از چت ربات ها گرفته تا ربات های فوق العاده همگی جزء AI ها هستند. در اینجا انواع هوش مصنوعی که باید بدانید و اینکه این فناوری به کجا می رود. آورده شده است.

اگر تا به حال از الکسای آمازون یا فیس آیدی اپل استفاده کرده اید یا با یک چت بات تعامل داشته اید، با فناوری AI تعامل داشته اید.اکتشافات و پیشرفت های زیادی در زمینه AI وجود دارد که اکثر آنها به انواع مختلفی تقسیم می شوند. این طبقه‌بندی‌ها بیشتر از یک طبقه‌بندی، یک خط داستانی را نشان می‌دهند، چیزی که می‌تواند به ما بگوید AI تا کجا پیش رفته است. به کجا می‌رود و آینده چه چیزی در انتظارش است.اینها هفت نوع AI هستند:

 Narrow AI:

هوش مصنوعی طراحی شده برای انجام اقدامات بسیار خاص. قادر به یادگیری مستقل نیست.

هوش عمومی مصنوعی:

AI برای یادگیری، تفکر و عملکرد در سطوح مشابه با انسان طراحی شده است.

ابرهوش مصنوعی:

این AI قادر به پیشی گرفتن از دانش و توانایی های انسان است.

ماشین واکنشی AI:

AI قادر به پاسخگویی به محرک های خارجی در زمان واقعی است. قادر به ساخت حافظه یا ذخیره اطلاعات برای آینده نیست.

AI با حافظه محدود:

هوش مصنوعی که می تواند دانش را ذخیره کند و از آن برای یادگیری و آموزش برای کارهای آینده استفاده کند.

تئوری ذهن هوش مصنوعی:

هوش مصنوعی که می تواند احساسات انسانی را حس کند و به آن پاسخ دهد، به علاوه وظایف ماشین های حافظه محدود را انجام دهد.

هوش مصنوعی خودآگاه:

AI که می تواند احساسات دیگران را تشخیص دهد، به علاوه دارای حس خود و هوش انسانی است. مرحله نهایی هوش مصنوعی انواع AI مبتنی بر قابلیت:بر اساس نحوه یادگیری و میزان استفاده از دانش خود، تمام هوش مصنوعی را می توان به سه نوع قابلیت تقسیم کرد: هوش مصنوعی باریک، هوش مصنوعی عمومی و هوش مصنوعی فوق العاده. در اینجا آنچه باید در مورد هر یک بدانید آمده است.

:Narrow هوش مصنوعی

هوش مصنوعی Narrow که با نام هوش مصنوعی باریک (ANI) این هوش،AI ضعیف نیز شناخته می‌شود. ابزارهای هوش مصنوعی طراحی شده برای انجام اقدامات یا دستورات بسیار خاص را توصیف می‌کند. فن آوری های ANI برای خدمت و برتری در یک قابلیت شناختی ساخته شده اند و نمی توانند به طور مستقل مهارت های فراتر از طراحی آن را بیاموزند. آنها اغلب از یادگیری ماشین و الگوریتم های شبکه عصبی برای تکمیل این وظایف مشخص شده استفاده می کنند.به عنوان مثال، پردازش زبان طبیعی نوعی هوش مصنوعی باریک است زیرا می تواند دستورات صوتی را تشخیص دهد و به آنها پاسخ دهد. اما نمی تواند کارهای دیگری را فراتر از آن انجام دهد.

برخی از نمونه‌های AI باریک شامل نرم‌افزار تشخیص تصویر، ماشین‌های خودران و دستیارهای مجازی هوش مصنوعی است.

هوش عمومی مصنوعی (AGI):

هوش مصنوعی عمومی (AGI) که به آن هوش مصنوعی عمومی یا هوش مصنوعی قوی نیز می‌گویند، هوش مصنوعی را توصیف می‌کند که می‌تواند مانند انسان‌ها طیف وسیعی از اعمال را بیاموزد، فکر کند و انجام دهد. هدف از طراحی هوش عمومی مصنوعی این است که بتوان ماشین هایی ایجاد کرد که قادر به انجام وظایف چند منظوره باشند و به عنوان دستیاران واقعی و به همان اندازه هوشمند برای انسان ها در زندگی روزمره عمل کنند. اگرچه هنوز کار در حال انجام است، پایه های هوش عمومی مصنوعی را می توان از فناوری هایی مانند ابر رایانه‌ها،سخت افزار کوانتومی و مدل‌های AI مولد مانند ChatGPT ساخت.

