تفاوت هوش مصنوعی (AI) و یادگیری ماشین (ML)

هوش مصنوعی (Artificial Intelligence) چیست؟

عبارت هوش مصنوعی از دو بخش «هوش» و «مصنوعی» تشکیل شده که خود گواه بر آن است که هوش مصنوعی در واقع به معنای «یک قدرت تفکر ساخته دست بشر» است. در حالت کلی، هوش مصنوعی به معنای مفهومی گسترده از ماشین‌هایی است که قادرند با اجرای وظایف ما را به سمتی سوق دهند که آنها را هوشمند تلقی کنیم.

مفهوم هوش مصنوعی سابقه‌ای فرا‌تر از مفهوم امروزی خود دارد. در اساطیر یونان می‌توان ردپایی از مردان مکانیکی را یافت که بر پایه تقلید از رفتار انسان‌ها طراحی شده‌اند. اولین کامپیوتر‌های طراحی‌شده در قاره اروپا تا مدت‌ها «ماشین‌های منطقی»‌ای قلمداد می‌شدند که توانایی انجام محاسبات اولیه را دارند، و از حافظه و به نوعی یک مغز مکانیکی با شباهت بالا به مغز انسان برخوردارند. حال، این مفهوم ساخته ذهن بشر همزمان با دست‌یافته‌های ما در رابطه با شناخت ویژگی‌ها و عملکرد مغز انسان به سمت پیچیدگی گام برمی‌دارد. امروزه وظیفه هوش مصنوعی فرا‌تر از اجرای محاسبات سنگین و پیچیده ریاضی است.

تمرکز اصلی هوش مصنوعی بر آن است که با تقلید از فرایند‌های تصمیم‌گیری انسان به مانند مغز انسان با شیوه‌ای متمرکز‌تر، عملکردی بهتر از نمونه‌های پیشین خود بر جای بگذارند و به تکمیل وظایف محول‌شده بپردازد.

از هوش مصنوعی در جایگاه‌های مختلفی نظیر سیری (هوش مصنوعی سیستم‌های اپل)، آلفاگو گوگل و در بازی شطرنج بهره برده می‌شود. حال لازم است تا در راستای شناخت تفاوت هوش مصنوعی با یادگیری ماشین به طور اجمالی تعریفی کوتاه از یادگیری ماشین ارائه دهیم.

یادگیری ماشین (Machine Learning)‌ چیست؟

با ظهور پدیده‌ای به نام اینترنت و قابلیت دسترسی به آن در سراسر نقاط جهان، چالشی در ذهن بشر پدید آمد. اینترنت و حجم عظیمی از داده‌های دیجیتالی که نه در مقیاس روزانه بلکه در مقیاس‌هایی کوچک‌تر از هزارم ثانیه در سراسر جهان در حال تولید، ذخیره بود کار را برای تجزیه و تحلیل آماری بسیار پیچیده می‌کرد. از آنجا بود که آرتور ساموئل ایده‌ای را مطرح کرد که پایه و اساس تعریفی به نام یادگیری ماشین شد. در این ایده بنا بر آن بود که فرایند یادگیری ماشین‌ها در جهت هوشمندسازی به نوعی رخ دهد که نیازمند دخالت انسان نباشند. ماشین‌ها به نوعی برنامه‌ریزی و هوشمند می‌شدند تا با دریافت داده‌های جدید قادر باشند به خود بیاموزند و در مراحل بعدی تحلیل داده‌هایی که جدیداً دریافت کرده‌اند، از تجارب برآمده از تحلیل داده‌هایی که کمی پیشتر دریافت کرده بودند عمل کنند.

