شاید خیلی از افراد از کلمات مانند هوش مصنوعی و یادگیری ماشین بهعنوان مترادف یکدیگر استفاده کنند و تفاوت آنها را نداند. بااینوجود شما باید بدانید که هوش مصنوعی و ماشین لرنینگ دو اصطلاح یا بهعبارتدیگر دو مفهوم کاملاً متفاوت با یکدیگر هستند و حتی اگر یادگیری ماشین بهعنوان بخشی از هوش مصنوعی نیز شناخته شود باز هم نمیتوان تفاوتهای میان این دو را نادیده گرفت. اگر بخواهیم تعریف دقیقتری ارائه دهیم میتوان گفت که هوش مصنوعی یک حوزه بسیار وسیع است که یادگیری ماشین تنها بخش کوچکی از آن را تشکیل میدهد.
هوش مصنوعی چیست؟
هوش مصنوعی حوزهای از علوم کامپیوتر است که سیستم کامپیوتری را میسازد که میتواند هوش انسانی را تقلید کند. این مفهوم در واقع به معنای قدرت هوشمند و متفکری است که به دست انسان ساخته شده است. به همین علت نیز میتوانیم آن را اینگونه تعریف کنیم:
هوش مصنوعی فناوری است که با استفاده از آن میتوانیم سیستمهای هوشمندی ایجاد کنیم که میتوانند هوش انسانی را شبیهسازی کنند.
در واقع سیستم هوش مصنوعی (Artificial intelligence) که یکی از فناوریهای انقلاب صنعتی چهارم میباشد نیازی به برنامهریزی قبلی ندارد و بهجای آن از الگوریتمهایی استفاده میکند که میتوانند با هوشمندی که دارند بهصورت خودکار کار کنند. این مسئله شامل الگوریتمهای یادگیری ماشین مانند الگوریتمهای یادگیری تقویتی و شبکههای عصبی و البته یادگیری عمیق نیز میشود. هوش مصنوعی در موقعیتهای مختلفی از جمله سیری، آلفاگو گوگل، در بازی شطرنج و بسیاری از موارد دیگر مورداستفاده قرار میگیرد و موجب تحول دیجیتال در صنایع مختلف شده است. برای درک بهتر تفاوت میان هوش مصنوعی و یادگیری ماشین آشنایی با دستههای مختلف هوش مصنوعی نیز میتواند مفید باشد.
بر اساس قابلیتهایی که هوش مصنوعی ارائه میدهد میتوان آن را به سه دسته مختلف تقسیمبندی کرد:
- هوش مصنوعی ضعیف
- هوش مصنوعی عمومی
- هوش مصنوعی قوی
در حال حاضر هوش مصنوعی ضعیف و عمومی بیشتر موردتوجه قرار دارند؛ ولی آینده هوش مصنوعی بدون شک متعلق به هوش مصنوعی قوی است که گفته میشود در واقع انسانی کاملاً هوشمند را ایجاد میکند.
یادگیری ماشین چیست؟
یادگیری ماشین (Machine learning) در خصوص استخراج دانش از مجموعهای از دادههاست که میتوان آن را به شکل زیر تعریف کرد:
یادگیری ماشین زیرشاخهای از هوش مصنوعی است که ماشینها را قادر میسازد تا از دادهها یا تجربیات گذشته بدون نیاز به برنامهنویسی صریح یاد بگیرند.
یادگیری ماشین یک سیستم کامپیوتری را قادر میسازد تا با استفاده از دادههای تاریخی بدون نیاز به برنامهنویسی پیشبینی کرده و بر این اساس تصمیمگیری کنند. یادگیری ماشین حجم عظیمی از دادههای ساختاریافته و نیمهساختاریافته را دریافت کرده و با استفاده از آنها یک مدل یادگیری ماشین را ایجاد میکند. این مدل میتواند نتایج دقیقی را ایجاد کرده و بر اساس آن پیشبینیهایی نیز داشته باشد.
نکته مهم درباره این تکنولوژی این است که یادگیری ماشین با استفاده از الگوریتمی کار میکند که بر اساس مجموعهای از دادههای تاریخی ایجاد شده و توسط خود این تکنولوژی یاد میگیرد. البته باید دقت داشت که این فقط برای حوزههای خاصی کار میکند. بهعنوانمثال اگر هدف ایجاد یک مدل یادگیری ماشین برای تشخیص تصاویر سگها باشد تنها میتوان از این مدل برای تصاویر سگها استفاده کرد و اگر دادههای جدیدی مانند تصاویر مجموعهای از گربهها را به آن ارائه دهیم پاسخگو نخواهد بود.
