فناوری جدید هوش مصنوعی امروزه تحولی شگرف در دنیای تکنولوژی ایجاد کرده است .هوش مصنوعی انجام کارهای زیادی برای ما ساده تر کرده است . طبیعی است که این فناوری جدید و جالب دارای عملکرد و ویژگی های خاصی باشد .اگر می خواهید در مورد فناوری های جذاب و سریع در حال توسعه هوش مصنوعی بدانید، ما همه چیز را از یادگیری ماشینی و هوش مصنوعی عمومی گرفته تا شبکه های عصبی را برایتان شرح می دهیم.در این مقاله جالب با گلدن مارت همراه باشید.
هوش مصنوعی چیست؟
ممکن است اصطلاح هوش مصنوعی (AI) Artificial intelligence را بشنوید و ممکن است به ماشین های خودران Self-driving cars)) ، رباتها، ChatGPT یا سایر رباتهای چت هوش مصنوعی و تصاویری که بهطور مصنوعی ساخته شدهاند فکر کنید. اما نگاه کردن به خروجیهای هوش مصنوعی و درک نحوه عملکرد این فناوری و تأثیرات آن برای این نسل و نسلهای آینده نیز مهم است.هوش مصنوعی مفهومی است که به طور رسمی از دهه 1950 وجود داشته است، زمانی که به عنوان توانایی یک ماشین برای انجام کاری که قبلاً به هوش انسانی نیاز داشت، تعریف شد. این یک تعریف کاملاً گسترده است و در طول دههها پیشرفتهای تحقیقاتی و فناوری تغییر یافته است.
هنگامی که به تخصیص هوش به یک ماشین، مانند رایانه فکر می کنید، منطقی است که با تعریف اصطلاح “هوش” شروع کنید – به خصوص زمانی که می خواهید تعیین کنید که آیا یک سیستم مصنوعی واقعاً شایسته آن است یا خیر.سطح هوش ما را از سایر موجودات زنده متمایز می کند و برای تجربه انسانی ضروری است. برخی از کارشناسان هوش را توانایی سازگاری، حل مشکلات، برنامه ریزی، بداهه گویی در موقعیت های جدید و یادگیری چیزهای جدید تعریف می کنند.با توجه به اینکه گاهی اوقات هوش به عنوان پایه ای برای تجربه انسانی دیده می شود، شاید تعجب آور نباشد که ما سعی کنیم آن را به طور مصنوعی در تلاش های علمی بازسازی کنیم.و سیستمهای هوش مصنوعی امروزی ممکن است برخی از ویژگیهای هوش انسانی، از جمله یادگیری، حل مسئله، ادراک، و حتی طیف محدودی از خلاقیت و هوش اجتماعی را نشان دهند.
چگونه می توانم از هوش مصنوعی استفاده کنم؟
هوش مصنوعی به اشکال مختلفی وجود دارد که به طور گسترده در زندگی روزمره در دسترس قرار گرفته است. اسپیکرهای هوشمند روی الکسا یا گوگل ویس دو نمونه عالی از هوش مصنوعی هستند. نمونه های خوب دیگر چت ربات های معروف هوش مصنوعی مانند ChatGPT، New Bing Chatو Google Bard هستند.وقتی از ChatGPT درمورد پایتخت یک کشور سوالی دارید و یا از الکسا میخواهید وضعیت آب و هوا را به شما اطلاع دهد، پاسخهایی دریافت خواهید کرد که نتیجه الگوریتمهای یادگیری ماشینی است.
انواع مختلف هوش مصنوعی چیست؟
هوش مصنوعی را می توان به سه زیرمجموعه پذیرفته شده تقسیم کرد:
- هوش مصنوعی محدود
- هوش مصنوعی عمومی
- هوش مصنوعی فوق العاده
1- هوش مصنوعی محدود (Narrow AI) چیست؟
هوش مصنوعی محدود (ANI) برای دستیارهای صوتی مانند سیری، الکسا و دستیار گوگل بسیار مهم است. این دسته شامل سیستمهای هوشمندی میشود که برای انجام وظایف خاص یا حل مشکلات خاص طراحی یا آموزش دیدهاند، بدون اینکه صراحتاً برای انجام این کار طراحی شده باشند.ممکن است ANI اغلب به عنوان هوش مصنوعی ضعیف شناخته شود، زیرا از هوش عمومی برخوردار نیست، اما برخی از نمونههایی از قدرت هوش مصنوعی محدود شامل : دستیارهای صوتی فوق و همچنین سیستمهای تشخیص تصویر، فناوریهایی هستند که به درخواستهای ساده خدمات مشتری پاسخ میدهند. و ابزارهایی که محتوای نامناسب آنلاین را علامت گذاری می کنند. ChatGPT نمونه ای از ANI است، زیرا برای انجام یک کار خاص برنامه ریزی شده است، که عبارت است از تولید پاسخ های متنی به اعلان هایی که داده می شود.
