هوش مصنوعی (AI) در فرهنگ عامه یادآور ربات‌های هوشمند است. بشر سال‌هاست با نگرانی نابودی خود به دست هوش مصنوعی دست و پنجه نرم می‌کند. تا زمانی که ماشین‌های هوشمند به احساس مجهز نشوند بشر در امان است. اما باز هم بشر همچنان نگران این است که هوش مصنوعی جای خیلی از مشاغل انسانی را بگیرد.
ربات‌های امروزی هوش طبیعی ندارند، اما قادر به حل مسائل، و تفکر با ظرفیت محدود هستند. چه بخواهیم چه نخواهیم هوش مصنوعی روز به روز در حال طی سیر تکاملی خود است. هوش مصنوعی در زندگی ما نقش فعالی دارد. هر بار که سایت فیس بوک را باز می‌کنیم، جستجوی گوگل را انجام می‌دهیم، سایت آمازون به ما محصولی را پیشنهاد می‌دهد، یک سفر را به صورت آنلاین رزرو می‌کنیم، هوش مصنوعی در پس زمینه اجرا می‌شود.
یادگیری ماشین
یادگیری ماشینی وجهه دیگر هوش مصنوعی است. یادگیری ماشین نشان دهنده یک قدم بزرگ به جلو در نحوه یادگیری رایانه است. در اصل، به یک الگوریتم یادگیری ماشین، یک “مجموعه آموزشی” داده می‌شود. سپس از آن داده‌ها برای پاسخ به یک سوال استفاده می‌شود. در زیر نمونه‌هایی از هوش مصنوعی، که در زندگی روزمره با آن‌ها مواجه هستیم، را آورده ایم.
1. امنیت داده
بدافزارها یک مشکل بزرگ و رو به رشد هستند. در سال ۲۰۱۴، Kaspersky Lab گفت که هر روز حجم زیادی از فایل‌های مخرب به وجود می‌آیند. بیشتر بدافزارها شبیه هم هستند. در هر بد افزار جدید تنها تغیر اندکی صورت می‌گیرد. با استفاده از هوش مصنوعی و یادگیری ماشین می‌توان تشخیص داد که کدام فایل‌ها بدافزار هستند.
2. امنیت شخصی
اگر اخیراً با یک هواپیما پرواز کرده‌اید یا در یک رویداد عمومی بزرگ شرکت کرده باشید، حتما با انتظار در صف‌های طولانی بازرسی مواجه شده اید. اما هوش مصنوعی به کمک یادگیری ماشین می‌تواند با نصب اسکنرهایی در فرودگاه‌ها، ورزشگاه‌ها، کنسرت‌ها و سایر امکان عمومی به تسریع روند بازرسی کمک قابل توجهی کند.
3. معاملات مالی
امروزه معاملات بورس یکی از کسب و کارهای اصلی مردم است. مردم مشتاقند که بتوانند افزایش یا کاهش سهام‌ها را پیش بینی کنند. بسیاری از بنگاه‌های تجاری معتبر از سیستم‌های اختصاصی برای پیش بینی و اجرای معاملات، با سرعت و حجم بالا استفاده می‌کنند.
بسیاری از این الگوریتم ها به احتمالات متکی هستند. اما حتی تجارت با احتمال نسبتاً کم، با حجم یا سرعت کافی، می‌تواند سودهای کلانی را برای بنگاه‌ها رقم بزند. وقتی انسان نمی‌تواند مقادیر زیادی از داده‌ها را با سرعت تحلیل کند، نمی‌توانند با ماشین‌ها رقابت کند.
4. بهداشت و درمان
الگوریتم‌های هوش مصنوعی می‌توانند اطلاعات بیشتری را پردازش کرده و الگوهای بیشتری را نسبت به همتایان انسانی خود مشاهده کنند. در یک مطالعه، پزشك در هنگام بررسی اسكن‌های اولیه ماموگرافی زنانی كه بعدا به سرطان سینه مبتلا شده‌اند، از تشخیص به كمك کامپیوتر (CAD) استفاده كرده بود، و رایانه 52٪ از سرطان‌ها را تقریباً یك سال قبل از ابتلای رسمی زنان حدس زده بود.
علاوه بر این، یادگیری ماشین می تواند برای درک عوامل خطرزای بیماری در جمعیت‌های بزرگ استفاده شود. شرکت Medecision الگوریتمی را ایجاد کرد که قادر به شناسایی هشت متغیر برای پیش بینی بستری بیماران دیابتی بود.
