
اینفوگرافی: ۱۰ سال هوش مصنوعی و یادگیری ماشین
این تغییرات تأثیر فزایندهای بر همه جنبههای زندگی ما داشتهاند؛ از ابزارهای سرگرمی و مدیریت مالی امور شخصی گرفته تا آموزش الکترونیکی، هیچ عرصهای از این تغییرات بیتأثیر نبوده است. بیایید قبل از بررسی نحوه استفاده از تغییرات اجتنابناپذیر و سریع در آینده، به نقاط عطف هوش مصنوعی و یادگیری ماشین در ده سال گذشته نگاهی بیندازیم.

دنیای هوش مصنوعی و یادگیری ماشین همیشه در حال تغییر است
سال ۲۰۱۰
اصطلاحات یادگیری ماشین و هوش مصنوعی اولین بار به ترتیب در سالهای ۱۹۵۲ و ۱۹۵۶ ظاهر شدند. با سرعت بیش از نیم قرن بعد و در سال ۲۰۱۰، محققان جورج دال و عبدالرحمان محمد ثابت کردند که یادگیری عمیق ابزارهای تشخیص گفتار میتواند راهحلهای پیشرفته صنعتی را نیز پشت سر گذارد و از آنها پیشی گیرد. در همان زمان، گوگل از پروژه اتومبیل خودران خود که اکنون ویمو Waymo نامیده میشود، رونمایی کرد. سرانجام، دیپ مایند، پیشگام در زمینههای هوش مصنوعی و یادگیری عمیق، در سپتامبر ۲۰۱۰ تأسیس شد.
سال ۲۰۱۱
در سال ۲۰۱۱، هوش مصنوعی سلطه ذهنی بشریت را به خطر انداخت و هوش مصنوعی واتسون Watson، سیستم پرسش و پاسخ IBM را شکست داد! قهرمانان این میدان برد راتر و کن جنینگز بودند. بدون شک، دیپ بلو پدربزرگ هوش مصنوعی واتسون به این پیروزی افت
خار کرده است! دیپ بلو درواقع همان رایانهای بود که گری کاسپاروف، استاد بزرگ شطرنج روسیه را در سال ۱۹۹۷ شکست داد.
در حالی که ماشینهای IBM کم کم خرد انسانی خود را نشان میدادند، اپل، دستیار مجازی خود با نام سیری را در همین سال (۲۰۱۱) معرفی کرد. سیری از فناوریهای تشخیص گفتار و یک رابط کاربری با زبان طبیعی و شبکههای عصبی کانولوشن استفاده میکند. این فناوری به کاربران انواع خدمات موردنیاز آنها را ارائه میدهد: جستجوی اینترنتی، ثبت سفارشها، پاسخگویی به سوالات وغیره.
سال ۲۰۱۲
همه میدانند که اینترنت و گربهها رابطه عمیق و پایداری دارند. بنابراین تعجبآور نبود که این همکاری سرگرمکننده در سال ۲۰۱۲ یک نقطه عطف مهم را تجربه کرد. تیم مغز گوگل، به رهبری جف دین و اندرو نگ، یک شبکه عصبی ایجاد کردند که با مشاهده تصاویر بدون برچسب از فریمهای ویدیویی، گربهها را در یوتیوب شناسایی میکرد.
سال ۲۰۱۲ همچنین سالی بود که Oculus VR ادغام شد و از شرکت کیک استارتر برای تهیه اولین هدست واقعیت مجازی Oculus Rift استفاده شد. این فناوری چنان هیجانانگیز بود که فیسبوک تنها دو سال بعد، این شرکت را به مجموعه خود اضافه کرد. Oculus Rift در بسیاری از برنامههای کاربردی فراتر از بازی VR مورد استفاده قرار میگیرد: از جمله تصویرسازی و طراحی صنعتی، آموزش و رسانه.
سال ۲۰۱۳
در سال ۲۰۱۳، بوستون داینامیکس Boston Dynamics، سازنده ربات چهارپای بیگ داگ، هوش مصنوعی اطلس Atlas را تولید کرد. اطلس شش فوت قد و یک فرم انساننما دارد. از آن زمان تا به امروز این هوش در بسیاری جنبهها تکامل یافته است تا بتواند در داخل و خارج از خانه کار کند. او اکنون میتواند فعالیتهای مختلف انسانی مانند رانندگی با وسیله نقلیه، باز و بسته کردن درها، بالا رفتن از نردبان و اتصال و کار با شیلنگ آتشنشانی را انجام دهد. هدف اطلس انجام عملیات جستجو و نجات در محیطهای بیش از حد خطرناک برای انسان است.
