هوش مصنوعی چیست؟ تعریف ساده، انواع و کاربردهای روزمره

هوش مصنوعی چیست؟ تعریف ساده، انواع و کاربردهای روزمره

انتشار:آخرین به‌روزرسانی:۶ دقیقه مطالعه

پاسخ سریع: هوش مصنوعی نرم‌افزاری است که به‌جای اجرای دستورهای ازپیش‌نوشته، از نمونه‌های فراوان یاد می‌گیرد. بعد کاری را انجام می‌دهد که پیش‌تر فقط از ذهن انسان برمی‌آمد؛ مثل فهمیدن متن، دیدن تصویر یا ساختن محتوای تازه.

تا همین چند سال پیش، این فناوری برای بیشتر ما واژه‌ای از فیلم‌های علمی‌تخیلی بود. حالا در گوشی شماست، ایمیل‌های مزاحم را کنار می‌گذارد و با یک جمله تصویر می‌سازد. اگر برایتان سؤال است که هوش مصنوعی چیست، پشت این ابزارها چه می‌گذرد، چه انواعی دارد و از کجا باید شروع کرد، این راهنما را تا آخر بخوانید. ما در محتوا۲۴ هر روز با همین فناوری برای کاربران فارسی‌زبان ابزار می‌سازیم و سعی کرده‌ایم مفهوم را بی‌اصطلاح اضافه توضیح بدهیم.

هوش مصنوعی به زبان ساده

هر برنامه‌ی معمولی یک دستورالعمل دقیق دارد: اگر این شد، آن کار را بکن. ماشین‌حساب دقیقا همین‌طور کار می‌کند و هرگز چیز تازه‌ای یاد نمی‌گیرد. در مقابل، سامانه‌های هوشمند مسیر دیگری می‌روند. به‌جای اینکه همه‌ی قانون‌ها را برایشان بنویسیم، انبوهی نمونه نشانشان می‌دهیم تا خودشان الگوها را پیدا کنند.

مثال آشنایش تشخیص گربه در عکس است. هیچ برنامه‌نویسی نمی‌تواند همه‌ی حالت‌های گوش، رنگ، نور و زاویه‌ی گربه را در قانون بنویسد. اما اگر هزاران عکس گربه و غیرگربه به مدل بدهید، کم‌کم می‌فهمد چه نشانه‌هایی گربه را گربه می‌کند و در عکس تازه هم آن را می‌شناسد.

همین منطق پشت هوش مصنوعی فارسی هم هست که پیام شما را می‌فهمد و به زبان خودتان جواب می‌دهد؛ فقط به‌جای عکس، حجم بسیار زیادی متن دیده است. پس اگر بخواهیم خلاصه کنیم، این فناوری توان یادگرفتن از داده و تصمیم‌گرفتن بر پایه‌ی آن است. فکرکردن و فهمیدن به معنای انسانی هنوز چیز دیگری است و این تفاوت را بعدتر در بخش محدودیت‌ها می‌بینیم.

یادگیری در هوش مصنوعی چطور انجام می‌شود؟

یادگرفتن یک مدل شبیه تمرین‌کردن دانش‌آموزی است که هر روز صدها تمرین حل می‌کند، فقط با سرعتی که از هیچ انسانی برنمی‌آید. این فرایند سه مرحله‌ی اصلی دارد:

  1. داده: مدل اول با حجم بزرگی از نمونه‌ها روبه‌رو می‌شود؛ متن، تصویر، صدا یا ترکیبی از آن‌ها. کیفیت و تنوع این داده سقف کیفیت مدل را تعیین می‌کند.
  2. آموزش: مدل حدس می‌زند، اشتباهش سنجیده می‌شود و تنظیم‌های درونی‌اش کمی تغییر می‌کند. این چرخه بارها و بارها تکرار می‌شود تا خطا کم و کمتر شود.
  3. در مرحله‌ی سوم، مدل آموزش‌دیده با ورودی تازه‌ای کار می‌کند که هرگز ندیده و پاسخی بر پایه‌ی الگوهایی که یاد گرفته می‌سازد.

به این روش «یادگیری ماشین» می‌گویند. شاخه‌ی پیشرفته‌ترش، یعنی یادگیری عمیق، از شبکه‌های عصبی با لایه‌های فراوان استفاده می‌کند؛ ساختاری که الهامش را از شبکه‌ی سلول‌های مغز گرفته است.

