هوش مصنوعی: تهدید یا ابزار؟

در عصر حاضر هوش مصنوعی، یادگیری ماشین، یادگیری عمیق و اصطلاحاتی این چنین در خلال اخبار دنیای فناوری بسیار به گوش می‌رسند، چراکه بسیاری از کمپانی‌های رده بالا و پیشتاز در دنیای فناوری، هوش مصنوعی را قدم بعدی بزرگ برای اضافه کردن قابلیت یادگیری به رایانه‌ها عنوان کرده‌اند.

هوش مصنوعی از کجا آغاز شد؟

نخستین جرقه ‏های هوش مصنوعی به سال‏های بعد از جنگ جهانی دوم باز می‏گردد. زمانی که آلن تورینگ در سال ۱۹۵۰میلادی آزمایشی مبنی بر این که آیا ماشین قادر است با فرآیندهای مغز انسان رقابت نماید، مطرح کرد.
 
جالب است بدانید مباحث هوش مصنوعی پیش از بوجود آمدن علوم الکترونیک، توسط فلاسفه و ریاضی دانانی نظیر بول مطرح شده بود که اقدام به ارائه قوانین و نظریه هایی در باب منطق نمودند. هوش مصنوعی، شاخه ‏ای از علم کامپیوتر است و در واقع تلفیقی از سه فناوری و گرایش مطرح؛ یعنی شبکه ‏های عصبی، سیستم‏های استدلال فازی و الگوریتم تکاملی می‏ باشد.

 
در مقایسه هوش مصنوعی با هوش انسانی می توان گفت که انسان قادر به مشاهده و تجزیه و تحلیل مسایل در جهت قضاوت و اخذ تصمیم می باشد در حالی که هوش مصنوعی مبتنی بر قوانین و رویه هایی از قبل تعبیه شده بر روی کامپیوتر می باشد.

تعریف ابتدایی

هوش مصنوعی واژه‌ای است که شاید برای عموم آشنا نباشد و بسیاری از افراد وقتی با رشته هوش مصنوعی مواجه می‌شوند آن را  جزء پزشکی می‌دانند! خیلی از افراد هم با شنیدن این واژه به یاد روباتیک می افتند و فکرمیکنند که این رشته به روباتیک محدود میشود، گرچه بخش نرم افزاری روبات و کنترل آن بی ارتباط با هوش مصنوعی نیست و روباتیک یکی از کاربردهای آن محسوب می‌شود، اما هوش مصنوعی بسیار فراتر از آن است.

هوش مصنوعی به خودی خود علمی کاملا جوان است. در واقع بسیاری شروع هوش مصنوعی را ۱۹۵۰ می‌ دانند زمانی که آلن تورینگ مقاله خود را در باب چگونگی ساخت ماشین هوشمند نوشت (آنچه بعدها به تست تورینگ مشهور شد) تورینگ درآن مقاله یک روش را برای تشخیص هوشمندی پیشنهاد می‌کرد. این روش بیشتر به یک بازی شبیه بود.

در سال‌های آغازین هوش مصنوعی ( AI:Artificial Intelligence) تمرکز کاملا برروی توسعه سیستم‌هایی بود که بتوانند فعالیت‌های هوشمندانه(البته به زعم آن روز) انسان را مدل کنند، و چون چنین فعالیت‌هایی را در زمینه‌های کاملاً خاصی مانند بازی‌های فکری، انجام فعالیت‌های تخصصی حرف‌های، درک زبان طبیعی و…. می‌دانستند، طبیعتا به چنین زمینه‌هایی بیشتر پرداخته شد.

