برای مثال با استفاده از مدلی جدید بر اساس مجله خبری اینتل مگ، مهندسان دانشگاه MIT موفق شدهاند تا رباتها را برای حمل و نگه داشتن هزاران شی مختلف با استفاده از بازوهای مکانیکی خود آموزش دهند. این کار با استفاده از یادگیری تقویتی و بدون شبیهسازی انجام شده و نتیجه کار ساخت شبیهسازی دست انسان گونه است که میتواند بیش از ۲ هزار شی مختلف را بردارد و آنها را با استفاده از بازوهای مکانیکی خود لمس کند و حرکت دهد. یادگیری ماشین در واقع بخشی از هوش مصنوعی به حساب میآید و کاربردی از AI است. فرایند استفاده از مدلهای ریاضی ساخته شده براساس دادهها توسط ماشینهای کامپیوتری را یادگیری ماشین مینامند. هدف ماشین لرنینگ توسعه و ساخت سیستمی است که بتواند بدون دریافت دستورالعملهای دقیق و خط به خط، خودش یاد بگیرد و بیاموزد. در یادگیری ماشین سیستمی طراحی و ساخته میشود که به یادگیری ادامه میدهد و رفته رفته خودش را بر اساس تجربه بدست آمده بهبود میدهد.
- اما سادهترین تعریفی که میتوان از هوش مصنوعی داشت این است که به ماشین یا سیستمی که در شرایط مختلف هوشی مانند انسان از خود نشان میدهد، گفته میشود.
- برنامههای مسیریابی، تشخیص چهره و ویراستاری یا تصحیح خودکار متن، از جمله کاربردهای دیگر هوش مصنوعی هستند.
- یکی از اولین نمونه های AI، کامپیوتری کردن بازی Nim در سال ۱۹۴۱ و انتشار آن در ۱۹۴۲ بود.
- یادگیری ماشین کاربردی از هوش مصنوعی به حساب میآید که امکان یادگیری خودکار و بهبود تجربه یادگیری را بدون برنامهریزی دقیق در ماشین (کامپیوتر) فراهم میسازد.
- البته که ساخت چنین موجودی به همین سادگیها نیست و هنوز که هنوز است بشر موفق به ساخت آن نشده و فعلاً در حد همان خیالپردازیهای فیلمهای علمی – تخیلی مانده است.
متخصصان ما آماده مشاوره در زمینه انتخاب دوربین های صنعتی مناسب برای نیاز شما خواهند بود. چندی پیش خبر رسید که مایکروسافت در شرکت هوش مصنوعی خالق ChatGPT یعنی OpenAI سرمایهگذاری مجدد به مبلغ ۱۰ میلیارد دلار داشته است. اخیرا اعلام شد شرکت رقیب مایکروسافت و مالک گوگل، آلفابت، در شرکت رقیب OpenAI در حوزه هوش مصنوعی، یعنی شرکت آنتروپیک ، حدود ۴۰۰ میلیون دلار سرمایهگذاری کرده است. همانطور که قبلتر به آن اشاره شد استفاده از هوش مصنوعی نگرانیهای بسیاری برای افراد به همراه دارد.
Google Display Network (GDN) چیست و چه کاربردی در تبلیغات گوگل دارد
از نظر تورینگ هر ماشینی که بتواند از پس این آزمون بربیاید هوشمند است. ایدهی خلق موجودات هوشمندی که بتوانند کارهای انسان را انجام دهند، به اسطورهها برمیگردد. انسان از وقتی که میتوانسته خیالپردازی کند، همیشه بهدنبال خلق کردن موجوداتی بوده که تحت فرمان او باشند و دستوراتش را اجرا کنند. البته که ساخت چنین موجودی به همین سادگیها نیست و هنوز که هنوز است بشر موفق به ساخت آن نشده و فعلاً در حد همان خیالپردازیهای فیلمهای علمی – تخیلی مانده است. شبکهی Deep Q گوگل یکی از مثالهای معروف در یادگیری تقویتشده محسوب میشود.
رشته هوش مصنوعی چیست؟
تفسیر دادههای تصویری یکی از کاربردهای مهم این نوع از هوش مصنوعی است که خصوصا در پهپادهای صنعتی با وظیفهی بررسی خطوط لولهی نفت دیده میشود. هوش مصنوعی محدود امروز میتواند تقویمهای شخصی و کاری افراد را منظم و برنامهریزی کرده و حتی با هوشهای دیگر همکاری کند؛ همکاری که در کاربردهای روزمرهای همچون رزرو هتل یا درخواست خودرو و موارد دیگر، مشاهده کردهایم. از جمله مثالی که میتوان از کاربرد هوش مصنوعی در سلامت به آن اشاره کرد، موضوع کنترل شیوع بیماری ویروس کرونا (COVID-19) است، هوش مصنوعی با توجه به شیوع بیماری کرونا نسبت به حوزههای دیگر پیشرو بوده است. مهمترین نکته در این حوزه بهبود آمار سلامت بیماران و در عین حال کم کردن هزینه هاست که هوش مصنوعی این دو را به بهترین شکل ممکن پیاده کرده است. هوش مصنوعی در حوزه سلامت با استفاده از یادگیری ماشین، روند شناخت بیماری و درمان را تسریع میکند. وجود هوش مصنوعی در دنیای امروزی به یک مسئله ضروری و حیاتی تبدیل شده است چون که با حضورش بسیاری از مسائل پیچیده انسان را بهترین و سریعترین روشها حل میکند.
شبکه عصبی (neural network)
رشته هوش مصنوعی شامل درسهای نظری، عملی و تحقیقاتی در حوزه هوشمندسازی کامپیوترها و سیستمهای مبتنی بر کامپیوتر است. تحقق اهداف هوش مصنوعی با الهامگیری و شبیهسازی ویژگیهای موجودات زنده و به خصوص انسانها انجام میشود. استفاده از رابطهای برنامهنویسی یا همان API میتواند استفاده از هوش مصنوعی در پروژههای برنامهنویسی را بسیار سادهتر سازد. برای معرفی برخی از این APIهای هوش مصنوعی میتوان از Wit.ai, Api.ai و ملیسا نام برد.