فرادرستفاوت هوش مصنوعی و سیستم های خبره — راهنمای کاربردی
پیش‌تر در مطلب «تفاوت هوش مصنوعی و رایانش نرم» به تفاوت‌های «هوش مصنوعی» (Artificial Intelligence) و «رایانش نرم» (Soft Computing) پرداخته شد. در این مطلب به تفاوت هوش مصنوعی و سیستم های خبره (Expert Systems) پرداخته شده است.
هوش مصنوعی
هوش مصنوعی، مسائل پیچیده مربوط به خودکارسازی یک سیستم را مدیریت می‌کند. این کامپیوتری شدن، احتمالا با استفاده از زمینه‌هایی مانند «پردازش تصویر» (Image Processing)، «علوم ادراکی» (Cognitive Science)، «سیستم‌های عصبی» (Neural Systems)، «یادگیری ماشین» (Machine Learning) و دیگر موارد، قابل انجام است.
هوش مصنوعی در واقع روی ساخت ماشین‌ها، چارچوب‌ها و دستگاه‌های گوناگونی مدیریت دارد که کارها را به روش انسانی انجام می‌دهند.
در ادامه، عملکرد اصلی سیستم‌های خبره بیان و در بخش انتهایی این مطلب، هوش مصنوعی و سیستم‌های خبره با یکدیگر مقایسه می‌شوند.
سیستم های خبره
یک سیستم خبره، در واقع یک نرم‌افزار هوش مصنوعی است که از دانش ذخیره شده در پایگاه دانش برای حل مسائلی که نیازمند کارشناس انسانی هستند استفاده می‌کند. بنابراین، سیستم‌های خبره، دانش انسانی را در پایگاه دانش خود ذخیره می‌کنند.
این سیستم‌ها می‌توانند به کاربران توصیه‌ها و همچنین، توضیحاتی را پیرامون چگونگی رسیدن به یک نتیجه یا توصیه خاص، ارائه کنند. در تصویر زیر، یک شمای کلی از سیستم‌های خبره را مشاهده می‌کنید.
تفاوت هوش مصنوعی و سیستم های خبره
| هوش مصنوعی | سیستم خبره |
| هوش مصنوعی، توانایی یک ماشین یا برنامه کامپیوتری برای فکر کردن، کار کردن، یادگیری و واکش نشان دادن مانند انسان است. | سیستم‌های خبره موفق‌ترین ارائه از توانایی‌های هوش مصنوعی هستند. |
| هوش مصنوعی شامل استفاده از روش‌های مبتنی بر رفتار هوشمند انسان‌ها برای حل مسائل پیچیده می‌شود. | سیستم‌های خبره، برنامه‌های کامپیوتری هستند که برای حل مسائل پیچیده طراحی شده‌اند. |
| مولفه‌های هوش مصنوعی: پردازش زبان طبیعی (Natural Language Processing) ارائه دانش استدلال حل مسئله یادگیری ماشین (Machine Learning) | مولفه‌های سیستم خبره: موتور استدلال پایگاه دانش رابط کاربری ماژول اکتساب دانش |
| هوش مصنوعی، مطالعه سیستم‌هایی است که به صورتی عمل می‌کنند که برای هر مشاهده‌گری هوشمند به نظر می‌رسند. | سیستم خبره، موفق‌ترین ارائه از توانایی‌های هوش مصنوعی را ارائه می‌کند. |
| سیستم‌های هوش مصنوعی در طیف وسیعی از صنایع از بهداشت و درمان گرفته تا امور مالی، خودکارسازی، امنیت داده و دیگر موارد، مورد استفاده قرار می‌گیرند. | سیستم خبره یک توصیه و راهنمایی کارشناسانه را در طیف وسیعی از فعالیت‌ها ارائه می‌کند. |
جمع‌بندی
هوش مصنوعی یکی از موضوعات داغ و جذابی است که امروزه توجهات زیادی را هم در بخش آکادمیک و پژوهشی و هم در صنعت، به خود جلب کرده است. آگاهی دقیق از مفهوم هوش مصنوعی، یک مسئله مهم است که ضمن ورود به این حوزه و استفاده از کاربردهای آن، باید حاصل شود. در این راستا، پیش از این در مجله فرادرس، طی مقالات متعددی به مفهوم هوش مصنوعی به طور کامل و جامع پرداخته شده است. برخی از این مطالب، برای مطالعه بیش‌تر علاقه‌مندان به این حوزه، در ادامه ارائه شده‌اند.
