تفاوت هوش مصنوعی و ماشین لرنینگ

هوش مصنوعی، یادگیری ماشین و هزاران اصطلاح دیگر وجود دارند که هر روزه به دنیای بدون انتهای تکنولوژی اضافه می‌شوند. ما انسان‌ها در طول زندگی از این تکنولوژ‌ی ها استفاده می‌کنیم بدون آن‌ که متوجه شویم یا حتی معنای درست آن‌ها را بدانیم. هوش مصنوعی و یادگیری ماشین، دو مفهموم مهمی هستند که زندگی بشر را دستخوش تغییر کرده اند.  ما انسان‌ها امروزه طیف وسیعی از امور روزانه را با کمک دو مفهموم بالا انجام می‌دهیم. اما اگر کسی از ما بپرسد معنا و مفهوم آن‌ها چیست، یا مهمتر از آن از تفاوت و ویژگی‌های آن‌ها بپرسد چیزی برای گفتن نداریم. اگر شما هم به دنبال یادگیری و درک تفاوت‌های این دو مفهموم پر کابرد هستید تا انتهای این مقاله همراه ما باشید.

هوش مصنوعی

بسیاری از افراد تصور می‌کنند که هوش مصنوعی به تازگی کشف شده است‌. اما حقیقت این است که هوش مصنوعی از دستاورد‌های قدیمی در دنیای فناوری محسوب می‌شود. این فناوری امروزه به علت رشد تکنولوژی، نقش پررنگ و مهمی در زندگی بشر ایفا می‌کند. اگر بخواهیم تعریفی ساده و قابل درک از هوش مصنوعی را ارائه دهیم، هر نوع هوشمندی که یک ماشین از خود نشان بدهد هوش مصنوعی معنا می‌شود.

در اصل هوش مصنوعی از زیر مجموعه‌های علوم کامپیوتر است که در نهایت منجر به ساخت ماشین‌هایی می‌شود که بتوانند وظایفی که نیازمند داشتن هوش انسانی است را انجام دهند. این ماشین‌های هوشمند، طوری طراحی می‌شوند که توانایی تجزیه و تحلیل داشته باشند. آن‌ها با بررسی و شناخت از محیط و تقلید نسبی از انسان، می‌توانند شانس موفقیت خود را تا حد زیادی افزایش دهند. هوش مصنوعی یک فناوری پیشرفته است که با استفاده از آن قادر به طراحی سیستم‌های هوشمندی می‌شویم که می‌توانند هوش انسانی را شبیه سازی کنند.

یادگیری ماشین چیست؟

با کشف و استفاده از هوش مصنوعی محققان، بسیاری از مسائل را آسان تر و راحت تر حل می‌کردند. اما با گذشت زمان، در برابر برخی مسائل که پیچیدگی بیشتری داشتند با مشکل مواجه شدند. برای مثال الگوریتم‌هایی که کد مشخص داشتند یا سیستم‌هایی که قاعده مند طراحی شده بودند، برای برخی موارد مثل شناسایی تصویر یا استخراج معنی از متن، مفید و قابل استفاده نبودند. در این زمان محققان دریافنتد که تنها شبیه سازی و تقلید از هوش انسانی برای پیشبرد کار‌ها و تکنولوژی کافی نیست. راه حل، تقلید از چگونگی یادگیری انسان‌ها بود، نه صرفا تقلید از برخی رفتار‌های انسانی.

ماشین‌ها لازم داشتند تا بتوانند از روش یادگیری انسان الگو برداری کرده و آن را پیاده سازی کنند. به یاد بیاورید که چطور خواندن و نوشتن را آموختید؟  ابتدا از یادگیری حروف و سپس جمله‌های بسیار ساده شروع کردید. با کتاب‌های ساده تر ادامه دادید و در گذر زمان به کتاب‌های پیچیده تر هم مسلط شدید. در اصل تمام قواعد و نکات را با خواندن‌های مداوم از سطح ساده و ابتدایی یاد گرفتید. به عبارت دیگر با پردازش تعداد زیادی از داده‎‌های مختلف از آن‌ها آموختید. این کار دقیقا ایده اصلی ماشین‌های لرنینگ است.

