هوش مصنوعی و یادگیری ماشین

0
177
هوش مصنوعی و یادگیری ماشین
هوش مصنوعی و یادگیری ماشین

هوش مصنوعی و یادگیری ماشین

هوش مصنوعی چیست؟

هوش مصنوعی، شاخه‌ایست از علم كامپیوتر كه ملزومات محاسباتی اعمالی همچون ادراك (Perception)، استدلال(reasoning) و یادگیری(learning) را بررسی كرده و سیستمی جهت انجام چنین اعمالی ارائه می‌دهد.

هوش مصنوعی، مطالعه روش‌هایی است برای تبدیل كامپیوتر به ماشینی كه بتواند اعمال انجام شده توسط انسان را انجام دهد.

یادگیری ماشین چیست؟

با کمک یادگیری ماشین کامپیوترهای امروزی می‌توانند شرایط جوی و وضعیت بازار سهام را پیش‌بینی کنند، عادات خرید کاربران را تشخیص دهند و روبات‌های یک کارخانه را کنترل کنند. گوگل، آمازون، نتفلیکس، فیسبوک، لینکدین و شرکت‌هایی که به تعداد بالایی کاربر خدمات‌رسانی می‌کنند همگی از یادگیری ماشین استفاده می‌کنند. اما در مرکز همه این یادگیری‌ها چیزی وجود دارد که به آن الگوریتم می‌گوییم.

الگوریتم یک برنامه کامل کامپیوتر محسوب نمی‌شود؛ بلکه اگر بخواهیم به سادگی آن را توضیح دهیم به مجموعه محدودی از گام‌ها برای حل یک مساله الگوریتم گفته می‌شود. برای مثال یک موتور جست‌وجو‌گر با اتکا بر الگوریتم جست‌وجوی ویژه خود با توجه به کلمه ورودی کاربر و اتصال با یک پایگاه داده، نتایج جست‌وجو را نمایش می‌دهد. برای رسیدن به چنین نتیجه‌ای چندین گام و مرحله نیاز است.

یادگیری ماشین از حدود سال ۱۹۵۶ با فعالیت‌های دانشمندانی نظیر آرتور سمیوئل پا به عرصه گذاشت. سمیوئل قصد نداشت برنامه‌ای طولانی و پر جزییات برای کامپیوتری بنویسد و از طریق آن موفق به شکست یک حریف انسانی در بازی چکرز شود. او به دنبال راه حل جایگزینی بود و بالاخره موفق به خلق الگوریتمی شد که به کامپیوتر اجازه می‌داد هزاران بار در مقابل خود بازی کند. از این طریق کامپیوتر قادر به یادگیری بازی در مقابل سایر حریفان و در سال ۱۹۶۲ موفق به شکست قهرمان چکرز ایالت کنتیکت شد.

زبان برنامه نویسی B#: IOT
مطلب مرتبط

آن‌طور که در مثال بالا مشخص شد، یادگیری ماشین بر شیوه سعی و خطا استوار است. ما قادر نیستیم برنامه‌ای برای ماشین‌های خودران بنویسیم که تفاوت یک عابر پیاده با درخت یا یک وسیله نقلیه را تشخیص دهند؛ اما قادریم الگوریتمی برای این مساله بنویسیم که کامپیوتر با استفاده از آن و داده‌های دیگر قادر به حل مساله باشد. چنین الگوریتمی‌هایی در مواردی دیگر، نظیر پیش‌بینی مسیر حرکت یک طوفان، تشخیص زودهنگام آلزایمر، تشخیص بیشترین و کمترین میزان دریافت مالی ستاره‌های فوتبال و… کاربرد دارند.

یادگیری ماشین به طور معمول روی ابزارهای سطح پایین اجرا می‌شود و مسائل را به بخش‌های کوچکتر تقسیم می‌کند. هر بخش به شکل جداگانه حل می‌شود و پاسخ نهایی از ترکیب جواب همه بخش‌ها به دست می‌آید. تام میچل، از فعالان شناخته شده حوزه یادگیری ماشین در دانشگاه کارنگی ملون توضیح می‌دهد که برنامه‌های کامپیوتری به شکل دائم در حال یادگیری از تجربیات خود هستند و عملکرد آن‌ها در انجام فعالیت‌هایی که به آن‌ها واگذار می‌شود در حال پیشرفت است. الگوریتم‌های یادگیری ماشین به برنامه‌ها این امکان را می‌دهند که اقدام به پیش‌‌بینی کنند و به مرور زمان با استفاده از سعی و خطا در ارائه چنین پیش‌بینی‌هایی بهبود یابند.

ارسال یک دیدگاه