مثالی از هوش مصنوعی

فرض کنید شما در یک سمت یک دیوار (پرده یا هر مانع دیگر) هستید و به صورت تله تایپ با آن سوی دیوار ارتباط دارید و  شخصی از آن سوی دیوار از این طریق با شما در تماس است. طبیعتاً یک مکالمه بین شما و شخص آن سوی دیوار می‌تواند صورت پذیرد. حال اگر پس از پایان این مکالمه، به شما گفته شود که آن سوی دیوار نه یک شخص بلکه (شما کاملاً از هویت شخص آن سوی دیوار بی‌خبرید) یک ماشین بوده که پاسخ شما را می‌داده، آن ماشین یک ماشین هوشمند خواهد بود، در غیر این صورت(یعنی در صورتی که شما در وسط مکالمه به مصنوعی بودن پاسخ پی ببرید) ماشین آن سوی دیوار هوشمند نیست و موفق به گذراندن تست تورینگ نشده است. باید دقت کرد که تورینگ به دو دلیل کاملا مهم این نوع از ارتباط(ارتباط متنی به جای صوت) را انتخاب کرد. اول این که موضوع ادراکی صوت را کاملاً از صورت مساله حذف کند و این تست هوشمندی را درگیر مباحث مربوط به دریافت و پردازش صوت نکند و دوم این که بر جهت دیگری هوش مصنوعی به سمت نوعی از پردازش زبان طبیعی تاکید کند.

هوش مصنوعی چیست؟

به هر حال دستاورد تلاش مهندسین در طی دهه‌های نخست را می‌توان توسعه تعداد بسیار زیادی سیستم‌های خبره در زمینه‌های مختلف مانند پزشکی عمومی، اورژانس، دندانپزشکی، تعمیرات ماشین، توسعه بازی‌های هوشمند، ایجاد مدل‌های شناختی ذهن انسان، توسعه سیستمهای یادگیری و… دانست. دست‌آوردی که به نظر می‌رسد برای علمی با کمتر از نیم قرن سابقه قابل قبول به نظر می‌رسد.
  هوش مصنوعی چه مفهومی دارد؟

هوش مصنوعی، هوش ماشین ها است! در واقع شاخه ای از علوم کامپیوتر است که قصد دارد راه حل های الگوریتمی را ارائه کند تا بتوانیم به وسیله آنها در ماشین ها هوشمندی ایجاد کنیم. اما این تعریف کافی نیست؛ اول از همه باید بدانیم که تعریف هوشمندی چیست و بعد باید منظور از ماشین را دربیابیم :

استدلال، منطق، تصمیم گیری ؛ این ها توانایی هستند که شما از آنها استفاده می کنید. پس شما هوشمند هستید. اگر این توانایی ها را در کامپیوتر هم ایجاد کنیم، آنگاه به ماشین هوشمند دست می یابیم! به همین سادگی … ولی به جز این ها چیز های دیگری هم در رابطه با تعریف هوشمندی وجود دارند که دانستن آنها را می توان مهم ارزیابی کرد. در واقع بحث هایی که در مورد هوشمندی و هوش مصنوعی مطرح شده است؛ تنها به دوره ی امروزه ی ما و قرن ۲۱ مربوط نمی شود، بلکه از سال ۱۹۵۰ این مباحث به طور جدی مطرح شد.

هوش مصنوعی شامل یادگیری ماشین ، یادگیری عمیق و سایر قابلیت‌های برنامه‌نویسی است. سامانه‌های هوش مصنوعی امروزی به دنبال پردازش یا پاسخگویی داده مشابه روش انسان هستند.در واقع تعریف‌های هوش مصنوعی  گسترده است، چرا که پروژه‌های هوش مصنوعی متنوعی وجود دارد. می‌توان پروژه‌های هوش مصنوعی را به دو دسته کلی طبقه‌بندی کرد:

هوش مصنوعی عمومی (General AI)

هدف هوش مصنوعی عمومی تقلید رفتار و استنتاج انسان است. هدف توسعه‌دهندگان طراحی سامانه هوش مصنوعی مشابه هوش و رفتار انسان است. این نوع هوش مصنوعی در کاربرد خاصی استفاده نمی‌شود. سامانه‌های هوش مصنوعی عمومی تنها برای فروش محصولات و به نمایش گذاشتن قابلیت‌های ماشین به کار می‌رود. برای نمونه می‌توان دستیار شخصی هوشمند کورتانا (Cortana) و سیری (Siri) را نام برد.

