تاریخچه و کاربردهای هوش مصنوعی

به گزارش پایگاه خبری یاز اکو به نقل از ایسنا، سعید پاشازاده در گفت‌وگو با خبرنگاران در خصوص تاریخچه‌ هوش مصنوعی گفت: تاریخچه‌ی هوش مصنوعی به دوران باستان باز می‌گردد که موجودات مصنوعی، با افسانه‌ها، داستان‌ها و شایعات توسط استادکاران ساخته می‌شد که دارای هوش یا آگاهی بودند. بذر هوش مصنوعی مدرن نیز توسط فیلسوفانی کاشته شد که تلاش کردند فرآیند تفکر انسان را به‌عنوان دستکاری مکانیکی نمادها توصیف کنند.

وی ادامه داد: دوران مدرن هوش مصنوعی در دهه‌ی ۱۹۵۰ آغاز شد. زمانی که محققان شروع به کاوش در ایده‌ی ایجاد ماشین­ هایی کردند که می­ توانستند «فکر کنند» و وظایفی را که به طور سنتی توسط انسان انجام می­ شد، انجام دهند. از آن زمان، هوش مصنوعی به سرعت تکامل یافت و به بخشی جدایی ناپذیر بسیاری از صنایع تبدیل شده است.

وی به برخی از نقاط عطف قابل توجه در تاریخ هوش مصنوعی اشاره کرد و یادآور می‌شود: در سال ۱۹۵۶ کنفرانس دارتموث برگزار شد و تولد هوش مصنوعی به عنوان یک میدان اعلام شد. همچنین در سال ۱۹۵۸، جان مک کارتی Lisp را اختراع کرد، که به‌عنوان یک زبان برنامه‌نویسی به ابزاری استاندارد برای تحقیقات هوش مصنوعی تبدیل شد. اولین ربات صنعتی در سال ۱۹۶۱ معرفی شد و در سال ۱۹۶۴ نیز جوزف وایزنبام ELIZA را به‌عنوان یک برنامه‌ی پردازش زبان طبیعی که مکالمه را شبیه­ سازی می­ کند، ایجاد کرد.

پاشازاده اضافه کرد: اولین سیستم هوش مصنوعی که قادر به استدلال در مورد عدم قطعیت بود، در سال ۱۹۷۴ توسعه یافت و در سال ۱۹۸۵ نیز سیستم­ های خبره در تجارت و صنعت مطرح و محبوب شدند. یکی از وقایع جالب توجه در تاریخ هوش مصنوعی عبارت است از پیروزی کامپیوتر Deep Blue شرکت IBM بر گری کاسپاروف روسی قهرمان شطرنج جهان که در سال ۱۹۹۷ به وقوع پیوست و سرانجام در سال ۲۰۱۱ کامپیوتر Watson شرکت IBM، قهرمانان انسانی را در مسابقه‌ی تلویزیونی شکست داد.

تعریف هوش مصنوعی

عضو هیأت علمی دانشکده‌ی مهندسی برق و کامیپوتر دانشگاه تبریز در تعریف هوش مصنوعی اظهار کرد: هوش مصنوعی توانایی یک کامپیوتر رقمی (دیجیتال) یا ربات کنترل شده توسط کامپیوتر برای انجام وظایفی است که معمولاً با موجودات هوشمند مرتبط است. این اصطلاح غالباً به پروژه‌ی توسعه‌ی سیستم‌هایی اطلاق می‌شود که دارای فرآیندهای فکری مشخص انسان مانند توانایی استدلال، کشف معنا، تعمیم یا یادگیری از تجربیات گذشته هستند.

او ادامه داد: هوش مصنوعی معمولاً با پردازش حجم عظیمی از داده­ها و جستجوی الگوهایی برای مدل­سازی در تصمیم ­گیری خود ­کار کرده و می­تواند الگوهایی را از اطلاعاتی مانند زبان، تصاویر، صدا، رفتار درون خطی (آنلاین) و … بیاموزد. هوش مصنوعی با استفاده از الگوهای داده‌های موجود و جدید، پیش‌بینی‌هایی را انجام می‌دهد که معمولاً به هوش انسانی نیاز دارند. به طول مثال می‌توان به جستجوی محصولاتی که قصد خرید آن‌ها را داریم یا چگونگی به پایان رساندن یک جمله اشاره کرد.

