هوش مصنوعی


تفاوت بین هوش مصنوعی، یادگیری ماشین و یادگیری عمیق

blog

هوش مصنوعی

حتما تا به حال با اصطلاحاتی مانند هوش مصنوعی، یادگیری ماشین و یادگیری عمیق، مواجه شده اید؛ در نگاه اول متوجه تفاوت های آنها نمی‌شویم و ممکن است به اشتباه آنها را یکی دانسته و به جای دیگری استفاده کنیم.

در این مقاله قصد داریم که با هم، به تفاوت های بین آنها بپردازیم تا دیگر دچار سوء تفاهم نشویم.

قبل از شروع، به طور خلاصه میتوانید روابط آنها را در تصویر زیر مشاهده کنید!

تفاوت بین هوش مصنوعی، یادگیری ماشین و یادگیری عمیق

 

تفاوت بین هوش مصنوعی، یادگیری ماشین و یادگیری عمیق

 

هوش مصنوعی (artificial intelligence) یک حوضه وسیع از علوم کامپیوتر است، که ماشین ها را قادر میسازد تا بدون هیچ دخالت انسانی، مانند آنها فکر کنند! هوش مصنوعی مانند یک چتر، هر آنچه که مربوط به هوشمند سازی ماشین آلات هست را پوشش میدهد. این ماشین آلات می‌توانند یک ربات، یک یخچال، یا حتی یک نرم افزار باشند؛ اگر آنها را هوشمند کنید، این همان هوش مصنوعی است!

سه سطح از هوش مصنوعی وجود دارد:

۱. هوش مصنوعی محدود (ANI:Artificial Narrow Intelligence):

این نوع از هوش مصنوعی برای انجام یک کار واحد برنامه ریزی شده است، که همان کار را هم سریع تر و بهتر از هر انسان دیگری انجام می دهد. بیشتر دستگاه های دور و اطراف ما نیز، در واقع همان هوش مصنوعی باریک است؛ سیری، گوگل ترنزلیت و...، همه نمونه هایی از این نوع هوش مصنوعی است.

۲. هوش مصنوعی عمومی (AGI: Artificial general intelligence):

این هوش مصنوعی برای این طراحی شده است که هر کار فکری را که یک انسان توانایی انجام آن را داشته باشد، بتوانند انجام دهد. به بیان دیگر انجام همه وظایف انسانی به طور کامل. این ماشین ها میتوانند یاد بگیرند، درک کنند، استدلال کنند، تصمیم بگیرند، و هر چیز دیگری که مربوط به توانایی فکر کردن انسان ها باشند را، انجام دهند.

۳. هوش مصنوعی فوق‌العاده (ASI: artificial super intelligence):

این نوع هوش مصنوعی، فقط کارش تقلید و یا درک هوش انسانی نیست، بلکه به یک خودآگاهی خواهد رسید و از ظرفیت های هوش انسانی نیز فراتر می روند. این نوع از هوش مصنوعی که برای سال‌ها سوژه پرطرفدار فیلم ها، سریال ها و داستانهای علمی-تخیلی بوده است، تا به حال فقط یک فرض بوده و وجود خارجی ندارد.

نکته ای که درمورد این سه سطح وجود دارد، این است که تا به حال بشر فقط موفق به استفاده از هوش مصنوعی محدود شده است و دو نوع دیگر هوش مصنوعی نیز فقط یک فرض بوده و وجود خارجی ندارد. البته با تکامل و شکوفایی هر چه بیشتر هوش مصنوعی، دانشمندان توانسته اند به هوش مصنوعی عمومی نزدیک شوند!

 

تفاوت بین هوش مصنوعی، یادگیری ماشین و یادگیری عمیق

 

یادگیری ماشین (ML: Machine learning)، درواقع از زیر مجموعه های هوش مصنوعی است که از الگوریتم های یادگیری برای هوشمند شدن استفاده می کنند. این سیستم ها توانایی یادگیری به صورت تنهایی را دارند و می‌توانند به مرور زمان بدون اینکه صریحا برنامه ریزی شوند، به طور خودکار توانایی‌های خود را ارتقا داده، و بهتر و بهتر شوند. مهم ترین ویژگی یک سیستم هوشمند توانایی یادگیری آن سیستم است؛ بنابراین در هوش مصنوعی که هدفش تقلید از موجودی به هوشمندی انسان است، یادگیری نقش مهمی را در آن بازی می کند؛ از این روی، در این اواخر ML تقریبا تمام فضای هوش مصنوعی را در بر گرفته و اکثر سیستم های هوش مصنوعی امروزه، با استفاده از یادگیری ماشین کار می کند و پیشرفته بسیار کمی در هوش مصنوعی غیر ML اتفاق می افتد. به خاطر همین است که گاهی پیش می آید که اصطلاح یادگیری ماشین و هوش مصنوعی هم معنا و یا دو شاخه جدا از هم تعبیر می شوند. در هوش مصنوعی بدون ML، انسان ها قوانین را به صورت مستقیم، درون ماشین ها قرار می دهند؛ اما در هوش مصنوعی با ML، آن ها فقط داده‌ها را ارائه می‌کند، و این خود ماشین است که قوانین را یاد می‌گیرد! هدف یادگیری ماشین این است که رایانه‌ها و سامانه‌ها بتوانند به تدریج و با افزایش داده‌ها کارایی بهتری در انجام وظیفهٔ مورد نظر پیدا کنند.