امروزه ماشین لرنینگ در موقعیتهای مختلفی از جمله سیستمهای توصیهگر آنلاین، الگوریتمهای جستجوی گوگل، فیلتر هرزنامههای داخل ایمیلها، پیشنهاد برای دستهبندی دوستان در فیسبوک و … مورداستفاده قرار میگیرد.
به طور کلی میتوان یادگیری ماشین را به سه دسته مختلف شامل دستههای زیر تقسیمبندی کرد:
- یادگیری با نظارت
- یادگیری تقویتی
- یادگیری بدون نظارت
یادگیری عمیق چیست؟
به طور کلی یادگیری عمیق را میتوان زیرمجموعهای از یادگیری ماشین دانست که در اصل یک شبکه عصبی با سهلایه یا بیشتر را ارائه میدهد. این شبکههای عصبی تلاش میکنند تا بتوانند رفتار مغز انسان را شبیهسازی کرده و به آن اجازه دهند تا مقادیر زیادی از دادهها را بیاموزد. البته باید دقت داشت که یک شبکه عصبی با یکلایه نیز میتواند پیشبینیهای تقریبی خوبی داشته باشد؛ ولی زمانی که لایههای پنهان اضافه میشوند میتوانند به بهینهسازی و اصلاح دقت پیشبینی کمک شایانی کنند.
یادگیری عمیق (Deep learning) امروزه بسیاری از اپلیکیشنها و خدمات مبتنی بر هوش مصنوعی را شامل میشود و باعث بهبود فرایند اتوماسیون در صنایع مختلف نیز شده است. با استفاده از سرویسهای مبتنی بر یادگیری عمیق میتوان بسیاری از وظایف تحلیلی و فیزیکی را بدون نیاز به دخالت انسانی انجام داد. فناوری یادگیری عمیق در پسزمینه بسیاری از محصولات و خدمات روزمره (مانند دستیارهای دیجیتال، کنترل از راه دور، قابلیتهای صوتی مختلف، تشخیص تقلب در کارتهای اعتباری و …) و همچنین فناوریهای نوظهور مانند خودروهای خودران در حال اجرا است.
شبکههای عصبی و یادگیری عمیق تلاش میکند تا از طریق ترکیب ورودی دادهها، وزنها و برخی موارد دیگر تلاش کند تا سوگیری مغز انسان در شرایط مختلف را تقلید کند. آنها معمولاً از چندین لایه مختلف و گرههای بههمپیوسته تشکیل شدهاند که این مسئله روی افزایش قدرت محاسباتی آنها تاثیرگذار است.
تفاوتهای هوش مصنوعی و یادگیری ماشین
هوش مصنوعی و یادگیری ماشین (Machine learning) چه تفاوتهایی با یکدیگر دارند؟ این تفاوتها را میتوان در موارد زیر خلاصه کرد:
- هوش مصنوعی فناوری است که ماشین را قادر میسازد تا رفتار انسان را شبیهسازی کند؛ ولی یادگیری ماشین زیرمجموعهای از هوش مصنوعی است که به ماشین اجازه میدهد که به طور خودکار از دادههای گذشته بدون نیاز به برنامهنویسی صریح بیاموزد و یاد بگیرد.
- تفاوت دیگر هوش مصنوعی و ماشین لرنینگ در هدف آنها است. هدف هوش مصنوعی ساختن یک سیستم کامپیوتری هوشمند مانند انسان برای حل مشکلات پیچیده است. هدف یادگیری ماشین این است که به ماشینها اجازه دهد که از دادهها یاد بگیرند تا بتوانند خروجی دقیقی ارائه دهند.
- در هوش مصنوعی سیستمهای هوشمندی ساخته میشوند تا بتوانند؛ مانند انسان هر کاری را انجام دهند. در یادگیری ماشین، به ماشینها آموزش داده میشود تا یک کار خاص را انجام داده و نتایج دقیقی را ارائه دهند.
- هوش مصنوعی دارای دامنه بسیار گستردهای است؛ ولی یادگیری ماشین دامنه محدودی دارد.