پاشازاده در ارتباط با شاخه ­های اصلی هوش ­مصنوعی نیز گفت: یادگیری ماشین، پردازش زبان طبیعی، رباتیک و سیستم ­های خبره جزو شاخه‌های اصلی و بینایی کامپیوتری، تشخیص گفتار، مدیریت تصمیم ­گیری و عوامل مجازی جزو زیر شاخه­ های هوش­ مصنوعی محسوب می‌شوند.

او همچنین در خصوص کاربرد هوش مصنوعی متذکر شد: هوش مصنوعی در بسیاری از برنامه­ های کاربردی زندگی روزمره‌ی ما استفاده می­ شود. از جمله‌ی این برنامه‌ها می‌توان به «دستیارهای دیجیتال مانند سیری و الکسا»، «موتورهای جستجو مانند گوگل»، «بسترهای (پلتفرم­) رسانه ­های اجتماعی مانند فیس‌بوک، توییتر و…»، «وب سایت­های خرید آنلاین مانند آمازون، eBay، دیجی­کالا و ترب»، «ربات‌­های مورد استفاده در خطوط تولید و مونتاژ»، «سیستم­ های حمل و نقل و ناوبری مانند Uber، Google Maps، بلد و نشان»، «افزونه­های ویرایش متن و تصحیح خودکار در تلفن­ های هوشمند و رایانه ­ها» و «سیستم‌های پیشگیری از کلاهبرداری که توسط بانک‌ها و شرکت‌های کارت اعتباری استفاده می‌شود» اشاره کرد.

نقش هوش مصنوعی در برنامه ‌های کاربردی

استاد دانشکده‌ی مهندسی برق و کامپیوتر در بخش دیگری از این گفت‌وگو در ارتباط با نقش هوش مصنوعی در برنامه‌های کاربردی خاطرنشان کرد: هوش مصنوعی در هر برنامه‌ی کاربردی نقش ­و مسئولیت­ های متفاوتی دارد؛ به‌طوریکه دستیارهای دیجیتالی مانند سیری و الکسا از هوش مصنوعی برای درک درخواست‌های صوتی کاربران، تأیید صحت کاربر، تکمیل وظایف با استفاده از یادگیری ماشینی استفاده می‌کنند. موتورهای جستجوگر مانند Google نیز از هوش مصنوعی برای تفسیر عبارت‌های جستجو با درک زبان انسانی، تطبیق عبارت‌ها با دقیق‌ترین و با کیفیت‌ترین نتایج، ارزیابی کیفیت محتوا برای بهبود مستمر نتایج جستجو استفاده می‌کنند.

او افزود: پلتفرم‌های رسانه‌های اجتماعی مانند فیس‌بوک و توییتر از هوش مصنوعی برای شخصی‌سازی محتوا برای کاربران بر اساس علایق و ترجیحات آن‌ها استفاده می‌کنند و در وب‌سایت‌های خرید آنلاین مانند آمازون، eBay، دیجی­کالا و ترب نیز از هوش مصنوعی برای توصیه‌ی محصولات بر اساس سابقه‌ی خرید و رفتار مرور صفحات محصولات توسط کاربران استفاده می‌شود. همچنین ربات‌های مورد استفاده در خطوط تولید و مونتاژ نیز از هوش مصنوعی برای انجام کارهای تکراری یا خطرناک برای انسان‌ها استفاده می‌کنند.