بنا بر تعاریفی که پیشتر ارائه شد، یادگیری ماشین نوعی برنامه کاربردی هوش مصنوعی است که وظیفه اصلی‌اش عملکرد بر محور خود‌آموزی به واسطه دسترسی به داده‌هاست. این سبک از یادگیری و خود‌آموزی تکنولوژی نسبت به شرایطی که ماشین‌ها در آن شبیه به مغز انسان‌ها کد‌نویسی می‌شوند، عملکردی بسیار کارآمد‌تر از خود ارائه می‌دهد. اگر‌چه با همه این تفاصیل، نباید فراموش کرد که یادگیری ماشین همچنان زیر‌مجموعه‌ای از طیف وسیع دسته‌بندی‌های هوش مصنوعی به شمار می‌رود. از نمونه عملکرد‌های یادگیری ماشین می‌توان به کاربرد آن در سیستم توصیه‌کننده آنلاین، الگوریتم‌های جست‌وجوی گوگل، فیلتر هرزنامه ایمیل و پیشنهاد برچسب‌گذاری خودکار دوستان در برنامه فیس‌بوک اشاره کرد.

تفاوت هوش مصنوعی و یادگیری ماشین

حال لحظه آن فرا رسیده تا به برخی تفاوت‌های میان هوش مصنوعی و یادگیری ماشین بپردازیم. فرق بین هوش مصنوعی و یادگیری ماشین از آنجا حاصل می‌شود که یادگیری ماشین زیرشاخه‌ای از علم وسیع هوش مصنوعی به حساب می‌آید.

یادگیری ماشین و هوش مصنوعی در اینکه از برنامه‌ریزیِ از پیش صورت‌گرفته بی‌نیازند با یکدیگر شباهت فراوانی دارند اما باید دانست که اولین تفاوت اصلی در بخش «یادگیری» در یادگیری ماشین است.

یادگیری ماشین نیازمند هیچ‌گونه برنامه‌ریزی صریحی نبوده و تنها به واسطه دستیابی به داده‌های پیشین آموزش می‌بیند و به مرور خود را تقویت می‌کند و به عملکردش ارتقا می‌بخشد. سیستم‌های هوش مصنوعی نیز نیازمند برنامه‌ریزی از پیش طراحی‌شده نیستند اما نیازمند الگوریتم‌هایی هستند که قادرند با هوش خود عملکرد خود را ارائه کنند. به عنوان مثال می‌توان از برخی از الگوریتم‌های یادشده به الگوریتم‌های یادگیری تقویتی و شبکه‌های عصبی یادگیری عمیق اشاره کرد.

دومین تفاوت در اهداف اصلی است. هدف اصلی یادگیری ماشین دریافت خروجی‌هایی با دقت بیشتر با استفاده از داده‌های بررسی‌شده است در حالی که هدف اصلی هوش مصنوعی، ساختن یک سیستم کامپیوتری هوشمند مانند انسان است که به حل مشکلات پیچیده بپردازد و از خود رفتاری همچون رفتار انسان نشان دهد.

سومین تفاوت هوش مصنوعی و یادگیری ماشین در طیف عملکرد و دامنه عملکرد هوش مصنوعی و یادگیری ماشین است. در یادگیری ماشین، با استفاده از داده‌هایی از یک طیف و محدوده خاص به ماشین برآورد می‌شود که ماشین تنها یک عمل یا محدوده‌ای از اعمال مشخص را با نتایج دقیق‌تر از خود ارائه دهد. با این حال در هوش مصنوعی، دامنه‌ای بسیار گسترده وجود دارد، عملکرد آن در یک حیطه خاص نمی‌گنجد و هدف دریافت شبیه‌ترین رفتار به رفتار انسان است.

یادگیری ماشینی تنها با داده های ساختاریافته و نیمه‌ساختاریافته سروکار دارد اما هوش مصنوعی با داده‌های بدون ساختار نیز مواجه است.

یادگیری ماشین قادر است به مرور زمان به عملکرد خود به صورت خودکار ارتقا بخشد که این ویژگی در خصوص هوش مصنوعی صادق نیست.

در راستای تکمیل توضیحات پیشین، هدف یادگیری ماشین افزایش دقت در الگو‌ها و هدف هوش مصنوعی به حداکثر رساندن شانس موفقیت است.