آشنایی با انواع هوش مصنوعی | بر اساس عملکرد و قابلیت

1402/04/1 - خواندن 8 دقیقه - نویسنده: علیرضا همتی

بسیاری از شما در حال حاضر نمونه‌های مختلفی از هوش مصنوعی را مشاهده کرده‌اید. این ابزارها کارهای مختلفی می‌کنند اما در کل دارای الگوهای یکسانی هستند. ما در این مقاله به طور کامل انواع هوش مصنوعی را معرفی خواهیم کرد. این تقسیم بندی‌ها بر اساس عملکرد و قابلیت هوش مصنوعی خواهد بود. شاید شما ابزارهای مختلفی را با کارایی‌های متفاوت دیده باشید اما قطعاً تعدادی از هوش مصنوعی‌های معرفی شده در این مقاله را تا به حال مشاهده نکردید.

شاید شما هم با ابزارهایی از هوش مصنوعی کار کرده باشید و از توانایی‌های آن حیرت زده باشید. دقت کنید که تمام چیزی که در حال حاضر قابل استفاده از هوش مصنوعی هستند، یک بخش بسیار کوچک از اتفاق بزرگ در حال رخ دادن هستند. دانشمندان کامپیوتر در حال گسترش بخش‌های مختلفی هستند که ما علاوه بر انواع موجود هوش مصنوعی آن بخش را هم مورد بررسی قرار می‌دهیم. ما به طور کلی بر اساس عملکرد و قابلیت، هوش مصنوعی دارای ۷ نوع است. واکنشی، حافظه محدود، نظریه ذهن و خودآگاه از نظر عملکرد و ضعیف، عمومی و سوپر از نظر قابلیت انواع هوش مصنوعی هستند که به طور کامل به این موارد می‌پردازیم.

۴ نوع هوش مصنوعی بر اساس عملکرد

بر این اساس تقسیم‌بندی‌ها به این صورت انجام می‌گیرد که هر هوش مصنوعی چه عملکردی در زمینه پردازش داده‌ها، پاسخ به محرک‌ها و تعامل با محیط خود دارد. در این زمینه AI می‌تواند عملکردهای متفاوتی را ارائه دهد که به ۴ بخش قابل تقسیم است.

۱- هوش مصنوعی واکنشی

این نوع قدیمی‌ترین و یکی از اصلی‌ترین انواع هوش مصنوعی است. در این نوع، ماشین قابلیت یادگیری یا ذخیره حافظه اتفاقات رخ داده را ندارد اما بر اساس داده‌های دریافتی و الگوهای مشخص شده، سریعترین پاسخ را به کاربر می‌دهند. به طور مثال شما برای پیشنهاد مناسب‌ترین فیلم به بینندگان، باید بسیاری از موارد را در نظر بگیرید. اما شما می‌توانید بر اساس داده‌های کاربران متفاوت نتیجه‌گیری ساده‌ای بکنید که کاربر ممکن است چه فیلمی را مدنظر قرار دهد. پس بر اساس یکسری داده مشخص می‌تواند یک تصمیم ساده و در عین حال بسیار مفید را بگیرد.

در این نوع در واقع یک پروسه ساده رخ می‌دهد که شامل ورود اطلاعات، پردازش آن و مطابق با نمونه‌ها و در نهایت پاسخ است. برای این وضعیت شما نه قابلیت یادگیری دارید و نه دارای حافظه‌ای از گذشته هستید. در ابتدای مسیر هوش مصنوعی تقریباً تمامی سیستم‌ها از این نوع هوش مصنوعی استفاده می‌کردند اما رفته رفته با پیشرفت سیستم‌ها، عملکرد بهبود پیدا کرد و امکان یادگیری عمیق ایجاد شد تا بتوان هوش مصنوعی حافظه محدود را ایجاد کرد.

۲- هوش مصنوعی حافظه محدود

قدم بعدی در تکامل عملکردی هوش مصنوعی، ایجاد یک حافظه برای ذخیره دانش و تجربه است. در حال حاضر بسیاری از سیستم‌های موجود در حال جمع‌آوری داده در حافظه خود و آموزش هستند تا بتوانند مدل قدرتمندی برای مشکلات بعدی پیدا کنند.

