انواع هوش مصنوعی که باید در 2024 بشناسید + کاربرد آن‌ها در دنیای واقعی

انواع هوش مصنوعی در دو دسته‌ قابلیت و عملکرد می‌گنجند. البته‌که اساس و پایه هرکدام از این نوع‌ها، آموزش یادگیری ماشین است که با شرکت در دوره‌ها یا بوت کمپ هوش مصنوعی، می‌توانید به‌سرعت به این دنیای پهناور و مرموز رخنه کنید.

بنابراین در این مقاله همراه ما باشید تا به معرفی انواع هوش مصنوعی بپردازیم و نسبت‌به عملکرد معروف‌ترین آن‌ها، یعنی Gemini، ChatGPT و غیره آشنایی پیدا کنیم.

هوش مصنوعی چیست؟ تعریف به‌زبانی ساده

هوش مصنوعی (AI) شاخه‌ای از علوم کامپیوتر است که بر ساخت ماشین‌های هوشمند تمرکز دارد. این ماشین‌ها می‌توانند مانند انسان فکر کنند و یاد بگیرند.

فناوری هوش مصنوعی ماشین‌ها و کامپیوترها را قادر می‌سازد تا هوش انسان را تقلید کنند. علاوه‌بر این، این مدل‌ها قادر به بهبود توانایی‌های ذهن انسان هستند؛ چیزی‌که آن را به‌عنوان دستیار وظایف شغلی یا ایده‌پرداز باهوش در جلسات طوفان فکری می‌شناسیم. 

سیستم‌های هوش مصنوعی توانایی انجام کارهای بسیار مهمی را دارند که مهم‌ترین آن‌ها را در ادامه مشاهده خواهید کرد:

• پردازش داده‌ها
• تفسیر صوت
• تجزیه‌وتحلیل الگوها
• شناسایی اشیا 
• تصمیم‌گیری به‌شکل مستقل

بیشتر بخوانید: چگونه از هوش مصنوعی استفاده کنیم ؟ – ۲۸ کاربرد AI برای کاربران عادی و حرفه‌ای

انواع هوش مصنوعی؛ 7 نوع AI که باید در 2024 بشناسید

انواع هوش مصنوعی به دو دسته کلی زیر تقسیم می‌شود:

1. قابلیت‌ها 

2. عملکرد 

برای درک انواع هوش مصنوعی، باید در دل هرکدام از این دسته‌بندی‌ها شیرجه بزنیم. پس لباس غواصی‌تان را بپوشید و گیره بینی‌تان را بزنید؛ چراکه خطر غرق‌شدگی در این اقیانوس عظیم هرلحظه بیشتر می‌شود.

انواع هوش مصنوعی براساس قابلیت‌ ها

3 نوع هوش مصنوعی در دسته قابلیت‌ها یا “Capabilities” می‌گنجد که اسامی آن‌ها به شرح زیر است:

• Narrow AI
• General AI
• Super AI

انواع هوش مصنوعی براساس عملکرد

عملکرد یا “Functionalities” هم دسته‌بندی دیگری است که 4 نوع هوش مصنوعی متداول در این شاخه جا گرفته‌اند:

• Reactive Machines
• Limited Memory
• Theory of Mind
• Self-awareness

Narrow AI یا ANI چیست؟

هوش مصنوعی محدود نوعی از AI است که فقط روی یک کار یا یک وظیفه خاص تمرکز دارد. این AI را می‌توانیم در یک سناریو به‌خوبی متوجه شویم:
هوش مصنوعی Narrow AI در بازی شطرنج یا پیدا کردن اسباب‌بازی‌های گم‌شده عملکرد فوق‌العاده‌ای دارد؛ اما نمی‌داند چگونه کار دیگری را انجام دهد. بنابراین درخواست انجام تکالیف مدرسه یا تحلیل یک فایل PDF، از عهده این AI برنمی‌آید.

