حال هوش مصنوعی چیست؟ در پاسخ به این پرسش باید گفت هوش مصنوعی که به‌اختصار AI نامیده می‌شود، شاخه‌ای از علوم کامپیوتر است که هدفش ایجاد ماشین‌ها و سیستم‌های هوشمندی است که می‌توانند مانند انسان فکر و عمل کنند. حوزه‌ی AI به‌سرعت در حال رشد است و این قابلیت را دارد که شیوه‌ی زندگی و کار انسان‌ها را متحول کند.

درک انواع مختلف هوش مصنوعی برای سازمان‌هایی بسیار مهم تلقی می‌شود که به‌دنبال پیاده‌سازی این فناوری در چهارچوب مدیریت پروژه خود هستند. هر نوع هوش مصنوعی قوت‌ها و ضعف‌های خود را دارد و ارزیابی اینکه کدام نوع به بهترین وجه با نیازهای خاص آن‌ها مطابقت دارد، برای سازمان‌ها ضروری است.

با اضافه‌کردن هوش مصنوعی به فرایند کاری، سازمان‌ها می‌توانند بهره‌وری و کارایی و قابلیت‌های تصمیم‌گیری خود را بهبود بخشند و این فناوری به آن‌ها کمک می‌کند در محیط تجاری پرشتاب امروزی پیشرو باشند.

در این مقاله، قصد داریم هفت نوع اصلی هوش مصنوعی را معرفی و ویژگی‌های هر‌کدام را بررسی کنیم تا بیشتر با آن آشنا شویم.

«هوش مصنوعی محدود» (Artificial Narrow Intelligence) که به‌اختصار ANI خوانده می‌شود، ابتدایی‌ترین شکل هوش مصنوعی است. فناوری مذکور می‌تواند فقط یک کار مانند شکست‌دادن قهرمان جهان در شطرنج را با سرعت و دقت چشمگیر انجام دهد. با وجود قابلیت‌های چشمگیر، ANI نمی‌تواند مانند همتایان پیشرفته‌تر خود از تجربیاتش یاد بگیرد یا وارد رشته‌های دیگر شود؛ درنتیجه هرگز نمی‌تواند با «هوش مصنوعی عمومی» رقابت کند.

البته ANI اپلیکیشن‌هایی فوق‌العاده‌ای دارد که سازمان‌ها را در اتوماسیون‌ کارهای اداری یاری می‌کند و عملکرد آن‌ها را افزایش می‌دهد. ANI برای شروع گزینه‌ای عالی محسوب می‌شود و می‌توان برای انجام‌ کارهای کوچک به آن اعتماد کرد.

ری کورزویل، دانشمند علوم کامپیوتری، در کتاب «تکینگی نزدیک است؛ وقتی انسان‌ها از زیست‌شناسی فراتر می‌روند» از اصطلاح «هوش مصنوعی محدود» برای توصیف توسعه‌ی سیستم‌هایی استفاده کرد که رفتارهای «هوشمندانه» را تنها در زمینه‌های خاص نشان می‌دهند.

ANI نوعی هوش مصنوعی محسوب می‌شود که برای انجام یک یا مجموعه محدودی از وظایف پیچیده از مهارت طراحی شده است. همچنین، این فناوری با عناوین دیگری مانند هوش مصنوعی ضعیف یا هوش مصنوعی باریک یا حتی هوش مصنوعی تخصصی شناخته می‌شود.

درنهایت باید بگوییم که سیستم‌های ANI را می‌توان به دو دسته طبقه‌بندی کرد: سیستم‌های یادگیری نظارت‌شده و سیستم‌های یادگیری بدون نظارت. سیستم‌های یادگیری نظارت‌شده روی مجموعه داده‌های برچسب‌دار آموزش می‌بینند که به سیستم کمک می‌کند تا رابطه بین داده‌های ورودی‌و‌خروجی مدنظر را بیاموزد. درمقابل، سیستم‌های یادگیری بدون نظارت روی مجموعه داده‌های بدون برچسب آموزش می‌بینند و می‌توانند الگوها و روابط موجود در داده‌ها را بدون راهنمایی شناسایی کنند.

یکی از پیشرفت‌های امیدوارکننده در این صنعت «هوش مصنوعی عمومی» Artificial General Intelligence» است که به‌اختصار AGI نامیده می‌شود. این فناوری می‌توانند مانند ما فکر و استدلال کند و یاد بگیرد.

