هوش مصنوعی چیست؟

به گزارش اقتصادآنلاین به نقل از شرق، تعاریف مختلفی از هوش ‌مصنوعی ارائه شده است. راسل و نورویگ در یکی از تعاریف ساده و روان آورده‌اند که «واژه هوش‌ مصنوعی اغلب برای توصیف یک ماشین یا رایانه که به تقلید فرایندهای شناختی و هوشمندانه انسان‌ها می‌پردازد، تعلق می‌گیرد. یادگیری و حل مسئله نمونه‌ای از این فرایندهای شناختی هستند». البته هرکدام از این تعاریف از جنبه خاصی به هوش‌ مصنوعی می‌نگرند و هرکدام تا اندازه‌ای درست بوده و می‌توانند دارای نقطه‌ضعف‌هایی نیز ‌باشند؛ به‌عنوان‌مثال در تعریف فوق تنها اشاره شده که هوش ‌مصنوعی به تقلید فرایندهای شناختی انسان‌ها می‌پردازد که این‌طور نیست، بلکه هوش ‌مصنوعی به دنبال بهره‌گیری از هر رفتار هوشمندانه‌ای است که در جهان ‌آفرینش وجود دارد، ازهمین‌رو یکی از زیرمجموعه‌های علم هوش‌ مصنوعی، الگوریتم‌های الهام‌ گرفته‌شده از طبیعت (Bio-Inspired Algorithms) است مانند: 

الگــوریـتم ژنتیک(Genetic Algorithm)، کلونی مورچگان (Ant Colonies)، ازدحام پرندگان (Bird Flocking) و رشد باکتری (Bacterial Growth).

از تعاریف و نظریات که بگذریم، مهم‌ترین جنبه هوش ‌مصنوعی برای ما این خواهد بود که این علم قرار است چه مسائلی را برای ما در دنیای واقعی حل کند یا قرار است به ما چه کمکی بکند. هوش‌ مصنوعی به‌عنوان یکی از مهم‌ترین شاخه‌های علوم رایانه، گستره وسیعی از نیازمندی‌های دنیای واقعی بشر را مورد هدف قرار داده و بر آن است تا در شئون مختلف زندگی بشر وارد شود و به او یاری رساند، به‌نحوی‌که می‌توان گفت آینده در سیطره هوش‌ مصنوعی خواهد بود! در ادامه برخی از کاربردهای هوش‌ مصنوعی در حوزه‌های مختلف معرفی می‌شود.

کاربردهای هوش ‌مصنوعی

برای روشن‌ترشدن اهمیت هوش ‌مصنوعی در زندگی روزمره انسان‌ها، ابتدا به سراغ معرفی کاربردهای این علم در زمینه‌های مختلف می‌رویم. در ادامه 20 زمینه منتخب از کاربردهای هوش ‌مصنوعی بیان می‌شود. البته به منظور اختصار تنها به سه کاربرد در هر زمینه اکتفا شده است.

1. کاربرد در بانکداری و بورس:

 شناسایی جلوگیری از کلاهبرداری‌های مالی و پول‌شویی

 (Fraud and Money-Laundering)

 پیش‌بینی شاخص بورس و ارائه پیشنهاد برای سرمایه‌گذاری

 بخش‌بندی مشتریان و ارائه خدمات سفارش‌شده به آنها

2. حمل‌ونقل:

 ارائه خودروهای هوشمند بدون راننده

 کاهش بار ترافیک با استفاده از تحلیل ترافیک و مسیریابی هوشمند

 جلوگیری کامل از هرگونه تصادف رانندگی با استفاده از تعامل هوشمند بین خودروها در بستر شبکه ویژه خودروها 

(Vehicular Ad-hoc Networks (VANETs)

3. خرده‌فروشی:

 تحلیل بسته‌های پرخرید کاربران و ارائه پیشنهادهای تخفیف سفارشی بر اساس نیازهای هر کاربر

 چینش هوشمند اقلام در فروشگاه‌ها و حتی چینش هوشمند محتویات سایت‌های فروشگاه‌های اینترنتی

 پیش‌بینی میزان فروش و انبارداری هوشمند

4. آموزش و پرورش و دانشگاه‌ها:

 برگزاری کلاس‌های هوشمند با استفاده از تعامل در محیط مجازی

 تشخیص تقلب و دزدی ادبی و علمی به صورت هوشمند

 ارزیابی و نمره‌دهی هوشمند و خودکار

5. مخابرات و ارتباطات:

 ترجمه برخط گفتار مکالمه‌کننده که باعث می‌شود همه افراد در سراسر دنیا بتوانند با یکدیگر به راحتی مکالمه کنند!

