هوش مصنوعی چیست؟ راهنمای کامل AI به زبان ساده

هوش مصنوعی یا AI به سیستم‌های کامپیوتری گفته می‌شود که می‌توانند کارهایی مانند یادگیری، تشخیص الگو، درک زبان، حل مسئله، پیش‌بینی یا تولید محتوا را انجام دهند؛ کارهایی که معمولاً به بخشی از توانایی‌های شناختی انسان نیاز دارند.

امروزه نمونه‌های هوش مصنوعی تقریباً همه‌جا دیده می‌شوند؛ از تشخیص چهره‌ی گوشی و پیشنهاد فیلم گرفته تا ترجمه، مسیریابی، فیلتر اسپم و چت‌بات‌هایی مانند ChatGPT. بااین‌حال، هوش مصنوعی فقط ChatGPT یا ابزارهای تولید محتوا نیست و فناوری‌هایی مانند یادگیری ماشین، یادگیری عمیق، پردازش زبان طبیعی و بینایی ماشین را نیز دربر می‌گیرد.

در این راهنما از پایه توضیح می‌دهیم هوش مصنوعی چیست، چگونه کار می‌کند، چه تفاوتی با یادگیری ماشین و برنامه‌نویسی معمولی دارد و مفاهیمی مانند هوش مصنوعی مولد، مدل زبانی بزرگ، ایجنت هوش مصنوعی، AGI و ASI دقیقاً به چه معنا هستند.

AI مخفف Artificial Intelligence به معنی «هوش مصنوعی» است. البته هوش مصنوعی یک فناوری واحد یا یک برنامه‌ی مشخص نیست؛ اصطلاحی گسترده برای مجموعه‌ای از روش‌ها و سیستم‌های کامپیوتری است که خروجی‌هایی مانند پیش‌بینی، تشخیص، پیشنهاد، تصمیم یا محتوای جدید تولید می‌کنند.

در ساده‌ترین تعریف و به دور از تمام هیاهوی رسانه‌ای، هوش مصنوعی به سیستم‌های کامپیوتری گفته می‌شود که می‌توانند برخی کارهایی را انجام دهند که معمولاً به توانایی‌های انسانی مانند یادگیری، درک، استنتاج، حل مسئله یا تصمیم‌گیری نیاز دارند.

نمونه‌های آن را همین حالا می‌توان در اطرافمان دید: سیستم تشخیص چهره‌ی گوشی، فیلتر اسپم ایمیل، پیشنهاد فیلم در سرویس‌های استریم، مسیریابی، ترجمه‌ی ماشینی، خودروهای مجهز به سیستم‌های کمک‌راننده و البته چت‌بات‌هایی مانند ChatGPT و جمنای و کلاد.

هوش مصنوعی حوزه‌ای گسترده است که فناوری‌ها و روش‌های مختلفی مثل یادگیری ماشین، یادگیری عمیق، بینایی ماشین، پردازش زبان طبیعی و هوش مصنوعی مولد را شامل می‌شود.

نکته‌ی مهم این است که «هوشمند» نامیدن یک سیستم لزوماً به این معنی نیست که آن سیستم مثل انسان فکر می‌کند، چیزی را می‌فهمد یا دارای آگاهی است. بسیاری از سامانه‌های AI در یک وظیفه‌ی مشخص بسیار توانمندند، اما سازوکارشان با ذهن انسان تفاوت اساسی دارد.

اصطلاح‌های AI، یادگیری ماشین و یادگیری عمیق گاهی به‌جای یکدیگر استفاده می‌شوند، اما معنی یکسانی ندارند.

هوش مصنوعی (Artificial Intelligence): مفهوم کلی ساخت سیستم‌هایی است که بتوانند وظایفی را انجام دهند که به نوعی رفتار هوشمندانه نیاز دارند.

یادگیری ماشین (Machine Learning): یکی از روش‌های مهم ساخت سیستم‌های هوش مصنوعی است. در یادگیری ماشین، به‌جای اینکه تمام قوانین را به‌صورت دستی برای کامپیوتر تعریف کنیم، سیستم بخشی از آن‌ها را با بررسی داده‌ها یاد می‌گیرد.

یادگیری عمیق (Deep Learning): زیرمجموعه‌ای از یادگیری ماشین است که از شبکه‌های عصبی چندلایه استفاده می‌کند و در بسیاری از پیشرفت‌های مهم چند سال اخیر در حوزه‌ی تصویر، صدا و زبان نقش داشته است.

هوش مصنوعی مولد (Generative AI): به مدل‌هایی گفته می‌شود که می‌توانند محتوای جدیدی مانند متن، عکس، صدا، ویدیو و کد تولید کنند.

مدل زبانی بزرگ (LLM): نوعی مدل هوش مصنوعی است که با حجم زیادی از داده‌های متنی آموزش می‌بیند تا الگوها و روابط زبانی را یاد بگیرد. این مدل می‌تواند وظایفی مانند تولید، تکمیل، خلاصه‌سازی، ترجمه و تحلیل متن را انجام دهد. بسیاری از چت‌بات‌های هوش مصنوعی امروزی، از جمله ChatGPT، برای درک درخواست کاربران و تولید پاسخ به مدل‌های زبانی بزرگ متکی هستند.

به زبان ساده، هوش مصنوعی مفهوم گسترده‌تری است؛ یادگیری ماشین یکی از شاخه‌های آن محسوب می‌شود و یادگیری عمیق نیز زیرمجموعه‌ای از یادگیری ماشین است.

در برنامه‌نویسی سنتی، برنامه‌نویس معمولاً قواعد و دستورهای لازم برای رسیدن از ورودی به خروجی را مشخص می‌کند. برای مثال، می‌توان برنامه‌ای نوشت که اگر مبلغ خرید از حد مشخصی بیشتر بود، تخفیف خاصی اعمال کند.