هوش مصنوعی عمومی (General AI)چیست؟
هوش مصنوعی عمومی (AGI) که به عنوان هوش مصنوعی قوی نیز شناخته می شود، هنوز یک مفهوم فرضی است زیرا شامل درک ماشین و انجام وظایف بسیار متفاوت بر اساس تجربه انباشته آن است. این نوع هوش بیشتر در سطح عقل انسان است، زیرا سیستم های AGI می توانند مانند یک انسان استدلال و فکر کنند.مانند یک انسان، AGI به طور بالقوه قادر به درک هر کار فکری، تفکر انتزاعی، یادگیری از تجربیات آن و استفاده از آن دانش برای حل مشکلات جدید است. اساساً، ما در مورد یک سیستم یا ماشینی صحبت می کنیم که دارای عقل سلیم است، که در حال حاضر با هیچ شکلی از هوش مصنوعی در دسترس قابل دستیابی نیست.توسعه یک سیستم با آگاهی خاص خود هنوز، احتمالاً، راه طولانی است که باید طی شود، اما هدف نهایی در تحقیقات هوش مصنوعی است.
هوش مصنوعی فوق العاده (Super AI)چیست؟
ابر هوش مصنوعی (ASI) سیستمی است که نه تنها بشر را تکان می دهد، بلکه می تواند آن را نیز نابود کند. رسیدن به این تکنولوژی کاملا شبیه رمان علمی تخیلی به نظر می رسد، به این دلیل است که به نوعی چنین است: ASI سیستمی است که در آن هوش یک ماشین از همه انواع هوش انسانی در همه جنبه ها پیشی می گیرد و در هر کارکردی از انسان ها بهتر عمل می کند.
یک سیستم هوشمند که بتواند خود بیاموزد و به طور مداوم خود را بهبود بخشد، هنوز یک مفهوم فرضی است. با این حال، این سیستمی است که اگر به طور موثر و اخلاقی اعمال شود، می تواند به پیشرفت ها و دستاوردهای فوق العاده ای در پزشکی، فناوری و موارد دیگر منجر شود.
چند نمونه اخیر از هوش مصنوعی چیست؟
به طور کلی، قابل توجه ترین پیشرفت ها در هوش مصنوعی، توسعه و انتشار GPT 3.5 و GPT 4 است. اما دستاوردهای انقلابی بسیار دیگری در هوش مصنوعی وجود داشته است – در واقع بسیار زیاد است که همه آنها را در اینجا گنجانده است.
در اینجا 2 نمونه از قابل توجه ترین آنها را برایتان شرح میدهیم:
- ChatGPT
- GPT
- ماشین های خودران Self-driving cars))
- رباتیک (Robotics)
- DeepMind
ChatGPT1
ChatGPT1 یک ربات چت هوش مصنوعی است که قادر به تولید زبان طبیعی، ترجمه و پاسخگویی به سوالات است. اگرچه میتوان گفت که این ابزار محبوبترین ابزار هوش مصنوعی است، اما به لطف دسترسی گستردهاش، OpenAI با ایجاد و ,2 ,3 GPTs, 1 موجهای قابلتوجهی در دنیای هوش مصنوعی ایجاد کرد.
GPT
GPT مخفف Generative Pre-trained Transformer است و GPT-3 با 175 میلیارد پارامتر بزرگترین مدل زبان موجود در زمان عرضه در سال 2020 بود. آخرین نسخه، GPT-4، قابل دسترسی از طریق ChatGPT Plus یا Bing Chat، دارای یک تریلیون پارامتر است.