 سیستم‌های پاسخ‌گویی هوشمند به تماس‌های تلفنی و ایمیل‌ها

 تشخیص و حذف تماس‌های مزاحم تلفنی و هرزنامه‌های در صندوق ایمیل

6. بازی‌های رایانه‌ای:

 هوشمند‌سازی بازی‌های رایانه‌ای به‌نحوی‌که از رفتار کاربران یاد گرفته و در هر مرحله، الگوریتم بازی رفتار هوشمندانه‌تری از خود نشان خواهد داد.

 تعامل با محیط بازی‌های رایانه‌ای با استفاده از حرکات بدن و حتی تفکرات کاربران!

 راهنمایی و آموزش کاربران توسط مربی هوشمند مجازی

7. رسانه:

 ارائه روزنامه‌های هوشمند که به طور خودکار و هوشمند محتویات آنها آماده شده و به صورت تعاملی و بر اساس نیاز کاربران تغییر نیز می‌کنند!

 روزنامه‌نگار هوشمند مجازی!

 تحلیل هوشمند خبرها و ارائه آمار و اطلاعات تحلیلی از اخبار موجود

8. هتل‌داری:

 ارائه روبات‌های دربان و پاسخ‌گو برای راهنمایی مسافران

 اتاق‌های هوشمند! (کمک به برنامه‌ریزی سفر و آماده‌سازی اتاق به صورت هوشمند)

 مشتری‌یابی هوشمند و خودکار

9. صنایع سرگرمی:

 پیشنهاد فیلم و موزیک به کاربران بر‌اساس سلیقه آنها

 تولید موسیقی و نقاشی به صورت هوشمند و خودکار

 تولید فیلم‌های ساختگی از روی چهره و فیلم‌های کاربران!

10. صنعت:

 ارائه روبات‌های صنعتی برای ساخت همه تولیدات کارخانه‌ای اعم از خودرو، وسایل دیجیتالی و... .

 پایش هوشمند و خودکار ایمنی کارکنان در محیط‌های کارخانه‌ای

 بهینه‌سازی مصرف مواد اولیه در کارخانه‌ها و حتی کاهش مصرف انرژی به صورت هوشمند و خودکار

11. ورزش:

 تحلیل رفتار و کارایی ورزشکاران به صورت هوشمند

 کارگردانی هوشمند پخش زنده مسابقات

 داور هوشمند مجازی

12. صنعت هواپیمایی:

 خلبان هوشمند!

 پیش‌بینی هوشمند آب‌وهوا

 مسیر‌یابی هوشمند برای همه پروازها

13. فروشگاه‌های اینترنتی:

 ارائه اتاق‌های تعویض لباس مجازی!

 ارائه پیشنهادها برای خرید به کاربران به صورت هوشمند

 ارائه چت‌بات‌های هوشمند برای خرید و پشتیبانی از مشتریان

14. حوزه سلامت:

 روبات‌های جراح که با کمترین خطا و جراحت، تخصصی‌ترین جراحی‌ها را انجام می‌دهند و همچنین نانو‌ روبات‌ها برای باز‌کردن رگ‌ها و از‌بین‌بردن تومورها!

 تشخیص هوشمند بیماری‌ها و ارائه بهترین تجویز‌ها

 ارائه اعضای مصنوعی روباتیک و ابزارهای پوشیدنی پایش سلامت و جلوگیری‌کننده از حملات قلبی، صرع و... .

15. کشاورزی:

 ماشین‌ها و روبات‌های هوشمند برای برداشت محصول

 پایش سلامت محصولات و سم‌پاشی و آبیاری هوشمند

 تحلیل پیشگویانه برای کاشت بهترین محصولات برای برداشت بیشترین محصول بر‌اساس شرایط آب‌وهوا و... .

16. شبکه‌های اجتماعی:

 جست‌وجوی افراد با استفاده از تصویر و صدای آنها

 پیشنهاد هوشمند روابط دوستی و یافتن دوستان قدیمی

 ارسال اخبار و محتویات مختلف بر‌اساس علایق و رفتار کاربران

17. صنایع نظامی:

 ارائه ارتش روباتیک، شامل پهپادها، کشتی‌ها و سربازان روباتیک هوشمند!

