آموزشوبلاگ

هوش مصنوعی

نوشته شده در

هوش مصنوعی، هوش ماشین هاست. در واقع شاخه ای از علوم کامپیوتر است که قصد دارد راه حل های الگوریتمی را ارائه کند تا بتوانیم به وسیله آنها در ماشین ها هوشمندی ایجاد کنیم. اما این تعریف کافی نیست؛ اول از همه باید بدانیم که تعریف هوشمندی چیست و بعد باید منظور از ماشین را دربیابیم:

استدلال، منطق، تصمیم گیری ؛ این ها توانایی هستند که شما از آنها استفاده می کنید. پس شما هوشمند هستید. اگر این توانایی ها را در کامپیوتر هم ایجاد کنیم، آنگاه به ماشین هوشمند دست می یابیم! به همین سادگی … ولی به جز این ها چیز های دیگری هم در رابطه با تعریف هوشمندی وجود دارند که دانستن آنها را می توان مهم ارزیابی کرد. در واقع بحث هایی که در مورد هوشمندی و هوش مصنوعی مطرح شده است؛ تنها به دوره ی امروزه ی ما و قرن ۲۱ مربوط نمی شود، بلکه از سال ۱۹۵۰ این مباحث به طور جدی مطرح شد.

تاریخچه

نقش هوش مصنوعی هر روز در زندگی ما بیشتر می‌شود. آخرین ترند در این زمینه تراشه‌های هوش مصنوعی و کاربردهای مختلف آن‌ها در گوشی‌های هوشمند است. اما شروع توسعه‌ی این تکنولوژی در واقع به خیلی قبل‌تر برمی‌گردد؛ یعنی زمانی در دهه‌ی ۵۰ میلادی که «دانشگاه دارتموث» (Dartmouth College) در ایالات متحده یک پروژه‌ی تحقیقات تابستانی را به هوش مصنوعی اختصاص داد.

ریشه‌های هوش مصنوعی را حتی می‌توان در عمق بیشتری از تاریخ و در فعالیت‌های «آلن نیوئل» (Allen Newell)، «هربرت ای. سیمون» (Herbert A. Simon) و «آلن تورینگ» (Alan Turing) جست‌وجو کرد. آزمون مشهور تورینگ در سال ۱۹۵۰ توسط او در مقاله‌ای مطرح شد. این مقاله یکی از اولین اسنادی است که در آن به وجود آمدن ماشین‌های هوشمند پیش‌بینی شده است.

با این حال مقوله‌ی هوش مصنوعی تا پیش از معرفی شدن سوپرکامپیوتر «دیپ بلو» (Deep Blue) توسط کمپانی IBM هنوز توجه جهانیان را به خود جلب نکرده بود. این سوپرکامپیوتر اولین ماشینی بود که توانست قهرمان شطرنج جهان «گری کاسپارف» (Garry Kasparov) را در مسابقه‌ای که در سال ۱۹۹۶ میلادی برگزار شد شکست دهد. الگوریتم‌های هوش مصنوعی برای سال‌های متمادی است که در دیتاسنترها و کامپیوترهای بزرگ استفاده می‌شوند، ولی حضور آن‌ها در حوزه‌ی لوازم الکترونیک مصرفی به سال‌های اخیر برمی‌گردد.

هوش مصنوعی نمادین

هوش مصنوعی نمادین (Symbolic) با نمادهایی انتزاعی کار می‌کند که برای نشان دادن دانش استفاده می‌شوند. هوش مصنوعی نمادین، هوش مصنوعی کلاسیکی است که بر اساس این ایده کار می‌کند که تفکر انسان را می‌توان در سطحی سلسله مراتبی و منطقی بازسازی کرد. در این روش اطلاعات از بالا با کار کردن روی نمادهای معنی‌دار برای انسان، ارتباطات انتزاعی و نتیجه‌گیری‌های منطقی پردازش می‌شوند.

هوش مصنوعی عصبی

هوش مصنوعی عصبی (Neural AI) در اواخر دهه‌ی ۸۰ میلادی در علوم کامپیوتر محبوبیت پیدا کرد. در این گونه، دانش با استفاده از نمادها نمایش داده نمی‌شود، بلکه به جای آن، نورون‌های مصنوعی و ارتباط میان آن‌ها نماینده‌ی دانش هستند. این هوش مصنوعی چیزی شبیه به یک مغز بازسازی شده است. در این روش دانش کسب شده به قطعاتی کوچک‌تر (نورون‌ها) خرد و سپس از آن گروه‌هایی متصل به هم تشکیل می‌شود. این نوع هوش مصنوعی رویکردی پایین به بالا دارد. بر خلاف هوش مصنوعی نمادین، یک سیستم هوش مصنوعی عصبی باید ابتدا آموزش داده شود و در معرض محرک‌هایی قرار بگیرد تا شبکه‌های عصبی در آن تجربه کسب کنند، بزرگ شوند و اندوخته‌ی دانش بیشتری داشته باشند.