دستیارهای مجازی در تعامل با انسان دارای محدودیت هستند بنابراین کاربرد محدودی دارند.

هوش مصنوعی محدود (Narrow AI)

هوش مصنوعی محدود بر مسئله و شرایط خاصی تمرکز دارد. این نوع هوش مصنوعی برای تجزیه و تحلیل داده و استنتاج طراحی می‌شود. حتی استنتاج ماشین‌ها از انسان بهتر است. نرم‌افزار ترجمه خودکار زبان اسپانیایی به انگلیسی و نرم‌افزار تجزیه و تحلیل سهام برای سرمایه‌گذاری نوعی هوش مصنوعی محدود هستند. این نوع کاربردها با این‌که خیلی قابل توجه نیستند ولی نسبت به هوش مصنوعی عمومی کاربردی‌تر هستند.

از سوی دیگر هوش مصنوعی را از لحاظ چگونگی عملکرد می‌توان به دو دسته طبقه‌بندی کرد. این نوع طبقه‌بندی، پیچیدگی سامانه هوش مصنوعی و هزینه‌های نهایی نرم‌افزار را مشخص می‌کند. نخستین پرسش که درباره نرم‌افزار هوش مصنوعی یک شرکت پرسیده می‌شود این است که سامانه از طریق استنتاج یاد می‌گیرد یا از طریق آموزش؟

زبان‌های برنامه نویسی هوش مصنوعی

اولین موضوع در  برنامه نویسی هوش مصنوعی ایجاد ساختار کنترلی مورد لزوم برای محاسبه سمبولیک است.زبان‌های برنامه نویسی LISP ، PROLOG علاوه بر اینکه از مهم‌ترین زبان‌های مورد استفاده در هوش مصنوعی هستند، خصوصیات  معنایی آن‌ها باعث شده که  شیوه‌ها و راه حل‌های قوی برای حل مسئله ارایه کنند. تاثیر قابل توجه این زبان‌ها بر روی توسعه هوش مصنوعی از جمله توانایی‌های آن‌ها به عنوان «ابزارهای فکرکردن» است.

 PROLOG

یک زبان برنامه نویسی منطقی است. یک برنامه منطقی دارای یک سری ویژگیهای قانون و منطق است. در حقیقت خود این نام از برنامه نویسی PRO در LOGIC می‌آید. در این زبان یک مفسر برنامه را بر اساس یک منطق می‌نویسد. ایده استفاده توصیفی محاسبهٔ اولیه برای بیان خصوصیات حل مسئله یکی از محوریتهای مشارکت PROLOG است که برای علم کامپیو‌تر به طور کلی و بطور جزئی برای زبان برنامه نویسی هوشمند مورد استفاده قرار می‌گیرند.

 LISP

اصولاً LISP یک زبان کامل است که دارای عملکرد‌ها و لیست‌های لازمه برای توصیف عملکردهای جدید، تشخیص تناسب و ارزیابی معانی است. LISP به برنامه نویس قدرت کامل برای اتصال به ساختارهای اطلاعاتی را می‌دهد.در حقیقت این مدل برنامه نویسی طوری موثر بوده‌ است که تعدادی از دیگر زبان‌ها براساس عملکرد برنامه نویسی آن بنا شده‌اند، مثل: FP، ML، SCHEME

یکی از مهم‌ترین برنامه‌های مرتبط با LISP برنامه SCHEME است که یک تفکر دوباره در باره زبان در آن وجود دارد که بوسیله توسعه هوش مصنوعی و برای آموزش و اصول علم کامپیو‌تر مورد استفاده قرار می‌گیرد.