بیشتر بخوانید: نقشه راه یادگیری هوش مصنوعی – در سال ۲۰۲۳ و برای مبتدیان

ویژگی های Narrow AI

Narrow AI ویژگی‌های زیر را دارد:

• انجام مجموعه خاصی از وظایف 
• توانایی یادگیری از داده‌ها
• یاری‌رسان کاربران در خودکارسازی فعالیت‌های مختلف روزانه 
• ساده کردن فرآیند تصمیم‌گیری 
• به‌حداکثر رساندن کارایی یک وظیفه یا سیستم 
• کاهش هزینه‌های ساخت یا توسعه یک سیستم یا ماشین 

6 کاربرد Narrow AI

این هوش مصنوعی به‌طور گسترده در صنایع زیر استفاده می‌شود:

• امور مالی
• مراقبت‌های بهداشتی
• رباتیک
• خرده‌فروشی 
• فراهم کردن زیرساخت برای ساخت و توسعه مدل‌های پیچیده 
• ایفای نقش دستیار و ساده کردن کارهای پیچیده متخصصان

5 نمونه معروف Narrow AI

نمونه‌های معروف هوش مصنوعی ANI به شرح زیر است:

• دستیارهای مجازی مانند سیری ساخت اپل و الکسا از کمپانی آمازون
• IBM’s Watson
• ماشین‌های خودران
• نرم‌افزار تشخیص چهره یا تصویر
• ابزارهای نقشه‌برداری و پیش‌بینی بیماری

 General AI یا AGI چیست؟

هوش مصنوعی عمومی یا AI قوی (Strong AI)، یکی از انواع هوش مصنوعی است که در آن ماشین‌ها طوری طراحی شده‌اند که مانند یک انسان فکر، استدلال و عمل کنند. توانایی یادگیری، استدلال و تصمیم‌گیری در زمینه‌های مختلف، از قدرت‌های این AI هستند. 

اگر بخواهیم به زبان ساده این نوع AI را توضیح دهیم، می‌توانیم بگوییم که این سیستم‌ها می‌توانند هرکاری را که یک فرد باهوش قادر به انجامش است را اجرا کرده و به‌اتمام برساند؛ یعنی می‌تواند صحبت کند، چیزهای جدیدی یاد بگیرد، مشکلات را حل کند و حتی کارهای خلاقانه انجام دهد.

اما بخش دشوار AGI این‌جاست: انسان‌ها هنوز به‌طور کامل به این مدل دست نیافتند. درحال‌حاضر ربات‌هایی داریم که در کارهای خاص به‌خوبی عمل می‌کنند؛ اما نمی‌توانند هر کاری را که یک فرد می‌تواند انجام دهد، اجرا و به‌ثمر برسانند. مدل‌های فعلی هم توانایی کمی در تقلید عملکرد ذهن انسان دارند و نمی‌توان آن‌ها را به‌طور 100% در زمره AGI قرار داد.

از هوش مصنوعی عمومی می توان برای انجام چندین کار مانند، ، و بسیاری موارد دیگر استفاده کرد. همچنین می‌تواند به خودکارسازی وظایف پیچیده‌ای که در غیر این صورت نیاز به مداخله انسانی دارند، کمک کند. هوش مصنوعی عمومی این پتانسیل را دارد که نحوه تعامل ما با فناوری را در آینده تغییر دهد.

بیشتر بخوانید:  آینده برنامه نویسی با هوش مصنوعی؛ آیا هوش مصنوعی جای برنامه نویسان را می‌گیرد؟

ویژگی های General AI

General AI از ویژگی‌های زیر برخوردار است:

•  NLP (پردازش زبان طبیعی)
• تشخیص تصویر
• استفاده گسترده در ربات‌ها
• استدلال‌چینی و بیان چرایی و دلیل یک عمل
• مسیریابی پیشرفته در نقشه‌های آنلاین
• تشخیص نمادها و تفکیک نمادهای ضدبشریت از انواع انسانی آن‌ها