شبکه‌های عصبی

شبکه‌های عصبی (Neural Networks) در لایه‌هایی سازماندهی می‌شوند که با خطوطی شبیه‌سازی شده به یکدیگر متصل هستند. بالاترین لایه، لایه‌ی دریافت است. این لایه مانند حسگری عمل می‌کند که اطلاعات را برای پردازش دریافت می‌کند و آن‌ها را به لایه‌های پایین‌تر می‌فرستد. این فرآیند پس از دریافت اطلاعات با حداقل دو لایه‌ی دیگر (در سیستم‌های بزرگ تا بیش از بیست لایه)  ادامه پیدا می‌کند که به صورت سلسه مراتبی روی هم قرار دارند و اطلاعات را با استفاده از پیوندها دسته‌بندی و ارسال می‌کنند. در پایین‌ترین بخش سلسله مراتب لایه‌ی خروجی قرار دارد که به طور معمول تعداد نورون‌های مصنوعی آن از تمام لایه‌های دیگر کمتر است. این لایه داده‌های محاسبه شده را به فرمتی تبدیل می‌کند که برای ماشین قابل خواندن باشد.

شیوه‌ها و ابزارها

ابزارها و شیوه‌های مختلفی برای به کار بردن هوش مصنوعی در دنیای واقعی وجود دارد که برخی از آن‌ها را می‌توان در ترکیب با هم استفاده کرد.

اساس کار تمام این روش‌ها «یادگیری ماشینی» (Machine Learning) است. تعریف یادگیری ماشینی سیستمی است که تجربه را به دانش تبدیل می‌کند. این پروسه به سیستم این توانایی را می‌دهد که الگوها و قوانین را با سرعتی که همواره در حال افزایش است شناسایی کند. در انواع مختلف یادگیری ماشینی از هر دو نوع هوش مصنوعی نمادین و عصبی استفاده می‌شود.

 

 

چند کاربرد جالب و جدید از هوش مصنوعی

۱. برچسب گذاری خودکار تصاویر

زمانی که تصاویر خود را در Google Photos ذخیره می‌کنید، این تصاویر به صورت خودکار، برچسب گذاری و دسته بندی می‌شوند. به عنوان مثال تصاویر مربوط به یک شخص خاص در یک دسته و تصاویر مربوط به مناظر طبیعی در دسته ای دیگر قرار می‌گیرند و برای جستجو کافی است یک عکس جدید از یک نفر بگیرید و آن عکس را در آلبوم تصاویر جستجو کنید. خواهید دید که تمام عکس‌هایی که فرد مورد نظر در آنها حضور داشته ظاهر خواهند شد.

۲. تبدیل گفتار به نوشتار

تبدیل گفتار به نوشتار، یکی از جالب‌ترین کاربرد های یادگیری ماشین است که این روزها در بسیاری از اپلیکیشن‌های موبایل (برای مثال کیبور گوگل) استفاده شده و شاهد دقت بسیاربالای آن حتی برای زبان فارسی هستیم.

۳. رتبه بندی صفحات وب

زمانی که عبارتی را در موتور جستجوی گوگل جستجو می‌کنید، نتایج حاصل، بر اساس حدوداً ۱۰۰ معیار مختلف (Ranking Signals) برای شما مرتب می‌شوند که بسیاری از این ۱۰۰ معیار راز‌هایی اند که کسی خارج از گوگل از آنها اطلاعی ندارد. با این حال طبق اعلام این شرکت، سومین سیگنال مهم و تاثیر گذار در بین این صد سیگنال، یک شبکه عصبی ژرف به نام RankBrain است که در سال ۲۰۱۵ در آزمایشگاه Google Brain ساخته شده است.

۴. پاسخ دهی خودکار در نرم‌افزار های پیام‌رسان

اگر با Google Allo کار کرده باشید، حتما دقت فوق‌العاده بالای آن در پاسخ های پیشنهاد شده به ازاین۸ پیام‌ها، شما را شگفت‌زده کرده است. این سیستم که برای اولین بار در نرم‌افزار Gmail مورد استفاده قرار گرفت، در ابتدا توسط یک شبکه عصبی مصنوعی ساده، پیام را بررسی می‌کند تا بتواند تشخیص دهد که آیا می‌تواند به آن پاسخ خوبی بدهد یا خیر. درصورتی که پاسخِ این شبکه مثبت بود، با استفاده از یک شبکه عصبی بازگشتی ژرف پاسخ مناسب تولید می‌شود.