در سال ۲۰۱۲ گوگل با ارائه Image Net نوآوری جذابی به کار برد. این سیستم داده تصاویر گذشته را ذخیره می‌کرد و اطلاعات و دادهای تصاویر جدید را پیش‌بینی می‌کرد. به این ترتیب این سیستم می‌تواند حافظه‌ی خود را ایجاد کرده و بر اساس این دانش جدید، به بهبود عملکرد خود در طی زمان کمک کند. در حال حاضر بسیاری از سیستم‌ها از این نوع هوش مصنوعی استفاده می‌کنند.

نمونه‌های مختلفی از این نوع هوش مصنوعی وجود دارد. از چت بات‌ها تا ماشین‌های خودران در حال حاضر در این دسته قرار می‌گیرند. تقریبا با قطعیت می‌توان گفت تمامی محصولاتی که شما تا به حال با آن روبه رو بودید از جنس این نوع از هوش مصنوعی است.

۳- نظریه ذهن (هوش مصنوعی احساسی)

از نظر عملکردی در حال حاضر بالاترین بخشی که از آن استفاده می‌شود، حافظه محدود است و از اینجا به بعد پروژه‌ها در حد کارهای آزمایشگاهی هنوز باقی مانده است. در مدل حافظه محدود، ماشین می‌تواند داده‌ها را ذخیره کند و از تجربیات برای بهبود عملکرد استفاده کند. ضعفی که این نوع دارد این است که نمی‌تواند مانند انسان نشانه‌های احساسی و تغییرات ظریف محیطی را درک کند. به همین دلیل باید به سراغ هوش مصنوعی احساسی برویم.

در وضعیت حاضر دستیاران صوتی مانند الکسا و سیری هیچ نوع درک احساسی از منظور شما ندارند. شاید اگر یک انسان به صحبت فرد گوش دهد متوجه منظور او شود در حالی که دستیاران صوتی احساسات را درک نمی‌کنند.

در نظریه ذهن اتفاقی که رخ می‌دهد ایجاد یک سیستم یا ماشین با توانایی درک احساسات انسانی و هم‌چنین پیش‌بینی اقدامات افراد است. این مورد اصلاً وجود خارجی ندارد که بتوانید نمونه‌ای از آن را مشاهده کنید ولی می‌توان گفت که این مورد از نظر احساسی به شدت شبیه انسان است. اما باز هم این انتهای هوش مصنوعی نیست و خودآگاهی یک سیستم بالاتر از نظر عملکردی محسوب می‌شود.

۴- خودآگاه

از انواع هوش مصنوعی، خودآگاه کاملترین آنها از نظر عملکردی است. این مرحله جایی است که استیون هاوکینگ از آن می‌ترسید و رسید به این مرحله را مساوی با پایان بشریت می‌دانست. در واقع در این مرحله ماشین از اختیار انسان خارج می‌شود و به صورت مستقل عمل می‌کنند. در این وضعیت ماشین‌ها علاوه بر اینکه احساسات شما را درک می‌کنند، خود هم دارای احساسات هستند.

بسیاری از دانشمندان در حال تلاش برای دستیابی به این ماشین‌ها هستند و از طرفی از عواقب آن هم می‌ترسند. در حال حاضر دستیابی به این نوع بسیار دور بنظر می‌رسد اما در صورت به واقعیت پیوستن آن، هیچکس نمی‌داند چه اتفاقی ممکن است رخ دهد.

گرچه که شاید نتوان ربات سوفیا را یک نمونه از خودآگاه در نظر گرفت ولی می‌توان به عنوان یک نمونه اولیه و پیشرفته با توانایی‌های متنوع به آن نگاه کرد. با توجه به این نکات از نظر عملکردی بسیاری از ابزارها به عنوان دستیار در اختیار انسان است تا بتواند زندگی بهتری داشته باشد. در عین حال باید به نحوه و روند رشد هوش مصنوعی نیز باید دقت داشت تا مشکلی برای نسل بشر به وجود نیاید.

۳ نوع هوش مصنوعی بر اساس قابلیت

با پیشرفت روز افزون تکنولوژی و بهبود هرچه بیشتر هوش مصنوعی، قابلیت‌های آن بیشتر و بیشتر می‌شود. می‌توان هوش مصنوعی را از نظر قابلیت به ۳ دسته ضعیف، عمومی و سوپر تقسیم‌بندی کرد. دانشمندان سعی دارند به سمت جامع شدن قابلیت‌های هوش مصنوعی حرکت کنند و هسته‌های قدرتمندی بسازند که بتواند کارهای مختلفی بکند. هر کدام از این ۳ نوع هوش مصنوعی قابلیت‌ها و ظرفیت‌های متفاوتی دارند که بررسی خواهیم کرد.

