انواع هوش مصنوعی: سه دستهبندی و اینکه کدام به کار میآید
محدود و عمومی، واکنشی و حافظهمحدود، مولد و پیشبین. هر کتاب یک جور دستهبندی میکند. اینجا هر سه را ساده میبینیم و میگوییم کدام برای انتخاب ابزار واقعاً مفید است.
سؤال «انواع هوش مصنوعی چیست» را در سه کتاب بپرسید، سه جواب میگیرید. یکی میگوید سه نوع است، یکی چهار نوع، و دیگری فهرستی از ده شاخه میآورد. هیچکدام غلط نیستند؛ فقط هر کدام با معیار متفاوتی شمردهاند.
مشکل این است که بیشتر مقالهها این سه را قاطی میکنند و خواننده آخرش نمیداند گوشیاش کدام نوع را دارد. اینجا هر دستهبندی را جدا میبینیم و بعد صریح میگوییم کدام به درد کسی میخورد که فقط میخواهد ابزار درست را انتخاب کند. اگر هنوز تصویر روشنی از اینکه هوش مصنوعی چیست ندارید، اول آن را بخوانید؛ این مقاله رویش سوار است.
سه معیار، سه دستهبندی
قبل از جزئیات، نقشهی کلی:
| معیار | انواع | به چه سؤالی جواب میدهد |
|---|---|---|
| توانایی | محدود، عمومی، فراانسانی | چقدر به هوش انسان نزدیک است؟ |
| کارکرد | واکنشی، حافظهمحدود، نظریهی ذهن، خودآگاه | از گذشته و دیگران چه میفهمد؟ |
| کاربرد | مولد، پیشبین، بینایی، گفتار و زبان | امروز چه کاری برایم انجام میدهد؟ |
دو دستهبندی اول مال کتاب درسی و بحثهای آیندهنگرانه است. سومی مال دنیای واقعی. در ادامه به هر سه میرسیم، ولی وزن اصلی با سومی است.
انواع هوش مصنوعی بر اساس توانایی
محدود (Narrow AI)
هر چیزی که تا امروز ساخته شده در این دسته است. سیستمی که برای یک کار یا یک خانواده از کارها آموزش دیده و بیرون از آن حوزه کاری از دستش برنمیآید. پلاکخوان دوربین راهنماییورانندگی پلاک را عالی میخواند، ولی نمیتواند بگوید راننده خسته است. موتور پیشنهاد دیجیکالا میداند بعد از گوشی قاب میخرید، ولی شعر نمیگوید.
چتباتهای امروزی کار را کمی پیچیده کردهاند، چون در دهها کار مختلف خوباند. با این حال هنوز محدود حساب میشوند: یاد گرفتن مستقل یک مهارت تازه در جهان واقعی، مثل رانندگی در کوچههای تنگ تجریش، از دستشان برنمیآید.
عمومی (AGI)
سیستمی که مثل یک انسان بتواند هر کار فکری را یاد بگیرد و از یک حوزه به حوزهی دیگر ببرد. هنوز وجود ندارد. سر اینکه چقدر نزدیک است، و حتی سر تعریف دقیقش، بحث جدی است؛ خلاصهی این بحث در هوش مصنوعی عمومی (AGI) چیست آمده.
فراانسانی (ASI)
سیستمی فرضی که در همهچیز از بهترین انسانها جلوتر باشد. این دسته فعلاً موضوع فلسفه و سیاستگذاری است، نه مهندسی. برای انتخاب ابزار امروز هیچ کاربردی ندارد.
انواع بر اساس کارکرد
این دستهبندی چهارگانه را زیاد در مقالههای فارسی میبینید. معیارش این است که سیستم چقدر از گذشته و از ذهن دیگران سر درمیآورد.
- واکنشی: حافظه ندارد و فقط به ورودی همین لحظه جواب میدهد. نمونهی مشهورش دیپبلو است، کامپیوتری که در ۱۹۹۷ کاسپاروف را در شطرنج برد. هر حرکت را از صفر حساب میکرد.
- حافظهمحدود: از دادههای گذشته یاد گرفته و در یک بازهی کوتاه هم آنچه اتفاق افتاده را در نظر میگیرد. تقریباً همهی سیستمهای امروزی، از خودروی خودران تا چتبات، اینجایند.
- نظریهی ذهن: سیستمی که بفهمد دیگران باور، نیت و احساس دارند. پژوهشهایی هست، ولی نمونهی واقعیِ قابل اتکایی نه.
- خودآگاه: کاملاً نظری.
چهار پلهی بالا این حس را میدهد که هوش مصنوعی روی یک نردبان بالا میرود و بهزودی به پلهی سوم میرسد. واقعیت اینطور مرتب نیست. چتبات امروزی گاهی طوری حرف میزند که انگار احساس شما را فهمیده، ولی این تقلید الگوی زبان است، نه فهم ذهن. این دستهبندی را برای امتحان حفظ کنید، ولی برای قضاوت دربارهی ابزارها به آن تکیه نکنید.