پاشازاده ادامه داد: سیستم‌های حمل و نقل و ناوبری مانند Uber، Google Maps، بلد و نشان از هوش مصنوعی برای بهینه‌سازی مسیرها، پیش‌بینی الگوهای ترافیک و ارائه‌ی به‌روزرسانی‌های هم‌زمان استفاده می‌کنند و افزونه­های ویرایش متن و تصحیح خودکار در تلفن‌های هوشمند و رایانه‌ها مانند Grammerly از هوش مصنوعی برای پیشنهاد کلمات یا عبارات بر اساس متن پیام استفاده می‌کنند که این افزونه ­ها از شبکه­ های عصبی مصنوعی برای این منظور بهره می­ برند.

او در خصوص کاربرد هوش مصنوعی در سیستم‌های پیشگیری از کلاهبرداری از بانک‌ها و کارت‌های اعتباری تاکید کرد: برای جلوگیری از کلاهبرداری از بانک‌ها و کارت‌های اعتباری، از هوش مصنوعی جهت شناسایی تراکنش‌های جعلی با تحلیل الگوهای موجود در داده‌های تراکنش استفاده می‌شود. همچنین سیستم ­های تشخیص نفوذ، الگوی رفتاری مهاجمین و بدافزارها را یادگرفته و آن‌ها را شناسایی می­کنند.

عضو هیأت علمی دانشکده‌ی مهندسی برق و کامیپوتر دانشگاه تبریز ادامه داد: تشخیص آنلاین چهره توسط دوربین ­های نظارتی در سطح شهر و تشخیص بیماری­ها و پیش­بینی ابتلا به آن‌ها با توجه به تحلیل داده­ های انبوه آموزشی، از دیگر کاربردهای هوش مصنوعی به شمار می‌رود که در حال حاضر با دقت بالایی انجام می­شود.

حوزه­‌های کاربردی آتی هوش مصنوعی

پاشازاده با بیان اینکه هوش مصنوعی به سرعت در حال توسعه بوده و حوزه ­های زیادی وجود دارد که در آینده می­توان در آن‌‎ها از هوش مصنوعی استفاده‌ی بیشتری کرد، اظهار کرد: حمل ونقل، خرید، کسب و کار، مراقبت‌های بهداشتی، تجارب مصرف­کننده، رباتیک، ناوبری و آموزش، تنها چند نمونه از نحوه استفاده از هوش مصنوعی در آینده است. همانطور که هوش مصنوعی به تکامل خود ادامه می­ دهد، احتمالاً شاهد ظهور برنامه ­های کاربردی بیشتری خواهیم بود.

او ادامه داد: هوش مصنوعی می ­تواند در بحث حمل و نقل، برای بهینه ­سازی جریان ترافیک، کاهش ازدحام و بهبود ایمنی در جاده­ ها استفاده شود. همچنین هوش مصنوعی را می ­توان برای شخصی­سازی تجربه‌ی خرید برای مشتریان با توصیه‌ی محصولات بر اساس ترجیحات آن‌ها استفاده کرد. اما در حوزه‌ی کسب وکار می‌توان از هوش مصنوعی برای خودکارسازی امور تکراری مانند ورود داده ­ها و خدمات به مشتریان استفاده کرد.

استاد دانشکده‌ی مهندسی برق و کامپیوتر دانشگاه تبریز افزایش داد: هوش مصنوعی می­ تواند با پیش­بینی بیماری­ ها و شناسایی بهترین گزینه ­های درمانی برای بهبود نتایج درمان بیماران مورد استفاده قرار گیرد. یکی دیگر حوزه‌ی کاربردی هوش مصنوعی در آینده می‌تواند در بحث تجربیات مصرف کننده‌ها باشد که هوش مصنوعی می­ تواند برای ایجاد تجربیات مصرف­کننده نسل بعدی مانند متاورس و ارزهای دیجیتال استفاده شود.

