انواع هوش مصنوعی و کاربرد آن‌ها

اگر تا به حال از الکسای آمازون یا فیس آیدی اپل استفاده کرده‌اید یا با ربات چت یک وبسایت تعامل داشته‌اید، با فناوری هوش مصنوعی (AI) کار کرده‌اید و از آن استفاده داشته‌اید. در سال‌های اخیر هوش مصنوعی پیشرفت‌های زیادی را تجربه کرده است که آخرین نمونه‌های پر سر و صدای آن چت جی پی تی و هوش مصنوعی Bing بوده است. هوش مصنوعی انواع مختلفی دارد که این دسته‌بندی‌ها بیشتر از این که یک طبقه‌بندی معمولی باشند، به ما می‌گوید که هوش مصنوعی تا کجا پیش رفته است، به کجا می‌رود و آینده چه خواهد داشت. در این مقاله از شرکت هوش مصنوعی آویر به 7 نوع هوش مصنوعی می‌پردازیم و با جزئیات آن‌ها آشنا خواهیم شد. با ما همراه باشید.  

انواع هوش مصنوعی در یک نگاه

1. هوش مصنوعی باریک (Narrow AI): هوش مصنوعی طراحی شده برای انجام اقدامات بسیار خاص که قادر به یادگیری مستقل نیست.
2. هوش عمومی مصنوعی (Artificial General Intelligence): یکی از انواع هوش مصنوعی که برای یادگیری، تفکر و عملکرد در سطوحی مشابه با انسان طراحی شده است.
3. ابرهوش مصنوعی (Artificial Superintelligence): هوش مصنوعی‌ای که قادر به پیشی گرفتن از دانش و توانایی‌های انسان است.
4. ماشین های واکنشی (Reactive Machines): هوش مصنوعی‌ای که قادر به پاسخگویی به محرک‌های خارجی در زمان واقعی و در لحظه است. این هوش مصنوعی قادر به ساخت حافظه یا ذخیره اطلاعات برای آینده نیست.
5. حافظه محدود (Limited Memory): یکی از انواع هوش مصنوعی که می‌تواند دانش را ذخیره کند و از آن برای یادگیری و آموزش برای کارهای آینده استفاده کند.
6. نظریه ذهن (Theory of Mind): هوش مصنوعی که می تواند احساسات انسانی را حس کند و به آن پاسخ دهد، به علاوه وظایف ماشین‌های حافظه محدود را انجام دهد.
7. خودآگاهی (Self-aware): هوش مصنوعی که می تواند احساسات دیگران را تشخیص دهد، به علاوه دارای احسای کردن خود و هوش در سطح هوش انسانی است. خودآگاهی مرحله نهایی هوش مصنوعی است.

انواع هوش مصنوعی بر اساس قابلیت‌ها

تمامی انواع هوش مصنوعی را بر اساس نحوه یادگیری و میزان استفاده از دانش خود، می‌توان به سه نوع تقسیم کرد:

• هوش مصنوعی باریک یا ضعیف؛
• هوش عمومی مصنوعی؛
• ابر هوش مصنوعی.

در ادامه با جزئیات هر یک از این هوش مصنوعی‌ها آشنا خواهیم شد.

1.       هوش مصنوعی باریک

هوش مصنوعی باریک یا ضعیف (ANI)، ابزارهای هوش مصنوعی طراحی شده برای انجام اقدامات یا دستورات بسیار خاص را توصیف می‌کند. فناوری‌های هوش مصنوعی باریک برای خدمت‌رسانی در نوع خاصی از قابلیت شناختی ساخته شده‌اند و نمی‌توانند به طور مستقل مهارت‌هایی فراتر از چیزی را بیاموزند که برای آن طراحی شده‌اند. این نوع از هوش مصنوعی اغلب از یادگیری ماشین و الگوریتم‌های شبکه عصبی برای تکمیل این وظایف مشخص شده استفاده می کنند.

به عنوان مثال، هوش مصنوعی پردازش زبان طبیعی نوعی هوش مصنوعی محدود است، زیرا می‌تواند دستورات صوتی را تشخیص دهد و به آنها پاسخ دهد، اما نمی‌تواند کارهای دیگری را فراتر از آن انجام دهد.

