دسته هوش مصنوعی

هوش مصنوعی (به انگلیسی: Artificial intelligence) (به اختصار: AI)، هوشی است که توسط ماشین‌ها ظهور پیدا می‌کند، در مقابل هوش طبیعی[الف] که توسط جانوران شامل انسان‌ها نمایش می‌یابد. اما پیش از هرچیز باید این موضوع را دانست که کلمه هوش، نشان دهنده امکان استدلال است و اینکه آیا هوش مصنوعی می‌تواند به توانایی استدلال دست یابد یا خیر، خود موضوع اختلاف محققان است. کتاب‌های AI پیشرو، این شاخه را به عنوان شاخه مطالعه بر روی «عوامل هوشمند» تعریف می‌کنند: هر سامانه‌ای که محیط خود را درک کرده و کنش‌هایی را انجام می‌دهد که شانسش را در دستیابی به اهدافش بیشینه می‌سازد.[ب] برخی از منابع شناخته شده از اصطلاح «هوش مصنوعی» جهت توصیف ماشینی استفاده می‌کنند که عملکردهای «شناختی» را از روی ذهن انسان‌ها تقلید می‌کنند، همچون «یادگیری» و «حل مسئله»، با این حال این تعریف توسط محققان اصلی در زمینه AI رد شده است.[پ][۲][۳]

کاربردهای هوش مصنوعی شامل موتورهای جستجو پیشرفتهٔ وب (مثل گوگل و بینگ)، سامانه توصیه‌گر (که توسط یوتیوب، آمازون و نتفلیکس استفاده می‌شوند.)، فهم زبان انسان‌ها (همچون سیری ، جمنای و آمازون الکسا)، خودروهای خودران (مثل تسلا)، هوش مصنوعی مولد یا خلاقیت محاسباتی (مثل چت‌جی‌پی‌تی یا تولید اثر هنری مانند دال-ئی و میدجرنی) تصمیم‌گیری خودکار و رقابت در بالاترین سطوح سامانه‌های بازی استراتژیک (همچون شطرنج و گو). با بیشتر شدن توانایی ماشین‌ها، وظایفی که نیازمند «هوشمندی» هستند اغلب از تعریف AI برداشته می‌شود، پدیده‌ای که به آن اثر هوش مصنوعی گفته می‌شود. به عنوان مثال، فهم نوری کاراکتر را اغلب از چیزهایی که AI در نظر گرفته می‌شوند مستثنی می‌کنند، چرا که این فناوری تبدیل به فناوری عادی و روزمره‌ای شده است.[۴][۵][۶]

هوش مصنوعی در سال ۱۹۵۶ میلادی تبدیل به شاخه‌ای آکادمیک شد و در سال‌های پس از آن چندین موج خوش‌بینی را تجربه کرده و مجدد دچار امواج ناامیدی و کمبود بودجه شده (که به آن «زمستان AI» می‌گویند)، سپس فناوری‌های جدیدی در پی آن آمده و موفقیت و بودجه‌های تحقیقاتی این حوزه مجدداً احیا گشته‌اند. تحقیقات AI رهیافت‌های متفاوتی را از زمان تأسیسش امتحان کرده و آن‌ها را کنار گذاشته است، رهیافت‌هایی چون: شبیه‌سازی مغز، مدل‌سازی حل مسئله توسط مغز انسان، منطق صوری، بانک‌های اطلاعاتی بزرگ دانش و تقلید رفتار جانوران. در اولین دهه‌های قرن ۲۱ میلادی، یادگیری ماشینی که شدیداً از آمار ریاضیاتی بهره می‌برد در این حوزه غلبه داشت و این فناوری اثبات کرد که به شدت موفق است و به حل چندین مسئله چالش‌برانگیز در صنعت و فضای آکادمیک کمک نمود.[۷][۸]