گوگل همچنین در سال ۲۰۱۳، نسخه آزمایشی بتای عینک گوگل را ارائه داد. گوگل گلس یک نمایشگر است که روی عینک نصب میشود و از برنامههای واقعیت افزوده و هوش مصنوعی از جمله تشخیص چهره و ترجمه متن پشتیبانی میکند. با گذشت زمان، عینک گوگل از یک محصول مصرفی به یک ابزار صنعتی تبدیل شده است، در حالی که برخی از برنامههای واقعیت افزوده به عنوان گوگل لنز در تلفنهای اندرویدی ادغام شدهاند.
سال ۲۰۱۴
وقتی گوگل در سال ۲۰۱۴ دیپ مایند را با مبلغ هنگفت ۵۰۰ میلیون دلار خریداری کرد، دوباره همه توجهها را به خود جلب کرد. در همین حال، محققان فیسبوک از فناوری جدید دیپ فیس DeepFace رونمایی کردند: یک سیستم شبکه عصبی که چهرهها را با دقت بیش از ۹۷ درصد شناسایی میکند!
ماشینها در مقابل ماشینها
سرانجام، در سال ۲۰۱۴ شاهد ابداع شبکه های مولد تخاصمی Generative Adversarial Networks (GAN)، یک سیستم یادگیری ماشین بودیم که در آن دو شبکه عصبی برای یافتن راهحلهای بهتر برای مشکلات با یکدیگر رقابت میکنند. این مسابقه در نهایت به تولید محتوای جدید و هوشمند انجامید.
سال ۲۰۱۵
در سال ۲۰۱۵، هوش مصنوعی به تسلط خود در بازیها ادامه داد و آلفاگو AlphaGo، با پشتیبانی از دیپ مایند، برای اولین بار یک استاد حرفهای این بازی را شکست داد. در همین سال، گوگل نیز خودروی بدون راننده خود را که مجهز به مدل ویمو است به نمایش گذاشت.
سال ۲۰۱۶
در سال ۲۰۱۶، لی سدول، بزرگترین بازیکن بازی Go در جهان، به آلفاگو باخت. همچنین، در آن سال، برنامه فیستوفیس Face2Face کاربران را قادر به ایجاد ویدئوهای دیپ فیک (جعل عمیق) کرد. فناوری دیپ فیک Deepfake یا جعل عمیق، ترکیبی از اصطلاحات «یادگیری عمیق» و «جعلی» است که از تکنیکهای هوش مصنوعی و یادگیری ماشین برای ایجاد یا دستکاری فیلمهای صوتی و تصویری استفاده میکند. از آنجا که این فناوری قابلیت دستکاری ویدئوها را در دسترس عموم قرار داده است و میتواند محتوای تقلبی یا افتراآمیز تولید کند، پیشرفت در این حوزه بحثهای زیادی را در محافل علمی و اخلاقی ایجاد کرده است.
در سال ۲۰۱۶ همچنین شاهد تولد «دستیار گوگل» بودیم؛ یک دستیار مجازی مجهز به هوش مصنوعی که با استفاده از الگوریتم پردازش زبان طبیعی گوگل، بهصورت دوطرفه مکالمه میکند. گوگل میتواند جستجوهای اینترنتی، برنامهریزی رویدادها، تنظیم زنگ هشدار، تغییر تنظیمات سختافزاری در دستگاه کاربر و نمایش هرگونه اطلاعات موجود در حساب گوگل کاربر را به عهده گیرد.
سال ۲۰۱۸
در سال ۲۰۱۸، هوش مصنوعی با استفاده از شبکههای مولد تخاصمی موفق به آفرینش تابلوی نقاشی با سبکی منحصربهفرد شد. این تابلو در حراجی کریستی به بهای بیش از ۴۰۰۰۰۰ دلار فروخته شد و بار دیگر فناوری شبکههای مولد تخاصمی خبرساز شد. آنچه بدیهی است اینکه یک مجموعه هنری از پاریس و هنرمندان و محققان هوش مصنوعی، این اثر هنری را با استفاده از یک الگوریتم دو بخشی ایجاد کرده انداین الگوریتم دو بخشی میتواند دادههای تصویری ۱۵۰۰۰ پرتره از قرن ۱۴ تا ۲۰ را تجزیه و تحلیل کند.