ماشین های خودران (Self-driving cars)
اگرچه ایمنی خودروهای خودران یکی از دغدغههای اصلی کاربران آن است، این فناوری با پیشرفتهایی در هوش مصنوعی به پیشرفت و بهبود ادامه میدهد. این خودروها از الگوریتمهای یادگیری ماشینی برای ترکیب دادههای حسگرها و دوربینها برای درک محیط اطراف خود و تعیین بهترین مسیر عمل استفاده میکنند.
ویژگی اتوپایلوت تسلا در خودروهای الکتریکی این شرکت احتمالا همان چیزی است که اکثر مردم هنگام در نظر گرفتن اتومبیل های خودران به آن فکر می کنند، اما ویمو، از شرکت مادر گوگل یعنی آلفابت، در سان فرانسیسکو، کالیفرنیا و فینیکس، سواری های خودکار را مانند تاکسی بدون راننده تاکسی می سازد.
کروز یکی دیگر از سرویس های تاکسی خودران است و شرکت های خودروسازی مانند اپل، آئودی، جنرال موتورز و فورد نیز احتمالا روی فن آوری خودروی خودران کار می کنند.
رباتیک (Robotics)
دستاوردهای Boston Dynamics در زمینه هوش مصنوعی و روباتیک برجسته است. اگرچه هنوز با ایجاد هوش مصنوعی در سطح فناوری که در فیلم ترمیناتور دیده میشود فاصله زیادی داریم، تماشای رباتهای Boston Dyanmics که از هوش مصنوعی برای حرکت و پاسخ به زمینهای مختلف استفاده میکنند، چشمگیر است.
DeepMind
شرکت خواهر گوگل، دیپ مایند، یکی از پیشگامان هوش مصنوعی است که در راستای هدف نهایی هوش عمومی مصنوعی (AGI)گام برمی دارد. اگرچه هنوز چنین چیزی وجود ندارد، اما این شرکت در ابتدا در سال ۲۰۱۶ با آلفاگو، سیستمی که یک بازیکن حرفه ای Go انسانی را شکست می داد، خبرساز شد.از آن زمان، دیپ مایند یک سیستم پیش بینی پروتئین ایجاد کرده است که می تواند اشکال سه بعدی پیچیده پروتئین ها را پیش بینی کند. و برنامه های توسعه یافته ای است که می تواند بیماری های چشمی را به اندازه پزشکان برتر دنیا تشخیص دهد.
یادگیری ماشین (Machine learning) چیست؟
بزرگترین کیفیتی که هوش مصنوعی را از سایر موضوعات علوم رایانه کنار میگذارد، توانایی خودکارسازی آسان وظایف با استفاده از یادگیری ماشین است که به رایانهها اجازه میدهد تا از تجربیات مختلف بیاموزند تا اینکه صریحاً برای انجام هر کار برنامهریزی شوند. این قابلیت همان چیزی است که بسیاری از آن به عنوان هوش مصنوعی یاد می کنند، اما یادگیری ماشین در واقع زیرمجموعه ای از هوش مصنوعی است.یادگیری ماشین شامل یک سیستم است که بر روی مقادیر زیادی داده آموزش می بیند، بنابراین می تواند از اشتباهات درس بگیرد و الگوها را تشخیص دهد تا به طور دقیق پیش بینی ها و تصمیم گیری ها را انجام دهد، خواه آنها در معرض داده های خاص قرار گرفته باشند یا نه.
نمونه هایی از یادگیری ماشین شامل تشخیص تصویر و گفتار، محافظت در برابر کلاهبرداری و موارد دیگر است. یک مثال خاص سیستم تشخیص تصویر است که کاربران عکسی را در فیس بوک آپلود می کنند. شبکه رسانه های اجتماعی می تواند تصویر را تجزیه و تحلیل کند و چهره ها را تشخیص دهد، که منجر به توصیه هایی برای تگ کردن افراد مختلف می شود. با گذشت زمان و تمرین، سیستم این مهارت را تقویت می کند و می آموزد که توصیه های دقیق تری ارائه دهد.