AGI با هوش مصنوعی ضعیف یا محدود که در بخش پیشین درباره‌ی آن صحبت کردیم، در تضاد است. فناوری مذکور در علوم کامپیوتری سیستم هوشمندی با دانش جامع و قابلیت‌های محاسبات شناختی است. در‌حال‌حاضر، هیچ سیستم AGI واقعی وجود ندارد.

سیستم مجهز به هوش مصنوعی عمومی باید بتواند وظایفی را اجرا کند و توانایی‌هایی در سطح انسان داشته باشد که هیچ‌کدام از کامپیوترهای موجود نمی‌توانند به آن‌ها دست یابند. امروزه، هوش مصنوعی می‌تواند بسیاری از وظایف را انجام دهد؛ اما هنوز به سطح AGI نرسیده‌ است.

استیون هاوکینگ، فیزیک‌دان نظری و کیهان‌شناس و نویسنده‌ی انگلیسی، در سال ۲۰۱۴ در مصاحبه‌ای هشدار داد: «توسعه‌ی هوش مصنوعی عمومی می‌تواند پایان نسل بشر باشد. این فناوری می‌تواند خود را با سرعت فزاینده‌ای بازطراحی کند. درنهایت، انسان‌هایی که به‌دلیل تکامل بیولوژیکی کُند محدود شده‌اند، نمی‌توانند با آن رقابت کنند و جایگزین خواهند شد.»

با‌این‌حال، هنوز توسعه‌ی این نوع هوش مصنوعی ادامه دارد و حتی ری کورزویل در سال ۲۰۱۷ پیش‌بینی کرد کامپیوترها تا سال ۲۰۲۹ به سطوح هوش انسانی دست خواهند یافت. درنهایت نیز، باید اشاره کنیم سیستم AGI باید توانایی‌های مختلفی داشته باشد که از آن‌ها می‌تواند به تفکر انتزاعی و دانش پس‌زمینه‌ای و توانایی درک علت‌و‌معلول اشاره کرد.

«ابر هوش مصنوعی» (Artificial super intelligence) که به‌اختصار ASI نامیده می‌شود، هدف نهایی هوش مصنوعی است. ASI نوید می‌دهد که می‌تواند از فناوری هوش مصنوعی فعلی استفاده کند و آن را بسیار فراتر ببرد.

هدف اصلی ابر هوش مصنوعی ساخت ماشینی است که بتواند مانند انسان فکر کند و از توانایی‌های شناختی ما فراتر رود. رسیدن به چنین فناوری به تصمیماتی منجر می‌شود که درمقایسه‌با تصمیمات انسانی بسیار دقیق‌تر و سریع‌تر است. ASI می‌تواند گزینه‌ای عالی برای تجزیه‌و‌تحلیل داده‌ها و پیش‌بینی بازار سهام یا حتی ربات‌های مستقل باشد.

ASI با هوش مصنوعی معمولی (AI) متفاوت است که شامل شبیه‌سازی نرم‌افزاری توانایی‌های فکری انسان می‌شود. همه‌ی سیستم‌های فعلی نمونه‌هایی از هوش مصنوعی محدود هستند که پیش‌تر درباره‌اش صحبت کردیم. این مسئله نشان می‌دهد که هنوز تا دستیابی به ابر هوش مصنوعی فاصله داریم.

دانشمندان فکر می‌کنند اولین قدم در توسعه‌ی ابر هوش مصنوعی، ایجاد AGI است. همان‌طور‌که در بخش پیشین گفتیم، هنوز به این فناوری نیز دست پیدا نکرده‌ایم. هدف پشت ابر هوش مصنوعی پیشی‌گرفتن از ظرفیت شناختی انسان است که با محدودیت‌های شیمیایی و بیولوژیکی مغز مهار می‌شود. ASI در بسیاری از زمینه‌ها از‌جمله علم، مالی، تجارت، مراقبت‌های بهداشتی، کشاورزی و سیاست کاربرد دارد؛ البته بعضی کارشناسان معتقدند این فناوری می‌تواند تهدیدی برای نسل بشر باشد.

