بازگشت به بلاگ
هوش مصنوعیکاربردهای هوش مصنوعی

هوش مصنوعی چیست و چگونه کار می‌کند؟ تعریف ساده با مثال‌های روزمره

دوریفای۸ دقیقه زمان برای مطالعه
هوش مصنوعی چیست و چگونه کار می‌کند؟ تعریف ساده با مثال‌های روزمره
هوش مصنوعی چیست و چگونه کار می‌کند؟ تعریف ساده با مثال‌های روزمره

هوش مصنوعی چیست و چگونه کار می‌کند؟ تعریف ساده با مثال‌های روزمره

وقتی برنامه‌ای پیام‌های ناخواسته را جدا می‌کند، مسیر پیشنهاد می‌دهد یا برای پرسشی پاسخ می‌نویسد، احتمالاً با نوعی هوش مصنوعی روبه‌رو هستید. هوش مصنوعی به سیستم‌هایی گفته می‌شود که با دریافت اطلاعات، خروجی‌هایی مانند پیش‌بینی، تشخیص، پیشنهاد یا محتوای تازه تولید می‌کنند. بعضی از این سیستم‌ها الگو را از داده یاد می‌گیرند و بعضی بر پایه قواعدی کار می‌کنند که انسان تعیین کرده است. انجام این کارها به معنای فکر کردن یا احساس داشتنِ ماشین مثل انسان نیست. برای استفاده درست از هوش مصنوعی، باید بدانیم هر سیستم چه کاری انجام می‌دهد و نتیجه‌اش کجا ممکن است خطا داشته باشد.

هوش مصنوعی به زبان ساده چیست؟

فرض کنید صندوق ایمیل باید تشخیص دهد کدام پیام احتمالاً هرزنامه است. می‌توان برای برخی نشانه‌ها قانون نوشت، اما شکل و زبان پیام‌ها تغییر می‌کند. در روشی مبتنی بر یادگیری ماشین، سیستم نمونه‌هایی از پیام‌ها را بررسی می‌کند، الگوهایی را از آن‌ها می‌آموزد و برای پیام تازه یک برآورد ارائه می‌دهد. این نمونه‌ای از هوش مصنوعی است: دریافت اطلاعات و تولید خروجی برای وظیفه‌ای مشخص.

«هوشمند» بودن در اینجا به معنای داشتن درک انسانی نیست. برنامه‌ای که چهره را در تصویر تشخیص می‌دهد، لازم نیست احساس آدم‌ها را بشناسد. متنی هم که یک مدل روان می‌نویسد، ممکن است نادرست باشد. پرسش کاربردی این است که سیستم با چه ورودی‌ای کار می‌کند، چه خروجی‌ای می‌دهد و آن خروجی تا چه حد برای کار مورد نظر قابل اعتماد است. توضیح OECD درباره سیستم هوش مصنوعی نیز بر رابطه ورودی، سازوکار پردازش و خروجی‌هایی مانند پیش‌بینی یا پیشنهاد تکیه دارد.

هوش مصنوعی چگونه کار می‌کند؟

سازوکار بسیاری از کاربردهای امروزی هوش مصنوعی را می‌توان در سه گام توضیح داد:

  1. داده یا ورودی: سیستم با متن، تصویر، صدا یا داده‌های دیگر سروکار دارد. هنگام ساخت مدلِ یادگیری ماشین، نمونه‌هایی برای آموزش به آن داده می‌شود. هنگام استفاده، ورودی تازه‌ای مثل یک پرسش یا عکس دریافت می‌کند.
  2. ساخت مدل: در روش‌های مبتنی بر یادگیری، مدل طی آموزش تنظیم می‌شود تا الگوهای مرتبط با وظیفه را پیدا کند. کیفیت و تنوع نمونه‌ها بر نتیجه اثر می‌گذارند. البته همه روش‌های هوش مصنوعی به این شکل آموزش نمی‌بینند؛ برخی از قواعد تعریف‌شده به دست انسان استفاده می‌کنند.
  3. تولید و بررسی خروجی: سیستم برای ورودی تازه نتیجه می‌سازد؛ مثلاً پیام را دسته‌بندی می‌کند، چیزی را در تصویر تشخیص می‌دهد یا پاسخ متنی تولید می‌کند. بعد باید سنجید این نتیجه برای همان کار چقدر درست و مفید است.

آموزش مدل با استفاده از مدل فرق دارد. وقتی ابزاری به پرسش شما پاسخ می‌دهد، معمولاً خروجی را با تکیه بر مدلِ از پیش آموزش‌دیده تولید می‌کند. پاسخ دادن به‌تنهایی نشان نمی‌دهد که مدل همان لحظه حقیقتی تازه آموخته یا پاسخ خود را راستی‌آزمایی کرده است.

برای نمونه، ابزار پیشنهاد فیلم از داده‌های مربوط به محتوا و رفتار کاربران الگو می‌گیرد و حدس می‌زند چه فیلمی برای یک کاربر جذاب‌تر است. نتیجه یک پیشنهاد است، نه شناخت قطعی از سلیقه او. به همین دلیل، گاهی پیشنهاد مناسبی می‌دهد و گاهی گزینه‌ای بی‌ربط نشان می‌دهد.