البته هوش مصنوعی و برنامه‌نویسی دو مفهوم متضاد نیستند. سیستم‌های AI نیز با نرم‌افزار و کد ساخته می‌شوند و همه‌ی انواع هوش مصنوعی هم الزاماً از یادگیری ماشین استفاده نمی‌کنند. تفاوت اصلی این است که در بسیاری از روش‌های جدید AI، بخشی از رفتار سیستم از داده آموخته می‌شود، نه اینکه تمام آن از قبل به‌شکل قواعد ثابت نوشته شده باشد.

به‌طور خلاصه بسیاری از سیستم‌های هوش مصنوعی امروزی با بررسی حجم زیادی از داده، پیدا کردن الگوها و تنظیم پارامترهای یک مدل آموزش می‌بینند. مدل آموزش‌دیده سپس می‌تواند روی ورودی‌های تازه، کاری مانند پیش‌بینی، طبقه‌بندی، پاسخ‌دادن یا تولید محتوا انجام دهد.

وقتی هوش مصنوعی تصویری خلق می‌کند، زبانی را ترجمه می‌کند یا در یک بازی پیچیده بر قهرمان جهان پیروز می‌شود، ممکن است به نظر برسد با نوعی قدرت جادویی روبه‌رو هستیم. اما پشت پرده خبری از جادو نیست.

بخش بزرگی از هوش مصنوعی مدرن به سه عامل وابسته است: داده، الگوریتم و قدرت محاسباتی.

پویش پورمحمد

هوش مصنوعی چطور کار می‌کند؟ طرز کار مدل‌های زبانی بزرگ به زبان ساده

مطالعه '22

هوش مصنوعی در بسیاری از کاربردهای امروزی تلاش می‌کند الگوها و روابط موجود در حجم زیادی از داده را پیدا کند و از آن‌ها برای پیش‌بینی یا تولید خروجی جدید استفاده کند.

برای مثال، اگر بخواهیم سیستمی بسازیم که گربه را در عکس تشخیص دهد، یک راه این است که تمام مشخصات ظاهری گربه را به‌صورت مجموعه‌ای از قوانین برای کامپیوتر بنویسیم. اما دنیای واقعی بسیار پیچیده‌تر از آن است که بتوان برای همه‌چیز قانون دستی تعریف کرد.

راه دیگر این است که هزاران تصویر گربه در اختیار سیستم بگذاریم تا خودش الگوهای مشترک را پیدا کند. این همان جایی است که یادگیری ماشین وارد داستان می‌شود.

دو مرحله‌ی «آموزش» و «استنتاج» را هم باید از هم جدا کرد. در مرحله‌ی آموزش، مدل با داده‌ها روبه‌رو می‌شود و پارامترهایش تنظیم می‌شوند. پس از آن، هنگام استفاده از مدل و دریافت یک ورودی تازه، مدل بر پایه‌ی چیزهایی که در آموزش آموخته است خروجی تولید می‌کند؛ این مرحله را Inference یا استنتاج می‌نامند.

مدل هوش مصنوعی را می‌توان نتیجه‌ی فرایند آموزش دانست؛ ساختاری ریاضی و محاسباتی که الگوهای آموخته‌شده را در پارامترهای خود نگه می‌دارد و بر اساس آن‌ها ورودی تازه را پردازش می‌کند.

بیایید این موضوع را با یک مثال خیلی ساده روشن‌تر کنیم. فرض کنید برای خرید انجیر به میوه‌فروشی رفته‌ایم و می‌خواهیم به‌کمک یادگیری ماشین بفهمیم کدام انجیرها رسیده‌اند. می‌دانیم هرچه انجیر نرم‌تر باشد، معمولاً رسیده‌تر و شیرین‌تر است. می‌توانیم چند نمونه‌ی انجیر رسیده و کال را انتخاب کنیم، میزان شیرینی آن‌ها را مشخص کنیم و بعد اطلاعات را روی یک نمودار قرار دهیم. خطی که رابطه‌ی میان نرمی و شیرینی را نشان می‌دهد، مدل ساده‌ی ما است.

هوش مصنوعی نوپای ما چیزی درباره‌ی میزان قند یا چگونگی رسیدن میوه‌ها نمی‌داند، اما می‌تواند از روی نرمی انجیر، شیرینی آن را پیش‌بینی کند.

اما اگر انجیرهای گندیده را هم وارد داده‌ها کنیم، مسئله پیچیده‌تر می‌شود؛ چون آن‌ها نیز نرم هستند، اما الزاماً شیرین و خوردنی نیستند. در چنین شرایطی شاید مدل ساده‌ی قبلی دیگر کافی نباشد و به مدل پیچیده‌تری نیاز داشته باشیم.

این مثال ساده نشان می‌دهد انتخاب مدل مناسب یکی از بخش‌های مهم یادگیری ماشین است: هرچه مسئله و روابط موجود در داده پیچیده‌تر باشند، معمولاً به مدل توانمندتری نیاز داریم.

یادگیری ماشین زیرمجموعه‌ای از هوش مصنوعی است که به سیستم‌ها اجازه می‌دهد بدون اینکه برای هر وظیفه به‌طور صریح برنامه‌ریزی شوند، از داده‌ها بیاموزند و عملکرد خود را بهبود دهند.

یادگیری ماشین نیز با تحلیل نمونه‌ها، مدلی می‌سازد که می‌تواند روی داده‌های جدید پیش‌بینی انجام دهد.

در یادگیری نظارت‌شده (Supervised Learning)، مدل با نمونه‌هایی آموزش می‌بیند که پاسخ صحیح آن‌ها مشخص است؛ مثلاً عکس‌هایی که با برچسب «گربه» یا «سگ» مشخص شده‌اند. تشخیص اسپم و طبقه‌بندی تصاویر از کاربردهای رایج این روش هستند.

در یادگیری نظارت‌نشده (Unsupervised Learning)، داده‌ها پاسخ یا برچسب مشخصی ندارند و الگوریتم تلاش می‌کند خودش الگوها و گروه‌های موجود در آن‌ها را پیدا کند؛ مثلاً مشتریانی با رفتار خرید مشابه را در یک گروه قرار دهد.