 ارائه بازی جنگ و شبیه‌سازی و آموزش سربازان

 اتخاذ استراتژی و تصمیمات نظامی به صورت خودکار و هوشمند و تحقق فرماندهی کنترل هوشمند مجازی

18. زندگی شهروندی:

 ارائه خانه‌های هوشمند (Smart Home) برای دستوردهی به همه ابزارهای خانه اعم از وسایل سرمایشی-گرمایشی تا ابزارهای امنیتی

 ارائه شهر هوشمند برای ارائه خدمات هوشمند به شهروندان

 مدیریت انرژی مصرفی به صورت هوشمند و بهینه

19. صنعت بیمه:

 تحلیل ریسک در صنعت بیمه به صورت هوشمند

 قیمت‌گذاری سبد بیمه به صورت سفارشی برای هر کاربر

 پشتیبانی از کاربران به صورت هوشمند و خودکار

20. سیاست و دولت:

 پایش هوشمند افکار عمومی

 پیش‌بینی نتایج انتخابات و ایجاد هدفمند کمپین‌های سیاسی

 پیش‌بینی خرابی زیرساخت‌ها و پایش و نگهداری از آنها

 اهمیت سرمایه‌گذاری در حوزه هوش ‌مصنوعی:

با توجه به کاربردهای متنوع و راه‌گشای علم هوش‌ مصنوعی در زمینه‌های مختلف زندگی بشر، اهمیت و جایگاه سرمایه‌گذاری و پرداختن به این علم و بهره‌برداری از دستاوردهای آن، بیش‌ازپیش آشکار می‌شود؛ از‌این‌رو در دنیا سرمایه‌گذاری‌های فراوانی در این زمینه شده است و در آینده نیز این سرمایه‌گذاری‌ها روند فزاینده‌ای خواهد داشت؛ اما برخی از کشورها این اهمیت را بیشتر دریافته‌اند و سرمایه‌گذاری بسیار جدی‌تری در مقایسه با کشورهای دیگر در این زمینه انجام داده‌اند. دو کشور برتر در سرمایه‌گذاری در حوزه فناوری‌های هوش‌ مصنوعی به ترتیب چین و آمریکا هستند؛ به‌طوری‌که چین 48 درصد و آمریکا 38 درصد کل سرمایه‌گذاری‌های کشورهای دنیا را بر هوش مصنوعی به خود اختصاص داده‌اند. 13 درصد باقی‌مانده نیز سهم دیگر کشورها است.

درک اهمیت سرمایه‌گذاری و برنامه‌ریزی برای استفاده از فناوری‌های هوش‌ مصنوعی در جای‌جای زندگی بشر، حتی به جایی رسیده است که کشوری مانند امارات متحد عربی نیز در سال 2017 وزارت هوش ‌مصنوعی را راه‌اندازی کرده و وزیر هوش‌ مصنوعی خود را به دنیا معرفی می‌کند! به هر ترتیب، سرمایه‌گذاری در حوزه فناوری‌های هوش‌ مصنوعی، به‌قدری پراهمیت است که همه کشور‌های توسعه‌یافته، برنامه‌ریزی‌هایی بسیار جدی در این زمینه تدوین کرده‌اند. پیش‌بینی‌ها از درآمدهای بازار هوش‌ مصنوعی در آینده به‌گونه‌ای است که سرمایه‌گذاری در این زمینه را بسیار منطقی و اجتناب‌ناپذیر می‌کند.

شاخه‌های هوش‌ مصنوعی

در علم هوش‌ مصنوعی شاخه‌های (Branch) گوناگونی وجود دارد که برای حل مسائل مختلف از یک یا چند تا از این شاخه‌ها استفاده می‌شود. در کل این شاخه‌بندی چندان علمی نیست؛ اما می‌تواند برای ایجاد تصویری کلی از رویکردهای هوش‌ مصنوعی برای حل مسائل محل استفاده قرار گیرد. برخی از این شاخه‌ها عبارت‌اند از:

1. یادگیری ماشین (Machine Learning): 

یادگیری ماشین به‌عنوان یکی از شاخه‌های اصلی، وسیع و پرکاربرد هوش مصنوعی، به تنظیم و اکتشاف شیوه‌ها و الگوریتم‌هایی می‌پردازد که بر اساس آنها رایانه‌ها و سامانه‌ها، توانایی تعلم و یادگیری پیدا می‌کنند. در تعریف یادگیری ماشین آمده است که «یادگیری ماشین فرایندی است که تجربه را به دانش تبدیل می‌کند. این فرایند به سیستم این توانایی را می‌دهد که الگوها و قوانین را با سرعتی که همواره در حال افزایش است، شناسایی کند».

