درس ۹ از ۶۴، هوش مصنوعی، حدود ۱۰ دقیقه خواندن

شاخه‌های هوش مصنوعی

جواب کوتاه

پژوهشگران ساختن هوش را به چند زیرمسئله شکسته‌اند؛ هر کدام یک شاخه‌ی هوش مصنوعی است و یک توانایی آدم را تقلید می‌کند. یادگیری ماشین برنامه‌هایی می‌سازد که خودکار در کاری بهتر می‌شوند و به همه‌ی شاخه‌ها می‌رسد. پردازش زبان طبیعی خواندن، نوشتن و گفتگو به زبان آدم است. بینایی ماشین تصویر را تحلیل می‌کند، مثل شناختن چهره. گفتار، صدا را به متن و متن را به صدا تبدیل می‌کند. رباتیک ربات می‌سازد و هوش مصنوعی می‌تواند نرم‌افزارش را اداره کند. شاخه‌های دیگر: استدلال و حل مسئله، دانش و سیستم‌های خبره، برنامه‌ریزی و تصمیم، و هوش اجتماعی که احساس را می‌شناسد.

یک درخت، چند شاخه

«هوش مصنوعی» یک چیز نیست. پژوهشگران ساختن هوش را به چند زیرمسئله شکسته‌اند: توانایی‌هایی که از یک سامانه‌ی هوشمند انتظار دارند. چنار کهن وسط میدان ده را در نظر بگیرید:

تنه همان هوش مصنوعی است و هر شاخه یک رشته. شاخه‌ی وسط، بلندتر از همه، یادگیری ماشین است؛ امروز به بیشتر شاخه‌های دیگر هم می‌رسد. و ریشه داده است، که در درس داده دیدید.

هر شاخه، یک توانایی آدم

ساده‌ترین راه به خاطر سپردن شاخه‌ها این است: هر کدام یک توانایی آدم را تقلید می‌کند.

چشم برای دیدن، گوش برای شنیدن، زبان برای حرف زدن، سر برای فکر کردن و دست برای کار کردن. حالا شاخه به شاخه جلو می‌رویم.

یادگیری ماشین

یادگیری ماشین یعنی برنامه‌هایی که خودکار در یک کار بهتر می‌شوند؛ از همان آغاز بخشی از هوش مصنوعی بوده. سه راه اصلی یاد گرفتن:

با برچسبنمونه‌ها جوابشان کنارشان است و مدل یاد می‌گیرد جواب نمونه‌ی تازه را حدس بزند.
بی برچسبنمونه‌ها جواب ندارند و مدل خودش الگو و گروه پیدا می‌کند.
با پاداشبرای کار خوب پاداش و برای کار بد تنبیه می‌گیرد و یاد می‌گیرد کار خوب را انتخاب کند.

یادگیری عمیق، که در همه‌ی این سه راه به کار می‌رود، یادگیری با شبکه‌های عصبی است. فرقشان را در درس هوش مصنوعی، یادگیری ماشین و یادگیری عمیق و همه‌ی این شاخه را در مسیر یادگیری ماشین می‌بینید.

پردازش زبان طبیعی

پردازش زبان طبیعی یعنی برنامه بتواند به زبان آدم بخواند، بنویسد و گفتگو کند. «زبان طبیعی» همان فارسی و انگلیسی و زبان‌هایی است که آدم‌ها با آن حرف می‌زنند، در برابر زبان‌های برنامه‌نویسی. چند کارش:

ترجمهبرگرداندن متن از یک زبان به زبان دیگر.
جواب دادن به پرسشپرسش را می‌خواند و جوابش را می‌نویسد.
پیدا کردن اطلاعاتاز میان متن‌های بسیار، آن را که لازم است پیدا می‌کند.

چت‌بات‌های امروز از همین شاخه‌اند و با یادگیری عمیق و معماری ترنسفورمر ساخته می‌شوند؛ همه‌ی آن در مسیر مدل‌های زبانی بزرگ می‌آید.

بینایی ماشین

بینایی ماشین یعنی برنامه تصویر را بگیرد، تحلیل کند و بفهمد؛ یعنی تصویر را به توصیفی از دنیا برگرداند. چند کارش:

دسته‌بندی تصویرمی‌گوید در عکس چه هست: گربه، ماشین، درخت.
شناختن چهرهچهره را در عکس پیدا می‌کند و می‌شناسد.
شناختن و دنبال کردن اشیاچیزها را در تصویر پیدا می‌کند و در ویدیو دنبالشان می‌کند.