عناصر یادگیری ماشین چیست؟
همانطور که در بالا ذکر شد، یادگیری ماشین زیرمجموعه ای از هوش مصنوعی است و به طور کلی به دو دسته اصلی تقسیم می شود:
- یادگیری ماشین تحت نظارت
- یادگیری ماشین بدون نظارت
- یادگیری ماشین تقویتی
یادگیری ماشین تحت نظارت
این یک تکنیک متداول برای آموزش سیستمهای هوش مصنوعی با استفاده از نمونههای برچسبگذاری شده زیادی است که توسط افراد طبقهبندی شدهاند. این سیستمهای یادگیری ماشین با حجم عظیمی از دادهها تغذیه میشوند که برای برجسته کردن ویژگیهای مورد علاقه حاشیهنویسی شده است – شما اساساً با مثال آموزش میدهید.اگر میخواهید یک مدل یادگیری ماشین برای تشخیص و تمایز تصاویر دایرهها و مربعها آموزش دهید، باید با جمعآوری مجموعه دادههای بزرگی از تصاویر دایرهها و مربعها در زمینههای مختلف، مانند طراحی یک سیاره برای یک دایره، شروع کنید. یا جدولی برای یک مربع، به عنوان مثال، با برچسب هایی برای هر شکل.سپس الگوریتم این مجموعه برچسبگذاری شده از تصاویر را یاد میگیرد تا اشکال و ویژگیهای آن را تشخیص دهد، مانند دایرههایی که گوشه ندارند و مربعهایی که چهار ضلع برابر دارند. پس از آموزش روی مجموعه دادههای تصاویر، سیستم میتواند تصویر جدیدی را ببیند و تعیین کند که چه شکلی پیدا میکند.
یادگیری ماشین بدون نظارت
در مقابل، یادگیری بدون نظارت از رویکرد متفاوتی استفاده میکند، جایی که الگوریتمها سعی میکنند الگوها را در دادهها شناسایی کنند، و به دنبال شباهتهایی هستند که میتوانند برای دستهبندی آن دادهها استفاده شوند.یک مثال ممکن است خوشهبندی میوههایی با وزن مشابه یا خودروهایی با اندازه موتور مشابه باشد.همچنین: یادگیری ماشین در زمان واقعی انجام می شود: در اینجا به چرایی و چگونگی آن می پردازیم.الگوریتم از قبل برای انتخاب انواع خاصی از داده ها تنظیم نشده است. به سادگی به دنبال دادههایی با شباهتهایی میگردد که میتواند آنها را گروهبندی کند، برای مثال، گروهبندی مشتریان بر اساس رفتار خرید برای هدف قرار دادن آنها با کمپینهای بازاریابی شخصیشده.
یادگیری ماشین تقویتی
در یادگیری تقویتی، سیستم تلاش میکند تا بر اساس دادههای ورودی خود، نتیجه را به حداکثر برساند و اساساً تا زمانی که به بهترین نتیجه ممکن برسد، فرآیند آزمون و خطا را طی میکند.
آموزش سیستمی برای انجام یک بازی ویدیویی را در نظر بگیرید، که در آن میتواند یک جایزه مثبت در صورت کسب امتیاز بالاتر و یک پاداش منفی برای نمره پایین دریافت کند. سیستم یاد می گیرد که بازی را تجزیه و تحلیل کند و حرکت کند و سپس صرفاً از پاداش هایی که دریافت می کند یاد می گیرد و به نقطه ای می رسد که بتواند به تنهایی بازی کند و بدون دخالت انسان امتیاز بالایی کسب کند.یادگیری تقویتی همچنین در تحقیقات مورد استفاده قرار می گیرد، جایی که می تواند به آموزش ربات های مستقل در مورد روش بهینه برای رفتار در محیط های دنیای واقعی کمک کند.
مدل های زبانی بزرگ(LLM) چیست؟
یکی از معروف ترین انواع هوش مصنوعی در حال حاضر، مدل های زبانی بزرگ (LLM) هستند. این مدلها از یادگیری ماشین بدون نظارت استفاده میکنند و بر روی مقادیر انبوه متن آموزش داده میشوند تا نحوه عملکرد زبان انسانی را بیاموزند. این متون شامل مقالات، کتاب ها، وب سایت ها و موارد دیگر می باشد.در فرآیند آموزش، LLMها میلیاردها کلمه و عبارت را پردازش میکنند تا الگوها و روابط بین آنها را بیاموزند و این مدلها را قادر میسازد تا پاسخهایی شبیه انسان به درخواستها ایجاد کنند.محبوب ترین LLM را میتوان GPT 3.5 نام برد. ChatGPT بر اساس آن است و بزرگترین LLM نیز GPT-4 است.