برخی از نمونه‌های هوش مصنوعی باریک شامل نرم‌افزار تشخیص تصویر، ماشین‌های خودران و دستیارهای مجازی هوش مصنوعی مانند Siri است.

2.      هوش مصنوعی عمومی

هوش مصنوعی عمومی (AGI) که به آن هوش مصنوعی قوی نیز می‌گویند، یکی از انواع هوش مصنوعی است که می‌تواند مانند انسان‌ها طیف وسیعی از کارها را بیاموزد، فکر کند و انجام دهد. هدف از طراحی هوش مصنوعی عمومی این است که بتوان ماشین‌هایی ایجاد کرد که قادر به انجام وظایف چند منظوره باشند و به عنوان دستیاران واقعی و به همان اندازه هوشمند برای انسان‌ها در زندگی روزمره عمل کنند.

اگرچه هنوز کار روی هوش مصنوعی عمومی در حال انجام است، اما اساس هوش عمومی مصنوعی را می‌توان از فناوری‌هایی مانند ابررایانه‌ها، سخت‌افزار کوانتومی و مدل‌های هوش مصنوعی مولد مانند ChatGPT ساخت.

3.      ابرهوش مصنوعی

ابرهوش مصنوعی (ASI) یا سوپر هوش مصنوعی، هوش مصنوعی علمی تخیلی است. تئوری‌هایی وجود دارد که طبق آن‌ها، وقتی هوش مصنوعی به سطح هوش عمومی رسید، به زودی با چنان سرعتی یاد می‌گیرد که دانش و قابلیت‌هایش حتی از هوش بشر قوی‌تر می‌شود.

ابرهوش مصنوعی به عنوان فناوری ستون فقرات هوش مصنوعی به صورت کاملاً خودآگاه و سایر ربات‌های فردگرا عمل می‌کند. مفهوم آن نیز همان چیزی است که به جریان رسانه‌ای محبوب یعنی «تصرفات هوش مصنوعی» دامن می زند، همانطور که در فیلم هایی مانند Ex Machina یا I, Robot دیده می شود. اما در این مرحله، همه اینها حدس و گمان است.

دیوید راجنموسر (David Rogenmoser)، مدیر عامل شرکت نویسندگی هوش مصنوعی جاسپر، گفت: «هوش مصنوعی تا حد زیادی به توانمندترین انواع هوش روی زمین تبدیل خواهد شد. این هوش، هوش انسان‌ها را خواهد داشت و در هر کاری که ما انجام می دهیم بسیار بهتر خواهد بود.»

انواع هوش مصنوعی بر اساس عملکرد

تقسیم‌بندی هوش مصنوعی بر اساس عملکرد مربوط به این است که چگونه یک هوش مصنوعی از قابلیت‌های یادگیری خود برای پردازش داده‌ها، پاسخ به محرک‌ها و تعامل با محیط خود استفاده می‌کند. به این ترتیب، هوش مصنوعی را می‌توان بر اساس چهار نوع عملکرد دسته‌بندی کرد.

4.      ماشین‌های واکنشی

پیدایش هوش مصنوعی با توسعه ماشین‌های واکنشی، اساسی‌ترین نوع هوش مصنوعی، آغاز شد. ماشین‌های واکنشی دقیقاً همان‌طوری هستند که اسمشان می‌گوید یعنی واکنشی. آنها می‌توانند به درخواست‌ها و وظایف، به صورت فوری پاسخ دهند، اما قادر به ذخیره حافظه یا یادگیری از تجربیات گذشته نیستند.

ماشین‌ها نمی توانند عملکرد خود را از طریق تجربه بهبود ببخشند و فقط می‌توانند به تعداد محدودی از ورودی‌ها پاسخ دهند.

در عمل، ماشین‌های واکنشی می‌توانند محرک‌های خارجی را در زمان واقعی بخوانند و به آنها پاسخ دهند. این امر باعث می‌شود که این ماشین‌ها برای انجام عملکردهای خودمختار اساسی، مانند فیلتر کردن هرزنامه از صندوق ورودی ایمیل یا توصیه فیلم‌ها بر اساس آخرین جستجوهای نتفلیکس، مفید باشند.

