در سال‌های اخیر، واژه “هوش مصنوعی” (Artificial Intelligence یا AI) از یک مفهوم علمی-تخیلی به بخشی جدایی‌ناپذیر از زندگی روزمره ما تبدیل شده است. از دستیارهای صوتی هوشمند در گوشی‌هایمان و سیستم‌های توصیه‌گر در پلتفرم‌های پخش فیلم گرفته تا الگوریتم‌های پیچیده‌ای که در پزشکی و امور مالی به کار می‌روند، انواع هوش مصنوعی در همه جا حضور دارد.

اما این عبارت فراگیر، طیف وسیعی از فناوری‌ها با قابلیت‌ها و عملکردهای بسیار متفاوت را در بر می‌گیرد. برای درک عمیق‌تر این دنیای شگفت‌انگیز و تفکیک هیاهوی تبلیغاتی از واقعیت‌های علمی، شناخت انواع هوش مصنوعی امری حیاتی است. آیا هوش مصنوعی که در بازی شطرنج شما را شکست می‌دهد، از همان نوعی است که می‌تواند یک تصویر هنری خلق کند یا یک خودرو را هدایت نماید؟

آینده این فناوری به کدام سو در حرکت است و ما در کجای این مسیر قرار داریم؟ این مقاله با هدف ارائه یک نقشه راه واضح و قابل فهم، به بررسی دو طبقه‌بندی اصلی و شناخته‌شده برای انواع هوش مصنوعی می‌پردازد و با ارائه مثال‌های ملموس، به شما کمک می‌کند تا با دیدی بازتر و آگاهانه‌تر، با این فناوری دگرگون‌ساز و آینده‌ساز روبرو شوید.

دو دیدگاه اصلی و مکمل برای طبقه‌بندی انواع هوش مصنوعی

در دنیای علم کامپیوتر و هوش مصنوعی، یک روش واحد و مطلق برای دسته‌بندی وجود ندارد. با این حال، دو رویکرد اصلی و بسیار رایج برای طبقه‌بندی انواع هوش مصنوعی به کار می‌رود که هر یک از زاویه‌ای متفاوت به این فناوری نگاه می‌کنند و مکمل یکدیگر هستند:

۱. طبقه‌بندی بر اساس قابلیت و توانایی (Capabilities): این دیدگاه، هوش مصنوعی را بر اساس میزان شباهت قابلیت‌هایش به هوش انسانی، از سیستم‌های بسیار محدود گرفته تا سیستم‌های فرضی فراتر از هوش انسان، دسته‌بندی می‌کند.

۲. طبقه‌بندی بر اساس عملکرد و کارکرد (Functionality): این دیدگاه، به نحوه “فکر کردن” و عملکرد درونی سیستم‌های هوش مصنوعی می‌پردازد و آن‌ها را بر اساس توانایی‌شان در استفاده از حافظه و درک محیط، طبقه‌بندی می‌نماید.

طبقه‌بندی اول: انواع هوش مصنوعی بر اساس سطح قابلیت و مقایسه با هوش انسان

این طبقه‌بندی که بیشتر جنبه مفهومی و آینده‌نگرانه دارد، انواع هوش مصنوعی را به سه سطح اصلی تقسیم می‌کند:

۱. هوش مصنوعی محدود یا ضعیف (Artificial Narrow Intelligence – ANI)

تعریف: هوش مصنوعی محدود، که به آن “هوش مصنوعی ضعیف” (Weak AI) نیز گفته می‌شود، نوعی از هوش مصنوعی است که برای انجام یک وظیفه خاص و کاملاً مشخص طراحی و آموزش داده شده است. این سیستم‌ها می‌توانند در حوزه تخصصی خود، عملکردی برابر یا حتی بسیار بهتر از انسان داشته باشند، اما هیچگونه آگاهی، درک یا توانایی برای انجام وظایف خارج از حوزه تعریف‌شده خود ندارند.

