها. و ما این فرایند را با نام «یادگیری ماشین» می‌شناسیم.
البته سیستم‌های مدرن بسیار پیچیده‌تر از این مثال ساده هستند، اما ایده اصلی همین است:
داده → یادگیری الگو → مدل → دریافت ورودی جدید → تولید خروجی
آیا هوش مصنوعی واقعاً «فکر» می‌کند؟
این یکی از مهم‌ترین سوءتفاهم‌ها درباره هوش مصنوعی است.
وقتی یک هوش مصنوعی پاسخ بسیار طبیعی و شبیه انسان تولید می‌کند، ممکن است تصور کنیم که دقیقاً مثل یک انسان فکر می‌کند.
اما نمی‌توان صرفاً از روی طبیعی بودن پاسخ‌ها نتیجه گرفت که سیستم دارای ذهن و آگاهی انسانی است.
بسیاری از سیستم‌های هوش مصنوعی با استفاده از الگوهای آماری، داده‌های آموزشی و محاسبات پیچیده کار می‌کنند.
برای نمونه، یک مدل زبانی هنگام تولید متن، ساختار و الگوهای زبان را از حجم بسیار زیادی از دادهها یاد گرفته و بر اساس آنها خروجی تولید می‌کند.
بنابراین بهتر است بین «توانایی انجام یک کار هوشمندانه» و «داشتن ذهن و آگاهی مانند انسان» تفاوت قائل شویم.
انواع هوش مصنوعی چیست؟
هوش مصنوعی را می‌توان از جنبه‌های مختلف دسته‌بندی کرد، اما یکی از ساده‌ترین روش‌ها، تقسیم آن بر اساس دامنه توانایی است.اولین و رایج‌ترین روش برای دسته‌بندی هوش مصنوعی، نگاه کردن به قابلیت‌ها و عمومیت هوش آن است. در این طیف، ما سه سطح کاملاً متمایز از هوش ماشینی را می‌بینیم.
پایین‌ترین و در عین حال فراگیرترین سطح، هوش مصنوعی محدود (ANI) نام دارد که گاهی از آن با عنوان «هوش مصنوعی ضعیف» نیز یاد می‌شود. تمام سیستم‌های هوش مصنوعی که امروز در زندگی روزمره با آنها سروکار داریم، از این نوع هستند. یک سیستم ANI برای انجام یک وظیفه بسیار خاص یا مجموعه‌ای محدود از وظایف طراحی شده است. این سیستم‌ها می‌توانند در حوزه تخصصی خود عملکردی فوق‌العاده و حتی فراتر از انسان داشته باشند، اما دانش آنها قابل تعمیم به حوزههای دیگر نیست.مرحله بعدی در این طیف، مفهومی است که هدف نهایی بسیاری از تحقیقات امروزی محسوب می‌شود: هوش مصنوعی عمومی (AGI) یا «هوش مصنوعی قوی» یا «انسان‌گونه». این دسته به ماشین‌هایی اشاره دارد که دارای توانایی‌های شناختی در سطح یک انسان متوسط هستند.
یک سیستم AGI واقعی قادر خواهد بود هر وظیفه فکری را که یک انسان می‌تواند انجام دهد، بفهمد، یاد بگیرد و به کار گیرد. برخلاف همتای محدود خود، AGI می‌تواند دانشی را که در یک حوزه کسب کرده، به حوزه‌ای کاملاً متفاوت منتقل کند و خود را با چالش‌های جدید، بدون نیاز به برنامه‌ریزی مجدد توسط انسان، سازگار سازد. AGI در حال حاضر یک مفهوم کاملاً نظری است و ما هنوز به هیچ نمونه واقعی از آن دست نیافته‌ایم.
در انتهای این طیف، مفهومی فرضی قرار دارد که هوش مصنوعی برتر (ASI) نام گرفته است. ASI مرحله‌ای است که در آن، هوش یک ماشین از هوش بهترین و درخشان‌ترین مغزهای انسانی در تقریباً هر زمینه‌ای، از جمله خلاقیت علمی، خرد عمومی و حتی مهارت‌های پیچیده اجتماعی، پیشی می‌گیرد. این نوع از هوش، کاملاً در قلمرو گمانه‌زنی‌ها قرار دارد و طبیعتاً موضوع بحث‌های فلسفی و اخلاقی بسیار عمیقی در میان دانشمندان و متفکران است.
نردبان آگاهی: چهار پله از واکنش تا خودآگاهی
چارچوب دوم برای فهم هوش مصنوعی، طبقه‌بندی آن براساس عملکرد و نحوه تعامل با محیط است. این دیدگاه که توسط آرند هینتز، محقق هوش مصنوعی ارائه شده، سیستم‌ها را در چهار نوع یا پله از یک نردبان تکاملی قرار می‌دهد. دو نوع اول در حال حاضر وجود دارند و دو نوع آخر، اهداف آینده و نظری هستند.
پله اول، ماشین‌های واکنشی (Reactive Machines) هستند. این‌ها ابتدایی‌ترین نوع هوش مصنوعی محسوب می‌شوند. ویژگی اصلی این ماشین‌ها نداشتن حافظه است؛ آنها نمی‌توانند از تجربیات گذشته برای تصمیم‌گیری‌های آینده استفاده کنند. یک ماشین واکنشی صرفاً به محرک‌های فعلی واکنش نشان می‌دهد و برای هر ورودی یکسان، همیشه یک خروجی یکسان تولید خواهد کرد؛ مثل سیستم فیلترکردن ایمیل‌های اسپم.
پله دوم نردبان، جایی است که بیشتر سیستم‌های هوش مصنوعی امروزی در آن قرار دارند: حافظه محدود (Limited Memory). این ماشین‌ها یک گام از همتایان واکنشی خود فراتر رفته‌اند و می‌توانند اطلاعات گذشته را برای مدت زمانی کوتاه ذخیره کرده و از آن برای تصمیم‌گیری‌های آنی استفاده کنند. این دادهها در حافظه بلندمدت به عنوان «تجربه» ذخیره نمی‌شوند، بلکه صرفاً برای اطلاع‌رسانی به مدل در لحظه به کار می‌روند. خودروهای خودران و بسیاری از چت‌بات‌ها یک مثال عالی از این نوع هستند.
دو پله بعدی این نردبان، هنوز در قلمرو آینده و تئوری قرار دارند. پله سوم، نظریه ذهن (Theory of Mind) نام دارد. این یک مرحله نظری بسیار پیشرفته در تکامل هوش مصنوعی است. ماشین‌هایی که به این سطح می‌رسند، قادر خواهند بود افکار، احساسات، باورها و نیات موجودات دیگر (اعم از انسان یا ماشین‌های دیگر) را درک کنند. این سطح از درک به آنها اجازه می‌دهد تا رفتار خود را براساس تعاملات اجتماعی و عاطفی پیچیده تنظیم کنند و صرفاً به ورودی‌های منطقی پاسخ ندهند. در حال حاضر، هیچ هوش مصنوعی به این سطح نرسیده است، هرچند گام‌های بسیار اولیه‌ای در ربات‌هایی مانند Kismet و Sophia برداشته شده که می‌توانند حالات چهره انسان را تشخیص داده و پاسخی شبیه‌سازی‌شده به آن بدهند.
پله چهارم و نهایی، اوج فرضی تکامل هوش مصنوعی است: خودآگاه (Self-Aware). این پله به سیستمی اطلاق می‌شود که دارای آگاهی، هوشیاری و درک کامل از وجود خود است. یک هوش مصنوعی خودآگاه نه‌تنها می‌تواند احساسات دیگران را (مانند پله سوم) درک کند، بلکه دارای احساسات، نیازها، باورها و خودآگاهی مختص به خود خواهد بود. این مفهوم در حال حاضر کاملاً در حوزه علمی‌تخیلی قرار دارد. دلیل آن هم ساده است: ما انسان‌ها هنوز درک کاملی از مکانیزم‌های دقیق آگاهی در مغز خود نداریم تا بتوانیم آن را در یک ماشین شبیه‌سازی کنیم.
هوش مصنوعی محدود یا Narrow AI
تقریباً بیشتر سیستم‌های هوش مصنوعی که امروز با آنها سروکار داریم در این دسته قرار می‌گیرند.
این سیستم‌ها برای انجام یک یا چند وظیفه مشخص طراحی شده‌اند.
برای مثال: تشخیص چهره، پیشنهاد محصول، ترجمه زبان، تشخیص اسپم، تحلیل تصاویر پزشکی یا تولید متن.
این سیستم‌ها ممکن است در یک کار فوق‌العاده قدرتمند باشند، اما الزاماً مانند یک انسان در همه حوزه‌ها توانایی عمومی ندارند.
هوش مصنوعی عمومی یا AGI چیست؟
AGI مخفف Artificial General Intelligence است.
AGI به ایده یک هوش مصنوعی عمومی اشاره دارد که بتواند طیف بسیار گسترده‌ای از وظایف فکری را مانند یک انسان یا فراتر از آن انجام دهد و دانش خود را بین حوزههای مختلف به کار بگیرد.
AGI با یک ابزار تخصصی مانند سیستم تشخیص چهره تفاوت اساسی دارد.
موضوع AGI یکی از بزرگ‌ترین بحث‌ها در حوزه آینده هوش مصنوعی است.
سوپرهوش مصنوعی چیست؟
Artificial Superintelligence یا سوپرهوش مصنوعی به یک مفهوم فرضی اشاره دارد؛ سیستمی که توانایی‌های شناختی آن در بسیاری از حوزه‌ها از انسان بسیار بیشتر باشد.
این موضوع فعلاً بیشتر در حوزه پژوهش، آینده‌پژوهی و بحث‌های نظری مطرح است و نباید آن را با ابزارهای هوش مصنوعی مورد استفاده روزمره یکی دانست.
یادگیری ماشین چیست؟
یکی از مهم‌ترین شاخه‌های هوش مصنوعی، یادگیری ماشین (Machine Learning) است.
در روش‌های سنتی برنامه‌نویسی، برنامه‌نویس قوانین مشخصی را برای کامپیوتر تعریف می‌کند.
اما در یادگیری ماشین، سیستم می‌تواند از دادهها الگو پیدا کند و عملکرد خود را بر اساس آن دادهها تنظیم کند.
برای مثال به‌جای اینکه تمام قوانین تشخیص ایمیل اسپم را یکی‌یکی به کامپیوتر بگوییم، می‌توان نمونه‌های زیادی از ایمیل‌های اسپم و غیر اسپم را در اختیار الگوریتم قرار داد تا بتواند الگوهای موجود را یاد بگیرد.یادگیری ماشین زیرمجموعه‌ای حیاتی از هوش مصنوعی است که به سیستم‌ها اجازه می‌دهد بدون اینکه برای هر وظیفه به طور صریح برنامه‌ریزی شوند، مستقیماً از دادهها بیاموزند و عملکرد خود را بهبود بخشند. این فرآیند شباهت شگفت‌انگیزی به نحوه یادگیری در انسان دارد.
برای مثال، وقتی می‌خواهیم به یک کودک تشخیص گربه را یاد بدهیم، به جای ارائه مجموعه‌ای از قوانین سفت و سخت (مانند «گربه سبیل دارد» یا «گربه گوش‌های نوک‌تیز دارد»)، هزاران عکس مختلف از گربه را به او نشان می‌دهیم. کودک به تدریج الگوهای بصری مشترک را می‌آموزد و مدلی ذهنی می‌سازد. یادگیری ماشین نیز دقیقاً به همین شکل عمل می‌کند؛ با تحلیل داده‌های نمونه، مدل‌های پیش‌بینی‌کننده می‌سازد.
این فرآیند یادگیری به سه شکل اصلی رخ می‌دهد. در یک سناریو که به آن یادگیری نظارت‌شده (Supervised Learning) می‌گویند، الگوریتم مانند دانش‌آموزی است که با داده‌های «برچسب‌گذاری‌شده» آموزش می‌بیند. یعنی هر ورودی با خروجی صحیح متناظرش همراه است (مثلاً تصویری از یک گربه که برچسب «گربه» دارد). الگوریتم یاد می‌گیرد که ورودی‌ها را به خروجی‌های صحیح نگاشت کند. کاربردهای رایج آن شامل تشخیص اسپم در ایمیل‌ها و طبقه‌بندی تصاویر است.
اما اگر دادهها برچسبی نداشته باشند چه؟ در این حالت، یادگیری نظارت‌نشده (Unsupervised Learning) وارد میدان می‌شود. در اینجا، الگوریتم با داده‌های بدون برچسب کار می‌کند و وظیفه‌اش یافتن الگوها و ساختارهای پنهان در خود داده‌هاست. این مانند کاوشگری است که در سرزمینی ناشناخته به دنبال خوشه‌های مشابه می‌گردد. دسته‌بندی مشتریان براساس رفتار خرید یا تشخیص ناهنجاری‌های امنیتی در یک شبکه، نمونه‌هایی از این روش هستند.