اصطلاحات مهم و متداول هوش مصنوعی
یکی از چالش‌های کلیدی افراد ضمن فراگیری هوش مصنوعی، تعدد لغات و اصطلاحات تخصصی این حوزه و سردرگمی پیرامون مفاهیم آن‌ها است. در مطالب «اصطلاحات متداول هوش مصنوعی — راهنمای کاربردی» و «اصطلاحات مهم و رایج هوش مصنوعی — پادکست پرسش و پاسخ» به این مفاهیم و اصطلاحات پرداخته شده است. همچنین، در مطلب «هوش مصنوعی و تعاریف متعدد آن»، تعاریف گوناگونی که برای هوش مصنوعی ارائه شده اند، مورد بررسی قرار گرفته است.
هوش مصنوعی چیست؟
کسب آشنایی مقدماتی و متوسط پیرامون هوش مصنوعی، یکی از دغدغه‌های افرادی است که قصد ورود به این حوزه را دارند. در بسیاری از موارد، حتی افرادی که در زمینه هوش مصنوعی مشغول به فعالیت هستند نیز با سرگذشت و مبانی، مسائل، رویکردها، ابزارها، کاربردها و فلسفه آن آشنایی کامل ندارند.
مجله فرادرس، طی یک مجموعه مقاله، به طور کامل و جامع به این مباحث پرداخته است.
- هوش مصنوعی چیست؟ — بخش اول: مقدمه، تاریخچه و مبانی
- هوش مصنوعی چیست؟ ــ بخش دوم: مسائل
- هوش مصنوعی چیست؟ ــ بخش سوم: رویکردها
- هوش مصنوعی چیست؟ ــ بخش چهارم: ابزارها
- هوش مصنوعی چیست؟ ــ بخش پنجم: کاربردها
- هوش مصنوعی چیست؟ ــ بخش ششم: فلسفه و اخلاق
هوش مصنوعی و دیگر زمینه‌ها
مباحثی مانند «یادگیری ماشین» (Machine Learning)، «رایانش نرم» (Soft Computing)، «علم داده» (Data Science)، «داده‌کاوی» (Data Mining) و «تحلیل داده» (Data Analysis) شباهت‌های زیادی با هوش مصنوعی دارند و بعضا، با آن اشتباه گرفته می‌شوند.
برای آشنایی بهتر با مفاهیم زمینه‌های بیان شده و تفاوت‌های آن‌ها با هوش مصنوعی، مطالعه مطالب زیر توصیه می‌شود.
- نقشه دانش فناوری های هوش مصنوعی و دسته بندی آن‌ها — راهنمای جامع
- علم داده، تحلیل داده، داده‌کاوی و یادگیری ماشین ــ تفاوت‌ها و شباهت‌ها
- تفاوت هوش مصنوعی و رایانش نرم — راهنمای کاربردی
- یادگیری ماشین (Machine Learning) چیست؟ — راهنمای کامل
- علم داده چیست؟
سایر موارد
در نهایت، علاقه‌مندان به کسب آگاهی پیرامون آینده هوش مصنوعی و نقش و کاربردهای آن در کسب و کار، می‌توانند از مطالب زیر استفاده کنند.
- هوش مصنوعی و چشم اندازی از آینده پیش رو — آنچه باید دانست
- هوش مصنوعی در کسب و کار — بررسی جامع
- آشنایی با صد استارتاپ برتر هوش مصنوعی در سال ۲۰۱۹
اگر مطلب بالا برای شما مفید بوده، آموزشهای زیر نیز به شما پیشنهاد می‌شود:
- مجموعه آموزشهای هوش مصنوعی
- آموزش هوش مصنوعی – تکمیلی
- مجموعه آموزشهای الگوریتم‌‌های بهینه‌‌سازی هوشمند
- معرفی منابع آموزش ویدئویی هوش مصنوعی به زبان فارسی و انگلیسی
- الگوریتم *A — به زبان ساده
- شبیه سازی تبرید (Simulated Annealing) — به زبان ساده
- جست و جوی هیوریستیک (Heuristic Search) در پایتون — راهنمای کاربردی
^^