او اضافه کرد: هوش مصنوعی می­تواند برای توسعه‌ی ربات­هایی استفاده شود که می­ توانند وظایف پیچیده­ای را در خطوط تولید و مونتاژ انجام دهند. همچنین در بحث ناوبری نیز برای بهینه‌سازی مسیرها، پیش‌بینی الگوهای ترافیک و ارائه‌ی به‌روزرسانی‌های بی‌درنگ برای سیستم‌های حمل و نقل و ناوبری استفاده می‌شود و در موضوع آموزش نیز برای شخصی‌سازی تجربیات یادگیری دانش‌آموزان با توصیه‌ی دوره‌هایی بر اساس علایق و سبک یادگیری آنها استفاده می‌شود.

پاشازاده با تاکید بر اینکه اهداف سنتی تحقیق هوش مصنوعی شامل استدلال، بازنمایی دانش، برنامه­ریزی، یادگیری، پردازش زبان طبیعی، ادراک و توانایی حرکت و دستکاری اشیا می­باشد، می‌گوید: هوش مصنوعی را می­توان به دو دسته اصلی باریک یا ضعیف و عمومی یا قوی تقسیم کرد. هوش مصنوعی باریک یا ضعیف برای انجام یک کار خاص مانند بازی شطرنج یا تشخیص گفتار و هوش مصنوعی عمومی یا قوی برای انجام هر کار فکری که یک انسان می­تواند انجام دهد طراحی شده است.

استاد دانشکده‌ی مهندسی برق و کامپیوتر با بیان اینکه شبکه‌های عصبی، الگوریتم­ها و ساختمان‌های داده زیربناهای هوش مصنوعی هستند، یادآور می‌شود: بهترین راه برای شروع یادگیری هوش مصنوعی، یادگیری اصول اولیه شامل مطالعه‌ی الگوریتم‌ها، ساختمان داده‌ها و منطق است. به‌عنوان مثال می­‌توان به دوره‌ی آموزشی Udacity’s Introduction to Artificial Intelligence یا دوره Coursera’s Algorithms اشاره کرد. برای شروع یادگیری هوش مصنوعی از ابتدا، باید پایه­ای قوی در ریاضیات و علوم کامپیوتر داشته باشیم. برخی از مفاهیم کلیدی که باید با آن‌ها آشنا شد عبارتند از حساب دیفرانسیل و انتگرال، جبر خطی، نظریه‌ی احتمال، آمار و برنامه نویسی.

وی اضافه کرد: در صورت داشتن مطالعه و پایه‌ی نسبتا قوی در اصول اولیه‌ی هوش مصنوعی، می‌توانیم یادگیری در مورد موضوعات خاص هوش مصنوعی مانند یادگیری ماشینی، پردازش زبان طبیعی و بینایی کامپیوتری را نیز آغاز کنیم.

به گزارش ایسنا، به نقل از روابط عمومی دانشگاه تبریز، پاشازاده در خاتمه تاکیدکرد: ابزار جهانی AI Vibrancy که از طریق تارنمای (https://aiindex.stanford.edu/vibrancy) در دسترس است، به‌عنوان یک تجسم تعاملی امکان مقایسه‌ی بین ۲۹ کشور را فراهم می­ کند که البته ایران جزو این ۲۹ کشور پیشرو نیست. طبق رتبه ­بندی سال ۲۰۲۱ و بر اساس معیارهای خالص، ایالات متحده‌ی آمریکا، چین، هندوستان، انگلیس و کانادا در رتبه­ های یکم تا پنجم جهان قرار دارند و طبق رتبه ­بندی بر اساس نفر، سنگاپور، رژیم صهیونیستی، سوئیس، استرالیا و انگلیس در رتبه­ های یکم تا پنجم جهان قرار دارند. در این نمودارها، تحقیق و توسعه به رنگ آبی و اقتصاد هوش مصنوعی به رنگ سبز نمایش داده شده است و رتبه‌ی هر کشور بر اساس مجموع این دو مورد محاسبه شده است. این گزارش نشان می­دهد که کشورهایی مانند سنگاپور، رژیم صهیونیستی و سوئیس سرمایه­ گذاری بسیاری به نسبت جمعیت خود در سال‌های اخیر در این حوزه انجام داده‌­اند.