به نظر می‌رسد خیلی‌ها تفاوت‌ هوش مصنوعی، یادگیری ماشین و یادگیری عمیق را نمی‌دانند. این روزها به‌ویژه در زمینه تکنولوژی، با مفاهیمی سروکار داریم که هم جدید هستند و هم پیچیده. به همین دلیل بسیاری از مردم درک دقیقی از این مفاهیم ندارند. اما در این مطلب قصد داریم تا به معرفی و تشخیص تفاوت‌های «هوش مصنوعی» و «یادگیری ماشین» بپردازیم. حتی بسیاری از افرادی که در حوزه فناوری مطالعه دارند هم گاهی این اصطلاحات را مترادف هم به‌کار می‌برند و یا به‌طور دقیق از اختلاف آن‌ها آگاهی ندارند. با این‌که این دو مفهوم بسیار شبیه هستند و گاهی باهم هم‌پوشانی دارند، اما از جهاتی هم متفاوت هستند. 

در واقع مقوله هوش مصنوعی، زمینه‌ گسترده‌ای دارد که یکی از زیرمجموعه‌های آن یادگیری ماشین است. از طرفی در همین زمینه، مفهوم دیگری هم تحت عنوان «یادگیری عمیق» مطرح می‌شود. این مفهوم هم موضوعی است که در این بررسی می‌گنجد. در ادامه ببینیم تفاوت‌های هوش مصنوعی و یادگیری ماشین کجاست؟ 

هوش مصنوعی یا Artificial Intelligence چیست؟

هوش مصنوعی یا AI در یک تعریف کلی، ماشین هوشمندی است که رفتار انسان را شبیه‎‌سازی می‌کند. در واقع این مفهوم رشته ای از علوم کامپیوتر است که از دو کلمه “هوش” و “مصنوعی” تشکیل شده و به قدرت تفکر ساخته دست بشر اشاره دارد. بنابراین در یک تعریف دقیق‌تر، هوش مصنوعی یک فناوری است که با استفاده از آن می‌توانیم سیستم‌های هوشمندی ایجاد کنیم که می‌توانند هوش انسان را شبیه‌سازی کنند.

هوش مصنوعی نیازی به برنامه‌ریزی از قبل ندارد چراکه الگوریتم‌هایی در آن به‌کار گرفته شده‌اند که می‌توانند از هوش خود استفاده کنند. هوش مصنوعی بر اساس قابلیت‌هایش به سه دسته طبقه‌بندی می‌شود:

• هوش مصنوعی ضعیف
• هوش مصنوعی عمومی
• هوش مصنوعی قوی

در حال حاضر استفاده از هوش مصنوعی ضعیف و عمومی متداول است اما در آینده هوش مصنوعی قوی جای آن‌ها را خواهد گرفت که شبیه انسان‌هایی با هوش بالا خواهد بود.

اما تکنیک‌های گوناگونی برای پیاده‌سازی هوش مصنوعی وجود دارند. برخی از این تکنیک‌ها، سیستم‌های خبره یا قاعده‌مند هستند و یک دسته دیگر هم که از دهه‌ ۸۰ میلادی به‌کار گرفته شد ماشین لرنینگ یا یادگیری ماشین نام دارد. پس تا این‌جا معلوم شد که یادگیری ماشین، زیرمجموعه هوش مصنوعی است. اما حالا ببینیم که یادگیری ماشین چیست؟

یادگیری ماشین یا Machine Learning چیست؟

برای درک بهتر این مفهوم، ابتدا یک مثال می‌زنیم. خودمان را در نظر بگیریم. ما چگونه آموختیم؟ از آموزش‌های ساده شروع کردیم، تمرین کردیم، تحقیق کردیم، تجزیه و تحلیل کردیم، از موضوعات ساده‌تر سراغ موضوعات پیچیده‌تر رفتیم و به تدریج آموختیم. به عبارت دیگر داده‌های بسیاری را دریافت و آن‌ها را پردازش کردیم تا آموختیم. 

این همان ایده اولیه یادگیری ماشین است. حالا ماشین هم می‌تواند با دریافت داده و پردازش آن، به‌تدریج بیاموزد. به این ترتیب ماشین می‌تواند به‌تنهایی و بدون برنامه‌ریزی دقیق، خودش یاد بگیرد. در واقع این یک برنامه کاربردی هوش مصنوعی است که به ماشین توانایی یادگیری خودکار و استفاده از تجربه‌ها را می‌دهد. 

هنگامی‌که الگوریتم‌های یادگیری ماشین توسعه‌ پیدا کنند، می‌توانند بسیاری از مسائل پیچیده را حل کنند. بنابراین ماشین می‌تواند با استفاده از داده‌های تاریخی، پیش‌بینی یا تصمیم‌گیری کند. با این حال هنوز هم تشخیص برخی موضوعات مانند حرف زدن یا شناسایی دست‌خط، برای ماشین‌ها دشوار است و دانشمندان عقیده دارند که مشکل اصلی این است که ماشین نمی‌تواند عملکرد مغز را که مجموعه‌ای از شبکه‌های عصبی با صدها یا حتی هزاران نورون است، داشته باشد. پس ماشین لرنینگ نمی‌تواند از یادگیری مغز تقلید کند.

