بزرگ‌ترین قدم در آینده‌ی تکنولوژی آموزش ماشینی است. یا شاید آموزش عمیق است یا هوش مصنوعی؟ اگر شما هم فرق این سه را به درستی متوجه نمی‌شوید باید بدانید که تنها نیستید. 
امروزه بعضی از شرکت‌های تکنولوژی از هرسه با هم استفاده می‌کنند. درحالی که هرسه تکنولوژی در یک زمینه هستند اما تفاوت‌های اساسی با هم دارند. 

هوش مصنوعی چیست؟ 

هوش مصنوعی و یا AI بیش از این که یک سیستم باشد یک مفهوم است. همیشه تصور می‌شد که هوش مطلقاً مختص انسان است چرا که ماشین‌ها یاد می‌گرفتند اما هوش و یا خرد نداشتند. دانشمند علوم کامپیوتر، آلان تورنینگ سال‌های آخر زندگی خود را صرف این موضوع کرد که دریابد آیا کامپیوترها توانایی فکر کردن دارند یا خیر. 
او آزمایش تورینگ را انجام داد تا ثابت کند که ماشین‌ می‌توانند رفتار هوشمندانه را از خود نشان دهند ولی لزوما هوشمند نیستند. تفاوت این دو بسیار مهم است چرا که ما هنوز هم کاملاً نمی‌توانیم درک کنیم که فرق فکر و هوش چیست. 
به جای تعریف هوش ما سعی می‌کنیم تا ماشین‌هایی را بسازیم که می‌توانند از خود رفتار هوشمندانه نشان دهند. 
هوش مصنوعی بیشتر از این که یک تکنولوژی باشد وسیله‌ای برای تعریف سیستم‌هاست. این سیستم‌ها را می‌توان به دو دسته هوش مصنوعی محدود و هوش مصنوعی عمومی تقسیم می‌شود. هوش مصنوعی محدود سیستمی است که باهوش است اما تنها در یک امر خاص. هوش مصنوعی عمومی نوعی سیستم است که ما بیشتر با آن در فرهنگ عامی آشنا هستیم. 
این نوع سیستم‌ها می‌توانند چیزی شبیه به هوش انسانی را از خود نشان دهند. برای مثال اسکای‌نت در ترمیناتور، هال در فیلم 2001:یک ادیسه فضایی نمونه‌های تخیلی از هوش مصنوعی عمومی هستند. البته برخلاف فیلم‌ها هدف همه‌ی هوش مصنوعی‌های عمومی نابودی انسان نیست. 

آموزش ماشینی چیست؟ 

همه ما می‌دانیم که دیتا پرکاربرد است. چه برای پیدا کردن بهترین راه به محل کار و یا ردیابی وضعیت سلامت، دیتا در بسیاری از مراحل زندگی مدرن به ما کمک می‌کند. اما ما در طول روز آنقدر دیتا تولید می‌کنیم که آنالیز آن برای انسان کار غیرممکنی است. درنتیجه ما کار سخت را به ماشین می‌سپاریم. گوگل آموزش ماشینی را اینطور تعریف می‌کند: «استفاده از دیتا برای پاسخ دادن به سوالات». آموزش ماشینی به دو بخش تقسیم می‌شود: آموزش و پیش‌بینی. تصور کنید که یک سری عکس از شکل‌هایی دارید که می‌خواهید تشخیصشان دهید. اگر این عکس‌ها به صورت الگوریتم آموزش ماشینی تبدیل شوند سیستم مشخصات این شکل‌ها را یاد می‌گیرد. 
وقتی که سیستم با یک تصویر جدید مواجه می‌شود آن را با توجه به المان‌ها و داده‌هایی که در خود دارد مقایسه می‌کند تا شکل را تشخیص دهد. 
برای مثال نتایج جست‌وجوی شخصی سازی شده، پلی‌لیست‌های اسپاتیفای و پیشنهادات محصولات آمازون نتیجه آموزش ماشینی هستند. نتفلیکس حتی از الگوریتم آموزش ماشینی برای شخصی سازی پوستر فیلمی که دیدید استفاده می‌کند. 