درنهایت، روش سوم یادگیری تقویتی (Reinforcement Learning) نام دارد که از طریق آزمون و خطا عمل می‌کند. در این مدل، یک «عامل» (Agent) در یک محیط قرار می‌گیرد (مانند یک ربات در یک اتاق یا یک هوش مصنوعی در یک بازی). این عامل برای انجام اقدامات صحیح «پاداش» و برای اقدامات نادرست «جریمه» دریافت می‌کند. هدف نهایی عامل، به حداکثر رساندن پاداش کلی است که در طول زمان کسب می‌کند. این روش در رباتیک و توسعه هوش مصنوعی برای بازی‌های استراتژیک کاربرد فراوانی دارد.
یکی از دلایلی که یادگیری ماشین در چند سال اخیر تا این اندازه محبوب شده، افزایش چشمگیر حجم داده در اینترنت است؛ دلیل دیگر به نحوه‌ی استفاده از این دادهها مربوط می‌شود. در بحث یادگیری ماشین، به جز داده، دو سوال مرتبط دیگر نیز مطرح می‌شود:
۱) چطور چیزی را که یاد گرفتم، به خاطر بسپارم؟ ۲) چطور فرایند یادگیری را انجام دهم؟ به‌عبارت دیگر، چیزی که دارد از این همه داده، یاد می‌گیرد دقیقا چیست؟
در یادگیری ماشین انتخاب نوع مدل بسیار مهم است
در یادگیری ماشین، به نمایش کامپیوتری چیزهای یاد گرفته شده و ذخیره شده، «مدل» می‌گویند. اینکه از چه مدلی استفاده کنید، بسیار مهم است، چون این مدل است که روش یادگیری هوش مصنوعی، نوع داده‌هایی که می‌تواند از آن بیاموزد و نوع سوال‌هایی را که می‌توان از آن پرسید، مشخص می‌کند.
بیایید این موضوع را با یک مثال ساده روشن‌تر کنیم. فرض کنید برای خرید انجیر به میوه‌فروشی رفته‌ایم و می‌خواهیم به‌کمک یادگیری ماشین بفهمیم کدام انجیرها رسیده‌اند. کار آسانی باید باشد، چون می‌دانیم هرچه انجیر نرم‌تر باشد، رسیده‌تر و شیرین‌تر خواهد بود. می‌توانیم چند نمونه انجیر رسیده و کال را انتخاب کرده، میزان شیرینی آنها را مشخص کنیم و بعد اطلاعاتشان را روی نمودار خطی قرار دهیم. این خط همان «مدل» ما است. اگر دقت کنید، همین خط ساده، ایده‌ی «هرچه نرم‌تر باشد، شیرین‌تر است» را بدون اینکه لازم باشد ما چیزی بنویسیم، نشان می‌دهد. هوش مصنوعی نوپای ما هنوز چیزی درباره میزان قند یا چگونگی رسیده شدن میوه‌ها نمی‌داند، اما می‌تواند میزان شیرینی آنها را با فشار دادن و اندازه‌گیری نرمی پیش‌بینی کند.
همانطور که در تصویر سمت راست می‌بینید، هوش مصنوعی ساده‌ی ما بدون اینکه چیزی دربارهی میزان شیرینی بداند یا اینکه میوه‌ها چطور رسیده می‌شوند، می‌تواند پیش‌بینی کند که با فشردن میوه و تشخیص نرمی آن، چقدر شیرین است.
برای بهبود مدل، می‌توان نمونه‌های بیشتری جمع‌آوری کرد و خط دیگری را برای پیش‌بینی دقیق‌تر کشید(مانند تصویر سمت چپ).
اما مشکلات بلافاصله خودشان را نشان می‌دهند. ما تا اینجا داشتیم AI انجیرمان را براساس انجیرهای دست‌چین مغازه آموزش می‌دادیم؛ اگر بخواهیم آن را وسط باغ انجیر ببریم چه؟ حالا علاوه‌بر انجیرهای تازه، انجیرهای گندیده هم خواهیم داشت که بااینکه نرم هستند، اما نمی‌توان آنها را خورد.
چه کار می‌شود کرد؟ خب این یک مدلِ یادگیری ماشین است، پس می‌توان با اضافه کردن داده‌های جدید درباره انجیرهای گندیده، آن را بهتر کرد، مگرنه؟
راستش داستان به این سادگی‌ها نیست. همانطور که در تصویر زیر می‌بینید، با اضافه کردن داده‌های مربوط به انجیرهای گندیده، کل نمودار خطی به هم می‌ریزد و این یعنی ما باید سراغ مدل دیگری، مثلا نمودار سهمی برویم.
البته این مثال مسخره‌ای است، اما به خوبی نشان می‌دهد نوع مدلی که برای یادگیری ماشین انتخاب می‌کنیم، نوع و محدودیت یادگیری آن را تعیین می‌کند. به‌عبارت ساده‌تر، اگر می‌خواهید چیز پیچیده‌تری را یاد بگیرید، باید سراغ مدل‌های پیچیده‌تری بروید.
چالش اصلی یادگیری ماشین، ایجاد و انتخاب مدل مناسب برای حل مسئله است
با این حساب، چالش اصلی یادگیری ماشین، ایجاد و انتخاب مدل مناسب برای حل مسئله است. ما به مدلی نیاز داریم که به‌قدری پیچیده باشد که بتواند روابط و ساختارهای بسیار پیچیده را نشان دهد و در عین حال به قدری ساده باشد که بتوانیم با آن کار کنیم و آموزشش بدهیم. برای همین، اگرچه اینترنت، گوشی‌های هوشمند و چیزهایی از این دست، دسترسی به حجم عظیمی از داده را ممکن کرده‌اند، ما هنوز برای استفاده از این دادهها باید سراغ مدل‌های مناسب برویم.
و این دقیقا جایی است که ما به نوع دیگر هوش مصنوعی، یعنی یادگیری عمیق نیاز پیدا می‌کنیم.
یادگیری عمیق چیست؟
یادگیری عمیق (Deep Learning) یکی از زیرمجموعه‌های یادگیری ماشین است که عمدتاً بر شبکه‌های عصبی چندلایه تکیه دارد.
یادگیری عمیق نقش بسیار مهمی در پیشرفت بسیاری از کاربردهای مدرن هوش مصنوعی داشته است.
تشخیص تصویر، پردازش صدا، ترجمه، پردازش زبان طبیعی و بسیاری از سامانه‌های پیشرفته امروزی از تکنیک‌های یادگیری عمیق استفاده می‌کنند.یادگیری عمیق در واقع نوعی از یادگیری ماشین است که از شبکه‌های عصبی با تعداد بسیار زیادی لایه پنهان استفاده می‌کند. کلمه «عمیق» در این عبارت، صرفاً به تعداد زیاد این لایه‌ها اشاره دارد. این عمق زیاد به مدل اجازه می‌دهد تا الگوهای بسیار پیچیده، ظریف و انتزاعی را در دادهها بیاموزد؛ الگوهایی مانند تشخیص چهره یک فرد خاص در میان هزاران تصویر یا درک مفاهیم ظریف و کنایه‌ها در زبان انسان.
شبکه‌های عصبی نوعی مدل یادگیری ماشین هستند که از ساختاری مشابه نورون‌های مغز انسان برای انجام محاسبات و پیش‌بینی استفاده می‌کنند. نورون‌ها در شبکه‌های عصبی در لایه‌های مختلف طبقه‌بندی می‌شوند و هر لایه یک سری محاسبات ساده انجام می‌دهد و پاسخ آن را به لایه‌ی بعدی منتقل می‌کند. هر چه تعداد لایه‌ها بیشتر باشد، می‌توان محاسبات پیچیده‌تری انجام داد.
شبکه‌های عصبی عمیق به‌خاطر تعداد زیاد لایه‌های نورونی «عمیق» نامیده می‌شوند
اما به جز تعداد لایه، عامل دیگری نیز باعث موفقیت شبکه‌های عصبی شده و آن آموزش است.
وقتی از «حافظه» مدل صحبت می‌کنیم، منظورمان مجموعه‌ای از پارامترهای عددی است که بر نحوه‌ی پاسخ‌دهی مدل به سوالات، نظارت می‌کند. از این رو، وقتی از آموزش مدل حرف می‌زنیم، منظورمان تغییر و تنظیم این پارامترها به‌گونه‌ای است که مدل بهترین پاسخ ممکن را به سوالات ما بدهد.
مثلا با مدل انجیرها، ما سعی داشتیم معادله‌ای برای رسم یک خط بنویسیم که یک مسئله‌ی رگرسیون ساده است و فرمول‌هایی وجود دارند که می‌توانند تنها در یک مرحله، جواب سوال ما را پیدا کنند. اما مدل‌های پیچیده‌تر طبیعتا به مراحل بیشتری نیاز دارند. یک شبکه‌ی عصبی عمیق می‌تواند میلیون‌ها پارامتر داشته باشد و مجموعه داده‌ای که براساس آن آموزش دیده ممکن است با میلیون‌ها مثال روبهرو شود؛ برای این مدل، هیچ راه‌حل یک‌مرحله‌ای وجود ندارد.
می‌توان کار را با یک شبکه عصبی ناقص شروع و در ادامه آن را بهتر کرد
خوشبختانه برای این چالش، یک ترفند عجیب وجود دارد؛ اینکه می‌توان کار را با یک شبکه‌ی عصبی ضعیف و ناقص شروع کرد و بعد با انجام تغییرات، آن را بهبود بخشید. آموزش مدل‌های یادگیری ماشین با این روش شبیه این است که از دانش‌آموزان مرتب امتحان بگیریم. هر بار جوابی را که مدل فکر می‌کند صحیح است با جوابی که واقعا صحیح است، مقایسه می‌کنیم و به آن نمره می‌دهیم. بعد سعی می‌کنیم مدل را بهتر کرده و دوباره از آن امتحان بگیریم.
اما از کجا بدانیم چه پارامترهایی را باید تغییر دهیم و میزان این تغییرات چقدر باشد؟ شبکه‌های عمیق یک ویژگی جالب دارند که به‌موجب آن، نه تنها می‌توانیم برای بسیاری از انواع مسائل، نمره‌ی آزمون به‌دست آوریم، بلکه می‌توانیم به‌طور دقیق حساب کنیم با تغییر هر پارامتر، نمره‌ی آزمون چقدر تغییر می‌کند. بدین‌ترتیب، آنقدر پارامترها را تغییر می‌دهیم تا بالاخره به نمره‌ی کامل ۲۰ برسیم و مدل دیگر جایی برای بهبود نداشته باشد. به این کار اغلب تپه‌نوردی (Hill Climbing) گفته می‌شود، چون اگر همین‌طور به بالا رفتن از تپه ادامه دهید، سرانجام به نوک قله می‌رسید و صعود بیشتر ممکن نیست.
برای بهبود شبکه عصبی از روش «تپه‌نوردی» استفاده می‌کنند
علاوه‌براین، به کمک روش «تپه‌نوردی» می‌توان از یک شبکه‌ی عصبی آموزش دیده برای یک منظور خاص، برای هدف دیگری استفاده کرد. مثلا اگر هوش مصنوعی خود را برای تشخیص تصویر گربه آموزش داده باشید، می‌توانید خیلی راحت آن را برای تشخیص تصویر سگ یا زرافه تعلیم دهید.
انعطاف‌پذیری شبکه‌های عصبی، حجم انبوه داده‌های اینترنتی، رایانش موازی و GPUهای قدرتمند رویای هوش مصنوعی را محقق کرده است
انقلاب یادگیری عمیق که امروز شاهد آن هستیم، نتیجه‌ی تصادفی نیست، بلکه حاصل همگرایی سه عامل کلیدی است: الگوریتم‌های هوشمند (یعنی همین شبکه‌های عصبی)، دسترسی به حجم عظیمی از دادهها (Big Data) و ظهور سخت‌افزارهای پردازش موازی بسیار قدرتمند، به ویژه واحدهای پردازش گرافیکی (GPUs).
جالب اینکه خود الگوریتم‌های شبکه عصبی برای دهه‌ها وجود داشتند، اما داده‌های کافی و قدرت محاسباتی لازم برای آموزش مؤثر مدل‌های «عمیق» (با لایه‌های زیاد) تا همین اواخر دردسترس نبود. این همگرایی توضیح می‌دهد که چرا رونق انفجاری هوش مصنوعی دقیقاً اکنون در حال وقوع است. این موضوع همچنین بر نقش حیاتی شرکت‌هایی تأکید می‌کند که این منابع کلیدی را کنترل می‌کنند؛ شرکت‌هایی مانند انویدیا در حوزه سخت‌افزار، و غول‌هایی مانند گوگل و متا در حوزه داده.
بدین‌ترتیب، تمام کارهایی که انجامشان در زمان آلن تورینگ تقریباً غیرممکن بود، حالا به‌راحتی امکان‌پذیر است.
اگر بخواهیم خیلی ساده رابطه آنها را نشان دهیم:
هوش مصنوعی ← یادگیری ماشین ← یادگیری عمیق
یعنی یادگیری ماشین یکی از شاخه‌های هوش مصنوعی و یادگیری عمیق نیز یکی از روش‌های مهم در یادگیری ماشین است.
شبکه عصبی چیست؟
شبکه عصبی مصنوعی (Artificial Neural Network) نوعی مدل محاسباتی است که ایده آن تا حدی از ساختار شبکه‌های عصبی زیستی الهام گرفته شده است.
