هوش مصنوعی (AI) مجموعه‌ای از فناوری‌ها است که به کامپیوترها این امکان را می‌دهد که یاد بگیرند، استدلال کنند و انواع وظایف پیشرفته را به روش‌هایی انجام دهند که قبلاً به هوش انسانی نیاز داشتند، مانند

،

و حتی ارائه پیشنهادات مفید. این یک فناوری متحول‌کننده است که می‌تواند تغییرات معنادار و مثبتی را برای مردم، جوامع و جهان به ارمغان بیاورد.

این رشته شامل رشته‌های مختلفی از جمله علوم کامپیوتر، تجزیه و تحلیل داده‌ها و آمار، مهندسی سخت‌افزار و نرم‌افزار، زبان‌شناسی، علوم اعصاب و حتی فلسفه و روانشناسی می‌شود. 

هوش مصنوعی در مورد آموزش کامپیوترها برای انجام کارهای شگفت‌انگیزی است که مغز خودمان می‌تواند انجام دهد، از درک دنیای اطرافشان گرفته تا یادگیری چیزهای جدید و حتی ارائه ایده‌های تازه. به عنوان مثال، هوش مصنوعی در تشخیص نوری کاراکتر (OCR) برای استخراج متن و داده از تصاویر و اسناد مختلف استفاده می‌شود. این فرآیند، محتوای بدون ساختار را به داده‌های ساختاریافته و آماده برای کسب و کار تبدیل می‌کند و به کشف بینش‌های ارزشمند کمک می‌کند.

تکنیک‌های هوش مصنوعی، اگرچه متنوع هستند، اما اساساً همگی به داده‌ها، الگوریتم‌ها و قدرت محاسباتی متکی هستند. سیستم‌های هوش مصنوعی از طریق مواجهه با حجم عظیمی از داده‌ها، یاد می‌گیرند و بهبود می‌یابند و الگوها و روابطی را که ممکن است انسان‌ها از دست بدهند، شناسایی می‌کنند. این داده‌ها به عنوان مواد آموزشی عمل می‌کنند که کیفیت و کمیت آنها برای عملکرد هوش مصنوعی بسیار مهم است.

همانطور که قبلاً ذکر شد، هوش مصنوعی یک فناوری واحد نیست، بلکه یک حوزه گسترده است که شامل چندین حوزه کلیدی می‌شود:

• یادگیری ماشینی (ML) : این نوعی هوش مصنوعی است که در آن سیستم‌ها از داده‌ها یاد می‌گیرند تا الگوها را شناسایی کنند و بدون برنامه‌نویسی مستقیم، پیش‌بینی یا تصمیم‌گیری کنند. تصور کنید که با نشان دادن هزاران تصویر پرنده به یک کامپیوتر، به آن یاد می‌دهید که یک پرنده را تشخیص دهد؛ کامپیوتر خودش یاد می‌گیرد که یک پرنده چه شکلی است.
• یادگیری عمیق (DL) : یادگیری عمیق، زیرمجموعه‌ای از یادگیری ماشینی است که از شبکه‌های عصبی مصنوعی با لایه‌های زیاد (از این رو «عمیق») برای یادگیری از داده‌ها استفاده می‌کند. این شبکه‌ها از ساختار مغز انسان الهام گرفته شده‌اند و به ویژه در کارهای پیچیده‌ای مانند تشخیص تصویر و گفتار خوب عمل می‌کنند.
• پردازش زبان طبیعی (NLP) : NLP کامپیوترها را قادر می‌سازد تا زبان انسان را درک، تفسیر و تولید کنند. این همان چیزی است که دستیارهای صوتی مانند سیری و الکسا، سرویس‌های ترجمه و چت‌بات‌ها را قدرتمند می‌کند.
• بینایی کامپیوتر : این حوزه به کامپیوترها اجازه می‌دهد تا اطلاعات بصری از جهان، مانند تصاویر و ویدیوها را “ببینند” و تفسیر کنند. این حوزه در همه چیز از تشخیص چهره گرفته تا خودروهای خودران استفاده می‌شود.

می‌خواهید یاد بگیرید که چگونه با هوش مصنوعی شروع به کار کنید؟ در دوره رایگان « مقدمه‌ای بر هوش مصنوعی مولد برای مبتدیان» شرکت کنید .

هوش مصنوعی را می‌توان به روش‌های مختلفی سازماندهی کرد، بسته به مراحل توسعه یا اقداماتی که انجام می‌شود. 

این طبقه‌بندی، مدل‌های هوش مصنوعی را بر اساس سطح هوش و توانایی‌های حل مسئله آنها تعریف می‌کند.

