هوش مصنوعی و بایسته‌های ساخت آیندهنحوه‌ی زیست انسان در حال تحول است. این تحول، ایستا و مقطعی نیست، بلکه این تحول، نمایی، چند بعدی و دارای نقاط عطف متعدد است. عصر سایبر، عصری ایستا نیست که تحولی همانند چرخ را شکل دهد و قرن‌ها و هزاران سال از این فناوری استفاده شود. عصر سایبر، بستر تحولات متنوع فناورانه‌ی انسانْ ساخت است. بستری که فناوری‌های متنوع در آن شکل می‌گیرد، اجتماعی می‌شود و از بین می‌برد.در حقیقت سایبر، فضای تطور، تکون و حرکت جوهری فناوری‌هاست. فناوری‌هایی همانند نسل‌های مختلف وب که در یک حرکت درونی، به نسل‌های دیگر وب تبدیل و تغییر داده و جامعه متاثر از خود را شکل‌دهی مجدد می‌کند.هوش مصنوعی که سال‌ها در فضای علمی، دانشگاهی و کسب و کاری کشور رشد و توسعه یافته، و تقریبا در تمام علوم مهندسی، علوم پزشکی، هنر و علوم انسانی کاربردی و استفاده می‌شود، به یکباره اجتماعی شده و دغدغه‌ی مخاطب عام می‌شود.ChatGPT با یک عملیات رسانه‌ای به ناگاه فرصت‌ها و تهدیدات هوش مصنوعی را به سطح جوامع و حکومت‌ها وارد کرد. ربات نرم‌افزاری‌ای که شبکه‌اش با میلیاردهای صفحه آموزش دیده و نتایجی شبیه انسان تولید می‌کند، نوید گسترش، نفوذ و تعمیق هوش مصنوعی در جامعه را دارد.هوش مصنوعی «توانایی یک سیستم برای حل مسائل و انجام وظایفی که به طور سنتی برای حل آنها به هوش انسانی نیاز است»، تعریف شده است. البته تعاریف متنوعی برای هوش مصنوعی ارائه شد که خود ذوابعادی و گستردگی فناوری‌های هوش مصنوعی را به تصویر می‌کشد. فناوری‌های هوش مصنوعی در سه کلان موضوعِ هوش مصنوعی (Artificial Intelligence) یا AI، یادگیری ماشین (Machine Learning) یا ML و یادگیری عمیق (Deep Learning) دسته‌بندی شده است. در این دسته‌بندی یادگیری عمیق زیرمجموعه یادگیری ماشین و یادگیری ماشین نیز زیر مجموعه‌ی هوش مصنوعی است.حوزه‌ی هوش مصنوعی، مجموعه‌ای از قابلیت‌ها و الگوریتم‌هایی است که به تقلید شناختی انسان می‌پردازد. یادگیری و حل مساله دو حوزه‌ی مهم این شبیه‌سازی مصنوعی انسان است. یادگیری ماشین، حوزه‌ی یادگیری از تجربه‌ها برای تصمیم‌سازی است، بدون اینکه مستقیما برای حل مساله‌‌ای براساس قوانین آموزش دیده باشد. به‌طور مثال برای محاسبه‌ی سینوس یک زاویه می‌توان با تکنیک مثلث قائم الزاویه ضلع مقابل به وتر را بر وتر تقسیم کرد اما در یادگیری ماشین کافیست با شبکه عصبی (Neural Network) برای تعدادی زاویه مقدار سیسنوس را محاسبه و به شبکه آموخت و توقع اعلام مقدار برای یک زاویه‌ی دیگر را داشت (آموزش با نظارت) یا روندی از داده‌هایی که بعضا این دادهها دارای تقلب مالی و برچسب‌گذاری شده است به الگوریتم آموزش داده می‌شود تا براساس داده‌های واقعی احتمال و ریسک تقلب را محاسبه کند. در یادگیری عمیق شبکه عصبی با تعداد نودهای زیادتر و در لایه‌های بیشتر با حجم بالایی از اطلاعات آموزش می‌بیند و توانایی شناسایی الگوهای پیچیده را دارد.شبکه عصبی به چندین روش قابل آموزش برای یادگیری تجربیات است. معروف‌ترین این روش‌ها آموزش با نظارت (supervised)، بدون نظارت (unsupervised) و نیمه نظارتی (semi supervised) است. به عبارت دیگر دادهها در آموزش با نظارت، توقع یادگیری با دادن ورودی و خروجی به شبکه آموزش داده می‌شود اما در آموزش بدون نظارت، صرفا داده ورودی به شبکه آموزش داده شده و توقع اکتشاف الگوی از ویژگی‌های دورنی داده است.به‌طور مثال Chatgpt از دسته‌ی هوش مصنوعی مولد (Generative AI) است که قابلیت تولید متن، عکس، فیلم و… را براساس داده‌های آموزش دیده دارد. این مدل هوش مصنوعی از شبکه‌های عصبی برای شناسایی الگو و ساختارهای موجود در دادهها جهت تولید محتوای جدید استفاده می‌کند. مزیت این شبکه سادگی یادگیری بدون نظارت یا نیمه‌نظارتی است و راحت‌تر و سریع‌تر می‌توان حجم زیادی از دادهها را بدون برچسب به شبکه آموزش داد.ادامه در پیام بعد 👇https://ble.ir/transformations/12051124701354276/1686725573101
کانال برای انقلاب اسلامی:https://ble.ir/transformations
کانال برای انقلاب اسلامی:https://ble.ir/transformations
۶:۳۹