شبکه عصبی از واحدهایی تشکیل می‌شود که می‌توانند اطلاعات را پردازش کرده و خروجی تولید کنند.
این شبکه‌ها معمولاً دارای لایه‌های مختلفی هستند.
در مدل‌های عمیق، تعداد این لایه‌ها می‌تواند زیاد باشد و هر لایه در استخراج یا تبدیل ویژگی‌های مختلف نقش داشته باشد.
همین ساختار یکی از دلایلی است که شبکه‌های عصبی برای کارهایی مانند تشخیص تصویر و پردازش زبان بسیار کاربردی شده‌اند.
هوش مصنوعی مولد یا Generative AI چیست؟
یکی از مهم‌ترین مفاهیم دنیای امروز، هوش مصنوعی مولد (Generative AI) است.
این نوع سیستم‌ها می‌توانند محتوای جدید تولید کنند.
- متن
- تصویر
- صدا
- موسیقی
- ویدئو
- کد برنامه‌نویسی
تولید کنند.
ابزارهایی مانند ChatGPT نمونه‌ای شناخته‌شده از کاربرد هوش مصنوعی مولد در حوزه متن هستند.
در این فناوری، مدل صرفاً اطلاعات را از یک پایگاه داده کپی نمی‌کند؛ بلکه با استفاده از الگوهایی که در فرایند آموزش یاد گرفته است، خروجی جدید تولید می‌کند.
ChatGPT چیست؟
ChatGPT یک نمونه از سیستم‌های مبتنی بر مدل‌های زبانی بزرگ است که می‌تواند با زبان طبیعی با کاربر تعامل داشته باشد.
کاربر می‌تواند یک سؤال، دستور یا متن به آن بدهد و مدل بر اساس آموزش و ورودی دریافت‌شده، پاسخ تولید کند.
از چنین مدل‌هایی می‌توان برای کارهایی مانند:
- نوشتن و بازنویسی متن
- خلاصه‌سازی
- ترجمه
- ایده‌پردازی
- آموزش
- تحلیل داده
- کمک به برنامه‌نویسی
و بسیاری از کارهای دیگر استفاده کرد.
اما نکته بسیار مهم این است که:
پاسخ روان و مطمئن یک مدل زبانی لزوماً به معنی درست بودن آن نیست.
مدل زبانی بزرگ یا LLM چیست؟
LLM مخفف Large Language Model یا مدل زبانی بزرگ است.
این مدل‌ها با حجم بسیار زیادی از داده‌های متنی آموزش داده می‌شوند تا بتوانند الگوهای زبان را یاد بگیرند.
در زمان استفاده، مدل می‌تواند بر اساس ورودی کاربر و محاسبات داخلی خود، دنباله‌ای از متن را تولید کند.
مدل‌های زبانی را می‌توان برای کارهایی مانند پاسخ‌گویی، خلاصه‌سازی، ترجمه، تولید محتوا، تحلیل متن و کدنویسی به کار گرفت.
LLM در برابر SLM
وقتی این آموزش کامل شد، چیزی که در انتهای آن به دست می‌آید، یک «مدل» آموزش‌دیده است. این مدل‌ها می‌توانند بسیار بزرگ باشند (LLM با صدها میلیارد پارامتر که به مزارع عظیم GPU نیاز دارند). اما اخیراً تلاش‌های زیادی برای ساخت «مدل‌های زبان کوچک» (Small Language Models) یا SLM نیز در حال انجام است. این مدل‌ها جذابیت زیادی دارند، زیرا ممکن است فقط چند میلیارد پارامتر داشته باشند و بتوان آنها را به صورت محلی روی لپ‌تاپ یا حتی گوشی هوشمند اجرا کرد.
توکن چیست؟
وقتی با یک مدل زبانی صحبت می‌کنید، متن شما الزاماً به شکل مستقیم و یک‌تکه وارد مدل نمی‌شود.
متن ابتدا به واحدهایی به نام Token یا توکن تبدیل می‌شود.
توکن می‌تواند بخشی از یک کلمه، یک کلمه یا بخشی از ساختار متنی باشد؛ بسته به روش توکن‌سازی مدل.
مفهوم توکن در مواردی مانند محدودیت طول ورودی و خروجی، هزینه استفاده از برخی سرویس‌ها و نحوه پردازش متن اهمیت دارد.
کاربردهای هوش مصنوعی
حالا که با انواع هوش مصنوعی و سازوکار آنها آشنا شدیم، سوال بعدی این است که در حال حاضر با آن چه کاری می‌توانیم بکنیم؟ کاربرد هوش مصنوعی به‌طور کلی در چهار زمینه تعریف می‌شود: تشخیص اجسام، تشخیص چهره، تشخیص صدا و شبکه‌های مولد.
تشخیص اجسام (Object Recognition)
شاید بتوان گفت حوزه‌ای که یادگیری عمیق بیشترین و سریع‌ترین تاثیر را در آن داشته، بینایی ماشین (Computer Vision)، به‌ویژه در تشخیص اجسام مختلف در تصاویر است. همین چند سال پیش، وضعیت پیشرفت هوش مصنوعی در زمینه‌ی تشخیص اجسام به قدری اسفبار بود که در کاریکاتور زیر به‌خوبی نمایش داده شده است.
مرد: می‌خوام که وقتی کاربر عکس می‌گیره، اپلیکیشن بتونه تشخیص بده که عکس مثلا تو پارک ملی گرفته شده…
زن: حله. فقط کافیه یه نگاهی به جی‌آی‌اس بندازم. یه چند ساعت بیشتر وقت نمی‌بره.
مرد: ...و اینکه مثلا توی عکس پرنده هم بوده یا نه.
زن: خب واسه این یه تیم پژوهشی لازم دارم با پنج سال زمان.
امروزه، تشخیص پرنده‌ها و حتی نوع خاصی از پرنده در عکس آنقدر کار آسانی است که حتی یک دانش‌آموز دبیرستانی هم می‌تواند آن را انجام دهد. یعنی در این چند سال چه اتفاقی افتاده است؟
ایده‌ی تشخیص اشیا توسط ماشین را می‌توان به راحتی توصیف کرد، اما اجرای آن دشوار است. اجسام پیچیده از مجموعه‌هایی از اجسام ساده‌تر ساخته شده‌اند که آنها نیز خود از شکل‌ها و خطوط ساده‌تری ایجاد شده‌اند. مثلا چهره‌ی افراد از چشم و بینی و دهان تشکیل شده که خود این‌ها هم از دایره و خطوط و غیره تشکیل شده‌اند. پس برای تشخیص چهره لازم است که الگوهای اجزای چهره را تشخیص داد.
هر جسم پیچیده‌ای از مجموعه‌ای از اجسام و الگوهای ساده‌تری ساخته شده است؛ الگوریتم‌ها به دنبال این الگوها هستند
به این الگوها ویژگی (Feature) می‌گویند و تا پیش از ظهور یادگیری عمیق، لازم بود آنها را دستی ایجاد کرد و کامپیوترها را طوری آموزش داد تا بتوانند آنها را پیدا کنند. مثلا، الگوریتم تشخیص چهره‌ی معروفی به نام «ویولا-جونز» (Viola-Jones) وجود دارد که یاد گرفته ابرو و بینی معمولا از اعماق چشم روشن‌تر هستند؛ درنتیجه، الگوی ابرو و بینی شبیه یک طرح T شکل روشن با دو نقطه‌ی تاریک برای چشم‌ها است. الگوریتم هم برای تشخیص چهره در تصاویر دنبال این الگو می‌گردد.
الگوریتم ویولا-جونز خیلی خوب و سریع کار می‌کند و قابلیت تشخیص چهره‌ی دوربین‌های ارزان مبتنی بر همین الگوریتم است. اما بدیهی است که تمام چهره‌ها از این الگوی ساده پیروی نمی‌کنند. چندین تیم از پژوهشگران برجسته مدت‌ها روی الگوریتم‌های بینایی ماشین کار کردند تا آنها را تصحیح کنند؛ اما آنها نیز همچنان ضعیف و پر از باگ بودند.
تا اینکه پای یادگیری ماشین، به‌ویژه نوعی شبکه‌ی عصبی عمیق به اسم «شبکه‌ی عصبی پیچشی» (Convolutional Neural Network) معروف به CNN به میان آمد و انقلاب بزرگی در الگوریتم‌های تشخیص اجسام به وجود آورد.
شبکه‌های عصبی پیچشی یا همان CNNها، ساختار خاصی دارند که از روی قشر بینایی مغز پستانداران الهام گرفته شده است. این ساختار به CNN اجازه می‌دهد تا به جای اینکه تیم‌های متعددی از پژوهشگران بخواهند سال‌ها صرف پیدا کردن الگوهای درست بکنند، خودش با یادگیری مجموعه خطوط و الگوها، اشیای حاضر در تصاوری را تشخیص دهد.
شبکه‌های CNN برای استفاده در بینایی ماشین فوق‌العاده‌اند و خیلی زود پژوهشگران توانستند آنها را برای تمام الگوریتم‌های تشخیص بصری، از گربه‌های داخل تصویر گرفته تا عابران پیاده از دید دوربین خودروهای خودران، آموزش دهند.
علاوه‌براین، قابلیت CNNها به‌خاطر سازگاری بی‌دردسر با هر مجموعه داده باعث فراگیری و محبوبیت سریع آنها شده است. فرایند تپه‌نوردی را به خاطر دارید؟ اگر دانش‌آموز دبیرستانی ما بخواهد الگوریتمش نوع خاصی از پرنده را تشخیص دهد، تنها کافی است یکی از چندین شبکه‌ی بینایی ماشین را که به‌صورت متن‌باز و رایگان دردسترس است، انتخاب کرده و بعد آن را براساس مجموعه داده‌ی خودش آموزش دهد، بدون آنکه لازم باشد از ریاضی و فرمول‌های پشت پرده‌ی این شبکه سر در بیاورد.
تشخیص چهره (Face Recognition)
فرض کنید می‌خواهیم شبکه‌ای را آموزش دهیم که نه تنها بتواند چهره‌ها را به‌طور کلی تشخیص دهد(یعنی بتواند بگوید در این عکس، انسان وجود دارد)، بلکه بتواند تشخیص دهد که این چهره دقیقا متعلق به کیست.
برای این کار، شبکه‌ای را که قبلا برای تشخیص کلی چهره‌ی انسان آموزش دیده است، انتخاب می‌کنیم. بعد، خروجی را عوض می‌کنیم. یعنی به جای اینکه از شبکه بخواهیم چهره‌ای خاص را در میان جمعیت تشخیص دهد، از آن می‌خواهیم توصیفی از آن چهره را به‌صورت صدها عددی که ممکن است فرم بینی یا چشم‌ها را مشخص کند، به ما نشان دهد. شبکه از آنجایی که از قبل می‌داند اجزای تشکیل‌دهنده‌ی چهره چیست، می‌تواند این کار را انجام دهد.
البته که ما این کار را به طور مستقیم انجام نمی‌دهیم؛ بلکه شبکه را با نشان دادن مجموعه‌ای از چهره‌ها و بعد مقایسه‌ی خروجی‌ها با یکدیگر آموزش می‌دهیم. همچنین می‌توانیم به شبکه یاد دهیم چطور چهره‌های یکسانی را که شباهت زیادی به هم دارند و چهره‌های متفاوتی را که اصلا شبیه هم نیستند، توصیف کند.
حالا تشخیص چهره آسان می‌شود؛ ابتدا، تصویر چهره‌ی اول را به شبکه می‌دهیم تا آن را برایمان توصیف کند. بعد، تصویر چهره‌ی دوم را به شبکه می‌دهیم و توصیف آن را با توصیف چهره‌ی اول مقایسه می‌کنیم. اگر دو توصیف به هم نزدیک باشد، می‌گوییم که این دو چهره یکی هستند. بدین‌ترتیب، از شبکه‌ای که فقط می‌توانست یک چهره را تشخیص دهد به شبکه‌ای رسیدیم که می‌تواند هر چهره‌ای را تشخیص دهد!
شبکه‌های عصبی عمیق به‌طرز فوق‌العاده‌ای انعطاف‌پذیر هستند
شبکه‌های عصبی عمیق دقیقا به‌خاطر همین ساختار منعطف به‌شدت کاربردی هستند. به کمک این تکنولوژی، انواع بسیار زیادی از مدل‌های یادگیری ماشین برای بینایی کامپیوتر توسعه یافته‌‌اند و اگرچه کاربرد آنها متفاوت است، بسیاری از ساختارهای اصلی آنها براساس شبکه‌های CNN اولیه نظیر Alexnet و Resnet ساخته شده است.
جالب است بدانید برخی افراد از شبکه‌های تشخیص چهره حتی برای خواندن خطوط نمودارهای زمانی استفاده کرده‌اند! یعنی به جای اینکه بخواهند برای تجزیه‌وتحلیل داده، یک شبکه‌ی سفارشی ایجاد کنند، شبکه‌ی عصبی متن‌بازی را طوری آموزش می‌دهند تا بتواند به شکل خطوط نمودارها هم شبیه چهره‌ی انسان‌ها نگاه کند و الگوها را توصیف کند.