در یادگیری تقویتی (Reinforcement Learning)، یک عامل ازطریق آزمون‌وخطا یاد می‌گیرد. رفتارهایی که آن را به هدف نزدیک می‌کنند پاداش می‌گیرند و سیستم به‌تدریج راهبردی را پیدا می‌کند که بیشترین پاداش را به همراه دارد. این روش در حوزه‌هایی مانند بازی‌ها، رباتیک و برخی مراحل آموزش مدل‌های پیشرفته استفاده می‌شود.

یادگیری عمیق درواقع نوعی از یادگیری ماشین است که از شبکه‌های عصبی با تعداد زیادی لایه استفاده می‌کند. کلمه‌ی «عمیق» در این عبارت به وجود همین لایه‌های متعدد اشاره دارد.

این عمق به مدل اجازه می‌دهد الگوهای پیچیده‌تر و انتزاعی‌تری را در داده‌ها پیدا کند؛ از تشخیص چهره‌ی فردی خاص در تصویر گرفته تا پردازش زبان و تولید محتوا.

شبکه‌های عصبی نوعی مدل یادگیری ماشین هستند که ساختار آن‌ها تا حدی از شبکه‌ی نورون‌های زیستی الهام گرفته شده است. البته شبکه‌ی عصبی مصنوعی شبیه‌سازی کامل مغز انسان نیست. نورون‌های مصنوعی در لایه‌های مختلف قرار می‌گیرند. هر لایه محاسباتی انجام می‌دهد و نتیجه را به بخش بعدی شبکه می‌فرستد.

وقتی از آموزش یک شبکه‌ی عصبی صحبت می‌کنیم، منظورمان تنظیم تعداد زیادی پارامتر عددی است تا پاسخ‌های مدل به نتیجه‌ی مطلوب نزدیک‌تر شوند. می‌توان کار را با شبکه‌ای ناقص شروع کرد و سپس بارها خروجی مدل را با پاسخ مورد انتظار مقایسه کرد. هر بار پارامترها کمی تغییر می‌کنند و عملکرد شبکه بهبود پیدا می‌کند.

شبکه‌های عصبی سال‌ها است وجود دارند؛ اما برای مدت زیادی داده و قدرت محاسباتی لازم برای آموزش شبکه‌های بسیار بزرگ دردسترس نبود. ترکیب حجم عظیمی از داده، روش‌های بهتر آموزش و پردازنده‌های گرافیکی قدرتمند یکی از دلایل مهم رونق یادگیری عمیق در سال‌های اخیر است.

مدل زبانی بزرگ یا LLM نوعی مدل یادگیری عمیق است که برای پردازش و تولید زبان آموزش می‌بیند. صفت «بزرگ» معمولاً به مقیاس مدل، حجم داده‌ی آموزشی و منابع محاسباتی موردنیاز آن اشاره دارد، نه صرفاً یک حد مشخص از تعداد پارامترها.

این مدل‌ها روابط آماری موجود در زبان را یاد می‌گیرند و می‌توانند متن را تحلیل یا تولید کنند. بسیاری از مدل‌های جدید علاوه‌بر متن، با عکس، صدا، ویدیو و داده‌های دیگر نیز کار می‌کنند.

در کنار LLM-ها، مدل‌های زبان کوچک یا SLM نیز توسعه یافته‌اند. این مدل‌ها تعداد پارامتر و نیاز سخت‌افزاری کمتری دارند و در برخی موارد می‌توان آن‌ها را به‌صورت محلی روی لپ‌تاپ، گوشی یا دستگاه‌های دیگر اجرا کرد. در بعضی وظایف مشخص، مدلی کوچک‌تر می‌تواند ارزان‌تر، سریع‌تر و مناسب‌تر باشد.

هوش مصنوعی مولد یا Generative AI به سیستم‌هایی گفته می‌شود که به‌جای صرفاً تشخیص یا دسته‌بندی داده، می‌توانند محتوای تازه تولید کنند. خروجی می‌تواند متن، تصویر، صدا، موسیقی، ویدیو، مدل سه‌بعدی یا کد باشد.

ملیکا طاهران‌ پور

بهترین ابزارهای هوش مصنوعی ایرانی

مطالعه '5

مدل‌های مولد از معماری‌ها و روش‌های مختلفی برای تولید محتوا استفاده می‌کنند. ترنسفورمرها زیربنای بسیاری از مدل‌های زبانی مدرن هستند و مدل‌های انتشار یا Diffusion در نسل جدید ابزارهای تولید تصویر و ویدیو نقش مهمی دارند.

می‌توان این فرایند را به رقابت میان یک جاعل و کارشناس تشخیص جعل تشبیه کرد؛ هرچه یکی بهتر می‌شود، دیگری نیز مجبور است عملکرد خود را بهبود دهد.

GAN-ها در پیشرفت تولید تصویر و دیپ‌فیک نقش مهمی داشتند، اما هوش مصنوعی مولد امروزی فقط به GAN متکی نیست و معماری‌هایی مانند Transformer و Diffusion نقش بسیار مهم‌تری در بسیاری از ابزارهای جدید پیدا کرده‌اند.

دیپ‌فیک یکی از کاربردهای یادگیری عمیق در تولید یا دستکاری محتوای صوتی و تصویری است. دیپ‌فیک به محتوای صوتی یا تصویری گفته می‌شود که با استفاده از روش‌های هوش مصنوعی تولید یا دستکاری شده است تا فردی را در حال گفتن یا انجام‌دادن کاری نشان دهد که در واقع رخ نداده است. در یک ویدیوی دیپ‌فیک ممکن است چهره، صدا یا حرکت فرد تغییر کند و نتیجه تا حد زیادی واقعی به نظر برسد.

فناوری‌های مورد استفاده برای ساخت چنین محتوایی کاربردهای مشروعی در سینما، سرگرمی، دوبله و تولید محتوا دارند؛ اما می‌توان از آن‌ها برای جعل هویت، کلاهبرداری یا انتشار اطلاعات گمراه‌کننده نیز استفاده کرد.