تفاوت هوش مصنوعی، یادگیری ماشین، یادگیری عمیق و هوش مصنوعی مولد

این اصطلاح‌ها به هم مربوط‌اند، اما یک معنا ندارند. یادگیری ماشین زیرمجموعه‌ای از هوش مصنوعی است و یادگیری عمیق نیز زیرمجموعه‌ای از یادگیری ماشین. هوش مصنوعی مولد را بیشتر بر اساس نوع خروجی‌اش می‌شناسیم:

اصطلاحمعنای کاربردینمونه
هوش مصنوعی (AI)حوزه گسترده ساخت سیستم‌هایی برای انجام وظایفی مانند تشخیص، پیش‌بینی یا تولید خروجیتشخیص هرزنامه
یادگیری ماشین (ML)روشی در این حوزه که مدل الگوها را از داده می‌آموزدپیشنهاد محتوا بر پایه داده‌های قبلی
یادگیری عمیقدسته‌ای از روش‌های یادگیری ماشین با شبکه‌های عصبی چندلایهبرخی روش‌های تشخیص تصویر یا گفتار
هوش مصنوعی مولدسیستم‌هایی که محتوای تازه‌ای مانند متن یا تصویر تولید می‌کنندتولید پیش‌نویس متن

پس هر سیستم هوش مصنوعی، مولد نیست. فیلتر هرزنامه پیام را دسته‌بندی می‌کند؛ ابزار مولد می‌تواند متنی تازه بنویسد. «تازه» بودن خروجی نیز درستی یا اصالت آن را تضمین نمی‌کند. باید دید برای چه کاری ساخته شده و چگونه بررسی می‌شود.

مدل زبانی بزرگ، نوعی مدل است که با الگوهای زبان کار می‌کند و در بسیاری از ابزارهای گفت‌وگومحور به کار می‌رود. روان بودن نوشته چنین مدلی، نشانه آگاهی آن از واقعیت یا توانایی داوری مستقل نیست.

کاربرد هوش مصنوعی در زندگی روزمره چیست؟

هوش مصنوعی همیشه به شکل ربات یا صفحه گفت‌وگو دیده نمی‌شود. گاهی بخشی از یک سرویس است و کار مشخصی را انجام می‌دهد:

  • ایمیل: احتمال هرزنامه بودن پیام را برآورد می‌کند و آن را در دسته مناسب قرار می‌دهد.
  • مسیریابی: از اطلاعات موجود برای پیشنهاد مسیر یا تخمین زمان رسیدن کمک می‌گیرد.
  • پیشنهاد محتوا: با بررسی نشانه‌های رفتاری، فیلم، موسیقی یا مطلبی را پیشنهاد می‌دهد.
  • گفتار و متن: گفتار را به متن تبدیل می‌کند یا پاسخی متنی برای یک پرسش می‌سازد.
  • تصویر: الگوهایی را در تصویر تشخیص می‌دهد؛ در کاربردهای تخصصی، نتیجه باید با نظر متخصص سنجیده شود.

برای تولیدکننده دوره آموزشی، یکی از کاربردهای ملموس هوش مصنوعی مولد تهیه پیش‌نویس است. می‌توان از آن چند عنوان برای یک درس، پرسش تمرینی یا خلاصه اولیه خواست. مدرس همچنان باید درستی مطالب، تناسبشان با سطح هنرجو و کیفیت مثال‌ها را بررسی کند. اگر ابزار توضیحی روان ولی نادرست بدهد، ظاهر مرتب متن می‌تواند خطا را پنهان کند.

مزایا و محدودیت‌های هوش مصنوعی

هوش مصنوعی در بعضی کارهای تکراری و پردازش حجم زیادی از اطلاعات به انسان کمک می‌کند. دسته‌بندی پیام‌ها، پیدا کردن الگو در داده‌ها و آماده کردن پیش‌نویس از همین جنس‌اند. این سرعت وقتی ارزش دارد که خروجی برای هدف مشخصی سنجیده شود؛ سریع‌تر بودن به‌خودی‌خود به معنای دقیق‌تر بودن نیست.

محدودیت‌های آن در کار روزمره هم اثر دارند:

  • خطا و اطلاعات ساختگی: ابزار مولد گاهی پاسخ نادرست را با لحنی مطمئن بیان می‌کند. نام، عدد، نقل‌قول و توصیه مهم را باید با منبع معتبر تطبیق داد.
  • سوگیری داده: اگر داده‌های آموزشی یک‌سویه یا ناقص باشند، خروجی ممکن است همان کاستی را بازتاب دهد و برای گروه‌ها یا موقعیت‌های مختلف به یک اندازه مناسب نباشد.
  • حریم خصوصی: پیش از فرستادن اطلاعات شخصی هنرجویان، فایل‌های محرمانه یا محتوای منتشرنشده، باید شیوه نگهداری و استفاده از داده در همان ابزار را بررسی کرد.
  • نیاز به داوری انسانی: مدل همیشه زمینه و هدف کار شما را کامل نمی‌شناسد. نتیجه باید با دانش موضوعی، نیاز مخاطب و پیامدهای استفاده سنجیده شود.