- هوش مصنوعی در حال کار روی ایجاد سیستم هوشمندی است که میتواند وظایف پیچیده مختلفی را انجام دهد و این در حالی است که یادگیری ماشین روی ایجاد ماشینهایی تمرکز دارد که میتوانند تنها کارهای خاصی که برای آن آموزش دیدهاند را انجام دهند.
- هوش مصنوعی به دنبال به حداکثر رساندن شانس موفقیت است و یادگیری ماشین عمدتاً روی دقت و الگوها متمرکز است.
- کاربردهای اصلی هوش مصنوعی در برنامههایی مانند سیری، پشتیبانی مشتریان، سیستمهای اکسپرت، بازی آنلاین، ربات انساننمای هوشمند و … است. کاربردهای یادگیری ماشین در سیستمهای توصیهگر آنلاین، الگوریتمهای جستجوی گوگل، برچسبگذاری خودکار و … است.
- هوش مصنوعی شامل یادگیری، استدلال و اصلاح خود است؛ ولی یادگیری ماشین تنها شامل یادگیری و اصلاح خود در هنگام کار با دادههای جدید است.
- هوش مصنوعی میتواند با هریک از دادههای ساختاریافته، نیمهساختاریافته و بدون ساختار کار کند. یادگیری ماشین تنها با دادههای ساختاریافته و نیمهساختاریافته سروکار دارد.
تفاوتهای یادگیری ماشین و یادگیری عمیق
پس از صحبت درباره تفاوتهای میان هوش مصنوعی و یادگیری ماشین نوبت به صحبت درباره تفاوتهای یادگیری ماشین و یادگیری عمیق میرسد. یادگیری عمیق زیرمجموعهای از یادگیری ماشین است. حال سوالی که پیش میآید این است که پس این دو چه تفاوتی با یکدیگر دارند؟ یادگیری عمیق بر اساس نوع دادههایی که با آن کار میکند و روشهایی که برای یادگیری مورداستفاده قرار میدهد خود را از یادگیری ماشین متمایز میکند.
یادگیری عمیق معمولاً برخی از مراحل پیشپردازش داده که معمولاً در یادگیری ماشین وجود دارند را حذف میکند. این الگوریتمها میتوانند دادههای بدون ساختار مانند متن و تصویر را دریافت و پردازش کرده و عملیات استخراج ویژگی را نیز به طور خودکار انجام دهند. بهعنوانمثال در عملیات تشخیص حیوانان الگوریتمهای یادگیری عمیق قادر هستند تا تعیین کنند که کدام ویژگیها (مانند گوشها) میتوانند برای تشخیص هر حیوان از حیوان دیگر مهمتر باشند. این در حالی است که در یادگیری ماشین این عملیات معمولاً بهصورت سلسله مراتبی و با کمک نیروی انسانی انجام میشود.
پیشنهاد مطالعه: هوشمندسازی چیست؟
پرسش و پاسخ
در این بخش به برخی از سوالات پرتکرار در خصوص هوش مصنوعی و یادگیری ماشین و تفاوتی که میان این دو وجود دارد پاسخ خواهیم داد.
آیا هوش مصنوعی و یادگیری ماشین یکسان هستند؟
با وجود اینکه هوش مصنوعی و یادگیری ماشین بسیار نزدیک به هم و مرتبط هستند؛ ولی آنها یکسان نیستند و یادگیری ماشین بهعنوان زیرمجموعهای از هوش مصنوعی در نظر گرفته میشود.
هوش مصنوعی و یادگیری ماشین چگونه به یکدیگر مرتبط میشوند؟
یک کامپیوتر هوشمند از هوش مصنوعی برای فکرکردن مانند یک انسان و انجام وظایف بهتنهایی استفاده میکند. یادگیری ماشین نحوه توسعه یک سیستم هوشمند را در هریک از زیرشاخههای آن تعریف میکند.
خلاصه مطلب
هوش مصنوعی و یادگیری ماشین دو مفهوم بسیار نزدیک به یکدیگر هستند که با وجود شباهتها دارای تفاوتهای عمدهای هستند که باید در نظر گرفته شود. از طرف دیگر یادگیری عمیق نیز جز مفاهیمی است که با یادگیری ماشین و هوش مصنوعی در ارتباط است؛ ولی یادگیری عمیق نیز دارای تفاوتهای زیادی با یادگیری ماشین است. درک درست تفاوت هوش مصنوعی و ماشین لرنینگ به نحوه استفاده از هوش مصنوعی و یادگیری ماشین کمک شایانی میکند.
منابع: