با این مقاله، به ترجمه تیم هم رویش، همراه باشید تا به پرسش های متداول در زمینه هوش مصنوعی پاسخ دهیم.
در مجله هم رویش منتشر شد:
تاریخچه کوتاه از هوش مصنوعی : بخش اول ______ تاریخچه تصویری
تاریخچه کوتاه از هوش مصنوعی : بخش دوم ______ تاریخچه تحلیلی
تاریخچه مختصر هوش مصنوعی (AI) – جدول زمانی هوش مصنوعی
سوال: هوش مصنوعی چیست؟
پاسخ:
هوش مصنوعی (Artificial intelligence)، یک مفهوم جامع و بیانگر طیف وسیعی از روش ها و تکنیک هایی است که به ماشین ها اجازه می دهد از هوش انسان تقلید کنند یا حتی از آن فراتر روند.
وقتی انسان ها فکر می کنند، در واقع آنچه در محیط اطرافشان اتفاق می افتد را احساس می کنند، معنای آن را درک می کنند، بر اساس آنها تصمیم می گیرند و سپس، اقدام می کنند.
دستگاه های مجهز به هوش مصنوعی (هوشمند) امروزی، در‌واقع گام‌های نخست ما برای شبیه سازی همین رفتارها در یک ماشین هستند.
سوال: تفاوت هوش مصنوعی و یادگیری ماشین و یادگیری عمیق چیست؟
پاسخ :
به راستی تفاوت هوش مصنوعی و یادگیری ماشین و یادگیری عمیق چیست ؟ هوش مصنوعی، یک ابرمجموعه شامل روش هایی است که به ماشین ها اجازه می دهد هوشمند باشند.
می توان هوش مصنوعی را با یک عروسک شانسی (عروسک تو در تو) روسی قیاس کرد: یادگیری ماشین، زیر مجموعه ای از هوش مصنوعی است و یادگیری عمیق، زیرمجموعه ای از یادگیری ماشین.
یادگیری ماشین یعنی توانایی فکر کردن یک ماشین، بدون اینکه از بیرون برنامه نویسی شده باشد.
در حالی که بسیاری از دستگاه ها، به طور مرسوم، با مجموعه ای از قوانینی که به آنها دستور می داد چگونه عمل کنند، برنامه نویسی می شدند، یادگیری ماشین دستگاه ها را قادر می سازد که خودشان مستقیما از داده ها یاد بگیرند و در گذر زمان و با جمع آوری داده های بیشتر، هوشمندتر شوند.
+ پیش از این آموزش یادگیری ماشین در هم‌رویش منتشر شد. برای دیدن فیلم معرفی این آموزش بر روی این لینک (+) و یا پخش کننده پایین کلیک کنید:
برای دریافت کامل بسته آموزش یادگیری ماشین بر روی لینک زیر کلیک کنید:
آموزش یادگیری ماشین از صفر — یادگیری سریع و آسان
یادگیری عمیق چیست؟
یادگیری عمیق، یک روش یادگیری ماشین است که از چندین لایه شبکه عصبی استفاده می کند تا ویژگی های سطح بالاتری را به مرور از داده های خام ورودی بیرون بکشد.
به طور مثال، در پردازش تصویر، لایه های پایین تر شبکه عصبی ممکن است لبه ها (مرزها) را تشخیص دهند، در حالی که لایه های بالاتر ممکن است مفاهیم مربوط به انسان مانند نوشته ها یا چهره ها را شناسایی کنند.
مثال فوق برای درک عمیق پاسخ سوال ” تفاوت هوش مصنوعی و یادگیری ماشین و یادگیری عمیق چیست ؟ ” برای شما آورده شد.
سوال: دستیار هوش مصنوعی چیست؟
پاسخ:
دستیار هوش مصنوعی (AI assistant)، برنامه ای است که با بکارگیری یادگیری ماشین، این قابلیت را دارد که به شما پاسخ دهد، اطلاعاتی را در اختیارتان بگذارد، نیازهایتان را پیش بینی کند و در صورت درخواست شما، وظایفی را برایتان انجام دهد.
با اینکه استفاده از این دستیارها را بیشتر در تلفن های همراه و بلندگو های هوشمند خانگی به یاد می آوریم، اما این دستیارها می توانند در وسایل گوناگونی وجود داشته باشند و به زودی، استفاده از آنها در عینک های واقعیت گسترده (XR)، لوازم خانگی، خودروهای متصل و موارد دیگر، رواج خواهد یافت.
سوال: مزایای هوش مصنوعی چیست؟
پاسخ :
هوش مصنوعی، ابزاری قدرتمند برای پرداختن به مسائل و چالش های مختلفی نظیر ترجمه صوتی (voice translation) یا تخمین کانال بی سیم (wireless channel estimation) است که مدل سازی یا حل آنها با روش های سنتی و معمولی دشوار است.
از دیگر مزایای هوش مصنوعی، تجربیات ارتقا یافته، دستیاری شخصی و خودکارسازی (اتوماسیون) فعالیت های تکرارشونده را به صورت یکپارچه و بی نقص برای کاربر نهایی ارائه می دهد.
