یادگیری ماشین چه نقشی در تکامل هوش مصنوعی دارد؟
طی گزارشات اخیر اکثر کمپانیهای مشهور دنیا به اشتباه از کلمه هوش مصنوعی برای توصیف محصولات خودشان استفاده میکنند. طی یکی از گزارشات وبسایت The Verge حدودا 40 درصد از استارتاپهای اروپایی که ادعا میکنند از هوش مصنوعی در محصولات خودشان استفاده کردهاند در اشتباه هستند و در واقع هیچ استفادهای از این تکنولوژی نمیبرند. همچنین وبسایت TechTalks نیز چند سال پیش به این موضوع اشاره کرده است و ادعا کرده کمپانیهای زیادی به اشتباه ادعا میکنند که از یادگیری ماشین و هوش مصنوعی به منظور بهبود تجربه کاربری محصولات و خدماتشان استفاده میکنند.
متاسفانه هنوز سردرگمی زیادی در بین عموم مردم و رسانهها در مورد هوش مصنوعی و اینکه یادگیری ماشین چیست وجود دارد. اغلب از این کلمات به عنوان کلمات هم معنی استفاده میشود و در بقیه موارد نیز تصور میشود که این دو زمینه از هم مجزا ولی موازی هستند.
در این مقاله ما به برخی تفاوتهای هوش مصنوعی و یادگیری ماشین و همچنین ارتباط این دو با یکدیگر اشاره خواهیم کرد.
یادگیری ماشین چیست؟
یادگیری ماشین چیست؟ تام م. میشل، یادگیری ماشین، مکگرا هیل، 1997
نقل قول اینتریم دین، استاد دانشگاه و رئیس سابق بخش یادگیری ماشین دانشگاه کارنجی ملون از تام م. میشل:
بهترین روش برای توصیف یک زمینه علمی از طریق سوالی است که سعی دارد به آن پاسخ دهد. یادگیری ماشین نیز سعی دارد به این سوال پاسخ دهد: “ما چطور میتوانیم سیستمهای کامپیوتری بسازیم که به صورت خودکار با کسب تجربه بهبود بیابند و قوانین پایهای که بر تمام پروسههای یادگیری حکمفرما هستند چیست؟”
یادگیری ماشین یا Machine Learning که با علامت اختصاری ML نشان داده میشود یکی از شاخههای هوش مصنوعی است و همانطور که توسط محقق کامیوتر و یکی از پیشگامان یادگیری ماشین تام م. میشل به آن اشاره شده است: “یادگیری ماشین تحقیق روی الگوریتمهای کامپیوتری است که به برنامههای کامپیوتری اجازه میدهند به صورت خودکار و با کسب تجربه بهبود یابند.” یادگیری ماشین یکی از بخشهایی است که ما امیدواریم با استفاده از آن به هوش مصنوعی دستیابی پیدا کنیم. یادگیری ماشین برپایه کار با مجموعه دادههای کوچک تا بزرگ و آزمایش و مقایسه دادهها به منظور پیداکردن الگوهای برابر و تفاوتهای ظریف آنها عمل میکند.
برای مثال اگر تعداد زیادی از آهنگهایی که دوست دارید را به همراه اطلاعات صوتی هر آهنگ (سبک، قابلیت رقصیدن، نوع ساز و…) را به یک مدل یادگیری ماشین بدهید، میتواند به صورت خودکار عمل کند و یک سیستم توصیه کننده بسازد و در آینده موسیقیهایی را به شما که با احتمال زیادی از آنها لذت خواهید برد. دقیقا کاری کمپانیهایی مانند نتفلیکس و اسپاتیفای انجام میدهند.
در یک مثال سادهتر اگر تعداد زیادی تصویر اشعه ایکس را به همراه شرح هرکدام (علائم، موضوعاتی که باید در نظر گرفته شوند و…) را به یک برنامه یادگیری ماشین بدهید، میتواند به تحلیل دادههای تصاویر اشعه ایکس به شما کمک کند و یا حتی این کار را به صورت خودکار انجام دهد. سیستم یادگیری ماشین شما به عکسهای متنوعی که در بانک اطلاعاتی خودش دارد نگاه میکند و الگوهای مشابه را در عکسهای که به آن داده شده است پیدا میکند. علاوه بر این، هنگامی که تصاویر جدیدی را به برنامه میدهید، آن را با نمونههایی که قبلا جمعآوری کرده است مقایسه میکند و اگر عکس جدید هرکدام از نشانههایی که قبلا بررسی کرده باشد را داشته باشد، به شما اطلاع میدهد.