یادگیری عمیق (deep learning)چیست؟
بخشی از خانواده یادگیری ماشین، یادگیری عمیق (deep learning)شامل آموزش شبکه های عصبی مصنوعی با سه لایه یا بیشتر برای انجام وظایف مختلف است. این شبکههای عصبی به شبکههای گسترده با تعداد زیادی لایه عمیق که با استفاده از حجم عظیمی از داده آموزش داده میشوند، گسترش یافتهاند.مدلهای یادگیری عمیق معمولاً بیش از سه لایه دارند و میتوانند صدها لایه داشته باشند. می تواند از یادگیری تحت نظارت یا بدون نظارت یا ترکیبی از هر دو در فرآیند آموزش استفاده کند.
از آنجایی که فناوری یادگیری عمیق می تواند تشخیص الگوهای پیچیده در داده ها را با استفاده از هوش مصنوعی بیاموزد، اغلب در پردازش زبان طبیعی (NLP)، تشخیص گفتار و تشخیص تصویر استفاده می شود.
شبکه های عصبی (neural networks) چیست؟
موفقیت یادگیری ماشین به شبکه های عصبی متکی است. اینها مدلهای ریاضی هستند که ساختار و عملکرد آنها بر اساس ارتباط بین نورونها در مغز انسان است و از طریقی که آنها به یکدیگر سیگنال میدهند، تقلید میکنند.گروهی از ربات ها را تصور کنید که با هم برای حل یک معما کار می کنند. هر کدام به گونه ای برنامه ریزی شده اند که شکل یا رنگ متفاوتی را در قطعات پازل تشخیص دهند. ربات ها توانایی های خود را برای حل معما با هم ترکیب می کنند. شبکه عصبی مانند گروهی از ربات ها است.شبکههای عصبی میتوانند پارامترهای داخلی را تغییر دهند تا خروجیهایشان را تغییر دهند. هر یک از پایگاههای اطلاعاتی تغذیه میشوند تا یاد بگیرند که وقتی دادههای خاصی در طول آموزش ارائه میشوند، چه چیزی باید منتشر کند. همچنین آنها از لایه های به هم پیوسته الگوریتم هایی تشکیل شده اند که داده ها را به یکدیگر تغذیه می کنند. شبکههای عصبی را میتوان برای انجام وظایف خاص با تغییر اهمیت دادهها در هنگام عبور از بین لایهها آموزش داد. در طول آموزش این شبکههای عصبی، وزنهای متصل به دادهها هنگام عبور از بین لایهها، تا زمانی که خروجی شبکه عصبی بسیار نزدیک به آنچه مورد نظر است، تغییر میکند.
هوش مصنوعی محاوره ای (conversational AI) چیست؟
هوش مصنوعی مکالمه شامل سیستمهایی است که برای مکالمه با کاربر برنامهریزی شدهاند: آموزش شنیدن (ورودی) و پاسخ دادن (خروجی) به شیوهای مکالمه. هوش مصنوعی مکالمه ای از پردازش زبان طبیعی برای درک و پاسخگویی به روشی طبیعی استفاده می کند.
برخی از نمونههای هوش مصنوعی مکالمه عبارتند از رباتهای چت مانند Google Bard، اسپیکرهای هوشمند با دستیار صوتی مانند Amazon Alexa یا دستیارهای مجازی در تلفن هوشمند شما مانند Siri.
کدام سرویس های هوش مصنوعی برای استفاده در دسترس هستند؟
مصرف کنندگان عمومی و کسب و کارها به طور یکسان تعداد زیادی خدمات هوش مصنوعی برای تسریع در انجام وظایف و افزودن راحتی به زندگی روزمره دارند . احتمالاً چیزی در خانه خود دارید که از هوش مصنوعی تا حدی استفاده می کند.