برعکس هوش‌های مصنوعی پیشین، «هوش مصنوعی واکنشی» (Reactive Machine AI) ما را به اصول اولیه بازمی‌گرداند. این فناوری برای ذخیره یا انتقال اطلاعات به برنامه‌ریزی پیچیده‌ای نیاز ندارد؛ بلکه واقعیت فعلی را ارزیابی می‌کند و بر‌اساس آن واکنش نشان می‌دهد. این نوع هوش مصنوعی کاربردهای مختلف دارد که از آن‌ها می‌توان به ناوبری خودروهای خودران و دوربین‌های امنیتی اشاره کرد.

شاید ابتدایی‌تر‌بودن هوش مصنوعی ماشین واکنشی دربرابر دیگر انواع این فناوری، ترس بعضی‌ها از برتری هوش مصنوعی را کاهش دهد؛ زیرا این سیستم فقط با اطلاعات لحظه‌ای کار می‌کند و دانش قبلی ندارد.

در می ۱۹۹۷، ابرکامپیوتری توانست گری کاسپاروف را با نتیجه ۳٫۵ به ۲٫۵ در ۶ مسابقه شکست دهد و به اولین کامپیوتری تبدیل شود که موفق می‌شود قهرمان شطرنج جهان را شکست دهد. این ابرکامپیوتر ساخت شرکت آی‌بی‌ام (IBM) بود و دیپ بلو (Deep Blue) نام داشت. می‌توان آن را یکی از نمونه‌های بارز هوش مصنوعی واکنشی دانست.

هوش مصنوعی واکنشی به روشی عمل می‌کند که برنامه‌ریزی‌شده است و بر‌اساس ورودی دریافتی، خروجی پیش‌بینی‌شدنی دارد. در شرایط مشابه، این سیستم پاسخ یکسانی ارائه می‌دهد و هرگز در عمل آن تغییری دیده نخواهد شد. این نوع هوش مصنوعی نمی‌تواند چیزی را یاد بگیرد و تصوری از گذشته و آینده ندارد. از دیگر کاربردهای آن می‌توان به فیلتر‌ اسپم و موتور پیشنهاد فیلم نتفلیکس اشاره کرد.

بر‌اساس مطالعه‌ی محققان دانشگاه کالیفرنیا‌، «هوش مصنوعی با حافظه‌ی محدود» (Limited Memory AI) نوعی از هوش مصنوعی است که می‌تواند از تجربیات گذشته یاد بگیرد؛ اما توانایی آن در به‌خاطر‌سپردن اطلاعات محدود است. به‌عبارت‌دیگر، فناوری مذکور می‌تواند از گذشته یاد بگیرد؛ اما در مدت زمانی طولانی نمی‌تواند مقادیر زیادی داده ذخیره کند.

فرایند کار Limited Memory AI شامل استفاده از الگوریتم‌ها و شبکه‌های عصبی می‌شود. الگوریتم‌ها مجموعه‌ای از دستورالعمل‌ها هستند که به سیستم هوش مصنوعی می‌گویند برای رسیدن به نتیجه دلخواه چه کاری انجام دهد. درمقابل، شبکه‌های عصبی برنامه‌های کامپیوتری هستند که عملکرد مغز انسان را تقلید می‌کنند. سیستم هوش مصنوعی از این الگوریتم‌ها و شبکه‌های عصبی برای تجزیه‌و‌تحلیل داده‌ها و تصمیم‌گیری بر‌اساس اطلاعاتی دریافتی استفاده می‌کند.

استفاده از هوش مصنوعی با حافظه‌ی محدود مزایای متعددی دارد. یکی از مزیت‌های اصلی آن اتوماسیون فرایندهای تجاری است. با خودکار‌کردن کارهای تکراری، شرکت‌ها می‌توانند در زمان و هزینه صرفه‌جویی کنند. همچنین، این نوع هوش مصنوعی می‌تواند به کسب‌وکارها کمک کند تا رفتار و انتخاب‌های مشتری را بهتر درک و درنتیجه کمپین‌های بازاریابی هدفمندتری ایجاد کنند.

گذشته از یافتن الگو در داده‌ها، هوش مصنوعی حافظه‌ی محدود می‌تواند برای تشخیص کلاه‌برداری، وسایل نقلیه‌ی خودران، دستیارهای دیجیتال و هرآنچه به ردیابی اطلاعات و تصمیم‌گیری در لحظه نیاز دارد، نیز استفاده شود. اگرچه این فناوری مدتی است که وجود دارد، هنوز بخش‌های ناشناخته‌ای هستند که پس از کشفشان Limited Memory AI هیجان‌انگیزتر خواهد شد.