زمانی که به شبکه‌های عصبی تعداد زیادی داده ورودی، وارد شود و بتوانند با یک سری تنظیمات خاص خروجی داده‌ها را با داده‌های ورودی مقایسه و تحلیل کنند، یادگیری ماشین در حال انجام است. در یادگیری ماشین، یک ربات یا رایانه خودش در گذر زمان به خودش آموزش می‌دهد و با مقایسه و تحلیل داده‌ها و ورودی و خروجی‌ها به تدریج دقیق تر و کامل تر عمل می‌کند.

به عبارت دیگر وقتی تعداد زیادی داده در اختیار ماشین قرار می‌دهیم، خودش به مرور زمان یاد می‌گیرد که چه چیزی بهتر یا بدتر است و ما از او دقیقا چه چیزی می‌خواهیم. با این کار دیگر لازم نیست تمام عوامل و موارد حائز اهمیت، تک به تک برای رایانه توسط انسان تعریف شود.

خود رایانه قابلیت یادگیری و تحلیل پیدا می‌کند و روز به روز هم به پیشرفت و بهتر شدن ادمه می‌دهد. برای مثال شما تعداد زیادی داده‌های معاملاتی را به الگوریتم یک رایانه بدهید تا معاملات جعلی را بیابد. در این روش بدون این‌ که وقت زیادی بگذارید و تک تک مواردی که نشان دهنده جعلی بودن معاملات است را برای رایانه تعریف کنید، رایانه با الگوریتم و تنظیمات خاص خود داده‌هارا تحلیل و مقایسه می‌کند و نشانه‌های جعلی بودن یک معامله را تشخیص می‌دهد. البته همچنان برخی موارد مانند شناسایی دست‌خط که تشخیصش برای انسان آسان است، برای ماشین‌ها دشوار است.

اما اگر قرار به تقلید از یادگیری انسان است، چرا تمام زوایای مغز را تقلید نکنیم؟
این روش کار شبکه‌های عصبی است. ایده ایجاد و استفاده از نورون‌های مصنوعی از گذشته وجود داشته است. شبکه عصبی مصنوعی و شبیه سازی شده در نرم افزار‌ها برای حل مسائل و مشکلاتی که الگوریتم‌های فاقد این شبکه نمی‌توانند از عهده حل آن‌ها بر بیایند به کار گرفته می‌شوند و قادر به حل آن مسائل هستند.

خب سوال مهمی که احتمالا ذهن شما را درگیر کرده است، این است که چگونه به یک رایانه‌ ی دارای سیستم یادگیری ماشینی آموزش بدهیم؟. تمرین دادن و آموزش به کامپیوتر، چندین روش دارد اما در تمامی این روش‌ها حجمی از داده‌ها به رایانه داده می‌شود که منجر افزایش میزان دقت کامپیوتر یا ربات می‌گردد.

در اصل با اعمال این داده‌های ورودی، الگوریتم و مسیری خاص در شبکه عصبی مصنوعی ربات راه اندازی می‌شود که دقیق ترین و بهترین خروجی را دارد. با گذشت زمان ربات می‌آموزد که بهترین مسیر و روش برای تحلیل داده ورودی کدام است که باعث می‌شود بهترین خروجی را داشته باشد. این روش بسیار ساده تر و کاربردی تر از آن است که متخصصان تک تک مسیر‌ها و اطلاعات را خودشان وارد کنند.
با استفاده از این روش، ربات به صورت خود آموز بهترین مسیر را برای رسیدن نتیجه مطوب پیدا می‌کند. زمانی که ربات آموزش‌های لازم را یاد گرفت با وجود سیستم یادگیری ماشینی قادر به مرتب سازی داده‌های ورودی جدید در شبکه عصبی شبیه سازی شده خود می‌شود و با گذشت زمان به سرعت بسیار بالایی در پردازش اطلاعات ورودی می‌رسد. درست مثل انسانی که چیزی را آموخته و رفته رفته تجربه کسب می‌کند تا کاملا بر انجام آن مسلط شود.

ماشین لرنینگ از فناوری‌های پیشرفته و ضروری است که در سیستم‌هایی چون دیدن و تشخیص کامپیوتری، تشخیص دادن صدا، پردازش زبان و… از آن استفاده می‌شود. برای این که این قابلیت را بتوانیم روی رایانه‌ها و ربات‌ها پیاده سازی کنیم، نیاز به شبکه عصبی مصنوعی داریم. چراکه بهترین روش برای یادگیری ماشین‌ها در حال حاضر همین شبکه عصبی است.

