سی دی دریا

هوش مصنوعی مسیر توسعه، زنجیره ارزش و کاربردها در آینده

هوش مصنوعی مسیر توسعه، زنجیره ارزش و کاربردها در آینده

به گزارش سی دی دریا، زنجان دانشیار علوم و مهندسی کامپیوتر گرایش هوش مصنوعی دانشگاه زنجان اظهار داشت: منظور از هوش مصنوعی در حقیقت ماشینی است که به شکلی 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 با اشاره به عنوان ارائه خود یعنی یک بینش نیمه فنی در مورد مدلهای زبان (بزرگ) ماشین و ChatGPT، اظهار داشت: اساس هوش مصنوعی آنست که هوش انسان و روش کار آن به شکلی تعریف شود که یک ماشین بتواند آنرا به آسانی اجرا کرده و وظایفی که بر آن محول می شود را، به درستی اجرا نماید.

وی با اشاره به اینکه هدف هوش مصنوعی در حقیقت 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 مسئله پایه علم هوش مصنوعی شده است، یعنی ساخت ماشینی که همانند انسان فکر، تصمیم گیری و عمل کند.

افشارچی با 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 مسئله 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 خدمات هوشمندی به بازار عرضه شدند که از هوش مصنوعی در خیلی از فرآیندهای شان استفاده می کردند، افزود: خیلی از خدمات معروفی همانند موتورهای جست وجو، ماهواره ها و غیره از هوش مصنوعی استفاده می کردند.

وی با 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، پروسه 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 برمبنای آن الگو آغاز به تصمیم گیری و حل مسئله کند.

وی اضافه کرد: هدف اصلی یادگیری ماشین آنست که به کامپیوتر اجازه دهیم که بدون دخالت و کمک انسان بطور اتوماتیک یادگیری داشته باشد و بتواند برمبنای مشاهدات و داده ها رفتار خودرا تنظیم کند.

افشارچی با 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 نیز توجه داشت که در ازای پیشرفت تکنولوژی، توان بشریت نیز بالا خواهد رفت.

دانشیار علوم و مهندسی کامپیوتر گرایش هوش مصنوعی دانشگاه زنجان در بخش دیگری از سخنان خود به یادگیری عمیق نیز اشاره نمود و اضافه کرد: یادگیری عمیق، نوعی از یادگیری ماشین و هوش مصنوعی است که در حقیقت از روشی که ذهن انسان برای یادگیری موضوع 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 پیش بینی است.

وی اضافه کرد: یادگیری عمیق در حقیقت همان یادگیری ماشین است؛ به شکلی 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 واقعیت های وجودی پیدا کرده و می تواند الگوهای مختلف را شناسایی کند. در ساده ترین سطح، یادگیری عمیق را می توان راهی برای خودکارسازی تحلیل و بررسی پیش بینی ها دانست.

افشارچی با اشاره به دسته خودآگاهی هوش مصنوعی و نقش این هوش در تفسیر داده ها، اضافه کرد: از کلان داده ها می توان برای استخراج اطلاعات مورد نیاز جهت تصمیم گیری های مهم استفاده نمود. با بهره بردن از هوش مصنوعی در تفسیر کلان داده ها به خیلی از مفاهیم جدید می رسیم؛ چونکه حجم داده بسیار گسترده است و هر روز بر میزان این حجم افزوده می شود.

وی با اشاره به چالش های موجود هوش مصنوعی و داده ها و اطلاعات، بیان کرد: چگونگی کیفیت و کمیت داده ها و مقابله با خطای مدلها، گوشه ای از چالش های موجود در این زمینه از علم است که باید به آن توجه داشت و برای رفع آن کوشش کرد.

این استاد دانشگاه در بخش دیگری از سخنان خود با اشاره به اینکه مهندسی سریع هوش مصنوعی پروسه ایجاد و اصلاح دستورات برای سیستم های هوش مصنوعی است، اضافه کرد: هوش مصنوعی مولد، مانند ChatGPT، کلمات را به ترتیب پیش بینی 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 بوجود آورد.

این استاد هوش مصنوعی با اشاره به اینکه ChatGPT به عنوان یک نمونه اولیه در نوامبر ۲۰۲۲ معرفی گردید 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؛ چونکه پاسخ های دقیق و اکثریت درستی را به سرعت ارائه می دهد.

وی با اشاره به اینکه ChatGPT در حقیقت 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 به وجود آمده و گوگل از این شبکه عصبی در ساخت مدل زبانی پیشرفته LaMDA (خودآگاه) بهره برده است. بطور کلی، به هوش مصنوعی مدلهای زبانی بزرگ، صدها میلیارد کلمه در قالب 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 برمبنای احتمال آماری می سازد.

دانشیار علوم و مهندسی کامپیوتر گرایش هوش مصنوعی دانشگاه زنجان بیان کرد: 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 با 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؛ واقعیت این است که در این موقعیت خاص ما از نتیجه آن آگاه نیستیم، بدین سبب ما را ترسانده است.




1402/03/02
14:02:14
0.0 / 5
439
تگهای خبر: آموزش , خدمات , شبكه , فناوری
این مطلب را می پسندید؟
(0)
(0)

تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب
لطفا شما هم نظر دهید
= ۶ بعلاوه ۳
سی دس دریا