تقلید از انسان، پیشرفت در پزشکی و هدایت کشتی Mayflower
نسخه جدید دستیارگوگل با انتشار افزونه Google Duplex بهبود یافت. این افزونه میتواند گفتگوهای واقعگرایانه و طبیعی را با تقلید از صدای انسان، بدون لرزش صدا و هر نوع گرفتگی و با لحن واقعی انجام دهد. کاربران در حال حاضر میتوانند از دستیار گوگل برای رزرو سفارش در رستوران استفاده کنند و برنامههایی برای گسترش قابلیتهای آن برای رزرو مرتب سایر قرارها و احتمالاً به عنوان مترجم در نظر گرفته شده است. به robocalling فکر کنید، بسیار هوشمندانه است و گاهی اوقات هم از صدای انسان قابل تمییز نیست.
سال ۲۰۱۹
سال ۲۰۱۹ نوبت به حوزه پزشکی بود که از پیشرفتهای سریع هوش مصنوعی بهرهمند گردد. در این سال، گوگل از فناوری تشخیص سرطان ریه که توسط هوش مصنوعی ارائه شده بود، رونمایی کرد. این سیستم با استفاده از یادگیری عمیق و با استفاده از الگوریتمی که اسکن توموگرافی رایانهای (CT) را تجزیه و تحلیل میکند، دقت بالاتری نسبت به آنچه رادیولوژیستهای انسانی میتوانند ارائه دهند، دارد. این پیشرفت یک دستاورد بالقوه برای متخصصان آنکولوژی است و به آنها ابزار بهتری برای تشخیص و درمان سرطان میدهد.
این پیشرفتها در نهایت ما را به نقطهای که امروز در آنیم میرساند. در این مرحله، هوش مصنوعی و یادگیری ماشین چشمانداز خود را رو به آینده گشودهاند. پروژه میفلاور (Mayflower Project) قصد دارد یک کشتی بدون سرنشین را که توسط هوش مصنوعی کنترل میشود، از مسیرانوس اطلس و همزمان با چهارصدمین سالگرد سفر کشتی میفلاور از اروپا به آمریکای شمالی بفرستد.
سیستمهای هوش مصنوعی و سیستمهای محاسباتی لبهای Edge Computing Systems، به عنوان دو نیروی قدرتمند، هدایت کشتی خودران میفلاور در آن سوی اقیانوس اطلس را بر عهده خواهند داشت. انجام این پروژه در مقایسه با برنامهریزی یک ماشین خودران برای پیمایش در خیابانهای مرکز شهر منهتن در ساعات شلوغی، به نظر آسانتر میرسد. با این حال، دریا نیز مجموعه متغیرهای غیرقابلپیشبینی خود را دارد که بدون شک عملکرد هوش مصنوعی و یادگیری ماشین را به بوته آزمایش میگذارد. این سفر برای پاییز سال ۲۰۲۰ برنامهریزی شده است.
افزایش قابل توجه سوالات اخلاقی و انسانی
در سال ۲۰۲۰، هوش مصنوعی و یادگیری ماشین در خط مقدم مبارزه با بیماری همهگیر COVID-19 ایستادند. محققان از ابزارهای هوش مصنوعی و یادگیری ماشین برای پیشبینی شیوع ویروس، انجام آزمایش داروی مجازی برای یافتن درمانهای بالقوه در بین داروهای موجود و طراحی واکسنهای بالقوه استفاده میکنند. پیشرفتهای رباتیک حتی در استفاده از رباتهای ارتباط اجتماعی برای کمک به ساکنان خانههای سالمندان و تماس با عزیزانشان در طول قرنطینه نقش دارند.
بر همگان روشن است که پیشرفتهای فناوری تمایل به پیشیگرفتن از هنجارهای اجتماعی دارند. در این میان، هرچه حساسیت موضوع بیشتر میشود، چالشهای اخلاقی نیز بیش از پیش مطرح میشوند. برای اطمینان از وجود اخلاق و اقدامات اخلاقی باید قوانین جدیدی در زمینه تعامل انسان و هوش مصنوعی ایجاد شود.
در مرحله ابتدایی، کارشناسان انسانی و متخصصان درباره ازدستدادن شغل خود به خاطر رباتها ابراز نگرانی کردهاند. مدافعان حریم خصوصی همچنین از نحوه دستیابی دستیاران مجازی و رباتهای چت با صدای طبیعی و جمعآوری اطلاعات شخصی نگراناند.
استفاده از هوش مصنوعی و یادگیری ماشین برای تنظیم نیروها و دفاع در برابر سوءاستفاده از فناوریهای مشابه، مرحله بعدی پیشرفت هوش مصنوعی و یادگیری ماشین در سالهای آینده خواهد بود.