این شاخه بخشی از «ادراک» است: به کار بردن ورودی حسگرها، مثل دوربین و میکروفون. همه‌اش در مسیر بینایی ماشین.

گفتار

گفتار دو طرف دارد:

شناختن گفتارگفتار را به متن تبدیل می‌کند: فرمان صوتی، نوشتن متن جلسه، دیکته.
ساختن گفتارمتن را با صدا می‌خواند.

شناختن گفتار هم کار زبان است و هم کار ادراک؛ برای همین در هر دو شاخه می‌آید. ابزارهایش را در درس هوش مصنوعی صوتی می‌بینید.

رباتیک

رباتیک یعنی طراحی، ساختن و به کار بردن ربات. یک ربات معمولا چهار بخش دارد:

منبع نیرو، مثل باتری
ساختار مکانیکی: بدنه، مفصل‌ها و چنگک
سامانه‌ی کنترل: مدارهای برقی
نرم‌افزار: با کنترل از راه دور، یا با هوش مصنوعی

هدف بیشتر ربات‌ها کمک به آدم است: در کشاورزی، ساختمان‌سازی، کار خانه، پزشکی و حمل‌ونقل. هوش مصنوعی فقط در بخش چهارم می‌نشیند: وقتی ربات به‌جای فرمان از راه دور، خودش تصمیم می‌گیرد.

استدلال، دانش و برنامه‌ریزی

سه شاخه‌ی «سر» درخت، همان فکر کردن:

استدلال و حل مسئلهقدم‌به‌قدم، مثل حل کردن معما، به نتیجه می‌رسد. مدل‌های استدلالی، از ۲۰۲۴، در ریاضی و برنامه‌نویسی بهتر شدند، ولی هنوز ممکن است جواب نادرست بسازند.
دانش و سیستم‌های خبرهدانش را طوری نگه می‌دارد که برنامه بتواند با آن جواب بدهد و نتیجه بگیرد؛ مثل سیستم‌های خبره‌ی دهه‌ی ۱۹۸۰. مدل‌های زبانی بزرگ دانششان را از آموزش روی متن میلیون‌ها کتاب و میلیاردها وب‌سایت می‌گیرند.
برنامه‌ریزی و تصمیمیک هدف دارد و کارهایی را می‌چیند که به آن برسد؛ چون از نتیجه‌ی هر کار مطمئن نیست، حدس می‌زند، کاری می‌کند و دوباره وضع را می‌سنجد.

سه اشتباه

«شاخه‌ها از هم جدا و بی‌ربط‌اند.»شاخه‌ها در هم رفته‌اند؛ شناختن گفتار هم کار زبان است و هم کار ادراک، و یادگیری ماشین به همه‌ی شاخه‌ها می‌رسد.
«رباتیک همان هوش مصنوعی است.»ربات نیرو، بدنه، مدار و نرم‌افزار دارد؛ هوش مصنوعی فقط یکی از راه‌های اداره‌ی نرم‌افزار آن است.
«دستیاری که شوخی می‌کند، احساس دارد.»بعضی دستیارها برای گفتگوی گرم و شوخ برنامه‌ریزی شده‌اند؛ همین به کاربر ناآشنا تصوری غیرواقعی از هوششان می‌دهد.

جمع‌بندی. آنچه از این درس با خودتان می‌برید.

هر شاخه یک زیرمسئله‌ی هوش و یک توانایی آدم است.
یادگیری ماشین: برنامه‌ای که خودکار بهتر می‌شود؛ به همه‌ی شاخه‌ها می‌رسد.
زبان: خواندن، نوشتن، گفتگو، ترجمه.
بینایی: تحلیل تصویر، شناختن چهره و اشیا.
گفتار: صدا به متن و متن به صدا.
رباتیک: نیرو، بدنه، مدار، نرم‌افزار.
و استدلال، دانش، برنامه‌ریزی، هوش اجتماعی.

خودتان را بسنجید

۱۵ پرسش، هر بار تازه از میان ۳۰ پرسش این درس. آخر آزمون فقط کارنامه را می‌بینید: چند درست، چند نادرست.