اگر کمی هم به تکنولوژی، صنعت، علم و حتی هنر علاقه‌مند باشید، حتما عبارت هوش مصنوعی را در سالهای اخیر شنیده‌اید. در پاسخ به سوال هوش مصنوعی چیست؟ این تکنولوژی از شاخه‌های اصلی علوم کامپیوتر است که هدف آن توسعه سیستم‌ها و برنامه‌هایی است که توانایی انجام وظایفی را دارند که به‌طور معمول به هوش انسانی نیاز دارند. این وظایف شامل یادگیری از دادهها، درک زبان طبیعی، حل مسئله، تصمیم‌گیری و حتی شبیه‌سازی رفتارهای انسانی مانند شناخت الگوها یا پیش‌بینی آینده است. به بیان ساده‌تر، هوش مصنوعی به ماشین‌ها امکان میدهد تا به‌طور خودکار فکر کنند، یاد بگیرند و عمل کنند .این فعالیت میتواند از نگارش همین محتوایی که در حال مطالعه هستید تا طراحی گرافیک، تحلیل داده‌های بزرگ، پیش‌بینی رفتار کاربران، ساخت آهنگ با هوش مصنوعی و حتی خلق آثار هنری یا ساخت انیمیشن را در بر بگیرد.
به‌طور حتم در سالهای آینده، هوش مصنوعی قطعا نقش فعال‌تری در زندگی روزمره‌ی ما بازی خواهد کرد. بنابراین آشنایی با ماهیت، انواع، مزایا، معایب و دیگر جزئیات مربوط به آن میتواند جذاب و حتی ضروری باشد. در این مقاله، ضمن بررسی کلی این تکنولوژی و معرفی جوانب آن، انواع مختلفش را مرور کرده و سپس به بیان کاربردها، مفاهیم، فواید و غیره می‌پردازیم. با ما همراه شده و با یکی از انقلابی‌ترین تکنولوژی‌های حال حاضر دنیا آشنا شوید.
به‌طورکلی هوش مصنوعی یا Artificial Intelligence و به‌اختصار AI عبارت از شبیه‌سازی فرآیندهای ذهنی و هوش انسانی توسط ماشین‌ها و کامپیوترها به‌منظور تکرار این فرآیند و نتایج حاصل از آن، بدون نیاز به انسان است.
علی‌رغم قرارداشتن پایه‌های هوش مصنوعی در علوم کامپیوتر، امروزه به آن، به‌عنوان یک علم میان‌رشته‌ای نگاه میشود. حتی ردپای علوم انسانی و پزشکی را نیز می‌توان در برخی شاخه‌های مطالعاتی و کاربردی آن دید. با‌این‌حال این علم، آنطور که شاید به‌نظر برسد از زندگی روزمره‌ی ما دور نیست. در خانه و کامپیوتر هر یک از ما، ردپای آن در محصولات برندهایی مانند گوگل، اپل و مایکروسافت دیده میشود. هربار که Siri را در گوشی اپل یا دستیار گوگل را در گوشی های اندروید خود صدا می‌زنید، درواقع در حال استفاده از هوش مصنوعی هستید.
امروزه حتی هنگام خرید نیز ممکن است فروشنده یا تولیدکننده، مدعی استفاده از AI در محصولش شود. منظور آنها در بیشتر مواقع، حضور یکی از جوانب این تکنولوژی مانند ماشین لرنینگ یا یادگیری ماشینی (Machine Learning) در طراحی محصول است.
تاریخچه هوش مصنوعی
ایده هوش مصنوعی از گذشته‌های دور در افسانه‌ها و داستان‌ها وجود داشته است؛ اما شکل علمی آن از اواسط قرن بیستم آغاز شد. در سال ۱۹۵۰، آلن تورینگ، ریاضیدان برجسته بریتانیایی، مقاله‌ای منتشر کرد که اساس فلسفی و علمی هوش مصنوعی را پایه‌گذاری کرد. او در این مقاله پرسید: “آیا ماشین‌ها می‌توانند فکر کنند؟” و آزمایشی به نام “تست تورینگ” را پیشنهاد داد که امروزه به‌عنوان یکی از معیارهای اصلی سنجش هوش ماشین شناخته میشود.
در سال ۱۹۵۶، کنفرانس تاریخی دارتموث برگزار شد که نقطه عطفی در تاریخ هوش مصنوعی به‌شمار می‌رود. در این کنفرانس، جان مک‌کارتی برای اولین بار اصطلاح “هوش مصنوعی” را مطرح کرد. این رویداد آغازگر پژوهش‌های گسترده در این حوزه بود، با هدف توسعه ماشین‌هایی که توانایی یادگیری و حل مسائل را داشته باشند.
دهه‌های ۱۹۶۰ و ۱۹۷۰ شاهد توسعه سیستم‌های اولیه و زبان‌های برنامه‌نویسی خاصی مانند LISP بود. با این حال، محدودیت‌های فناوری و انتظارات بلندپروازانه باعث ایجاد دوره‌ای به نام “زمستان هوش مصنوعی” شد که طی آن پیشرفت‌ها کندتر شدند.
از دهه ۱۹۹۰ به بعد، پیشرفت‌های قابل‌توجهی در سخت‌افزار، الگوریتم‌های یادگیری ماشین و دسترسی به داده‌های بزرگ و ظهور اینترنت باعث شد هوش مصنوعی دوباره در مرکز توجه قرار گیرد. فناوری‌های مدرنی مانند یادگیری عمیق و شبکه‌های عصبی به هوش مصنوعی این امکان را دادند که در حوزه‌هایی مانند تشخیص تصویر، ترجمه زبان، خودروهای خودران، و حتی هنر و موسیقی عملکردی شگفت‌انگیز داشته باشد.
تفاوت هوش مصنوعی و برنامه‌نویسی
اگرچه در نگاه اول ممکن است هوش مصنوعی و برنامه‌نویسی مشابه به نظر برسند، اما این دو تفاوت‌های مهمی دارند و در واقع مکمل یکدیگر هستند.
در برنامه‌نویسی، همه چیز به صورت دقیق تعریف میشود. برنامه‌نویس باید از پیش تمام مراحل و قوانین را برای حل یک مسئله مشخص کند. به بیان ساده، در برنامه‌نویسی، کامپیوتر تنها دستورات از پیش نوشته‌شده را اجرا می‌کند و هیچ‌گونه تصمیم‌گیری یا تغییری در مسیر انجام وظایف ندارد.