ایجنت هوش مصنوعی (AI Agent) سیستمی است که می‌تواند برای رسیدن به یک هدف، چند مرحله را برنامه‌ریزی و اجرا کند؛ مثلاً اطلاعات جمع‌آوری کند، از ابزارهای مختلف استفاده کند و براساس نتیجه‌ی هر مرحله، اقدام بعدی را انتخاب کند. هرچه سیستم بتواند مستقل‌تر هدف را به مراحل کوچک‌تر تقسیم کند، ابزار فراخوانی کند، نتیجه را بررسی کند و مرحله‌ی بعدی را انتخاب کند، رفتار آن عامل‌محورتر محسوب می‌شود.

این نمونه‌ها تنها بخشی از کاربردهای هوش مصنوعی هستند. AI اکنون در موتورهای جست‌وجو، گوشی‌های هوشمند، خودروها، پزشکی، نرم‌افزارهای کاری و بسیاری از سرویس‌های آنلاین نیز استفاده می‌شود.

یکی از روش‌های دسته‌بندی هوش مصنوعی، تقسیم سیستم‌ها براساس گستردگی توانایی‌های آن‌ها است. در این تقسیم‌بندی معمولاً از سه سطح ANI، AGI و ASI نام برده می‌شود.

هوش مصنوعی محدود (Artificial Narrow Intelligence) که گاهی «هوش مصنوعی ضعیف» نیز نامیده می‌شود، برای انجام یک وظیفه یا مجموعه‌ای محدود از وظایف ساخته شده است. یک سیستم ANI ممکن است در حوزه‌ی تخصصی خود حتی بهتر از انسان عمل کند، اما توانایی آن به‌سادگی به تمام زمینه‌های دیگر منتقل نمی‌شود.

بیشتر سیستم‌های هوش مصنوعی که امروز در زندگی روزمره می‌بینیم در همین دسته قرار می‌گیرند، هرچند ظهور مدل‌های همه‌منظوره‌ی جدید مرزهای این تعریف را کمی پیچیده‌تر کرده است.

هوش مصنوعی عمومی یا AGI مفهومی برای توصیف سامانه‌ای با توانایی‌های گسترده و قابل‌تعمیم است که بتواند در طیف بزرگی از وظایف شناختی یاد بگیرد، استدلال کند و دانسته‌های خود را از یک حوزه به حوزه‌ای دیگر منتقل کند.

مصطفی عسگری

آشنایی با ۷ نوع هوش مصنوعی که احتمالاً نمی‌شناسید

مطالعه '8

یک سیستم AGI واقعی قادر خواهد بود هر وظیفه فکری را که یک انسان می‌تواند انجام دهد، بفهمد، یاد بگیرد و به کار گیرد. برخلاف همتای محدود خود، AGI می‌تواند دانشی را که در یک حوزه کسب کرده، به حوزه‌ای کاملاً متفاوت منتقل کند و خود را با چالش‌های جدید، بدون نیاز به برنامه‌ریزی مجدد توسط انسان، سازگار سازد. AGI در حال حاضر یک مفهوم نظری است و ما هنوز به هیچ نمونه واقعی از آن دست نیافته‌ایم.

ابرهوش مصنوعی یا ASI به سناریویی اشاره دارد که در آن توانایی‌های یک سیستم هوش مصنوعی از انسان‌ها در دامنه‌ای بسیار گسترده از فعالیت‌های شناختی فراتر می‌رود. برخلاف ANI که همین امروز نمونه‌های فراوانی دارد، ASI هنوز یک مفهوم نظری و آینده‌نگرانه است.

حتی درباره‌ی مسیر رسیدن از AGI به ASI، سرعت احتمالی این فرایند و امکان‌پذیری آن اختلاف‌نظر وجود دارد.

یکی دیگر از دسته‌بندی‌های شناخته‌شده‌ی AI سیستم‌ها را از ماشین‌های واکنشی ساده تا هوش مصنوعی خودآگاه تقسیم می‌کند.

ماشین‌های واکنشی صرفاً به وضعیت فعلی پاسخ می‌دهند و از تجربه‌ی گذشته برای تصمیم بعدی استفاده نمی‌کنند. سطح بعدی سیستم‌هایی هستند که می‌توانند اطلاعات گذشته یا زمینه‌ی فعلی را در تصمیم خود دخالت دهند.

مفاهیمی مانند «نظریه‌ی ذهن» و «هوش مصنوعی خودآگاه» بیشتر در بحث‌های نظری درباره‌ی آینده‌ی AI مطرح می‌شوند. این دسته‌بندی را نباید به‌اشتباه به‌عنوان نردبانی پذیرفته‌شده تلقی کرد که سیستم‌های امروزی حتماً در حال بالا رفتن از آن هستند.

مهرداد عیسی‌لو

آیا هوش مصنوعی خودآگاه شده است؟ روایت شگفت‌انگیز ریچارد داوکینز از مکالمه با کلاد

مطالعه '9

مدل‌های هوش مصنوعی امروزی می‌توانند گفت‌وگو کنند، مسئله حل کنند، متن بنویسند و حتی رفتارهایی بسیار شبیه انسان نشان دهند، اما از این موضوع نمی‌توان نتیجه گرفت که دارای آگاهی یا تجربه‌ی ذهنی هستند.

درحال‌حاضر شواهد علمی پذیرفته‌شده‌ای وجود ندارد که نشان دهد مدل‌های هوش مصنوعی فعلی خودآگاه‌اند. البته خود «آگاهی» نیز هنوز مسئله‌ای حل‌شده در علوم اعصاب و فلسفه ذهن نیست و پژوهشگران حتی درباره‌ی معیارهای قطعی سنجش آن در انسان و ماشین توافق کامل ندارند.

هوش مصنوعی را امروزه می‌توان تقریباً در هر صنعتی پیدا کرد. بسیاری از کاربردهایی که روزانه با آن‌ها سروکار داریم آن‌قدر عادی شده‌اند که دیگر حتی به آن‌ها به چشم «هوش مصنوعی» نگاه نمی‌کنیم.

