آموزش

درواقع هوش عمومي، انعطاف‌پذيري بيشتري داشته و امكاتن يادگيري مهارت براي انجام دادن وظايف بسيار متنوع را دارد. هر فعاليتي از كوتاه كردن مو تا منظم كردن فايل‌هاي صفحه‌ي گسترده‌ي مديران تا حتي استنباط و نتيجه‌گيري از اطلاعات و تجربه‌هاي كسب‌شده، توسط يك هوش عمومي مصنوعي قابل انجام هستند. فعاليت‌هايي كه در دسته‌ي فعاليت‌هاي هوشمندانه‌ي ماشيني قرار مي‌گيرند، به‌مرور زمان تغيير مي‌كنند و درواقع با توانمندتر شدن ماشين‌ها، برخي فعاليت‌ها ديگر لزوما هوشمندانه نيستند. تئوري تسلر در تعريف هوش مصنوعي مي‌گويد هر دستاوردي كه تاكنون انجام نشده باشد، هوش مصنوعي نام مي‌گيرد. درنتيجه امروزه انجام فعاليت‌هايي همچون تشخيص كاراكتر ديگر يك ماشين را هوشمند نمي‌كنند.

دراين‌ميان دولت‌هاي ثروتمند همچون آمريكا و بريتانيا نيز به‌مرور سرمايه‌گذاري روي پروژه‌ها را كاهش دادند. از آن زمان دوراني موسوم به «زمستان‌ شروع شد؛ زمستاني كه پيدا كردن و جذب سرمايه براي پروژه‌هاي هوش مصنوعي، بزرگ‌ترين چالش آن بود. با شنيدن يا خواندن اصطلاح هوش مصنوعي، تصاوير و اصوات گوناگوني در ذهن ما شكل مي‌گيرد. برخي صداي دستيارهاي هوشمندي همچون سيري و كورتانا و الكسا را مي‌شنويم و برخي ديگر، به‌ياد تصاوير وحشتناك و نگران‌كننده‌ي فيلم‌هاي علم‌تخيلي همچون ترميناتور مي‌افتيم.

مفهوم ديگري كه مثلث بنيادي هوش مصنوعي را تكميل مي‌كند، شبكه‌‌ي عصبي نام دارد. در بخش تاريخچه و تعارف هوش مصنوعي، دو مفهوم به‌عنوان ابزارهاي اصلي شكوفايي اين فناوري مطرح شدند. يادگيري ماشين يكي از ابزارهاي اصلي توسعه‌ي هوشمندي در ماشين‌ها محسوب مي‌شود كه مفاهيم پايه‌اي هوش را شكل مي‌دهد. درواقع ماشيني كه به يادگيري مجهز باشد، قدم اول را به‌سمت هوشمند شدن برداشته است (دقيقا شبيه به انسان). امروزه كاربردهاي متنوعي براي هوش مصنوعي محدود وجود دارد كه روز‌به‌روز هم بر تعداد آن‌ها افزوده مي‌شود.

گروهي از محققان دانشگاه استنفورد يك نرم‌افزار هوش مصنوعي ساخته‌اند كه با تشخيص اهميت و اولويت‌بندي فكس‌ها، به كاركنان بخش سلامت كمك مي‌كند. اتومبيل هاي خود ران كه به كمك هوش مصنوعي ياد مي‌گيرند كه چگونه رانندگي كنند. ) قادر به شناسايي الگوها و تصميم‌گيري بر اساس قوانين فكر كردن خود هستند. قوانين و چگونگي فكر كردن هر عامل در راستاي دستيابي به هدفش، تعريف مي‌شود.

امروزه، يادگيري ماشين در اكثر صنايع و كسب و كارها مورد استفاده قرار مي گيرد و تصميمات بسيار تأثيرگذار دنياي امروز بر اساس پردازش ها و نتايج به دست آمده از يادگيري ماشين است. همچنين زبان برنامه نويسي پايتون با رشد و گسترده تر شدن روزافزون جامعه كاربري اش، بستر بسيار مناسبي جهت فعاليت هاي يادگيري ماشين را فراهم كرده است. اين نوع از هوش مصنوعي هنوز وجود ندارد اما اساس اين عبارت روانشناختي به تمامي اعتقادات و دانش ها، آرزوها و آمال و نيت هر فرد بر مي گردد و تاثيري كه هر كدام از آن ها بر تصميم گيري يك فرد دارد. به‌طور كلي ماهيت وجودي هوش به مفهوم جمع‌آوري اطلاعات، استقراء و تحليل تجربيات به منظور رسيدن به دانش يا ارائه تصميم است.

در واقع هوش مصنوعي به متخصصان حوزه ژنتيك كمك مي‌كند كه ژنومي مصنوعي بسازند كه مشابه آن وجود ندارد. به همين منظور در فصل سوم اين دوره پنج ميني پروژه برايتان درنظر گرفته‌ايم كه با آن‌ها مي‌توانيد به خوبي پايتون را فرا بگيريد. به عبارت ساده هدف ما از برگزاري اين دوره اين است كه شما را در هر سطحي كه قرار داريد، چند گام بالاتر ببريم تا بتوانيد زبان برنامه نويسي هوش مصنوعي را از سطوح پايين تا سطوح پيشرفته‌تر فرا بگيريد. پردازش زبان طبيعي يا Natural Language Processing يعني درك ماشين نسبت به گفتار، نوشتار و ارتباطات انساني، با استفاده از اين تكنيك رايانه‌ها مي‌توانند نتيجه‌گيري‌هايي با مبناي احساسي از ورودي‌هاي زباني دريافت كرده و با توجه به آن‌ها تصميم‌گيري كنند.