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.

عضو انجمن حقوق بین‌الملل آمریکا: تا سال ۲۰۴۰ حدود ۱۰ میلیارد ربات انسان‌نما در جهان وجود خواهد داشت

طبق گفته کارشناسان امروزه توسعه هوش مصنوعی اجتناب‌ناپذیر است. عضو انجمن حقوق بین‌الملل آمریکا به نقل از ایلان ماسک اعلام کرد: تا سال ۲۰۴۰ ممکن است ۱۰ میلیارد ربات انسان‌نما در جهان وجود داشته باشد.

ارزش واقعی هوش مصنوعی در استفاده هدفمند و استراتژیک از داده‌ها است

سازمان‌ها امروز در مسیر استفاده از هوش مصنوعی با دو واقعیت روبه‌رو هستند: انبوهی از داده‌های پراکنده و جاه‌طلبی‌های بزرگ؛ اما بدون استراتژی روشن و ساختار حاکمیتی می‌خواهند پیش بروند. درحالی که هوش مصنوعی زمانی به مزیت رقابتی واقعی تبدیل می‌شود که بر پایه داده‌های پاک، اختصاصی و مدیریت‌شده به کار گرفته شود؛ نه با پروژه‌های آزمایشی پراکنده. سازمان‌های پیشرو در این حوزه به‌جای شروع‌های پرهزینه و مبهم، با گام‌های کوچک و هدفمند آغاز می‌کنند، ارزش‌های ملموس می‌سازند و با حاکمیت روشن بر داده‌ها، نوآوری را به شکلی ایمن، مقیاس‌پذیر و متمایز پیش می‌برند.

هم‌بنیان‌گذار استارت‌آپ هوش مصنوعی Thinking Machines به متا پیوست

اندرو تالوک، ‌یکی از هم‌بنیان‌گذاران استارت‌آپ تازه‌تاسیس Thinking Machines Lab که به‌تازگی توسط میرا مراتی، مدیر سابق اوپن‌ای‌آی، تاسیس شده است براساس گزارشی از وال‌استریت ژورنال با پیشنهاد متا برای ترک شرکت خود موافقت کرده و به جمع ستاره‌های هوش مصنوعی این غول شبکه اجتماعی ملحق می‌شود.

اوپن‌ای‌آی با برودکام و Arm برای توسعه تراشه‌های اختصاصی هوش مصنوعی همکاری می‌کنند

شرکت اوپن‌ای‌آی، خالق ChatGPT، در تازه‌ترین گام از برنامه‌های جاه‌طلبانه خود برای گسترش زیرساخت‌های محاسباتی، با شرکت برودکام (Broadcom) وارد همکاری چند میلیارد دلاری شده است تا طی چهار سال آینده ۱۰ گیگاوات تراشه اختصاصی هوش مصنوعی و سیستم‌های محاسباتی پیشرفته را طراحی و مستقر کنند. خبر همکاری با برودکام در حالی منتشر می‌شود که خبرگزاری اینفورمیشن نیز طی گزارشی اختصاصی به همکاری اوپن‌ای‌آی با شرکت Arm متعلق به سافت‌بنک برای طراحی چیپ هوش مصنوعی اشاره کرده است. همکاری این استارت‌آپ با برودکام و Arm یکی از بزرگ‌ترین همکاری‌های راهبردی صنعت نیمه‌هادی در سال‌های اخیر خواهد.

کاهش سرعت رشد دانلود و استفاده روزانه از اپلیکیشن موبایل ChatGPT: نقطه اوج فرارسید؟

تحلیل جدیدی از شرکت Apptopia بر میزان دانلود و استفاده روزانه از اپلیکیشن موبایل ChatGPT نشان از کند شدن روند روند تعامل و دانلود این اپلیکیشن دارد و نشان می‌دهد که شاید چت‌بات محبوب اوپن‌ای‌آی به نقطه اوج خود رسیده باشد. این شرکت که در زمینه تحلیل داده‌های اپلیکیشن‌ها فعالیت می‌کند، با بررسی روند دانلود و استفاده روزانه از این برنامه اعلام کرده است که میزان رشد کاربران جدید از ماه آوریل کاهش یافته و شاخص‌های فعالیت روزانه نیز طی هفته‌های اخیر روندی ثابت یا نزولی پیدا کرده‌اند.

ترفند محققان علی‌بابا برای کاهش چشمگیر مصرف GPU برای ابر‌هایی که چندین مدل ارائه می‌دهند

محققان شرکت علی‌بابا از راهکار نوآورانه‌ای با نام Aegaeon رونمایی کرده‌اند که طبق اعلام آنها می‌تواند میزان استفاده از پردازنده‌های گرافیکی انویدیا (GPU) را تا ۸۲ درصد کاهش دهد. این سیستم با هدف بهینه‌سازی منابع محاسباتی برای مدل‌های هوش مصنوعی طراحی شده و طی بیش از سه ماه در بازار مدل‌های ابری علی‌بابا کلود به‌صورت آزمایشی مورد استفاده قرار گرفته است.

هوش مصنوعی در ایران؛ گرفتار در چرخه‌ بی‌پایان سندنویسی و بوروکراسی

تدوین سند و آیین‌نامه‌های پی‌درپی برای توسعه و به کارگیری هوش مصنوعی در کشور، نوآوری را درگیر چرخه‌ای بی‌پایان از بروکراسی کرده است. توسعه این مسیر به نوآوری وابسته است و استفاده کارآمد از آن نیز بدون همکاری بخش‌های دولتی و خصوصی به دست نخواهد آمد.

سهم گوگل جمنای از بازار هوش مصنوعی دو برابر شد؛ کاهش تدریجی سلطه ChatGPT

داده‌های جدید نشان می‌دهد که گوگل توانسته سهم چت‌بات خود از بازار هوش مصنوعی را طی یک سال گذشته تا حدود دو برابر کرده افزایش دهد. جهش یک سال گذشته کاربران جمنای که بخش مهمی از آن را گوگل مدیون عرضه یک مولد تصویر قدرتمند و سریع است، سهم این چت‌بات را از ۶.۴ درصد به ۱۲.۹ درصد افزایش داده است.