۵. توصیف تصاویر

توصیف یک تصویر (یا یک ویدیو) در یک یا چند جمله، یکی از جالب ترین و هیجان‌انگیز ترین کاربرد‌های هوش مصنوعی در بینایی ماشین است و به ما کمک می‌کند ماشین‌هایی بسازیم که اشیاء دیده شده را واقعاً درک کنند. همینطور در روش معکوس می‌توان از روی توصیفات متنی، یک تصویر نسبتا واقعی تولید کرد. با این تفاسیر، تصور تولید یک فیلم از روی فیلمنامه، موضوع دور از انتظاری نیست!

هوش مصنوعی - توصیف تصاویر - کادوس

۶. تخمین میزان صرفه‌جویی در مصرف انرژی در صورت استفاده از سلول‌های خورشیدی

با توجه به هزینه های بالای تولید انرژی، تاثیرات آن بر زیست بوم و مشکلات مربوط به استفاده از انرژی های تجدید ناپذیر، بهینه‌سازی مصرف انرژی یکی از اصلی ترین و مهم‌ترین چالش هایی است که هوش مصنوعی به دنبال حل آن است. برای مثال، خیلی از استارتاپ‌ها در کشور‌های پیشرفته به دنبال استفاده از هوش مصنوعی در کنتور‌های برق و آب و مدیریت الگوی مصرف انرژی از این طریق هستند.

پروژه Google Sunroof با تحلیل عکس‌های ماهواره ای از پشت بام خانه و میزان آفتاب در ساعات مختلف شبنه‌روز، به شما می‌گوید اگر از سلول خورشیدی برای تولید انرژی استفاده کنید، چقدر در هزینه مصرف انرژی صرفه‌جویی خواهید کرد.

۷٫ اتوموبیل خودران

یکی از جذاب‌ترین و پردرآمدترین شغل ها در سال ۲۰۱۸ طراحی اتوموبیل‌های خودران است که تماما بر اساس هوش مصنوعی و یادگیری ژرف بنا نهاده شده است. با اینکه هنوز تا قابل استفاده شدن این سیستم ها در زندگی روزمره فاصله داریم اما شرکت هایی مثل Waymo و Tesla به صورت خیلی جدی در حال کار و پژوهش در این حوزه هستند و به زودی شاهد فراگیر شدن این سیستم ها و همینطور پهباد‌های خودمختار خواهیم بود.

 

۸٫ تولید خودکار مراحل جدید در بازی‌ها

در تولید سناریوها، داستان‌ها و مراحل بازی که توسط هوش مصنوعی ساخته می‌شوند، گاهاً شاهد خلاقیت‌های امیدوار کننده ای هستیم…

۹٫ تشخیص چهره از پشت دیوار

دانشگاه MIT طی یک تحقیق، سیستمی ساخته که با استفاده از امواج RF قادر است موقعیت و حرکت انسان‌ها در پشت دیوار را تشخیص دهد.

اما این کافی نیست…

معمولا بیشترین سرمایه‌گزاری ای که بر روی هوش مصنوعی می‌شود برای تحقیقات نظامی است. چند ماه پیش بود که ارتش آمریکا خبر ساخت سیستمی بر اساس یادگیری ژرف را داد که قادر است چهره فرد را از پشت دیوار و در تاریکی تشخیص دهد.

هوش مصنوعی - تشخیص چهره از پشت دیوار - کادوس

 

۱۰٫تنظیم هارمونی رنگ‌ها در تصویر

اگر با نرم‌افزار های ویرایش تصاویر مانند Adobe Photoshop کار کرده باشید، احتمالا ابزارهای تنظیم هارمونی رنگ را دیده اید. هوش مصنوعی و شبکه‌های عصبی ژرف یکی از بهترین روش ها برای انجام این کار اند.

هوش مصنوعی - تنظیم هارمونی رنگ ها در تصویر - کادوس

۱۱٫ یادگیری و استخراج سبک

هوش مصنوعی قادر است با نگاه کردن به یک تصویر، موسیقی، فیلم یا …، سبک (Style) آن را یادگرفته و استخراج کند. سپس این سبک را روی تصویر، موسیقی یا … دیگر اعمال کند.