5. شخصی سازی بازاریابی
هرچه درک بیشتری از مشتریان داشته باشید، بهتر می‌توانید به آن‌ها خدمت کنید و فروش بیشتری نیز خواهید داشت. این پایه و اساس شخصی سازی بازاریابی است. شاید شما این تجربه را داشته باشید که در آن از فروشگاه آنلاین بازدید کنید و به محصولی نگاه کنید اما آن را خریداری نکنید و بعدا در روزهای آینده تبلیغات دیجیتالی محصولات مرتبط با آن محصول را در وب ببینید.
این نوع شخصی سازی فقط نمونه کوچکی از این عرصه است. شرکت‌ها می‌توانند ایمیل‌های شخصی شده به مشتریان ارسال کنند. کالاهایی را تحت عنوان “کالاهای توصیه شده” به آن‌ها پیشنهاد دهند. همه این کارها باعث اطمینان مشتری به فروشنده می‌شود.
6. تشخیص کلاه برداری
یادگیری ماشینی در کشف موارد احتمالی کلاهبرداری در بسیاری از زمینه‌های مختلف روز به روز بهتر و بهتر می‌شود. به عنوان مثال، پی پال از یادگیری ماشینی برای مبارزه با پولشویی استفاده می‌کند. این شرکت ابزارهایی دارد که میلیون‌ها تراکنش را با یکدیگر مقایسه می‌کند و می تواند دقیقاً بین معاملات مشروع و کلاهبرداری بین خریداران و فروشندگان تمایز قائل شود.
7. توصیه‌ها
اگر از سرویس‌هایی مانند Amazon یا Netflix استفاده می کنید، احتمالاً با این کاربرد آشنا هستید. الگوریتم‌های یادگیری ماشین هوشمند فعالیت شما را تجزیه و تحلیل می‌کنند و آن را با میلیون‌ها کاربر دیگر مقایسه می کنند تا مشخص کنند چه چیزی را دوست دارید در ساعت بعدی بخرید یا تماشا کنید.
این توصیه‌ها روز به روز باهوش تر می‌شوند و به عنوان مثال می‌دانند که شما می‌توانید موارد خاصی را به عنوان هدیه خریداری کنید (و خودتان آن کالا را نمی خواهید) یا اینکه ممکن است اعضای خانواده‌های مختلفی باشند که علاقمندی‌های متفاوتی دارند.
8. پژوهش آنلاین
شاید معروف ترین کاربرد یادگیری ماشین، گوگل و رقبای آن، این باشد که آنچه را که موتور جستجو می‌فهمد را بهبود بخشند. هر بار که جستجوی خود را در Google انجام می‌دهید، این برنامه چگونگی پاسخ به نتایج را تماشا می‌کند. اگر بر روی نتیجه برتر کلیک کرده و در آن صفحه وب بمانید، می‌توانیم فرض کنیم که اطلاعات مورد نظر را بدست آورده‌اید و جستجو موفقیت آمیز بوده است.
از طرف دیگر اگر روی صفحه دوم نتایج کلیک کنید، یا یک رشته جستجو جدید را بدون کلیک کردن روی هر نتیجه تایپ کنید، می‌توانیم تصور کنیم موتور جستجوگر نتایج مورد نظر شما را ارائه نکرده است و برنامه می‌تواند از آن اشتباه یاد بگیرد تا نتیجه بهتری در آینده ارائه دهد.
9. پردازش زبان طبیعی
NLP در انواع برنامه‌های هیجان انگیز در همه رشته‌ها مورد استفاده قرار می‌گیرد. الگوریتم‌های یادگیری ماشین با زبان طبیعی می‌توانند در اختیار نمایندگان خدمات مشتری قرار بگیرند و سریعتر مشتری را به اطلاعات مورد نیاز خود هدایت کنند. این مورد برای ترجمه حقوقی مبهم در قراردادها به زبان ساده استفاده می‌شود و به وکلا کمک می‌کند تا حجم وسیعی از اطلاعات را برای تهیه یک پرونده مرتب سازند.
10. ماشین‌های هوشمند
IBM اخیراً مدیران ارشد حوزه اتومبیل سازی را مورد بررسی قرار داده است. 74٪ انتظار داشتند که تا سال 2025 ماشین‌های هوشمند را در جاده‌ها ببینیم. یک ماشین هوشمند نه تنها از اینترنت اشیا استفاده می‌کند، بلکه در مورد صاحب و محیط آن نیز چیزهایی می‌آموزد. این فناوری ممکن است تنظیمات داخلی، دما، صدا، موقعیت صندلی و غیره را تنظیم کند و به طور خودکار براساس راننده، گزارش و حتی مشکلات را برطرف کند، خود را براند و توصیه‌های بلادرنگی در مورد ترافیک و شرایط جاده ارائه دهد.
