هوش مصنوعی چیست؟ توضیح ساده، دقیق و بدون اغراق
هوش مصنوعی نه جادوست نه ترسناک؛ برنامهای است که بهجای دستور، از مثال یاد میگیرد. اینجا میبینیم چطور کار میکند، کجا به کارِ یک ایرانی میآید و کجا اشتباه میکند.
احتمالاً همین هفته با هوش مصنوعی سروکار داشتهاید، حتی اگر اسمش را نبردهاید. کیبورد گوشی کلمهی بعدی را حدس زده، اسنپ مسیر را از خیابان خلوتتر داده، و اینستاگرام دقیقاً همان ویدیویی را نشانتان داده که نمیتوانستید از رویش رد شوید. پس سؤال «هوش مصنوعی چیست» دیگر سؤالی فلسفی نیست؛ سؤال این است که این چیزِ همهجا حاضر دقیقاً چه میکند و چقدر میشود رویش حساب کرد.
این راهنما را برای کسی نوشتهام که نه ریاضی میخواهد نه تبلیغ. اول یک تعریف کوتاه و دقیق، بعد اینکه چطور یاد میگیرد، بعد اینکه چه میکند و کجا خراب میکند. آخرش هم یک مسیر عملی برای اینکه از همین امروز شروع کنید.
هوش مصنوعی چیست؛ تعریف در یک جمله
هوش مصنوعی برنامهای است که بهجای اجرای قاعدههای نوشتهشده، از روی مثالها الگو یاد میگیرد و آن الگو را روی ورودیِ تازه به کار میبرد.
همین. بقیهی چیزهایی که میشنوید — شبکهی عصبی، یادگیری عمیق، مدل زبانی — راههای مختلف انجام همین کار است. تعریفهای دانشگاهی گستردهترند و هر سیستمی را که کاری «هوشمندانه» انجام دهد در بر میگیرند، حتی برنامهی شطرنجی که فقط حرکتها را میشمارد. ولی چیزی که امروز همه از آن حرف میزنند، و چیزی که در گوشی شماست، تقریباً همیشه از جنس یادگیری از داده است.
یک نکته را همین اول روشن کنم: «هوش» در این اسم کمی گمراهکننده است. این سیستمها آگاهی ندارند، چیزی نمیخواهند و نمیدانند که دارند میدانند. در کارهایی که برایشان ساخته شدهاند گاهی از آدم بهترند و در کارهایی که برای یک بچهی هفتساله بدیهی است، گاهی بهشکل عجیبی میلغزند.
فرقش با یک برنامهی معمولی
بهترین راه فهمیدن هوش مصنوعی مقایسه با نرمافزار معمولی است. فرض کنید بانک میخواهد پیامکهای کلاهبرداری را جدا کند.
روش قدیمی این است که برنامهنویس بنشیند و قاعده بنویسد: اگر پیامک کلمهی «برنده» داشت و لینک داشت و شمارهی فرستنده ناشناس بود، مشکوک است. این روش کار میکند، تا روزی که کلاهبردار بهجای «برنده» بنویسد «برنده» یا «جایزهی ویژهی شما». هر ترفند تازه یک قاعدهی تازه میخواهد و فهرست قاعدهها هیچوقت تمام نمیشود.
روش هوش مصنوعی برعکس است. به سیستم هزاران پیامک نشان میدهید که از قبل برچسب خوردهاند — این سالم، این کلاهبرداری — و میگذارید خودش بفهمد چه ویژگیهایی این دو را از هم جدا میکند. کسی قاعده نمینویسد. نتیجه، سیستمی است که پیامکِ کلاهبرداریِ تازه را هم، که قبلاً شبیهش را ندیده، اغلب تشخیص میدهد.