دستهبندی کاربردی: همانی که به کارتان میآید
این مهمترین بخش است. وقتی میخواهید ابزار انتخاب کنید، سؤال واقعی این است: چه کاری برایم انجام میدهد؟
مولد
چیز تازه میسازد: متن، عکس، صدا، ویدیو، کد. چتباتها و عکسسازها اینجایند و بیشترِ هیاهوی این چند سال مال همین دسته است. سازوکار و محدودیتهایش در هوش مصنوعی مولد چیست آمده.
پیشبین
از دادهی گذشته، آینده یا دسته را حدس میزند. بانک با آن تشخیص میدهد کدام تراکنش مشکوک است، فروشگاه اینترنتی با آن حدس میزند شب یلدا چقدر آجیل سفارش میگیرد. کاربر عادی کمتر مستقیم با آن کار میکند، ولی پشت صحنهی خیلی از اپهاست.
بینایی
عکس و ویدیو را میفهمد: چهره، پلاک، متن داخل عکس، بیماری برگ گوجه. خواندن متن فارسی از عکس صفحهی کتاب هم کار همین خانواده است. توضیح کاملش در بینایی ماشین چیست.
گفتار و زبان
صدا را به متن تبدیل میکند، متن را میخواند، ترجمه میکند، معنای جمله را میفهمد. پیادهکردن فایل صوتی جلسه یا زیرنویس ویدیو از این خانواده است. پایهی علمیاش پردازش زبان طبیعی است.
مرزها دارند پاک میشوند
تا چند سال پیش برای هر کدام از این چهار کار، ابزار جدا لازم بود. حالا مدلهای «چندوجهی» عکس را میبینند، صدا را میشنوند، متن مینویسند و گاهی عکس هم میسازند. عکس یک فاکتور را میفرستید، مدل متنش را میخواند (بینایی)، جمعش را بررسی میکند و یک ایمیل اعتراض مینویسد (زبان و مولد). توضیح این مدلها در مدل چندوجهی چیست آمده.
نتیجهی عملی: وقتی ابزار انتخاب میکنید، دنبال «نوع» نگردید؛ دنبال این بگردید که کار مشخص شما را، با ورودیای که دارید، انجام میدهد یا نه.
کدام دستهبندی به کار شما میآید
موضعم روشن است: اگر دانشجو نیستید که امتحان داشته باشید، دو دستهبندی اول را بشناسید و کنار بگذارید. برای انتخاب ابزار، فقط دستهبندی کاربردی به کار میآید، و آن هم فقط بهعنوان نقطهی شروع.
یک راه ساده برای امتحان: کارتان را به یک ابزار چندکاره بدهید و ببینید چه میکند. پرامپتی مثل این، هر چهار خانواده را در یک گفتگو به کار میگیرد:
این عکس فاکتور برق مغازهام است.
۱. مبلغ و دورهی مصرف را از عکس بخوان.
۲. اگر نسبت به دورهی قبل که ۲ میلیون تومان بود خیلی بیشتر است، بگو چند درصد.
۳. یک متن کوتاه و مؤدبانه برای پیگیری از ادارهی برق بنویس.
عددها را از عکس بخوان و اگر جایی ناخوانا بود، بگو؛ حدس نزن.خط آخر پرامپت مهم است. در خواندن عکس و حساب، این ابزارها گاهی اشتباه میکنند، و بهتر است خودشان بگویند مطمئن نیستند. عدد نهایی را همیشه با خود فاکتور چک کنید. برای مقایسهی اینکه کدام ابزار برای کدام کار مناسبتر است، کدام مدل هوش مصنوعی برای چه کاری راهنمای سریعی است. اگر هم ابزاری فارسی میخواهید که بدون نصب و در مرورگر کار کند، میتوانید همینجا یک گفتگو را شروع کنید.
برای تعریفهای دانشگاهی و منابع بیشتر، مدخل هوش مصنوعی عمومی در ویکیپدیا جمعبندی خوبی از بحثها دارد.
جمعبندی
انواع هوش مصنوعی را میشود با سه معیار شمرد. بر اساس توانایی، همهی ابزارهای امروز «محدود»ند و هوش عمومی هنوز فقط هدف است. بر اساس کارکرد، تقریباً همه «حافظهمحدود»ند و دو پلهی بالاتر نظریاند. و بر اساس کاربرد، چهار خانواده داریم که دارند در هم ادغام میشوند.
برای تصمیم واقعی، از کار شروع کنید نه از برچسب. اصطلاحاتی که در این مسیر میشنوید در اصطلاحات هوش مصنوعی یکجا توضیح داده شده.
