هوش مصنوعی مسیر توسعه، زنجیره ارزش و کاربردها در آینده
به گزارش کوتاه کننده لینک، زنجان دانشیار علوم و مهندسی کامپیوتر گرایش هوش مصنوعی دانشگاه زنجان اظهار داشت: منظور از هوش مصنوعی در واقع ماشینی است که بگونه ای برنامه نویسی شده که همانند انسان فکر کند و توانایی تقلید از رفتار انسان را داشته باشد.
محسن افشارچی شامگاه روز گذشته (یکم خردادماه) در جمع دانشجویان دانشگاه زنجان در سالن الغدیر دانشگاه زنجان ضمن اشاره به عنوان عرضه خود یعنی یک بینش نیمه فنی در مورد مدلهای زبان (بزرگ) ماشین و ChatGPT، اظهار نمود: اساس هوش مصنوعی آن است که هوش انسان و روش کار آن بگونه ای تعریف شود که یک ماشین بتواند آنرا به سادگی اجرا کرده و وظایفی که بر آن محول می شود را، به درستی اجرا نماید.
وی با اشاره به اینکه هدف هوش مصنوعی در واقع بر سه پایه یادگیری، استدلال و ادراک استوار است، اضافه کرد: تاریخچه هوش مصنوعی به سالهای جنگ جهانی دوم و سالهای ۱۹۵۰ بر می گردد. یک دانشمند انگلیسی، به نام آلن تورینگ ماشینی را هوشمند می دانست که بدون این که به انسان حس صحبت با ماشین را بدهد، با او ارتباط برقرار کند و این مساله پایه علم هوش مصنوعی شده است، یعنی ساخت ماشینی که همانند انسان فکر، تصمیم گیری و عمل کند.
افشارچی ضمن اشاره به نقطه قوت هوش مصنوعی، افزود: ماشین ها می توانند هوش را نشان دهند، اما لزوما ذهن، حالات ذهنی یا هوشیاری ندارند؛ ضعف Al (هوش مصنوعی) به استفاده از نرم افزار برای مطالعه یا انجام وظایف حل مساله یا استدلال خاص گفته می شود که طیف کاملی از توانایی های شناختی انسان را در بر نمی گیرد.
این استاد دانشگاه با اشاره به اینکه رفته رفته با پیشرفت فناوری و سایر سخت افزارهای مورد نیاز برای توسعه هوش مصنوعی، ابزار هوشمند و سرویسهای هوشمندی به بازار عرضه شدند که از هوش مصنوعی در خیلی از فرآیندهای شان استفاده می کردند، افزود: خیلی از سرویسهای معروفی همانند موتورهای جست وجو، ماهواره ها و غیره از هوش مصنوعی استفاده می کردند.
وی ضمن اشاره به شاخه های هوش مصنوعی شامل سیستم خبره، رباتیک، یادگیری ماشین، شبکه عصبی، منطق فازی و پردازش زبان طبیعی، ابراز کرد: هوش مصنوعی یک علم بسیار گسترده و پیچیده است. هوش مصنوعی محدود، عمومی و سوپر هوش مصنوعی وجود دارد که هوش مصنوعی محدود (ضعیف) جایی است که ما هم اکنون در آن قرار داریم و هوش مصنوعی عمومی آینده ای است که می خواهیم به آن برسیم.
عضو هیئت علمی دانشگاه زنجان در ادامه اذعان کرد: در یادگیری ماشین، فرایند یادگیری با مشاهدات یا داده ها شروع می شود و سیستم از مثال ها، تجارب مستقیم و یا دستورالعمل ها و... استفاده می نماید تا به یک الگوی مشخص برسد و بر مبنای آن الگو آغاز به تصمیم گیری و حل مساله کند.
وی اضافه کرد: هدف اصلی یادگیری ماشین آن است که به کامپیوتر اجازه دهیم که بدون دخالت و کمک انسان به صورت اتوماتیک یادگیری داشته باشد و بتواند بر مبنای مشاهدات و داده ها رفتار خویش را تنظیم کند.
افشارچی ضمن اشاره به هوش مصنوعی مولد مدلهای انتشار، شبکه های متخاصم مولد و رمزگذارهای خودکار متغیر، تشریح کرد: در آینده، ماشین حجم کار بیشتری از امور بشر را انجام می دهد اما باید به این نکته هم توجه داشت که در ازای پیشرفت تکنولوژی، توان بشریت هم بالا خواهد رفت.
دانشیار علوم و مهندسی کامپیوتر گرایش هوش مصنوعی دانشگاه زنجان در قسمت دیگری از سخنان خود به یادگیری عمیق هم اشاره نمود و اضافه کرد: یادگیری عمیق، نوعی از یادگیری ماشین و هوش مصنوعی است که در واقع از روشی که ذهن انسان برای یادگیری مبحث خاصی به کار می گیرد، تقلید می کند. این نوع از یادگیری یکی از عناصر مهم در علم داده است که شامل آمار و مدل سازی پیشبینی است.
