هوش مصنوعی چیست؟ راهنمای ساده با مثال‌های روزمره
هوش مصنوعی فقط یک ربات گفتوگو نیست. در این راهنما، مفهوم آن را با مثال‌های آشنا می‌شناسید، تفاوت اصطلاحات رایج را می‌فهمید و اولین کاربرد مفیدتان را امتحان می‌کنید.
هوش مصنوعی چیست؟ هوش مصنوعی یا AI مجموعه‌ای از روش‌ها و سامانه‌های رایانه‌ای است که کارهایی مانند تشخیص الگو، فهم زبان، پیش‌بینی و تولید محتوا را انجام می‌دهند؛ کارهایی که معمولاً به توانایی‌های هوشمندانه انسان نسبت می‌دهیم. پیشنهاد فیلم، تبدیل صدا به متن و پاسخ‌دادن یک دستیار به پرسش شما، نمونه‌هایی از کاربرد آن هستند.
برای استفاده از این فناوری لازم نیست برنامه‌نویس باشید یا فرمول‌های پیچیده بدانید. کافی است بفهمید ابزار چه کاری انجام می‌دهد، چه اطلاعاتی لازم دارد و کجا باید خروجی آن را بررسی کنید. در این راهنما از همین نقطه شروع می‌کنیم.
هوش مصنوعی چیست و چه تفاوتی با برنامه معمولی دارد؟
فرض کنید می‌خواهید پیامهای تبلیغاتی را از پیامهای کاری جدا کنید. در یک برنامه ساده می‌توانید قانونی بنویسید: اگر پیام عبارت مشخصی داشت، آن را تبلیغاتی حساب کن. اما وقتی فرستنده عبارت را تغییر دهد، قانون شما ممکن است دیگر جواب ندهد.
در رویکرد یادگیری از داده، نمونه‌هایی از پیام‌ها و دسته درست آن‌ها به سامانه داده می‌شود تا الگوهای مفید را پیدا کند. سپس سامانه درباره پیام تازه تخمین می‌زند. این تفاوت کمک میکند با حالت‌های متنوع‌تری روبه‌رو شود، هرچند نتیجه همچنان میتواند اشتباه باشد.
البته همه روش‌های هوش مصنوعی از داده یاد نمی‌گیرند؛ بعضی بر قواعد و جست‌وجوی راه‌حل تکیه دارند. همچنین هر برنامه خودکار، هوش مصنوعی نیست: روشن‌شدن چراغ در یک ساعت ثابت، به‌تنهایی نشانه هوشمندی نیست. تعریف و مرزهای این حوزه را می‌توانید در توضیح مقدماتی IBM درباره هوش مصنوعی هم ببینید.
دو اصطلاح دیگر را هم از ابتدا جدا کنیم: «مدل» بخشی است که بر اساس آموزش خود ورودی را پردازش میکند؛ «ابزار» یا «برنامه» محیطی است که امکان استفاده از آن مدل را فراهم میکند. یک برنامه ممکن است چند مدل، جست‌وجوی وب و امکانات ذخیره‌سازی را کنار هم داشته باشد.
تاریخچه هوش مصنوعی در چند ایستگاه
هوش مصنوعی با چت‌بات‌های امروزی شروع نشده است. روایت رسمی دانشگاه دارتموث توضیح می‌دهد که گردهمایی پژوهشگران در تابستان ۱۹۵۶ نقطه مهمی در شکل‌گیری این رشته بود؛ پیشنهاد این پروژه با عنوان «هوش مصنوعی» در سال ۱۹۵۵ نوشته شده بود.
در دوره‌های نخست، توجه زیادی به حل مسئله با قواعد، منطق و جست‌وجو وجود داشت. ایده ساده بود: اگر بتوانیم دانش و قواعد تصمیم‌گیری را به رایانه بدهیم، شاید بتواند بخشی از کار متخصص را انجام دهد. مشکل این بود که نوشتن قواعد برای همه موقعیت‌های واقعی دشوار است.
با گسترش داده‌های دیجیتال و توان پردازش، یادگیری از نمونه‌ها نقش بیشتری پیدا کرد. سپس شبکه‌های عصبی عمیق در پردازش تصویر، صدا و زبان کاربرد گسترده‌تری یافتند. در ادامه، ابزارهای مولد امکان ساخت متن و تصویر را برای کاربران عادی ملموس‌تر کردند.
این مسیر، یک پیشرفت پیوسته و بی‌وقفه نبوده است؛ دوره‌های امید زیاد و محدودیت‌های فنی داشته‌ایم. دانستن همین تاریخچه کوتاه کافی است تا هر قابلیت تازه را با انتظار واقع‌بینانه بررسی کنیم.