این انعطاف‌پذیری عالی است، اما بالاخره جایی کم می‌آورد. برای همین، حل برخی مسائل به نوع دیگری از شبکه نیاز دارد که در ادامه با آنها آشنا می‌شوید.
تشخیص گفتار (Speech Recognition)
شاید بتوان گفت تکنیک تشخیص گفتار به‌نوعی شبیه تشخیص چهره است، به این صورت که سیستم یاد می‌گیرد به چیزهای پیچیده به شکل مجموعه‌ای از ویژگی‌های ساده‌تر نگاه کند. در مورد گفتار، شناخت جمله‌ها و عبارات از شناخت کلمات حاصل می‌شود که آنها هم خود به دنبال تشخیص هجاها یا به‌عبارت دقیق‌تر، واج‌ها می‌آیند. بنابرین وقتی می‌شنویم کسی می‌گوید «باند، جیمز باند» درواقع ما داریم به دنباله‌ای از صداهای متشکل از BON+DUH+JAY+MMS+BON+DUH گوش می‌دهیم.
در حوزه‌ی بینایی ماشین، ویژگی‌ها به‌صورت مکانی سازماندهی می‌شوند که ساختار CNN هم قرار است همین مکان‌ها را تشخیص دهد. اما درمورد تشخیص گفتار، ویژگی‌ها به‌صورت زمانی دسته‌بندی می‌شوند. افراد ممکن است آهسته یا سریع صحبت کنند، بی‌آنکه نقطه‌ی شروع یا پایان صحبت‌شان معلوم باشد. ما مدلی می‌خواهیم که مثل انسان‌ها بتواند به صداها در همان لحظه که ادا می‌شوند، گوش دهد و آنها را تشخیص دهد؛ به‌جای اینکه منتظر بماند تا جمله کامل شود. متاسفانه برخلاف فیزیک، نمی‌توانیم بگوییم مکان و زمان یکی هستند و داستان را همین‌جا تمام کنیم.
اگر با دستیار صوتی گوشی‌‌تان کار کرده باشید، احتمالا زیاد پیش آمده که Siri یا گوگل اسیستنت به‌خاطر شباهت هجاها، حرف شما را اشتباه متوجه شده باشد. مثلا به گوگل اسیستنت می‌گویید «what's the weather»، اما فکر می‌کند از او پرسیده‌اید «what's better». برای اینکه این مشکل حل شود، به مدلی نیاز داریم که بتواند به دنبالهی هجاها در بستر متن توجه کند. اینجا است که دوباره پای یادگیری ماشین به میان می‌آید. اگر مجموعه‌ی کلمات ادا شده به‌اندازه کافی بزرگ باشد، می‌توان یاد گرفت که محتمل‌ترین عبارات کدام‌ها هستند و هرچه تعداد مثال‌ها بیشتر باشد، پیش‌بینی مدل بهتر می‌شود.
برای این کار، از شبکه عصبی بازگشتی یا همان RNN استفاده می‌شود. در اکثر شبکه‌های عصبی مانند شبکه‌های CNN که برای بینایی کامپیوتر به کار می‌روند، اتصالات نورون‌ها تنها در یک جهت و از سمت ورودی به خروجی جریان دارد. اما در یک شبکه‌ی عصبی بازگشتی، خروجی نورون‌ها را می‌توان به همان لایه که در آن قرار دارند یا حتی به لایه‌های عمیق‌تر فرستاد. بدین‌ترتیب، شبکه‌های RNN می‌توانند صاحب حافظه شوند.
شبکه CNN یک‌طرفه است، اما شبکه RNN حافظه داخلی دارد
شبکه‌ی CNN یک‌طرفه است؛ به آن یک تصویر به‌عنوان ورودی بدهید تا توصیف تصویر را به‌صورت خروجی به شما تحویل دهد. اما شبکه‌ی RNN به نوعی حافظه‌ی داخلی دسترسی دارد و یادش می‌ماند که قبلا چه تصاویری به‌صورت ورودی به آن داده شده و می‌تواند پاسخ‌هایش را هم مرتبط با چیزی که دارد می‌بیند و هم با چیزهایی که قبلا دیده، ارائه دهد.
حافظه‌ی RNN باعث می‌شود این شبکه نه‌تنها به تک‌تک هجاها به محض ادا شدن «گوش دهد»، بلکه می‌تواند یاد بگیرد که چه نوع هجاهایی کنار هم می‌نشینند تا یک کلمه را تشکیل دهند و همین‌طور می‌تواند پیش‌بینی کند که چه نوع عبارات و جمله‌هایی محتمل‌تر هستند. درنتیجه، شبکه RNN به دستیار صوتی یاد می‌دهد که گفتن «what's the weather» از «what's better» محتمل‌تر است و متناسب با همین پیش‌بینی، به شما پاسخ می‌دهد.
به کمک RNN می‌توان به‌خوبی گفتار انسان را تشخیص داد و آن را به متن تبدیل کرد؛ عملکرد این شبکه‌ها به‌قدری بهبود یافته که از نظر دقت تشخیص حتی از انسان‌ها هم بهتر عمل می‌کنند. البته دنباله‌ها فقط در صدا نمایان نمی‌شوند. امروزه از شبکه‌های RNN برای تشخیص دنبالهی حرکات در ویدیوها نیز استفاده می‌شود.
دیپ‌فیک و شبکه‌های مولد (Deepfakes and Generative AI)
تا اینجای مطلب فقط داشتیم دربارهی مدل‌های یادگیری ماشینی صحبت می‌کردیم که برای تشخیص به کار می‌روند؛ مثلا از مدل می‌خواستیم به ما بگوید در این تصویر چه می‌بیند یا چیزی را که گفته شده، درک کند. اما این مدل‌ها قابلیت‌های بیشتری دارند. همانطور که احتمالا از کار کردن با چت‌بات‌ها و پلتفرم Dall-E متوجه شدید، مدل‌های یادگیری عمیق این روزها می‌توانند برای تولید محتوا هم به کار روند!
حتما نام دیپ‌فیک (Deep Fake) را زیاد شنیده‌اید؛ ویدیوهای جعلی که در آن افراد مشهور چیزهایی می‌گویند یا کارهایی می‌کنند که به نظر واقعی می‌رسد، اما این‌طور نیست. دیپ‌فیک هم نوع دیگری از هوش مصنوعی مبتنی‌بر یادگیری عمیق است که در محتوای صوتی و تصویری دست می‌برد و آن را به‌دلخواه تغییر می‌دهد تا نتیجه‌ی نهایی چیزی کاملا متفاوت از محتوای اولیه باشد.
به این ویدیوی دیپ‌فیک نگاه کنید؛ مدلی که در ساخت این دیپ‌فیک به‌کار رفته می‌تواند ویدیوی رقص یک فرد را تجزیه‌وتحلیل کند و بعد با پیدا کردن الگوها، همان حرکات موزون را در ویدیوی دوم روی فرد دیگری پیاده کند؛ طوری که فرد حاضر در ویدیوی دوم دقیقا شبیه ویدیوی اول به رقص درمی‌آید.
با تمام تکنیک‌هایی که تا اینجا توضیح دادیم، آموزش شبکه‌ای که تصویر یک فرد در حال رقص را دریافت کند و بتواند بگوید دست‌ها و پاهایش در چه موقعیت مکانی‌ای قرار دارند، کاملا شدنی است. این شبکه همچنین یاد گرفته که چطور پیکسل‌های یک تصویر را به موقعیت قرار گرفتن دست‌ها و پاها مربوط کند. با توجه به اینکه برخلاف مغز واقعی، شبکه‌ی نورونی هوش مصنوعی صرفا داده‌هایی هستند که در یک کامپیوتر ذخیره شده‌اند، بی‌شک این امکان وجود دارد که این داده را برداشته و برعکس این فرایند عمل کنیم؛ یعنی از مدل بخواهیم از موقعیت دست و پا، پیکسل‌ها را به دست آورد.
به مدل‌های یادگیری ماشین که می‌توانند دیپ‌فیک بسازند یا مثل Dall-E و Midjourney، متن توصیفی را به تصویر تبدیل کنند، مدل مولد (Generative) می‌گویند. تا بدین‌جا، از هر مدلی که حرف زدیم از نوع تمیزدهنده (Discriminator) بود؛ به این معنی که مدل به مجموعه‌ای از تصاویر نگاه می‌کند و تشخیص می‌دهد کدام تصویر گربه و کدام گربه نیست؛ اما مدل مولد همانطور که از نامش پیدا است، می‌تواند از توصیف متنی گربه، تصویر گربه تولید کند.
مدل‌های مولدی که برای «به‌تصویر کشیدن» اجسام ساخته شده‌اند، از همان ساختار CNN به کار رفته در مدل‌های تشخیص همان اجسام استفاده می‌کنند و می‌توانند دقیقا به همان روش مدل‌های یادگیری ماشین دیگر آموزش ببینند.
چالش ساخت مدل مولد تعریف سیستم امتیازدهی برای آن است
اما نکته‌ی چالش‌برانگیز آموزش مدل‌های مولد، تعریف سیستم امتیازدهی برای آنها است. مدل‌های تمیزدهنده با پاسخ درست و نادرست آموزش می‌بینند؛ مثلا اگر تصویر سگ را گربه تشخیص دهند، می‌توان به آنها یاد داد که پاسخ نادرست است. اما چطور می‌توان به مدلی که تصویر گربه‌ای را کشیده، امتیاز داد؟ مثلا اینکه چقدر نقاشی‌اش خوب است یا چقدر به واقعیت نزدیک است؟
اینجا جایی است که برای افراد بدبین به آینده و تکنولوژی، منظورم آن‌هایی است که معتقدند دنیا قرار است به دست ربات‌های قاتل نابود شود، داستان واقعا ترسناک می‌شود. چراکه بهترین روشی که برای آموزش شبکه‌های مولد فعلا در اختیار داریم این است که به جای اینکه ما خودمان آنها را آموزش دهیم، اجازه دهیم شبکه‌ی عصبی دیگری آنها را آموزش دهد؛ یعنی دو هوش مصنوعی رو در روی هم!
برای افرادی که به آینده ربات‌های قاتل اعتقاد دارند، شبکه GAN داستان را ترسناک می‌کند
اسم این تکنیک، «شبکه مولد رقابتی» (Generative Adversarial Networks) یا GAN است. در این روش، دو شبکه‌ی عصبی داریم که ضد یکدیگر عمل می‌کنند؛ از یک سمت شبکه‌ای داریم که سعی دارد ویدیوی فیک بسازد (مثلا موقعیت مکانی دست و پاهای فرد در حال رقص را بردارد و روی فرد دیگری پیاده کند) و در سمت دیگر، شبکه‌ی دیگری است که آموزش دیده تا با استفاده از مجموعه‌ای از نمونه رقص‌های واقعی، تفاوت بین ویدیوی واقعی و جعلی را تشخیص دهد.
در مرحله‌ی بعدی، این دو شبکه در نوعی بازی رقابتی مقابل همدیگر می‌گیرند که کلمه‌ی «رقابتی» (Adversarial) از همین‌جا می‌آید. شبکه‌ی مولد سعی می کند فیک‌های قانع‌کننده‌ای بسازد و شبکه‌ی تمیزدهنده سعی می‌کند تشخیص دهد که چه چیزی واقعی و چه چیزی جعلی است.
در هر دور آموزش، مدل‌ها بهتر و بهتر می‌شوند. مثل این می‌ماند که یک جعل‌کننده‌ی جواهر را در برابر یک کارشناس باتجربه قرار دهیم و حالا هر دو بخواهند با بهتر و هوشمند‌تر شدن، حریف خود را شکست دهند. درنهایت، وقتی هر دو مدل به‌اندازه‌ی کافی بهبود پیدا کردند، می‌توان مدل مولد را به‌صورت مستقل استفاده کرد.
مدل‌های مولد در تولید محتوا، چه تصویری، چه صوتی، چه متنی و ویدیویی فوق‌العاده‌اند؛ مثلا همین چت‌بات ChatGPT که این‌روزها حسابی سروصدا به‌پا کرده، از مدل زبانی بزرگ مبتنی‌بر مدل مولد استفاده می‌کند و می‌تواند تقریبا به تمام درخواست‌های کاربران، از تولید شعر و فیلم‌نامه گرفته تا نوشتن مقاله و کد، در عرض چند ثانیه پاسخ دهد؛ آن‌هم به‌گونه‌ای که نمی‌توان تشخیص داد پاسخ را انسان ننوشته است.
استفاده از شبکه‌های GAN از این جهت ترسناک است (البته برای افراد خیلی شکاک و بدبین!) که نقش انسان‌ها در آموزش مدل‌ها در حد ناظر است و تقریبا تمام فرایند یادگیری و آموزش برعهده‌ی هوش مصنوعی است.
هوش مصنوعی چگونه آموزش می‌بیند؟
فرایند آموزش مدل هوش مصنوعی به نوع مدل و کاربرد آن بستگی دارد، اما می‌توان آن را به زبان ساده این‌گونه تصور کرد:
۱. جمع‌آوری داده
مدل به داده‌های مناسب نیاز دارد. این داده می‌تواند متن، تصویر، صدا، ویدئو یا داده‌های ساختاریافته باشد.