شما احتمالا چندین‌بار در روز از یادگیری ماشین استفاده می‌کنید، حتی بدون آنکه بدانید. هر بار که شما یک جست‌وجوی اینترنتی در گوگل یا بینگ انجام می‌دهید، یادگیری ماشینی انجام می‌شود؛ چراکه نرم‌افزار یادگیری ماشینی آنها، با استفاده از کلمات جست‌وجوی شما و سپس کلیک‌های شما روی نتایج، یاد می‌گیرد چگونه نتایج را بهتر رتبه‌بندی کند! هر بار که ایمیل خود را چک می‌کنید و فیلتر هرزنامه شما را از داشتن مجدد هزاران هرزنامه (Spam) خلاص می‌کند نیز یکی از کاربردهای یادگیری ماشین است؛ زیرا رایانه شما آموخته‌ است که هرزنامه‌ را از غیر هرزنامه تشخیص دهد. این علمی است که باعث می‌شود رایانه‌ها بدون نیاز به یک برنامه صریح، درباره یک موضوع خاص یاد بگیرند!

2. شبکه عصبی مصنوعی (Artificial Neural Networks): 

شبکه‌های عصبی مصنوعی (به اختصار شبکه عصبی) در حقیقت یک شبیه‌سازی از مغز انسان هستند که از مجموعه‌ای از نرون‌های متصل به یکدیگر برای تقلید فرایند یادگیری انسان استفاده می‌کنند! نورون کوچک‌ترین واحد پردازشگر اطلاعات است که اساس عملکرد شبکه‌های عصبی را تشکیل می‌دهد. یک شبکه عصبی مجموعه‌ای از نورون‌هاست که با قرارگرفتن در لایه‌های مختلف، معماری خاصی را بر مبنای ارتباطات بین نورون‌ها در لایه‌های مختلف تشکیل می‌دهد. نورون می‌تواند یک تابع ریاضی غیرخطی باشد، در نتیجه یک شبکه‌ عصبی که از اجتماع این نورون‌ها تشکیل می‌شود نیز می‌تواند یک سامانه کاملا پیچیده و غیرخطی باشد. در شبکه عصبی هر نورون به‌طور مستقل عمل می‌کند و رفتار کلی شبکه، برایند رفتار نورون‌های متعدد است. به عبارت دیگر، نورون‌ها در یک روند همکاری، یکدیگر را تصحیح می‌کنند.

یک شبکه عصبی مصنوعی از سه لایه ورودی، خروجی و مخفی (لایه پردازش) تشکیل می‌شود. خود لایه مخفی می‌تواند چندین لایه در درون خود داشته باشد. هر لایه شامل گروهی از سلول‌های عصبی (نورون) است که عموما با همه‌ نورون‌های لایه‌های دیگر در ارتباط هستند؛ مگر در معماری‌های خاص از شبکه‌های عصبی. برای نمونه، روش‌های یادگیری عمیق

 (Deep Learning) یکی از روش‌های پرطرفدار یادگیری است که بر اساس شبکه‌های عصبی کار می‌کند. در حقیقت شالوده اصلی یادگیری عمیق، شبکه‌های عصبی (Neural Networks) است. بسیاری از کاربردهای امروزی هوش ‌مصنوعی بر پایه یادگیری عمیق هستند. به لطف امکان گسترش‌دادن سریع طراحی شبکه‌های عصبی و تبدیل‌کردن آنها به سیستم‌هایی پیچیده‌تر و قوی‌تر با لایه‌های جدید، مقیاس یادگیری عمیق را می‌توان به‌سادگی تغییر داد و آن را با کاربردهای بسیار زیادی 

منطبق کرد.

3. بینایی ماشین (Machine Vision):

 بینایی ماشین یکی از شاخه‌های جذاب علم هوش‌ مصنوعی است که شامل روش‌های مربوط به دستیابی تصاویر، پردازش، آنالیز و درک محتوای آنهاست. معمولا این پردازش‌ها، تصاویر تولید‌شده در دنیای واقعی را به‌عنوان ورودی دریافت و داده‌هایی عددی یا سمبولیک را به‌عنوان خروجی تولید می‌کنند. این داده‌های عددی و سمبولیک می‌توانند نماینده رده (کلاس) اشیای مشاهده‌شده در تصویر یا فیلم باشند یا حتی توصیفی از آنچه در تصویر یا فیلم رخ‌ داده است، باشند. در نتیجه یکی از شاخه‌های بینایی ماشین، به شبیه‌سازی توانایی بینایی انسان می‌پردازد.

