هوش مصنوعی یا Artificial intelligence (AI) این امکان را برای ماشین ها فراهم می کند تا از تجربه یاد بگیرند، با ورودی های جدید سازگار شوند و کارهای شبیه به انسان را انجام دهند. بیشتر نمونه های Artificial intelligence که امروز در مورد آنها می شنوید، از رایانه های شطرنج بازی گرفته تا اتومبیل های خودران، تا حد زیادی به یادگیری عمیق و پردازش زبان طبیعی متکی هستند. با استفاده از این فناوری ها، می توان به کامپیوترها آموزش داد تا با پردازش مقادیر زیادی از داده ها و شناخت الگوهای موجود در داده ها، کارهای خاص خود را انجام دهند.

چرا هوش مصنوعی مهم است؟

هوش مصنوعی یادگیری و کشف تکراری را از طریق داده ها به طور خودکار انجام می دهد. اما این علم با اتوماسیون رباتیک سخت افزاری متفاوت است. در حقیقت Artificial intelligence بجای خودکار کردن کارهای دستی، وظایف مکرر، با حجم زیاد و رایانه ای را با

• اطمینان و بدون خستگی انجام می دهد. برای این نوع اتوماسیون، سوال از انسان برای راه اندازی سیستم و همچنین پرسیدن سوالات صحیح هنوز ضروری می باشد.
• هوش مصنوعی به محصولات موجود هوش می افزاید. در بیشتر موارد، Artificial intelligence به عنوان یک وسیله کاربردی مجزا فروخته نمی شود؛ در عوض، محصولاتی که قبلاً از آنها استفاده می کرده اید با استفاده از قابلیت برخورداری از AI بهبود می یابند، دقیقاً مانند Siri که به عنوان یک ویژگی به نسل جدید محصولات اپل اضافه شده است. اتوماسیون، سیستم عامل های مکالمه، ربات ها و ماشین های هوشمند را می توان با مقدار زیادی داده ترکیب کرد تا بسیاری از فن آوری ها را در خانه و محل کار از هوش امنیتی گرفته تا تجزیه و تحلیل سرمایه گذاری بهبود بخشد.
• هوش مصنوعی از طریق الگوریتم های یادگیری تدریجی سازگار می شود تا داده ها بتوانند برنامه نویسی کنند. در حقیقت AI ساختار و قاعده های موجود در داده ها را پیدا می کند تا الگوریتم مهارت کسب کند: الگوریتم به یک طبقه بندی کننده یا پیش بینی کننده تبدیل می شود. بنابراین، همانطور که الگوریتم می تواند به خود یاد دهد که چگونه شطرنج بازی کند، می تواند به خودش یاد دهد که چه محصول دیگری را به صورت آنلاین توصیه کند. و وقتی داده های جدید داده می شوند، مدل ها سازگار می گردند.
• هوش مصنوعی با استفاده از شبکه های عصبی که دارای لایه های پنهان بسیاری هستند، داده های بیشتر و عمیق تری را تجزیه و تحلیل می کند. ساخت سیستم شناسایی تقلب با پنج لایه پنهان چند سال پیش تقریباً غیرممکن بود. همه اینها با قدرت باورنکردنی رایانه و داده های بزرگ تغییر کرده است. برای آموزش مدل های یادگیری عمیق به داده های زیادی نیاز دارید زیرا آنها مستقیماً از داده ها یاد می گیرند. هرچه اطلاعات بیشتری بتوانید به آنها تغذیه کنید، دقیق تر می شوند.
• هوش مصنوعی از طریق شبکه های عصبی عمیق به دقت باورنکردنی دست می یابد، که قبلاً غیرممکن بود. به عنوان مثال، در زمینه پزشکی، هم اکنون می توان از تکنیک های هوش مصنوعی ناشی از یادگیری عمیق، طبقه بندی تصویر و تشخیص اشیا برای یافتن سلول های سرطانی در MRI ها با همان دقت رادیولوژیست های بسیار آموزش دیده استفاده کرد.