۱- هوش مصنوعی محدود یا ضعیف (Narrow AI):

این نوع هوش مصنوعی برای انجام یک فعالیت یا اقدامات خاص استفاده می‌شود. تمامی ماشین‌ها و سیستم‌های حال حاضر برای یک کار مشخص آموزش دیده‌اند و نمی‌تواند چندین وظیفه یا کارهای خارج از سیستم آن را از ماشین درخواست کنید.

به طور مثال سیستم تشخیص چهره یک هوش مصنوعی محدود محسوب می‌شود زیرا شما با این سیستم می‌توانید چهره‌ها را تشخیص دهید ولی نمی‌توانید فعالیت دیگری از این سیستم درخواست کنید.

هرچه تا به الان از ابزارها و سیستم‌های هوش مصنوعی مشاهده کرده‌اید، از نوع محدود محسوب می‌شوند. ما به طور مفصل این نوع را در مقاله‌ای جداگانه تشریح کرده‌ایم که می‌توانید در صفحه Narrow AI مطالعه کنید.

۲- هوش مصنوعی عمومی یا قوی (Artificial general intelligence):

در بخش قبلی توضیح دادیم که Narrow AI می‌تواند کارها و وظایف محدودی را برعهده بگیرد. هوش مصنوعی عمومی سطح بالاتری است که می‌تواند مانند انسان چندین وظیفه و قابلیت را به صورت همزمان در اختیار شما بگذارد. هدف از ایجاد چنین هوش مصنوعی، ایجاد سیستم‌ها و ماشین‌های چندمنظوره است که بتوانند به طور کامل تبدیل به یک دستیار با هوشمندی مانند انسان شوند و در زندگی روزمره به انسان‌ها کمک کنند.

در حال حاضر می‌توان گفت که ما نمونه‌ی کاملی از این نوع ندیده‌ایم اما چت بات Chat-GPT را می‌توان به عنوان یک نمونه که می‌تواند در مورد موضوعات مختلف کاری را انجام دهد در نظر گرفت. البته این فقط یک نمونه‌ی اولیه‌ست که برای تبدیل شدن به یک دستیار با قابلیت‌های انسانی هنوز راه زیادی دارد. ما در این نوع را در مقاله‌ای جداگانه به طور کامل تشریح کردیم که می‌توانید در صفحه هوش مصنوعی عمومی آن را مطالعه کنید.

۳- ابر هوش مصنوعی (Artificial superintelligence):

هرچقدر که فکر می‌کنید هوش مصنوعی عمومی دور از انتظار است، ابر هوش مصنوعی بسیار کمتر از آن امکان پیدایش دارد. ابر هوش مصنوعی تقریباً یک مسئله تخیلی اما با استدلال‌های قدرتمند است. شما در نظر بگیرید که ما به سطح هوش مصنوعی عمومی برسیم. در این صورت اتفاقی که رخ می‌دهد، یادگیری‌های بسیار سریع ماشین‌ها هستند. آنها هیچ مانعی ندارند و می‌توانند با قدرت تمام پیش بروند. با این فرض احتمالاً به سرعت از دانش و قابلیت‌های انسانی پیشی خواهد گرفت و به صورت کاملاً مستقل و خودآگاه عمل خواهد کرد.

بسیاری بر این باورند که در صورت رسیدن به این مرحله ابر هوش مصنوعی می‌تواند تمامی فعالیت‌هایی که انسان انجام می‌دهد را با کیفیت، سرعت و دقت بالاتری انجام دهد. به همین دلیل در صورت تحقق ASI آینده بسیار مبهم خواهد بود و نمی‌توان پیش‌بینی کرد که چه اتفاقی رخ خواهد داد.

کلام پایانی

تمامی این بخش‌هایی که با هم بررسی کردیم، انواع هوش مصنوعی به صورت عام است و می‌توان در زمینه‌های مختلف کاربردهای متنوعی از آن را می‌توان توسعه داد. به همین دلیل ما بیش از ۱۵۰ کاربرد هوش مصنوعی در صنایع مختلف را به صورت کامل بررسی کردیم که می‌توانید در صفحه کاربردهای هوش مصنوعی آن را مشاهده کنید. در صورتی که در مورد این مقاله سوالی در ذهن دارید از طریق نظرات از ما بپرسید. ما در سریع‌ترین زمان ممکن به شما پاسخ خواهیم داد.

منابع: سایت simplilearn و techtarget و Forbes