البته بینایی ماشین به مسائل مختلفی ازجمله استخراج داده از عکس، فیلم، مجموعه چند عکس از زوایای مختلف و همچنین پردازش تصاویر پزشکی نیز می‌پردازد. معمولا ترکیبی از روش‌های مربوط به پردازش تصاویر (Image Processing) و ابزارهای یادگیری ماشینی (Machine Learning) و علم آمار و احتمال برای حل مسائل مختلف در این شاخه استفاده می‌شود.

4. سیستم‌های خِبره (Expert System):

 سامانه‌های خِبره یا سیستم‌های خِبره به دسته‌ای خاص از نرم‌افزارهای رایانه‌ای اطلاق می‌شود که در راستای کمک به کاردانان و متخصصان انسانی یا جایگزینی آنان در زمینه‌های تخصصی تلاش دارند! این‌گونه سامانه‌ها، در واقع، نمونه‌هایی از فناوری پیشرفته سامانه‌های دانش‌بنیان (Knowledge-Based Systems) به‌شمار می‌آیند. مطلب مهمی که در تعریف سیستم‌های خبره آمده، این است که «دقت یک سیستم خبره در یک زمینه خاص، حداقل باید برابر با کاربر خبره انسانی در آن زمینه باشد». در نتیجه هدف نهایی این سامانه‌ها ارائه خبره‌های هوشمند است که بتوانند در زمینه‌های تخصصی یا معادل با خبره انسانی عمل کنند یا بهتر از آنها!

این سامانه‌ها معمولا اطلاعات را به شکل واقعیت‌ها (Facts) و قواعد (Rules) در پایگاه‌هایی به نام پایگاه ‌دانش به شکل ساختارمند ذخیره می‌کنند. سپس با بهره‌گیری از روش‌های خاص استنتاج، از این داده‌ها نتایج مورد نیاز حاصل می‌شود. در حقیقت به‌واسطه الگوبرداری این سامانه‌ها از نظام منطق و استدلال انسان و نیز یکسان‌بودن منابع دانش مورد استفاده آنها، پیامد کار یک سامانه خبره می‌تواند تصمیماتی باشد که در حوزه‌ها و قلمروهای گوناگون قابل استفاده، مورد اطمینان و تأثیرگذار هستند. بسیاری بر این باورند که سامانه‌های خبره بیشترین پیشرفت را در «هوش مصنوعی» به وجود آورده‌اند! برای مثال سامانه‌های هوشمند کنترل موشک‌ و سامانه‌های پدافند موشکی و سامانه‌های هوشمند کنترل و مدیریت نیروگاه‌های هسته‌ای، نمونه‌هایی از کاربردهای سیستم‌های خبره هستند.

5. پردازش زبان طبیعی 

(Natural Language Processing (NLP:

 پردازش زبان‌های طبیعی یکی از زیرشاخه‌های بااهمیت در حوزه گسترده هوش مصنوعی است که یکی از اهداف آن تعامل بین رایانه و انسان با استفاده از زبان‌های طبیعی (انسانی) است؛ بنابراین پردازش زبان‌های طبیعی بر فهم زبان‌های طبیعی که انسان‌ها برای تعامل از آنها استفاده می‌کنند، متمرکز است. پس چالش اصلی و عمده در این زمینه درک زبان طبیعی و ماشینی‌کردن فرایند درک و برداشت مفاهیم بیان‌شده با یک زبان طبیعی انسانی است.

به تعریف دقیق‌تر، پردازش زبان‌های طبیعی عبارت است از استفاده از رایانه برای پردازش زبان گفتاری و زبان نوشتاری؛ به این معنی که رایانه‌ها را قادر سازیم که گفتار یا نوشتار تولیدشده در قالب و ساختار یک زبان طبیعی را تحلیل و درک کرده یا آن را تولید کنند. از کاربردهای فراوان پردازش زبان‌ طبیعی می‌توان به ترجمه زبان‌ها توسط رایانه، استفاده از صفحات وب و بانک‌های اطلاعاتی نوشتاری برای پاسخ‌دادن به پرسش‌های کاربران، ایجاد سامانه‌های پرسش و پاسخ هوشمند و جست‌وجوهای محتوامحور در داده‌های متنی، اشاره کرد. اینها تنها مثال‌هایی از کاربردهای متنوع پردازش زبان‌های طبیعی هستند.