اما هوش مصنوعی فراتر از این عمل می‌کند. در سیستم‌های هوش مصنوعی، هدف این است که ماشین‌ها بتوانند یاد بگیرند و خودشان راه‌حل‌هایی برای مسائل پیدا کنند. این یعنی ماشین‌ها با استفاده از داده‌هایی که به آنها داده میشود، الگوها را شناسایی می‌کنند و بر اساس آنها تصمیم می‌گیرند. به جای اینکه تمام جزئیات کار به آنها گفته شود، خودشان یاد می‌گیرند چگونه عمل کنند.
به طور خلاصه:
- در برنامه‌نویسی، شما تمام دستورالعمل‌ها را به صورت کامل به کامپیوتر ارائه می‌دهید.
- در هوش مصنوعی، شما دادهها و ابزار یادگیری را به ماشین می‌دهید تا خودش بتواند یاد بگیرد و تصمیم بگیرد.
در نهایت، برنامه‌نویسی پایه‌ای برای ساخت سیستم‌های هوش مصنوعی است، اما هوش مصنوعی به ماشین‌ها این امکان را میدهد که فراتر از دستورالعمل‌های اولیه عمل کنند و حتی در شرایط جدید هم تطبیق پیدا کنند.
هوش مصنوعی چگونه آموزش می‌بیند؟
برای اینکه هوش مصنوعی بتواند به سیستم هوشمندی تبدیل شود که از دادهها یاد بگیرد و تصمیم‌های مستقل بگیرد، دو روش اصلی به کار گرفته میشود: یادگیری ماشین (Machine Learning) و یادگیری عمیق (Deep Learning). هر دو روش، رویکردهای متفاوت اما مکملی برای آموزش ماشین‌ها هستند که در ادامه توضیح داده می‌شوند.
یادگیری ماشین: یادگیری از تجربه
منظور از ماشین لرنینگ چیست؟ یادگیری ماشین در هوش مصنوعی فرایندی است که طی آن، داده‌های یک الگوریتم توسط کامپیوتر و تکنیک‌های آماری تغذیه می‌شوند. هدف از این کار، کمک به یادگیری و بهبود تدریجی عملکرد الگوریتم است. این الگوریتم لزوما برای انجام یک کار خاص برنامه‌ریزی نشده است؛ اما به‌واسطه‌ی این سازوکار میتواند به تدریج، روند انجام آن را فرا بگیرد.
به یک الگوریتم Machine Learning به‌اختصار ML گفته میشود. این الگوریتم از داده‌های قبلی و ساختاریافته به‌منظور پیش‌بینی مقادیر خروجی خود استفاده می‌کند. بر این اساس، ماشین لرنینگ خود به دو نوع زیر تقسیم میشود:در یادگیری ماشین، سه نوع اصلی آموزش وجود دارد:
- یادگیری نظارت‌شده :(Supervised Learning) ماشین از داده‌هایی استفاده می‌کند که همراه با پاسخ‌های درست هستند؛ مثلاً تصویر گربه‌ها و سگ‌ها به همراه برچسبی که می‌گوید کدام‌یک گربه است.
- یادگیری بدون نظارت :(Unsupervised Learning) ماشین بدون برچسب یا پاسخ کار می‌کند و خودش باید الگوها را کشف کند؛ مثلاً گروه‌بندی مشتریان بر اساس رفتار خریدشان.
- یادگیری تقویتی :(Reinforcement Learning) این روش مثل بازی‌کردن است؛ ماشین از طریق آزمون و خطا و دریافت پاداش یا جریمه، یاد میگیرد که چگونه بهترین نتیجه را به دست آورد.
یادگیری عمیق: گام بعدی در هوش مصنوعی
اما منظور از دیپ لرنینگ چیست؟ این الگوریتم، نوعی الگوریتم ماشین لرنینگ است که داده‌های ورودی خود را با الهام از مدل‌های شبکه‌ی عصبی موجودات زنده اجرا می‌کند. این مدل‌ها از علم بیولوژی کپی می‌شوند. در یک شبکه‌ی عصبی، لایه‌های متعدد (حداقل سه لایه) وجود دارند. هریک از این لایه‌ها می‌توانند ورودی یا خروجی باشند. وظیفه‌ی نهایی آنها نیز این است که دادهها را در سطوح متفاوتی پردازش کنند. این مکانیسم به الگوریتم، امکان یادگیری عمیق‌تر الگوی موردنظر را می‌دهند.
یک شرکت هوش مصنوعی عمیق تلاش می‌کند با کاربرد دیپ لرنینگ در الگوریتم‌های خود، مداخلات انسانی و نیاز به نظارت او را کاهش دهد. این الگوریتم، ویژگی‌های خودکار بیشتری نسبت یادگیری ماشینی داشته و امکان پردازش داده‌های بزرگتر را فراهم می‌کند. به‌این‌ترتیب می‌توان این دیپ لرنینگ را نوعی یادگیری ماشینی مقیاس‌پذیر دانست.
یادگیری عمیق همچنین قدرت بالایی در پردازش داده‌های غیرساختاری خام مانند تصاویر و متون دارد. چنین سیستمی میتواند با استفاده از ویژگی‌های سلسله‌مراتبی که برایش تعریف شده، این نوع دادهها را به‌راحتی و با دقت و سرعت بیشتری طبقه‌بندی کند.به همین دلیل، یادگیری عمیق در وظایف پیچیده‌ای مانند تشخیص تصویر، ترجمه زبان، و حتی هدایت خودروهای خودران بسیار موفق است. روش‌های دیگری نیز برای آموزش هوش مصنوعی وجود دارند، اما یادگیری ماشین و یادگیری عمیق پرکاربردترین و شناخته‌شده‌ترین‌ها هستند. سایر روشها معمولاً برای مسائل خاص‌تر یا در حوزههای تخصصی‌تر استفاده می‌شوند.
بیشتر بخوانید: میکرولرنینگ چیست و چه کمکی به یادگیری می کند؟
زبان برنامه‌نویسی هوش مصنوعی چیست؟
وقتی صحبت از هوش مصنوعی میشود، معمولاً ذهن‌ها به سمت پایتون (Python) می‌رود. این زبان با داشتن کتابخانه‌های قدرتمندی مثل TensorFlow، PyTorch و scikit-learn، کارِ پیاده‌سازی الگوریتم‌های یادگیری ماشین و یادگیری عمیق را ساده کرده است. علاوه بر این، جامعه کاربری بزرگ پایتون و منابع آموزشی متعدد، آن را به محبوب‌ترین انتخاب برای پروژه‌های هوش مصنوعی تبدیل کرده است.
البته همه چیز به پایتون ختم نمی‌شود. زبان‌هایی مانند R برای تحلیل داده و آمار، C++ برای پیاده‌سازی‌های سریع و بهینه و حتی زبان‌های سنتی‌تری مثل LISP و Prolog نیز در هوش مصنوعی کاربرد داشته‌اند. هر زبان نقاط قوت خود را دارد و انتخاب آن معمولاً بسته به نیاز پروژه، میزان داده، سرعت اجرا و ابزارهای موجود متفاوت است.
به طور خلاصه، هیچ زبان برنامه‌نویسی واحدی به‌عنوان «تنها انتخاب درست» برای هوش مصنوعی وجود ندارد؛ اما در حال حاضر، پایتون به دلیل سادگی و پشتیبانی گسترده، پرطرفدارترین گزینه است.
کاربردهای هوش مصنوعی
هوش مصنوعی امروزه در بخش‌های مختلف زندگی ما نفوذ کرده و کاربردهای گسترده‌ای پیدا کرده است. در ادامه به برخی از مهم‌ترین کاربردهای آن اشاره می‌کنیم:
تشخیص اجسام (Object Recognition)
یکی از توانایی‌های کلیدی هوش مصنوعی، شناسایی و طبقه‌بندی اشیاء در تصاویر یا ویدئوهاست. این فناوری در حوزههای مختلفی از جمله رانندگی خودران، نظارت تصویری، و حتی در اپلیکیشن‌های موبایلی برای شناسایی محصولات یا موجودات زنده استفاده میشود. برای مثال، برنامه‌هایی که گل‌ها یا نژاد حیوانات را از طریق عکس تشخیص می‌دهند، از این فناوری بهره می‌برند.
تشخیص چهره (Face Recognition)
تشخیص چهره یکی از مشهورترین کاربردهای هوش مصنوعی است که به ماشین‌ها امکان میدهد چهره افراد را شناسایی کنند و حتی بین آنها تمایز قائل شوند. این فناوری در باز کردن قفل گوشی‌ها، سیستم‌های امنیتی، کنترل تردد و حتی تبلیغات هدفمند استفاده میشود. با این حال، استفاده از تشخیص چهره گاهی چالش‌هایی در زمینه حریم خصوصی نیز به همراه داشته است.
تشخیص گفتار (Speech Recognition)
فناوری تشخیص گفتار به هوش مصنوعی این توانایی را میدهد که گفتار انسان را به متن تبدیل کند یا به آن پاسخ دهد. این قابلیت در دستیارهای صوتی مانند Google Assistant، Siri و Alexa بسیار کاربرد دارد. همچنین در سیستم‌های ترجمه همزمان یا زیرنویس‌های خودکار و حتی خدمات مشتریان صوتی استفاده میشود.
دیپ‌فیک و شبکه‌های مولد (Deepfakes and Generative AI)
یکی از پیشرفته‌ترین کاربردهای هوش مصنوعی، خلق تصاویر، ویدئوها و حتی صداهای مصنوعی است. تکنیک‌هایی مانند دیپ‌فیک از شبکه‌های عصبی مولد (GAN) برای ساخت ویدئوهای واقع‌گرایانه استفاده می‌کنند که می‌توانند چهره یک شخص را به‌طور طبیعی در ویدئویی دیگر قرار دهند. این فناوری هم در سرگرمی و تولید محتوا و هم در زمینههای علمی مثل بازسازی چهره‌های تاریخی کاربرد دارد، اما گاهی مسائل اخلاقی و سوءاستفاده‌هایی نیز به دنبال داشته است.
سطوح مختلف هوش مصنوعی
هوش مصنوعی در سه سطح کلی دسته‌بندی میشود که هرکدام توانایی‌ها و محدودیت‌های خاص خود را دارند. این سطوح عبارت‌اند از هوش مصنوعی محدود (Artificial Narrow Intelligence)، هوش مصنوعی عمومی (Artificial General Intelligence)، و سوپر هوش مصنوعی (Artificial Super Intelligence). در ادامه هر یک از این سطوح را بررسی می‌کنیم.
هوش مصنوعی محدود (Artificial Narrow Intelligence)
این سطح از هوش مصنوعی همان چیزی است که امروز در اطرافمان می‌بینیم و استفاده می‌کنیم. هوش مصنوعی ضعیف یا محدود برای انجام یک وظیفه خاص طراحی شده و در آن وظیفه عملکردی عالی دارد. مثلاً دستیارهای صوتی مانند Siri یا Google Assistant، سیستم‌های تشخیص تصویر، خودروهای خودران یا الگوریتم‌های پیشنهاد محتوا در شبکه‌های اجتماعی همگی نمونه‌هایی از هوش مصنوعی محدود هستند. این نوع هوش مصنوعی نمیتواند وظایف متنوع یا فراتر از حوزه برنامه‌ریزی‌شده خود را انجام دهد.
هوش مصنوعی عمومی (Artificial General Intelligence)
این سطح از هوش مصنوعی که به هوش مصنوعی قوی نیز مشهور است شبیه به هوش انسانی عمل می‌کند و قادر است مسائل مختلف را بدون نیاز به برنامه‌ریزی مستقیم حل کند. در این سطح، ماشین‌ها می‌توانند دانش و مهارت‌های مختلف را یاد بگیرند و در موقعیت‌های جدید به‌طور مستقل تصمیم‌گیری کنند. حتما می‌پرسید که معیار قوی بودن یک ماشین هوش مصنوعی چیست؟ در حالت تئوری، فرض دانشمندان بر این است که اگر ماشینی بتواند دو آزمون تورینگ یا بازی تقلید (Turing Test) و اتاق چینی (Chinese Room) را پشت سر بگذارد، می‌توان آن را AI قوی قلمداد کرد. این دو تست برای ارزیابی میزان و قدرت هوش مصنوعی کامپیوترها و الگوریتم‌های آنها طراحی شده‌اند.
AI قوی را اکنون باید تنها در شخصیت‌های فیلم‌های علمی‌تخیلی مانند شخصیت Data در Star Trek ببینیم. دانشمندان در آزمایشگاه به نتایج محدودی درباره‌ی این تکنولوژی رسیده‌اند. آنها اما مانند بسیاری از تکنولوژی‌هایی که امروز از آنها استفاده می‌کنیم، امید دارند که AI قوی نیز قطعا روزی به واقعیت بدل شود. بسیاری نیز نگران نتایج غیرقابل‌کنترل اعمال ماشین‌هایی هستند که با موفقیت در راه‌اندازی کامل این تکنولوژی، ممکن است اتفاق بیفتد.
سوپر هوش مصنوعی (Artificial Super Intelligence)
سوپر هوش مصنوعی سطحی است که در آن ماشین‌ها از هوش انسانی فراتر می‌روند و توانایی‌هایی بسیار پیشرفته‌تر از انسان دارند. در این حالت، ماشین‌ها می‌توانند مسائل پیچیده‌ای را حل کنند که حتی برای انسان قابل‌فهم نیست. این مفهوم بیشتر در آثار علمی‌تخیلی مطرح شده و هنوز در مرحله نظری قرار دارد. اگر سوپر هوش مصنوعی روزی محقق شود، میتواند تغییرات عظیمی در جهان ایجاد کند، اما نگرانی‌هایی در مورد کنترل و امنیت آن وجود دارد.
تفاوت هوش مصنوعی محدود، عمومی و سوپر هوش مصنوعی در چیست؟
- هوش مصنوعی محدود تنها در یک حوزه خاص متخصص است، مثلاً تشخیص چهره یا ترجمه متن.
- هوش مصنوعی عمومی میتواند در حوزههای مختلف عمل کند و مانند انسان یاد بگیرد و تصمیم‌گیری کند.
- سوپر هوش مصنوعی فراتر از توانایی‌های انسانی است و میتواند مشکلاتی را حل کند که انسان قادر به درک آنها نیست.
به طور خلاصه، هوش مصنوعی محدود در حال حاضر در زندگی روزمره ما استفاده میشود، در حالی که هوش مصنوعی عمومی و سوپر هوش مصنوعی هنوز در حد تئوری و تحقیقات هستند. هرچه از هوش محدود به سمت سوپر هوش حرکت کنیم، قابلیت‌ها پیچیده‌تر و تأثیرات بزرگتر می‌شوند.
انواع ماشین های هوش مصنوعی
از سال ۲۰۱۶ و بر اساس پیشنهاد آرند هینتزه (Arend Hintze) استاد دانشگاه ایالتی میشیگان در رشته‌های زیست‌شناسی، علوم کامپیوتر و مهندسی، ماشین‌های هوش مصنوعی به چهار دسته تقسیم‌بندی شدند. این دسته‌بندی جزئیات بیشتری در مورد نوع و پیچیدگی وظایف یک سیستم AI ارائه میدهد. در ادامه، انواع هوش مصنوعی بر این اساس را بررسی می‌کنیم.
ماشین واکنشی (Reactive machines)
ماشین واکنشی یا Reactive Machine در هوش مصنوعی چیست؟ این سیستم از ابتدایی‌ترین مفاهیم هوش مصنوعی بهره می‌برد. همانطورکه از عنوان این ماشین پیداست، تنها قادر است از الگوریتم‌های خود برای درک و واکنش متقابل استفاده کند. Reactive Machine، حافظه‌ای ندارد و نمیتواند اطلاعات را ذخیره کند. بنابراین استفاده از داده‌های گذشته برای مدل‌سازی‌های بعدی نیز در آن منتفی است.
ماشین‌های واکنشی یا واکنش‌گرا برای انجام وظایف خاصی طراحی می‌شوند. محدودیت عملکرد و ادراک آنها، سبب قابل‌اعتمادتر‌شدن نتایج حاصل از الگوریتم‌های‌شان میشود.
ماشین حافظه محدود (Limited Memory)
یک ماشین هوش مصنوعی حافظه محدود میتواند دادها و پیش‌‌بینی‌های قبلی ذخیره کند. اطلاعات هنگام مدل‌سازی‌ها و ارائه نتایج در دفعات بعدی اجرای الگوریتم‌ها به کمک سیستم آمده و نتایج آن را دقیق‌تر می‌کنند. هدف از طراحی چنین سیستمی به‌دست‌آوردن پیش‌‌بینی‌های محدود، درباره‌ی نتایج با توجه به داده‌های گذشته است.
یک سیستم هوش مصنوعی حافظه محدود با پرورش یک مدل و آموزش آن، برای تجزیه و تحلیل و نحوه استفاده از داده‌های جدید ساخته میشود. به‌این‌ترتیب مدل موردنظر قابلیت‌های عملکرد خودکار بیشتری نسبت به ماشین‌های واکنشی خواهد داشت.
اگر می‌پرسید که نحوه‌ی ساخت یک ماشین حافظه محدود هوش مصنوعی چیست؟ به‌طورساده باید به مراحل زیر اشاره کنیم:
- تولید داده‌های آموزشی برای ارائه به ماشین
- برنامه‌نویسی مدل ماشین لرنینگ
- تست و اطمینان از توانایی پیش‌بینی مدل
- اطمینان از توانایی مدل در دریافت بازخوردهای انسانی و محیطی
- ذخیره بازخوردهای انسانی و محیطی به‌عنوان داده
- تکرار چرخه‌ای پنج مرحله‌ی قبلی
ماشین تئوری ذهن (Theory of the Mind)
ماشین تئوری ذهن هنوز در حد تئوری بوده و بشر هنوز به توانایی‌های لازم برای شکوفایی پتانسیل‌های آن دست نیافته است. این تئوری بر یک فرضیه‌ی اساسی روانشناختی استوار است که می‌گوید رفتار فرد میتواند تحت تاثیر افکار و احساسات دیگران قرار بگیرد.
بر این اساس، محققان این حوزه در تلاش برای ساختن ماشینی هستند که بتواند احساس یا منظور موجودات زنده و دیگر ماشین‌ها را درک کند. این ماشین از طریق تامل خودش (Self-Reflection) در مورد این اطلاعات، تصمیم‌گیری و عمل می‌کند. بنابراین با اختراع ماشین تئوری ذهن، ارتباط حسی در زمان واقعی بین ذهن انسان و هوش مصنوعی برقرار خواهد شد.
ماشین خودآگاهی (Self-awareness)
کلمه “خودآگاهی” را در روانشناسی و علوم انسانی زیاد می‌شنویم؛ اما منظور از آن در هوش مصنوعی چیست؟ به‌طور ساده، خودآگاهی در هوش مصنوعی به مرحله‌ای اشاره دارد که در آن ماشین‌ها از وجود خود در جهان، وضعیت ذهنی و احساسی خود، و همچنین حضور دیگران و حالات ذهنی آنها آگاه شوند. این سطح از هوش مصنوعی هنوز کاملاً نظری است و به پیدایش ماشین‌هایی وابسته است که بتوانند تئوری ذهن (Theory of Mind) را پیاده‌سازی کنند.
ماشین‌هایی با قابلیت تئوری ذهن قادر خواهند بود وضعیت ذهنی دیگران را بر اساس رفتار، حالت چهره، صدا، و نحوه برقراری ارتباط درک کنند. چنین توانایی‌هایی در حالت ایده‌آل به ماشین‌ها اجازه میدهد نیازهای دیگران را فراتر از داده‌های ورودی مستقیم شناسایی کنند. با این حال، تحقق این هدف مستلزم درک عمیق‌تری از مکانیسم هوشیاری و خودآگاهی در انسان است؛ مفهومی که همچنان یکی از بزرگ‌ترین ناشناخته‌های علوم اعصاب و روانشناسی محسوب میشود.
پس از درک این مکانیسم‌ها، مدل‌هایی برای تکرار و پیاده‌سازی فرآیند خودآگاهی در ماشین‌های هوش مصنوعی باید طراحی شوند. با این حال، دانشمندان معتقدند که دستیابی به این سطح از هوش مصنوعی، اگر هم ممکن باشد، در آینده‌ای بسیار دور قابل تحقق خواهد بود.
نمونه هایی از کاربردها و چند شرکت هوش مصنوعی
همان‌طور که تاکنون نیز متوجه شده‌اید و درباره هوش مصنوعی چیست به زبان ساده گفتیم، هوش مصنوعی در میانه‌ی راه خود قرار دارد. برخی اهداف و جنبه‌های آن محقق شده و برخی دیگر هنوز در مرحله‌ی تئوری هستند. هم‌اکنون تعداد زیادی شرکت هوش مصنوعی با محصولات متفاوت در حال فعالیت هستند. برای درک بهتر موقعیت فعلی این تکنولوژی و کاربردهایش در ادامه مثال‌هایی از آن را بررسی می‌کنیم.
ChatGPT
ربات چت جی‌پی‌تی یک ربات، توسعه‌یافته با هوش مصنوعی است که قادر است محتوای نوشتاری در قالب‌های مختلف تولید کند. این قالب‌ها از مقاله گرفته تا کدهای برنامه‌نویسی و پاسخ به سوالات ساده را در بر می‌گیرند. شرکت هوش مصنوعی OpenAI در ماه نوامبر ۲۰۲۲ این محصول را با استفاده از یک مدل زبانی تولید کرد که قادر به تقلید بسیار عالی متون نوشته‌شده توسط انسان است. برای مطالعه‌ی بیشتر دراین‌باره مقاله‌ی ChatGPT چیست و چگونه کار می‌کند؟ را به شما توصیه می‌کنیم.
گوگل مپ
اگر می‌پرسید که رابطه‌ی گوگل مپ و هوش مصنوعی چیست؟ باید بگوییم همه‌چیز! گوگل مپ یکی از شناخته‌شده‌ترین محصولات نرم‌افزاری توسعه‌یافته با هوش مصنوعی است. نقشه‌های گوگل بر اساس داده‌هایی تدوین یافته‌اند که از موقعیت مکانی گوشی‌های هوشمند و نیز داده‌های گزارش‌شده توسط خود کاربران تهیه می‌شوند. وضعیت ترافیکی جاده‌ها، تصادف و بسته شدن موقت جاده، نمونه‌هایی از این دادهها هستند. گوگل مپ با استفاده از هوش مصنوعی است که میتواند سریع‌ترین و کوتاه‌ترین مسیر، زمان تقریبی رسیدن شما به محل و دیگر جزئیات را به شما ارائه کند.
دستیارهای هوشمند
به Smart Assistant ها در بخش‌های قبلی مقاله نیز اشاراتی کردیم. سیری، الکسا و کورتانا (متعلق به شرکت مایکروسافت) معروف‌ترین‌های این صنعت هستند. اما رابطه‌ی آنها با هوش مصنوعی چیست؟ این دستگاه‌ها از الگوریتم‌های هوش مصنوعی پردازش زبان طبیعی (Natural Language Processing) یا به‌اختصار NLP برای دریافت دستورالعمل‌های صوتی از کاربران استفاده می‌کنند. خدمات آنها مواردی مانند یادآوری، جستجوی اطلاعات آنلاین و کنترل نور محیط را شامل میشود. هوش مصنوعی دستیارهای هوشمند، قادر به بهبود عملکرد خود و ارائه‌ی پیشنهادهای بهتر با ذخیره‌ی اطلاعات قبلی و مدل‌سازی ترجیحات کاربران است.
فیلترهای اسنپ چت
همانطورکه می‌دانید اسنپ چت، یک اپلیکیشن پیام‌رسان و شبکه اجتماعی است که از طریق آن می‌توان پیام‌های تصویری، ویدئوی و متنی ارسال کرد. ویژگی اصلی این اپلیکیشن، ناپدیدشدن پیام‌ها پس از مشاهده توسط دریافت‌کننده است. اسنپ چت از الگوریتم‌های ماشین لرنینگ برای تمایز سوژه‌ی تصویری (پیام تصویری موردنظر) و پس‌زمینه استفاده می‌کند. به این ویژگی، فیلتر اسنپ چت گفته میشود.
ماشین‌های خودران
در یک ماشین خودران نقش هوش مصنوعی چیست؟ در این صنعت، هوش مصنوعی همه‌کاره است. چنین خودرویی از الگوریتم‌های یادگیری عمیق برای شناسایی اشیاء و خودروهای اطراف، تعیین فاصله‌ی ایمن، سرعت لازم، شناسایی مسیر، شناسایی علائم رانندگی و غیره استفاده می‌کند. به‌عنوان مثال، ویژگی اتوپایلوت (Autopilot) در خودروهای شرکت تسلا و سوپرکروز (Super Cruise) در برخی محصولات جنرال موتورز از هوش مصنوعی استفاده می‌کنند.
گجت های پوشیدنی
حسگرها و دستگاه‌های دیجیتال پوشیدنی امروزه کاربرد فراوانی در زندگی روزمره به‌خصوص با کاربردهای پزشکی پیدا کرده‌اند. آنها می‌توانند فشار خون، ضربان قلب، قند خون و دیگر ویژگی‌های مربوط به سلامتی‌تان را به شما گزارش کنند. این دستگاه‌ها گزارش‌های خود را با استفاده از داده‌های پزشکی قبلی‌تان به‌دست می‌آورند که با تکنولوژی جمع‌آوری شده‌اند.