سیستم‌های پیشنهاد فیلم و آهنگ، تشخیص چهره، ترجمه‌ی ماشینی، فیلتر اسپم، موتورهای جست‌وجو، پردازش تصویر دوربین گوشی، تشخیص گفتار، مسیریابی و کشف تراکنش‌های مشکوک بانکی نمونه‌هایی از این کاربردها هستند.

در سال‌های اخیر، هوش مصنوعی مولد نیز تولید متن، عکس، صدا، ویدیو و کد را برای کاربران عمومی در دسترس قرار داده است.

در پزشکی، الگوریتم‌های AI می‌توانند در تحلیل تصاویر پزشکی، پردازش پرونده‌ها، پژوهش دارویی و پشتیبانی از تصمیم‌گیری پزشکان استفاده شوند. این سیستم‌ها ابزار کمکی هستند و عملکردشان به کیفیت داده، نوع بیماری و نحوه‌ی ارزیابی و استفاده از مدل بستگی دارد.

در آموزش، AI برای تولید تمرین، توضیح مفاهیم، ترجمه، بازخورد روی نوشته‌ها و شخصی‌سازی بخشی از فرایند یادگیری به کار می‌رود. در کسب‌وکار نیز از آن برای تحلیل داده، خدمات مشتری، جست‌وجوی سازمانی، پیش‌بینی، بازاریابی و خودکارسازی کارهای تکراری استفاده می‌شود.

ملیکا طاهران‌ پور

بهترین شغل‌های مرتبط با هوش مصنوعی؛ معرفی ۱۶ شغل جذاب و آینده‌دار

مطالعه '8

در برنامه‌نویسی، ابزارهای هوش مصنوعی می‌توانند کد پیشنهاد کنند، خطا پیدا کنند، تست بنویسند یا کد موجود را توضیح دهند. در بانکداری و خدمات مالی نیز تشخیص تراکنش‌های غیرعادی، ارزیابی ریسک و پردازش اسناد از کاربردهای متداول یادگیری ماشین است.

خودروها و سامانه‌های حمل‌ونقل نیز برای قابلیت‌هایی مثل تشخیص عابر، خواندن علائم، تحلیل محیط، پیش‌بینی مسیر و سیستم‌های کمک‌راننده از بینایی ماشین و دیگر روش‌های AI استفاده می‌کنند.

هوش مصنوعی حوزه‌ی بسیار گسترده‌ای است و سیستم‌های مختلف آن برای پردازش انواع متفاوتی از اطلاعات ساخته می‌شوند. برخی مدل‌ها با زبان و متن سروکار دارند، بعضی برای تحلیل تصویر و ویدیو طراحی شده‌اند و گروهی دیگر گفتار و صدا را پردازش می‌کنند.

پردازش زبان طبیعی، بینایی ماشین و پردازش گفتار از مهم‌ترین حوزه‌های هوش مصنوعی هستند و بسیاری از ابزارهایی که روزانه استفاده می‌کنیم، از چت‌بات‌ها و مترجم‌های ماشینی گرفته تا تشخیص چهره و تبدیل گفتار به متن، بر فناوری‌های توسعه‌یافته در همین حوزه‌ها متکی‌اند.

پردازش زبان طبیعی یا NLP شاخه‌ای از هوش مصنوعی است که به پردازش، تحلیل و تولید زبان انسان می‌پردازد. ترجمه‌ی ماشینی، خلاصه‌سازی متن، تحلیل احساسات، موتورهای جست‌وجو و چت‌بات‌ها از کاربردهای این حوزه هستند. مدل‌های زبانی بزرگ نیز بخش مهمی از پیشرفت‌های جدید پردازش زبان طبیعی را شکل داده‌اند.

یکی از حوزه‌هایی که یادگیری عمیق تأثیر زیادی بر آن گذاشت، بینایی ماشین یا Computer Vision است.

ایده‌ی تشخیص اشیا را می‌توان به‌راحتی توضیح داد، اما اجرای آن دشوار است. اجسام پیچیده از الگوهای کوچک‌تری ساخته شده‌اند و سیستم باید بتواند این الگوها را در تصاویر مختلف شناسایی کند.

پیش از گسترش یادگیری عمیق، بسیاری از ویژگی‌هایی که باید در تصویر پیدا می‌شدند به‌صورت دستی توسط پژوهشگران طراحی می‌شدند.

شبکه‌های عصبی پیچشی یا CNN-ها این روند را تغییر دادند و به سیستم اجازه دادند بخشی از ویژگی‌های موردنیاز برای تشخیص تصویر را مستقیماً از داده یاد بگیرد.

امروزه معماری‌های بینایی محدود به CNN نیستند و مدل‌های مبتنی‌بر ترنسفورمر و مدل‌های چندوجهی نیز در بسیاری از وظایف تصویری استفاده می‌شوند.

تشخیص چهره یک مرحله فراتر از پیداکردن صرف صورت انسان در تصویر است. در اینجا سیستم باید ویژگی‌های چهره را به شکلی عددی نمایش دهد تا بتواند دو تصویر را با یکدیگر مقایسه کند و تخمین بزند که آیا متعلق به یک فرد هستند یا خیر.

از فناوری‌های مشابه در بازکردن قفل بعضی دستگاه‌ها، دسته‌بندی تصاویر و سامانه‌های مختلف تشخیص هویت استفاده می‌شود. البته تشخیص چهره فقط یک مسئله‌ی فنی نیست و استفاده از آن، به‌خصوص در مقیاس گسترده، بحث‌های جدی درباره‌ی حریم خصوصی و نظارت ایجاد کرده است.

در گفتار، سیستم باید دنباله‌ای از صداها را تشخیص دهد و بفهمد چه کلماتی با چه احتمالی در کنار یکدیگر قرار گرفته‌اند.

مدل‌های قدیمی‌تر تشخیص گفتار از معماری‌هایی مانند شبکه‌های عصبی بازگشتی یا RNN استفاده می‌کردند که می‌توانستند اطلاعات مراحل قبلی را هنگام پردازش دنباله در نظر بگیرند.