هدف اصلی در پردازش زبان طبیعی، ایجاد تئوری‌هایی محاسباتی از زبان، با استفاده از الگوریتم‌ها و ساختارهای داده‌ای موجود در هوش‌ مصنوعی است. بدیهی است که در راستای تحقق این هدف، به دانشی وسیع از زبان نیاز است و علاوه بر محققان هوش ‌مصنوعی، به دانش زبان‌شناسان نیز در این حوزه نیاز داریم. با پردازش اطلاعات زبانی می‌توان اطلاعات مورد نیاز برای کار با زبان طبیعی را استخراج کرد. کاربردهای پردازش زبان طبیعی به دو دسته کلی قابل تقسیم است: کاربردهای نوشتاری و کاربردهای گفتاری.

از کاربردهای نوشتاری آن می‌توان به استخراج اطلاعاتی خاص از یک متن، ترجمه یک متن به زبانی دیگر یا یافتن مستنداتی خاص در یک پایگاه داده نوشتاری (مثلا یافتن کتاب‌های مرتبط به هم در یک کتابخانه) اشاره کرد. نمونه‌هایی از کاربردهای گفتاری پردازش زبان عبارت‌اند از: سیستم‌های پرسش و پاسخ انسان با رایانه، سرویس‌های اتوماتیک ارتباط با مشتری از طریق تلفن، سیستم‌های آموزش به فراگیران و سیستم‌های کنترلی توسط فرمان‌های صوتی کاربر. در سال‌های اخیر این حوزه تحقیقاتی توجه دانشمندان را به خود جلب کرده و تحقیقات قابل ملاحظه‌ای در این زمینه شده ‌است.

6. محاسبات تکاملی یا فرگشتی

 (Evolutionary Computation): 

محاسبات تکاملی یا فرگشتی (رایانش فرگشتی)، شاخه‌ای از هوش ‌مصنوعی است که شامل مسائل بهینه‌سازی ترکیبی می‌شود. از لحاظ فنی این الگوریتم‌ها متعلق به حل‌کننده‌های آزمون و خطا هستند و می‌توان آنها را از روش‌های بهینه‌سازی کلی با ماهیت فراابتکاری یا بهینه‌سازی تصادفی قلمداد کرد که به‌وسیله استفاده از جمعی از راه‌حل‌های پیشنهادی (‌به‌جای تکرارکردن یک روش در فضای جست‌وجو) متمایز می‌شوند. بسیاری از الگوریتم‌های محاسبات تکاملی بر آن هستند تا با الهام از جهان ‌آفرینش و فرایندهایی که موجودات زنده در حل مسئله از آنها استفاده می‌کنند، برای حل مسائل استفاده کنند؛ برای مثال الگوریتم‌های کلونی مورچگان (Ant Colonies)، ازدحام پرندگان (Bird Flocking) و کلونی زنبورها (Bee Colonies) نمونه‌هایی از این الگوریتم‌ها هستند.

به عنوان مثالی دیگر، الگوریتم ژنتیک (Genetic Algorithm) یک نمونه از الگوریتم‌هایی است که در زیرمجموعه محاسبات تکاملی قرار دارد و برای یافتن راه‌حل تقریبی برای بهینه‌سازی و مسائل جست‌وجو استفاده می‌شود. الگوریتم ژنتیک نوع خاصی از الگوریتم‌های تکاملی است که از تکنیک‌های زیست‌شناسی تکاملی مانند وراثت، جهش زیست‌شناسی و اصول انتخابی داروین برای یافتن فرمول بهینه، برای پیش‌بینی یا تطبیق الگو استفاده می‌کند.

در مدل‌سازی، الگوریتم ژنتیک یک تکنیک برنامه‌نویسی است که از تکامل ژنتیکی به‌عنوان یک الگوی حل مسئله استفاده می‌کند. مسئله‌ای که باید حل شود، ورودی‌هایی دارد که در یک فرایند الگوبرداری‌شده از تکامل ژنتیکی، به راه‌حل‌ها تبدیل می‌شود. سپس راه‌حل‌ها، به‌عنوان کاندیداهایی توسط تابع ارزیاب (Fitness Function)، ارزیابی می‌شوند و چنانچه شرط خروج مسئله فراهم شده باشد، الگوریتم خاتمه می‌یابد. به‌طورکلی این الگوریتم‌، الگوریتمی‌ مبتنی بر تکرار است که اغلب بخش‌های آن به‌صورت فرایندهای تصادفی انتخاب می‌شوند.