کاربردهای هوش مصنوعی چیست؟

امروزه ردپایی از هوش ماشینی را می‌‏توان در علوم مختلفی اعم از پزشکی، علوم هوافضا، تسلیحات نظامی ، پیش بینی وضع هوا، نقشه برداری و شناسایی عوارض، رباتیک، تشخیص صدا،  دست خط ، بـــــازی ها و نرم افزارهای رایانه ای مشاهده کرد. از این رو متخصصان هوش مصنوعی، با توجه به کاربردهای گوناگون این علم، آن را در شاخه‏‌های متنوعی دنبال نموده ‏اند.

•     شبکه‏ های عصبی (Neural Networks)
•      پردازش زبان طبیعی (Natural Language Processing)
•      رباتیک (Robotics)
•      انجام مسابقات (Game Playing)
•      یادگیری ماشین (Machine Learning)
•      استراتژی‏های تکاملی الگوریتم ژنتیک (Evolutionary Algorithms)
•      تشخیص گفتار (Speech Recognition)
•      بینایی ماشین (Machine Vision)
•      کشاورزی
•      صنعت
•      بازی‌ها
•      لباس‏های هوشمند
•      آجر و ساختمان‏های هوشمند
•      کیف هوشمند
•     شیر آب هوشمند
•     سیستم‏های حمل و نقل هوشمند
•     تسلیحات نظامی هوشمند

هوش مصنوعی؛تهدید برای بشر؟

دانشمندان بزرگ و نام آشنای عرصه علم و فناوری مانند ایلان ماسک، استیون هاوکینگ و حتی بیل گتس در مورد این موضوع سخنرانی کرده‌اند و در مورد خطرات آن هشدار داده‌اند، با این حال افرادی هستند که با آن‌ها مخالف هستند.

ری کرزویل سرپرست بخش مهندسی گوگل، فردی است که به پیش بینی آینده شهرت دارد، معتقد است که هوش ماشینی تا سال ۲۰۲۹ از هوش انسان پیشی می گیرد و این موضوع نه تنها تهدیدی برای بشریت نیست، بلکه می تواند فرصت هایی برای پیشرفت انسان نیز فراهم کند و همان فناوری که باعث پیشرفت هوش مصنوعی می شود، زمینه پیشرفت انسان را نیز فراهم می کند.

او پدیده تکینگی فناوری زمانی ” این پدیده هنگامی رخ می دهد که دستگاه‌های مختلف به دلیل پیشرفت‌های باورنکردنی در فناوری‌های مختلف، مخصوصا هوش مصنوعی، هوشمندتر از انسان شوند” را مطرح می‌کند. او در ادامه بیان می‌کند که این پیشرفت‌‌ها باعث می شود که دستگاه های مختلف به انسان قدرت ببخشند.

نظریه مدیر اجرایی تسلا و اسپیس ایکس

ایلان ماسک،در سخنانی هشدار داد « هوش مصنوعی بزرگترین خطری است که تمدن بشری را تهدید می کند.» او که ادعا می‌کند شرکتش به هوش مصنوعی پیشرفته‌ای دست یافته، معتقد است: « مردم باید در مورد این فناوری بسیار مراقب باشند » به عقیده او، مردم به حد کافی از توانایی‌های بالقوه روباتیک و هوش‌ مصنوعی نمی‌ترسند زیرا درک درستی از این توانایی‌ها ندارند. او پیش ازاین بارها در باره خطرات هوشمندی، سخنان تندی گفته بود اما این بار سخنانش بیش از پیش بر خطرات هوش مصنوعی تأکید دارد و مهمتر اینکه خواستار مداخله دولت در این حوزه شده است. اظهار این سخنان از سوی کسی که در تسلایش از هوش مصنوعی در لبه دانش استفاده می‌کند و اساس کسب و کارش را بر پایه این فناوری بنا کرده، جالب توجه است.