در اینجا چند نمونه متداول از هوش مصنوعی در دسترس عموم است، هم رایگان و هم با هزینه:
دستیارهای صوتی: آمازون الکسا یا سیری اپل در آیفون و دستیار Google همه از پردازش زبان طبیعی برای درک و پاسخ به سؤالات یا دستورات شما استفاده می کنند.
رباتهای چت: چتباتهای هوش مصنوعی شکل دیگری از دستیاران مجازی هستند که میتوانند با مردم تعامل داشته باشند و در برخی موارد، مکالمات انسانمانند را انجام دهند، حتی همدلی و نگرانی را تقلید کنند.
ترجمه زبان: یادگیری ماشینی بسیار گسترده است و خدماتی مانند Google Translate، Microsoft Translator، Amazon Translate و ChatGPT همگی از آن برای ترجمه متن استفاده می کنند.
بهره وری: Microsoft 365 Copilot یک نمونه عالی از LLM است که به عنوان ابزار بهره وری هوش مصنوعی استفاده می شود و در Word، PowerPoint، Outlook، Excel، Teams و موارد دیگر تعبیه شده است تا وظایف را برای شما خودکار کند. صرفاً پرسیدن «ایمیل به تیم درباره آخرین وضعیت پروژه» باعث میشود که Copilot به طور خودکار اطلاعات را از ایمیلها و اسناد جمعآوری کند تا متنی را با آنچه خواستهاید تولید کند.
تشخیص تصویر و ویدئو: برنامههای مختلف از هوش مصنوعی برای یافتن اطلاعاتی در مورد محتوای تصاویر و ویدئوها مانند چهرهها، متن و اشیاء درون آنها استفاده میکنند. Clarifai، که از یادگیری ماشین برای سازماندهی داده های بدون ساختار از منابع استفاده می کند، و Amazon Rekognition، یک سرویس AWS که به کاربران اجازه می دهد تصاویر را برای دریافت اطلاعات آپلود کنند، دو نمونه از این موارد هستند.
توسعه نرم افزار: بسیاری از توسعه دهندگان شروع به استفاده از ChatGPT برای نوشتن و اشکال زدایی کد کرده اند، اما ابزارهای هوش مصنوعی زیادی برای آسان تر کردن کار یک برنامه نویس وجود دارد.
به عنوان مثال، برنامه نویس هوش مصنوعی گیت هاب Copilot توسط OpenAI Codex، یک مدل زبان مولد است که می تواند با تکمیل خودکار نظرات و کد به صورت آنی، کد را سریع تر و با تلاش کم تر بنویسد.
ایجاد یک کسب و کار: گذشته از استفاده روزمره کاربران از هوش مصنوعی در اطراف خود، سرویس هایی وجود دارند که ابزارهای هوش مصنوعی را برای کسب و کارها ارائه می دهند، از جمله OpenAI’s GPT – ۴ API (که در حال حاضر در لیست انتظار قرار دارد)برای ساخت برنامه ها و سرویس ها با استفاده از LLM؛ یا آمازون بدراک Amazon Bedrock ، مجموعه ای از ابزارهای هوش مصنوعی مبتنی بر فضای ابری برای توسعه دهندگان.
چه شرکتی هوش مصنوعی را رهبری می کند؟
اگرچه Generative AI پیشرفت های هوش مصنوعی سال ۲۰۲۳ را رهبری می کند، اما شرکت های برتر دیگری هم هستند که روی پیشرفت های خود کار می کنند.
OpenAI
جای تعجب نیست که OpenAI در رقابت هوش مصنوعی امسال پیشتاز بوده است، پس از اینکه ابزارهای هوش مصنوعی مولد را برای استفاده گسترده به صورت رایگان در دسترس قرار داده است، مانند ربات چت هوش مصنوعی ChatGPT و Dall-E 2 که یک تولید کننده تصویر است.همچنین: به گفته متخصص هوش مصنوعی، هوش ChatGPT صفر است، اما یک انقلاب در سودمندی است.