۲. آماده‌سازی داده
دادهها معمولاً باید پاک‌سازی، دسته‌بندی و آماده پردازش شوند.
۳. آموزش مدل
مدل با پردازش حجم زیادی از دادهها، پارامترهای خود را به گونه‌ای تنظیم می‌کند که بتواند الگوهای موجود را بهتر یاد بگیرد.
۴. ارزیابی
مدل باید با داده‌های مناسب آزمایش شود تا عملکرد آن بررسی شود.
۵. استفاده
پس از آموزش، مدل برای دریافت ورودی‌های جدید و تولید خروجی استفاده می‌شود.
این فرایند در سیستم‌های بزرگ می‌تواند بسیار پیچیده و پرهزینه باشد.
هوش مصنوعی از کجا می‌فهمد چه جوابی بدهد؟
هوش مصنوعی واقعاً مثل انسان دستش را روی چانه نمی‌گذارد و چند ثانیه فکر نمی‌کند تا جواب مناسب پیدا کند!
مدل بر اساس معماری، داده‌های آموزشی، پارامترها و ورودی فعلی، محاسباتی انجام می‌دهد و خروجی را تولید می‌کند.
در مدل‌های زبانی، یکی از ایده‌های اصلی این است که مدل رابطه بین بخش‌های مختلف متن را یاد می‌گیرد و بر اساس زمینه موجود، ادامه مناسب را پیش‌بینی می‌کند.
در مدل‌های پیشرفته امروزی، این فرایند بسیار پیچیده‌تر از یک «پیش‌بینی ساده کلمه بعدی» است، اما برای درک اولیه، این توضیح مفید است.
نمونه‌های هوش مصنوعی
این روزها هوش مصنوعی را می‌توان تقریبا در هر چیزی دید؛ از دستیارهای صوتی مثل Siri گرفته تا الگوریتم‌های پیشنهاد فیلم و آهنگ در نتفلیکس و اسپاتیفای و خودروهای خودران و ربات‌هایی که در خط تولید مشغول به کارند. اما در چند وقت اخیر، عرضه‌ی برخی از نمونه‌های هوش مصنوعی، صحبت دربارهی این حوزه از تکنولوژی را سر زبان‌ها انداخته‌اند که در ادامه به‌طور مختصر به آنها اشاره می‌کنیم.
چت‌جی‌پی‌تی
این چت‌بات، که اکنون توسط مدل‌های پیشرفته‌تری مانند GPT-4o (با قابلیت‌های چندوجهی) و حتی مدل‌های جدیدتر مانند GPT-5 پشتیبانی می‌شود، در حال حاضر یک دستیار «همه‌منظوره» محسوب می‌شود که می‌تواند به‌طور یکپارچه متن، صدا و تصویر را درک و تحلیل کند. از چت‌جی‌پی‌تی برای تحلیل داده‌های پیچیده، کدنویسی پیشرفته، تولید محتوای خلاقانه و دستیار صوتی هوشمند استفاده می‌شود.
جمنای
درحال‌حاضر، جدیدترین نسل این هوش مصنوعی سری جمنای ۳ است که شامل نسخه‌های مختلفی از جمله Pro (برای استدلال‌های پیچیده) و Flash (برای سرعت و کارایی بالا) می‌شود. ویژگی متمایز نسخه ۳، «پنجره محتوایی» بسیار وسیع آن است که به مدل اجازه می‌دهد حجم عظیمی از اطلاعات، مانند ساعت‌ها ویدیو، چندین کتاب کامل یا هزاران خط کد را به یکباره دریافت کرده و با دقت بالا تحلیل کند.
نانو بنانا
نانو بنانا (Nano Banana) مولد تصویر گوگل است که پیشرفته‌ترین نسخه‌ی آن مبتنی‌بر جمنای ۳ در اواخر سال ۲۰۲۵ معرفی شد.
نقطه قوت نانو بنانا، «ثبات شخصیت» و قابلیت ویرایش دقیق است. برخلاف بسیاری از مدل‌ها که با تغییر دستور، چهره سوژه را کاملا عوض می‌کنند، نانو بنانا می‌تواند هویت یک کاراکتر را در تصاویر و زاویه‌های مختلف ثابت نگه دارد. علاوه بر این، این مدل توانایی بالایی در نوشتن صحیح متن‌ها داخل تصویر دارد و به کاربران اجازه می‌دهد با زبانی ساده، تغییرات پیچیده‌ای مثل تغییر لباس یا محیط را بدون به هم ریختن کل عکس اعمال کنند.
مایکروسافت کوپایلت
مایکروسافت کوپایلت تکامل‌یافته‌ترین دستیار هوش مصنوعی این شرکت است که ریشه در پروژه «بینگ چت» دارد. این سرویس حاصل سرمایه‌گذاری کلان مایکروسافت در شرکت OpenAI است و از همان ابتدا بر پایه مدل‌های GPT بنا شد.
نقطه قوت کوپایلت، یکپارچگی عمیق آن با اکوسیستم کاری مایکروسافت است. این هوش مصنوعی در نرم‌افزارهایی مثل ورد، اکسل و پاورپوینت حضور دارد. نسخه تخصصی کوپایلت گیت‌هاب به عنوان دستیار هوشمندی برای برنامه‌نویسان شناخته می‌شود.
سورا
سورا (Sora) مدل هوش مصنوعی شرکت OpenAI برای تولید ویدیو است که اولین بار در اوایل سال ۲۰۲۴ به عنوان یک پروژه تحقیقاتی معرفی شد. رونمایی اولیه آن با ویدیوهایی از «قدم زدن زنی در خیابان‌های نئونی توکیو» یا «موجودات پشمالوی بامزه»، شوک بزرگی به دنیای فناوری وارد کرد؛ چرا که تا پیش از آن، مدل‌های ویدیویی کیفیت پایین و پرش‌های تصویری زیادی داشتند.
چه شرکت‌هایی آینده هوش مصنوعی را می‌سازند؟
انقلاب هوش مصنوعی توسط تعداد انگشت‌شماری از شرکت‌های غول‌پیکر فناوری هدایت می‌شود. این شرکت‌ها با سرمایه‌گذاری‌های میلیارد دلاری، جذب بهترین استعدادهای جهان و دسترسی انحصاری به منابع محاسباتی و داده‌های عظیم، در حال شکل دادن به آینده این حوزه هستند؛ از سازندگان سخت‌افزارهایی که این ماشین‌ها را روشن می‌کنند گرفته تا توسعه‌دهندگان مدل‌های زبانی و ارائه‌دهندگان پلتفرم‌های ابری.
سازندگان مدل: معماران مغز دیجیتال
در خط مقدم توسعه‌ی هوش مصنوعی، شرکت‌هایی قرار دارند که مستقیما بر روی تحقیق و توسعه مدل‌های زبان بزرگ (LLMs) و سایر مدل‌های مولد تمرکز کرده‌اند. در میان این پیشگامان، OpenAI با عرضه محصولاتی مانند ChatGPT، به شهرت جهانی رسید. این شرکت با سرمایه‌گذاری مایکروسافت، توانست منابع لازم برای آموزش مدل‌های عظیم و دسترسی به بازاری گسترده را برای خود فراهم کند.
در کنار آن، گوگل از طریق آزمایشگاه تحقیقاتی دیپ‌مایند، همواره به عنوان یک نیروگاه تحقیقاتی شناخته شده است. گوگل با پروژه‌هایی مانند AlphaGo، که توانست قهرمان جهان در بازی پیچیده «گو» را شکست دهد، و خانواده مدل‌های چندوجهی و قدرتمند جمنای، پیوسته مرزهای دانش هوش مصنوعی را جابجا کرده است. استراتژی اصلی گوگل، ادغام عمیق هوش مصنوعی در تمام محصولات خود، از جستجو و یوتیوب گرفته تا اندروید و خدمات ابری است.
متا (شرکت مادر فیسبوک و اینستاگرام) رویکرد متفاوتی را در پیش گرفته است. این شرکت با عرضه خانواده مدل‌های LLaMA به صورت متن‌باز، به جامعه تحقیقاتی و توسعه‌دهندگان مستقل اجازه داده تا بر پایه مدل‌های متا، نوآوری کنند. هوش مصنوعی متا در حال حاضر در چت‌بات‌های فیسبوک و اینستاگرام و همچنین در عینک‌های هوشمند Ray-Ban به کار گرفته شده است.
| شرکت | ارزش بازار (تقریبی) | نقش اصلی در هوش مصنوعی | پروژه(های) شاخص |
|---|---|---|---|
| انویدیا | ۴٫۴۶ تریلیون دلار | رهبر سخت‌افزار (GPU) | پردازنده‌های سری H100/B100، پلتفرم CUDA |
| مایکروسافت | ۳٫۸۱ تریلیون دلار | پلتفرم ابری و نرم‌افزار سازمانی | Microsoft Copilot، Azure OpenAI Service |
| آلفابت (گوگل) | ۳٫۰۶ تریلیون دلار | تحقیق و توسعه، اکوسیستم یکپارچه | Gemini، Google DeepMind، TensorFlow |
| متا | ۱٫۸۰ تریلیون دلار | مدل‌های متن‌باز، داده‌های اجتماعی | مدل‌های LLaMA، Meta AI |
| تسلا | ۱٫۴۶ تریلیون دلار | کاربردهای واقعی (خودروهای خودران) | Autopilot/FSD، ابرکامپیوتر Dojo |
| اوپن‌ای‌آی | (خصوصی) | پیشگام مدل‌های زبان بزرگ | ChatGPT، GPT-4، DALL-E، Sora |
| آنتروپیک | (خصوصی) | تمرکز بر ایمنی هوش مصنوعی | خانواده مدل‌های Claude |
شرکت آنتروپیک در سال ۲۰۲۱ توسط گروهی از پژوهشگران سابق OpenAI تأسیس شد. دلیل اصلی جدایی این گروه از OpenAI، نگرانی‌های آنها درباره سرعت بالای تجاری‌سازی و خطرات بالقوه هوش مصنوعی بود. محصول پرچمدار این شرکت، خانواده مدل‌های زبانی «Claude» است که بیش از هر چیز به خاطر توانایی فوق‌العاده در «برنامه‌نویسی و استدلال منطقی» شناخته می‌شود و و در بین توسعه‌دهندگان نرم‌افزار محبوبیت بسیار زیادی دارد.
اما موفقیت هیچ‌یک از این شرکت‌ها، بدون سخت‌افزارهای یک شرکت ممکن نبود: انویدیا. این شرکت با واحدهای پردازش گرافیکی (GPUs) خود، مانند سری‌های H100 و B100، و همچنین پلتفرم نرم‌افزاری انحصاری CUDA، به زیربنای بلامنازع صنعت هوش مصنوعی تبدیل شده است. تقریباً تمام مدل‌های زبان بزرگ و پیچیده‌ای که امروز می‌شناسیم، با سخت‌افزارهای انویدیا آموزش داده و اجرا می‌شوند.
Transformer چیست؟
Transformer یکی از معماری‌های بسیار مهم در توسعه مدل‌های مدرن هوش مصنوعی است.
این معماری به‌خصوص در پردازش زبان طبیعی تحول بزرگی ایجاد کرد و بعدها در بسیاری از مدل‌های زبانی و چندوجهی مورد استفاده قرار گرفت.
یکی از مفاهیم مهم در Transformer، Attention یا سازوکار توجه است.
به زبان ساده، Attention به مدل کمک می‌کند هنگام پردازش یک بخش از ورودی، اهمیت بخش‌های مختلف دیگر را در نظر بگیرد.
برای مثال در یک جمله طولانی، کلمات ابتدایی ممکن است روی معنای یک عبارت در انتهای جمله تأثیر داشته باشند. سازوکار توجه به مدل کمک می‌کند روابط میان بخش‌های مختلف را بهتر در نظر بگیرد.
هوش مصنوعی چندوجهی چیست؟
در ابتدا بسیاری از ابزارهای هوش مصنوعی فقط یک نوع ورودی را پردازش می‌کردند.
اما سیستم‌های جدیدتر می‌توانند چند نوع داده را با هم پردازش کنند.
متن + تصویر + صدا + فایل
این مفهوم را معمولاً با عبارت Multimodal AI یا هوش مصنوعی چندوجهی توصیف می‌کنند.
مثلاً می‌توانید تصویری را به یک سیستم بدهید، درباره محتوای آن سؤال کنید و سپس پاسخ متنی دریافت کنید.
هوش مصنوعی چه کاربردهایی دارد؟
کاربردهای AI بسیار گسترده هستند و هر روز حوزههای بیشتری به آن اضافه می‌شوند.
هوش مصنوعی در پزشکی
از هوش مصنوعی می‌توان برای تحلیل تصاویر، کمک به پژوهش‌های پزشکی، پردازش سوابق و دادهها و برخی فرایندهای پشتیبان تصمیم‌گیری استفاده کرد.
البته در حوزه پزشکی، خروجی هوش مصنوعی نباید بدون بررسی متخصص به‌عنوان تشخیص قطعی در نظر گرفته شود.