ایلان ماسک ایمان دارد که روبات‌ها در آینده ما را از کار بیکار کرده و بهتر از ما کار خواهند کرد و البته این میلیاردر و مدیر ارشد اجرایی تسلا و اسپیس‌ایکس، بطور دقیق نمی‌داند برای جلوگیری از چنین وضعیتی، چه کار باید کرد. او می‌گوید هوش مصنوعی قطعاً درآینده ما را با بحران بیکاری رو‌‌به‌رو خواهد کرد: « آنچه با آن روبه‌روییم آینده‌ای است که در آن روبات‌ها قادر خواهند بود هر کاری را بهتر از ما انجام دهند … منظورم همه ماست» و او این را هراس‌انگیز‌ترین چالشی می‌داند که راهکاری برایش ندارد. به عقیده او کارکنان بخش حمل و نقل نخستین گروهی خواهند بود که در سایه این فناوری شغل‌شان را از دست خواهند داد زیرا حمل و نقل یکی از نخستین حوزه‌هایی است که در آینده بطور کامل خودکار خواهد شد. این موضوع زمانی اهمیت پیدا می‌کند که بدانیم بنا بر گزارش‌ها، از هر هفت شغل در آمریکا، یکی با حمل و نقل ارتباط دارد.

کاربردهای هوش مصنوعی در پزشکی

هوش مصنوعی پزشکی عمدتا به ساخت برنامه های AI که تشخیص گذاری و توصیه های درمانی را انجام می دهند، مربوط می شود. بر خلاف برنامه های پزشکی مبتنی بر روش های دیگر برنامه نویسی، مانند روش های آماری و احتمالاتی، برنامه های AI پزشکی مبتنی بر مدل های نمادین موجودیت های بیماری و ارتباط آنها با فاکتورهای مربوط به بیمار و تظاهرات بالینی است."

از آن زمان تا کنون خیلی تغییر کرده است و امروز این تعریف از لحاظ محدوده و چشم انداز باریک محسوب می شود. امروزه بر اهمیت تشخیص گذاری به عنوان وظیفه ای که در شرایط بالینی معمول نیاز به حمایت کامپیوتری داشته باشد، تأکید بسیار کمتری می شود. بنابراین، علیرغم تمرکز تحقیقات اولیه بر درک و حمایت از مواجهه های بالینی، سیستم های خبره، امروزه بیشتر احتمال دارد که در آزمایشگاههای بالینی و حیطه های آموزشی، برای نظارت بالینی یا در مناطق مملو از داده مانند بخشهای مراقبت ویژه مورد استفاده قرار گیرند. با این حال، برای آن روز ، جنین چشم اندازی در تعریف AIM انقلابی محسوب می شد.

یک شرکت استارت‌آپ به نام doc.ai به‌تازگی اقدام به طراحی سیستمی کرده است که به کمک، آن بیماران می‌توانند توسط پزشکانی از جنس هوش مصنوعی، معالجه و درمان شوند.

این شرکت به‌صورت مشترک با محققانی از دانشگاه‌های کمبریج و استنفورد همکاری داشته است تا یک زنجیره زمانی بر پایه استفاده از هوش مصنوعی را طراحی نماید. گفته می‌شود این سیستم می‌تواند با بیماران ارتباط مستقیم برقرار کرده و با آنها در زمینه‌های مختلف مربوط به بیماری به گفت‌وگو و تعامل بپردازد و پس از شناسایی نشانه‌های بیماری، نظر نهایی خود در زمینه تشخیص مشکل بیمار را عرضه کند. این پلتفرم قرار است تا در قالب نرم‌افزار به‌عنوان خدمات عرضه شود و خدمات آن نیز در اختیار شرکت‌های پزشکی قرار بگیرد؛ به همین دلیل نیز می‌توان انتظار داشت که این پروژه با استقبال شرکت‌های فعال در زمینه علوم پزشکی روبرو گردد.