مدل‌های زبانی امروز، همان‌هایی که در گفتگو با چت‌بات‌ها می‌بینید، محصول یادگیری عمیق روی متن‌اند. آن‌ها یاد گرفته‌اند در هر جمله، واژه‌ی بعدی به احتمال زیاد چیست و از کنار هم گذاشتن همین پیش‌بینی‌ها پاسخ روان می‌سازند. برای همین است که گاهی جمله‌ای کاملا طبیعی ولی نادرست تحویل می‌دهند.

از نظر گستره‌ی توانایی

بر اساس گستره‌ی توانایی، دو دسته داریم. دسته‌ی اول هوش مصنوعی محدود است که برای یک کار مشخص ساخته شده؛ مثل تشخیص چهره، پیشنهاد فیلم یا ترجمه. همه‌ی ابزارهایی که امروز می‌شناسیم، حتی پیشرفته‌ترین چت‌بات‌ها، در همین دسته قرار می‌گیرند.

دسته‌ی دوم هوش عمومی است؛ سامانه‌ای که مثل انسان در هر حوزه‌ای یاد بگیرد، استدلال کند و دانسته‌اش را از یک موضوع به موضوع دیگر ببرد. چنین سامانه‌ای هنوز ساخته نشده و میان پژوهشگران درباره‌ی زمان و حتی امکان ساختنش بحث جدی وجود دارد.

از نظر کاری که انجام می‌دهد

نگاه کاربردی‌تر این است که ببینیم هر مدل چه کاری انجام می‌دهد. جدول زیر چهار نوع رایج را کنار هم گذاشته است:

نوعچه می‌کندنمونه‌ی آشنا
تشخیصیچیزی را دسته‌بندی یا شناسایی می‌کندفیلتر هرزنامه‌ی ایمیل
پیش‌بینی‌کنندهاز روی گذشته، آینده را تخمین می‌زندپیشنهاد مسیر کم‌ترافیک در نقشه
گفتگومحورزبان انسان را می‌فهمد و پاسخ می‌دهدچت‌بات‌ها و دستیارهای صوتی
مولدمحتوای تازه می‌سازدنوشتن متن، ساخت عکس و ویدیو

نوع مولد همان چیزی است که این روزها بیشترین سروصدا را دارد، چون برای اولین بار ماشین چیزی خلق می‌کند که پیش‌تر وجود نداشت. اگر می‌خواهید ببینید چه ابزارهایی در هر دسته فعال‌اند، راهنمای انواع سایت‌های هوش مصنوعی را ببینید.

کار و تولید محتوا

نوشتن پیش‌نویس ایمیل و گزارش، خلاصه‌کردن متن‌های طولانی، ترجمه و ایده‌گرفتن برای پست و مقاله حالا در چند دقیقه انجام می‌شود. ساخت تصویر برای شبکه‌های اجتماعی هم همین‌طور است و نمونه‌ها و آموزش‌هایش را در بخش هوش مصنوعی عکس وبلاگ ببینید. برای کسب‌وکار کوچک یعنی یک نفر می‌تواند بخشی از کار یک تیم چندنفره را پیش ببرد. نکته‌ی کلیدی این است که خروجی را پیش‌نویس ببینید، نه متن نهایی؛ ویرایش انسانی لحن و دقت را می‌سازد. هرچه درخواست شما دقیق‌تر باشد، یعنی مخاطب، لحن، طول و هدف متن را بگویید، پیش‌نویس به نسخه‌ی نهایی نزدیک‌تر می‌شود و زمان ویرایش کوتاه‌تر.

آموزش و یادگیری

دانش‌آموز و دانشجو می‌توانند یک مفهوم سخت را با زبان ساده دوباره بشنوند، برای خودشان تمرین و آزمون بسازند یا متن انگلیسی‌شان را اصلاح کنند. معلم هم برای طراحی درس و سؤال وقت کمتری می‌گذارد. یادگیری زبان تازه با یک همراه همیشه در دسترس، تمرین مکالمه را ساده‌تر کرده است. فقط یادتان باشد که هدف، فهمیدن است و نه گرفتن جواب آماده؛ اگر از مدل بخواهید قدم‌به‌قدم توضیح بدهد و بعد خودتان تمرین مشابه را حل کنید، یادگیری عمیق‌تر و ماندگارتر می‌شود.