| برنامهی معمولی | هوش مصنوعی | |
|---|---|---|
| از کجا میداند چه کند | قاعدههایی که برنامهنویس نوشته | الگوهایی که از مثالها یاد گرفته |
| با ورودیِ تازه | اگر قاعدهاش نباشد، گیر میکند | معمولاً حدس معقولی میزند |
| خطا | قابل پیشبینی و قابل ردیابی | گاهی عجیب و توضیحناپذیر |
| یک جواب ثابت؟ | بله، همیشه همان | نه لزوماً؛ ممکن است هر بار فرق کند |
| مناسبِ | حسابوکتاب، قانون روشن، کار دقیق | زبان، تصویر، صدا، کار مبهم |
ردیف آخر جدول مهمترین است. ماشینحساب نباید «حدس» بزند و برای محاسبهی مالیات، برنامهی معمولی از هوش مصنوعی بهتر است. به همین دلیل هر کار خودکاری هم هوش مصنوعی نیست؛ دستگاه کارتخوان خودکار است، ولی چیزی یاد نمیگیرد.
چطور یاد میگیرد، بدون یک خط ریاضی
تصور کنید به کسی که هرگز زعفران ندیده، میخواهید یاد بدهید زعفران اصل را از تقلبی تشخیص دهد. هیچ تعریفی نمیدهید. فقط هزار نمونه جلویش میگذارید و بعد از هر حدس میگویید درست بود یا غلط.
اولش شانسی جواب میدهد. کمکم متوجه میشود رنگ سر رشتهها مهم است، و رنگی که در آب پس میدهد، و بو. هر بار که اشتباه میکند، معیارهای ذهنیاش را کمی جابهجا میکند. بعد از هزار نمونه، زعفرانِ هزار و یکم را خوب تشخیص میدهد، هرچند شاید نتواند دقیق توضیح دهد از کجا.
یادگیری ماشین دقیقاً همین است، فقط با میلیونها نمونه و با عدد بهجای حس. مدل مجموعهی بزرگی از پیچهای قابل تنظیم دارد که به آنها «پارامتر» میگویند. هر بار که حدسش غلط است، این پیچها کمی در جهتی چرخانده میشوند که خطا کمتر شود. تکرار این کار روی دادهی عظیم، همان چیزی است که به آن «آموزش» میگویند و ممکن است هفتهها روی هزاران پردازنده طول بکشد.
شبکهی عصبی یکی از ساختارهایی است که این پیچها را در لایههای پشت سر هم میچیند. اسمش از مغز الهام گرفته، ولی شباهتش به مغز واقعی بیشتر استعاره است تا واقعیت. اگر کنجکاوید درونش چه میگذرد، شبکه عصبی چیست را بخوانید، و برای فرق دو اصطلاحی که همه جا با هم میآیند، تفاوت یادگیری ماشین و یادگیری عمیق را.
مدل فقط به اندازهی دادهای که دیده خوب است. اگر در دادهاش زعفران قائنات بوده و زعفران افغانستان نه، روی دومی خطا میکند و خودش هم نمیفهمد. بیشترِ چیزی که به آن «سوگیری» هوش مصنوعی میگویند از همینجا شروع میشود.
انواع هوش مصنوعی، به شکلی که به کارتان بیاید
کتابها هوش مصنوعی را چند جور دستهبندی میکنند. رایجترینش بر اساس توانایی است: هوش مصنوعی محدود که فقط یک کار بلد است، هوش مصنوعی عمومی که مثل انسان هر کاری را یاد بگیرد، و فراانسانی. تا امروز هر چیزی که ساخته شده، از جمله قویترین چتباتها، در دستهی اول است. هوش عمومی هنوز هدف و موضوع بحث است؛ اینکه چقدر نزدیک است، در هوش مصنوعی عمومی (AGI) چیست باز شده.
برای یک کاربر عادی دستهبندی کارکردی بهدردبخورتر است:
- مولد: متن، عکس، صدا یا ویدیو میسازد. چتباتها و عکسسازها اینجایند.
- پیشبین: از دادهی گذشته آینده را حدس میزند؛ مثلاً اینکه کدام مشتری احتمالاً قسطش را دیر میدهد.
- بینایی: عکس و ویدیو را میفهمد؛ از پلاکخوانی دوربینهای راهنماییورانندگی تا باز کردن قفل گوشی با چهره.