۱۲٫ طراحی لباس بر اساس سلیقه کاربر

این روز ها بیشتر سایت‌های خرده ‌فروشی آنلاین، از سامانه‌های پیشنهاد دهنده (Recommender Systems) برای پیشنهاد محصولات به کاربران خود و افزایش Conversion Rate بهره می‌برند، با این حال محققان پا را فرا تر گذاشته و اقدام به ساخت الگوریتم هوشمندی برای طراحی و تولید یک لباس جدید بر اساس سلیقه کاربر کرده اند.

۱۳٫ انجام بازی‌ های ویدیویی

هوش مصنوعی ساخت شرکت Google DeepMind موسوم به DQN می‌تواند بازی‌های آتاری را حتی بهتر از انسان بازی کند.

۱۴٫تبدیل تصویر به تصویر

یکی از کاربرد های جالب هوش مصنوعی تبدیل تصویر به تصویر است. برای مثال تبدیل یک نقاشی به شی واقعی آن، تبدیل یک تصویر سیاه و سفید به معادل رنگی آن، تبدیل یک اسب به گورخر، تبدیل عکس ماهواره ای به نقشه متناظر و …

هوش مصنوعی - تبدیل تصویر به تصویر - کادوس

۱۵٫آهنگسازی

هوش مصنوعی می‌تواند به تعدادی موسیقی (مثلا موسیقی های ساخته شده توسط بتهوون) گوش کرده و یک موسیقی جدید از همان توزیع (با همان سبک) بسازد.

۱۶٫نقاشی

هوش مصنوعی میتواند با مشاهده تعدادی نقاشی، نقاشی هایی شبیه به نقاشی های یاد گرفته شده را بکشد و یا نقاشی های شما را با استفاده از مفاهیمی که یاد گرفته تکمیل کند.

۱۷٫تشخیص چهره

یکی از کاربردی ترین ایده های هوش مصنوعی، تشخیص چهره است. از این سیستم ها برای مقاصد امنیتی مانند قفل درب ها یا گوشی های موبایل، سیستم های حضور و غیاب و البته برای یافتن و تعقیب مجرمان یا کهنسالان در معابر استفاده می‌شود.

طبق اعلام دولت چین، طی دو سال گذشته، ۲۰۰۰ مجرم در این کشور توسط سیستم تشخیص چهره Skynet در معابر دستگیر شدند.

هوش مصنوعی - تشخیص چهره - کادوس

۱۸٫دستیار های هوشمند

همه سیستم‌عامل های امروزی، یک دستیار هوشمند دارند که می‌تواند با فرامین صوتی، انجام بعضی از کار‌ها را ساده تر کند. مانند Google Assistant در اندروید، Siri در iOS و Cortana در Windows . با این حال چند ماه پیش در کنفرانس Google IO 2018، ساندار پیچای، مدیر عامل شرکت گوگل به معرفی نسخه جدید دستیار هوشمند گوگل پرداخت که موجب شگفتی جهانیان شد. قلم ما از توصیف دقیق آن قاصر است و پیشنهاد می‌دهیم برای آشنایی، ویدیوی زیر را مشاهده کنید اما به نظر می‌رسد تخیل پشت فیلم Her در حال نزدیک شدن به واقعیت است.

۱۹٫ترمیم تصویر (Image In-painting)

بخش هایی از عکس به دلایلی از بین رفته! هوش مصنوعی، به سادگی و با دقت بالا قادر به ترمیم بخش های از بین رفته است.

هوش مصنوعی - ترمیم تصویر - کادوس

۲۰٫توسعه تصویر (Image Out-painting)

هوش مصنوعی قادر است یک عکس را توسعه داده و بخش هایی را به آن بیافزاید.

هوش مصنوعی - گسترش تصویر - کادوس

۲۱٫باز کردن چشم های بسته در عکس

با استفاده از هوش مصنوعی در دوربین های دیجیتال، دیگر نگران بسته شدن چشم‌های خود هنگام عکاسی نباشید. هوش مصنوعی قادر است چشم‌های شما را باز کند!

هوش مصنوعی قادر است قطرات باران در تصویر ثبت شده از دوربین را حذف کرده و به تصویر واضح تری دست یابد.

هوش مصنوعی - بازکردن چشمهای بسته در عکس -کادوس

۲۲٫طراحی روکش دندان

هوش مصنوعی حتی قادر است روکش دندان را با دقتی بسیار بهتر از دندانپزشک طراحی کند.

۲۳٫جستجوی تصاویر با انجام حرکات مرتبط

پروژه Move Mirror یک پروژه سرگرم کننده است که با استفاده از آن می‌توانید جلوی دوربین حرکت هایی را ضبط کرده و تصاویر مرتبط با آن حرکت را جستجو کنید.

 

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *