هوش مصنوعی
Wiki Article
اگر دو توصیف به هم نزدیک باشد، میگوییم که این دو چهره یکی هستند. بدینترتیب، از شبکهای که فقط میتوانست یک چهره را تشخیص دهد به شبکهای رسیدیم که میتواند هر چهرهای را تشخیص دهد!
توانایی بالا در انجام همزمان فعالیتهای گوناگون و مواجهه با شرایط ناشناخته.
با تمام تکنیکهایی که تا اینجا توضیح دادیم، آموزش شبکهای که تصویر یک فرد در حال رقص را دریافت کند و بتواند بگوید دستها و پاهایش در چه موقعیت مکانیای قرار دارند، کاملا شدنی است. این شبکه همچنین یاد گرفته که چطور پیکسلهای یک تصویر را به موقعیت قرار گرفتن دستها و پاها مربوط کند.
این خطرات تنها جنبههای فنی را در بر نمیگیرند؛ بلکه ابعاد اخلاقی، اجتماعی، امنیتی و حتی حقوقی را نیز شامل میشوند. در ادامه با رویکردی تحلیلی، خواهید دید که مهمترین جنبه چالشهای هوش مصنوعی است.
مدل هوش مصنوعی خطی برای انجیرهای رسیده؛ هرچه نرمتر، رسیدهتر
در برخی زمینهها، تغییرات شگرفی در توانایی ماشینها صورت گرفته و آن هم بهخاطر پیشرفتهایی است که در چند سال اخیر، در دو زمینهی مرتبط با هوش مصنوعی، یعنی یادگیری ماشین و یادگیری عمیق بهدست آمده است.
هر بار جوابی را که مدل فکر میکند صحیح است با جوابی که واقعا صحیح است، مقایسه میکنیم و به آن نمره میدهیم. بعد سعی میکنیم مدل را بهتر کرده و دوباره از آن امتحان بگیریم.
تورینگ میگفت انسانها از اطلاعات موجود و همچنین قدرت استدلال برای تصمیمگیری و حل مشکلات استفاده میکنند، پس چرا ماشینها نمیتوانند همین کار را انجام دهند؟ این دغدغهی ذهنی درنهایت به نوشتن مقالهی بسیار معروفی در سال ۱۹۵۰ انجامید که با پرسش جنجالی «آیا ماشینها میتوانند فکر کنند؟» شروع میشد.
این دادهها در حافظه بلندمدت به عنوان «تجربه» ذخیره نمیشوند، بلکه صرفاً برای اطلاعرسانی به مدل در لحظه به کار میروند. خودروهای خودران و بسیاری از چتباتها یک مثال عالی از این نوع هستند.
شبکههای عصبی نوعی مدل یادگیری ماشین هستند که از ساختاری مشابه نورونهای مغز انسان برای انجام محاسبات و پیشبینی استفاده میکنند. نورونها در شبکههای عصبی در لایههای مختلف طبقهبندی میشوند و هر لایه یک سری محاسبات ساده انجام میدهد و پاسخ آن را به لایهی بعدی منتقل میکند.
چراکه بهترین روشی که برای آموزش شبکههای مولد فعلا در اختیار داریم این است که به جای اینکه ما خودمان آنها را آموزش دهیم، اجازه دهیم شبکهی عصبی دیگری آنها را آموزش دهد؛ یعنی دو هوش مصنوعی رو در روی هم!
مرد: میخوام که وقتی کاربر عکس میگیره، اپلیکیشن بتونه تشخیص بده که عکس مثلا تو پارک ملی گرفته شده…
برای آشنایی بیشتر میتوانید به مقاله معرفی کتابخانههای پایتون برای هوش مصنوعی مراجعه کنید. در نتیجه در اغلب موارد به سادگی میتوانید پایتون ساخت عکس با هوش مصنوعی را انتخاب اول خود بدانید. دلیل دیگر محبوبیت پایتون، نوشتار ساده پایتون است که بسیار به زبان انگلیسی نزدیک است. به جز پایتون از زبانهای برنامه نویسی زیر نیز در حوزه هوش مصنوعی استفاده میشود:
با هوش مصنوعی، ماشینها فقط کارهای تکراری انجام نمیدهند؛ بلکه شرایط جدید را میفهمند و بهترین کار را انتخاب میکنند.