خدمات، کسب‌وکار و سلامت

دوربین گوشی که عکس را خودکار بهتر می‌کند، تبدیل صدا به متن و پیشنهاد موسیقی همه نمونه‌های روزمره‌اند. در کسب‌وکار، پاسخ‌گویی خودکار به مشتری، تشخیص تقلب بانکی و تحلیل فروش رایج شده است. در پزشکی هم مدل‌ها به پزشک در خواندن تصویرهای پزشکی کمک می‌کنند. در همه‌ی این موارد تصمیم نهایی هنوز با انسان است و ماشین سرعت و دقت را بالا می‌برد. فروشگاه‌های اینترنتی هم با تحلیل رفتار خریدار، کالای مرتبط پیشنهاد می‌دهند و موجودی انبار را پیش‌بینی می‌کنند.

محدودیت‌های هوش مصنوعی

شناختن محدودیت‌ها همان‌قدر مهم است که شناختن توانایی‌ها، چون استفاده‌ی درست از همین‌جا شروع می‌شود. چهار نکته را همیشه در نظر بگیرید:

  • اشتباه مطمئن: مدل‌های زبانی گاهی پاسخی روان ولی نادرست می‌سازند. برای عدد، قانون، دارو و هر تصمیم مهم، پاسخ را با منبع معتبر بسنجید.
  • وابستگی به داده: مدل فقط به اندازه‌ی داده‌اش می‌داند. اگر داده قدیمی یا یک‌طرفه باشد، پاسخ هم همان‌طور می‌شود.
  • درک زمینه هم نیمه‌کاره است؛ طنز، فرهنگ و ظرافت‌های زبان فارسی برای مدل‌هایی که بیشتر با متن انگلیسی آموزش دیده‌اند سخت‌تر است.
  • حریم خصوصی را جدی بگیرید و اطلاعات حساس مثل رمز و مدارک شخصی را در گفتگو وارد نکنید.

با این نگاه، این فناوری دستیاری توانمند است و داور نهایی نیست. هرچه دقیق‌تر بدانید کجا به آن تکیه کنید و کجا خودتان بررسی کنید، نتیجه‌ی بهتری می‌گیرید.

شروع کار با هوش مصنوعی

راه فهمیدن این فناوری، کارکردن با آن است. از یک نیاز واقعی خودتان شروع کنید: خلاصه‌کردن یک مقاله، نوشتن یک ایمیل رسمی یا ساخت تصویری برای پست بعدی. درخواست را دقیق و با جزئیات بنویسید و اگر پاسخ دلخواهتان نبود، آن را اصلاح کنید. همین تمرین ساده کم‌کم مهارت پرامپت‌نویسی را در شما می‌سازد.

اگر می‌خواهید بی‌دردسر تحریم و به زبان فارسی شروع کنید، هوش مصنوعی رایگان محتوا۲۴ گفتگو، نوشتن و ساخت تصویر را یک‌جا کنار هم گذاشته است. برای مقایسه‌ی ابزارهای دیگر هم راهنمای برنامه هوش مصنوعی کمکتان می‌کند انتخاب مناسب کارتان را پیدا کنید.

سوالات متداول

فرق هوش مصنوعی و یادگیری ماشین چیست؟
هوش مصنوعی نام کلی این حوزه است و یادگیری ماشین یکی از روش‌های ساختن آن؛ روشی که در آن مدل به‌جای قانون‌های نوشته‌شده، الگوها را از داده یاد می‌گیرد.
آیا ماشین‌های هوشمند جای انسان را می‌گیرند؟
بیشتر کارها را تغییر می‌دهند تا حذف کنند؛ کارهای تکراری سریع‌تر انجام می‌شوند و نقش انسان در تصمیم‌گیری، خلاقیت و نظارت پررنگ‌تر می‌شود.
برای کار با این ابزارها برنامه‌نویسی لازم است؟
نه؛ ابزارهای امروز با زبان معمولی کار می‌کنند و کافی است خواسته‌تان را دقیق و روشن بنویسید.