6 کاربرد General AI

این هوش مصنوعی در زمینه‌های زیر کاربرد بیشتری دارد:

• توسعه تکنولوژی و نرم‌افزار
• تشخیص بیماری‌ها و داروهای مورد نیاز 
• کارخانه‌ها و منابع تولیدی کلان
• سفر و هتل‌‌داری
• زمینه‌های حقوقی
• حوزه‌های نیازمند به خلاقیت مانند هنر و موسیقی

6 نمونه معروف General AI

نمونه‌های مشهور  ANI در سال 2024 به شرح زیر است:

• GPT-3 and GPT-4
• Stable Diffusion
• LaMDA
• DALL-E 2
• AlphaGo
• GANs

 Super AI یا ASI چیست؟

ابر هوش مصنوعی یا ابرهوش (ASI) از انواع هوش مصنوعی معرفی می‌شود که عملکردی بهتر از انسان‌ها دارد. ماشین‌های ASI خودآگاه هستند و انتظار می‌رود که از هوش انسان پیشی بگیرند. آن‌ها می‌توانند هرکاری را به‌شکل بهینه و کارآمدی انجام دهند و خطاهای انسانی را به صفر برسانند. البته مفهوم Super AI هنوز فرضی بوده و بشر تاکنون آن را در حد فرضیات و نظریه نگه داشته است.

، تفکر، و غیره در نظر گرفته می شود. ASI همچنین می تواند احساسات و تجربیات انسان را تفسیر کند.

ویژگی های Super AI

Super AI از ویژگی‌های خارق‌العاده‌ای بهره می‌برد که در ادامه خواهید خواند.

• حل مسئله
• تفکر
• تصمیم‌گیری
• تحلیل
• استدلال‌های شفاف
• منطق واضح

6 کاربرد Super AI

پیش‌بینی می‌شود که ASI در زمینه‌های زیر استفاده شود:

• برقراری ارتباط بین سنسورها و دستگاه‌های پردازش داده
• خودکارسازی فرآیندهای سخت کارخانه‌ها
• مدیریت سخت‌افزارها در سازمان‌های بزرگ و مزارع سرور
• ارائه راه‌کارهای مدیریت IO از راه دور
• استفاده در فرودگاه‌ها و آسانسورهای طولانی
• تهیه خوراکی و آب‌یاری گیاهان

انواع هوش مصنوعی براساس عملکرد

چهار نوع هوش مصنوعی براساس عملکرد وجود دارد که به‌طور خلاصه، در ادامه آن‌ها را معرفی و بررسی می‌کنیم.

1. Reactive Machines 

ماشین‌های واکنش‌گرا قدیمی‌ترین و اساسی‌ترین شکل سیستم‌های هوش مصنوعی هستند که به‌شکل واکنشی به درخواست‌ها پاسخ می‌دهند. 

این سیستم‌ها قابلیت‌های محدودی دارند و دسترسی به حافظه و ذخیره درخواست‌های کاربران را ندارند. به‌عبارت دیگر، ماشین‌های واکنش‌گرا توانایی یادگیری از تجربه‌های قبلی و پاسخ‌گویی به اعمال جدید را ندارند.

برای مثال، “IBM Deep Blue”، یک ابررایانه شطرنج‌بازی که در سال 1997 استاد بزرگ شطرنج، گری کاسپاروف (Garry Kasparov) را شکست داد، یک ماشین واکنشی بود. این کامپیوتر براساس شهود در زمان واقعی شطرنج بازی می‌کرد.

ویژگی‌ های Reactive Machines

• تقلید از ذهن انسان برای پاسخ‌گویی به انواع مختلف ورودی‌ها 
• دامنه استفاده محدود به پاسخ‌دهی خودکار به مجموعه یا ترکیبی از ورودی‌های محدود 

2. Limited Memory 

ماشین‌های حافظه محدود قابلیت‌های ماشین‌های واکنشی را هم به ارث برده‌اند و در کنار آن، می‌توانند از تجربه‌های گذشته درس بگیرند. بنابراین سیستم‌های Limited Memory از داده‌های به‌دست‌آمده در طول عملکرد خود برای تصمیم‌گیری استفاده می‌کنند.

