ده سال پیش، اگر شما در سالن اجتماعات اصطلاح "هوش مصنوعی" را از سخنران می‌شنیدید، احتمال زیادی داشت که خنده‌اتان می‌گرفت. برای اکثر افراد، این موضوع، دستگاه‌های علمی تخیلی حساسی مانند آنها که در فیلم 2001: ذهن ادیسه فضایی یا داده‌های پیشتازان فضا  بود را به ذهن متبادر می‌کرد.
 
امروز اما این یکی از داغترین کلمات و عبارات کلیدی در تجارت و صنعت است. فن آوری هوش مصنوعی اتصال دهنده اساسی در بسیاری از تحولات دیجیتالی است که امروزه رخ می‌دهد زیرا سازمان‌ها موقعیت خود را برای سرمایه گذاری روی مقادیر رو به رشد داده‌های تولید شده و جمع آوری شده پیدا می‌کنند.
 
پس چگونه این تغییر به وجود آمده است؟ خوب بخشی از آن به خودی خود ناشی از خود انقلاب بزرگ داده‌هاست. جمع آوری داده‌ها منجر به تحقیقات گسترده در مورد روش‌های پردازش، تجزیه و تحلیل و اقدام بر روی آن‌ها شده است. ماشین آلات به مراتب مناسب‌تر از انسان در این کار هستند. تمرکز بر روی ماشین‌های آموزشی بود تا این کار را به روشی که ممکن است "هوشمندانه" باشد انجام دهند.
 
این افزایش علاقه به تحقیقات در این زمینه - در دانشگاه‌ها، صنعت و در میان جامعه منبع باز که در وسط آن قرار دارد - منجر به صف شکنی‌ها و پیشرفت‌هایی شده است که نشان دهنده پتانسیل آنها برای ایجاد تغییرات شگرف است. از مراقبت های بهداشتی گرفته تا اتومبیل‌های خود راننده تا پیش بینی نتیجه پرونده‌های حقوقی، اکنون دیگر کسی به آنها نمی‌خندد!
 

هوش مصنوعی چیست؟

مفهوم آنچه که هوش مصنوعی را تعریف می‌کند با گذشت زمان تغییر کرده است، اما در هسته این تعریف همیشه ایده ساختن ماشین‌هایی وجود دارد که مانند انسان قادر به تفکر باشند.
 
از این گذشته، انسانها ثابت کرده‌اند که به طور منحصر به فردی توانایی تفسیر جهان پیرامون خود و استفاده از اطلاعاتی که برای تغییر ایجاد می‌کنند را دارند. اگر می‌خواهیم ماشین آلاتی بسازیم تا به ما در انجام کارآمدتر کارها کمک کنند، بنا بر این منطقی است که از خودمان به عنوان طرح و الگو استفاده کنیم.
 
از این رو، به هوش مصنوعی می‌توان به عنوان شبیه سازی ظرفیت تفکر انتزاعی، خلاقانه، قیاسی - و به ویژه توانایی یادگیری که این امر به وجود می‌آورد - با استفاده از منطق دیجیتال و باینری رایانه‌ها اندیشید.
 
کار تحقیق و توسعه در هوش مصنوعی بین دو شاخه تقسیم می‌شود. یکی با عنوان "هوش مصنوعی کاربردی" نام گذاری شده است که از اصول شبیه سازی فکر بشر برای انجام یک کار خاص استفاده می‌کند. مورد دیگر به عنوان "هوش مصنوعی عمومی" شناخته می‌شود - که به دنبال توسعه هوش دستگاهی است که بتواند دست‌هایش را برای انجام هر کاری بچرخاند، دقیقاً مانند کاری که یک شخص با دست‌هایش انجام می‌دهد.
 
تحقیقات در مورد هوش مصنوعی کاربردی تخصصی شده، در حال حاضر پیشرفت‌هایی از زمینه‌های مطالعه فیزیک کوانتومی برای مدل سازی و پیش بینی رفتار سیستم‌هایی متشکل از میلیاردها ذره زیر اتمی، تا داروهایی که از آنها برای تشخیص بیماران براساس داده های ژنومی استفاده می‌شود را شامل می‌شود.
 
در صنعت، و در دنیای مالی برای مصارفی اعم از شناسایی تقلب تا بهبود خدمات به مشتری با پیش بینی این که چه خدماتی را مشتری نیاز دارد، از هوش مصنوعی استفاده می‌شود. در ساخت و ساز از آن برای مدیریت نیروی کار و فرآیندهای تولید و همچنین برای پیش بینی خطاها قبل از وقوع آنها استفاده می‌شود. از این رو امکان تعمیر و نگهداری قابل پیش بینی را فراهم می‌آورد.
 