تفاوت‌های هوش مصنوعی با ماشین لرنینگ

هوش مصنوعی، پیشرفته ترین سطح قابلیت تشخیص در ربات‌ها را ارائه می‌کند. یادگیری ماشین در واقع مجموعه ای از روش‌ها و تکنیک‌های خاص است. که با کمک آن‌ها ربات یاد می‌گیرد از خودش چیز‌هایی را بیاموزد.

با تمام روش‌ها و تمرین‌ها اما باز هم خلا هوش واقعی در ماشین لرنینگ به وضوح مشهود است. یک ربات با سیستم یادگیری ماشین هیچ وقت نمی‌تواند به طور مستقل تفکر کند، تصمیمی بگیرد یا انتخابی داشته باشد.
ربات، دلیل این آموزش‌ها را متوجه نمی‌شود و نمی‌داند چگونه با این خود آموزی‌ها در آینده تصمیم‌هایی دقیق تر بگیرد و بهتر عمل کند. اما در باره هوش مصنوعی این موضوع کاملا متفاوت است.
هنگامی‌ که یک الگوریتم یادگیری ماشین توسط یک ربات کاملا یاد گرفته شد، می‌توان از آن الگوریتم در ایجاد هوش مصنوعی بهره برد. به عبارت دیگر هوش مصنوعی مجموعه ای از تعداد بسیار زیادی از الگوریتم‌های یادگیری ماشینی است که توسط ربات یاد گرفته شده اند. این حجم عظیم از الگوریتم‌ها باعث می‌شود، یک ربات بتواند به صورت کاملاً هوشمندانه و با روش‌های متقاعد کننده از انسان تقلید کاملی داشته باشد و حتی با او ارتباط هم برقرار کند.
ربات‌های مجهز به هوش مصنوعی در شرایط مختلف واکنش‌هایی هوشمندانه و مشابه با رفتار‌های انسانی دارند. یعنی چنین رباتی قادر به درک شرایط و محیط پیرامون خود است و همین درک باعث بروز رفتار و عکس العمل‌های هوشمندانه از سوی او می‌شود. اگر در ذهن خود می‌پرسید چگونه یک ربات را می‌توان قادر به درک شرایط و محیط کرد؟

پاسخ این است که پیشرفت‌های روز افزون دنیای تکنولوژی باعث شده در کنار الگوریتم‌های یادگیری، سیستم‌ها و ابزار‌های دیگری مانند دوربین، اسپیکر، میکروفون و…استفاده شوند تا درک محیط توسط ربات و ایجاد توانایی برقراری ارتباط با ربات میسر شود. در چنین شرایطی الگوریتم‌های یادگیری در کنار شبکه عصبی و سیستم‌های دیگر باعث می‌شود تا ربات دارای هوش مصنوعی، همانند انسان از خودش عکس العمل نشان دهد.
در دنیای فناوری دو دسته هوش مصنوعی وجود دارد:
1.کاربردی
2.عمومی
هوش مصنوعی کاربردی در دسترس تر است. مثال‌هایی که تاکنون ارائه کردیم از نوع هوش مصنوعی کاربردی هستند. مثلا ربات‌هایی که بتوانند اتومبیل برانند یا به بیماران کمک کنند. البته این ربات‌ها علی رغم داشتن هوش مصنوعی، اما همچنان بر یادگیری ماشینی مبتنی هستند. اما هوش مصنوعی عمومی گسترده تر بوده و پتانسیل‌های بیشتری دارد. ربات‌های عمومی و دارای هوش مصنوعی نزدیک ترین رفتار به انسان را دارند.

کلام پایانی

هوش مصنوعی مجموعه ای است که هوش انسانی را نمایش می‌دهد. از تکنیک‌های مهم هوش مصنوعی برای شبیه سازی کامل تر هوش انسانی، ماشین لرنینگ است. ماشین لرنینگ با فراهم کردن امکان یادگیری الگوریتم‌ها از داده‌ها، از زیر مجموعه‌های پر کاربرد و با اهمیت هوش مصنوعی محسوب می‌شود. امیدوارم با خواندن این مقاله مفهوم وتفاوت‌های هوش مصنوعی و ماشین لرنینگ برای شما قابل درک تر شده باشد.

نویسنده: مهدیه حاجی‌علی