در سال‌های بعد معماری‌های جدیدتر، به‌ویژه Transformer-ها، در بسیاری از وظایف زبان و گفتار جایگاه مهم‌تری پیدا کردند.

امروزه تبدیل گفتار به متن، زیرنویس خودکار، دستیارهای صوتی و ترجمه‌ی گفتاری از کاربردهای رایج این فناوری هستند.

امروزه هوش مصنوعی در بسیاری از ابزارهای روزمره حضور دارد؛ از پیشنهاد فیلم و موسیقی و مسیریابی گرفته تا ترجمه، تشخیص چهره، دستیارهای هوشمند و ابزارهای تولید متن، عکس و ویدیو.

ملیکا طاهران‌ پور

کاربردی‌ترین و بهترین ابزارهای هوش مصنوعی ۲۰۲۶ برای همه

مطالعه '11

ChatGPT دستیار هوش مصنوعی OpenAI و یکی از معروف‌ترین ابزارهای هوش مصنوعی مولد است. این سرویس برای پاسخ به سؤال، تحقیق، تولید و ویرایش متن، تحلیل فایل و تصویر و برنامه‌نویسی استفاده می‌شود.

Gemini خانواده‌ی مدل‌ها و دستیار هوش مصنوعی گوگل است. جمنای می‌تواند متن، تصویر، صدا، ویدیو و کد را پردازش کند و قابلیت‌های آن در سرویس‌هایی مانند جست‌وجوی گوگل، اندروید و ابزارهای کاری گوگل نیز استفاده می‌شود.

Claude دستیار هوش مصنوعی شرکت Anthropic است و در تحلیل متن و اسناد، برنامه‌نویسی، نوشتن و انجام وظایف چندمرحله‌ای کاربرد دارد.

Microsoft Copilot مجموعه ابزارهای هوش مصنوعی مایکروسافت است که در محصولاتی مانند Word، Excel و PowerPoint حضور دارد. GitHub Copilot نیز به برنامه‌نویسان در نوشتن و بررسی کد کمک می‌کند.

Grok دستیار هوش مصنوعی شرکت xAI است که از طریق وب، اپلیکیشن و شبکه اجتماعی X در دسترس قرار دارد. این ابزار برای گفت‌وگو، جست‌وجو، برنامه‌نویسی و تولید محتوای مبتنی‌بر هوش مصنوعی استفاده می‌شود.

مدل‌های تولید تصویر و ویدیو با هوش مصنوعی می‌توانند براساس دستور متنی، تصاویر جدید بسازند، عکس‌ها را ویرایش کنند یا متن و تصویر را به ویدیو تبدیل کنند. شرکت‌هایی مانند OpenAI، گوگل، متا و xAI ابزارهایی در این حوزه توسعه داده‌اند.

توسعه‌ی هوش مصنوعی فقط در اختیار یک یا دو شرکت نیست. مجموعه‌ای از شرکت‌های فناوری روی ساخت مدل‌های هوش مصنوعی، سخت‌افزار، زیرساخت ابری، ابزارهای توسعه و محصولات مبتنی‌بر AI کار می‌کنند.

OpenAI با ChatGPT و خانواده‌ی GPT، گوگل و گوگل دیپ‌مایند با جمنای، Anthropic با کلاد و متا با Llama از شناخته‌شده‌ترین توسعه‌دهندگان مدل‌های هوش مصنوعی هستند.

مایکروسافت نیز از طریق کوپایلت، Azure و همکاری با OpenAI حضور گسترده‌ای در این حوزه دارد. انویدیا نقش متفاوتی ایفا می‌کند و بخش مهمی از سخت‌افزار و زیرساخت محاسباتی لازم برای آموزش و اجرای مدل‌های بزرگ را تأمین می‌کند.

شرکت‌هایی مانند xAI، Mistral AI، آمازون، اپل، علی‌بابا و دیپ‌سیک نیز در بخش‌های مختلف هوش مصنوعی، از مدل‌های زبانی و تولید محتوا گرفته تا زیرساخت و کاربردهای سازمانی، فعالیت می‌کنند.

بهتر است اهمیت این شرکت‌ها را فقط با «بهترین مدل» نسنجیم. صنعت AI زنجیره‌ای از تراشه و دیتاسنتر تا مدل پایه، زیرساخت ابری، نرم‌افزار توسعه و محصول نهایی است و شرکت‌های مختلف در بخش‌های متفاوت این زنجیره حضور دارند.

برای استفاده از هوش مصنوعی لازم نیست برنامه‌نویس باشید. بسیاری از ابزارهای امروزی با زبان طبیعی کار می‌کنند؛ یعنی می‌توانید خواسته‌ی خود را به‌صورت یک سؤال یا دستور معمولی بنویسید و خروجی بگیرید.

برای مثال، می‌توان از یک چت‌بات هوش مصنوعی برای خلاصه‌کردن متن، توضیح یک مفهوم، ترجمه، ایده‌پردازی، کمک در نوشتن یا تحلیل فایل استفاده کرد. ابزارهای تولید تصویر و ویدیو نیز معمولاً براساس توضیح متنی کار می‌کنند و دستیارهای برنامه‌نویسی می‌توانند در نوشتن، توضیح یا بررسی کد کمک کنند.

کیفیت نتیجه تا حد زیادی به انتخاب ابزار مناسب، واضح‌بودن دستور و اطلاعاتی که در اختیار مدل قرار می‌دهید بستگی دارد. در کارهای حساس مانند پزشکی، حقوق، امور مالی یا اطلاعاتی که باید دقیق و مستند باشند، خروجی هوش مصنوعی باید با منابع معتبر بررسی شود.

مزیت AI به نوع کاربرد آن بستگی دارد، اما در بسیاری از زمینه‌ها می‌تواند حجم زیادی از داده را سریع‌تر از انسان پردازش کند، الگوهایی را پیدا کند که تشخیص دستی آن‌ها دشوار است و بخشی از کارهای تکراری را خودکار کند.