هوش مصنوعی در آموزش
هوش مصنوعی می‌تواند برای توضیح مفاهیم پیچیده، شخصی‌سازی تمرین‌ها، تولید سؤال، خلاصه‌سازی مطالب، ترجمه و کمک به یادگیری استفاده شود.
اما دانش‌آموز یا دانشجو نباید تمام فرایند یادگیری را به AI واگذار کند.
هوش مصنوعی در برنامه‌نویسی
امروزه ابزارهای هوش مصنوعی می‌توانند به برنامه‌نویس در نوشتن کد، پیدا کردن خطا، توضیح کد، تولید تست، مستندسازی و ایده‌پردازی کمک کنند.
با این حال، کد تولیدشده توسط AI باید بررسی و آزمایش شود.
هوش مصنوعی در تولید محتوا
یکی از شناخته‌شده‌ترین کاربردها، تولید محتوا است.
AI می‌تواند در تهیه مقاله، عنوان، توضیحات، ایده‌های محتوا، پست شبکه‌های اجتماعی، سناریو و خلاصه متن به کار گرفته شود.
اما استفاده حرفه‌ای از هوش مصنوعی فقط به معنای کپی کردن خروجی آن نیست.
محتوای باکیفیت همچنان به تجربه، ویرایش، بررسی واقعیت و شناخت مخاطب نیاز دارد.
هوش مصنوعی در جست‌وجوی اینترنتی چه تفاوتی با موتور جست‌وجو دارد؟
موتورهای جست‌وجو معمولاً صفحات و منابع مختلف را برای پیدا کردن اطلاعات مرتبط نمایش می‌دهند.
اما یک دستیار هوش مصنوعی ممکن است اطلاعات را به شکل مکالمه‌ای پردازش کرده و پاسخ منسجم‌تری تولید کند.
البته این دو فناوری می‌توانند مکمل یکدیگر باشند.
وقتی با موضوعی مهم یا حساس مواجه هستید، بهتر است به‌جای اعتماد کورکورانه به یک پاسخ، منابع اصلی را نیز بررسی کنید.
چرا هوش مصنوعی گاهی اشتباه می‌کند؟
یکی از معروف‌ترین مشکلات مدل‌های مولد، چیزی است که معمولاً با عنوان Hallucination یا توهم هوش مصنوعی شناخته می‌شود.
در این وضعیت، سیستم ممکن است پاسخی تولید کند که از نظر ظاهری بسیار منطقی و مطمئن به نظر برسد، اما بخشی از آن نادرست یا ساختگی باشد.
برای مثال ممکن است یک منبع غیرواقعی معرفی کند، عدد اشتباه بدهد، تاریخ را اشتباه بگوید یا درباره یک فرد و رویداد اطلاعات نادرست تولید کند.
به همین دلیل، هرچه موضوع حساس‌تر باشد، نیاز به راستی‌آزمایی انسانی و بررسی منبع اصلی بیشتر است.
آیا هوش مصنوعی می‌تواند دروغ بگوید؟
کلمه «دروغ» معمولاً به قصد و آگاهی از نادرستی یک ادعا مربوط است.
وقتی یک مدل هوش مصنوعی اطلاعات نادرست تولید می‌کند، لزوماً به این معنی نیست که مانند انسان آگاهانه تصمیم گرفته دروغ بگوید.
بنابراین بهتر است بگوییم:
هوش مصنوعی ممکن است اطلاعات نادرست تولید کند یا با اطمینان بالا پاسخ اشتباه بدهد.
آیا هوش مصنوعی جای انسان را می‌گیرد؟
پاسخ ساده این است:
در بعضی وظایف، بله؛ اما این موضوع با جایگزین شدن کامل انسان یکسان نیست.
فناوری‌های جدید معمولاً ابتدا بعضی وظایف را سریع‌تر و ارزان‌تر می‌کنند.
هوش مصنوعی نیز می‌تواند بخش‌هایی از کارهایی مانند تولید پیش‌نویس، تحلیل داده، پردازش اسناد، ترجمه، تولید تصویر یا نوشتن کد را خودکار یا سریع‌تر کند.
اما بسیاری از کارها همچنان به مواردی مانند قضاوت انسانی، مسئولیت‌پذیری، ارتباط بین‌فردی، تجربه، خلاقیت هدفمند و درک زمینه واقعی نیاز دارند.
در بسیاری از مشاغل، سناریوی محتمل‌تر این است که انسانی که از هوش مصنوعی به‌خوبی استفاده می‌کند، جایگزین فردی شود که از آن استفاده نمی‌کند؛ نه اینکه همه انسان‌ها یکباره با ماشین جایگزین شوند.
آیا هوش مصنوعی خلاق است؟
پاسخ این سؤال به تعریف ما از خلاقیت بستگی دارد.
هوش مصنوعی می‌تواند ترکیب‌های جدیدی از ایده‌ها، تصاویر، متن‌ها، صداها و طرح‌ها تولید کند که قبلاً دقیقاً به همان شکل وجود نداشته‌اند.
اما درباره اینکه این فرایند را باید دقیقاً «خلاقیت انسانی» دانست یا نه، بحث‌های علمی و فلسفی زیادی وجود دارد.
در عمل، ارزشمندترین استفاده از AI معمولاً زمانی اتفاق می‌افتد که خلاقیت و قضاوت انسان با توانایی تولید و پردازش سریع ماشین ترکیب شود.
مزایای هوش مصنوعی چیست؟
هوش مصنوعی می‌تواند مزایای بسیار زیادی داشته باشد.
سرعت
برخی کارهای زمان‌بر را می‌توان بسیار سریع‌تر انجام داد.
خودکارسازی
وظایف تکراری را می‌توان تا حدی خودکار کرد.
تحلیل حجم زیاد داده
ماشین‌ها می‌توانند حجم بزرگی از داده را در مدت کوتاهی پردازش کنند.
شخصی‌سازی
سیستم‌های هوشمند می‌توانند خدمات و پیشنهادها را بر اساس الگوهای رفتاری کاربران تنظیم کنند.
دسترسی به ابزارهای قدرتمند
ابزارهایی که در گذشته فقط در اختیار شرکت‌ها یا متخصصان خاص بودند، اکنون در بسیاری از موارد برای کاربران عادی نیز قابل استفاده شده‌اند.
معایب و خطرات هوش مصنوعی چیست؟
اطلاعات نادرست
AI ممکن است پاسخ اشتباه تولید کند.
نقض حریم خصوصی
قرار دادن اطلاعات شخصی، محرمانه یا حساس در ابزارهای آنلاین هوش مصنوعی می‌تواند ریسک‌های حریم خصوصی ایجاد کند.
سوگیری
اگر دادهها یا فرایند طراحی سیستم دارای سوگیری باشند، خروجی مدل نیز ممکن است تحت تأثیر آن قرار گیرد.
وابستگی بیش از حد
اگر تمام تصمیم‌گیری و تفکر را به AI واگذار کنیم، ممکن است مهارت‌های انسانی خودمان ضعیف شوند.
سوءاستفاده
همان فناوری‌ای که برای آموزش و تولید محتوا استفاده می‌شود، می‌تواند در زمینه‌های مخرب نیز مورد سوءاستفاده قرار گیرد.
هوش مصنوعی شبیه شخصیت‌های خاکستری داستان‌ها، نه صددرصد پلید است و نه صددرصد فرشته‌ی نجات و ابرقهرمان. در همان حال که زندگی بشر را ساده‌تر و تکنولوژی‌های پیچیده و گران‌قیمت را دردسترس‌تر می‌کند، می‌تواند خطرات و چالش‌هایی نیز به دنبال داشته باشد که در ادامه به برخی از آنها اشاره می‌کنیم:
دستکاری اجتماعی از طریق الگوریتم‌ها؛ هوش مصنوعی می‌تواند از طریق پلتفرم‌های آنلاین نظیر شبکه‌های اجتماعی، رسانه‌های خبری و حتی فروشگاه‌های آنلاین، نظرات، رفتارها و احساسات افراد را تحت‌تاثیر قرار دهد. هوش مصنوعی همچنین می‌تواند با تولید محتوای جعلی یا گمراه‌کننده مثل ویدیوهای دیپ‌فیک، به افراد آسیب برساند.
نظارت اجتماعی با هوش مصنوعی؛ دولت‌ها و شرکت‌ها به‌کمک فناوری تشخیص چهره، ردیابی مکان و داده‌کاوی که همگی مبتنی‌بر هوش مصنوعی است، می‌توانند به نظارت گسترده از شهروندان و کارمندان بپردازند. این موضوع، حریم خصوصی، امنیت و آزادی‌های مدنی افراد را تهدید می‌کند.
تعصبات ناشی از هوش مصنوعی؛ هوش مصنوعی می‌تواند تعصبات انسانی را در دادهها یا طراحی خود به ارث برده یا تقویت کند. این تعصبات می‌تواند منجر به نتایج ناعادلانه یا تبعیض‌آمیز برای گروه‌های خاصی از مردم از نظر نژادی، جنسیت، سن و غیره شود.
گسترش نابرابری اجتماعی‌اقتصادی؛ هوش مصنوعی می‌تواند بین افرادی که به مزایای آن دسترسی دارند و افرادی که از آنها بی‌بهره‌اند، شکاف دیجیتالی ایجاد کند. هوش مصنوعی همچنین می‌تواند شکاف بین افراد ثروتمند و فقیر را با تمرکز ثروت و قدرت در دست عده‌ای که کنترل سیستم‌های هوش مصنوعی را به‌عهده دارند، افزایش دهد.
جنگ‌افزارهای خودمختار؛ هوش مصنوعی می‌تواند در توسعه‌ی سلاح‌های مرگ‌بار خودمختاری به‌کار می‌رود که به اهداف بدون دخالت انسان شلیک کنند. درحالی‌که عده‌ای می‌گویند با جایگزین کردن سربازهای انسان با ربات‌ها، آمار تلفات کشور دارنده‌ی این سلاح‌ها کم می‌شود، در اختیار داشتن ارتشی که تلفات جانی روی دست کشور پیشرفته‌تر نمی‌گذارد، انگیزه‌ی بیشتری به آن کشور برای آغاز جنگ می‌دهد.
آیا اطلاعات شخصی خود را به هوش مصنوعی بدهیم؟
بهتر است با احتیاط برخورد کنید.
اطلاعاتی مانند:
- رمز عبور
- اطلاعات بانکی
- کلیدهای دسترسی
- اسناد بسیار محرمانه
- داده‌های شخصی حساس
- اطلاعاتی که انتشار آنها می‌تواند به شما یا کسب‌وکارتان آسیب بزند
نباید بدون بررسی سیاست‌های سرویس مورد استفاده در اختیار یک ابزار هوش مصنوعی قرار گیرد.
یک قانون ساده:
هر چیزی را که در یک سرویس آنلاین ناشناس قرار نمی‌دهید، بدون بررسی شرایط استفاده و حریم خصوصی، وارد هوش مصنوعی هم نکنید.
Prompt چیست؟
Prompt همان دستوری است که به هوش مصنوعی می‌دهید.
مثلاً:
«یک مقاله درباره لپ‌تاپ بنویس.»
این یک Prompt است.
اما اگر درخواست را دقیق‌تر کنید، معمولاً شانس دریافت خروجی مناسب‌تر افزایش پیدا می‌کند.
مثلاً:
«برای مجله فناوری یک مقاله ۲۰۰۰ کلمه‌ای درباره راهنمای خرید لپ‌تاپ بنویس؛ مخاطب کاربران عادی باشند، لحن ساده و حرفه‌ای باشد و مقاله شامل مقدمه، جدول مقایسه، نکات خرید و سؤالات متداول باشد.»
در اینجا مدل اطلاعات بیشتری درباره هدف، مخاطب، ساختار و خروجی مورد انتظار دریافت کرده است.
Prompt Engineering چیست؟
Prompt Engineering یا مهندسی پرامپت به فرایند طراحی دستورهای بهتر برای دریافت خروجی مناسب‌تر از مدل‌های هوش مصنوعی گفته می‌شود.
یک Prompt خوب معمولاً شامل بخشی از این موارد است:
هدف + زمینه + محدودیت‌ها + مخاطب + فرمت خروجی + معیارهای کیفیت
مثلاً به جای اینکه فقط بگویید:
«درباره کارت گرافیک بنویس.»
می‌توانید مشخص کنید:
«برای کاربران مبتدی، یک راهنمای ساده درباره انتخاب کارت گرافیک بنویس؛ از اصطلاحات پیچیده کمتر استفاده کن و در پایان ۱۰ سؤال متداول اضافه کن.»
هرچه نیاز خود را بهتر تعریف کنید، امکان رسیدن به خروجی قابل استفاده بیشتر می‌شود.
آیا هرچه Prompt طولانی‌تر باشد بهتر است؟
نه.
هدف، پرامپت واضح و مفید است، نه صرفاً پرامپت طولانی.
گاهی یک درخواست کوتاه و دقیق بهترین نتیجه را می‌دهد و گاهی یک کار پیچیده به توضیحات بسیار بیشتری نیاز دارد.
اصل مهم این است که مدل بداند:
چه چیزی می‌خواهید، برای چه کسی می‌خواهید و خروجی را در چه قالبی می‌خواهید.
تفاوت هوش مصنوعی، ربات و ربات انسان‌نما چیست؟
این سه اصطلاح یکی نیستند.
