هوش مصنوعی - قسمت اول

تاریخچه هوش مصنوعی

اصطلاح هوش مصنوعی در سال 1956 ابداع شد ، اما هوش مصنوعی به لطف افزایش حجم داده ها ، الگوریتم های پیشرفته در محاسبات قدرت و ذخیره سازی ، امروزه محبوب تر شده است.

تحقیقات اولیه هوش مصنوعی در دهه 1950 مباحثی مانند حل مسئله و روشهای نمادین را مورد بررسی قرار داد. در دهه 1960 وزارت دفاع آمریکا به این نوع کار علاقه مند شد و آموزش رایانه ها را برای تقلید از استدلال اساسی بشر آغاز کرد. به عنوان مثال ، آژانس پروژه های تحقیقاتی پیشرفته دفاعی (DARPA) پروژه های نقشه برداری خیابانی را در دهه 1970 به پایان رساند.

این کار اولیه ، زمینه را برای اتوماسیون و استدلال رسمی فراهم کرده است که امروزه در رایانه ها شاهد آن هستیم ، از جمله سیستم های پشتیبانی تصمیم گیری و سیستم های جستجوی هوشمند که می توانند برای تکمیل و تقویت توانایی های انسانی طراحی شوند.

در حالی که فیلم ها و رمان های علمی تخیلی هالیوود ، هوش مصنوعی را به عنوان روبات هایی شبیه به انسان در سراسر جهان نشان می دهند ، تحولات فعلی فن آوری های هوش مصنوعی چندان ترسناک و هوشمندانه نیست. در عوض ، هوش مصنوعی تکامل یافته است تا مزایای خاص بسیاری را در هر صنعت فراهم کند. مطالعه نمونه های مدرن از هوش مصنوعی در مراقبت های بهداشتی ، خرده فروشی و موارد دیگر را ادامه دهید.

هوش مصنوعی و یادگیری ماشین

سریع(Quick) ، این فیلم را تماشا کنید تا رابطه بین هوش مصنوعی و یادگیری ماشین را درک کنید. خواهید دید که چگونه این دو فناوری کار می کنند ، با مثال ها و چند مورد جالب.

به علاوه ، این یک فیلم عالی برای به اشتراک گذاشتن با دوستان و خانواده برای توضیح هوش مصنوعی به روشی است که هرکسی آن را درک خواهد کرد.

