هوش مصنوعی (Artificial Intelligence یا AI) شاخهای از علوم کامپیوتر است که هدف آن ساخت سیستمهایی است که بتوانند کارهایی را انجام دهند که معمولاً به هوش انسان نیاز دارد. این کارها شامل یادگیری، استدلال، حل مسئله، درک زبان، بینایی کامپیوتری، تصمیمگیری و حتی خلاقیت میشود.
یادگیری ماشین (Machine Learning - ML)
چی هست؟
سیستمها از دادهها یاد میگیرند بدون اینکه مستقیماً برنامهریزی شوند.
مثالها: پیشبینی قیمت سهام، تشخیص ایمیل اسپم، تشخیص بیماری از آزمایشها.
زیرشاخهها:
یادگیری نظارتشده (Supervised Learning): با دادههای برچسبدار (مثلاً تصاویر سگ و گربه).
یادگیری بدون نظارت (Unsupervised Learning): پیدا کردن الگوها بدون برچسب (مثلاً دستهبندی مشتریان).
یادگیری تقویتی (Reinforcement Learning): سیستم با گرفتن پاداش یا جریمه یاد میگیرد (مثل بازی شطرنج یا رانندگی خودکار).
2️⃣ یادگیری عمیق (Deep Learning)
چی هست؟
شاخهای از ML که از شبکههای عصبی مصنوعی پیچیده استفاده میکند، مخصوص دادههای حجیم و پیچیده مثل تصویر، صدا و متن.
مثالها: تشخیص چهره، تولید تصاویر، سیستمهای گفتاری مثل Siri و Alexa.
3️⃣ پردازش زبان طبیعی (Natural Language Processing - NLP)
چی هست؟
کامپیوتر بتواند زبان انسان را بفهمد، تحلیل کند و تولید کند.
مثالها: چتباتها، ترجمه خودکار، تحلیل احساسات در شبکههای اجتماعی.
تکنیکها: مدلهای زبانی بزرگ مثل GPT، تحلیل دستوری، استخراج موجودیتها، پاسخ به سوال.
4️⃣ بینایی ماشین (Computer Vision)
چی هست؟
سیستمها تصاویر و ویدیوها را تحلیل و درک میکنند.
مثالها: تشخیص چهره، خودروهای خودران، تشخیص تومور از تصاویر پزشکی.
تکنولوژیها: تشخیص اشیا، تشخیص حرکت، تقسیمبندی تصویر.
5️⃣ روباتیک هوشمند (Intelligent Robotics)
چی هست؟
ترکیب AI با سختافزار برای ساخت رباتهای خودکار که تصمیم میگیرند و عمل میکنند.
مثالها: رباتهای صنعتی، پهپادهای خودران، رباتهای جراحی.
6️⃣ سیستمهای توصیهگر (Recommendation Systems)
چی هست؟
پیشنهاد محصول یا محتوا بر اساس رفتار و علاقه کاربر.
مثالها: نتفلیکس، آمازون، یوتیوب.
روشها: فیلترینگ مشارکتی، فیلترینگ مبتنی بر محتوا، مدلهای هیبرید.
7️⃣ هوش مصنوعی توضیحپذیر (Explainable AI - XAI)
چی هست؟
درک و توضیح تصمیمات مدلهای پیچیده AI برای انسان.
اهمیت: اعتماد و استفاده در حوزههای حساس مثل پزشکی و مالی.