(پیشنهاد می کنم قبل از خواندن ادامه مطلب این پست "شبکه های عصبی مصنوعی (ANN) چیست؟ و کاربرد آنها چگونه است؟" را مطالعه کنید!)

 

تفاوت بین هوش مصنوعی، یادگیری ماشین و یادگیری عمیق

 

یادگیری عمیق (DL: Deep learning)، نیز یکی دیگر از مجموعه های ML است و به کمک هوش مصنوعی آمده است تا به شکل طبیعی تری به نیازها و خواسته های بشر واکنش نشان دهد. با افزایش کاربردهای تکنولوژی هوش مصنوعی نیاز به ارتقا و تعلیم بهتر آن نیز به وجود آمد؛ همانطور که قبلا هم اشاره کردم بودم، هوش مصنوعی بر مبنای تقلید از هوش انسانی است پس هرچه بیشتر بتواند به عملکرد هوش انسانی نزدیک‌تر باشد، می‌تواند کارآمدتر باشد. یادگیری عمیق نیز توانسته روند تحلیل داده و تصمیم گیری در ذهن بشر را درک و تقلید میکند.

یادگیری عمیق، این امکان رو به ماشین می دهد که در هنگام استفاده از داده های مختلف، بدون ساختار و نظم مشخص، آن ها را سامان بخشیدن و قادر به درک آنها باشند. هر چقدر این الگوریتم ها عمیق‌تر باشند، به بیانی دیگر، لایه های پنهان (Hidden layers) بیشتری را داشته باشند، عملکرد بهتری را از خود نشان دهند. وقتی نوزادان به دنیا می آیند خاطراتشان خالی و سفید است. وقتی که چهره ی پدر و مادر و میبینند، به آرامی شروع به دریافت داده و شناختن آنها می‌کند. امکان دارد کودک اشتباه کند ولی با گذر زمان و به دلیل حجم داده های بیشتری که مغز کودک پردازش می کند در شناخت پدر و مادر، بهتر میشود. هرچقدر تشخیص بیشتر میشود، کارآمدتر هم می شود. بعد از آن کودک می تواند پدر و مادر را از طریق صدا نیز می توانند شناسایی کنند.

از فرق های عمده یادگیری ماشین با یادگیری عمیق، میتوان به عکس زیر اشاره کرد.

تفاوت بین هوش مصنوعی، یادگیری ماشین و یادگیری عمیق

 

در این تصویر، الگوریتم قرار است تشخیص دهد که آیا این تصویر، مربوط به ماشین است یا خیر؟ حال فرایند تشخیص را در یادگیری ماشین و یادگیری عمیق را با هم مرور می‌کنیم.

در یادگیری ماشین، دو بخش جدا از هم به نام های feature extraction (استخراج ویژگی) و یک بخش classification (طبقه بندی) ، بین ورودی(input) و خروجی(output) قرار دارند.

۱. اول، داده یا همان ورودی وارد الگوریتم می شود.

۲. در قدم، بعد در قسمت feature extraction ، ویژگی های آن استخراج می شود.

۳. بعد از آن، classification که در نقش تصمیم گیرنده قرار دارد، تشخیص می‌دهد که با توجه به ویژگی های داده شده، تصویر مربوط به ماشین است یا خیر؟

۴. سپس نتیجه در قسمت خروجی، ارائه میشود.

در یادگیری عمیق، دو بخش classification و feature extraction با هم ادغام شده و این فرایند را بهینه تر و کوتاه تر میکنند.

۱. در قدم نخست، داده ها یا ورودی وارد میشود.

۲. در قدم بعدی، در همان لایه های اول ویژگی های آن استخراج میشود. لایه های پنهان (Hidden layers) بین الگوریتم، ویژگی های داده را استخراج میکنند.

۳. سپس ‌اطلاعات به لایه آخر منتقل شده و تصمیم گیری انجام میشود.

۴. در آخر هم نتیجه ارائه میشود.

همه نظرات

نظری یافت نشد!

پیامی ارسال کنید