وی اضافه کرد: یادگیری عمیق در واقع همان یادگیری ماشین است؛ بگونه ای که در سطح کارهای پیچیده، نمایش یا انتزاع، عمل یادگیری را برای یک سیستم هوش مصنوعی انجام می دهد و به این صورت ماشین درک بهتری از حقیقت های وجودی پیدا کرده و می تواند الگوهای مختلف را شناسایی کند. در ساده ترین سطح، یادگیری عمیق را میتوان راهی برای خودکارسازی تحلیل و بررسی پیشبینی ها دانست.
افشارچی ضمن اشاره به دسته خودآگاهی هوش مصنوعی و نقش این هوش در تفسیر داده ها، اضافه کرد: از کلان داده ها میتوان برای استخراج اطلاعات مورد نیاز جهت تصمیم گیری های مهم استفاده نمود. با استفاده از هوش مصنوعی در تفسیر کلان داده ها به خیلی از مفاهیم جدید می رسیم؛ چون که حجم داده بسیار گسترده است و هر روز بر میزان این حجم افزوده می شود.
وی ضمن اشاره به چالش های موجود هوش مصنوعی و داده ها و اطلاعات، بیان نمود: چگونگی کیفیت و کمیت داده ها و مقابله با خطای مدلها، گوشه ای از چالش های موجود در این عرصه از علم است که باید به آن توجه داشت و برای حل آن کوشش کرد.
این استاد دانشگاه در قسمت دیگری از سخنان خود با اشاره به اینکه مهندسی سریع هوش مصنوعی فرایند ایجاد و اصلاح دستورات برای سیستم های هوش مصنوعی است، اضافه کرد: هوش مصنوعی مولد، مانند ChatGPT، کلمات را به ترتیب پیشبینی می کند. این فناوری بر روی یک مجموعه داده بزرگ آموزش داده شده است تا بهترین توالی کلمات محتمل را بعد از دریافت یک درخواست ایجاد نماید.
این استاد هوش مصنوعی با اشاره به اینکه ChatGPT بعنوان یک نمونه اولیه در نوامبر ۲۰۲۲ ارائه شد و در خیلی از حوزه ها، توجه ها را به خود جلب کرد، افزود: به علت ظرفیت آن در ترکیب و تفسیر زبان طبیعی مشابه انسان، استفاده از ChatGPT محبوبیت پیدا کرده است؛ چون که پاسخ های دقیق و اکثریت درستی را به سرعت عرضه می دهد.
وی با اشاره به اینکه ChatGPT در واقع مبتنی بر نسخه به روز شده GPT-3، نوعی مدل زبانی بزرگ (LLM) بوده که بر شبکه عظیمی از نورون های مصنوعی متکی است که به نوعی، رفتار نورون های مغز انسان را تقلید می کنند، ابراز کرد: برای رساندن نسخه ابتدایی چت GPT، به نسخه GPT4 از الگوریتم یادگیری نظارت شده و یادگیری تقویتی (اصلاح و بهبود خطا) استفاده شد. در هر دو الگو، برای بهبود عملکرد مدل، از نیروی انسانی به کار گرفته شد.
افشارچی اضافه کرد: مدل زبانی GPT برپایه معماری شبکه عصبی ترانسفورمر گوگل بوجود آمده و گوگل از این شبکه عصبی در ساخت مدل زبانی پیشرفته LaMDA (خودآگاه) بهره برده است. به صورت کلی، به هوش مصنوعی مدلهای زبانی بزرگ، صدها میلیارد کلمه در چارچوب کتاب، مکالمات، صفحات وب و حتی پست های توییتر و دیگر شبکه های اجتماعی «خورانده» می شود و هوش مصنوعی به کمک این منابع عظیم از داده، مدلی بر مبنای احتمال آماری می سازد.
دانشیار علوم و مهندسی کامپیوتر گرایش هوش مصنوعی دانشگاه زنجان بیان نمود: روش آموزش دادن مدل زبانی به کار رفته در ChatGPT به این صورت بود که ابتدا تعداد زیادی سوال و جواب که توسط افراد متخصص این حوزه، دست چین شده بودند، به آن داده شد. سپس، این سؤال و جواب ها در مجموعه داده مدل گنجانده شد. در مرحله بعد، از سیستم خواسته شد تا برای مجموعهٔ بسیار بزرگی از سوالات متنوع، چندین پاسخ مختلف عرضه نماید تا کارشناسان انسانی هر یک از آنها را از بهترین تا بدترین پاسخ، رتبه بندی کنند.
وی ضمن اشاره به نگرانی انسان از هوش مصنوعی (Al) در فرسایش خلاقیت انسان و قدرت تحلیل مغزهای تنبل، تصریح کرد: مواقعی وجود دارد که نتیجه یک پدیده خاص را می دانیم و از آن می ترسیم؛ حقیقت اینست که در این موقعیت خاص ما از نتیجه آن آگاه نیستیم، ازاین رو ما را ترسانده است.
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان gph در مورد این مطلب