7. روباتیک (Robotic): 

روباتیک شاخه‌ای میان‌رشته‌ای از مهندسی و علم است که شامل مهندسی مکانیک، مهندسی برق و علوم رایانه و چند رشته دیگر می‌شود. روباتیک شامل طراحی، ساخت، راه‌اندازی و استفاده از روبات‌هاست. همچنین مانند سیستم‌های رایانه‌ای، کنترل، بازخورد حسگرها و پردازش اطلاعات نیز در این گروه قرار می‌گیرند. یکی از مهم‌ترین بخش‌های علم روباتیک مربوط به نرم‌افزارهای هوشمند برای راه‌اندازی روبات‌هاست که در واقع مانند روحی در کالبد فیزیکی روبات‌ها عمل می‌کند و به روبات‌ها زندگی می‌بخشد!

این همان‌جایی است که هوش مصنوعی وارد مبحث روباتیک می‌شود. این فناوری‌ها با یکدیگر استفاده می‌شوند تا ماشین‌ها را به‌گونه‌ای ارتقا دهند که جایگزین انسان شوند. روبات‌ها می‌توانند در هر موقعیت و برای هر منظوری به کار بروند ولی امروزه بسیاری از آنها در محیط‌های خطرناک (مانند تشخیص و غیرفعال‌سازی بمب‌ها)، فرایندهای تولید یا مکان‌هایی که انسان قادر به حیات نیست، استفاده می‌شوند. روبات‌ها می‌توانند به هر شکل و قیافه‌ای باشند ولی بعضی از آنها طراحی می‌شوند تا شبیه انسان به نظر برسند که به آنها روبات‌های انسان‌نما (Humanoid) می‌گویند. گفته می‌شود این کار انجام می‌شود تا رفتارهای این روبات‌ها که از مردم عادی تقلید می‌شود، بیشتر مورد قبول قرار گیرد و انسان‌ها بتوانند با آنها راحت‌تر تعامل داشته باشند.

تلاش می‌شود که روبات‌های انسان‌نما بتوانند راه‌رفتن، حرف‌زدن، شناختن و مخصوصا هر چیزی را که انسان می‌تواند انجام دهد، تقلید کنند. یکی از نمونه‌های استفاده از این روبات‌های انسان‌نما، استفاده از آنها به‌عنوان پیش‌خدمت یا کارکنان راهنما در هتل‌ها یا همایش‌ها است.

ظاهر و توانمندی‌های بسیاری از روبات‌های امروزی از طبیعت الهام گرفته ‌است. ازاین‌رو این روبات‌ها در پهنه روبات‌های مقلدِ موجودات زنده قرار می‌گیرند. اما یکی از نگران‌کننده‌ترین استفاده‌ها از روبات‌ها، استفاده از آنها در حوزه فعالیت‌های نظامی است. درحال‌حاضر بسیاری از پیشرفته‌ترین روبات‌ها در حوزه نظامی استفاده می‌شوند. اکثر سرمایه‌گذاری‌های روباتیک کشورهایی چون آمریکا نیز در زمینه روبات‌های نظامی است؛ به‌نحوی‌که در سال 2030 ارتش روباتیک آمریکا آماده‌به‌کار خواهد شد! این در حالی است که در حوزه نظامی از تمامی انواع روبات‌ها مانند روبات‌های پرنده (پهپادها)، روبات‌های انسان‌نما، روبات‌های حیوان‌نما و حتی نانو روبات‌ها (Nanorobots) استفاده می‌شود.

8. سیستم‌های فازی (Fuzzy Systems): سیستم‌های فازی، سیستم‌هایی هستند که بر اساس منطق فازی (Fuzzy Logic) کار می‌کنند. منطق فازی شکلی از منطق‌های چندارزشی بوده که در آن مقادیر درستی متغیرها ممکن است هر عدد حقیقی بین 0 و 1 و خود صفر یا یک باشد. این منطق به‌منظور به‌کارگیری مفهوم درستی جزئی بنا شده است؛ به‌طوری‌که مقادیر هر متغیر فازی می‌تواند برای مثال به‌جای درست و غلط، با مقادیری بین کاملا درست و کاملا غلط مقداردهی شود. اصطلاح منطق فازی اولین بار در پی تنظیم نظریه مجموعه‌های فازی به‌وسیله پروفسور لطفی‌زاده (۱۹۶۵ م) در صحنه محاسبات نو ظاهر شد. واژه فازی که از کلمه فارسی فوژ گرفته شده،  به معنی درهم‌تنیده است.

