مفاهیم پایه انقلاب صنعتی چهارم؛ هوش مصنوعی چیست؟
خشایار خدائی
هوش مصنوعی دانشی است که امروز بسیار گسترده شد و کاربرد بسیار زیادی دارد و در هر بخشی از مالی، اداری، حملونقل تا سیستمهای اتوماسیون صنعتی کاربرد دارد. در صنعت امروز هوش مصنوعی جز لاینفک از صنایع و تجهیزات است. در ادامه معرفی مختصری از هوش مصنوعی داریم.
هوش مصنوعی چیست؟
هوش مصنوعی به سیستمهایی گفته میشود که میتوانند واکنشهایی مشابه رفتارهای هوشمند انسانی از جمله درک شرایط پیچیده، شبیهسازی فرآیندهای تفکری و شیوههای استدلالی انسانی و پاسخ موفق به آنها، یادگیری و توانایی کسب دانش و استدلال برای حل مسایل را داشته باشند.
هوش مصنوعی (Artificial Intelligence) یا AI فناوری و شاخهای در علوم کامپیوتر است که به مطالعه و توسعه نرمافزار و دستگاههای هوشمند میپردازد. کتب و محققان برجسته هوش مصنوعی، این رشته را با عبارت «مطالعه و طراحی عناصر هوشمند» توصیف میکنند که در آن یک عنصر یا عامل هوشمند سیستمی است که محیط را درک کرده و اقداماتی را برای حداکثر کردن احتمال موفقیت خود انجام میدهد.
تحقیقات هوش مصنوعی همچنین برحسب برخی مسایل فنی نیز تقسیمبندی میشود. این زیرمجموعه بر حل مسایل خاص، بر یکی از چند روش ممکن، بر استفاده از ابزارهای کاملا متفاوت، یا بر رسیدن به کاربردهای خاص متمرکز بودهاند.
” اقتصادالکترونیکی“ آخرین و به روزترین محتوی در اقتصاددیجیتال
مسایل (یا اهداف) اصلی در تحقیقات هوش مصنوعی به منطق، دانش، طراحی، یادگیری، ارتباطات، درک و توانایی حرکت دادن یا استفاده از اشیا مربوط میشود. هوش عمومی (یا هوش مصنوعی قوی) هنوز یکی از اهداف بلندمدت است. روشهایی که در حال حاضر محبوبیت دارند، عبارتند از روشهای آماری، هوش محاسباتی و هوش مصنوعی سمبولیک سنتی. در هوش مصنوعی از ابزارهای متنوعی استفاده شده که شامل نسخههایی از بهینهسازی تحقیق و ریاضیات، منطق، روشهای مبتنی بر احتمالات و اقتصاد و بسیاری موارد دیگر میشود. این رشته مبتنی بر این ادعاست که توانایی اصلی انسان، هوش، را میتوان به گونهای دقیق توصیف کرد که دستگاهها هم قادر به شبیهسازی آن باشند. این ادعا مسایل فلسفی را درباره ماهیت ذهن و مشکل اخلاقی خلق موجودات مصنوعی دوباره زنده میکند که از دیرباز در اسطورهها، افسانهها و فلسفه به آنها پرداخته شده است. هوش مصنوعی همواره با خوشبینی همراه بوده اما شکستهایی را نیز تجربه کرده است. امروزه هوش مصنوعی به بخشی ضروری از صنعت فناوری و بسیاری از دشوارترین مسایل علوم کامپیوتر تبدیل شده است.
کاربردهای هوش مصنوعی چنان گسترده و فراگیر شده است که بسیاری از این کاربردها دیگر با نام هوش مصنوعی شناخته نمیشوند و نام تخصصی خود را دارند. تاثیر هوش مصنوعی را اکنون میتوان در همه جهات و نقاط زندگی مردم مشاهده کرد. آیفونی که قادر به تشخیص اعضای خانه است یا تلویزیونی که نور صفحه نمایش دلخواه را با تعداد افراد تنظیم میکند، همه اینها کاربردهای هوش مصنوعی هستند.