چارچوب مدیریت ریسک هوش مصنوعی NIST نیز بر سنجش ریسک در طراحی، استفاده و ارزیابی سیستم‌های هوش مصنوعی تأکید می‌کند. در کار آموزشی، می‌توان وظیفه را روشن تعریف کرد، از ابزار پیش‌نویس گرفت، ادعاهای مهم را بررسی کرد و متن نهایی را متناسب با هنرجو بازنویسی کرد. برای ارزیابی یادگیری یا توصیه‌های حساس، بررسی انسانی اهمیت بیشتری دارد.

آیا هوش مصنوعی مثل انسان فکر می‌کند یا احساس دارد؟

آنچه از سیستم هوش مصنوعی مشاهده می‌کنیم، رفتار و خروجی آن است. پاسخ دادن به سؤال، تشخیص تصویر یا ساختن متن نشان می‌دهد سیستم در آن وظیفه توانایی دارد؛ از این رفتار نمی‌توان نتیجه گرفت که تجربه ذهنی یا احساس انسانی دارد. جمله‌های همدلانه یک ابزار گفت‌وگو ممکن است طبیعی به نظر برسند، اما طبیعی بودن زبان، وجود احساس را ثابت نمی‌کند.

این تفاوت بر میزان اعتماد به خروجی هم اثر می‌گذارد. هنگام استفاده از یک پاسخ، بهتر است مشخص کنیم قرار است در چه تصمیمی به کار رود و چگونه می‌توان درستی‌اش را سنجید. هرچه پیامد خطا جدی‌تر باشد، بررسی دقیق‌تری لازم است.

پرسش‌های متداول درباره هوش مصنوعی

AI مخفف چیست؟

AI مخفف Artificial Intelligence و برابر انگلیسی «هوش مصنوعی» است. این نام به حوزه‌ای گسترده از روش‌ها و سیستم‌ها اشاره دارد، نه به یک برنامه مشخص.

آیا ChatGPT همان هوش مصنوعی است؟

ChatGPT نمونه‌ای از کاربرد هوش مصنوعی مولد در گفت‌وگوی متنی است؛ تمام هوش مصنوعی به چت‌بات‌ها محدود نمی‌شود. تشخیص تصویر، فیلتر هرزنامه و پیشنهاد محتوا نیز از کاربردهای دیگر این حوزه‌اند.

آیا هر رباتی هوش مصنوعی دارد؟

خیر. ربات یک دستگاه فیزیکی است و ممکن است فقط دستورهای از پیش تعیین‌شده را اجرا کند. برخی ربات‌ها برای تشخیص محیط یا تصمیم‌گیری از هوش مصنوعی کمک می‌گیرند، اما ربات بودن به‌تنهایی نشانه استفاده از AI نیست. بسیاری از سیستم‌های هوش مصنوعی هم ربات فیزیکی ندارند.

هوش مصنوعی چگونه یاد می‌گیرد؟

در یادگیری ماشین، مدل هنگام آموزش با نمونه‌های داده تنظیم می‌شود تا الگوهای مرتبط با یک وظیفه را پیدا کند. پس از آموزش، از آن برای ورودی‌های تازه استفاده می‌شود. نوع داده، روش آموزش و شیوه سنجش نتیجه بر قابل‌اتکا بودن خروجی اثر دارند. البته همه سیستم‌های هوش مصنوعی از یادگیری ماشین استفاده نمی‌کنند.

آیا هوش مصنوعی شغل‌ها را از بین می‌برد؟

از تعریف هوش مصنوعی نمی‌توان درباره سرنوشت همه شغل‌ها نتیجه قطعی گرفت. این فناوری می‌تواند شیوه انجام بعضی وظایف را تغییر دهد، اما اثر آن به نوع کار، روش استفاده از ابزار و تصمیم‌های افراد و سازمان‌ها بستگی دارد. برای مدرس، پرسش عملی این است که کدام بخش کار را می‌توان با کمک ابزار آماده کرد و کدام بخش به دانش، مسئولیت و ارتباط او با هنرجو نیاز دارد.

جمع‌بندی

برای شناخت هر کاربرد هوش مصنوعی، از خود بپرسید چه ورودی‌ای می‌گیرد، چه خروجی‌ای می‌دهد و خطای آن چه پیامدی دارد. این سه پرسش کمک می‌کنند از ابزار برای کارهایی مثل دسته‌بندی، پیشنهاد یا تهیه پیش‌نویس استفاده کنید و هم‌زمان، درستی و تناسب نتیجه را خودتان بسنجید.

راه‌اندازی رایگان سایت آموزشی با دوریفای

با دوریفای، بدون درگیری فنی آکادمی آنلاین خودتان را بسازید؛ دوره‌های امن و رمزگذاری‌شده بفروشید، با درگاه دوریفای پرداخت‌ها را دریافت کنید و روی آموزش تمرکز داشته باشید. شروع

مطالب پیشنهادی