• هوش مصنوعی محدود (ANI) : این تنها شکل هوش مصنوعی است که در حال حاضر وجود دارد. مدل‌های ANI برای انجام یک کار واحد و خاص، مانند شناسایی تصاویر، مشارکت در چت یا فیلتر کردن ایمیل‌ها طراحی شده‌اند. نمونه‌هایی از آن شامل دستیاران صوتی، فناوری تشخیص چهره و مدل‌های هوش مصنوعی مولد مانند Gemini و سایر مدل‌های زبان بزرگ (LLM) است. ANI علیرغم نامش، دارای استدلال یا خودآگاهی نیست. در عوض، داده‌ها را با یک الگوریتم ترکیب می‌کند تا پیش‌بینی‌هایی را در پارامترهای از پیش تعریف شده انجام دهد. در حالی که ANI مزایای زیادی ارائه می‌دهد، خطراتی نیز به همراه دارد، زیرا داده‌های آموزشی ضعیف می‌تواند منجر به خروجی‌های مغرضانه یا نادرست شود که می‌تواند در برنامه‌هایی مانند تأیید وام، تصمیمات استخدام و پلیس پیش‌بینی‌کننده بسیار مهم باشد. مجرمان سایبری همچنین می‌توانند به طور بالقوه از ANI برای ایجاد کلاهبرداری‌های پیچیده مبتنی بر هوش مصنوعی سوءاستفاده کنند. 
• هوش عمومی مصنوعی (AGI) : این یک گام پیشنهادی برای آینده در فناوری هوش مصنوعی است. از لحاظ تئوری، AGI قادر به انجام طیف وسیعی از وظایف خواهد بود و از استدلال شبه انسانی برای یادگیری، سازگاری و بهبود استفاده می‌کند. AGI هنوز وجود ندارد. برخلاف ANI، انتظار می‌رود AGI سازگار، خودمختار و قادر به یادگیری از اعمال خود باشد. نمونه‌های تخیلی شامل ربات‌های جنگ ستارگان است. با این حال، AGI ممکن است نگرانی‌های ایمنی و اخلاقی قابل توجهی را ایجاد کند، زیرا بازیگران مخرب می‌توانند AGI را با نیت مضر برنامه‌ریزی کنند و در صورت عدم تنظیم، منجر به قابلیت‌های مخرب بالقوه بی‌حد و حصر شوند.
• هوش مصنوعی برتر (ASI) : این پیشرفته‌ترین شکل نظری هوش مصنوعی است. ASI یک موجود خودآگاه خواهد بود که فراتر از کنترل انسان عمل می‌کند و در استدلال، خلاقیت و حتی هوش هیجانی به طور قابل توجهی از هوش انسانی پیشی می‌گیرد. مانند سایر اشکال هوش مصنوعی، نگرانی‌هایی وجود دارد که ASI می‌تواند تهدیدی وجودی برای بشریت باشد، و برخی از محققان هوش مصنوعی احتمال غیرقابل چشم‌پوشی از پیامدهای بسیار بد، از جمله انقراض بشر را مطرح می‌کنند.

این طبقه‌بندی، هوش مصنوعی را بر اساس نحوه عملکرد و تعامل آن در زمینه‌های خاص دسته‌بندی می‌کند.

1. ماشین‌های واکنشی: هوش مصنوعی محدود که فقط بر اساس قوانین از پیش برنامه‌ریزی شده به انواع مختلف محرک‌ها واکنش نشان می‌دهد. فاقد حافظه است و بنابراین نمی‌تواند از داده‌های جدید یاد بگیرد. یک نمونه قابل توجه، دیپ بلوی IBM است که در سال ۱۹۹۷ گری کاسپاروف، قهرمان شطرنج، را شکست داد.
2. حافظه محدود: بیشتر هوش مصنوعی مدرن حافظه محدودی دارد. این نوع هوش مصنوعی می‌تواند با آموزش بر روی داده‌های جدید، معمولاً از طریق یک شبکه عصبی مصنوعی یا مدل آموزشی دیگر، از حافظه برای بهبود در طول زمان استفاده کند. این حافظه کوتاه‌مدت است؛ پس از پایان یک جلسه، حافظه اغلب مجدداً تنظیم می‌شود. به عنوان مثال می‌توان به خودروهای خودران که سایر وسایل نقلیه را مشاهده می‌کنند و چت‌بات‌هایی مانند Gemini که پیام‌های قبلی را در یک مکالمه به خاطر می‌سپارند، اشاره کرد.
3. نظریه ذهن: هوش مصنوعی مبتنی بر نظریه ذهن در حال حاضر (هنوز) وجود ندارد، اما تحقیقات در مورد امکانات آن ادامه دارد. این نظریه، هوش مصنوعی را توصیف می‌کند که می‌تواند ذهن انسان را تقلید کند و قابلیت‌های تصمیم‌گیری برابر با انسان داشته باشد، از جمله توانایی تشخیص و به خاطر سپردن احساسات و واکنش در موقعیت‌های اجتماعی مانند یک انسان.