امروزه این سه واژه را همه‌جا می‌شنویم: در اخبار فناوری، تبلیغات گوشی‌های هوشمند و حتی صحبت‌های روزمره. «هوش مصنوعی»، «یادگیری ماشین» و «یادگیری عمیق» اغلب به جای یکدیگر به کار می‌روند، اما آیا واقعاً یک معنی دارند؟ پاسخ کوتاه این است: خیر. این سه مفهوم مانند عروسک‌های تو در تو (ماتروشکا) هستند؛ هرکدام درون دیگری جای می‌گیرند، اما اندازه و کارکردشان متفاوت است. بیایید این رابطه را با زبان ساده و مثال‌های ملموس باز کنیم. با ساویس گیم همراه شوید.
هوش مصنوعی (AI)؛ چتر بزرگ
هوش مصنوعی را می‌توان بزرگ‌ترین دایره در نظر گرفت؛ هدفی کلی که می‌گوید: «می‌خواهیم ماشین‌ها کارهایی انجام دهند که معمولاً به هوش انسانی نیاز دارد.» هر سیستمی که بتواند مسئله‌ای را حل کند، متنی را بفهمد، تصویری را تشخیص دهد یا حرکتی هوشمندانه انجام دهد، در این چتر قرار می‌گیرد. مثال ساده: یک دستگاه خودپرداز که پول نقد به شما می‌دهد، یک دشمن در بازی کامپیوتری که پشت دیوار پنهان می‌شود، یا نرم‌افزار شطرنج که شما را مات می‌کند. نکته مهم این است که هوش مصنوعی لزوماً به معنای «یادگیری» نیست. بسیاری از سیستم‌های هوش مصنوعی اولیه، کاملاً بر اساس قوانین دست‌نویس انسان‌ها کار می‌کردند؛ مثلاً «اگر فلان حرکت را کرد، تو این حرکت را بکن.» این همان هوش مصنوعی سنتی یا مبتنی بر قاعده است.
10 فناوری نویدبخش که می‌توانند نحوه استفاده از گوشی‌های هوشمند را برای همیشه تغییر دهند
یادگیری ماشین (ML)؛ رویکردی نوین
حالا داخل چتر هوش مصنوعی، دایره کوچک‌تری به نام «یادگیری ماشین» قرار دارد. تفاوت اساسی در اینجاست: به جای آنکه ما به ماشین بگوییم دقیقاً چه قوانینی را دنبال کند، به او «داده» و «پاسخ درست» می‌دهیم تا خودش قوانین را کشف کند. به زبان ساده‌تر، یادگیری ماشین یعنی برنامه‌نویسی از طریق مثال‌ها، نه دستورالعمل‌ها. تصور کنید می‌خواهید به یک کامپیوتر بفهمانید گربه چیست. در روش سنتی، شما باید می‌نوشتید: «گربه دو گوش تیز دارد، چهار پا، سبیل…» اما در یادگیری ماشین، هزاران عکس با برچسب «گربه» و «غیرگربه» به نرم‌افزار نشان می‌دهید. سیستم به تدریج الگوی مشترک میان گربه‌ها را پیدا می‌کند و یاد می‌گیرد خودش آن‌ها را تشخیص دهد. پالایه اسپم ایمیل شما، پیشنهادهای فیلم نتفلیکس و تشخیص ارقام دست‌نویس در اپلیکیشن‌های بانکی، همگی محصول یادگیری ماشین هستند.
یادگیری عمیق (Deep Learning)؛ تقلیدی از مغز
در عمیق‌ترین لایه، «یادگیری عمیق» را داریم که زیرمجموعه‌ای تخصصی از یادگیری ماشین است. این فناوری از ساختار مغز انسان الهام گرفته و از «شبکه‌های عصبی مصنوعی» با لایه‌های متعدد استفاده می‌کند. چرا به آن «عمیق» می‌گویند؟ چون داده‌ها از لایه‌های پیاپیِ نورون‌های ریاضی عبور می‌کنند و هر لایه، ویژگی پیچیده‌تری را استخراج می‌کند. برگردیم به مثال گربه؛ یادگیری ماشین سنتی نیاز داشت که یک مهندس ویژگی‌های مهم مانند لبه‌ها یا بافت را به صورت دستی به سیستم بگوید. اما یادگیری عمیق خودش این کار را می‌کند. لایه اول شاید خطوط ساده را تشخیص دهد، لایه بعدی اشکال گوش و چشم را، و لایه نهایی کل گربه را. یادگیری عمیق نیروی محرکه پیشرفت‌های نفس‌گیری مانند خودروهای خودران، ترجمه هم‌زمان گوگل و چت‌بات‌های هوشمند امروزی است. این فناوری با داشتن داده‌های عظیم و قدرت پردازشی بالا، به نتایجی می‌رسد که تا پیش از این غیرممکن بود.
یک قیاس آشپزخانه‌ای برای جمع‌بندی
برای آنکه این رابطه برای همیشه در ذهنتان بماند، یک آشپزخانه را تصور کنید:
- هوش مصنوعی مثل هدفِ «پختن یک غذای خوشمزه» است.
- یادگیری ماشین روشی برای رسیدن به این هدف است؛ به جای آنکه دقیقاً به شما بگویند «اینقدر نمک بریز، آنقدر هم بزن»، دستور پخت‌های متنوع و نمونه غذای نهایی را در اختیارتان می‌گذارند تا خودتان قاعده را کشف کنید.
- یادگیری عمیق دیگر حتی دستور پخت هم نمی‌خواهد؛ هزاران عکس از غذای آماده و مواد اولیه را می‌بیند و خودش بدون آنکه کسی دقیقاً به او بگوید «نمک» چه نقشی دارد، غذای دلخواه را آماده می‌کند.
پس به یاد داشته باشید: هر یادگیری عمیقی، یادگیری ماشین است. هر یادگیری ماشینی، هوش مصنوعی است. اما عکس این قضیه صادق نیست. این سه مفهوم، لایه‌های یک انقلاب فناورانه هستند که بی‌سروصدا زندگی روزمره ما را هوشمندتر می‌کنند.