DALL-E
DALL-E یک مدل هوش مصنوعی است که توسط OpenAI توسعه یافته و توانایی ایجاد تصاویر بر اساس متن توصیفی را دارد. این برنامه میتواند تصاویری واقعی و خیال‌انگیز بسازد که هیچ‌گاه پیش از آن وجود نداشته‌اند. به‌عنوان مثال، شما می‌توانید عباراتی مانند “یک گربه با کلاه فضایی در آسمان” را وارد کنید و دال ای تصویری دقیق از آن تولید کند.
Copilot GitHub
GitHub Copilot یک دستیار برنامه‌نویسی مبتنی بر هوش مصنوعی است که به برنامه‌نویسان کمک می‌کند کدهایی دقیق و کارآمد بنویسند. این ابزار که توسط GitHub و OpenAI ساخته شده است، به‌طور هوشمند پیشنهاداتی برای تکمیل کدها، اصلاحات و حتی ایجاد قطعات کد جدید را به برنامه‌نویس ارائه میدهد.
Midjourney
میدجرنی یک ابزار هوش مصنوعی برای تولید تصاویر هنری است که به کاربران امکان میدهد تصاویر خلاقانه و جالبی را تنها با وارد کردن توصیفاتی از آنچه که می‌خواهند ببینند، ایجاد کنند. این برنامه از الگوریتم‌های یادگیری ماشین برای ایجاد تصاویر پیچیده و با جزئیات استفاده می‌کند.
Gemini
جمینای یک سیستم هوش مصنوعی جدید از Google است که در زمینه پردازش داده‌های پیچیده و ایجاد مدل‌های یادگیری ماشین پیشرفته به کار می‌رود. این مدل میتواند در حل مسائل پیچیده علمی، تجاری و حتی در زمینه‌هایی مانند شبیه‌سازی‌های پزشکی و محیطی استفاده شود.
نقش هوش مصنوعی در یادگیری
طی یک تحقیق درباره هوش مصنوعی مشخص شده که یکی از مهم‌ترین کاربردهای AI در صنعت آموزش است. این تکنولوژی در سالهای اخیر آموزش شخصی‌سازی‌شده، سریع، جذاب، اینتراکتیو و چند بعدی را بیش‌ازپیش محقق کرده و به‌خصوص در دوران کرونا پتانسیل‌های خود را بیشتر نشان داد. در حال حاضر تعداد زیادی شرکت هوش مصنوعی با تمرکز بر کاربردهای آن در آموزش در دنیا فعال بوده و حتی بودجه‌های دولتی دریافت می‌کنند. هدف آنها به‌طور‌خلاصه، بهبود تجربه‌ی آموزش برای سازمان، مدرس و فراگیر از جهات مالی، علمی و غیره است. در ادامه، نقش هوش مصنوعی در یادگیری را با بررسی پنج فاکتور مهم، بررسی می‌کنیم.
آموزش شخصی سازی شده
یکی از مهم‌ترین معضلات آموزش، شباهت روش و محیط یادگیری برای همه‌ی فراگیران است. این در حالی است که مغز هر فرد، الگوها و عادات یادگیری متفاوتی دارد. اگر می‌پرسید که در این زمینه فایده‌ی هوش مصنوعی چیست؟ باید گفت که ماشین‌های AI، علایق، توانمندی‌ها، اولویت‌ها و دیگر اطلاعات در مورد فراگیران را دریافت کرده و فرآیند یادگیری را برای آنها شخصی‌سازی می‌کنند. یک نمونه‌ی پیشرو از کاربرد AI در آموزش، پروژه‌ی ملی آموزش در کشور استونی است.
آموزش مدرس
دیگر کاربرد هوش مصنوعی در یادگیری، آموزش و توسعه‌ی علمی، مدیریتی و فردی مدرس است. چالشی که آموزش، همواره با آن مواجه بوده و یکی از دلایل افت کیفیتش محسوب میشود. تکنولوژی AI میتواند به توسعه‌ی شبکه‌های کامپیوتری و اینترنتی منجر شود که مدرس بتواند از شیوه‌های جدید یادگیری آگاه شده و همواره بر لبه‌ی علمی حوزه‌ی آموزشی خود حرکت کند.
بیشتر بخوانید: مدرسه آنلاین چیست؟
رفع محدودیت زمانی آموزش
به کمک AI یادگیری دیگر به ساعات کلاس محدود نخواهد بود. به‌عنوان مثال دانش‌آموزان می‌توانند با استفاده از ربات‌های چت، سوالات علمی و سوالات مربوط به امور اداری آموزش را از سیستم هوش مصنوعی بپرسند. به‌این‌ترتیب، سرعت و کیفیت یادگیری افزایش یافته و در هزینه و زمان مدرس و موسسه‌ی آموزشی نیز صرفه‌جویی میشود.
اتوماسیون امور آموزشی
نظرسنجی‌ها نشان می‌دهند که معلم‌های مدارس در کشورهای پیشرفته، حدود ۳۰ درصد از زمان خود را صرف امور اداری آموزش می‌کنند. برنامه‌ریزی آموزش، نمره‌دهی، حضور و غیاب و غیره نمونه‌هایی از این امور هستند. هوش مصنوعی میتواند با خودکارسازی این وظایف، بار کاری معلمان را کاهش داده و به آنها امکان تمرکز بیشتر بر آموزش مستقیم را بدهد. به‌عنوان مثال، سیستم‌های هوش مصنوعی قادرند آزمون‌ها را به‌طور خودکار تصحیح کرده و تکالیف دانش‌آموزان را ارزیابی کنند.
تولید محتوای هوشمند
به‌ویژه در آموزش مجازی، نقش محتوا بسیار پررنگ است. نقش هوش مصنوعی در یادگیری آنلاین و حتی حضوری از کمک به تولید محتوای آموزشی جذاب و سریع شروع شده و تا ایجاد محیط‌های مطالعاتی پیچیده، ادامه می‌یابد. نرم‌افزارهای آموزشی متعددی از AI برای تولید محتوای خود استفاده می‌کنند. نرم‌افزار آموزش مجازی زبان دولینگو، یک نمونه از آن‌هاست. تولید و طراحی مواردی مانند دروس دیجیتال، راهنمای مطالعه، تمرین و آزمون نیز میتواند به‌راحتی و با کمک الگوریتم‌های AI انجام شود.
مزایای هوش مصنوعی چیست؟
هوش مصنوعی در بسیاری از زمینه‌ها تحقق رویاهای دیرینه انسان را بیش‌ازپیش به واقعیت نزدیک کرده است. بودجه‌های هنگفت صرف‌شده برای آن در چند سال اخیر، گواه این موضوع هستند. از مهم‌ترین مزایای این تکنولوژی می‌توان به موارد زیر اشاره کرد:
- توانایی پردازش حجم بسیار زیاد اطلاعات در مدت‌زمان بسیار اندک
- پردازش و نتیجه‌گیری از اطلاعات با دقتی بسیار بالاتر از هر ماشین و تکنولوژی دیگر
- توانایی پیش‌بینی بسیار بالا
- تسهیل زندگی روزمره و توسعه‌ی جهانی رفاه انسانی
- کمک به شفافیت اطلاعات
به‌عنوان مثال درحال‌حاضر در صنعت بانکداری، بیش از نیمی از شرکت‌های خدمات مالی از هوش مصنوعی برای مدیریت دارایی‌ها، درآمدزایی و کاهش ریسک سرمایه‌گذاری استفاده می‌کنند. هوش مصنوعی، هزینه‌های آنها را در این زمینه‌ها به‌شدت کاهش میدهد. در صنعتی پزشکی نیز AI در کشف و توسعه واکسن‌ها، تشخیص دقیق‌تر بیماری‌ها و توسعه سیاست‌های بهداشتی کاربردهای فراوانی پیدا کرده است. رسانه‌ها و پلتفرم‌های شبکه‌ی اجتماعی نیز از هوش مصنوعی با هدف جلوگیری از سرقت ادبی و بهبود ویژگی‌های گرافیکی‌شان بهره می‌برند.
پذیرش عمومی؛ مهم ترین چالش هوش مصنوعی
اگر می پرسید که مهم‌ترین چالش هوش مصنوعی چیست؟ باید بگوییم ترس! درحال‌حاضر علاوه بر چالش‌های فنی، مالی و علمی AI، این تکنولوژی با چالش پذیرش عمومی روبه‌روست. نتایج نظرسنجی‌های مختلف به‌ویژه در آمریکا نشان میدهد که ۳۰ الی ۴۰ درصد مردم، نسبت به این تکنولوژی بدبین هستند. بسیاری از آنها حتی اعتقاد دارند که AI میتواند بشریت را نابود کند.
حدود ۴۵ درصد افراد شرکت‌کننده در نظرسنجی‌ها نیز نگرانی‌هایی در مورد آینده‌ی هوش مصنوعی دارند. نگرانی عمومی از جایگزینی ربات‌ها با انسان در انجام کارها و افزایش نرخ بیکاری و نتایج ناگوار ناشی از خطا در توسعه‌ی این تکنولوژی به‌خصوص در پزشکی و اتوموبیل‌های خودروان، برخی چالش‌های پیش روی هر شرکت هوش مصنوعی هستند.
خطرات هوش مصنوعی
هوش مصنوعی با تمام مزایایی که به همراه دارد، دارای معایب، خطرات و چالش‌هایی نیز هست که در صورت مدیریت نادرست، میتواند تأثیرات منفی جدی بر جنبه‌های مختلف زندگی انسان داشته باشد. این خطرات به دو دسته اصلی تقسیم می‌شوند: چالش‌های مرتبط با اشتغال و جامعه و خطرات مرتبط با کنترل و اخلاقیات.
خطرات هوش مصنوعی برای مشاغل چیست؟
یکی از بزرگ‌ترین نگرانی‌ها درباره هوش مصنوعی تأثیر آن بر بازار کار است. این فناوری به دلیل توانایی در خودکارسازی وظایف، میتواند باعث از بین رفتن تعداد زیادی از مشاغل شود. در صنایع مختلف، از تولید و کشاورزی گرفته تا خدمات مشتری، وظایفی که قبلاً توسط انسان انجام می‌شدند، اکنون به ربات‌ها و سیستم‌های هوشمند واگذار شده‌اند.
برخی از تأثیرات احتمالی هوش مصنوعی بر مشاغل عبارت‌اند از:
- کاهش فرصت‌های شغلی در بخش‌های تکراری:
مشاغلی مانند کارمندان ورودی داده، اپراتورهای خطوط تولید، یا حتی رانندگان ممکن است به دلیل جایگزینی با فناوری از بین بروند. - افزایش شکاف مهارتی:
نیروی کاری که مهارت‌های مرتبط با هوش مصنوعی و فناوری‌های دیجیتال را ندارد، ممکن است از بازار کار کنار گذاشته شود. - فشار بر سیستم‌های اجتماعی و اقتصادی:
افزایش نرخ بیکاری میتواند منجر به تنش‌های اجتماعی و اقتصادی شود، به‌ویژه در جوامعی که وابستگی زیادی به مشاغل سنتی دارند.
آیا هوش مصنوعی بشر را نابود می‌کند؟
سؤال از اینکه آیا هوش مصنوعی میتواند بشر را نابود کند، اغلب در فیلم‌های علمی-تخیلی و مباحث فلسفی مطرح میشود. اگرچه این نگرانی تا حد زیادی به داستان‌پردازی‌های تخیلی مربوط است، اما نمی‌توان خطرات بالقوه هوش مصنوعی را به‌کلی نادیده گرفت.
- تهدیدات ناشی از سیستم‌های خارج از کنترل:
اگر هوش مصنوعی به درستی طراحی یا کنترل نشود، ممکن است تصمیماتی بگیرد که بر خلاف منافع انسانی باشد. به‌عنوان مثال، ربات‌های نظامی یا سیستم‌های تصمیم‌گیر هوشمند می‌توانند نتایج غیرقابل پیش‌بینی و خطرناک داشته باشند. - ایجاد وابستگی بیش‌ازحد:
وابستگی بیش‌ازحد به هوش مصنوعی ممکن است توانایی‌های تصمیم‌گیری مستقل انسانها را کاهش دهد و آنها را در برابر بحران‌های فناوری آسیب‌پذیر کند. - خطرات اخلاقی و امنیتی:
توسعه هوش مصنوعی بدون در نظر گرفتن اصول اخلاقی ممکن است منجر به سوءاستفاده از این فناوری شود. سیستم‌های نظارتی، انتشار اطلاعات نادرست، و هک الگوریتم‌ها مثال‌هایی از این خطرات هستند.
در نهایت، هوش مصنوعی تنها ابزاری است که سرنوشت آن به نحوه استفاده و مدیریت ما از آن بستگی دارد و همچنان همه چیز درباره هوش مصنوعی و میزان حداکثر قدرتی که میتواند داشته باشد مشخص نیست. توجه به اصول اخلاقی و توسعه پایدار میتواند به کاهش این خطرات کمک کند و آینده‌ای امن‌تر برای بشریت رقم بزند.
آینده هوش مصنوعی
با توجه به توضیحات ارائه شده سوال مهم و عمومی این است که در آینده‌ی نزدیک جوامع انسانی نقش هوش مصنوعی چیست؟ واقعیت این است که زیرساخت‌ها و هزینه‌های محاسباتی، اجرایی و تحقیقاتی لازم برای تحقق کامل اهداف هوش مصنوعی، هنوز کاملا فراهم نشده‌اند. با‌این‌حال، روند پیشرفت این صنعت در دهه‌ی ۲۰۱۰ و ابتدای دهه‌ی ۲۰۲۰، نشان میدهد که سرعت پیشرفت AI در سالهای اخیر، حتی از قانون مور (Moore) نیز بهتر بوده است. قانونی که در ارزیابی و پیش‌بینی پیشرفت صنایع تکنولوژیک، کاربرد داشته و می‌گوید که تعداد ترانزیستورهای روی یک تراشه، به‌طور متوسط هر دو سال یک بار، دوبرابر میشود. به همین دلیل، پیش‌‌بینی‌ها در مورد آینده هوش مصنوعی ، حاکی از شکوفایی کامل آن تا پیش از سال ۲۰۳۰ است. اتفاقی که برای اینترنت در ۱۰ سال گذشته رخ داد.
با این توضیحات مشاغل مربوط به هوش مصنوعی در حال حاضر و در سالهای آتی نیز جزء بهترین شغل های پردرآمد جهان خواهد بود. اگر به این حوزه علاقه‌مند هستید، می‌توانید مسیر شغلی هوش مصنوعی را دنبال کنید و آینده شغلی خوبی برای خود رقم بزنید.
سخن آخر درباره AI
هوش مصنوعی چیست؟ این سوالی بود که تلاش کردیم در این مقاله، به‌طور کامل و به زبان ساده به آن پاسخ دهیم. Artificial Intelligence یکی از تکنولوژی‌های پیشرو در دنیای امروز ماست. این تکنولوژی تلاش می‌کند با طراحی و توسعه‌ی الگوریتم‌های یادگیری ماشینی، رفتار انسان را در ابتدا درک کرده و به آن پاسخ دهد. در حالت ایده‌آل نیز ماشین‌های توسعه‌یافته‌ی AI می‌توانند مانند انسان رفتار کرده و حتی حالات و احساسات او را درک و تقلید کنند.
هوش مصنوعی هم‌اکنون نیز در زندگی بسیاری از ما حضور داشته و نشانه‌های حضور آن در گوشی‌های تلفن همراه، آموزش، پزشکی و دیگر صنایع، به‌وضوح دیده میشود. با وجود چالش‌ها و نگرانی‌های موجود، بیشتر کارشناسان، آینده هوش مصنوعی را درخشان و قابل‌مقایسه با جایگاه اینترنت در دنیای امروز می‌دانند.
سوالات متداول درباره هوش مصنوعی
هوش مصنوعی یک حوزه از علوم کامپیوتر است که به طراحی و توسعه سیستم‌ها و برنامه‌هایی می‌پردازد که به نحوی مشابه با نحوه عملکرد مغز انسان، بتوانند مسائل را حل و تصمیم‌گیری کنند. هوش مصنوعی بر اساس الگوریتم‌ها و مدل‌هایی مانند شبکه‌های عصبی و یادگیری ماشینی کار می‌کند.
خیر، هوش مصنوعی به عنوان یک حوزه چند رشتهای، در زمینههای مختلفی مانند پزشکی، حقوق، آموزش و پرورش، بازاریابی و حوزههای دیگر نیز استفاده میشود.
استفاده از هوش مصنوعی مزایای زیادی دارد از جمله: افزایش سرعت و کارایی در انجام وظایف، قابلیت تحلیل داده‌های بزرگ و پیچیده، کاهش خطاهای انسانی و بهبود تصمیم‌گیری. اما در عین حال، معایبی مانند وابستگی بیش از حد به تکنولوژی، مسائل امنیتی و حریم خصوصی و همچنین نگرانی‌های اجتماعی و اخلاقی نیز وجود دارد.
هوش مصنوعی میتواند در برخی فعالیتها و وظایف خاص جایگزین انسانها شود، اما برخی از فعالیتها مانند فعالیتهای خلاقیت و هنری که نیازمند دانش عمیق انسانی هستند، هنوز به طور کامل قابل جایگزینی توسط هوش مصنوعی نیستند.
هوش مصنوعی به طور کلی به همه روشها و فنونی اطلاق میشود که برای تقویت هوش کامپیوترها استفاده میشود. در عین حال، یادگیری ماشینی یک زیرمجموعه از هوش مصنوعی است که تمرکز خود را بر روی توانایی کامپیوترها برای یادگیری از دادهها قرار میدهد.
5 نظرات
بهزاد صادقی
۲۱ آذر , ۱۴۰۳ممنون.مغزم درد گرفت .ولی همچین چیزی شدنیه و میشود .سالهای که ما دیگر نیستیم..خداحافظ
نگین
۶ آذر , ۱۴۰۳بسیار مفید و کامل توضیح دادین ممنونم.
محمد علی محمدی
۷ آذر , ۱۴۰۲هوش مصنوعی در صورت که به تکامل برسد می تواند بر خلاف میل انسان یا کارفرما خودش عمل نماید و این یک فاجعه است
جولا
۳۰ مهر , ۱۴۰۲بنظر من هوش مصنوعی به محض ورود در زندگی بشر عادی میگردد.و هیچوقت نمیتواند جای انسان را بگیرد .مثل کامپیوتر که گرچه سرعت و دقت کارها را بالا برد ولی همیشه نیاز به انسان برای حل مشکلاتش دارد..
مهدی
۲ مهر , ۱۴۰۲ای کاش هوش مصنوعی بتواند جایگزین پزشک ها و دندانپزشک ها بشود تا مردم ایران از دست دندانپزشکان راحت بشوند.