هوش مصنوعی به زبان ساده برای کودکان در مدرسه

 

m سیستم های خبره ای را معرفی کرد که فرآیند تصمیم  هوش مصنوعی به زبان ساده برای کودکان گیری یک متخصص انسانی را تقلید می کرد. این برنامه از یک متخصص در یک زمینه می پرسد که چگونه در یک موقعیت خاص پاسخ دهد، و هنگامی که این تقریباً برای هر موقعیتی یاد گرفت، افراد غیرمتخصص می توانند از آن برنامه مشاوره دریافت کنند. سیستم های خبره به طور گسترده در صنایع مورد استفاده قرار گرفتند. دولت ژاپن به‌عنوان بخشی از پروژه نسل پنجم کامپیوتر (FGCP) سیستم‌های خبره و سایر تلاش‌های مرتبط با هوش مصنوعی را به شدت تامین کرد. از سال 1982 تا 1990، آنها 400 میلیون دلار با هدف ایجاد تحول در پردازش کامپیوتری، اجرای برنامه نویسی منطقی و بهبود هوش هوش مصنوعی به زبان ساده برای کودکان  مصنوعی سرمایه گذاری کردند. متاسفانه اکثر اهداف بلندپروازانه محقق نشد. با این حال، می توان استدلال کرد که اثرات غیر مستقیم FGCP الهام بخش نسل جوان با استعدادی از مهندسان و دانشمندان است. صرف نظر از این، تأمین مالی FGCP متوقف شد و هوش مصنوعی از کانون توجه خارج شد.

 

از قضا، در غیاب بودجه دولتی و تبلیغات عمومی، هوش مصنوعی رشد کرد. در طول دهه های 1990 و 2000، بسیاری از اهداف برجسته هوش مصنوعی محقق شده بود. در سال 1997، گری کاسپاروف، قهرمان و استاد بزرگ شطرنج جهان، توسط برنامه کامپیوتری شطرنج Deep Blue شرکت IBM شکست خورد. این مسابق هوش مصنوعی به زبان ساده برای کودکان ه بسیار تبلیغاتی اولین باری بود که قهرمان شطرنج جهان در مقابل کامپیوتر شکست خورد و به عنوان یک گام بزرگ به سوی یک برنامه تصمیم گیری هوشمندانه مصنوعی عمل کرد. در همان سال نرم افزار تشخیص گفتار که توسط Dragon Systems توسعه یافته بود بر روی ویندوز پیاده سازی شد. این گام بزرگ دیگری به جلو بود، اما در جهت تلاش برای تفسیر زبان گفتاری. به نظر می رسید که مشکلی وجود ندارد که ماشین ها نتوانند از پس آن برآیند. حتی احساسات انسانی نیز بازی منصفانه ای بود، همانطور که Kismet، رباتی که توسط سینتیا بریزیل ساخته شد و می توانست احساسات را تشخیص دهد و نمایش دهد، نشان می دهد.

 

زمان همه زخم ها را درمان می کند

ما در مورد نحوه کدنویسی هوش مصنوعی هوشمندتر نشده‌ایم هوش مصنوعی به زبان ساده برای کودکان ، پس چه چیزی تغییر کرد؟ به نظر می رسد، محدودیت اساسی ذخیره سازی رایانه که 30 سال پیش ما را عقب نگه می داشت، دیگر مشکلی نبود. قانون مور، که تخمین می‌زند که حافظه و سرعت رایانه‌ها هر سال دو برابر می‌شود، سرانجام توانسته بود و در بسیاری موارد از نیازهای ما پیشی بگیرد. دقیقاً اینگونه بود که دیپ بلو توانست گری کاسپاروف را در سال 1997 شکست دهد و آلفا گو گوگل تنها چند ماه پیش توانست قهرمان چینی گو، که جی را شکست دهد. این کمی توضیح برای ترن هوایی تحقیقات هوش مصنوعی ارائه می دهد. ما توانایی‌های هوش مصنوعی را به سطح قدرت محاسباتی  هوش مصنوعی به زبان ساده برای کودکان فعلی خود (سرعت ذخیره‌سازی و پردازش رایانه) اشباع می‌کنیم و سپس منتظر می‌مانیم تا قانون مور دوباره فرا برسد.

 

هوش مصنوعی همه جا هست

ما اکنون در عصر «داده‌های بزرگ» زندگی می‌کنیم، عصری که در آن ظرفیت جمع‌آوری حجم عظیمی از اطلاعات را داریم که پردازش آن برای یک فرد بسیار دشوار است. استفاده از هوش مصنوعی در این زمینه قبلاً در چندین صنعت مانند فناوری، بانکداری، بازاریابی و سرگرمی بسیار پربار بوده است. ما دیده‌ایم که حتی اگر الگوریتم‌ها پیشرفت چندانی نداشته باشند، داده‌های بزرگ و محاسبات عظیم به سادگی به هوش مصنوعی اجازه می‌دهند تا از طریق نیروی بی رحم یاد بگیرد. ممکن است شواهدی وجود داشته باشد که قانون مور کمی کند می شود، اما افزایش داده  هوش مصنوعی به زبان ساده برای کودکان ها مطمئناً هیچ حرکتی را از دست نداده است. پیشرفت‌ها در علوم کامپیوتر، ریاضیات یا علوم اعصاب همگی به عنوان دستاوردهای بالقوه از طریق سقف قانون مور عمل می‌کنند.

 

آینده

پس چه چیزی در انتظار آینده است؟ در آینده نزدیک، زبان هوش مصنوعی مانند چیز بزرگ بعدی به نظر می رسد. در واقع، در حال حاضر در حال انجام است. آخرین باری که با یک شرکت تماس گرفتم و مستقیماً با یک انسان صحبت کردم، یادم نیست. این روزها حتی ماشین ها به من زنگ می زنند! می‌توان تعامل با یک سیستم خبره را در یک مکالمه روان تصور کرد، یا مکالمه‌ای را به دو زبان مختلف در زمان واقعی ترجمه کرد. ما همچنین  هوش مصنوعی به زبان ساده برای کودکان می توانیم انتظار داشته باشیم که در بیست سال آینده اتومبیل های بدون راننده را در جاده ها ببینیم (و این محافظه کارانه است). در درازمدت، هدف هوش عمومی است، یعنی ماشینی که در همه کارها از توانایی های شناختی انسان پیشی می گیرد. این در امتداد خطوط ربات حساسی است که ما به دیدن آن در فیلم ها عادت کرده ایم. به نظر من غیر قابل تصور به نظر می رسد که این امر در 50 سال آینده محقق شود. حتی اگر توانایی وجود داشته باشد، سؤالات اخلاقی به عنوان یک مانع قوی در برابر به ثمر نشستن عمل خواهند کرد. وقتی آن زمان فرا رسید (اما بهتر است حتی قبل از رسیدن زمان)، ما باید یک گفتگوی جدی در مورد سیاست و اخلاق ماشین داشته باشیم (از قضا هر دو موضوع اساساً انسانی هستند)، اما در حال حاضر، ما به هوش مصنوعی اجازه می‌دهیم به طور پیوسته بهبود یابد و بی‌قرار شود. در جامعه.

 

راکول آنیوها دانشجوی کارشناسی ارشد در بخش زیست شناسی مولکولی با پیشینه فیزیک و ژنتیک است. پروژه فعلی او از یادگیری ماشینی برای مدل‌سازی رفتار حیوانات استفاده مArtificial intelligence in plain language for children ی‌کند. راکول در اوقات فراغت خود از بازی فوتبال و بحث در مورد