هوش مصنوعی چیست؟ احتمالا شما هم با این کلمه روبرو شده اید و در نگاه اول ایده ای که به ذهنتان رسیده کمی شما را سردرگم کرده است. شاید از خود پرسیده باشید که چگونه یک کامپیوتر می تواند تصمیم گیری کرده و درست را از غلط تشخیص دهد. آیا ممکن است دچار خطا شود؟ آیا ممکن است روزی توانایی اش کاهش یابد؟ و هزاران سوال از این قبیل.
شاید برایتان تعجب برانگیز باشد که بدانید هوش مصنوعی در واقع تعدادی الگوریتم است که کامپیوتر با تطبیق دادن آنها روی تعدادی داده، توانایی انجام عملیات لازم در شرایط مشابه را بدست آورده است; آری، به همین سادگی ! اما در واقع آن طور که به نظر می آید ساده نیست. مثالی را در نظر بگیرید: می توانیم برنامه ای بنویسیم که بتواند به وسیله دوربین موبایل, عدد دست نویسی را دیده و آن را تایپ کند. خب، در اینجا به مشکل بزرگی بر می خوریم و آن هم تفاوت دست خط ها است. هزاران نوع دست خط برای اعداد (مثلا در زبان انگلیسی یا زبان های دیگر) وجود دارد. کامپیوتر چگونه می تواند همه آن ها را یاد بگیرد؟ مسلما یادگیری همه آنها توسط کامپیوتر که بسیار ضعیف تر از هوش طبیعی انسان است غیر ممکن است. در این لحظه است که متوجه می شویم به تعداد زیادی داده از هر عدد نیاز داریم تا کامپیوتر به وسیله الگوریتمی که برنامه نویسان به آن داده اند داده های موجود را کاوش کند و خواندن اعداد مذکور را یاد بگیرد. برای مثال کامپیوتر می خواهد از ورودی دوربین خود، عدد 6 را یاد بگیرد و آن را تایپ کند. در این مرحله می توانیم از 100 یا 1000 نفر بخواهیم که عدد 6 را در کاغذ نوشته و به ما تحویل دهند تا از آنها به عنوان داده استفاده کنیم. باید توجه کرد که هر چه تعداد داده اولیه بیشتر باشد کیفیت یادگیری کامپیوتر هم افزایش خواهد یافت.
آیا کار در اینجا تمام شد؟ مسلما خیر. در اینجا است که دو سوال اساسی پیش می آید:
1- آیا کامپیوتر در هر بار تصمیم گیری باید همه داده های اولیه را کاوش کند؟
2- چگونه مطمئن شویم که کامپیوتر از طریق داده های اولیه کار مدنظر را به خوبی یاد گرفته است؟
برای سوال اول می توان این گونه پاسخ داد که کامپیوتر از داده های اولیه استفاده می کند تا فقط یاد بگیرد و چیزهایی که یاد گرفته را در پایگاه دانش خود ذخیره کند. پس دیگر به داده های اولیه نیازی نخواهد بود و کامپیوتر می تواند به طور سریع تصمیم گیری هایش را در شرایط مختلف انجام دهد.
برای سوال دوم هم می توان این گونه پاسخ داد که باید تعدادی از داده ها را برای یادگیری کامپیوتر اسنفاده نکنیم و حدودا 10% از آنها را برای ارزیابی کامپیوتر بعد از مرحله یاد گیری استفاده کنیم. این گونه می توان اطمینان حاصل کرد که کامپیوتر به خوبی از عهده یادگیری بر آمده و می تواند در فضای واقعی مفید و موثر واقع شود.
اگر دقت کار کامپیوتر در مرحله ارزیابی حدودا 95% باشد مورد قبول است; در غیر این صورت شخص برنامه نویس باید الگوریتم مربوطه را بازبینی کرده و یا تعداد داده های اولیه را افزایش دهد.