انواع هوش مصنوعی: محدود و عمومی
وقتی می‌پرسیم انواع هوش مصنوعی چیست، باید مشخص کنیم درباره گستره توانایی حرف می‌زنیم یا شیوه ساخت و کاربرد. «محدود و عمومی» به گستره توانایی اشاره دارد؛ «یادگیری ماشین و یادگیری عمیق» به روش‌های فنی مربوط است.
هوش مصنوعی محدود یا تخصصی
هوش مصنوعی محدود برای مجموعه مشخصی از وظایف ساخته یا آموزش داده می‌شود. مثلاً سامانه‌ای که چهره را در عکس پیدا میکند، لزوماً نمی‌تواند یک قرارداد را تحلیل کند. خوب‌بودن در یک آزمون نیز تضمین نمی‌کند که همان سامانه در یک محیط تازه عملکرد قابل‌اعتمادی داشته باشد.
واژه «محدود» به معنی ضعیف یا بی‌فایده نیست. یک ابزار تخصصی میتواند در کار خودش بسیار توانمند باشد. حتی دستیارهایی که درباره موضوعات گوناگون صحبت می‌کنند، ممکن است در محاسبه، تشخیص واقعیت یا پیگیری یک کار طولانی خطا کنند.
هوش مصنوعی عمومی یا AGI
منظور از هوش مصنوعی عمومی، توانایی گسترده برای انجام و یادگیری کارهای شناختی در حوزه‌های مختلف است. برای نمونه، چارچوب پژوهشی Google DeepMind درباره سطوح AGI هم گستره توانایی و هم سطح عملکرد را در نظر میگیرد.
معیارها و تعبیرهای AGI یکسان نیستند. هنگام خواندن ادعاهای این حوزه در مهر و آبان ۱۴۰۵، باید بپرسیم «عمومی» با چه تعریف و چه آزمونی سنجیده شده است. پاسخ‌دادن روان به چند پرسش یا ساختن یک تصویر زیبا، به‌تنهایی اثبات چنین توانایی گسترده‌ای نیست.
یادگیری ماشین، یادگیری عمیق و هوش مولد چه فرقی دارند؟
این اصطلاحات رقیب یکدیگر نیستند. یک سامانه میتواند هم از یادگیری ماشین استفاده کند، هم مبتنی بر یادگیری عمیق باشد و هم خروجی مولد داشته باشد.
| اصطلاح | به زبان ساده | مثال قابل‌تصور |
|---|---|---|
| هوش مصنوعی | عنوان کلی روش‌های انجام وظایف هوشمندانه با رایانه | پیدا کردن مسیر یا تشخیص گفتار |
| یادگیری ماشین | پیدا کردن الگو از داده برای کار روی نمونه‌های تازه | تخمین تقاضای فروش از سابقه فروش |
| یادگیری عمیق | شاخه‌ای از یادگیری ماشین با شبکه‌های عصبی چندلایه | تشخیص اشیا در تصویر |
| هوش مصنوعی مولد | سامانه‌هایی که محتوای تازه تولید می‌کنند | ساخت پیش‌نویس متن یا تصویر |
یادگیری ماشین: یادگرفتن از نمونه‌ها
یک فروشگاه را تصور کنید که می‌خواهد تعداد سفارش هفته بعد را تخمین بزند. مدل میتواند رابطه‌هایی میان فروش قبلی، روز هفته و داده‌های مرتبط پیدا کند. کیفیت تخمین به داده‌ها و شباهت شرایط آینده به گذشته وابسته است؛ یک اتفاق غیرمنتظره ممکن است الگو را تغییر دهد.
یادگیری عمیق: پردازش در لایه‌های متعدد
شبکه عصبی مصنوعی از مغز الهام گرفته، اما نسخه دیجیتال مغز انسان نیست. لایه‌های متعدد، الگوهای ساده‌تر را به نمایش‌های پیچیده‌تر تبدیل می‌کنند. در یک مثال تصویری، این فرایند میتواند به تشخیص شکل‌ها و در نهایت یک شیء کمک کند، بدون اینکه کسی تک‌تک ویژگی‌ها را دستی تعریف کند.
هوش مصنوعی مولد: تولید محتوای تازه
وقتی از ابزار می‌خواهید یک پیام رسمی بنویسد، هدف فقط انتخاب یک برچسب نیست؛ ابزار باید متن بسازد. همین ویژگی، مولدبودن را توضیح می‌دهد. تولید متن تازه نیز به معنی درست‌بودن همه جمله‌ها یا اصالت تضمین‌شده خروجی نیست.
