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.

استاندارد جدید Anthropic به هوش مصنوعی اجازه می‌دهد تجهیزات آزمایشگاهی و صنعتی را کنترل کند

Anthropic با معرفی Model Hardware Standard می‌خواهد راهی استاندارد برای ارتباط عامل‌های هوش مصنوعی با تجهیزات آزمایشگاهی، ربات‌ها و ماشین‌های صنعتی ایجاد کند.منبع  : گیزمکس برای مشاهده کامل مطلب کلیک کنید

Gemini Notebook حالا کتاب‌های خریداری‌شده شما را می‌خواند و درباره‌شان پاسخ می‌دهد

Gemini Notebook حالا می‌تواند برخی کتاب‌های خریداری‌شده از Google Play Books را تحلیل کند و از محتوای آنها آزمون، اینفوگرافیک و خلاصه صوتی بسازد.منبع  : گیزمکس برای مشاهده کامل مطلب کلیک کنید

جنسن هوانگ: شاید انویدیا به AGI رسیده باشد؛ اما این معیار دیگر مهم نیست

جنسن هوانگ، مدیرعامل انویدیا، بار دیگر ادعای جنجالی خود درباره هوش عمومی مصنوعی یا AGI را مطرح کرده است. او در جدیدترین نشست مالی انویدیا گفت که از نظر انجام بسیاری از وظایف، می‌توان گفت هوش مصنوعی همین حالا به AGI رسیده است.

هوش مصنوعی برای توسعه به ساختاری چابک و فرادستگاهی نیاز دارد

قانون ملی توسعه هوش مصنوعی پس از تایید شورای نگهبان حالا در آستانه اجرا قرار گرفته است، اما فعالان این حوزه معتقدند تصویب قانون به تنهایی برای رسیدن به اهداف توسعه‌ای آن کافی نیست. از نگاه آنها، اجرای این قانون به یک ساختار فرادستگاهی و چابک برای راهبری و هماهنگی نیاز دارد، در حالی که بار اصلی توسعه فناوری باید بر دوش بخش خصوصی باشد و دولت بیشتر نقش سیاست‌گذار، تنظیم‌گر و هماهنگ‌کننده را ایفا کند.

گره کور داده برای هوش مصنوعی؛ به دست باز کنیم یا دندان؟

چند سال پیش، پس از تصویب و ابلاغ طرح مدیریت داده و اطلاعات ملی، جلسه‌ای با حضور نمایندگان تدوین‌کننده طرح در خانه اندیشه‌ورزان تشکیل شده بود. در پایان این جلسه یکی از مدیران یکی از دستگاه‌های دولتی جمله‌ای بسیار کلیدی…