- گفتار و زبان: صدا را به متن تبدیل میکند، ترجمه میکند، معنای جمله را میفهمد.
مرز اینها روزبهروز کمرنگتر میشود، چون مدلهای تازه چند کار را با هم انجام میدهند. تفکیک کامل و اینکه کدام دستهبندی واقعاً به درد میخورد، در انواع هوش مصنوعی آمده. برای دو شاخهی مشخص هم مقالهی جدا داریم: بینایی ماشین و پردازش زبان طبیعی.
هوش مصنوعی مولد و مدلهای زبانی بزرگ
وقتی امروز کسی میگوید «هوش مصنوعی»، معمولاً منظورش همین شاخه است: سیستمهایی که چیز تازه میسازند. قبلاً هوش مصنوعی بیشتر تشخیص میداد — این عکس گربه است یا سگ، این تراکنش مشکوک است یا نه. حالا مینویسد، نقاشی میکند و حرف میزند.
قلب این تحول «مدل زبانی بزرگ» است. کار اصلیاش بهطرز عجیبی ساده است: متنی به آن میدهید و حدس میزند کلمهی بعدی چه باید باشد. بعد کلمهی بعد از آن. و بعدی. همین. ولی وقتی این حدس زدن را روی حجم بسیار بزرگی از متن یاد گرفته باشد، برای حدس درست مجبور شده چیزهای زیادی دربارهی دستور زبان، واقعیتهای جهان، استدلال و لحن را هم در خودش جا بدهد. نتیجه چیزی است که میتواند نامهی اداری بنویسد، کد را اشکالزدایی کند یا غزل حافظ را توضیح دهد.
ساختاری که این جهش را ممکن کرد «ترنسفورمر» نام دارد و در مقالهای در سال ۲۰۱۷ معرفی شد. چتجیپیتی در نوامبر ۲۰۲۲ آن را به گوشی همه آورد. ماجرای کامل این مسیر، از تورینگ تا امروز، در تاریخچه هوش مصنوعی روایت شده.
برای عمیقتر شدن، هوش مصنوعی مولد چیست تصویر کلی را میدهد و مدل زبانی بزرگ چیست سازوکار را. اگر اسمها گیجتان کرده، معروفترین هوش مصنوعیها نشان میدهد کدام اسم مال کدام شرکت است و به چه کاری میآید.
در زندگی یک ایرانی به چه کار میآید
فهرستهای «۱۰۰ کاربرد هوش مصنوعی» معمولاً پر از چیزهایی است که هیچکس انجام نمیدهد. این چند مورد را دیدهام که آدمهای واقعی هر روز انجام میدهند:
- کار اداری: نوشتن نامه به ادارهی مالیات، متن اعتراض به قبض، یا درخواست مرخصی با لحن درست.
- فروش آنلاین: توضیح محصول برای دیوار یا صفحهی اینستاگرام، جواب دادن به سؤالهای تکراری مشتری، ساختن عکس بهتر از محصول.
- درس و دانشگاه: توضیح دوبارهی مبحثی که سر کلاس نفهمیدهاید، ساختن سؤال تمرینی، خلاصهی مقالهی انگلیسی.
- فهمیدن متن سخت: قرارداد اجاره، دفترچهی بیمه، برگهی آزمایش. هوش مصنوعی به زبان ساده توضیح میدهد چه نوشته — تصمیم با خودتان و متخصص است.
- ترجمه و زبان: ایمیل به کارفرمای خارجی، تمرین مکالمه برای آیلتس.
- کار خلاقانه: کپشن، شعر تولد، تصویر برای استوری، ایدهی اسم برند.
فهرست مفصلتر با مثال برای هر شغل در کاربردهای هوش مصنوعی آمده.
کجا اشتباه میکند؛ محدودیتهایی که باید بدانید
این مهمترین بخش این مقاله است. کسی که محدودیتها را نداند، یا زیادی به هوش مصنوعی اعتماد میکند یا بعد از اولین اشتباه کنارش میگذارد. هر دو ضرر است.