 

ابرهوش مصنوعی (ASI) یا ابر AI:

چیزهای علمی تخیلی است. این نظریه وجود دارد که وقتی هوش مصنوعی به سطح هوش عمومی رسید. به زودی با چنان سرعتی یاد می‌گیرد که دانش و توانایی‌هایش حتی از نوع بشر قوی‌تر می‌شود.ASI به عنوان فناوری پایه AI کاملاً خودآگاه و سایر روبات‌های فردگرا عمل می‌کند. مفهوم آن نیز همان چیزی است که به جریان رسانه ای محبوب «تصرف هوش مصنوعی» دامن می زند. اما در این مرحله، همه اینها حدس و گمان است.دیو روگنموسر، مدیرعامل شرکت نویسندگی هوش مصنوعی جاسپر، گفت: «هوش مصنوعی تا حد زیادی به توانمندترین انواع هوش روی زمین تبدیل خواهد شد. “این هوش انسان ها را خواهد داشت و در هر کاری که ما انجام می دهیم بسیار بهتر خواهد بود.

انواع AI مبتنی بر عملکرد:

عملکرد مربوط به این است که چگونه یک AI از قابلیت های یادگیری خود برای پردازش داده ها، پاسخ به محرک ها و تعامل با محیط خود استفاده می کند. به این ترتیب، AI را می توان بر اساس چهار نوع عملکرد طبقه بندی کرد.

ماشین واکنشی AI:

ماشین‌های راکتیو دقیقاً همین ارتجاعی هستند. آنها می توانند به درخواست ها و وظایف فوری پاسخ دهند.

اما قادر به ذخیره حافظه، یادگیری از تجربیات گذشته یا بهبود عملکرد خود از طریق تجربیات نیستند. علاوه بر این، ماشین‌های راکتیو تنها می‌توانند به ترکیب محدودی از ورودی‌ها پاسخ دهند. ماشین های واکنشی اساسی ترین نوع AI هستند.در عمل، ماشین‌های واکنش‌گرا برای انجام عملکردهای خودمختار اساسی، مانند فیلتر کردن هرزنامه از صندوق ورودی ایمیل یا توصیه موارد بر اساس سابقه خرید، مفید هستند. اما فراتر از آن، AI واکنشی نمی تواند بر اساس دانش قبلی ساخته شود یا وظایف پیچیده تری را انجام دهد.

نمونه‌های AI ماشین واکنشی:

IBM Deep Blue:

دستگاه هوش مصنوعی IBM واکنشی Deep Blue قادر به خواندن نشانه های بلادرنگ برای شکست دادن استاد بزرگ شطرنج روسی گری کاسپاروف در یک مسابقه شطرنج در سال 1997 بود.

موتور توصیه نتفلیکس:

پلتفرم‌های رسانه‌ای مانند نتفلیکس اغلب از موتورهای توصیه‌ای مبتنی بر AI استفاده می‌کنند که داده‌های تاریخچه تماشای کاربر را پردازش می‌کنند تا مشخص کنند و پیشنهاد دهند که در آینده چه چیزی را بیشتر تماشا خواهند کرد.

AI با حافظه محدود:

AI حافظه محدود می تواند داده های گذشته را ذخیره کند و از آن داده ها برای پیش بینی استفاده کند. این بدان معنی است که به طور فعال پایگاه دانش محدود و کوتاه مدت خود را می سازد و وظایف را بر اساس آن دانش انجام می دهد.هسته AI حافظه محدود یادگیری عمیق است که عملکرد نورون‌های مغز انسان را تقلید می‌کند. این به ماشین اجازه می دهد تا داده ها را از تجربیات جذب کند و از آنها “یاد بگیرد” و به آن کمک می کند تا دقت اقدامات خود را در طول زمان بهبود بخشد.امروزه، مدل حافظه محدود، اکثر برنامه های کاربردی AI را نشان می دهد. می توان آن را در طیف گسترده ای از سناریوها، از برنامه های کاربردی در مقیاس کوچکتر، مانند ربات های گفتگو، تا اتومبیل های خودران و سایر موارد استفاده پیشرفته، اعمال کرد.