یادگیری عمیق یا Deep Learning چیست؟

پس از آن‌که یادگیری ماشین به چالشی که گفته شد رسید، موضوع یادگیری عمیق مطرح شد. یادگیری عمیق، استفاده‌ از شبکه‌های عصبی در یادگیری ماشین است. البته هنوز تا تقلید و شبیه‌سازی کامل عملکرد مغز و پیچیدگی‌هایش فاصله‌ زیادی وجود دارد. در واقع در یادگیری عمیق هم به دنبال این موضوع نیستیم. بلکه منظور از یادگیری عمیق، تقلید انتزاعی از مغز و شبکه‌های عصبی است، نه شبیه‌سازی کامل. اما یادگیری عمیق چگونه کار می‌کند؟

بگذارید از یک مثال استفاده کنیم. اگر شما تصویری از یک خرگوش را ببینید، سریعا آن حیوان را تشخیص می‌دهید حتی اگر قبلا آن عکس را ندیده باشید. فرقی نمی‌کند که خرگوش بر روی یک صندلی لم داده باشد یا لباس بر تن داشته باشد. شما می‌توانید یک خرگوش را در هر شرایطی شناسایی کنید چون اعضای بدن آن را می‌شناسید.

یادگیری عمیق یا دیپ لرنینگ هم همین است. این فناوری در چت‌بات‌ها و دستیار‌های صوتی هوشمند قابل مشاهده است.

برای مطالعه بیشتر درباره کاربرد این مفاهیم در فین‌تک می‌توانید این مطلب را بخوانید: بررسی کاربردهای هوش مصنوعی و یادگیری ماشین در فین‌‌تک

خلاصه‌ای از تفاوت‌ هوش مصنوعی، یادگیری ماشین

پس از تعریف هوش مصنوعی و یادگیری ماشین، برای درک بیشتر تفاوت این دو مفهوم، ویژگی‌ها و جزئیات هریک را به تفکیک مرور می‌کنیم:

هوش مصنوعی  (Artificial Intelligence)

1. هوش مصنوعی دامنه گسترده‌تری در مقایسه با یادگیری ماشین دارد.
2. یادگیری ماشین و یادگیری عمیق، زیر شاخه‌های هوش مصنوعی هستند.
3. هدف هوش مصنوعی ایجاد یک فناوری هوشمند مانند انسان، برای حل مسائل پیچیده است. 
4. هوش مصنوعی یک فناوری به‌منظور شبیه سازی رفتار انسان است.
5. تلاش هوش مصنوعی در جهت ایجاد یک سیستم هوشمند با قابلیت درک مسائل پیچیده و انجام کارهای مختلف است.
6. از نمونه‌های کاربرد هوش مصنوعی می‌توان به سیستم‌های خبره، Siri ، سیستم‌های پشتیبانی مشتری، بازی‌های آنلاین مانند شطرنج و روبات‌های هوشمند اشاره کرد.
7. هوش مصنوعی بر اساس قابلیت‌هایش به سه دسته ضعیف، عمومی و قوی تقسیم می‌شود.
8. فناوری هوش مصنوعی قابلیت یادگیری، استدلال و تصحیح خود را دارد.

یادگیری ماشین (Machine learning)

1. یادگیری ماشین دامنه محدودتری در مقایسه با هوش مصنوعی دارد.
2. در یادگیری ماشین، هدف این است که ماشین‌ها به‌‍‌صورت خودکار و بدون برنامه‌نویسی صریح، از داده‌ها یاد بگیرند.
3. در ماشین لرنینگ، ماشین به کمک داده‌ها می‌آموزد که یک کار مشخص را انجام دهد و نتیجه قابل پیش‌بینی بگیرد.
4. یادگیری و تصحیح خود، موضوع اصلی یادگیری ماشین است. بنابراین پیداکردن الگوهای یادگیری و دقت عمل آن‌ها دغدغه اصلی است.
5. از نمونه‌های کاربرد ماشین لرنینگ می‌توان به پیشنهادات آنلاین، الگوریتم‌های جستجوی گوگل، چت بات‌ها، ابزارهای دوست‌یابی در شبکه‌های اجتماعی مانند پیشنهادات برچسب‌گذاری خودکار دوستان فیس‌بوک اشاره کرد.
6. یادگیری ماشین به سه دسته تقسیم می‌شود: یادگیری نظارت شده، یادگیری بدون نظارت و یادگیری تقویت شونده .
7. یادگیری ماشین با داده‌های ساختاری و نیمه‌ساختاریافته سروکار دارد.

دیگر اشیا هم می‌توانند مانند انسان فکر کنند!

گاهی تفکیک برخی از مفاهیم آسان نیست اما وقتی آن‌ها را می‌شناسیم موضوع برایمان جذاب‌تر می‌شود. در رابطه با مفاهیمی که در این مطلب بیان شد هم قضیه همین است. احتمالا با خود می‌گویید «حالا جالب شد!».

هوش مصنوعی یک فناوری هوشمند برای شبیه‌سازی رفتار انسان در ماشین است. درحالی‌که یادگیری ماشین زیرمجموعه هوش مصنوعی است که دامنه محدودتری دارد. یادگیری ماشین ایجاد توانایی یادگیری خودکار و استفاده از داده‌ها و تجربیات در ماشین است. به‌طور خلاصه می‌توان گفت هوش مصنوعی در پی افزایش و به حداکثر رساندن شانس موفقیت است اما یادگیری ماشین عمدتا به میزان دقت و پیداکردن الگوهای حل مسئله مربوط می‌شود و هدف یادگیری عمیق هم حل کردن مسائل پیچیده‌تر است. این تنها اشاره‌ای کوتاه به دنیای بزرگی از مفاهیم جذاب فناوری بود. کمی به اطراف خود دقت کنید. شما چه نمونه‌هایی می‌توانید بیابید؟