چرا هوش مصنوعی مهم است؟

• هوش مصنوعی یادگیری و کشف مکرر را از طریق داده ها به صورت خودکار انجام می هد. اما هوش مصنوعی با اتوماسیون رباتیک سخت افزاری تفاوت دارد. هوش مصنوعی به جای اتوماتیک کردن کارهای دستی ، مکرر ، با حجم زیاد ، رایانه ای را با اطمینان و بدون خستگی انجام می دهد. برای این نوع اتوماسیون ، پرس و جو انسانی هنوز برای راه‌اندازی سیستم و پرسیدن سوالات مناسب ضروری است.
• هوش مصنوعی هوش به محصولات موجود می افزاید. در بیشتر موارد ، AI به عنوان یک برنامه شخصی فروخته نمی شود. در عوض ، محصولاتی که قبلاً از آنها استفاده می کنید با قابلیت های AI بهبود می یابند ، دقیقاً مانند Siri به عنوان یک ویژگی به نسل جدیدی از محصولات اپل اضافه شده است. اتوماسیون ، سیستم عامل های مکالمه ، ربات ها و ماشین های هوشمند می توانند با مقادیر زیادی از داده ها ترکیب شوند تا بسیاری از فناوری ها در خانه و محل کار ، از هوش امنیتی گرفته تا تحلیل سرمایه گذاری ، بهبود یابد.
• هوش مصنوعی از طریق الگوریتم های یادگیری مترقی سازگار می شود تا داده ها بتوانند برنامه نویسی را انجام دهند. هوش مصنوعی ساختار و نظم را در داده ها پیدا می کند تا الگوریتم مهارت را بدست آورد: الگوریتم یک طبقه بندی کننده یا یک پیش بینی کننده می شود. بنابراین ، دقیقاً همانطور که الگوریتم می تواند به خود بیاموزد که چگونه شطرنج بازی کند ، می تواند به خود بیاموزد که ، چه کالایی را بخواهد به صورت آنلاین معرفی کند. و مدل ها وقتی داده های جدید داده می شوند سازگار می شوند. انتشار برگشت یک تکنیک هوش مصنوعی است که به مدل اجازه می دهد تا از طریق آموزش و داده های اضافه شده تنظیم شود ، وقتی جواب اول کاملاً درست نیست.
• هوش مصنوعی داده های بیشتر و عمیق تر را با استفاده از شبکه های عصبی که لایه های پنهان زیادی دارند ، تجزیه و تحلیل می کند. ساخت سیستم کشف تقلب با پنج لایه پنهان تقریباً چند سال پیش غیرممکن بود. همه چیز با قدرت باورنکردنی رایانه و داده های بزرگ تغییر کرده است. برای آموزش مدلهای یادگیری عمیق به داده های زیادی احتیاج دارید زیرا مستقیماً از داده ها یاد می گیرند. هرچه اطلاعات بیشتری به آنها بدهید ، دقیق تر می شوند.
• هوش مصنوعی از طریق شبکه های عصبی عمیق - که قبلاً غیرممکن بود - به دقت باورنکردنی دست می یابد. به عنوان مثال ، تعامل شما با الکسا ، جستجوی Google و Google Photos همه مبتنی بر یادگیری عمیق است - و هرچه بیشتر از آنها استفاده کنیم ، دقیق تر می شوند. در زمینه پزشکی ، تکنیک های هوش مصنوعی از یادگیری عمیق ، طبقه بندی تصویر و تشخیص اشیاء اکنون می توانند برای یافتن سرطان در MRI با همان دقت رادیولوژیست های بسیار آموزش دیده استفاده شوند.
• هوش مصنوعی بیشترین استفاده را از داده ها می کند. هنگامی که الگوریتم ها خودآموز هستند ، داده ها می توانند به مالکیت معنوی تبدیل شوند. پاسخ ها در داده ها هستند؛ شما فقط باید از AI استفاده کنید تا آنها را بیرون بیاورید. از آنجا که نقش داده اکنون از قبل مهم تر است ، می تواند مزیت رقابتی ایجاد کند. اگر در صنعت رقابتی بهترین داده ها را داشته باشید ، حتی اگر همه از تکنیک های مشابه استفاده کنند ، بهترین داده ها برنده خواهند شد.

چگونه از هوش مصنوعی استفاده می شود

هر صنعتی تقاضای بالایی برای توانایی های هوش مصنوعی دارد - به خصوص سیستم های پاسخگویی به سؤال که می توانند برای کمک های حقوقی ، جستجوی حق ثبت اختراع ، اطلاع رسانی در مورد ریسک و تحقیقات پزشکی استفاده شوند. سایر موارد استفاده از هوش مصنوعی عبارتند از:

مراقبت های بهداشتی

برنامه های هوش مصنوعی می توانند داروهای شخصی و خوانش پرتونگاری را ارائه دهند. دستیاران مراقبت های بهداشتی شخصی می توانند به عنوان مربیان زندگی عمل کنند و به شما یادآوری می کنند که قرص های خود را مصرف کنید ، ورزش کنید یا بهتر غذا بخورید.

خرده فروشی

هوش مصنوعی قابلیت خرید مجازی را ارائه می دهد که توصیه های شخصی ارائه می دهد و گزینه های خرید را با مصرف کننده بحث می کند. فناوری های مدیریت بورس و چیدمان سایت نیز با هوش مصنوعی بهبود می یابند.

ساخت

هوش مصنوعی می تواند داده های IoT کارخانه را از طریق تجهیزات متصل به آنالیز کند تا بار و تقاضای مورد انتظار را با استفاده از شبکه های مکرر پیش بینی کند ، یک نوع خاص از شبکه یادگیری عمیق است که از داده های توالی استفاده می شود.

بانکداری

هوش مصنوعی سرعت ، دقت و اثربخشی تلاشهای انسان را تقویت می کند. در موسسات مالی ، از تکنیک های هوش مصنوعی می توان برای شناسایی معاملات تقلبی، به ثمر رساندن اعتبار سریع و دقیق و همچنین خودکار کردن کارهای مدیریتی شدید داده استفاده کرد.

قسمت دوم