هوش مصنوعی یک فناوری یا مجموعه‌ای از روش‌ها و مدل‌هاست.
ربات یک سیستم فیزیکی است که می‌تواند محیط را حس کرده و برخی عملیات را انجام دهد.
ربات انسان‌نما نوعی ربات است که ظاهر یا ساختار آن تا حدی شبیه انسان طراحی شده است.
یک ربات می‌تواند از هوش مصنوعی استفاده کند، اما هوش مصنوعی الزاماً به ربات نیاز ندارد.
برای مثال یک سیستم پیشنهاد فیلم هیچ بخش مکانیکی ندارد، اما می‌تواند از هوش مصنوعی استفاده کند.
بینایی ماشین چیست؟
Computer Vision یا بینایی ماشین، حوزه‌ای از هوش مصنوعی است که روی درک و تحلیل تصاویر و ویدئو توسط کامپیوتر تمرکز دارد.
از کاربردهای آن می‌توان به تشخیص اشیا، تشخیص چهره، تحلیل تصاویر، کنترل کیفیت صنعتی، بررسی تصاویر ماهواره‌ای و بسیاری از کاربردهای دیگر اشاره کرد.
پردازش زبان طبیعی چیست؟
Natural Language Processing یا NLP شاخه‌ای از هوش مصنوعی است که بر تعامل کامپیوتر با زبان انسانی تمرکز می‌کند.
ترجمه ماشینی، تحلیل احساسات، دسته‌بندی متن، تشخیص گفتار و دستیارهای متنی از جمله کاربردهای این حوزه هستند.
مدل‌های زبانی جدید، نمونه‌ای بسیار پیشرفته از کاربرد فناوری‌های مرتبط با زبان هستند.
هوش مصنوعی در تولید تصویر چگونه کار می‌کند؟
مدل‌های تولید تصویر می‌توانند بر اساس توضیح متنی یا ورودی‌های دیگر، تصویر تولید کنند.
برای مثال می‌توانید توضیح دهید:
«یک میز گیمینگ مدرن با نورپردازی بنفش و زرد در محیطی آینده‌نگرانه»
و مدل تلاش می‌کند تصویر متناسبی ایجاد کند.
البته کیفیت نتیجه به مدل، ورودی، تنظیمات و نوع درخواست بستگی دارد.
هوش مصنوعی در تولید ویدئو چه کاربردی دارد؟
مدل‌های مولد می‌توانند در بخش‌هایی مانند تولید ویدئو، تبدیل متن به ویدئو، ساخت نماهای تصویری، تولید جلوه‌های بصری و تدوین به کمک کاربر مورد استفاده قرار گیرند.
این حوزه با سرعت زیادی در حال توسعه است و به همین دلیل روش‌ها و ابزارهای آن نیز مرتب تغییر می‌کنند.
هوش مصنوعی در بازی‌های ویدئویی
AI مدت‌هاست در صنعت بازی حضور دارد.
هوش مصنوعی می‌تواند برای کنترل رفتار شخصیت‌های غیرقابل‌بازی، ایجاد واکنش‌های متفاوت دشمنان، تنظیم درجه سختی، تحلیل رفتار بازیکنان و حتی کمک به تولید محتوا در بازی‌ها استفاده شود.
بنابراین هوش مصنوعی در بازی‌های ویدئویی پدیده جدیدی نیست؛ چیزی که جدیدتر است، گسترش مدل‌های مولد و استفاده از آنها در بخش‌های مختلف فرایند ساخت بازی است.
آیا هوش مصنوعی به اینترنت نیاز دارد؟
نه همیشه.
برخی سیستم‌های AI می‌توانند به شکل محلی روی کامپیوتر یا دستگاه اجرا شوند.
در مقابل، بسیاری از سرویس‌های قدرتمند آنلاین، پردازش اصلی را روی سرورهای ابری انجام می‌دهند و برای استفاده به اینترنت نیاز دارند.
مزیت اجرای محلی این است که می‌تواند کنترل بیشتری روی دادهها ایجاد کند و در بعضی شرایط بدون اتصال دائمی به اینترنت کار کند.
اما اجرای مدل‌های بزرگ محلی معمولاً به سخت‌افزار مناسبی نیاز دارد.
برای اجرای هوش مصنوعی به چه سخت‌افزاری نیاز داریم؟
پاسخ کاملاً به نوع مدل بستگی دارد.
برای استفاده ساده از سرویس‌های آنلاین، ممکن است تنها یک لپ‌تاپ یا حتی تلفن همراه و اتصال اینترنت کافی باشد.
اما اگر بخواهید مدل‌های بزرگ را به‌صورت محلی اجرا کنید، مواردی مانند پردازنده، مقدار RAM، فضای ذخیره‌سازی و مخصوصاً توان پردازشی GPU اهمیت بیشتری پیدا می‌کنند.
مدل‌های بزرگ می‌توانند حافظه و قدرت پردازشی بسیار زیادی نیاز داشته باشند.
به همین دلیل، دنیای هوش مصنوعی با دنیای سخت‌افزار نیز ارتباط نزدیکی پیدا کرده است.
GPU چرا برای هوش مصنوعی اهمیت دارد؟
پردازنده‌های گرافیکی یا GPU به دلیل توانایی بالا در انجام تعداد زیادی محاسبه موازی، برای بسیاری از عملیات مورد استفاده در آموزش و اجرای مدل‌های هوش مصنوعی بسیار مناسب هستند.
به همین دلیل، تقاضا برای سخت‌افزارهای پردازشی قدرتمند در حوزه AI اهمیت زیادی پیدا کرده است.
برای کاربران عادی که از ابزارهای ابری استفاده می‌کنند، این پردازش معمولاً روی سیستم آنها انجام نمی‌شود.
اما هنگام اجرای مدل‌های محلی، مشخصات GPU می‌تواند بسیار تعیین‌کننده باشد.
آیا برای استفاده از هوش مصنوعی باید متخصص باشیم؟
خیر.
یکی از مهم‌ترین تغییرات سال‌های اخیر این است که استفاده از بسیاری از ابزارهای هوش مصنوعی بسیار ساده‌تر شده است.
امروزه یک کاربر عادی نیز می‌تواند با زبان طبیعی از یک دستیار هوش مصنوعی بخواهد متنی را خلاصه کند، یک ایمیل بنویسد، درباره یک موضوع توضیح بدهد، ایده بدهد یا حتی در کدنویسی کمک کند.
اما استفاده ساده با استفاده حرفه‌ای فرق دارد.
کاربر حرفه‌ای باید بداند چه زمانی به AI اعتماد کند، چه زمانی پاسخ آن را بررسی کند و چطور سؤال مناسب‌تری بپرسد.
چطور از هوش مصنوعی بهتر استفاده کنیم؟
برای گرفتن نتیجه بهتر، به جای اینکه AI را مانند یک «ماشین جواب آماده» ببینید، آن را مانند یک دستیار در نظر بگیرید.
- خواسته خود را واضح بیان کنید.
- زمینه کافی بدهید.
- فرمت مورد نظر را مشخص کنید.
- در مورد اطلاعات مهم، منبع بخواهید.
- پاسخ‌های حساس را راستی‌آزمایی کنید.
- خروجی را قبل از انتشار یا استفاده نهایی بررسی کنید.
این روش بسیار بهتر از پذیرفتن تمام خروجی‌ها به‌صورت خودکار است.
آیا هوش مصنوعی جای گوگل را می‌گیرد؟
بعید است بتوان این موضوع را به صورت «بله یا خیر» پاسخ داد.
موتورهای جست‌وجو و دستیارهای هوش مصنوعی هر کدام نقاط قوت متفاوتی دارند و می‌توانند به سمت ترکیب شدن بیشتر حرکت کنند.
برای یک سؤال ساده، پاسخ مستقیم AI بسیار راحت است.
برای پیدا کردن یک فروشگاه خاص، بررسی چند منبع، پیدا کردن آخرین خبر یا پیدا کردن یک سند مشخص، جست‌وجوی وب و بررسی منبع اصلی همچنان اهمیت زیادی دارد.
در بسیاری از موارد، بهترین روش ترکیب جست‌وجو و هوش مصنوعی است.
آیا هوش مصنوعی همیشه اطلاعات جدید را می‌داند؟
خیر.
بسته به ابزار و معماری آن، مدل ممکن است محدودیت زمانی در داده‌های آموزشی خود داشته باشد یا بدون دسترسی به وب نتواند رویدادهای جدید را بداند.
بنابراین برای موضوعاتی مانند:
- قیمت محصولات
- اخبار
- قوانین
- نتایج ورزشی
- مشخصات جدید محصولات
- وضعیت بازار
- رویدادهای تازه
باید از سیستم یا منبعی استفاده کنید که اطلاعات به‌روز در اختیار دارد و در صورت امکان، منبع اصلی را نیز بررسی کنید.
آینده هوش مصنوعی چگونه خواهد بود؟
هیچ‌کس نمی‌تواند آینده را با قطعیت پیش‌بینی کند، اما احتمالاً هوش مصنوعی بیشتر از آنکه در یک برنامه جداگانه باقی بماند، وارد ابزارهایی خواهد شد که هر روز با آنها کار می‌کنیم.
لپ‌تاپ‌ها، گوشی‌های هوشمند، سیستم‌عامل‌ها، نرم‌افزارهای اداری، ابزارهای طراحی، بازی‌ها و حتی لوازم خانگی می‌توانند قابلیت‌های هوشمند بیشتری دریافت کنند.
یکی از مسیرهای مهم نیز حرکت از چت‌بات‌های ساده به سمت دستیارهای هوشمند و سیستم‌های عامل‌محور است؛ یعنی ابزارهایی که فقط پاسخ نمی‌دهند، بلکه می‌توانند مجموعه‌ای از وظایف را با راهنمایی کاربر انجام دهند.
البته سرعت دقیق این تغییرات و شکل نهایی آنها هنوز مشخص نیست.این‌طور که پیدا است، هوش مصنوعی، مهم‌ترین تکنولوژی آینده است و سناریوهای زیادی برای پیشرفت آن تعریف شده‌اند؛ ازجمله:
هوش مصنوعی بیشتر با هوش انسانی ادغام می‌شود و توانایی‌های ما را افزایش می‌دهد؛ مثلا رابط‌های مغز و کامپیوتر، پردازش زبان طبیعی و بینایی ماشین می‌توانند ارتباطات، یادگیری و ادراک ما را تقویت کنند.
هدف نهایی تمام پروژه‌های هوش مصنوعی رسیدن به AGI است
هوش مصنوعی خودمختارتر و با محیط‌های پیچیده سازگارتر می‌شود؛ مثلا خودروهای خودران، خانه‌های هوشمند و دستیارهای رباتیک می‌توانند با حداقل نظارت یا دخالت انسان کار کنند.
هوش مصنوعی در تولید محتوا یا ارائه‌ی راه‌حل‌های جدید، خلاقانه‌تر خواهد شد؛ مثلا شبکه‌های مولد رقابتی، الگوریتم‌ها و تولید زبان طبیعی می‌توانند تصاویر، آثار هنری، موسیقی یا متن واقع‌گرایانه‌ای تولید کنند.
هوش مصنوعی با عوامل دیگر، چه انسانی چه ماشینی، وارد همکاری بیشتری می‌شود. مثلا، سیستم‌های چندعاملی (MAS)، هوش گروهی (swarm intelligence) و یادگیری تقویتی می‌توانند تصمیم‌گیری، حل مسئله و هماهنگی‌های جمعی را ممکن کنند.
و البته هوش مصنوعی در بحث منابع داده، اصول طراحی، کاربردها و تاثیراتش متنوع‌تر و جامع‌تر خواهد شد. مثلا می‌توان به پیشرفت‌هایی در هوش مصنوعی مسئولانه، هوش مصنوعی درون‌نما (explainable AI) که درون الگوهای پیچیده‌ی یادگیری هوشمند را برای انسان‌ها آشکار می‌کند و هوش مصنوعی منصفانه و هوش مصنوعی قابل‌اعتماد، اشاره کرد.
اما هدف نهایی تمام افرادی که در حوزه‌ی هوش مصنوعی کار می‌کنند، رسیدن به هوش مصنوعی قوی یا همان هوش انسان‌گونه است که بتواند در تمام فعالیت‌ها از قابلیت‌های فکری انسان جلو بزند. یعنی چیزی شبیه همان ربات‌های خودآگاهی که در فیلم‌ها می‌بینیم. البته تا رسیدن به چنین سطحی از هوش مصنوعی زمان زیادی باقی مانده؛ اگر نظر کارمندان OpenAI را بپرسید، به شما خواهند گفت تا ۱۳ سال آینده به هوش مصنوعی قوی می‌رسند، اما اکثر متخصصان این حوزه روی ۵۰ سال شرط بسته‌اند.