علاوه بر این، هوش مصنوعی، مصرف انرژی وسایل را بهینه می کند و به ما این امکان را می دهد که از راه های راحت تری، مثلا از طریق یک رابط کاربری صوتی همیشه روشن (always-on voice user interface)، با وسایل کار کرده و در تعامل باشیم.
موارد فوق را می توان از جمله مزایای هوش مصنوعی برشمرد.
در هم رویش منتشر شده است :
آموزش ساخت شبکه عصبی با پایتون (و دیگر زبان‌ها) از صفر
سوال : چه چالش هایی پیرامون مدل های هوش مصنوعی وجود دارد؟
پاسخ:
بزرگترین چالش هایی که مدل های هوش مصنوعی با آنها مواجهند، این است که چگونه بیشتر در مصرف انرژی صرفه جویی کنند، چگونه از داده های کمتری یاد بگیرند، چگونه با داده های بدون برچسب آموزش ببیند (یادگیری بدون نظارت) و چگونه به انجام چندین کار قابل تعمیم باشند.
صنعت همچنین روی بدون بایاس و قابل توضیح کردن هوش مصنوعی تمرکز کرده است.
به نحوی که بدانیم چگونه کار می کند، کجا شکست می خورد و چگونه به سطح اطمینان می رسد. به طور مثال، می خواهیم بفهمیم هوش مصنوعی، چگونه در رانندگی خودگردان (و وسایل نقلیه خودران) مورد استفاده قرار می گیرد.
باید مشخص کنیم که ماشین چگونه در جاده ای با شرایط محیطی و آب و هوایی گوناگون، به صورت ایمن رانندگی کند.
سوال: پیشرفت های اصلی در زمینه هوش مصنوعی کدامند؟
پاسخ:
در حال حاضر، هوش مصنوعی از داده های بیشتر و سخت افزار کارآمدتر برخوردار است. همچنین، ابزارها و الگوریتم ها یا شبکه های هوش مصنوعی بهتری در اختیار داریم.
بخاطر ماهیت تعاملی و مشارکتی جامعه تحقیقاتی هوش مصنوعی از طریق مقالات و کارگاه ها، به طور مرتب، پیشرفت هایی در سطح دقت امور گوناگون حاصل می گردد.
سوال: آیا راهی برای حذف بایاس در الگوریتم های هوش مصنوعی وجود دارد؟
پاسخ:
وقتی در یک مجموعه داده (دیتاست) که یک مدل هوش مصنوعی روی آن آموزش داده می شود، بایاس (متمایل شدگی) وجود داشته باشد، این بایاس در مدل نیز نمود پیدا می کند.
یک راه مقابله با این بایاس، جمع آوری داده های مقاوم و ناهمگون است.
به طور مثال، در یادگیری توزیع شده روی تلفن های همراه، ممکن است بخواهید از داده های جغرافیایی و جمعیتی متنوعی نمونه برداری کنید. اگر در الگوریتم ها، بایاس مشاهده شود، داده ها باید مورد بررسی قرار گیرند تا در صورت نیاز، داده های جدیدی به آنها اضافه شود.
سوال: فناوری 5G چیست ؟ چه تاثیری روی هوش مصنوعی خواهد گذاشت؟
پاسخ:
هوش مصنوعی و فناوری 5G (نسل پنجم شبکه تلفن همراه)، دو نمونه از تحول سازترین تکنولوژی هایی هستند که جهان در چند دهه اخیر به خود دیده است. هر کدام به صورت جداگانه، صنایع را متحول کرده و تجارب جدیدی را به ارمغان می آورند. پس ترکیب (combination) آنها حتما تحول آفرین خواهد بود.
تاخیر کم و ظرفیت بالای فناوری 5G می تواند به پردازش هوش مصنوعی اجازه دهد که بین دستگاه، ابر مرزی (edge cloud) و ابر مرکزی پخش شود.
در نتیجه، راه حل های سیستمی منعطفی برای انواع تجربیات جدید و پیشرفته مانند رابط کاربری صوتی بهبود یافته و واقعیت گسترده نامحدود (boundless XR) فراهم می گردد.
سوال: رایانش مرزی یا Edge Computing چیست؟
پاسخ:
رایانش مرزی یا لبه ای (edge computing)، محاسبات و محل ذخیره داده ها را به محلی که مورد نیاز است، نزدیک تر می کند. در نتیجه، باعث صرفه جویی در پهنای باند و بهبود مدت زمان پاسخ می شود. رایانش مرزی، بسته به زمینه مورد استفاده، ممکن است معانی مختلفی داشته باشد:
مرز یک شبکه، مرز یک ابر یا دستگاه مرزی. برای مثال، رایانش مرزی برای یک گوشی هوشمند یا دستگاه اینترنت اشیا (IoT)، می تواند به معنای پردازش های روی دستگاه (on-device processing) باشد. یا برای یک ارائه دهنده شبکه تلفن همراه، به معنای پردازش در ابر مرزی یا نزدیک به ایستگاه پایه باشد.