کاربردهای عملی آن دسته از کاربردهای هوش مصنوعی هستند که عملیات خاصی را انجام داده و عمل یا تاثیر آن به وضوح توسط کاربر احساس خواهد شد. برای مثال جستوجوی خودکار گوگل که از الگوریتمها وروشهای پیچیده هوش مصنوعی استفاده میکند، پس از انجام یک عملیات پرهزینه و البته سریع نتایج مرتبط را به شما نشان خواهد داد. ماشینهایی که قادر هستند خودشان را کنترل کنند. رباتهای پرنده یا قایقهای هوشمند نمونهای بارز و موفق از این نوع کاربردها هستند.
نیاز به تحلیل و استخراج الگو از دادههای ترافیک شهری، دریافتی کارکنان و جابهجایی پول در یک بانک برای جلوگیری از اختلاس یک عملیات نیست و تاثیر یا خود عمل به وضوح توسط کاربر لمس نخواهد شد؛ اما در مقابل یک تحلیل هوشمند و خودکار است که کاربرد تحلیلی هوش مصنوعی به حساب میآید.
جهت مشاهده ودانلود فایل pdf ماهنامه ” اقتصاد دیجیتال” اینجا کلیک نمایید.
کاربردهای اصلی هوش مصنوعی برای حل مشکلات و چالشهای دنیای فناوری
۱- هوش مصنوعی در امنیت دادهها:
الگوریتمهای یادگیری ماشین میتوانند الگویهای مربوط به رد و بدل شدن اطلاعات در سرورهای ابری را تحت نظر گرفته و موارد مشکوک را که احتمالا منجر به سوءاستفادههای امنیتی خواهند شد، شناسایی کنند.
بدافزارها یکی از مشکلات کاربران و کمپانیها در فضای آنلاین است که قدمت آن به روزهای ابتدایی شکلگیری اینترنت بازمیگردد. در سال ۲۰۱۴، موسسهی کسپراسکی اعلام کرد که روزانه بیش از ۳۲۵٫۰۰۰ بدافزار کشف میکند. تحقیقات انجام شده نشان از این دارد که مدل یادگیری مورد استفاده در هوش مصنوعی قادر است تغییرات ۲ تا ۱۰ درصدی در کد پیادهسازی شده را شناسایی کرده و تشخیص دهد که کدام فایلها بدافزار هستند.
۲-هوش مصنوعی در امنیت در دنیای واقعی
این روزها گیتهای امنیتی در تمام مکانها نظیر فرودگاهها یا شماری از گردهماییها که حساسیت امنیتی وجود دارد، دیده میشوند. یادگیری ماشین نشان داده که قادر است روند کنترل امنیتی را تسریع کرده و دقت این فرآیند را افزایش دهد. با استفاده از یادگیری ماشین میتوان از ایجاد هشدارهای اشتباه پیشگیری کرده و مواردی را تشخیص داد که اسکنرهای معمولی قادر به شناسایی آنها نیستند. از این سیستم میتوان در فرودگاهها، کنسرتها، استادیومها و سایر مواردی که تعداد زیادی از افراد در آن حضور دارند، استفاده کرد.
۳- هوش مصنوعی در مبادلات مالی
بسیاری از افراد تمایل دارند تا قیمت سهام کمپانیها در روزهای آینده را در صورت حاکم شدن شرایط مشخص، پیشبینی کنند. استفاده از یادگیری ماشین در کنار کلان داده درصدد تحقق این امر است. بسیاری از کمپانیهای خرید و فروش کنندهی سهام از سیستمهای اختصاصی توسعه یافته برای پیشبینی قیمت و انجام خرید و فروش براساس نتایج به دست آمده استفاده میکنند. بسیاری از سیستمهای توسعه یافته مبتنی بر علم احتمالات است، اما یک معامله که شاید احتمال کمی برای سوددهی داشته باشد، درصورتیکه حجم بالایی داشته و با وجود احتمال پایین یک معاملهی موفق باشد، میتواند سود سرشاری را به همراه بیاورد. به قطع یقین زمانی که حجم دادههایی که باید پردازش شوند، افزایش یافت، انسانها نمیتوانند در برابر قدرت پردازشی رایانهها حرفی برای گفتن داشته باشند، از اینرو تجهیز سیستمها به قدرت محاسباتی هوش مصنوعی و یادگیری ماشین میتواند در این خصوص بسیار راهگشا باشد.
