فصل ۲: دسته‌بندی هوش مصنوعی و آشنایی با مفاهیم کلیدی (به زبان ساده)
مقدمه
در فصل قبل، یک نگاه کلی به هوش مصنوعی و کاربردهای جذاب آن داشتیم. حالا وقتش رسیده تا کمی عمیق‌تر شویم و بفهمیم هوش مصنوعی دقیقاً چه انواعی دارد و چه مفاهیمی زیرمجموعه آن قرار می‌گیرند. نگران نباشید! هنوز نیازی به دانستن برنامه‌نویسی یا ریاضیات نیست؛ فقط با زبان ساده جلو می‌رویم.
دسته‌بندی‌های اصلی هوش مصنوعی
کارشناسان برای درک بهتر هوش مصنوعی، آن را از دو زاویه دسته‌بندی می‌کنند:
۱. دسته‌بندی بر اساس سطح هوشمندی:
- هوش مصنوعی محدود (ضعیف | Narrow AI):
- هوش مصنوعی‌ای که فقط یک وظیفه خاص انجام می‌دهد.
- مثال: تشخیص اسپم در ایمیل، جستجوی صوتی، پیشنهاد ویدیو در یوتیوب.
- هوش مصنوعی عمومی (General AI):
- سیستمی که می‌تواند کارهای مختلف انسانی را مثل خود ما انجام دهد (در حد پژوهش و آینده‌نگری).
- تا امروز عمدتاً در فیلم‌ها و داستان‌ها دیده‌ایم.
- هوش مصنوعی فوق‌العاده (Super AI):
- سیستمی حتی پیشرفته‌تر از ذهن انسان که می‌تواند خلاق، مستقل و فراتر از انسان‌ها باشد (فعلاً تخیلی).
۲. دسته‌بندی بر اساس شیوه یادگیری:
در دل هوش مصنوعی، چند مفهوم مهم وجود دارد که باید به شکل کاربردی و ساده با آنها آشنا شوید:
الف) یادگیری ماشین (Machine Learning یا ML):
- تعریف: سیستم‌هایی که بدون برنامه‌ریزی دقیق، از طریق نمونه‌ها و تجربه‌ها آموزش می‌بینند.
- مثال: وقتی فیسبوک به‌مرور می‌فهمد کدام نوع پست‌ها را بیشتر دوست دارید و آنها را به شما نمایش می‌دهد.
ب) یادگیری عمیق (Deep Learning):
- یک شاخه تخصصی‌تر از یادگیری ماشین که با تقلید از مغز انسان (شبکه‌های عصبی مصنوعی)، اطلاعات پیچیده را یاد می‌گیرد.
- مثال: در تشخیص چهره داخل عکس یا خلق تصاویر جدید توسط هوش مصنوعی استفاده می‌شود.
ج) پردازش زبان طبیعی (Natural Language Processing یا NLP):
- هوش مصنوعی‌ای که متن یا گفتار انسانی را متوجه می‌شود و پاسخ می‌دهد.
- مثال: چت‌بات‌ها و مترجم‌های خودکار مثل گوگل ترنسلیت.
د) بینایی ماشین (Computer Vision):
- هوش مصنوعی‌ای که به کامپیوتر کمک می‌کند تصاویر و ویدیوها را ببیند و تفسیر کند.
- مثال: باز کردن قفل گوشی با صورت، یا خودرویی که تابلوهای راهنمایی را می‌خواند.
کاربرد مفاهیم در زندگی روزمره (مثال با زبان کاملاً ساده)
- Machine Learning: بانک‌ها با این روش تراکنش‌های مشکوک را تشخیص می‌دهند (ضدفیشینگ).
- Deep Learning: ساخت تصاویر جعلی اما واقعی (“دیپ‌فیک”) یا خودروهای بدون راننده.
- NLP: تبدیل گفتار به متن (Voice to Text)، چت‌بات پاسخگو، تحلیل احساسات کامنت‌ها.
- Computer Vision: تشخیص بیماری از عکس پزشکی، شناسایی پلاک خودرو.
نکته مهم برای کاربران غیر برنامه‌نویس
به هیچ عنوان برای استفاده از اکثر ابزارهای AI نیاز به کدنویسی ندارید! امروزه سایت‌ها و اپلیکیشن‌هایی وجود دارد که با یک کلیک، می‌توانید عکس، متن، ویدیو یا حتی صدای شما را تحلیل و تبدیل کنند؛ کافی است با اصطلاحات و شیوه استفاده آشنا باشید.
جمع‌بندی
در این فصل، با دسته‌بندی‌های هوش مصنوعی و مفاهیم فرعی و کلیدی آن آشنا شدید. یاد گرفتیم که یادگیری ماشین، یادگیری عمیق، پردازش زبان و بینایی ماشین، هر یک چه نقشی دارند و این فناوری‌ها چه تأثیری بر زندگی ما می‌گذارند.