در بعضی کاربردها هوش مصنوعی امکان شخصی‌سازی خدمات را فراهم می‌کند؛ مثلاً سامانه‌ی پیشنهاد محتوا برای هر کاربر نتیجه‌ی متفاوتی ارائه می‌دهد. ابزارهای مولد نیز هزینه و زمان انجام برخی کارهای اولیه مانند تهیه‌ی پیش‌نویس، خلاصه‌کردن متن، ترجمه، کدنویسی و ساخت نمونه‌های اولیه را کاهش می‌دهند.

بااین‌حال، سرعت یا توانایی بالاتر در یک وظیفه به معنی درست‌بودن همیشگی خروجی یا برتری AI در تمام بخش‌های آن کار نیست. ارزش واقعی یک سیستم هوش مصنوعی زمانی مشخص می‌شود که عملکردش در شرایط واقعی و روی داده‌های مرتبط ارزیابی شود.

یکی از مهم‌ترین محدودیت‌های هوش مصنوعی این است که خروجی قانع‌کننده الزاماً خروجی درست نیست. مدل‌های مولد ممکن است اطلاعات، منبع، عدد یا توضیحی تولید کنند که ظاهری معتبر دارد اما نادرست است؛ پدیده‌ای که معمولاً «توهم» یا Hallucination نامیده می‌شود. به همین دلیل، در موضوعات حساس مانند پزشکی، حقوق و امور مالی نباید صرفاً به پاسخ مدل اتکا کرد.

کیفیت داده نیز اهمیت زیادی دارد. اگر داده‌ی آموزشی ناقص، غیرمتوازن یا حاوی سوگیری باشد، مدل ممکن است همان الگوها را در خروجی خود بازتولید یا حتی تقویت کند. این مسئله در تصمیم‌هایی که روی استخدام، اعتبار مالی، درمان یا خدمات عمومی اثر می‌گذارند اهمیت بیشتری پیدا می‌کند.

حریم خصوصی چالش دیگری است. سامانه‌های AI ممکن است با حجم بزرگی از اطلاعات شخصی یا سازمانی کار کنند و نحوه‌ی جمع‌آوری، ذخیره‌سازی و استفاده از این اطلاعات باید روشن باشد. تولید دیپ‌فیک، جعل صدا و تصویر، انتشار محتوای گمراه‌کننده و آسان‌ترشدن برخی حملات سایبری نیز از خطرات مرتبط با ابزارهای مولد هستند.

هوش مصنوعی می‌تواند بازار کار را هم تغییر دهد. احتمالاً تأثیر آن صرفاً به «حذف شغل» محدود نخواهد بود؛ بسیاری از شغل‌ها ممکن است بخشی از وظایف خود را به ابزارهای AI واگذار کنند و در مقابل، مهارت‌ها و نقش‌های تازه‌ای ایجاد شود. میزان این تغییر در صنایع مختلف یکسان نیست و پیش‌بینی دقیق تعداد مشاغلی که ایجاد یا حذف خواهند شد، عدم‌قطعیت زیادی دارد.

در نهایت، مدل‌های بزرگ برای آموزش و اجرا به زیرساخت محاسباتی، انرژی و منابع قابل‌توجهی نیاز دارند. هزینه، مصرف انرژی، وابستگی به مراکز داده و تمرکز توان محاسباتی در اختیار تعداد محدودی از شرکت‌ها نیز بخشی از بحث گسترده‌تر درباره‌ی آثار اقتصادی و اجتماعی AI است.

تاریخچه هوش مصنوعی به دهه‌ها پیش از ظهور ChatGPT برمی‌گردد. یکی از مهم‌ترین نقطه‌های آغاز این حوزه، مقاله‌ی مشهور آلن تورینگ در سال ۱۹۵۰ بود. تورینگ در مقاله‌ی «ماشین‌های محاسباتی و هوش» این پرسش را مطرح کرد که «آیا ماشین‌ها می‌توانند فکر کنند؟» و آزمایشی را پیشنهاد داد که بعدها به آزمون تورینگ معروف شد.

اصطلاح هوش مصنوعی (Artificial Intelligence) به جان مک‌کارتی نسبت داده می‌شود. مک‌کارتی این عبارت را در پیشنهاد پروژه‌ای که به کارگاه تابستانی دارتموث منتهی شد به کار برد و در سال ۱۹۵۶ گروهی از پژوهشگران در کالج دارتموث گرد هم آمدند تا درباره‌ی امکان ساخت ماشین‌های هوشمند تحقیق کنند. این رویداد معمولاً یکی از آغازهای رسمی هوش مصنوعی به‌عنوان یک حوزه‌ی پژوهشی شناخته می‌شود.

در دهه‌های ۱۹۵۰ و ۱۹۶۰، برنامه‌هایی مانند Logic Theorist برای حل مسائل منطقی و ELIZA برای شبیه‌سازی مکالمه با انسان ساخته شدند. موفقیت‌های اولیه باعث خوش‌بینی زیادی شد؛ اما کامپیوترهای آن دوره قدرت پردازشی و حافظه‌ی کافی برای تحقق بسیاری از وعده‌های پژوهشگران را نداشتند.

از دهه‌ی ۱۹۷۰، محدودیت سخت‌افزار و برآورده‌نشدن انتظارات باعث کاهش بودجه و توجه به هوش مصنوعی شد؛ دوره‌ای که بعدها با عنوان زمستان هوش مصنوعی شناخته شد.

در دهه‌ی ۱۹۸۰، با توسعه‌ی سیستم‌های خبره و پیشرفت دوباره‌ی شبکه‌های عصبی، علاقه به AI افزایش یافت. سیستم‌های خبره تلاش می‌کردند دانش و قواعد تصمیم‌گیری متخصصان را به شکل نرم‌افزار درآورند، اما محدودیت این سیستم‌ها بار دیگر نشان داد که برای ساخت هوش مصنوعی قدرتمندتر، تنها تعریف مجموعه‌ای از قواعد کافی نیست.

در دهه‌های ۱۹۹۰ و ۲۰۰۰، افزایش قدرت کامپیوترها و حجم داده‌ها زمینه را برای گسترش یادگیری ماشین (Machine Learning) فراهم کرد. به‌جای اینکه تمام قواعد مستقیماً توسط برنامه‌نویس نوشته شوند، الگوریتم‌ها می‌توانستند الگوها را از داده‌ها یاد بگیرند.

