امیرحسین حیدرزاده
فهرست عنوان‌ها
هوش مصنوعی، فیلم ترمیناتور را به یاد شما می‌آورد؟ راستش را بخواهید تا آینده دور رایانه‌ها توان انقراض ما را ندارند.
تا آن روزی که برای انسان‌ها شمشیر بلند کنند، زمان زیادی فاصله داریم. بهتر نیست در این مدت از فناوری برای آسان‌تر شدن زندگی استفاده کنیم؟
فناوری در سال‌های اخیر با دور تند پیشرفت می‌کند. بر اساس گزارش هوش مصنوعی در سال 2021 تعداد مجلات منتشر شده در این زمینه 34.5 درصد رشد کرده است.
این مقدار در سال 2020 به نسبت سال 2019 مقدار 19.6 درصد را نشان می‌دهد. هوش مصنوعی روند هر چیزی را بهبود می‌بخشد.
تفاوتی ندارد که شما در کدام صنعت فعالیت می‌کنید. از تولید دارو تا انتقال آن را در بهترین حالت برنامه ریزی می‌کند. سال 2021 سال انقلاب در زمینه یادگیری عمیق یا دیپ لرنینگ به حساب می‌آید.
خوشحالیم که بیش‌تر مردم در حال آشنایی با هوش مصنوعی و کاربرد آن هستند. به نظر شما آینده یادگیری ماشین به کدام سمت و سو می‌رود؟
در کدام زمینه باید پیشرفت را جست و جو کنیم؟ در ادامه روکیدا به شما هدف شلیک موشک‌ها را نشان می‌دهد.
1. تبدیل شوندگان یا ترانسفورمِرز: همان ربات‌های شگفت انگیز؟
هوش مصنوعی در زمینه زبان شناسی حرف‌های زیادی برای گفتن دارد. می‌تواند حروف را تطبیق دهد. بهترین ترجمه از متن را آماده کند یا نامه‌های رمزگذاری شده را رمزگشایی کند.
درک زبان یکی از مسیرهای پیشرفت این فناوری به حساب می‌آید. زبان شناسی مخصوص به رایانه‌های امروز نیست. آلن تورینگ را می‌شناسید؟ پیشنهاد می‌کنیم مقاله این ذهن درخشان را مطالعه کنید.
مدل‌های تبدیل شونده یا ترانسفورمرز در سال 2017 توسط محققان گوگل ساخته شده است. این مدل‌ها سوار بر هوش مصنوعی عملکرد بهتری را نشان می‌دهند.
مجموعه‌ای از اطلاعات را تصور کنید که شکل می‌گیرد. دستگاه آموزش می‌بیند تا این اطلاعات را به شکل بهتری کنار هم قرار دهد. به عبارتی ماشین یاد می‌گیرد!
بهترین ترجمه ممکن را به شما تقدیم می‌کند. فیلم را درک می‌کند و به سوالات شما با جواب درست پاسخ می‌دهد. شاید مدل‌های بزرگ زبان کار را سخت کند، اما هم‌چنان ممکن است.
مدل یادگیری ماشین
با روی کار آمدن ترانسفورمرزها به GPT-3 رسیدیم. این مجموعه 175 میلیارد پارامتر را بررسی می‌کند. 45 ترابایت اطلاعات پیش زمینه دارد.
برای ساخت آن 12 میلیون دلار هزینه شده است. گوگل در سال 2021 با معرفی یک زبان جدید و 1.6 تریلیون پارامتر، تاج پادشاهی را پس گرفت.
ابعاد نسخه گوگل به 9 برابر GPT-3 می‌رسد.
2. طناب کشی
رقابت دنیا را به مکان بهتری تبدیل می‌کند اما نباید به درگیری تبدیل شود. از طرفی بدانید که درگیری و شبکه‌های خصمانه هوش مصنوعی را به سمت پیشرفت می‌برد.
شما برای خرید یک اثر هنری وارد گالری می‌شوید. برای تشخیص اصل یا تقلبی بودن آن از یک متخصص کمک می‌گیرید. علم تقلب همراه با علم تشخیص پیشرفت می‌کند.
این پیشرفت را امروز هوش مصنوعی با خود آورده است. برای تشخیص اصل یا تقلبی بودن یک تصویر به هوش رایانه پناه می‌بریم.
مساله تصاویر تقلبی تنها به سیاست و ریاست جمهوری تمام نمی‌شود. استفاده از تصاویر دروغین برای هر کاری ممکن است.