مدلهای زبانی بزرگ یا LLM یکی از پایه‌های دستیارهای متنی هستند. اگر می‌خواهید این بخش را دقیق‌تر بشناسید، مقاله مدل زبانی بزرگ چیست؟ ادامه مناسب این بحث است. یادگیری اصطلاحات بیشتر را می‌توانید به زمانی موکول کنید که برای کارتان لازم شوند.
مثال‌های هوش مصنوعی در زندگی روزمره
برای شناخت کاربردها، از کارهایی شروع کنید که نتیجه آن‌ها را می‌توانید ارزیابی کنید. این چند موقعیت نشان می‌دهند کمک هوش مصنوعی چه شکلی میتواند داشته باشد:
- مطالعه: یک مبحث دشوار را با مثال ساده توضیح دهد و بعد از شما سؤال بپرسد. پاسخ کتاب یا منبع درس همچنان معیار بررسی است.
- نوشتن: پیام پراکنده شما را به یک نامه منظم تبدیل کند، بدون اینکه لازم باشد از صفحه سفید شروع کنید.
- کسب‌وکار کوچک: از مشخصات واقعی محصول، پیش‌نویس توضیح فروشگاهی بسازد. جنس، اندازه و ادعاهای محصول باید کنترل شوند.
- کار با صدا: گفتار ضبط‌شده را به متن تبدیل کند. نام افراد، اصطلاحات و بخش‌های پرسر‌وصدا نیاز به بازبینی دارند.
- کارهای روزانه در برنامه‌ها: پیشنهاد محتوا، دسته‌بندی عکس‌ها یا تشخیص پیام ناخواسته میتواند از مدلهای هوش مصنوعی کمک بگیرد؛ روش هر برنامه متفاوت است.
مثلاً یک تولیدکننده محتوا میتواند از یک یادداشت خام، سه زاویه برای یک پست بگیرد. ارزش خروجی وقتی بیشتر می‌شود که خودش تجربه واقعی، مخاطب و اطلاعات دقیق را به متن اضافه کند. برای دانشجو هم ساخت سؤال تمرینی معمولاً آموزنده‌تر از گرفتن پاسخ آماده تکلیف است.
چطور از امروز استفاده از هوش مصنوعی را شروع کنیم؟
برای تجربه اول، دنبال پیچیده‌ترین مدل نگردید. یک کار ده‌دقیقه‌ای انتخاب کنید که نتیجه خوب و بد آن برایتان روشن باشد؛ مثلاً مرتب‌کردن یک پیام، ساخت فهرست کارها یا توضیح یک مفهوم درسی.
۱. هدف و معیار موفقیت را مشخص کنید
به‌جای «در کارم کمک کن»، بگویید «این پیام را برای مشتری کوتاه و محترمانه کن». قبل از ارسال، مشخص کنید خروجی باید چه ویژگی‌هایی داشته باشد: طول، لحن، مخاطب و اطلاعاتی که نباید حذف شوند.
۲. یک محیط مناسب باز کنید
وان ای آی (1ai) یک فضای فارسی برای استفاده از مدلهای مختلف، تولید تصویر، تبدیل متن به گفتار و ابزارهای آماده است. ورود با شماره همراه و کد پیامکی انجام می‌شود و برای استفاده از آن به حساب خارجی، کارت خارجی یا VPN نیاز ندارید. مراحل ورود و آشنایی با محیط در راهنمای شروع کار با 1ai آمده است.
طبق اطلاعات این راهنما در مهر/آبان ۱۴۰۵، هر حساب روزانه مقداری اعتبار رایگان برای مدلهای مشمول استفاده رایگان دریافت میکند. این را معادل تعداد ثابتی پیام ندانید. پرداخت تومانی از درگاه ایرانی و «اعتبار یکپارچه» نیز برای استفاده از خدمات در دسترس است.
۳. درخواست روشن همراه با متن نمونه بنویسید
لازم نیست دستور طولانی باشد. این نمونه را با یک متن غیرمحرمانه امتحان کنید؛ همین کار را می‌توانید با ابزار ویرایشگر فارسی هم انجام دهید:
این پیام را برای یک مشتری بازنویسی کن.
لحن: محترمانه و صمیمی؛ حداکثر ۶۰ کلمه.
اطلاعات تازه اضافه نکن و زمان تحویل را تغییر نده.
دو نسخه پیشنهاد بده: یکی رسمی‌تر و یکی کوتاه‌تر.
پیام: سلام، سفارش شما آماده شده و پنجشنبه ارسال می‌شود.