شاخه‌های مختلف تحقیقات هوش مصنوعی حول اهداف به‌خصوصی متمرکز بوده و از ابزارآلات خاصی استفاده می‌کنند. اهداف سنتی تحقیقات AI شامل این موارد اند: استدلال، نمایش دانش، برنامه‌ریزی، یادگیری، پردازش زبان طبیعی، ادراک و توانایی در جابجایی و دستکاری اشیاء.[ت] هوش جامع (توانایی حل مسائل دلخواه) در میان اهداف بلند مدت این حوزه است. جهت حل چنین مسائلی، محققان AI فنون حل مسئله وسیع و یکپارچه‌ای را شامل این موارد به کار بسته‌اند: جست‌وجو و بهینه‌سازی ریاضیاتی، منطق صوری، شبکه‌های عصبی مصنوعی و روش‌های مبنی بر آمار، احتمالات و اقتصاد. AI همچنین با حوزه‌هایی چون علوم کامپیوتر، روان‌شناسی، زبان‌شناسی، فلسفه و بسیاری از حوزه‌های دیگر مرتبط است.[۹]

این شاخه بر این فرض بنا شده است که هوش انسانی «را می‌توان به دقت توصیف نمود، به طوری که می‌توان آن را توسط یک ماشین شبیه‌سازی نمود».[ث] این فرض بحث‌های فلسفی را پیرامون ذهن و اخلاقیات خلق موجودات هوشمند برانگیخته است، موجوداتی که دارای هوش شبیه-انسان اند. این مسائل توسط افسانه‌ها، داستان‌های تخیلی و فلسفه از زمان‌های باستان مورد کاوش واقع شده‌اند. ادبیات علمی-تخیلی و آینده‌پژوهی نیز پیشنهاد می‌دهند که AI با پتانسیل و قدرت عظیمی که دارد، ممکن است منجر به ایجاد ریسک وجودی برای بشریت گردد.

بخش خصوصی نگران مجوزمحور شدن هوش مصنوعی است

هنوز بازار هوش مصنوعی در ایران شکل نگرفته، اما دولت برای بازیگران آن پروانه تعریف کرده است؛ رویکردی که فعالان بخش خصوصی آن را تکرار همان الگوی مجوزمحور در مواجهه با فناوری‌های جدید می‌دانند. از نگاه آنها، تنظیم‌گری هوش مصنوعی باید به‌جای تعیین اینکه چه کسی اجازه ورود به بازار دارد، بر مدیریت ریسک، حریم خصوصی، داده و مسئولیت بازیگران متمرکز باشد. حالا شروط سنگین دریافت پروانه AISP، نامشخص بودن وضعیت شرکت‌های فاقد پروانه و اجازه فعالیت دارندگان آن از زیرساخت تا محصول نهایی، این نگرانی را ایجاد کرده که مداخله دولت به‌جای کمک به توسعه هوش مصنوعی، ورود بازیگران جدید را دشوار و بازار را در اختیار تعداد محدودی شرکت بزرگ قرار دهد.

رقابت برای واسطه شدن میان کاربر و اینترنت

عامل هوش مصنوعی جدید متا در کمتر از دو هفته به صدر اپ‌استور آمریکا رسیده و بیش از ۲.۵ میلیون بار دانلود شده است. اما اولین مانع جدی میوز (Muse) نه از سمت کاربران که از طرف یکی از بزرگ‌ترین پلتفرم‌های اینترنتی ایجاد شد؛ آمازون دسترسی این عامل به فروشگاه خود را مسدود کرد. اتفاقی که رقابت بر سر عامل‌های هوش مصنوعی را از رقابت بر سر مدل‌های زبانی فراتر می‌برد. اگر عامل‌ها بتوانند به جای کاربران جست‌وجو کنند، خرید انجام دهند، ایمیل بخوانند و برنامه روزانه را مدیریت کنند، پرسش بعدی این است که چه کسی رابطه میان کاربر و خدمات اینترنتی را در اختیار خواهد گرفت؟

دیجی‌کالا از بازارگاه فراتر می‌رود؛ از ایجنت‌های هوش مصنوعی تا شهر هوشمند لجستیکی