درصد زیادی از تمام انواع هوش مصنوعی های امروزی مانند ربات‌های گفت‌وگو، ماشین‌های خودران، دستیاران مجازی و غیره در این دسته از هوش مصنوعی قرار می‌گیرند.

ویژگی‌ های Limited Memory 

• ذخیره حجم زیادی از داده‌ها و استفاده از آن‌ها به‌عنوان مرجعی در حل مسئله 
• امکان تشخیص اشیا و المان‌های تصویری براساس داده‌های ورودی قبلی 

3. Theory of Mind

نظریه ذهن، سطح پیشرفته بعدی در دسته‌بندی انواع هوش مصنوعی براساس عملکرد است که دانش‌مندان در تلاش برای توسعه آن هستند؛ اما درحال‌حاضر فقط در حد یک مفهوم فرضی باقی مانده است.

این سیستم‌ها نقش مهمی در روان‌شناسی ایفا می‌کنند؛ چون بر هوش هیجانی تمرکز دارند. این نوع هوش مصنوعی نیاز به درک روشنی از احساسات و رفتار انسان در یک محیط دارد.

دو نمونه از سیستم‌های این دسته، ربات‌های Kismet و Sophia هستند. Kismet، رباتی که در دهه 1990 در موسسه فناوری ماساچوست ساخته شد و می‌توانست احساسات چهره انسان را تشخیص دهد. این ربات تشخیص خود را برمبنای احساسات و ارتباط آن‌ها با ویژگی‌های صورت مانند چشم‌ها، لب‌ها، گوش‌ها، ابروها و پلک‌های افراد انجام می‌داد.

سوفیا هم یکی دیگر از ربات‌های Theory of Mind بود که در سال 2016، به‌شکل یک انسان ساخته شد. 

ویژگی‌ های Theory of Mind 

• تشخیص احساسات و رفتار انسان‌ها 
• تشخیص هیجانات و احساسات مختلف انسان مانند خشم و شادی

4. Self-awareness

ماشین‌های خودآگاه آخرین و پیشرفته‌ترین مرحله توسعه انواع هوش مصنوعی است که درحال‌حاضر، یک مفهوم فرضی است. 

رسیدن به این نوع فقط زمانی امکان‌پذیر خواهد بود که ماشین‌ها به توانایی خودآگاهی برسند و هوشیاری انسان را داشته باشند. پیش‌بینی می‌شود که ماشین‌های هوش مصنوعی خودآگاه همان نیازها، احساسات و خواسته‌های انسان‌ها را داشته باشند.

توسعه این هوش مصنوعی ممکن است چند دهه یا حتی قرن‌ها طول بکشد. سیستم‌های خودآگاه را می‌توان بسطی از مفهوم نظریه ذهن دانست. تفاوت این دو در مجهز بودن به توانایی‌های شناختی است؛ ماشین‌های خودآگاه افکار و واکنش‌های خود را خواهند داشت؛ درحالی‌که ماشین‌های تئوری ذهن چنین قابلیتی ندارند.

ویژگی های هوش مصنوعی Self-awareness

• داشتن الگویی برای توجه کردن به محیط پیرامون خود
• خودشناسی
• آگاهی اخلاقی و اجتماعی
• درک وضعیت داخلی و افکار ذهن خود
• سازگاری و یادگیری

6 شاخه هوش مصنوعی برای توسعه ماشین‌ها

شاخه‌های زیادی از هوش مصنوعی وجود دارد که هرکدام تمرکز و مجموعه‌ای از تکنیک‌های خاص خود را به‌کار می‌برند؛ اما تعدادی از شاخه‌های معروف AI را در لیست زیر مشاهده خواهید کرد.