در دنیای مصرف کننده، بیشتر و بیشتر فناوری‌هایی که ما در زندگی روزمره خود به کار می بریم، توسط هوش مصنوعی تغذیه می‌شود - از دستیاران تلفن‌های هوشمند مانند Apple Siri و دستیار گوگل گرفته تا اتومبیل‌های خودران و خود مختار که بسیاری پیش بینی می‌کنند که تعداد آنها از اتومبیل‌های راننده دار در زمان حیات ما فزونی گیرد.
 
هوش مصنوعی عمومی کمی دورتر است – و برای انجام یک شبیه سازی کامل از مغز انسان نیاز داریم به درک کامل‌تری از این ارگان نسبت به آنچه در حال حاضر داریم، و نیز به قدرت محاسبات بیشتری نسبت به آنچه معمولاً اکنون در اختیار محققان است نیاز است. اما با توجه به سرعتی که فناوری رایانه در حال پیشرفت است، ممکن است حل این مسئله طولانی نباشد. مفهوم آنچه که هوش مصنوعی را تعریف می‌کند با گذشت زمان تغییر کرده است، اما در هسته این تعریف همیشه ایده ساختن ماشین‌هایی وجود دارد که مانند انسان قادر به تفکر باشند. نسل جدیدی از فناوری تراشه‌های رایانه‌ای که به عنوان پردازنده‌های عصبی مورب شناخته می‌شوند، برای اجرای کارآمد تر شبیه ساز مغز طراحی شده‌اند، و سیستم‌هایی مانند سکوی محاسبات شناختی واتسون IBM از شبیه سازی‌های سطح بالایی از فرآیندهای عصبی انسان برای انجام طیف گسترده‌ای از کارها استفاده می‌کنند بدون این که به طور خاص نحوه انجام آنها آموزش داده شود.
 

تحولات اساسی در هوش مصنوعی چیست؟

به دلیل تمرکز بر تقلید از فرآیندهای تفکر بشر، همه این پیشرفت‌ها امکان پذیر شده است. زمینه تحقیقاتی که در سال‌های اخیر بارورتر بوده است همان چیزی است که با عنوان "یادگیری ماشینی" شناخته شده است. در حقیقت، این مفهوم آن قدر با هوش مصنوعی یکپارچه شده است که اصطلاحات "هوش مصنوعی" و "یادگیری ماشینی" گاهی به جای هم به کار می‌روند.
 
با این حال، این استفاده‌ای غیر دقیق از زبان است، و بهترین راه برای فکر کردن در مورد آن این است که بگوییم یاد گیری ماشینی بیانگر پیشرفته‌ترین حالت موجود در زمینه گسترده‌تر هوش مصنوعی است. پایه و اساس یاد گیری ماشینی این است که به جای این که به ما آموزش داده شود که همه کارها را به صورت گام به گام انجام دهیم، ماشین‌ها اگر بتوانند برنامه ریزی کنند که مانند ما فکر کنند آن گاه می‌توانند یاد بگیرند که با مشاهده، طبقه بندی و درس گیری از اشتباهات خود، درست مانند ما کار کنند.
 
استفاده از علوم اعصاب در معماری سیستم تکنولوژی اطلاعات منجر به توسعه شبکه‌های عصبی مصنوعی شده است - و اگر چه کار در این زمینه در طول نیم قرن گذشته تکامل یافته است، فقط اخیراً رایانه هایی با توان کافی برای انجام این کار در دسترس بوده‌اند، آن هم نه به عنوان واقعیتی روزانه برای کار هر کس، به جز کسانی که به گران‌ترین و تخصصی‌ترین ابزارها دسترسی دارند.
 
شاید بزرگترین عامل توانمند ساز در این زمینه انفجار داده‌هایی باشد که از زمان ادغام جامعه اصلی با دنیای دیجیتال، رها شده است. این در دسترس بودن داده‌ها - از چیزهایی که ما در رسانه‌های اجتماعی به اشتراک می‌گذاریم تا داده‌هایی که ماشین آلات صنعتی متصل به هم تولید می‌کنند - به این معنی است که رایانه‌ها اکنون دنیایی از اطلاعات را در اختیار خود دارند که به آنها کمک می‌کند تا کارآمدتر یاد بگیرند و تصمیمات بهتری بگیرند.
 
منبع: برنارد مار - Forbes