با اطمینان دروغ میگوید
مدل زبانی برای «باورپذیر بودن» ساخته شده، نه برای «درست بودن». بیشتر وقتها این دو یکیاند. گاهی نیستند، و آن وقت مدل شمارهی مادهی قانونیای را میآورد که وجود ندارد، یا کتابی را به نویسندهای نسبت میدهد که هرگز ننوشته، با همان لحن مطمئن همیشگی. به این «توهم» میگویند و راههای کم کردنش در توهم هوش مصنوعی چیست آمده.
از امروز خبر ندارد، مگر جستوجو کند
دانش مدل تا تاریخی است که آموزشش تمام شده. قیمت دلار امروز، نتیجهی بازی دیشب یا بخشنامهی تازه را نمیداند، مگر ابزار به وب وصل باشد و واقعاً جستوجو کند. اگر نکند، ممکن است عدد قدیمی را مثل عدد امروز جلویتان بگذارد.
در حساب ضعیفتر از آن است که فکر میکنید
عجیب است ولی واقعی: سیستمی که مقالهی فلسفی مینویسد، ممکن است در جمع چند عدد چهاررقمی اشتباه کند، چون حساب نمیکند، حدس میزند عدد بعدی چه «بهنظر» درست است. برای حساب دقیق، ماشینحساب یا اکسل هنوز بهترند.
فارسیاش هنوز یک پله عقبتر است
بخش کوچکی از متنهای اینترنت فارسی است، و این در خروجی پیداست: نیمفاصلههای جاافتاده، اصطلاحات ترجمهای، و دانستنیهای کمتر دربارهی قوانین و فرهنگ ایران. وضع فارسی و ابزارهایی که آن را بهتر میفهمند در هوش مصنوعی فارسی بررسی شده.
هوش مصنوعی میتواند برگهی آزمایش را به زبان ساده توضیح دهد، پیشنویس دادخواست بنویسد یا ریسک یک سرمایهگذاری را فهرست کند. ولی خروجیاش پیشنویس و راهنماست، نه تشخیص، نه نظر حقوقی، نه توصیهی سرمایهگذاری. مسئولیت با پزشک، وکیل و مشاور است. اطلاعات حساس — شمارهی کارت، رمز، مدارک شناسایی — را هم در هیچ چتباتی ننویسید.
برای ترازوی کاملتر فایده و ضرر، از بیکاری تا مصرف انرژی، مزایا و معایب هوش مصنوعی را ببینید.
از امروز چطور شروع کنم
لازم نیست دوره ببینید. لازم نیست انگلیسی بلد باشید. فقط باید بپذیرید که چند بار اول نتیجه معمولی میگیرید، و این تقصیر شما نیست — مهارت نوشتن درخواست با تمرین میآید.
۱. با یک کار واقعی شروع کنید. «ببینم چه بلد است» به جایی نمیرسد. نامهای که باید همین هفته بفرستید، یا متنی که باید خلاصه کنید، بهترین شروع است.
۲. مثل آدم با او حرف بزنید، با جزئیات. بگویید کی هستید، برای چه کسی مینویسید، چه لحنی میخواهید و خروجی چقدر باشد. این یک نمونهی آماده است که میتوانید عیناً امتحان کنید:
من صاحب یک مغازهی کوچک لوازمالتحریر در شیراز هستم.
یک پیام کوتاه برای مشتریهای ثابتم در واتساپ بنویس که بگوید
از شنبه بستههای آمادهی بازگشایی مدارس را با ده درصد تخفیف داریم.
لحن: صمیمی ولی مؤدب، بدون اغراق.
طول: حداکثر چهار خط.
دو نسخهی متفاوت بده تا انتخاب کنم.۳. گفتگو کنید، نه یکبار سؤال. اگر جواب اول خوب نبود، نگویید «بد است». بگویید چه چیزش: «رسمیتر»، «کوتاهتر»، «مثال مغازهی من را بیاور». جواب دوم و سوم معمولاً خیلی بهتر است. اصول این گفتگو در چت با هوش مصنوعی آمده.
