برای واجد شرایط شدن به عنوان هوش مصنوعی (AI)، یک سیستم باید سطحی از یادگیری و سازگاری را نشان دهد. به همین دلیل، سیستم های تصمیم گیری، اتوماسیون و آمار هوش مصنوعی نیستند. هوش مصنوعی به طور کلی به دو دسته تقسیم می شود: هوش باریک مصنوعی (ANI) و هوش مصنوعی عمومی (AGI). تا به امروز، AGI وجود ندارد. چالش کلیدی برای ایجاد یک هوش مصنوعی عمومی، مدل سازی مناسب جهان با کل دانش، به شیوه ای سازگار و مفید است. این یک تعهد بزرگ است، حداقل می توان گفت. بسیاری از آنچه که ما امروزه به عنوان هوش مصنوعی می شناسیم دارای هوش محدودی هستند – جایی که یک سیستم خاص به یک مشکل خاص رسیدگی می کند. برخلاف هوش انسانی، چنین هوش مصنوعی باریک فقط در حوزه ای که در آن آموزش دیده است موثر است: کشف تقلب، تشخیص چهره یا توصیه های اجتماعی.
در اواخر ماه گذشته، هوش مصنوعی در قالب ChatGPT، از گمانه‌زنی‌های علمی تخیلی و آزمایشگاه‌های تحقیقاتی رها شد و روی رایانه‌های رومیزی و تلفن‌های عموم مردم وارد شد. این همان چیزی است که به عنوان “هوش مصنوعی مولد” شناخته می شود – در این سیستم ناگهان، یک پیام هوشمندانه می تواند یک مقاله تولید کند یا یک دستور غذا و لیست خرید را جمع آوری کند، یا شعری به سبک الویس پریسلی (راک) بسازد.
5 مورد که مردم هوش مصنوعی را اشتباه می گیرند، اما احتمالاً اینطور نیست:
کوپن جنریتور:
آنها تخفیف ها و پیشنهادات را بر اساس خریدهای قبلی شما می ریزند. شما این موتورهای توصیه را در باجه های فروشگاه های زنجیره ای و می بینید. یک الگوریتم پیش‌بینی میکند که احتمالاً چه زمانی خرید قبلی شما تمام می‌شود (مانند مواد غذایی) و کد تخفیف «به‌موقع» برای شما ارسال میکند تا شما را به خرید دوباره آن ترغیب کند. نمی داند چرا چیزی را که خریده اید می خرید، و یاد نمی گیرد که ترجیحات یا رفتار شما در طول زمان تغییر کند.
تطبیق تبلیغات آنلاین:
تعجب می کنید که چرا تبلیغ کالایی را که به تازگی خریده اید در فیس بوک یا هر جای دیگر آنلاین می بینید. این هوش مصنوعی نیست، زیرا الگوریتم‌ها معمولاً به جای خریدهای شما، سؤالات جستجوی شما را تجزیه و تحلیل می‌کنند. متوجه نمی شود که چرا آن مورد را جستجو می کنید. این فقط علاقه شما را یادداشت می کند و تبلیغاتی را که مطابقت دارند منتشر می کند.
ربات های چت:
در حالی که ML و جستجوی زبان طبیعی گرایش های داغ در این فضا هستند، اکثر چت بات ها پاسخ های پرسش و پاسخ خودکار هستند که از پایگاه داده یک شرکت استخراج می شوند. به عبارت دیگر، فروشگاه چت بات یک پاسخ از پیش برنامه ریزی شده برای هر سوال رایج است. اما این صرفا یک جستجوی پایگاه داده است. از مسیری که بیشترین درخواست را دارد دور شوید و ربات چت مادر می شود.
سیستم عیب یابی خودرو:
این مقوله کمی مشکل است، زیرا بسیاری از AI/ML در وسایل نقلیه امروزی استفاده می‌شود و در آینده بیشتر از آن استفاده می‌شود. اما در حال حاضر، برنامه‌ای که به شما نشان می‌دهد آیا ماشین شما به هوا در لاستیک‌هایش نیاز دارد یا تعویض روغن، هوش مصنوعی نیست. این محصول الگوریتم های پیچیده ای است که به سادگی معیارهای فعلی را با استانداردهای از پیش تعیین شده و برنامه ریزی شده مقایسه می کند، به عنوان مثال، روغن باید پس از چند مایل مشخص تعویض شود و لاستیک ها باید دارای x مقدار فشار هوا باشند.
اینترنت اشیا (IoT):
بیشتر اقلام اینترنت اشیا چیزهای معمولی هستند که مجهز به حسگرها و متصل به اینترنت هستند. اگر AI/ML در حال استفاده باشد، معمولاً در ابر یا در انتهای پایگاه داده است. به طور معمول، برنامه های کاربردی اینترنت اشیا به جای اینکه یک دستگاه اینترنت اشیا مصرف کننده را بهتر کار کند، اطلاعات کاربر را جمع آوری و تجزیه و تحلیل می کنند. به عنوان مثال، یک دوربین امنیتی خانه هوشمند ممکن است از الگوریتم های سنتی برای گزارش استفاده کند. اگر اصلاً از ML/AI استفاده میکند، معمولاً برای تجزیه و تحلیل رفتار کاربر برای فروش به جمع‌آوران داده دیگر یا تجزیه و تحلیل فعالیت‌ها در منطقه محلی برای تولید یک مطالعه جرم بزرگتر برای استفاده مجریان قانون یا شرکت‌های بیمه است.