 معروف‌ترین ماشین واکنشی، دستگاه هوش مصنوعی IBM Deep Blue بود که توانست نشانه‌های حرکت را بخواند و به کمک آن در یک مسابقه شطرنج در سال 1997، استاد بزرگ شطرنج روسی، گری کاسپاروف را شکست دهد. اما فراتر از آن، هوش مصنوعی واکنشی نمی‌تواند بر اساس دانش قبلی ساخته شود یا وظایف پیچیده‌تری را انجام دهد. برای به کارگیری هوش مصنوعی در سناریوهای پیشرفته‌تر، باید تحولاتی در ذخیره‌سازی داده‌ها و مدیریت حافظه رخ دهد.

5.      حافظه محدود

گام بعدی در تکامل هوش مصنوعی، ایجاد ظرفیت برای ذخیره دانش است. به گفته رافائل تنا (Rafael Tena)، محقق ارشد هوش مصنوعی در شرکت بیمه Acrisure Innovation، تقریباً سه دهه طول می‌کشد تا این پیشرفت به دست آید.

همه سیستم‌های هوش مصنوعی امروزی با حجم زیادی از داده‌هایی آموزش می‌بینند که در حافظه خود ذخیره می‌کنند تا مدل مرجعی برای حل مشکلات آینده تشکیل دهند.

تنا گفت: «در دهه 80 پیشرفت زیادی (در زمینه حافظه محدود) صورت گرفت. اما این روند در نهایت کند شد. تغییرات تدریجی کوچکی وجود داشت … تا زمانی که یادگیری عمیق آغاز شد.»

در سال 2012، حوزه هوش مصنوعی پیشرفت بزرگی داشت. نوآوری‌های جدید گوگل و Image Net این امکان را برای هوش مصنوعی فراهم کرد تا داده‌های گذشته را ذخیره کند و با استفاده از آن‌ها پیش‌بینی کند. این نوع هوش مصنوعی به عنوان هوش مصنوعی با حافظه محدود شناخته می‌شود، زیرا می‌تواند پایگاه دانش محدود خود را ایجاد کند و از آن دانش برای بهبود در طول زمان استفاده کند. امروزه، مدل حافظه محدود نمایانگر اکثر کارهای هوش مصنوعی است.

راجنموسر می‌گوید: «تقریباً تمام برنامه‌های کاربردی موجود که می‌شناسیم تحت این دسته از هوش مصنوعی قرار دارند. همه سیستم‌های هوش مصنوعی امروزی با حجم زیادی از داده‌های آموزشی که در حافظه خود ذخیره می‌کنند آموزش می‌بینند تا مدل مرجعی برای حل مشکلات آینده تشکیل دهند.»

هوش مصنوعی حافظه محدود را می‌توان در طیف وسیعی از سناریوها، از برنامه‌های کاربردی در مقیاس کوچک مانند ربات‌های چت گرفته تا اتومبیل‌های خودران و سایر موارد استفاده پیشرفته، اعمال کرد.

6.      تئوری ذهن

از نظر پیشرفت هوش مصنوعی، فناوری حافظه محدود دورترین چیزی است که ما با آن آشنا شده‌ایم، اما مقصد نهایی نیست. ماشین‌های حافظه محدود می‌توانند از تجربیات گذشته بیاموزند و دانش را ذخیره کنند، اما نمی‌توانند تغییرات ظریف محیطی و نشانه‌های عاطفی را درک کنند یا به همان سطح هوش انسانی برسند.

راجنموسر می‌گوید: «مدل های فعلی رابطه یک طرفه دارند. ابزارهای هوش مصنوعی مانند الکسا و سیری وقتی سر آنها فریاد می‌زنید هیچ احساسی ندارند و واکنش نشان نمی‌دهند.»

مفهوم هوش مصنوعی که می‌تواند احساسات دیگران را درک کند و از آنها استفاده کند، هنوز به طور کامل درک نشده است. این مفهوم به عنوان “نظریه ذهن” نامیده می شود، اصطلاحی که از روانشناسی به عاریت گرفته شده است و توانایی انسان در خواندن احساسات دیگران و پیش بینی اقدامات آینده بر اساس آن اطلاعات را توصیف می‌کند.

ممکن است 90 درصد مواقع ماشین‌ها بهتر از ما کار کنند، اما رسیدن به آن ده درصد آخر، چیزی که شما به عنوان عقل سلیم توصیف می‌کنید، واقعاً سخت است.»

