آموزش انواع هوش مصنوعی بر اساس قابلیت‌

[یاقوتِ نیلگون فام؛]

هوش مصنوعی عمومی (General AI)
هوش مصنوعی عمومی که به «هوش مصنوعی قوی» (Strong AI) نیز معروف است، یکی دیگر از انواع هوش مصنوعی به حساب می‌آید که می‌تواند هر کارکرد هوشمندانه انسانی را درک کند و آن را یاد بگیرد. هوش مصنوعی عمومی به‌کارگیری مهارت و استفاده از دانش را در زمینه‌های مختلف برای ماشین ممکن می‌سازد.

 

[یاقوتِ نیلگون فام؛]

پژوهشگران AI تاکنون موفق به دستیابی به هوش مصنوعی قوی نشده‌اند. شرط لازم برای دستیابی به این هدف و به منظور هوشمند‌سازی کامل ماشین‌ها، برنامه‌نویسی مجموعه کاملی از توانایی‌های شناختی است. شرکت مایکروسافت به منظور توسعه هوش مصنوعی عمومی، در موسسه OpenAI، مبلغ یک میلیارد دلار سرمایه ‌گذاری کرده است.

 

[یاقوتِ نیلگون فام؛]

«فوجیتسو» (Fujitsu) یکی از سریع‌ترین ابرکامپیوترهای جهان به نام کامپیوتر K را ساخته است. این پروژه یکی از مهم‌ترین فعالیت‌ها در راستای دستیابی به هوش مصنوعی قوی به حساب می‌آید. شبیه‌سازی یک ثانیه عملکرد اعصاب انسانی تقریبا ۴۰ دقیقه زمان نیاز دارد. بنابراین نمی‌توان به سادگی مشخص کرد که دستیابی به هوش مصنوعی قوی به‌زودی امکان‌پذیر خواهد بود یا خیر.

 

[یاقوتِ نیلگون فام؛]

«Tianhe-2» ابرکامپیوتری است که توسط دانشگاه ملی فناوری دفاع چین توسعه داده شده است. این ابرکامپیوتر توانایی پردازش ۳۳/۸۶ پتافلاپ (کوادریلیون) محاسبه بر ثانیه (cps) را دارد. اگرچه این موضوع هیجان‌انگیز به نظر می‌رسد، اما تخمین زده می‌شود که مغز انسان قادر به انجام یک اگزافلاپ، یعنی یک میلیارد محاسبه بر ثانیه باشد.

 

[یاقوتِ نیلگون فام؛]

ابر هوش مصنوعی (Super AI)
هوش مصنوعی برتر یکی از انواع هوش مصنوعی است که فراتر از هوش انسانی به حساب می‌آید و می‌تواند هر کاری را بهتر از انسان انجام دهد. چشم‌انداز ابر هوش مصنوعی نه صرفا شبیه‌سازی و درک احساسات انسانی است، بلکه شامل قابلیت برانگیختن عواطف، نیازها، باورها و آرزوهای انسانی نیز می‌شود. در حال حاضر، دستیابی به این هدف در حد یک فرضیه است. برخی ویژگی‌های برجسته ابر هوش مصنوعی شامل فکر کردن، حل معما، قضاوت کردن و تصمیم‌گرفتن به صورت مستقل است.

 

[یاقوتِ نیلگون فام؛]

انواع هوش مصنوعی بر اساس کارکرد
همان‌طور که پیش‌تر اشاره شد، برای توصیف انواع سیستم‌های هوش مصنوعی می‌توان هوش مصنوعی را بر اساس نحوه کارکرد هم دسته‌بندی کرد. بنابراین در این بخش به انواع هوش مصنوعی از جنبه عملکردی پرداخته شده است که عموماً شامل ۴ دسته می‌شود. ابتدا ماشین‌های واکنشی و سپس ۳ نوع دیگر AI از این جنبه معرفی شده است.

 

[یاقوتِ نیلگون فام؛]

هوش مصنوعی از نوع ماشین واکنشی (Reactive Machine)
ماشین واکنشی که به آن ماشین انفعالی یا منفعل هم می‌گویند، شکل اولیه‌ای از انواع هوش مصنوعی است که از تجربیات و سوابق گذشته برای پیشبینی استفاده نمی‌کند و تنها از داده‌های حاضر استفاده می‌کند. ماشین واکنشی دنیای پیرامون را درک می‌کند و نسبت به آن واکنش نشان می‌دهد. کارکردهای خاصی در ماشین‌های واکنشی تعریف شده‌اند و امکان فعالیت فراتر از آن برای این نوع از ماشین‌ها امکان‌پذیر نیست.

 

[یاقوتِ نیلگون فام؛]

هوش مصنوعی Deep Blue (متعلق به شرکت IBM) که استاد بزرگ شطرنج، گری کاسپاروف، را شکست داد، یک ماشین واکنشی است که با دیدن محل مهره‌های صفحه شطرنج نسبت به آن‌ها واکنش نشان می‌دهد. ماشین Deep Blue نمی‌تواند سوابق و تجربیات قبلی خود را در نظر بگیرد و با یادگیری از عملیات قبلی، خود را بهبود بدهد. این ماشین صرفا مهره‌های شطرنج را شناسایی می‌‌کند، نحوه حرکت آن‌ها را می‌داند و پیش‌بینی می‌کند حرکت‌های بعدی او و رقیبش چه خواهند بود. دیپ‌بلو هیچ یک از داده‌های قبل از لحظه حاضر را در نظر نمی‌گیرد و با نگاه به صفحه شطرنج از بین حرکت‌های ممکن، یک حرکت را انتخاب و اجرا می‌کند.

 

[یاقوتِ نیلگون فام؛]

هوش مصنوعی از نوع حافظه محدود (Limited Memory)
سیستم‌های با حافظه محدود، دسته‌ای از انواع هوش مصنوعی هستند که از داده‌های گذشته یاد می‌گیرند تا بتواند تصمیم‌گیری کنند. حافظه در چنین سیستم‌هایی کوتاه مدت است. این سیستم‌ها صرفا در بازه زمانی معینی امکان استفاده از داده‌ها را دارند و مجاز به بایگانی داده‌ها در کتابخانه تجربیات خود نیستند. این نوع تکنولوژی در خودروهای خودران مورد استفاده قرار می‌گیرد.

 

[یاقوتِ نیلگون فام؛]

نحوه عملکرد هوش مصنوعی حافظه محدود در خودروهای خودران به صورت زیر است.

• هوش مصنوعی حافظه محدود مشاهده می‌کند که وسایل نقلیه در محیط اطراف، در زمان حاضر و با گذر زمان، چگونه حرکت می‌کنند.
• این نوع ماشین، علاوه بر دریافت جریان داده‌های مستمر، داده‌های ایستا شامل خط‌کشی مسیر و چراغ‌های راهنمایی‌ و رانندگی را ذخیره می‌کند.
• موقعی که وسیله نقلیه تصمیم دارد خط مسیر خود را تغییر دهد، این داده‌ها فراخوانی می‌شوند؛ به‌طوری که در حرکت دیگر رانندگان اختلالی ایجاد نشود یا تصادفی رخ ندهد.