در امتداد کارهایی که نیاز به استدلال بر اساس دانش پزشکی دارند، سیستم های هوش مصنوعی در روند پژوهش های علمی نیز نقش بسیار متفاوتی را ایفا می کنند. به طور خاص، سیستم های هوش مصنوعی توانایی یادگیری دارند، که منجر به کشف پدیده های جدید و ایجاد دانش پزشکی می شود. به عنوان مثال، یک سیستم کامپیوتری می تواند برای تجزیه و تحلیل حجم عظیمی از داده ها مورد استفاده قرار گیرد و با جستجوی الگوهای پیچیده درون آن داده ها روابط قبلی غیر منتظره ای را مطرح نماید یا اینکه با بررسی موارد کافی از یک مدل مبتنی بر دانش پزشکی فعلی، یک سیستم AI می تواند تعارض مجموعه جدیدی از مشاهدات تجربی را با نظریه های موجود نشان دهد.

الگوریتم‌های مبتنی بر یادگیری ماشین می‌توانند اطلاعات بسیار زیادی را پردازش کرده و الگوهای بسیاری را در مقایسه با انسان‌ها از میان داده‌های بسیار استخراج کنند. در یک مطالعه، محققان از یک سیستم تشخیص رایانه‌ای برای بازبینی نتایج ماموگرافی زنانی استفاده کرده‌اند که بعدها به بیماری سرطان سینه مبتلا شده‌‌اند. براساس اطلاعات ارائه شده این سیستم رایانه‌ای موفق شده تا با بررسی نتایج ماموگرافی‌های یک سال پیش در ۵۲ درصد موارد، سرطان سینه را در بیماران پیش از تشخیص پزشکان، پیش‌بینی کند. علاوه بر تشخیص بیماری بصورت موردی برای هر فرد براساس نتایج آزمایش، یادگیری ماشین می‌تواند با بررسی عوامل خطرناک برای بیماری جمعی، آن را پیش از همه‌گیر شدن شناسایی کند. کمپانی Medecision الگوریتمی را توسعه داده که با استفاده از می‌توان با شناسایی هشت فاکتور در بیماران دیابتی، نیاز به بستری شدن در بیمارستان را تشخیص داد.

تازه ترین دستاورد هوش مصنوعی در پزشکی

شناسایی مناطق پر خطر آنفولانزا با هوش مصنوعی

بسیاری از موسسات بهداشتی و درمانی به طور مرتب در حال رصد نحوه شیوع بیماری هایی مانند آنفولانزا در نقاط مختلف هستند تا نقاط پرخطر در این زمینه را شناسایی کنند. اما این کار به طور دقیق و مناسب ممکن نیست و در آمریکا علیرغم همه تلاش های صورت گرفته داده های جمع آوری شده در این زمینه دو هفته از زمان عقب است.

مطالعه جدیدی که در این زمینه توسط بیمارستان کودکان بوستون در آمریکا انجام شده از دو روش پیش بینی و بررسی مبتنی بر هوش مصنوعی برای برآورد میزان شیوع بیماری آنفولانزا در هر نقطه از این کشور بهره می گیرد.

یکی از این دو روش مبتنی بر سیستم هوش مصنوعی ARGONet است که داده های مربوط به پراکندگی جغرافیایی این بیماری از سپتامبر سال ۲۰۱۴ تا می سال ۲۰۱۷ را در اختیار دارد و لذا از آن می توان برای پیش بینی شیوع آنفولانزا با دقت ۷۵ درصد بهره گرفت.

برای افزایش دقت سیستم یادشده از یک برنامه هوش مصنوعی دقیق تر هم استفاده شده که می تواند نحوه شیوع انفولانزا را در محله های مختلف با دقت بالایی بررسی کند. انتظار می رود ترکیب اطلاعات دو سیستم یادشده نقاط پرخطر در ارتباط با این بیماری را با دقت بالایی مشخص کند.

در انتهای مطلب...

همانطور که اطلاع پیدا کردید، فناوری طی چند سال  گذشته با پیشرفت زیادی همراه بوده و یکی از مهمترین نوآوری‌ها، هوش مصنوعی بوده است.از آن‌جا که این حوزه سرشار ازمطالب است، امیدواریم که توانسته باشیم در این حوزه اطلاعات مفیدی را در اختیار شما قرار داده‌باشیم.

منبع: علم و فناوری