لطفاً تا چهارشنبه آدرس نهایی را تأیید کنید.برای یادگیری هم می‌توانید از چنین درخواستی شروع کنید:
مفهوم «احتمال» را برای یک دانش‌آموز مبتدی توضیح بده.
از مثال پرتاب سکه استفاده کن و متن را کوتاه نگه دار.
سپس سه سؤال تمرینی بپرس، اما فعلاً جواب‌ها را ننویس.
بعد از پاسخ من، اشتباه‌هایم را مرحله‌به‌مرحله توضیح بده.۴. پاسخ را اصلاح و دوباره بررسی کنید
گفتوگو با اولین پاسخ تمام نمی‌شود. می‌توانید بگویید «نسخه دوم مناسب است؛ جمله آخر را روشن‌تر کن» یا «مثال ساده‌تری بزن». اگر ابزار منظور شما را اشتباه فهمید، یک نمونه از خروجی مطلوب بدهید. راهنمای نوشتن پرامپت برای تمرین بیشتر مفید است.
در پایان، خروجی را با خواسته اولیه مقایسه کنید: آیا زمان تحویل عوض شده؟ شرطی حذف شده؟ اطلاعاتی از خودش اضافه کرده؟ این بررسی کوتاه، بخش مهم استفاده از ابزار است.
چه زمانی باید به پاسخ شک کنیم؟
شناخت محدودیت‌ها، بخش دیگر پاسخ به پرسش هوش مصنوعی چیست است. یک دستیار ممکن است متنی روان بنویسد و هم‌زمان نام منبع، عدد یا توضیحی نادرست ارائه کند. لحن مطمئن، معیار درستی نیست.
برای اطلاعات زمان‌دار مثل قیمت، مقررات یا امکانات یک سرویس، تاریخ و منبع اصلی را بررسی کنید. اگر ابزار جست‌وجوی وب دارد، لینک‌ها را باز کنید و ببینید واقعاً ادعا را تأیید می‌کنند یا نه. درخواست «منبع بده» بدون بررسی منبع کافی نیست.
اطلاعات حساس مانند رمز، کد ورود و اسناد شخصی دیگران را در درخواست قرار ندهید. برای تمرین، نام‌ها و اعداد را با نمونه ساختگی عوض کنید. پیش از کار با فایل‌های واقعی، راهنمای حریم خصوصی و امنیت داده را بخوانید.
در تصمیم‌های مهم، خروجی را پیش‌نویس یا کمک فکری بدانید. همچنین اگر پاسخ درباره یک فرد یا گروه قضاوت میکند، احتمال پیش‌داوری را بررسی کنید. مسئولیت انتشار، ارسال یا اجرای نتیجه همچنان با شماست.
سوالات متداول
آیا برای استفاده از هوش مصنوعی باید برنامه‌نویسی بلد باشم؟
خیر؛ برای کار با دستیارهای متنی و ابزارهای آماده معمولاً نوشتن درخواست کافی است. مهارت اصلی در شروع، توضیح دقیق مسئله و بررسی نتیجه است.
آیا هوش مصنوعی همان ربات است؟
خیر؛ هوش مصنوعی میتواند کاملاً نرمافزاری باشد. ربات یک دستگاه فیزیکی است که ممکن است برای بعضی وظایف از هوش مصنوعی استفاده کند.
تفاوت هوش مصنوعی مولد و عمومی چیست؟
«مولد» به تولید محتوا اشاره دارد؛ «عمومی» درباره گستره توانایی یادگیری و انجام وظایف مختلف است. ساخت متن یا تصویر، به‌تنهایی نشان نمی‌دهد یک سامانه هوش عمومی دارد.
آیا هوش مصنوعی همیشه از گفتوگوی من یاد میگیرد؟
خیر؛ استفاده از پیامهای قبلی در همان گفتوگو با آموزش دوباره مدل تفاوت دارد. نحوه نگهداری و استفاده از داده به سیاست و تنظیمات هر سرویس بستگی دارد.
آیا میتوانم رایگان شروع کنم؟
در 1ai هر حساب روزانه مقداری اعتبار رایگان برای مدلهای مشمول دریافت میکند. یک کار کوچک و قابلبررسی انتخاب کنید تا پیش از استفاده گستردهتر، فایده ابزار را برای خودتان بسنجید.
حالا یک پیام غیرمحرمانه یا مفهوم درسی انتخاب کنید و نتیجه را خودتان ارزیابی کنید. برای اولین تجربه می‌توانید رایگان وارد 1ai شوید و یکی از تمرین‌های این راهنما را انجام دهید.