البته که تمام لیوان، نیمه خالی نیست. یک بازی را تصور کنید که در استودیو انگلیسی زبان ساخته می‌شود. این بازی در کشورهای مختلف با زبان‌های مختلف به فروش می‌رسد.
با فناوری دیپ فیک می‌توانید حرکت صورت شخصیت‌های بازی را بر اساس زبان جدید همگام کنید. اما درگیری از کجا شروع می‌شود؟
یکی از فناوری‌های اصلی ایجاد تصاویر GAN نام دارد. این فناوری از زیرساخت یادگیری ماشین استفاده می‌کند. روند ماجرا درست مانند یک طناب کشی به جلو حرکت می‌کند.
یک طرف طناب در دست ایجاد کننده و طرف دیگر در دست تفکیک کننده قرار دارد. تصاویر از این بین عبور می‌کند تا مشکلات یک به یک بر طرف شوند.
این طناب کشی تا جایی ادامه پیدا می‌کند که تفاوت بین واقعیت و تقلب تشخیص داده نشود. از این روند حتی برای تولید کدهای ژنتیکی استفاده می‌شود.
3. شبکه عصبی
مقاله‌ای در دسامبر سال 2020 منتشر شد. دو محقق به نام‌های لوییس لمپ و آرتور گارسِی نویسنده آن بودند. آن‌ها شبکه عصبی را به عنوان موج سوم هوش مصنوعی معرفی کردند.
هوش مصنوعی و شبکه عصبی اختراع جدیدی به حساب نمی‌آیند. آن‌ها برای سال‌ها وجود داشتند اما ترکیب آن دو، تیم ستاره‌ها را تشکیل می‌دهد.
دیوید کاکس مدیر بخش MIT-IBM و رایانه واتسون است. او گفت شبکه‌های عصبی و هوش مصنوعی به بهترین شکل می‌توانند یک دیگر را کامل کنند.
برای مثال: شبکه عصبی به شما راه و روش رسیدن به دنیای آرمانی را از دنیای امروز نشان می‌دهد. این فناوری می‌تواند تمام ویژگی‌های مشترک در دنیای امروز و دنیای آرمانی را برای شما جمع آوری کند.
زمانی که چنین رازهایی را در دست داشته باشیم، معجزه علمی ممکن می‌شود. هوش مصنوعی و شبکه عصبی می‌توانند تصمیم سازی و تصمیم گیری را انجام دهند.
هوش مصنوعی به شما توضیح می‌دهد که چرا یک تصمیم را انتخاب کرده است. به عبارتی خط روند فکر خود را به ما نشان می‌دهد.
4. یادگیری ماشین و سنتز مولکولی
هرچه به شما بگوییم، تاثیر GPT-3 به درستی نشان داده نمی‌شود. ما یادگیری عمیق را برای حل چالش‌های قدیمی بیولوژی استفاده کردیم.
یکی از این چالش‌ها “تاشدگی پروتئین” است. یک فرآیند فیزیکی که در آن رشته پروتئین به ساختار طبیعی خود باز می‌گردد.
همانطور که می‌دانید پروتئین‌ها از مولکول‌های اصلی تشکیل دهنده سلول به حساب می‌آیند. آشنایی با روند کار پروتئین درهای جدیدی را به روی علم باز می‌کند. مانند: کشف داروهای جدید، درک بیش‌تر از سطح فعالیت مولکولی و غیره.
مثال‌های زیادی برای نشان داده تغییرات ایجاد شده توسط هوش مصنوعی وجود دارد. به یک مغز فکر کنید که هرگز از فکر کردن خسته نمی‌شود.
اطلاعات بسیار زیادی در اختیار دارد. یاد می‌گیرد، تصمیم می‌گیرد و تصمیم را به ما نمایش می‌دهد. هوش مصنوعی حلقه‌های زنجیر را در بهترین حالت به یکدیگر متصل می‌کند.
تکنیک یادگیری ماشین سطح مراقبت‌های بهداشتی را بالا می‌برد. می‌توانیم طبیعت را بهتر از هر زمانی بشناسیم. آیا تمام عوارض جانبی داروها برای انسان شناخته شده است؟
چطور می‌توانیم عوارض داروها را کاهش دهیم؟ روند ساخت آلیاژ فلزی چه مشکلاتی دارد؟ چطور مقاومت آن را افزایش دهیم؟
در آینده هوش مصنوعی به دنیایی از سوال‌های انسان پاسخ می‌دهد. شما چه سوالی از هوش بی نهایت دارید؟
منبع: digitaltrends.com