1. یادگیری ماشین (ML)

Machine Learning زیرمجموعه‌ای از هوش مصنوعی است که زیرشاخه‌های آن عبارتند از:

• توسعه الگوریتم‌هایی تفسیری
• پردازش داده‌ها
• تجزیه‌وتحلیل داده‌ها برای حل مسائل مختلف در دنیای واقعی. 

برنامه‌ها و الگوریتم‌های ML به گونه‌ای طراحی شده‌اند که به مرور زمان در معرض داده‌های جدید قرار می‌گیرند و بهبود می‌یابند.

2. یادگیری عمیق

“Deep Learning” شاخه‌ای از یادگیری ماشین است که از شبکه‌های عصبی مصنوعی برای به‌دست آوردن بینش از داده‌ها و حل مشکلات پیشرفته‌ استفاده می‌کند. 

الگوریتم‌های یادگیری عمیق منطق پشت تشخیص چهره و گفتار، دستیارهای مجازی مانند الکسا و سیری، ماشین‌های خودران و بسیاری از دستگاه‌های دیگر را نشان می‌دهد.

3. پردازش زبان طبیعی (NLP)

“Natural Language Processing” روی تعامل بین کامپیوتر و زبان انسان تمرکز دارد. NLP برای پردازش و تفسیر زبان انسان استفاده می‌شود؛ جایی که کاربردهای وسیع استفاده از AI مانند تشخیص گفتار، تجزیه‌وتحلیل متن، ترجمه و غیره را شکل می‌دهد.

4. رباتیک

شاخه‌ای از هوش مصنوعی که به طراحی و توسعه ربات‌ها می‌پردازد. ربات‌های هوش مصنوعی را می‌توان برای خودکارسازی وظایف مختلف در صنایع گوناگون مثل مراقبت‌های بهداشتی، تولید، تدارکات و غیره استفاده کرد. این ماشین‌ها می‌توانند از تجربه‌های پیشین خود بیاموزند و با انسان‌ها کار کنند.

5. سیستم‌های خبره

“Expert Systems” برنامه‌های کامپیوتری مبتنی‌بر AI هستند که برای تقلید از توانایی‌های استدلال و تصمیم‌گیری مانند یک انسان متخصص طراحی شده‌اند. این سیستم‌ها در بسیاری از زمینه‌ها مانند برنامه‌ریزی مالی، خدمات مشتری، تشخیص پزشکی، ویروس‌یابی و غیره کاربردهای گسترده دارند.

6. منطق فازی

“Fuzzy Logic” یک رویکرد محاسباتی است که شبیه استدلال انسان عمل می‌کند. FL بر اصول درجه‌های حقیقت یا “Degrees of Truth” به‌جای منطق کامپیوترهای مدرن استوار است؛ منطقی که ماهیت “Boolean” و صفر و یکی دارد. این حوزه AI را می‌توان در سخت‌افزار، نرم‌افزار یا ترکیبی از هر دو پیاده کرد.

آنچه در معرفی انواع هوش مصنوعی خواندیم

انواع هوش مصنوعی روی حوزه‌های علمی بسیار جذاب دست گذاشته‌اند که هرکدام با سرعت زیادی در حال پیش‌روی هستند. اگرچه محققان به تلاش‌های خود برای دستیابی به AGI و ASI ادامه می‌دهند، اما هنوز راه زیادی در پیش دارند.

هوش مصنوعی Narrow یا ANI تنها نوع هوش مصنوعی است که بشر تاکنون توسعه داده و در طی سال‌های 2022 تا 2024، پیشرفت زیادی را به خود دیده است. بر کسی پوشیده نیست که آینده هوش مصنوعی پتانسیل بالایی برای رشد، اشتغال‌زایی، صرفه‌جویی در زمان و افزایش بهره‌وری انسان‌ها دارد. به‌همین‌دلیل اهمیت یادگیری این حوزه و به‌خصوص یادگیری ماشین، بیش‌ازپیش احساس می‌شود.

سوالات متداولی که شما می‌پرسید