In the simplest terms, AI which stands for artificial intelligence refers to systems or machines that mimic human intelligence to perform tasks and can iteratively improve themselves based on the information they collect.
ماشین ها یا سیستم هایی را می گویند که بتواند هوش انسان را تقلید کند تا وظایفی را انجام دهد بر پایه اطلاعاتی که جمع کرده.
ما در برنامه نویسی ورودی‌های معلوم و مشخص دازیم و با استفاده از دستورات شرطی مانند if و else میتوانیم معادلات را حل کنیم و به نتیجه‌ی دلخواه برسیم ولی مسائلی که با هوش مصنوعی حل می‌شوند از تنوع ورودی زیادی بهرمند هستند به همین دلیل نمی‌توان با برنامه نویسی معمولی تمام جنبه‌ها را پوشش داد مثل یک سیستم تبدیل صدا به متن یا تشخیص چهره که داده‌های ورودی آنها بسیار متنوع هستند به همین دلیل مجبور به استفاده از مدل‌های هوش مصنوعی برای انجام این کارها هستیم.
هوش مصنوعی چیست و چگونه کار می کند؟ + کاربردهای هوش مصنوعی
شما نمی‌توانید با استفاده از الگوریتم های برنامه کدی را برای حرکت یک ماشین در یک دور برگردان بنویسید، اما با استفاده از هوش مصنوعی این کار را می‌توان انجام داد! ساخت خودروی خودران با استفاده از الگوریتم‌های نرم افزاری غیر ممکن است. شما نمی‌توانید کد‌ها را با دستور if-then-else، دستور case یا دستور switch برای حرکت در یک دور برگردان بنویسید. اما می‌توانید یک ماشین را برای رانندگی آموزش دهید. این همان کاری است که هوش مصنوعی انجام می‌دهد.
تفاوت هوش مصنوعی و برنامه نویسی | شرکت هوش مصنوعی عامراندیش
کد، قسمت اصلی ساخت یک نرم افزار شرطی است. اما در نرم افزار هوش مصنوعی، کد اصلی‌ترین بخش نمی‌باشد. درست است که هنگام ساختن نرم افزار هوش مصنوعی باید کد بنویسیم، اما بخش اصلی هوش مصنوعی را داده‌ها تشکیل می‌دهند. (جمع آوری داده‌ها، برچسب گذاری داده‌ها، تجزیه و تحلیل داده‌ها با استفاده از الگوریتم‌ها برای تشخیص الگوها). نرم افزار نمی‌تواند ماشین را براند، اما نرم افزار می‌تواند داده‌ها را جمع آوری کند. خودروها دارای سنسورهای نزدیک میدان، میکروفون، دوربین، لیدار (رادار لیزری) و رادار هستند. سپس هوش مصنوعی با نحوه گردش به راست، نحوه گردش به چپ، نحوه صاف رفتن، نحوه تشخیص علامت توقف و نحوه تشخیص چراغ راهنما آشنا می‌شود و این کار را به دلیل الگوها انجام می‌دهد، زیرا تمام داده‌ها را دارد. زمانی که خودرو خودران هزار علامت توقف را می‌بیند، می‌تواند به خودی خود علامت توقف را تشخیص دهد، زیرا بارها آن را دیده است.
الگوریتم مجموعه‌ای از دستورالعمل‌ها است. یک دستورالعمل از پیش تعیین شده، سخت و کدگذاری شده است، که در صورت برخورد با یک شرط اجرا می‌شود. از طرف دیگر هوش مصنوعی یک اصطلاح بسیار گسترده است و تعداد بسیاری از تخصص‌ها و زیر مجموعه‌ها، در بر گیرنده هوش مصنوعی هستند. گروهی از الگوریتم‌ها هستند که می‌توانند، الگوریتم‌های خود را بهبود بدهند و الگوریتم‌های جدیدی را در پاسخ به ورودی‌ها و داده‌های آموخته شده ایجاد کنند و این کار درحالی انجام می‌شود که فقط بر روی ورودی‌هایی که برای تشخیص الگوریتم‌ها طراحی شده است، تکیه می‌کنند. این توانایی تغییر، سازگاری و رشد بر اساس داده‌های جدید، به عنوان “هوش” توصیف می‌شود.
برچسب‌گذاری داده‌ها، فرآیند شناسایی داده‌های خام (تصاویر، فایل‌های متنی، فیلم‌ها و غیره) و افزودن برچسب‌های معنی‌دار برای تهیه محتوا است تا یک مدل یادگیری ماشین بتواند از آن یاد بگیرد. به عنوان مثال، شما ۱۰ هزار عکس از گربه‌ها تهیه می‌کنید و روی آنها برچسب “این تصاویر دارای گربه هستند” می زنید. سپس مجموعه دیگری از عکس‌ها را تهیه می‌کنید که در آنها گربه‌ای وجود ندارد، بنابراین برچسب “گربه‌ای وجود ندارد” را برای این مجموعه قرار می‌دهید. با گذشت زمان هوش مصنوعی خود این موضوع را تشخیص می‌دهد.
شما بر روی داده‌های خود برچسب‌گذاری می‌کنید و همچنین آنها را سازماندهی می‌کنید و سپس الگوریتم‌ها را روی آنها می‌چسبانید. الگوریتم‌ها برای تجزیه و تحلیل داده‌ها استفاده می‌شوند، به دست آوردن بینش و متعاقبا پیش بینی یا اخذ یک تصمیم با آنها استفاده می‌شود.
یک تفاوت اساسی دیگر که بین هوش مصنوعی و نرم‌افزارهای معمولی سنتی وجود دارد، این است که نرم افزار هرگز تغییر نمی‌کند. ما نرم افزار را می‌سازیم، آن را عرضه می‌کنیم و فقط بارها و بارها همان کاری که به اوگفته شده است را انجام می‌دهد. اما زمانی که در طبیعت ظاهر شود، تا زمانی که انسان آن را به روز نکند، تغییری نخواهد کرد اما هوش مصنوعی تغییر میکند. به عنوان مثال یک ماشین با هوش مصنوعی از یک دوراهی عبور میکند و ممکن است چیز جدیدی کشف کند. ممکن است خودرویی را پیدا کند که در مسیر دور راهی به اشتباه حرکت میکند. و به محض اینکه مشخص شود چه کاری را باید انجام دهد، داده‌های جدیدی بدست آورده است. هوش مصنوعی حتی پس از اینکه انتشار یافت نیز به یادگیری ادامه می‌دهد.
این روشی نیست که نرم افزارهای معمولی با آن کار می‌کنند. بلکه نرم افزار هوش مصنوعی به این صورت عمل میکند. نرم افزار هوش مصنوعی خود را بهبود می‌دهد.
حلقه بازخورد یک چرخه بدون پایان است که به شکل زیر است:
هوش مصنوعی اقدامات کاربر و رویدادهای سیستم را مشاهده میکند و داده‌ها را برای تجزیه و تحلیل جمع آوری میکند.
هوش مصنوعی این داده‌ها را در برابر روندهای تاریخیو در صورت لزوم داده‌های منابع دیگر، تجزیه و تحلیل میکند.
هوش مصنوعی نتایج را پیش بینی کرده و اقدامات خاصی را توصیه میکند.
حلقه دوباره شروع می‌شود. سیستم بر اساس آخرین بازخورد به اصلاح توصیه‌های خود ادامه می‌دهد(چه کاربر توصیه را پذیرفته باشد و چه نپذیرفته باشد و آنچه بعد از آن اتفاق افتاده است).
amerandish.com
خرید و فروش ارز دیجیتال در ایران چگونه انجام می‌شود؟