نمونه هایی با حافظه محدود AI:

چت بات ها و دستیاران مجازی:

چت ربات ها و دستیاران مجازی اشکالی از AI با حافظه محدود هستند که از یادگیری عمیق برای تقلید از مکالمه انسانی استفاده می کنند. همانطور که کاربران بیشتر با این سیستم‌ها تعامل دارند. از این داده‌ها یاد می‌گیرند و جزئیات مربوط به کاربر را به خاطر می‌آورند و به آن‌ها اجازه می‌دهد پاسخ‌های مرتبط و شخصی‌سازی شده را ارائه دهند.

خودروهای خودران:

خودروهای خودران به طور مداوم داده های محیطی اطراف خود را هنگام حرکت در جاده مشاهده و پردازش می کنند. این به آنها کمک می کند تا پیش بینی کنند که چه زمانی باید بچرخند. توقف کنند یا از مانعی اجتناب کنند.

تئوری ذهن هوش مصنوعی:

نظریه ذهن به مفهوم AI اشاره دارد که می تواند احساسات دیگران را درک و دریافت کند. این اصطلاح از روانشناسی وام گرفته شده است و توانایی انسان برای خواندن احساسات دیگران و پیش بینی اقدامات آینده بر اساس آن اطلاعات را توصیف می کند. نظریه ذهن هنوز به طور کامل محقق نشده است و به عنوان نقطه عطف اساسی بعدی در توسعه AI است.نظریه ذهن می تواند تغییرات مثبت زیادی را در دنیای فناوری به ارمغان بیاورد. اما خطرات خاص خود را نیز به همراه دارد. از آنجایی که نشانه‌های احساسی بسیار ظریف هستند. زمان زیادی طول می‌کشد تا ماشین‌های AI بتوانند آن‌ها را کامل بخوانند و به طور بالقوه ممکن است در مرحله یادگیری خطاهای بزرگی مرتکب شوند. برخی از مردم همچنین می‌ترسند زمانی که فناوری‌ها بتوانند به سیگنال‌های احساسی و همچنین موقعیتی پاسخ دهند، نتیجه می‌تواند به معنای اتوماسیون برخی مشاغل باشد.

مثال AI در تئوری ذهن:

رافائل تنا، محقق ارشد AI در شرکت بیمه Acrisure، مثالی ارائه کرد تا نشان دهد چگونه یک کاربرد موفق تئوری ذهن می تواند فناوری را متحول کند. یک ماشین خودران ممکن است در اکثر مواقع بهتر از یک راننده انسانی عمل کند. زیرا این کار را نمی کند. همان اشتباهات انسانی را انجام دهید اما اگر شما به عنوان یک راننده می‌دانید که بچه همسایه‌تان تمایل دارد بعد از مدرسه در نزدیکی خیابان بازی کند. به طور غریزی می‌دانید که هنگام عبور از خیابان همسایه سرعت خود را کم کنید. چیزی که یک وسیله نقلیه AI مجهز به حافظه محدود اولیه چنین نخواهد بود. قادر به انجام

AI خودآگاه:

هوش مصنوعی خودآگاه AI را توصیف می کند که دارای خودآگاهی است. AI خودآگاه که از آن به عنوان نقطه تکینگی هوش مصنوعی یاد می شود. مرحله ای فراتر از تئوری ذهن است و یکی از اهداف نهایی در توسعه AI است. تصور می‌شود که وقتی به AI خودآگاه دست پیدا کنیم. ماشین‌های AI خارج از کنترل ما خواهند بود. زیرا آنها نه تنها می‌توانند احساسات دیگران را حس کنند، بلکه حس خود را نیز خواهند داشت.

مثال هوش خودآگاه:

شاید یکی از معروف ترین آنها سوفیا باشد، رباتی که توسط شرکت رباتیک Hanson Robotics ساخته شده است. اگرچه از نظر فنی خودآگاه نیست. اما کاربرد پیشرفته سوفیا از فناوری‌های AI فعلی، نمایی اجمالی از آینده بالقوه خودآگاه هوش مصنوعی ارائه می‌کند. این آینده ای نویدبخش و همچنین خطر است. و بحث هایی در مورد اینکه آیا ساختن AI حساس اصلاً اخلاقی است وجود دارد.