با از راه‌رسیدن «تئوری هوش مصنوعی ذهن» (Theory of Mind AI) درک ما از این فناوری عمیق‌تر شد. این نوع خاص از هوش مصنوعی به ما کمک می‌کند تا حالات ذهنی مختلف مانند باورها و خواسته‌ها را شناسایی و درک کنیم. درواقع، سیستم‌های مجهز به آن می‌توانند احساسات را درک کنند.

قبل از این فناوری، هوش مصنوعی بر‌اساس قوانین سفارشی‌ای نوشته شده بود که نحوه‌ی تعاملات را دیکته می‌کرد؛ اما به‌لطف تئوری هوش مصنوعی ذهن، می‌توانیم احساسات انسانی را در الگوریتم‌های یادگیری ماشینی وارد کنیم. حالا یک قدم به ایجاد هوش مصنوعی حساس نزدیک‌تر شده‌ایم.

از‌آن‌جاکه تئوری هوش مصنوعی ذهن هنوز در دست تحقیق‌و‌توسعه است، ویژگی‌های آن احتمالاً تکامل خواهد یافت. با‌این‌حال، می‌توان بعضی از آن‌ها را پیش‌بینی کرد. به‌عنوان مثال، کامپیوترهای مجهز به هوش مصنوعی نظریه‌ی ذهن، اهداف موجودات اطراف خود را از نشانه‌های مشاهده‌پذیر استنتاج می‌کنند. همچنین، آن‌ها می‌توانند پیامدهای کارهای خود را شبیه‌سازی کنند.

درنهایت، باید بگوییم رباتی که به این نوع از هوش مصنوعی مجهز می‌شود، با انسان ارتباط بیشتری برقرار خواهد کرد. برای مثال، آن‌‌ها می‌توانند اقدامات خود را توضیح دهند و همین مسئله این سیستم‌ها را با نسل فعلی هوش مصنوعی متفاوت می‌کند.

شاید جذاب‌ترین نوع این فناوری، «هوش مصنوعی خودآگاه» (Self-Aware AI) باشد. درواقع، می‌توان آن را نوع توسعه‌یافته‌ی «تئوری هوش مصنوعی ذهن» دانست.

کامپیوترهایی که به هوش مصنوعی خودآگاه مجهز می‌شوند، می‌توانند تشخیص دهند که چه کسی هستند و چه خصوصیاتی دارند و مسائل پیچیده‌ای مانند احساسات انسانی را درک کنند. از برخی جهات، این فناوری را می‌توان اوج علم کامپیوتر مدرن دانست و آن را به نمایشی واقعی از چیزی تبدیل کرد که زمانی فقط در فیلم‌های علمی‌تخیلی دیده می‌شد.

اگرچه هنوز پیچیدگی‌های خاصی برای به‌بلوغ‌رساندن این نوع خاص از هوش مصنوعی وجود دارد، اضافه‌شدن هوش مصنوعی خودآگاه به زندگی روزمره‌ی انسان‌ها دور از ذهن نیست؛ البته آینده با چنین فناوری بسیار متفاوت خواهد بود. ممکن است اتفاقات بسیار هیجان‌انگیز یا حتی وحشتناک در انتظارمان باشد.

با وجود مسائل بسیار، محققان سراسر جهان در حال کار روی این نوع هوش مصنوعی هستند؛ اما دادن آگاهی به دستگاه کار آسانی نیست. شاید بتوان کدی نوشت که بتواند تفکر انسان را تقلید کند؛ ولی آگاهی‌بخشیدن بحث دیگری است. در‌نهایت، باید اشاره کنیم تنها آینده مشخص می‌کند که هوش مصنوعی خودآگاه چه زمان و چگونه به زندگی بشر قدم خواهد گذاشت.

در این مقاله، ۷ نوع هوش مصنوعی مهم‌ و اصلی‌ را بررسی کردیم. همان‌طور‌که اشاره کردیم، در‌حال‌حاضر بعضی از آن‌ها فقط در حد نظریه و کانسپت هستند و برخی دیگر به مرحله‌ی اجرایی رسیده‌اند. شواهد نشان می‌دهد که انسان‌ها در چند سال اخیر در این حوزه پیشرفت چشمگیری کرده‌اند و آینده روشن است.

منبع: زومیت