Deep Learning چیست؟
Deep Learning یکی از متعدد روشهای موفق شدن یادگیری ماشین است. دیگر روشهای یادگیری ماشین عبارتند از آموزش از طریق درخت تصمیمگیری، برنامهنویسی با منطق استدلالی، خوشهبندی، یادگیری تقویتشده، بیزی و….
Deep Learning از ساختار و عملکرد مغز و به صورت خاص روابط نورونها الهام گرفته است. شبکه عصبی مصنوعی الگوریتمی است که ساختار بیولوژیک مغز را تقلید میکند. در یک شبکه عصبی مصنوعی نورونهایی وجود دارد که لایههای مستقل دارند و با دیگر نورونها در ارتباط هستند. هر لایه یک موضوع را برای یادگیری انتخاب میکند.
نقش یادگیری ماشین در تکامل هوش مصنوعی
هوش مصنوعی که اولین بار توسط جان مککارتی مورد استفاده قرار گرفت به ماشینهایی اشاره دارد که کارها را با مشخصات هوش انسانی انجام میدهند. با اینکه این توضیح کمی عمومی است اما هوش مصنوعی شامل کارهایی مانند برنامهریزی، درک زبان، تشخیص اشیا و صداها، یادگیری و حل مسئله میباشد.
ما میتوانیم هوش مصنوعی را در دو دسته عمومی و محدود طبقهبندی کنیم. هوش مصنوعی عمومی تمام مشخصات هوش انسان را که برخی از آنها در پاراگراف قبلی ذکر شدند دارد. اما هوش مصنوعی محدود فقط برخی از بخشهای هوش انسانی را میتواند اجرا کند و آن بخش را هم میتواند خیلی خوب اجرا کند اما در بخشهای دیگر ممکن است ضعف داشته باشد. دستگاهی که در تشخیص تصاویر عملکرد خیلی خوبی دارد اما نمیتواند کار دیگری انجام دهد یکی از نمونههای هوش مصنوعی محدود است.
یادگیری ماشین به زبان ساده یکی از راههای رسیدن به هوش مصنوعی است. آرتور سموئل در سال 1959 و مدت کمی پس از به وجود آمدن کلمه هوش مصنوعی کلمه یادگیری ماشین را استفاده کرد و آن را “توانایی یادگیری بدون کدنویسی اختصاصی تعریف کرد.” میتوانید بدون استفاده از یادگیری ماشین هم به هوش مصنوعی دست پیدا کنید اما این کار به میلیونها خط کدنویسی با قوانین و تصمیمگیریهای درختی پیچیده نیاز دارد.
پس به جای نوشتن روتینهای نرمافزاری پیچیده با دستورات خاص برای انجام دادن هرکاری، میتوان از یادگیری ماشین برای آموزش چگونه انجام دادن کارها به یک سیستم هوش مصنوعی استفاده کرد. آموزش شامل ارائه میزان زیادی اطلاعات به الگوریتم و آزاد گذاشتن آن به منظور تطبیق و بهبود میباشد.
برای مثال از یادگیری ماشین برای بهبود دید کامپیوتری (توانایی ماشین برای تشخیص یک عکس یا فیلم) استفاده شده است. شما صدها هزار و حتی میلیون عکس را به کامپیوتر میدهید و سپس از نیروی انسانی میخواهید آنها را برچسب گذاری کند. برای مثال از آنها میخواهید تصاویری که داخل آنها گربه وجود دارد را از دیگر تصاویر جدا کنند. سپس سیستم میتواند به صورت دقیق و دقیقا شبیه به انسان تصاویری که داخل آنها گربه وجود دارد را از تصاویری که گربه ندارند جدا کند. هنگامی که دقت دستگاه به اندازه کافی بالا باشد، میتوان گفت که سیستم یاد گرفته است گربه چه شکلی است.
