تفاوت هوش مصنوعی و یادگیری ماشین

در دوران کنونی هوش مصنوعی و یادگیری ماشین عناوین مورد توجهی هستند وبه نظر می رسد اغلب به جای یکدیگر استفاده میشوند. این دو واژه کاملا یکسان نیستند ولی نزدیکی مفاهیم موجود گاه باعث این سردرگمی می شود. وقتی صحبت از از عظیم داده ها (Big Data)، تحلیل داده و موج گستره تغییرات فناوری در دوران کنونی می شود واژه هوش مصنوعی و یادگیری ماشین نیز بیشتر جلوه می نمایند.

به صورت کوتاه پاسخی که میتوان به سوال مطرح شده در عنوان متن داد به این شکل است :

هوش مصنوع در واقع  شامل گستره ای از فعالیتها است که بر اساس آن ماشین توانایی انجام کارهایی را می یابد به طوری که بتوان آن را هوشمندانه نامید.

در حالی که یادگیری ماشین بخشی از حوزه هوش مصنوعی است که در ان حول مساله یادگیری ماشین با ارایه داده به آنها برای آموزش فعالیت مینمایند.

روزهای آغازین

هوش مصنوعی سابقه طولانی در حیات بشری دارد به طوری که در داستانهای اساطیری یونان هم شواهدی در رابطه با ماشین طراحی شده توسط انسان می باشد که کارهای انسان را تقلید می نماید. کامپیوتر های اولیه اروپایی که به انها “ماشین منطق” هم گفته می شد با توجه به قابلیت های محاسباتی اولیه و داشتن حافظه، توسط مهندسان به عنوان نقطه آغاز ساختن یک مغز مکانیکی دانسته می شد.

با پیشرفت فناوری و مهمتر از آن پیشرفت شناخت انسان نسبت نحوه عملکرد هوش انسان نوع نگاه به مفاهیم تشکیل دهنده هوش مصنوعی تغییر کرد و به جای حل مسایل پیچیدتر انجام رفتار های شبیه انسان در سیستم های هوش مصنوعی بیشتر مورد توجه قرار گرفت.

هوش مصنوعی و ابزارهای هایی که طراحی شده اند تا هوشمندانه رفتار کنند اغلب به دو دسته بنیادی تقسیم می شوند، کاربردی یا عمومی. اغلب سیستم های هوش مصنوعی موجود از نوع کاربردی هستند. سیستم های هوشمند تجارت سهام و ماشین های بدون راننده نمونه ای از این نوع سیستم های می باشند.

سیستم های عمومی به صورت تئوری میتوانند هر کاری را انجام دهند و کمتر رایج هستند، اما این حوزه بخشی است که قسمت اعظمی از پیشرفت های هیجان انگیز صورت می پذیرد و همچنین بخشی از هوش مصنوعی است که منجر به شکوفایی یادگیری ماشین شد.

انقلاب یادگیری ماشین

دو موضوع باعث تسریع سرعت پیشرفت در یادگیری ماشین شد :

مساله اول به حقیقت پیوستن این قابلیت که بجای یاد دادن تمامی مسایل جهان به کامپیوتر این امکان را فراهم اوریم که کامپیوترها خود این مسایل را یاد بگیرند.

مساله دوم که کمک به تسریع یادگیری ماشین کرد سرعت فراگیری اینترنت بود که حجم بالای اطلاعات دیجیتال را برای تحلیل و آموزش در اختیار ماشین ها قرار داد.

بعد از این نوآوری های مهندسان متوجه شدند بجای این که به ماشین ها یاد بدهند تا همه کارها را بکنند بهتر است به انها یاد بدهند تا همانند ذهن انسان فکر کنند و بعد با اتصال به اینترنت به انها دسترسی به کل اطلاعات اینترنت را دهند.

شبکه های عصبی

توسعه شبکه های عصبی یکی از کلیدی ترین دستاوردهایی بودند تا به کامپیوترها این امکان را بدهند تا جهان را همانند انسان ها درک کنند، و همزمان توانایی های خود شامل سرعت، دقت وعدم تعصب را حفظ کنند.

یک شبکه عصبی یک سیستم کامپیوتری است که برای دسته بندی اطلاعات همانند ذهن انسان طراحی شده است.  دسته بندی تصاویر با بخاطر سپردن المانهای داخل تصویر میتواند کار دشواری باشد.

اساسا با بهره گیری از یک سیستم آمار و احتمال بر اساس داده هایی که دریافت نموده است می تواند با ضریب مشخصی از اطمینان تصمیم گرفته و پیش بینی کند. تکرار فرایند یادگیری با دریافت پاسخ صحیح خروجی سامانه منجر به بهبود عملکرد و تغییر روال عملکرد سیستم می شود.

برنامه های یادگیری ماشین می توانند متن را خوانده و تشخیص دهند که حاوی یک شکایت هست یا متن یک تبریک. همچنین می توانند به یک موزیک گوش دهند و تصمیم بگیرند که ان موزیک باعث شادی و یا ناراحتی می شود، و حتی موزیکهای شبیه به آن را پیدا کنند. در مواردی این سیستم ها حتی میتوانند موزیک با همان تم تولید کنند.

اینها برخی از قابلیت های یک سیستم یادگیری ماشین و شبکه عصبی می باشد. حوزه دیگری از هوش مصنوعی که به شدت از یادگیری ماشین بهره می گیرد شاخه پردازش زبان های طبیعی است که منجر به نوآوری های زیادی در سال های اخیر شده است.

برنامه های پردازش زبان های طبیعی سعی دارند تا نحوه ارتباط بین انسان ها را درک کنند که میتوانند در قالب نوشته و یا مکالمه باشند و در ادامه از همان روش برای برقرار ارتباط با انسان ها استفاده کنند. یادگیری ماشین در این شاخته به ماشین ها کمک میکند تا ساختن زبان انسان ها را درک کنند و اینکه بگونه ای پاسخ دهند که شنونده بتواند معنای آن را متوجه شود.

 

منبع :

وب سایت forbes

 

افزودن دیدگاه