دیجی‌کالا می‌خواهد خدماتش را از مرزهای بازارگاه خود فراتر ببرد. مدلی که حمید محمدی، هم‌بنیان‌گذار دیجی‌کالا، از آن با عنوان «خرید با دیجی‌کالا» یاد می‌کند، قرار است به کسب‌وکارها اجازه دهد بدون حضور در بازارگاه دیجی‌کالا، از زیرساخت‌ها و سرویس‌های این گروه در فروشگاه آنلاین یا حتی صفحه اینستاگرام خود استفاده کنند. همزمان این گروه توسعه ابزارهای هوش مصنوعی برای فروشندگان، پیش‌بینی تقاضا و تغییر سلر سنتر را دنبال می‌کند و در بخش لجستیک نیز ساخت مرکز پردازش تمام‌رباتیک و طراحی یک شهر هوشمند لجستیکی یک میلیون مترمربعی را در برنامه دارد.

گزارش شرکت آنتروپیک درباره پیش‌بینی آینده اقتصاد در افق ۲۰۳۰

تیم اقتصاد شرکت آنتروپیک، الگویی تحلیلی طراحی کرده است تا چگونگی تاثیر هوش مصنوعی بر مشاغل، رشد اقتصادی و نرخ بیکاری در ایالات متحده را در سال‌های پیش‌رو بررسی کند.ما چگونگی بازآفرینی اقتصاد توسط هوش مصنوعی را مطالعه می‌کنیم، زیرا…

پردازش ۱۱ میلیارد پیام در رایچت؛ هوش مصنوعی فقط یک مدل نیست

بیش از ۹۰ هزار سازمان، فعالیت بیش از ۲۰۰ هزار اپراتور و پردازش بیش از ۱۱ میلیارد پیام در رایچت اتفاق افتاده است. آماری که در کنار ۲۱۰.۲ میلیون گفت‌وگو و ۳۹.۵ میلیون بازدیدکننده ابزارک، تصویری از مقیاس ارتباطات مشتری در این پلتفرم ارائه می‌دهد. گزارش رایچت همچنین نشان می‌دهد موفقیت هوش مصنوعی به آمادگی داده‌ها وابسته است و ۵۹ درصد رهبران خدمات مشتری، آماده نبودن داده‌ها را مانعی جدی برای توسعه آن می‌دانند.

نگاهی دوباره به سازمان ملی هوش مصنوعی؛ هسته مرکزی یا معماری فدرال؟ سازمان ملی هوش مصنوعی برای حل تعارض‌ها به مرجعیت مرکزی نیاز دارد؛ اما آیا داده، زیرساخت و اجرای هوش مصنوعی نیز باید در یک هسته متمرکز شود؟

در یادداشتی که پیشتر با عنوان «سازمان ملی هوش مصنوعی؛ از تأسیس قانونی تا اثرگذاری ملی» منتشر شد، عنوان شد که سازمان ملی باید ساختاری کوچک و چابک داشته باشد و قدرت خود را نه از تصدی پروژه‌ها، بلکه از…

۵۰۰ تیم به کارخانه هوش مصنوعی آمدند؛ ۷ تیم ماندند تا AI را به صنعت ببرند

هفت تیم در پی انتشار فراخوان کارخانه هوش مصنوعی ایران از میان ۵۰۰ تیم ثبت‌نام‌کننده به مرحله کار و ساخت محصول رسیدند. در گزارش کارخانه هوش مصنوعی ایران تاکید شده است که این مجموعه یک دوره آموزشی یا محلی برای تحویل یک پروژه نیست و ورود به کارخانه به معنای پذیرفتن مسئولیت ساخت محصولی است که باید در میدان واقعی کار کند. طبق گفته مدیران کارخانه در این مسیر، مسائل با مشارکت مدیران ارشد، میانی و عملیاتی صنایع شناسایی و پس از تطبیق با نمونه‌های جهانی و بررسی توسط متخصصان و منتورها نهایی شده و پس از آن فراخوان صادر می‌شود.