۴- سرویسهای سلامتی و مراقبتهای بهداشتی
الگوریتمهای مبتنی بر یادگیری ماشین میتوانند اطلاعات بسیار زیادی را پردازش کرده و الگوهای بسیاری را در مقایسه با انسانها از میان دادههای بسیار استخراج کنند. در یک مطالعه، محققان از یک سیستم تشخیص رایانهای برای بازبینی نتایج ماموگرافی زنانی استفاده کردهاند که بعدها به بیماری سرطان سینه مبتلا شدهاند. براساس اطلاعات ارایه شده این سیستم رایانهای موفق شده تا با بررسی نتایج ماموگرافیهای یک سال پیش در ۵۲ درصد موارد، سرطان سینه را در بیماران پیش از تشخیص پزشکان، پیشبینی کند. علاوه بر تشخیص بیماری به صورت موردی برای هر فرد براساس نتایج آزمایش، یادگیری ماشین میتواند با بررسی عوامل خطرناک برای بیماری جمعی، آن را پیش از همهگیر شدن شناسایی کند
۵- هوش مصنوعی در بازاریابی
هر اندازه که درک و شناخت شما از کاربرانتان بیشتر باشد، بهتر میتوانید به آنها سرویس بدهید و در نتیجه فروش بهتری را نیز تجربه خواهید کرد. این نگرش را باید بنیان استفاده از یادگیری ماشین و هوش مصنوعی در بازاریابی خواند. شاید شما این تجربه را دارید که پس از جستوجو برای یک محصول و یافتن آن، از خرید پشیمان شده یا به هر دلیلی کالای مورد نظر را خریداری نکردهاید، اما در روزهای بعد در اغلب صفحات وب با آگهیهایی روبهرو شدهاید که کالای جستوجو شده توسط شما را نمایش میدهند. این نوع بازاریابی را باید تنها بخش کوچکی از قابلیتهایی بدانیم که با استفاده از یادگیری ماشین میتوان انجام داد. ایمیلهای شخصیسازی شده ارسالی برای کاربران از جملهی دیگر کاربردهای یادگیری ماشین در بازاریابی است.
۶- جلوگیری از تقلب
توانایی یادگیری ماشین در زمینهی شناسایی و جلوگیری از تقلب در سرویسهای مختلف روز به روز افزایش پیدا میکند که این توانایی در حوزههای مختلف قابل استفاده است. برای مثال میتوان به سیستم پیپال اشاره کرد که از یادگیری ماشین برای مبارزه با پولشویی از طریق پیپال استفاده میکند. این کمپانی قادر است با بهرهگیری از یادگیری ماشین، میلیونها تراکنش انجام شده را تحلیل کرده و موارد مشکوک به پولشویی را که بین خریداران و فروشندگان اتفاق میافتد، پیشبینی کند.
