شاخه های هوش مصنوعی

در مقاله قبلی کاپنا درباره هوش مصنوعی و نقش آن در زندگی روزمره صحبت کردیم حال در این مطب می خواهم به شاخه های هوش مصنوعی بپردازم.

به طور کلی ، هوش مصنوعی را می توان از زوایای متفاوتی مورد بررسی و مطالعه قرار داد. هوش مصنوعی به عنوان یک هدف، هوش مصنوعی به عنوان یک رشته تحصیلی دانشگاهی، و یا هوش مصنوعی به عنوان مجموعه فنون و راه کارهایی توسط مراکز علمی مختلف و صنایع گوناگون تنظیم و توسعه یافته است که باید بین آن ها تفاوت قائل بود.

1.     یادگیری ماشین

یادگیری ماشین ، شاخه ای از هوش مصنوعی است که به مطالعه و ساخت سیستم هایی با قابلیت یادگیری از داده ها می پردازد. به طور مثال، به کمک سیستم یادگیری ماشین می توان یک سیستم مدیریت ایمیل را آموزش داد تا پیام های هرز نامه را از دیگر پیام ها تشخیص دهد.

مسئله اصلی در یادگیری ماشین، عرضه و کلی سازی است. عرضه نمونه های داده ای و توابعی که بر اساس این نمونه ها ارزیابی میشوند، همگی بخشی از سیستم های یادگیری ماشین هستند کلی سازی به معنی  این قابلیت است که سیستم روی نمونه های داده ای نادیده نیز به خوبی عمل خواهد کرد. شرایطی که تحت آنها بتوان این مسئله را تضمین کرد.

2.     روباتیک

روباتیک نیز از سایر شاخه های هوش مصنوعی می باشد. که در آن به طراحی ، ساخت و عملیات و کاربرد های روبات ها و سیستم های کامپیوتری برای پردازش اطلاعات و بازخورد حسگرها پرداخته میشود. امروزه از روبات های ساخته شده ، برای انجام عملیاتی که برای انسان ها خطرناک هستند ، مانند خنثی نمودن بمب ها و مین ها و بازرسی لاشه کشتی استفاده میشود.

3.     شبکه عصبی

شبکه عصبی (Neural Networks) مصنوعی گروهی از نودهای به هم پیوسته، همانند شبکه عصبی گسترده در مغز است.

در علوم کامپیوتر و رشته‌های مربوطه، شبکه‌های عصبی مصنوعی مدل‌هایی الهام‌گرفته شده از سیستم عصبی مرکزی حیوانات (به ویژه مغز) هستند که توانایی یادگیری دستگاه و تشخیص الگو را دارند. این شبکه‌ها معمولا سیستمی از عصب‌های به هم پیوسته‌اند که می‌توانند مقادیر ورودی را با تزریق اطلاعات در شبکه محاسبه کنند.

به طور مثال در شبکه عصبی تشخیص دست‌خط، مجموعه‌ای از عصب‌های ورودی با پیکسل‌های تصویر ورودی فعال می‌شوند که نماینده یک حرف یا عدد است. فعال شدن این عصب‌ها بر اساس تابعی که توسط طراح شبکه تعیین شده، به دیگر عصب‌ها منتقل، ارزیابی یا تغییر داده می‌شود تا نهایتا عصب خروجی فعال شود و تعیین کند چه کاراکتری خوانده شده است.

4.     بینایی ماشین

بینایی ماشین فناوری و روش ‌های مورد استفاده برای بهبود شناسایی و تحلیل خودکار مبتنی بر تصویر در کاربرد هایی مانند بازرسی خودکار، کنترل روند و هدایت روبات در صنعت است. حوزه بینایی ماشین بسیار گسترده است. کاربرد اصلی بینایی ماشین در بازرسی خودکار و هدایت روبات ‌های صنعتی است، همچنین برخی کاربرد های رایج بینایی ماشین در تضمین کیفیت، دسته ‌بندی، کار با مواد، هدایت روبات ‌ها و اندازه ‌گیری نوری است.

