دانش ساخت ماشین هایی که توانایی انجام اعمالی که برای آن ها معمولاً نیاز به هوش انسان است را هوش مصنوعی (AI: Artificial Intelligence) می نامند.

هوش مصنوعی شاخه ای از علوم کامپیوتر است و در چند دهه گذشته در بعضی حوزه های محدود دستاوردهای زیادی داشته است. در چند سال گذشته با سرعت گرفتن رشد این شاخته از کامپیوتر و وارد شدن آن به محصولات تجاری و همچنین علاقمند شدن مصرف کنندگان به این محصولات علاوه بر ایجاد یک بازار جدید، بسیاری از دانشمندان و اندیشمندان از مخاطرات هوشمند شدن کامپیوترها سخن گفته اند.

هوش مصنوعی تا سال ها با تصویری که مردم از روبات ها داشتند گره خورده بود اما در یک دهه اخیر کاربردهای غیر سخت افزاری هوش مصنوعی در زندگی روزمره بیشتر ملموس شده است.

تاریخچه پیدایش هوش مصنوعی به عنوان یک شاخه از علوم به سال های جنگ جهانی دوم و تحقیقات الن تورینگ باز می گردد. پایه تحقیقات علمی برروی هوش مصنوعی به سال ۱۹۵۶ و کنفرانس علمی در دانشگاه راتماوث و با حضور چهره های جامعه هوش مصنوعی نظیر جان مک کارتی، ماروین مینسکی، آلن نیوول و هربرت سایمون بازمی گردد.

هوش چیست؟
در تعریفی که اکثر دانشمندان بر آن اجماع دارند رفتار ساده انسانی هوشمند و پیچیده ترین رفتار یک مورچه یا موریانه غیرهوشمند تلقی می شود. تفاوت این دو در چیست؟ مثال ساده برای تعریف این تفاوت در رفتار زنبور هورنت آمریکایی است. وقتی زنبور ماده به کندوی خود غذا می آورد آن را در محلی قرار می دهد و بعد دوباره از کندو خارج می شود تا از نبود حشرات مزاحم مطمئن شود. غیر هوشمند بودن رفتار این موجود زمانی روشن می شود که بعد از خروج آن از کندو، غذایی که با خود آورده کمی جابجا شود. در این شرایط حشره دوباره تمام مراحل را تکرار می کند و اگر هر بار غذای وی جابجا شود تا ابد این روند را تکرار می کند. ساده ترین خصوصیت یک ارگانیسم هوشمند قابلیت تطبیق با شرایط جدید است.

در علوم رفتاری برای هوشمندی جنبه های متعددی تعریف شده اما در علوم کامپیوتر و هوش مصنوعی تنها دارا بودن پنج خصوصیت یادگیری، استنتاج، حل مسئله، ادراک و فهم زبان برای هوشمند بودن یک سیستم کافی است.

در هوش مصنوعی برای ساخت ماشین های هوشمند علاوه بر مطالعه این پنج شاخه، از دستاوردهای شاخه های دیگر کامپیوتر نظیر پردازش تصویر و صوت، پردازش زبان های طبیعی و پردازش سیگنال استفاده می کنند. یکی از مباحث اصلی هوش مصنوعی که در یک دهه گذشته متخصصان علوم دیگر و همچنین شرکت های تجاری نیز از آن استقبال زیادی کرده اند، یادگیری ماشین (Machine Learning) نام دارد.

یادگیری ماشین برروی فرآیند یادگیری با استفاده از مشاهدات و داده ها در ماشین ها تمرکز می کند. در یادگیری ماشین، مجموعه داده به عنوان داده آموزشی (Training Data) به ماشین ارائه می شود و ماشین با استفاده از روش های مختلفی می تواند از این داده ها برای یادگیری یک روند (Pattern) استفاده کند. این روند ماشین را قادر می سازد تا در آینده بتواند داده هایی که به آن ارائه می شود را تمیز دهد یا برروی آن ها تصمیم  گیری انجام دهد.

یکی از کاربردهای پرطرفدار یادگیری ماشین که شرکت های تجاری و مصرف کنندگان به آن علاقه زیادی نشان داده اند، دسته بندی داده ها (Classification)، تصمیم گیری (Decision Making) و پیش بینی تحلیلی (Predictive Analysis) است. در حال حاضر سیستم عامل پردازش ابری مایکروسافت به نام ویندوز آزور (Azure) سرویس های یادگیری ماشین خود را به کاربران این نرم افزار ارائه می دهد و اکثر شرکت های تجاری بزرگ نظیر بوئینگ و مرسدس بنز از این سرویس ها بهره می برند.

شرکت  فیس بوک در سال ۲۰۱۴ با استفاده از یکی از زیرشاخه های یادگیری ماشین به نام یادگیری عمیق (Deep Learning) سیستم تشخیص چهره ای تولید کرد که ۰.۳ درصد از میانگین انسان ها دقیق تر است. بسیاری از رابط های صوتی نظیر سرویس Siri شرکت اپل از پردازش زبان های طبیعی و یادگیری ماشین برای ارتباط با کاربران استفاده می کنند.

- همشهری آنلاین