مفاهیم پایه هوش مصنوعی – بخش اول

رابطه هوش مصنوعی (Artificial Intelligence(AI)) و یادگیری ماشین (Machine Learning(ML))

شاید عبارت‌های هوش مصنوعی و یادگیری ماشین را بارها شنیده باشید ولی رابطه بین آن‌ها را ندانید.

حدود 3000 سال پیش هومر در کتاب ایلیاد به خدای آتش اشاره کرده که خدمتکارانی از جنس طلا برای خود می‌ساخته است و این نشان می‌دهد که اجداد ما از چه زمانی در تخیل ساخت کسی مثل خود بوده‌اند که به آن‌ها خدمت برساند و برای رسیدن به این آرزوی خود سال‌های زیادی تلاش کرده‌اند. در سال 1956 در کنفرانس دارتموث، اصطلاح هوش مصنوعی برای نام‌گذاری این رویا پدید آمد.

پس اگر بخواهم به زبان ساده هوش مصنوعی را تعریف کنم باید بگویم "هوش مصنوعی یعنی توانایی‌های یک انسان را به یک ماشین (کامپیوتر) بدهیم."

توانایی کشف اطلاعات جدید، نتیجه گیری، درک صحبت دیگران، دیدن، خواندن متن (تبدیل نوشته به صدا)، حرکت (مثل راه رفتن، باز کردن و بستن پنجره و بند کفش و ... - به این مقوله رباتیک هم گفته می‌شود) مهم‌ترین توانایی‌های یک انسان هستند.

حال که مفهوم هوش مصنوعی را می‌دانیم بهتر است به سراغ مفهوم یادگیری ماشین هم برویم. "پیش بینی بر اساس اطلاعاتی که در دسترس ما قرار دارند" این یک تعریف ساده از مفهوم یادگیری ماشین است. تصور کنید وضعیت هواشناسی روزهای مختلف سال در اختیار ما هستند و ما بخواهیم وضعیت هوای فردا را پیش بینی کنیم. ما الگوی نهفته در اطلاعات را باید پیدا کنیم (Pattern recognition) و با توجه به آن‌ها و شرایطی که امروز داریم هوای فردا را پیش بینی کنیم. مفهوم دیگری که در سال‌های اخیر مطرح شده و زیر مجموعه یادگیری ماشین است، مفهوم "یادگیری عمیق" است که در آن از شبکه‌های عصبی مصنوعی (به دلیل وجود لایه‌های مختلف در شبکه‌های عصبی مصنوعی به آن‌ها شبکه‌های عمیق هم گفته می‌شود)، برای پیش بینی بر اساس اطلاعات موجود استفاده می‌شود. (در بخش دوم مفاهیم پایه هوش مصنوعی مفهوم شبکه عصبی مصنوعی را بررسی می‌کنیم)

باید بدانیم: اگر تعداد اطلاعاتی که در دسترس ما قرار دارند بیشتر باشند، می‌توانیم پیش بینی دقیق‌تری داشته باشیم.

اکنون باید به این نتیجه رسیده باشیم که "یادگیری ماشین زیر مجموعه هوش مصنوعی است".