Alphabet
شرکت مادر گوگل، آلفابت، از طریق برخی از شرکت های خود، چندین سیستم هوش مصنوعی مختلف را در اختیار دارد. از جمله DeepMind، Waymo، و گوگل فوق الذکر.DeepMind همچنان به دنبال هوش مصنوعی عمومی است، همانطور که توسط راه حل های علمی که تلاش می کند از طریق سیستم های AI به دست آورد، مشهود است. مدلهای یادگیری ماشین را برای Document AI توسعه داده است، تجربه بیننده را در یوتیوب بهینه کرده، AlphaFold را برای محققان در سراسر جهان در دسترس قرار داده است، و موارد دیگر.
اگرچه ممکن است هر روز خبری از تلاشهای هوش مصنوعی آلفابت در اخبار شنیده نشود، اما کارهای آن در زمینه یادگیری عمیق و هوش مصنوعی به طور کلی پتانسیل تغییر آینده انسانها را دارد.
Microsoft
مایکروسافت علاوه بر ایجاد Microsoft 365 Copilot برای بسیاری از اپلیکیشن های خود، مجموعه ای از ابزارهای هوش مصنوعی را برای توسعه دهندگان در Azure فراهم می کند.مانند پلتفرم هایی برای توسعه یادگیری ماشین، تحلیل داده ها و هوش مصنوعی محاوره ای، API های قابل سفارشی سازی که به برابری انسان در بینایی کامپیوتر، گفتار و زبان می رسند.
مایکروسافت همچنین سرمایه گذاری زیادی روی توسعه OpenAI کرد و از GPT-4 در بیلد جدید و همچنین نسخه پیشرفته تر Dall-E 2 برای Bing Image Creator استفاده می کند.
شرکت های دیگر
اینها تنها چند نمونه از شرکتهایی هستند که در رقابت هوش مصنوعی پیشرو هستند، اما بسیاری دیگر در سراسر جهان وجود دارند که در حال پیشرفت در زمینه هوش مصنوعی هستند، از جمله Baidu, Alibaba, Cruise, Lenovo, Tesla و غیره.
هوش مصنوعی چگونه جهان را تغییر خواهد داد؟
هوش مصنوعی این قدرت را دارد که نحوه کار، سلامت ما، نحوه مصرف رسانه و رسیدن به کار، حریم خصوصی ما و موارد دیگر را تغییر دهد.
تأثیری را که برخی از سیستمهای هوش مصنوعی میتوانند بر کل جهان داشته باشند، در نظر بگیرید. مردم میتوانند از یک دستیار صوتی در تلفنهایشان بخواهند یاریشان دهد . با خودروهای خودران به راحتی رانندگی کنند ، و در کل میتوانند از ابزارهای هوش مصنوعی برای کارآمدتر شدن بیشتر از همیشه استفاده کنند.
پزشکان و رادیولوژیستها میتوانند با استفاده از منابع کمتر، تشخیص سرطان را انجام دهند، توالیهای ژنتیکی مرتبط با بیماریها را شناسایی کنند، و مولکولهایی را شناسایی کنند که میتوانند به داروهای مؤثرتری منجر شوند و به طور بالقوه جان افراد بیشماری را نجات دهند.
از سوی دیگر، ارزش آن را دارد که اختلالی که میتواند ناشی از داشتن شبکههای عصبی باشد که میتوانند تصاویر واقعی ایجاد کنند، مانند Dall-E 2، Midjourney و Bing را در نظر بگیریم. که می تواند صدای یک نفر را تکرار کند یا با استفاده از شباهت یک فرد، ویدیوهای دیپ فیک ایجاد کند. اینها میتوانند عکسها، ویدیوها یا فایلهای صوتی را که مردم میتوانند واقعی بدانند، تهدید کند.
آیا هوش مصنوعی شغل شما را می دزدد؟
امکان وجود سیستمهای هوشمند مصنوعی که جایگزین بخش قابل توجهی از نیروی کار مدرن شوند، یک احتمال معتبر در آینده نزدیک است.در حالی که هوش مصنوعی رایج جایگزین همه مشاغل نخواهد شد، آنچه مسلم به نظر می رسد این است که هوش مصنوعی ماهیت کار را تغییر خواهد داد، تنها سوال این است که اتوماسیون چقدر سریع و عمیق محیط کار را تغییر می دهد.
گلدن مارت پیشرو در زمینه فروش و بازاریابی و تبلیغات با هوش مصنوعی و ….