۷- سیستم ارایهی پیشنهاد
سرویسهایی نظیر آمازون و نتفلیکس با استفاده از فعالیتهای کاربران در سرویسهایشان، پیشنهاداتی را در اختیار افراد قرار میدهند. الگوریتمهای مبتنی بر یادگیری ماشین با تحلیل و بررسی فعالیت یک کاربر مشخص و مقایسهی آن با میلیونها کاربر دیگر، لیستی از پیشنهادات را تهیه میکنند که احتمالا کاربر در نوبت بعدی به خرید کالا یا برنامهی پیشنهادی علاقه نشان دهد. این پیشنهادات که برگرفته از سیستمهای هوشمند هستند، رفتهرفته باهوشتر شده و میتوانند درک کنند که شما چه کالاهایی را برای هدیه دادن و چه کالاهایی را برای استفادهی شخصی خریداری میکنید. در مورد سرویسهایی نظیر نتفلیکس، این سیستمها با افزایش هوش میتوانند تمایلات اعضای مختلف یک خانواده را از هم تفکیک کنند.
۸- جستوجوی آنلاین
به جرات میتوان جستوجوی اینترنتی را شناخته شدهترین نمونه از کاربرد یادگیری ماشین خواند. گوگل و رقبای این کمپانی همواره در حال بهبود نتایج جستوجو هستند. هر زمانی که کاربر جستوجویی را در گوگل انجام میدهد، الگوریتم گوگل نحوهی واکنش شما با نتایج نمایش داده شده را تحت نظر میگیرد. درصورتیکه کاربر روی نتایج اولیهی جستوجو کلیک کند و به صفحهی وب مورد نظر مراجعه کند، الگوریتم گوگل به این نتیجه میرسد که کاربر نتیجهی مدنظر خود را یافته است. درصورتیکه کاربر بدون کلیک روی هیچ یک از نتایج به صفحهی دوم مراجعه کند یا عبارت دیگری را برای جستوجو وارد کند، گوگل به این نتیجه میرسد که کاربر به مواردی که در نظر داشته، دست نیافته است. الگوریتم هوشمند مبتنی بر یادگیری ماشین قادر است با دریافت اطلاعات این چنینی، نتایج جستوجو را در مقایسه با گذشته بهبود دهد.
۹- تشخیص گفتار
تشخیص گفتار طبیعی یا Natural language Processing که به اختصار NLP خوانده میشود، قابلیت استفاده در کاربردهای مختلفی را دارد. با استفاده یادگیری ماشین و تشخیص گفتار طبیعی میتوان کاربران یا مشتریان را با سرعت بیشتری به سمت اطلاعاتی که مدنظر وی است، هدایت کرد. از جملهی کاربردهای دیگر این سیستم میتوان به سادهسازی مفاد یک قرارداد که اصطلاحات پیچیدهی حقوقی دارد و همچنین خلاصه کردن تمام اطلاعاتی که یک وکیل مدافع باید آنها را مطالعه کند، اشاره کرد.
۱۰- خودروهای هوشمند
IBM اخیرا تحقیقی انجام داده که براساس آن بیش از ۷۴ درصد متخصصان در حوزهی خودرو از پیشبینی خود برای عرضهی تجاری خودروهای هوشمند تا سال ۲۰۲۵ سخن گفتهاند. یک خودروی هوشمند نه تنها با استفاده از مفهوم اینترنت اشیا قادر است با خودروهای دیگر و تابلوهای کنار جاده ارتباط برقرار کند، بلکه قادر است تا با یادگیری ماشین، عادتهای کاربر یا به بیان راننده را نیز بشناسد. این عادات شامل دمای داخلی خودرو، تنظیمات سیستم صوتی و وضعیت صندلی است. خودرو قادر است با تکیه بر قابلیتهای هوشمند تنظیمات را تغییر داده و در صورت بروز مشکل، خود مساله را حل کند. همچنین باید به ارایهی پیشنهاد در مورد مسیر رسیدن به مقصد براساس دادههای ترافیکی و وضعیت جاده نیز اشاره کرد.
منابع:
۱.www.chetor.com
۲.www.peivast.com
۳.www.wikipedia.org
۴.https://cctvonline.ir
۵.https://way2pay.ir
۶.https://alpariforex.org/
۷.http://asrebank.ir/news/
پایگاه خبری فناوری هوشمند رسانه تخصصی فناورهای نوین و انقلاب صنعتی چهارم Industry 4.0