آیا هوش مصنوعی بشر را نابود می‌کند؟
خب با تمام این حرف‌ها و پیشرفت‌های چشمگیری که در حوزه هوش مصنوعی صورت گرفته، آیا باید تا چند وقت دیگر انتظار ظهور ربات‌های قاتل مثل اسکای‌نت در فیلم‌های ترمیناتور یا هال ۹۰۰۰ در فیلم ادیسه فضایی را داشته باشیم؟
اگر اهل تماشای مستندهای حیات‌وحش باشید، احتمالا به این موضوع دقت کرده‌اید که در پایان تمام آنها، افرادی هستند که دربارهی اینکه چطور این همه زیبایی باشکوه قرار است به زودی به‌دست انسان‌ها نابود شود، صحبت می‌کنند. به همین‌خاطر هم فکر می‌کنم هر بحث مسئولانه‌ای که دربارهی هوش مصنوعی صورت می‌گیرد، باید در مورد محدودیت‌ها و پیامدهای اجتماعی آن نیز صحبت کند.
موفقیت هوش مصنوعی به‌شدت به مدل‌هایی بستگی دارد که برای آموزش آنها انتخاب می‌کنیم
ابتدا بیایید بار دیگر بر محدودیت‌های کنونی هوش مصنوعی تاکید کنیم؛ اگر فقط یک نکته باشد که امیدوارم از خواندن این مطلب به آن رسیده باشید، این است که موفقیت یادگیری ماشین یا هوش مصنوعی به‌شدت به مدل‌هایی بستگی دارد که ما برای آموزش آنها انتخاب می‌کنیم. اگر انسان‌ها این شبکه‌ها را بدون رعایت استانداردها و اصول اولیه بسازند یا از داده‌های اشتباه و گمراه‌کننده برای آموزش هوش مصنوعی استفاده کنند، آن‌وقت این مشکلات می‌تواند تاثیرات ناگواری به‌همراه داشته باشند.
شبکه‌های عصبی عمیق بسیار انعطاف‌پذیر و قدرتمند هستند، اما معجزه و جادویی نیستند. باوجود اینکه ممکن است از شبکه‌های عصبی عمیق هم برای RNN و هم CNN استفاده کرد، باید توجه داشت که ساختار زیربنایی این دو شبکه بسیار متفاوت است و تا این‌لحظه نیاز بوده که انسان‌ها آنها را از پیش تعریف کنند. بنابراین، اگرچه می‌توان CNNای را که برای تشخیص خودرو آموزش دیده، برای تشخیص پرندگان از نو آموزش داد، اما نمی‌توان این مدل را برای درک گفتار به کار برد.
به‌عبارت ساده‌تر، مثل این است که ما متوجه شده‌ایم که قشر بینایی و قشر شنوایی چطور کار می‌کنند، اما مطلقا هیچ ایده‌ای نداریم که قشر مغز چطور کار می‌کند و اینکه اصلا برای فهم آن باید از کجا شروع کرد. و این یعنی ما احتمالا به این زودی‌ها به هوش مصنوعی انسان‌گونه به سبک فیلم‌های هالیوودی دست نخواهیم یافت. البته این به این معنی نیست که هوش مصنوعی فعلی نمی‌تواند تاثیرات اجتماعی منفی به‌دنبال داشته باشد. برای همین، آشنایی با مفاهیم اولیه‌ی هوش مصنوعی شاید حداقل کاری باشد که بتوان برای پیدا کردن راهی برای حل مشکلات هوش مصنوعی (و جلوگیری از نابودی زمین!) انجام داد.
آیا آینده شغلی انسان‌ها با هوش مصنوعی به خطر می‌افتد؟
این موضوع یکی از جدی‌ترین بحث‌ها درباره AI است.
برخی مشاغل یا وظایف ممکن است با خودکارسازی تغییر کنند و بعضی وظایف ساده‌تر یا تکراری‌تر شوند.
از طرف دیگر، استفاده گسترده از فناوری معمولاً مشاغل و مهارت‌های جدیدی نیز ایجاد می‌کند.
در نتیجه، سؤال مهم‌تر از اینکه «آیا AI همه شغل‌ها را نابود می‌کند؟» این است:
کدام وظایف تغییر می‌کنند و چه مهارت‌هایی در کنار هوش مصنوعی ارزش بیشتری پیدا خواهند کرد؟
توانایی کار با ابزارهای AI، تفکر انتقادی، حل مسئله، ارتباط مؤثر، تخصص حوزه‌ای و توانایی بررسی صحت اطلاعات احتمالاً برای بسیاری از افراد اهمیت بیشتری پیدا خواهد کرد.
آیا یادگیری هوش مصنوعی ارزش دارد؟
اگر از کامپیوتر، اینترنت، تولید محتوا، کسب‌وکار، برنامه‌نویسی، طراحی یا تحقیق استفاده می‌کنید، یادگیری اصول هوش مصنوعی می‌تواند بسیار مفید باشد.
لازم نیست همه افراد متخصص یادگیری ماشین شوند.
گاهی دانستن همین مفاهیم پایه کافی است:
- AI چیست؟
- Machine Learning چیست؟
- Generative AI چیست؟
- LLM چیست؟
- Prompt چیست؟
- توهم مدل چیست؟
- چه زمانی باید خروجی را بررسی کنیم؟
همین دانش پایه می‌تواند تفاوت بزرگی در استفاده روزمره از فناوری ایجاد کند.
۱۰ اشتباه رایج درباره هوش مصنوعی
اشتباه اول: هوش مصنوعی دقیقاً مثل انسان فکر می‌کند
طبیعی بودن پاسخ به معنی یکسان بودن فرایند با تفکر انسانی نیست.
اشتباه دوم: هرچه AI گفت درست است
مدل ممکن است با اطمینان بالا پاسخ اشتباه بدهد.
اشتباه سوم: AI فقط برای برنامه‌نویسان است
کاربردهای هوش مصنوعی از آموزش و تولید محتوا گرفته تا کسب‌وکار و سرگرمی بسیار گسترده است.
اشتباه چهارم: هر هوش مصنوعی همان ChatGPT است
ChatGPT فقط یکی از محصولات مبتنی بر فناوری‌های هوش مصنوعی است.
اشتباه پنجم: ربات یعنی هوش مصنوعی
ربات یک سیستم فیزیکی است و ممکن است از AI استفاده کند یا نکند.
اشتباه ششم: GPU فقط برای بازی است
GPU علاوه بر بازی در محاسبات سنگین و کاربردهای هوش مصنوعی نیز اهمیت دارد.
اشتباه هفتم: Prompt هرچه طولانی‌تر باشد بهتر است
واضح بودن و ارائه اطلاعات مناسب مهم‌تر از طولانی بودن است.
اشتباه هشتم: هوش مصنوعی هیچ خلاقیتی ندارد
تعریف خلاقیت در این زمینه پیچیده است و مدل‌های مولد می‌توانند خروجی‌های جدید و متنوع تولید کنند.
اشتباه نهم: AI همه شغل‌ها را فوراً حذف می‌کند
تأثیر AI روی مشاغل به نوع وظیفه، صنعت، اقتصاد و میزان پذیرش فناوری بستگی دارد.
اشتباه دهم: هوش مصنوعی هیچ‌وقت اشتباه نمی‌کند
این یکی از خطرناک‌ترین باورها درباره AI است.
فرق AI، ML، Deep Learning و Generative AI در یک نگاه
| اصطلاح | معنی ساده |
|---|---|
| AI | مفهوم کلی هوش مصنوعی |
| Machine Learning | یادگیری الگو از داده |
| Deep Learning | یادگیری ماشین با شبکه‌های عصبی عمیق |
| Generative AI | تولید محتوای جدید |
| LLM | مدل زبانی بزرگ |
| NLP | پردازش زبان انسانی |
| Computer Vision | تحلیل تصویر و ویدئو |
| AGI | ایده هوش مصنوعی عمومی |
اگر این جدول را در ذهن داشته باشید، بخش بزرگی از اصطلاحات رایج دنیای AI برایتان قابل فهم‌تر می‌شود.
آیا هوش مصنوعی خوب است یا بد؟
هوش مصنوعی ذاتاً نه خوب است و نه بد.
اینکه از یک فناوری چه نتیجه‌ای بگیریم به طراحی سیستم، داده، نحوه استفاده، قوانین، نظارت و تصمیم‌های انسان‌ها بستگی دارد.
همان فناوری می‌تواند برای آموزش، کمک به افراد دارای معلولیت، پژوهش علمی و افزایش بهره‌وری استفاده شود و در عین حال امکان سوءاستفاده نیز داشته باشد.
پس بهتر است به جای اینکه درباره AI فقط با هیجان یا ترس صحبت کنیم، آن را به‌عنوان یک فناوری قدرتمند بشناسیم و درباره مزایا، محدودیت‌ها و ریسک‌های آن واقع‌بین باشیم.
جمع‌بندی؛ هوش مصنوعی را باید فهمید، نه از آن ترسید
هوش مصنوعی یکی از مهم‌ترین فناوری‌های عصر جدید است و احتمالاً نقش آن در زندگی روزمره در سال‌های آینده بیشتر خواهد شد.
اما برای استفاده درست از AI لازم نیست همه فرمول‌های ریاضی، معماری‌های پیچیده یا جزئیات مهندسی آن را بلد باشید.
کافی است بدانید:
هوش مصنوعی چیست، چگونه یاد می‌گیرد، چه توانایی‌هایی دارد، کجا ممکن است اشتباه کند و چطور باید از آن به شکل هوشمندانه استفاده کرد.
یادگیری ماشین و یادگیری عمیق بخش‌هایی از دنیای AI هستند. هوش مصنوعی مولد می‌تواند محتوا تولید کند و مدل‌های زبانی بزرگ امکان تعامل طبیعی‌تر با کامپیوتر را فراهم کرده‌اند.
در عین حال، AI محدودیت‌هایی مانند تولید اطلاعات نادرست، سوگیری، مسائل حریم خصوصی و خطر وابستگی بیش از حد دارد.
به همین دلیل، بهترین رویکرد نه ترسیدن از هوش مصنوعی است و نه اعتماد کامل به آن.
بهترین رویکرد، شناختن آن و یاد گرفتن نحوه استفاده درست از آن است.
در نهایت شاید مهم‌ترین جمله درباره آینده این فناوری همین باشد:
هوش مصنوعی احتمالاً انسان را یک‌شبه جایگزین نمی‌کند؛ اما می‌تواند روش کار انسان را برای همیشه تغییر دهد.
سوالات متداول درباره هوش مصنوعی
هوش مصنوعی چیست؟
هوش مصنوعی مجموعه‌ای از فناوری‌ها و روش‌هایی است که به ماشین‌ها امکان انجام برخی وظایف نیازمند توانایی‌های شناختی مانند تشخیص الگو، پردازش زبان و تصمیم‌گیری را می‌دهد.
تفاوت هوش مصنوعی و یادگیری ماشین چیست؟
یادگیری ماشین یکی از شاخه‌های هوش مصنوعی است که در آن سیستم می‌تواند از دادهها الگو یاد بگیرد.
یادگیری عمیق چیست؟
یادگیری عمیق یکی از زیرشاخه‌های یادگیری ماشین است که از شبکه‌های عصبی چندلایه استفاده می‌کند.
هوش مصنوعی مولد چیست؟
هوش مصنوعی مولد می‌تواند بر اساس ورودی کاربر محتوای جدید مانند متن، تصویر، صدا، ویدئو یا کد تولید کند.
ChatGPT چیست؟
ChatGPT یک دستیار مبتنی بر فناوری مدل‌های زبانی است که می‌تواند با زبان طبیعی با کاربر تعامل کند و در کارهایی مانند تولید و تحلیل متن کمک کند.
آیا هوش مصنوعی همیشه درست می‌گوید؟
خیر. هوش مصنوعی ممکن است اطلاعات نادرست یا ساختگی تولید کند، بنابراین اطلاعات مهم باید بررسی شوند.
آیا هوش مصنوعی جای انسان را می‌گیرد؟
برخی وظایف ممکن است خودکار شوند و بعضی مشاغل تغییر کنند، اما این موضوع با جایگزینی کامل انسان یکسان نیست.
آیا برای استفاده از هوش مصنوعی باید برنامه‌نویسی بلد باشیم؟
خیر. بسیاری از ابزارهای هوش مصنوعی با زبان طبیعی قابل استفاده هستند.
آیا هوش مصنوعی به اینترنت نیاز دارد؟
برخی سرویس‌ها آنلاین هستند و برخی مدل‌ها را می‌توان به صورت محلی روی دستگاه اجرا کرد.
آیا هوش مصنوعی برای تولید محتوا مناسب است؟
بله، AI می‌تواند برای ایده‌پردازی، پیش‌نویس، خلاصه‌سازی، بازنویسی و بسیاری از مراحل تولید محتوا مفید باشد؛ اما ویرایش انسانی و بررسی صحت اطلاعات همچنان اهمیت دارد.
آیا استفاده از هوش مصنوعی خطرناک است؟
خود فناوری لزوماً خطرناک نیست، اما استفاده نادرست، انتشار اطلاعات حساس، اعتماد بیش از حد به خروجی‌ها و کاربردهای مخرب می‌تواند خطرناک باشد.
AI چه تأثیری بر آینده دارد؟
احتمالاً هوش مصنوعی در نرم‌افزارها، دستگاه‌های هوشمند، کسب‌وکار، آموزش، پزشکی، سرگرمی و بسیاری از صنایع حضور بیشتری پیدا خواهد کرد.