تنا مثالی ارائه کرد تا نشان دهد که چگونه یک کاربرد موفق تئوری ذهن می تواند فناوری را متحول کند: یک ماشین خودران ممکن است در اکثر مواقع بهتر از یک راننده انسانی عمل کند، زیرا اشتباهات انسانی مشابهی را مرتکب نمی‌شود. اما اگر شما به عنوان یک راننده بدانید که بچه همسایه‌یتان دوست دارد بعد از مدرسه در نزدیکی خیابان بازی کند، به طور غریزی می‌دانید که در حین عبور از خیابان همسایه سرعت خود را کم کنید – چیزی که یک وسیله نقلیه هوش مصنوعی مجهز به حافظه محدود اولیه قادر به انجام دادن نخواهد بود.

نظریه ذهن می‌تواند تغییرات مثبت زیادی را در دنیای فناوری به ارمغان بیاورد، اما خطرات خاص خود را نیز به همراه دارد. از آنجایی که نشانه‌های احساسی بسیار ظریف هستند، زمان زیادی طول می‌کشد تا ماشین‌های هوش مصنوعی بتوانند آن‌ها را کامل بخوانند و به طور بالقوه ممکن است در مرحله یادگیری خطاهای بزرگی مرتکب شوند. برخی از مردم همچنین می‌ترسند زمانی که فناوری‌ها بتوانند به سیگنال‌های احساسی و همچنین موقعیتی پاسخ دهند، نتیجه می‌تواند به معنای اتوماسیون برخی مشاغل و از بین رفتن مشاغل باشد. اما هنوز نیازی به نگرانی نیست – راجنموسر معتقد است که این آینده فرضی، با این حال، هنوز بسیار دور است.

او گفت: «در حال حاضر، این هوش علمی تخیلی است. ما حتی به توسعه این نوع هوش مصنوعی نزدیک نیستیم، بنابراین هیچ کس شغل خود را توسط هوش مصنوعی از دست نمی‌دهد.»

7.      خودآگاهی

مرحله فراتر از نظریه ذهن، زمانی است که هوش مصنوعی خودآگاهی را توسعه می دهد، به عنوان نقطه یکتایی هوش مصنوعی نامیده می‌شود. تصور می‌شود که وقتی به آن نقطه رسیدیم، ماشین‌های هوش مصنوعی خارج از کنترل ما خواهند بود، زیرا آنها نه تنها می‌توانند احساسات دیگران را حس کنند، بلکه حس خود را نیز خواهند داشت.

راجنموسر گفت: «مردم هم برای ایجاد این نوع هوش مصنوعی و هم از عواقب ایجاد آن می‌ترسند، و نگرانند که این نوع هوش مصنوعی مشاغل ما را بدزدد یا جهان ما را تسخیر کند. اگر این نوع هوش مصنوعی با موفقیت ایجاد شود، هیچ کس نمی داند چه تاثیری در دنیا خواهد داشت.”

“اگر این نوع هوش مصنوعی با موفقیت ایجاد شود، هیچ کس نمی‌داند چه تاثیری در دنیا خواهد داشت.”

گام‌هایی توسط محققان و مهندسان برای توسعه نسخه‌های ابتدایی هوش مصنوعی خودآگاه در حال انجام است. شاید یکی از معروف‌ترین آنها سوفیا باشد، رباتی که توسط شرکت رباتیک Hanson Robotics ساخته شده است.

اگرچه از نظر فنی سوفیا هوش مصنوعی خودآگاه نیست، اما کاربرد پیشرفته این هوش مصنوعی از فناوری‌های هوش مصنوعی فعلی، نمایی از آینده بالقوه خودآگاه هوش مصنوعی را ارائه می‌کند. این آینده ای نویدبخش و همچنین خطرناک است – و بحث هایی در مورد اخلاقی بودن ساختن هوش مصنوعی خودآگاه و هوشمند وجود دارد.

راجنموسر می‌گوید: «هوش مصنوعی در حل موارد استفاده واقعی بسیار بهتر خواهد شد، می‌خواهم بگویم که فکر نمی‌کنم این [به معنای] پایان کار انسان‌ها و پایان کار باشد. ما همچنان شاهد ظهور هوش مصنوعی به روش‌های مفید برای تقویت کار بزرگی هستیم که مردم در حال حاضر انجام می‌دهند.»