کاربرد این بخش در علوم نرم‌افزاری را می‌توان به‌طور ساده این‌گونه تعریف کرد: منطق فازی از منطق ارزش‌های «صفر و یک» نرم‌افزارهای کلاسیک فراتر رفته و درگاهی جدید برای دنیای علوم نرم‌افزاری و رایانه‌ها می‌گشاید. زیرا فضای شناور و نامحدود بین اعداد صفر و یک را نیز در منطق و استدلال‌های خود به کار برده و به چالش می‌کشد. منطق فازی از فضای بین دو ارزش «برویم» یا «نرویم»، ارزش‌های جدید «شاید برویم» یا «می‌رویم اگر» یا حتی «احتمال دارد برویم» را استخراج کرده و به کار می‌گیرد. به‌این‌ترتیب برای مثال مدیر بانک پس از بررسی رایانه‌ای بیلان اقتصادی یک بازرگان می‌تواند فراتر از منطق «وام می‌دهیم» یا «وام نمی‌دهیم» رفته و بگوید: «وام می‌دهیم اگر...» یا «وام نمی‌دهیم ولی...». در حقیقت منطق فازی و استنتاج فازی به‌دنبال دریافت و حل مسائل دنیای واقعی به نحوی است که بیشترین شباهت را به استنتاج انسان‌ها برای فهم و حل این مسائل، داشته باشد.

جمع‌بندی

علم هوش مصنوعی شاخه‌ای گسترده و مهم از علوم رایانه است که نقش بسیار مهمی در زندگی روزمره ما ایفا می‌کند. از طرف دیگر در آینده بسیار نزدیک، نقش هوش مصنوعی در زندگی بشر به‌قدری حیاتی می‌شود که زندگی در دنیای متمدن را بدون استفاده از فناوری‌های هوش مصنوعی، غیرممکن خواهد کرد. این به‌این دلیل است که فناوری‌های هوش مصنوعی در تمامی ارکان زندگی بشر، از کمک در انجام کارهای روزمره، آموزش کودکان و حتی متخصصان، حوزه صنعت و تولید، حوزه اقتصادی و مالی، حوزه سیاست، حوزه امنیت و نظامی و حتی حوزه سلامت و درمان وارد شده و به‌صورت بی‌بدیل نقش‌آفرینی می‌کند.

در نتیجه اهمیت پرداختن و برنامه‌ریزی و سرمایه‌گذاری در حوزه هوش مصنوعی کاملا واضح و مبرهن است. به همین دلیل در دنیا برنامه‌ریزی‌ها و سرمایه‌گذاری‌های فراوانی در این زمینه شده و کشور ما نیز باید در این حوزه به فعالیت و سرمایه‌گذاری جدی بپردازد. البته از نظر تحقیقاتی در زمینه هوش‌ مصنوعی، جایگاه کشور عزیزمان جایگاه خوبی است. در گزارشی که اخیرا در نشریه نیچر چاپ شده است، ایران یکی از کشورهای پرتولید مقالات علمی دنیا در هوش مصنوعی معرفی شده است. در این گزارش آمده است که بر اساس اطلاعات سال 1997 تا 2017 ایران رتبه 14 دنیا در حوزه هوش مصنوعی را در اختیار دارد و تعداد مقالات ایران در این مدت 34 هزار و 28 مورد بوده است. در نتیجه حالا زمان آن فرارسیده که این تحقیقات علمی با سرمایه‌گذاری‌های دولتی و خصوصی تبدیل به تکنولوژی‌های قابل استفاده در زندگی روزمره هم‌وطنانمان بشوند.

از طرف دیگر جنبه‌های ترسناکی از کاربردهای هوش‌ مصنوعی وجود دارد که انسان را درباره آینده و دستاوردهای این علم به تفکر وامی‌دارد. استفاده گسترده از هوش‌ مصنوعی در حوزه نظامی و حتی حاکمیت روبات‌ها و نرم‌افزارهای هوشمند در آینده (که فیلم‌های علمی تخیلی فراوانی درباره آنها نیز ساخته شده است)، می‌تواند بسیار نگران‌کننده باشد. حال باید از خودمان این سؤال را بپرسیم که «آیا ما باید درباره آینده نگران باشیم؟».