یکی از پیچیدهترین مفاهیم کامپیوتری هوش مصنوعی است که راه درازی را تا به حال طی کرده و هنوز آیندهی آن نامعلوم است.
اگر روزی برسد که ماشینها فکر کنند، چه اتفاقی خواهد افتاد. با این حال بعید به نظر میرسد که حداقل شاهد انقلاب ماشینی از جنس ترمیناتور باشیم. با ما باشید تا 8 مورد از مهمترین سوالات را در اینباره مرور کنیم، با گجت نیوز همراه شوید.
هوش مصنوعی چگونه یاد میگیرد؟
به شکلهای مختلف میتوان یادگیری را بر هوش مصنوعی اعمال کرد. سادهترین روش، آزمون و خطاست. به عنوان مثال، در یک برنامه کامپیوتری برای بازی شطرنج، مهرههای مختلف بازی در حال گوناگون حرکت میکنند تا در نهایت پیروزی حاصل و رقیب کیش و مات میشود. وقتی رقیب مات شد، از برنامه هوش مصنوعی انتظار میرود الگوی این پیروزی را ذخیره کند تا در آینده، اگر دوباره دقیقا در چنین موقعیتی قرار گرفت، به سرعت راه کار لازم را فرا بخواند. این روش یادگیری را، یادگیری ار روی عادت تکراری «Rote Learning» مینامند. پیادهسازی فرآیندها و موقعیتها در کامپیوتر با استفاده از این روش، کار نسبتا آسانی است. در مبحث یادگیری، چالشبرانگیزترین مساله، پیادهسازی با روش عمومیتدهی است. در عمومیتدهی، تلاش میشود تا تجربیات پیشین برای مسائل مشابه، و نه دقیقا همان مسائل، به کار گرفته شوند. در روش قبلی، سیستم وقتی راهکاری را فراخوانی میکرد که شرایط مساله با حالت پیشبینیشده دقیقا یکسان باشد، اما در روش عمومی دهی، باید به دنبال یک الگو بود و پیدا کردن یک الگو، کار پیچیدهتری است.
هوش مصنوعی چگونه کار میکند؟
روان شناسان عموما هوش انسان را به صورت یک خصیصه تعریف نمیکنند. از دید آنها، تعریف هوش شامل قابلیتهای گوناگونی است و تلاش کردهاند تا روی اصلیترین مولفههایی که به عنوان هوش انسان از آن یاد میکنیم و در عین حال قابلیت پیادهسازی در ماشین را دارند، تمرکز کنند. در هوش مصنوعی، یک پایگاه دانش و یک سری قوانین ایجاد میشود. تفاوت تقویت پایگاه دانش و پایگاه دادهی کامپیوتری این جاست که در پایگاه دانش، سعی میشود تا با استفاده از قوانین، بصیرتی مصنوعی برای ماشین به وجود آید و عملکرد ماشین از صرف جستوجو مثل پایگاه داده، به تشخیص و ردیاب ارتقا یابد. پایگاه دانش در سیستمهای خبره، به گونهای ساختارمند ذخیره میشود و سپس با بهرهگیری از روشهایی خاص، اطلاعات مورد نیاز را در اختیار انسان قرار میدهد.