آموزش عمیق چیست؟ 

درحالی که ما به طور کامل هوش را درک نمی‎کنیم اما دانشمندان توانسته‌اند نشان دهند که مغز اطلاعات را از طریق یک شبکه پیچیده از نرون‌ها تولید می‎کند. مغز ما از این اتصالات الکتریکی ساخته شده‌اند که مسیرهای عصبی را ایجاد می‌کنند. این مسیرها اطلاعات را از طریق بدن ما منتقل کرده و به ما امکان حرکت، تنفس و یا حتی فکر کردن را می‌دهد. 
به هرحال اگر هرکدام از این مسیرها مستقل از یکدیگر عمل می‌کردند عکس‌العمل ما بسیار آرام انجام می‌شد و ما نمی‌توانستیم بین افکارمان ارتباط برقرار کنیم. موفقیت این سیستم به رابطه بین همه‌ی این مسیرها مرتبط است و پردازش همزمان داده را ارتقا می‌بخشد. 
آموزش عمیق دقیقاً کپی برابر اصل این شبکه نرون‌هاست. با مدیریت داده‎های زیاد به صورت همزمان کامپیوترها می‎توانند زمان لازم را برای پردازش داده به طور چشمگیری کاهش دهند. تکنیک آموزش عمیق شبکه‎های عصبی مصنوعی را به شدت تقویت بخشیده است. 
این شبکه‎ها از یک سری گره ساخته شده‌اند. گره‌های ورودی برای دریافت داده و خروجی برای نتیجه‌گیری داده و یک سری لایه گره در وسط قرار دارد. هدف این است که داده ورودی به چیزی تبدیل شود که گره خروجی بتواند از آن استفاده کند. اینجاست که لایه‌های پنهان به کار می‌آیند. با پیشرفت داده در طول این گره‌های مخفی، شبکه عصبی با استفاده از منطق تصمیم می‌گیرد که کدام گره باید داده را به گره بعدی برساند. 

تفاوت آموزش ماشینی، هوش مصنوعی و آموزش عمیق 

درحالی که آموزش ماشینی ابزاری قوی است و به ما کمک می‌کند تا معنی بسیاری از داده‌هایی که ساخته‌ایم را بفهمیم، به طور مستقل فکر نمی‌کند. الگوریتم توسط برنامه نویسان طراحی می‌شود و آن‌ها قوانینی را که آموزش ماشینی باید اجرا کند اعمال می‌کنند. این اقدام توسعه دهندگان عواقبی نیز دارد. 
یکی از اولین عواقب آموزش ماشینی برمی‌گردد به یکی از مهندسین گوگل. در سال 2015 او متوجه شد که الگوریتم تشخیص صورت شرکت او و دوستان سیاه‌پوستش را با برچسب گوریل نشان می‌دهد. گوگل خیلی سریع عذرخواهی کرده و مشکل را رفع کرد. البته راه حل گوگل برای حل مشکل این بود که گوریل را به طور کامل از آموزش داده حذف کند. 
از طرف دیگر آموزش عمیق ما را قدمی به هوش مصنوعی عمومی نزدیک‌تر می‌کند. با تلاش برای کپی کردن ذهن انسان از طریق دسته‌های چند لایه گره، ساختارهای آموزش عمیق نیاز به آموزش‌های اولیه ندارند. بلکه آن‌ها براساس اطلاعات و منطق سیستم تصمیم می‌گیرند. 
شاید تصور این که تصمیم شبکه از اول برای ما شفاف نیست کمی ناخوشایند باشد اما به این معنی است که توانسته هوش انسان را کپی کند. برای مثال ما حتی خودمان هم نمی‌دانیم فکرها و تصمیم‌هایمان دقیقاً از کجا می‌آیند. 

هوش مصنوعی برای همه

در نهایت نیازی به مقایسه هوش مصنوعی، آموزش ماشینی و آموزش عمیق نیست چرا که هرکدام هدفی خاص را دنبال می‌کنند. هوش مصنوعی بیانگر مفهوم هوشی شبیه به هوش انسانی در ماشین است درحالی که آموزش ماشینی و آموزش عمیق تلاشی برای رسیدن به هوش مصنوعی عمومی هستند. 
دنیای هوش مصنوعی به شدت انتزاعی است. گوگل با استفاده از هوش مصنوعی داده‌های بسیار زیاد خود را مدیریت می‎کند و آن را به همه محصولاتش اضافه کرده است. جیمیل جدیداً به صورت هوشمند پاسخ می‌دهد. دستیار دوپلکس این شرکت حتی می‌تواند به جای شما به تلفن پاسخ دهد. اما گوگل تنها شرکتی نیست که از هوش مصنوعی بهره می‌برد بلکه تعداد این شرکت‌ها هرروز رو به افزایش است. 

ما را در شبکه‌های اجتماعی مختلف تلگرام، روبیکا، توییتر، اینستاگرام، سروش همراهی کنید.