۴. عدد و نام و تاریخ را خودتان بررسی کنید. همیشه. حتی وقتی جواب خیلی مطمئن بهنظر میرسد.
۵. ابزار را متناسب با کار انتخاب کنید. برای خبر روز ابزاری بخواهید که وب را بگردد، برای عکس ابزار عکسسازی. گزینههای بدون نصب و در مرورگر را هوش مصنوعی آنلاین مرور کرده است.
یک مثال مشخص از ابزاری که این انتخاب را خودش انجام میدهد، اپلیکیشن نارنگی است: دستیاری فارسی که از روی پیامتان میفهمد گفتگو میخواهید، جستوجوی وب، ساخت عکس یا سند، و از داخل ایران بدون فیلترشکن کار میکند. نسخهی وبش را بدون نصب میشود همینجا امتحان کرد. هر ابزار دیگری هم که انتخاب کنید، همان پنج قدم بالا سر جایش است.
واژهنامهی کوتاه
این چند اصطلاح را زیاد میشنوید. تعریف یکخطی کافی است تا گیج نشوید:
- مدل: خودِ سیستمِ آموزشدیده؛ فایلی از میلیاردها عدد که الگوها در آن ذخیره شده.
- پرامپت: متنی که به مدل میدهید؛ سؤال، دستور یا توضیح.
- توکن: تکهای از کلمه که مدل متن را با آن میشمارد. متن فارسی معمولاً توکن بیشتری از هماندازهی انگلیسیاش مصرف میکند.
- توهم: جوابی که درست بهنظر میرسد ولی ساختگی است.
- چندوجهی: مدلی که علاوه بر متن، عکس و صدا را هم میفهمد.
- ایجنت: سیستمی که بهجای فقط جواب دادن، چند قدم کار انجام میدهد؛ مثلاً جستوجو میکند، فایل میسازد و نتیجه را گزارش میدهد.
فهرست کاملتر با مثال در اصطلاحات هوش مصنوعی آمده. برای تعریف دانشنامهای و منابع بیشتر، مدخل هوش مصنوعی در ویکیپدیا هم نقطهی شروع خوبی است.
سه تصور غلط رایج
«هوش مصنوعی فکر میکند.» نه به معنایی که ما فکر میکنیم. الگو پیدا میکند و ادامه میدهد. گاهی نتیجهاش به استدلال شبیه است و گاهی واقعاً کار استدلال را انجام میدهد، ولی نه قصدی پشتش هست نه فهمی از پیامد.
«هرچه جدیدتر، درستتر.» مدلهای تازه در خیلی چیزها بهترند، ولی توهم در همهشان هست. نسخهی جدید دلیلی برای کنار گذاشتن بررسی نیست.
«یا همهکار یا هیچکار.» رایجترین اشتباه همین است. هوش مصنوعی نه جادوست نه اسباببازی؛ ابزاری است که در یک دسته کار خیلی خوب است و در دستهی دیگر نباید سراغش رفت. کسی که این مرز را بشناسد، بیشترین سود را میبرد.
جمعبندی
اگر فقط یک چیز از این مقاله یادتان بماند، این باشد: هوش مصنوعی برنامهای است که از مثال یاد میگیرد، نه از قاعده. همین ویژگی باعث میشود با جملهی نامرتب شما کنار بیاید، و همین باعث میشود گاهی با اطمینان کامل اشتباه کند.
با آن مثل یک همکار تازهکار ولی پرسرعت رفتار کنید: کار را با جزئیات بسپارید، خروجی را بخوانید، عدد و منبع را خودتان چک کنید. در نامه و خلاصه و ایده و ترجمه وقت زیادی برمیگرداند. در تشخیص پزشکی و نظر حقوقی و تصمیم مالی، فقط پیشنویس میدهد. برای شروع، نقشهی ۳۰ روزهی شروع از صفر قدمبهقدم کمک میکند.