سوال: فرق رایانش مرزی با رایانش ابری چیست؟
پاسخ :
رایانش مرزی، محاسباتی است که در ابر مرزی یا دستگاه مرزی انجام می شود. در حالی که رایانش ابری، در ابر مرکزی رخ می دهد. مکان انجام پردازش، ممکن است موجب ایجاد سطوح متفاوتی از عملکرد، تاخیر یا حریم شخصی شود. در مجموع، هر دو، مزایای متفاوتی دارند و مکمل یکدیگرند.
سوال: بینایی کامپیوتر چیست؟
پاسخ:
بینایی کامپیوتر یا رایانه (Computer vision)، رایانه ها را قادر می سازد تا یک درک سطح بالا از تصاویر یا فیلم های دیجیتالی بدست آورند. یادگیری عمیق، پیشرفت چشمگیری در بینایی رایانه بوجود آورده است.
در هم رویش منتشر شده است :
آموزش بینایی کامپیوتر با پایتون و opencv
سوال: چگونه می توانیم از مدل های هوش مصنوعی و یادگیری ماشین برای بهبود بینایی رایانه استفاده کنیم؟
پاسخ:
بینایی رایانه، شامل تولید آشکارسازهای ویژگی (feature detectors) است که به صورت مرسوم به دست انسان ها ساخته می شوند. به کمک مجموعه داده های بزرگ و عکس ها یا فیلم های برچسب دار، یادگیری ماشین و به خصوص یادگیری عمیق، می تواند این آشکارسازهای ویژگی را به صورت خودکار و دقیق تر از انسان ها آموزش دهد.
سوال: هوش توزیع شده چیست؟
پاسخ:
هوش توزیع شده (distributed intelligence)، نتیجه پردازش هوش مصنوعی به صورت مشترک روی دستگاه، ابرِ مرزی و/یا ابر مرکزی است. برای اینکه هوش توزیع شده، فعال شود و پردازش‌ها در مناسب ترین مکان، انجام شوند، یک پیوند با تاخیر کم و قابلیت اطمینان و ظرفیت بالا لازم است.
به همین دلیل است که فناوری 5G برای فعال کردن هوش توزیع شده در موارد مورد استفاده گوناگونی مانند واقعیت گسترده یا XR (extended reality) و کارخانه آینده (factory of the future) بسیار حائز اهمیت است.
سوال: تفاوت هوش توزیع شده با هوش مصنوعی چیست؟
پاسخ:
هوش توزیع شده، نتیجه اجرای هوش مصنوعی روی وسایل محاسباتی گوناگون، نظیر تلفن و یک سرور موجود در ابر است.
سوال: تفاوت رایانش مرزی با هوش توزیع شده چیست؟
پاسخ:
رایانش مرزی معانی متعددی دارد، ولی بطور کلی، یک مکان مشخص و مخصوص است که محاسبات در آن صورت می گیرد.
هوش مصنوعی توزیع شده
هوش مصنوعی توزیع شده به این معناست که هوشمندی، بواسطه اجرای الگوریتم های هوش مصنوعی در مکان های مختلف و با چند تکه کردن حجم های کاری مورد پردازش، ایجاد شده است.
سوال: تلفن های همراه چگونه از هوش مصنوعی استفاده می کنند؟
پاسخ:
هوش مصنوعی، با اتکا به شبکه های عصبی مصنوعی برای کمک به گرفتن عکس هایی بهتر، فهمیدن زبان های مختلف، شناسایی موسیقی و کمک در بازی کردن و پشت صفحه بسیاری موارد دیگر، روی تلفن همراه شما در حال اجراست.
به این هوش تلفن همراه عنوان هوش مصنوعی روی دستگاه (on-device AI) نیز داده می شود. این‌گونه هوش مصنوعی همچنین می تواند برای ترجمه بی‌درنگ (در لحظه) در تلفن های همراه استفاده شود. همچین تجربه کاربری در استفاده از برنامه ای مانند اسنپ چت را با هموار و سریع تر کردن عملکرد لنزهای دوربین تلفن همراه بهبود می بخشد.
علاوه بر آن، دوربین های تلفن های همراه از هوش مصنوعی برای عکاسی در نور کم، وضوح فوق العاده، گرفتن بهترین عکس ممکن، تنظیمات صفحه، جابجایی بین لنزهای دوربین و موارد دیگر نیز استفاده می کنند.
کلید واژگان
یادگیری عمیق چیست ؟ – رایانش مرزی – مزایای هوش مصنوعی – مزایای هوش مصنوعی چیست ؟ – مزایای AI
منبع :
artificial-intelligence/what-is-ai-faq#edge-computing
هم رویش منتشر کرده است
-
آموزش شبکه عصبی مصنوعی -- از صفر به زبان ساده
۱۴۴,۰۰۰ تومان -
آموزش تشخیص چهره با پایتون و OpenCV
۷۲,۰۰۰ تومان