یکی از معروف‌ترین نمایش‌های توانایی AI در سال ۱۹۹۷ رخ داد؛ زمانی که ابرکامپیوتر Deep Blue شرکت IBM توانست گری کاسپاروف، قهرمان وقت شطرنج جهان، را در یک مسابقه شکست دهد.

Deep Blue نخستین سیستم کامپیوتری بود که قهرمان وقت شطرنج جهان را در یک مسابقه با کنترل زمانی استاندارد شکست داد. البته توانایی آن مبتنی بر جست‌وجوی بسیار سریع در حالت‌های بازی، تابع ارزیابی و دانش تخصصی شطرنج بود و با هوش مصنوعی مولد امروزی تفاوت زیادی داشت.

در دهه‌ی ۲۰۱۰، افزایش داده‌های دیجیتال، پردازنده‌های گرافیکی قدرتمند و پیشرفت شبکه‌های عصبی باعث رشد سریع یادگیری عمیق شد.

موفقیت شبکه‌ی AlexNet در رقابت ImageNet سال ۲۰۱۲ یکی از رویدادهایی بود که نشان داد شبکه‌های عصبی عمیق و GPUها می‌توانند جهش بزرگی در تشخیص تصویر ایجاد کنند.

در سال ۲۰۱۶ نیز AlphaGo شرکت دیپ‌مایند با شکست لی سدول، یکی از بهترین بازیکنان بازی گو، توانایی روش‌های جدید یادگیری ماشین را به نمایش گذاشت. AlphaGo مسابقه‌ی پنج‌بازی مقابل لی سدول را با نتیجه‌ی ۴ بر ۱ برد. این سیستم شبکه‌های عصبی، جست‌وجوی درختی و یادگیری تقویتی را با یکدیگر ترکیب می‌کرد.

یکی از نقاط مهم تاریخ هوش مصنوعی مدرن در سال ۲۰۱۷ رقم خورد. پژوهشگران گوگل معماری ترنسفورمر (Transformer) را در مقاله‌ی Attention Is All You Need معرفی کردند. این معماری امکان پردازش کارآمدتر زبان و آموزش مدل‌های بسیار بزرگ را فراهم کرد و بعدها به پایه‌ی بسیاری از مدل‌های زبانی بزرگ (LLM) تبدیل شد.

ظهور مدل‌های زبانی بزرگ، هوش مصنوعی را وارد مرحله‌ی تازه‌ای کرد؛ مرحله‌ای که در آن سیستم‌ها فقط داده‌ها را طبقه‌بندی نمی‌کنند، بلکه قادر به تولید متن، تصویر، صدا، ویدئو و کد هستند.

عرضه‌ی عمومی ChatGPT در ۳۰ نوامبر ۲۰۲۲ باعث شد هوش مصنوعی مولد در مدت کوتاهی به دست میلیون‌ها کاربر برسد.

پس از آن، رقابت بر سر توسعه‌ی هوش مصنوعی مولد، مدل‌های چندوجهی و عامل‌های هوش مصنوعی شدت گرفت. مدل‌های جدید می‌توانند هم‌زمان متن، تصویر، صدا و ویدئو را پردازش کنند و برخی سیستم‌های عامل‌محور نیز قادرند مجموعه‌ای از کارها را با دخالت کمتر کاربر برنامه‌ریزی و اجرا کنند.

امروزه، هوش مصنوعی نتیجه‌ی ترکیب دهه‌ها پژوهش در یادگیری ماشین، شبکه‌های عصبی، یادگیری عمیق و پردازش زبان طبیعی با افزایش قدرت پردازشی و دسترسی به حجم عظیمی از داده است. فناوری‌ای که زمانی بیشتر موضوع پژوهش‌های دانشگاهی بود، اکنون در موتورهای جست‌وجو، گوشی‌های هوشمند، ابزارهای تولید محتوا، پزشکی، صنعت، خودرو و بسیاری از خدمات روزمره استفاده می‌شود.

پیش‌بینی دقیق آینده‌ی هوش مصنوعی ممکن نیست، اما روند چند سال اخیر چند جهت مشخص را نشان می‌دهد. مدل‌ها در حال چندوجهی‌ترشدن هستند، توانایی استفاده از ابزار و انجام کارهای چندمرحله‌ای افزایش یافته و در کنار مدل‌های عظیم ابری، مدل‌های کوچک‌تر برای اجرا روی کامپیوتر شخصی، گوشی و دیگر دستگاه‌ها توسعه پیدا کرده‌اند.

رقابت برای ساخت AGI نیز ادامه دارد، اما حتی تعریف «رسیدن به AGI» محل اختلاف است. ممکن است بهبود هوش مصنوعی به شکل تدریجی ادامه پیدا کند و مدل‌ها در تعداد بیشتری از وظایف از انسان جلو بزنند، بدون اینکه لحظه‌ی مشخص و مورد توافقی برای تولد AGI وجود داشته باشد.

در کنار توانایی مدل‌ها، مسئله‌ی اعتماد اهمیت بیشتری پیدا خواهد کرد. هرچه AI بیشتر وارد پزشکی، آموزش، نرم‌افزار، امور مالی و زیرساخت شود، ارزیابی دقت، امنیت، منشأ داده، امکان ممیزی و مشخص‌بودن مسئولیت خطا مهم‌تر خواهد شد.

هوش مصنوعی احتمالاً بسیاری از کارها را تغییر خواهد داد، اما رابطه‌ی آن با انسان الزاماً به جایگزینی کامل ختم نمی‌شود. در بسیاری از مشاغل، سناریوی محتمل‌تر این است که بخشی از فرایند کار به ماشین سپرده شود و نقش انسان به سمت نظارت، تصمیم‌گیری، ارزیابی و انجام بخش‌هایی حرکت کند که به زمینه، مسئولیت یا قضاوت بیشتری نیاز دارند.