روش‌ های بینایی ماشین به دو صورت تعریف می ‌شوند، تعریف و ایجاد یک برنامه بینایی ماشین و نیز روندی فنی که در جریان اجرای این برنامه اتفاق می ‌افتد. در اینجا به مورد دوم می‌ پردازیم. این مساله شامل رابط ‌های کاربری، رابط ‌های ادغام سیستم‌ های چند بخشی و تبادل داده اتوماتیک می ‌شود. به هر حال، اولین قدم در جریان اجرای بینایی ماشین، گرفتن یک تصویر است که معمولا با استفاده از دوربین، لنز و نور پردازی انجام می ‌شود و باید وضوح مورد نیاز در پردازش ‌های بعدی در طراحی آن لحاظ شده باشد. سپس بسته نرم ‌افزاری بینایی ماشین از تکنیک‌ های مختلف پردازش تصویر دیجیتال استفاده کرده و اطلاعات مورد نیاز را استخراج و معمولا بر اساس اطلاعات استخراج‌ شده تصمیم ‌گیری می‌ کند.

5.     سیستم ارائه پیشنهاد

سرویس ‌هایی نظیر آمازون با استفاده از فعالیت ‌های کاربران در سرویس‌ هایشان، پیشنهاداتی را در اختیار افراد قرار می ‌دهند. الگوریتم ‌های مبتنی بر یادگیری ماشین با تحلیل و بررسی فعالیت یک کاربر مشخص و مقایسه‌ ی آن با میلیون‌ ها کاربر دیگر، لیستی از پیشنهادات را تهیه می ‌کنند که احتمالا کاربر در نوبت بعدی به خرید کالا یا برنامه ‌ی پیشنهادی علاقه نشان دهد. این پیشنهادات که برگرفته از سیستم‌ های هوشمند هستند، رفته رفته باهوش ‌تر شده و می ‌توانند درک کنند که شما چه کالا هایی را برای هدیه دادن و چه کالا هایی را برای استفاده‌ ی شخصی خریداری می‌ کنید.

خودرو های هوشمند

IBM اخیرا تحقیقی انجام داده که براساس آن بیش از ۷۴ درصد متخصصان در حوزه‌ ی خودرو از پیش‌ بینی خود برای عرضه‌ ی تجاری خودرو های هوشمند تا سال ۲۰۲۵ میلادی سخن گفته ‌اند. یک خودروی هوشمند نه تنها با استفاده از مفهوم اینترنت اشیا قادر است با خودرو های دیگر و تابلو های کنار جاده ارتباط برقرار کند، بلکه قادر است تا با یادگیری ماشین، عادت ‌های کاربر یا به بیان راننده را نیز بشناسد. این عادات شامل دمای داخلی خودرو، تنظیمات سیستم صوتی و وضعیت صندلی است. خودرو قادر است با تکیه بر قابلیت ‌های هوشمند تنظیمات را تغییر داده و در صورت بروز مشکل، خود مساله را حل کند. همچنین باید به ارائه‌ ی پیشنهاد در مورد مسیر رسیدن به مقصد براساس داده‌ های ترافیکی و وضعیت جاده نیز اشاره کند.

6.     سیستم های خبری

سیستم خبره در هوش مصنوعی ، یک سیستم کامپیوتری می باشد ، که می تواند تصمیم سازی یک انسان خبره را شبیه سازی نماید. سیستم های خبره مشکلات پیچیده را با توجه به استنتاج در دانش خبرگی مشابه انسان خبره برطرف می کنند. در سیستم های خبره برای برطرف نمودن مشکلات پیچیده از دستورالعمل برنامه نویس استفاده نمی شود.

7.     پردازش زبان طبیعی

پردازش زبان طبیعی یکی از حوزه ‌های علوم کامپیوتر، هوش مصنوعی و زبان شناسی است که به تعامل کامپیوتر و زیان انسان می‌ پردازد. از این منظر پردازش زبان طبیعی به حوزه تعامل انسان – کامپیوتر مربوط می ‌شود. بسیاری از چالش ‌های پردازش زبان طبیعی به درک زبان طبیعی مربوط می ‌شود، یعنی ایجاد توانایی در کامپیوتر برای استخراج مفهوم ورودی زیان انسانی یا طبیعی.

ادامه مقالات هوش مصنوعی را در گروه تبلیغات و نرم افزاری کاپنا دنبال کنید.

توسط گروه تبلیغاتی کاپنا - تاریخ : 10 آذر 1398