هوش مصنوعی پیچیده ترین و حیرت انگیزترین خلقت بشریت تاکنون است. باید به این واقعیت توجه داشته باشیم که در علم هوش مصنوعی هنوز در ابتدای مسیر قرار داریم، این بدان معناست: علمی که ما امروز از هوش مصنوعی میبینیم فقط به مانند نوک یک کوه یخ است. همین علم کمی که ما از هوش مصنوعی داریم از شاخه های مختلفی برخوردار است! در این مقاله به اصلی ترین شاخه های هوش مصنوعی خواهیم پرداخت.
شاخه های هوش مصنوعی
در مقالات مختلفی هر کدام از شاخه ها را به طور جامع معرفی کردیم، در صورتی که نیاز به توضیحات بیشتر در مورد هر کدام از شاخه های هوش مصنوعی دارید می‌توانید بر روی لینک های زیر کلیک کنید.
- سیستم خبره (Experts Systems)
- رباتیک (Robotics)
- یادگیری ماشین (Machine Learning)
- شبکه عصبی (Neural Network)
- منطق فازی (Fuzzy Logic)
- پردازش زبان طبیعی (Natural Language Processing)
۱. سیستم خبره (Experts Systems)
سیستم خبره در واقع یک نرم افزار مبتنی بر هوش مصنوعی است که دانش انسانی را یاد می‌گیرد و از این دانش برای تصمیم گیری، تقلید می‌کند، این سیستم برای حل مسائل پیچیده از برنامه نویسی‌های رایج استفاده نمی‌کند بلکه از منطق if-then برای این کار استفاده می‌کند.
از کاربرد های سیستم های خبره میتوان به موارد زیر اشاره کرد:
- کاربرد درمانی، شناسایی عفونت های ویروسی
- کاربرد بانکی، تجزیه و تحلیل وام و سرمایه گذاری
- کاربرد پزشکی، تولید ربات های جراح
۲. رباتیک (Robotics)
رباتیک شاخه بسیار جالب از هوش مصنوعی است که بر روی طراحی و توسعه ربات‌ها تمرکز دارد. این شاخه از ترکیب شدن گرایش هوش مصنوعی، الکترونیک و کنترل، مکانیک (طراحی و ساخت) به وجود آمده است. هدف این شاخه، کمک به انسان‌ها در انجام کارهای تکراری و خسته کننده است.
۳. یادگیری ماشین (Machine Learning)
یادگیری ماشین به سیستم ها این امکان را می‌دهد تا به صورت خودکار، یادگیری و پیشرفت داشته باشند بدون اینکه به برنامه نویسی صریحی برای آن نیاز داشته باشند. تمرکز اصلی یادگیری ماشینی بر توسعه برنامه‌های رایانه‌ای است که بتوانند به داده ها دسترسی پیدا کنند و از آن برای یادگیری خود استفاده کنند. الگوریتم های بسیار مختلفی برای یادگیری ماشین وجود دارد و هر روزه صدها الگوریتم جدید نیز تولید می شوند، و به طور معمول ار منظر سبک یادگیری (learning style) (مانند یادگیری نظارت شده، یادگیری بدون نظارت، یادگیری نیمه نظارت) و یا با توجه به شباهتشان در فرم و عملکرد ( مانند طبقه بندی، برگشت، درخت تصمیم گیری، دسته کردن، یادگیری عمیق و…) گروه بندی می شوند.
۴. شبکه عصبی (Neural Network)
شبکه عصبی شاخه ای از هوش مصنوعی است که با استفاده از نورون های مصنوعی مغزی تلاش برای حل مشکلات پیچیده دارد. شبکه‌های عصبی را به نام “یادگیری عمیق” نیز شناخته می شود.
از کاربرد های این شاخه میتوان به موارد زیر اشاره کرد:
- تجزیه و تحلیل ریسک
- تحقیقات بازار
- کشف تقلب
- پیش بینی سهام
- تأیید چهره
۵. منطق فازی (Fuzzy Logic)
منطق فازی شاخه هوش مصنوعی برای اصلاح و بازنمایی اطلاعات نامطمئن با تجزیه و تحلیل میزان صحت فرضیه است. منطق فازی در مواجهه با عدم اطمینان به شما کمک می کند تا سطح مشخصی از انعطاف پذیری استدلال را ارائه دهید. پروفسور لطفی عسگرزاده ( مبدع نظریه منطق فازی) متوجه شد که کامپیوترها توانایی شبیه‌سازی تفکرات انسان را ندارند، منطق دیجیتال فقط توانایی نمایش دو وضعیت را دارد:
- درست (True)
- «غلط» (False)
این در حالی است که یک مفهوم می تواند تا حدی درست یا نادرست باشد. منطق فازی کاربرد های گسترده ای دارد ولی دوتا از اصلی ترین کاربردهای آن در گیربکس های اتوماتیک و پزشکی است.
6. پردازش زبان طبیعی
پردازش زبان طبیعی به توانایی رایانه در درک گفتار انسان گفته می‌شود، اغلب مردم این شاخه را با نام NLP می‌شناسند. یادگیری ماشین، نوع خاصی از هوش مصنوعی است که الگوها را در اطلاعات تجزیه‌وتحلیل و استفاده می‌کند تا رایانه داده‌های ساختار نیافته‌ی زبان انسان را به داده‌های منظم و قابل فهم خود تبدیل کند.
یک پاسخ
جایگزینی مورداعتماد و ارزشمند که بتواند از نظر زمانی و ریسک خطا بهره‌برداری مطمئن انجام دهد