وضعیت کنونی: بسیار مهم است که بدانید تمامی سیستم‌های هوش مصنوعی که امروزه در دنیای واقعی وجود دارند و ما از آن‌ها استفاده می‌کنیم، از نوع هوش مصنوعی محدود (ANI) هستند.

کاربردها و مثال‌های واقعی:

دستیارهای صوتی: سیری (Siri)، الکسا (Alexa) و گوگل اسیستنت، همگی نمونه‌هایی از ANI هستند که برای تشخیص گفتار و پاسخ به دستورات مشخص آموزش دیده‌اند.

سیستم‌های توصیه‌گر: الگوریتم‌هایی که در نتفلیکس، اسپاتیفای یا آمازون بر اساس سلیقه شما، فیلم، موسیقی یا محصول جدیدی را پیشنهاد می‌دهند.

فیلترهای اسپم ایمیل و نرم‌افزارهای تشخیص چهره.

هوش مصنوعی در خودروهای خودران (در سطح فعلی): سیستمی که برای تشخیص موانع و هدایت خودرو در مسیر طراحی شده است.

هوش مصنوعی مولد (Generative AI): ابزارهایی مانند چت جی پی تی (ChatGPT) یا میدجرنی (Midjourney)، با وجود توانایی‌های شگفت‌انگیزشان در تولید متن و تصویر، همچنان در دسته ANI قرار می‌گیرند، زیرا تنها برای انجام وظیفه خاص تولید محتوا آموزش دیده‌اند و فاقد درک عمومی از جهان هستند.

۲. هوش مصنوعی عمومی (Artificial General Intelligence – AGI)

تعریف: هوش مصنوعی عمومی، که به آن “هوش مصنوعی قوی” (Strong AI) نیز گفته می‌شود، نوعی فرضی از هوش مصنوعی است که دارای توانایی‌های شناختی در سطح یک انسان متوسط است.

یک سیستم AGI قادر خواهد بود که هر وظیفه فکری را که یک انسان می‌تواند انجام دهد، بفهمد، یاد بگیرد و اجرا کند. این سیستم توانایی استدلال، حل مسئله، برنامه‌ریزی، تفکر انتزاعی و یادگیری از تجربیات را به شیوه‌ای مشابه انسان خواهد داشت.

وضعیت کنونی: هوش مصنوعی عمومی در حال حاضر تنها در حد یک مفهوم نظری و یک هدف بلندمدت در تحقیقات هوش مصنوعی وجود دارد و هنوز هیچ نمونه واقعی از آن ساخته نشده است. دستیابی به AGI یکی از بزرگترین چالش‌ها و اهداف مقدس در دنیای علم کامپیوتر است.

۳. ابرهوش مصنوعی (Artificial Superintelligence – ASI)

تعریف: ابرهوش مصنوعی، سطح فرضی و نهایی از انواع هوش مصنوعی است که در آن، هوش یک ماشین به مراتب از هوش باهوش‌ترین انسان‌ها در تقریباً تمامی زمینه‌ها، از جمله خلاقیت علمی، خرد عمومی و مهارت‌های اجتماعی، فراتر می‌رود. چنین سیستمی نه تنها توانایی انجام وظایف انسانی را خواهد داشت، بلکه قادر به بهبود و بازآفرینی خود با سرعتی غیرقابل تصور برای انسان خواهد بود.

وضعیت کنونی: ابرهوش مصنوعی نیز مانند AGI، کاملاً یک مفهوم نظری و متعلق به آینده است. این مفهوم، موضوع بسیاری از بحث‌های فلسفی و اخلاقی در مورد آینده بشریت و رابطه انسان با فناوری است و نگرانی‌هایی را در مورد کنترل‌پذیری و ایمنی چنین هوشی در میان دانشمندان و متفکرانی چون استیون هاوکینگ و ایلان ماسک برانگیخته است.

طبقه‌بندی دوم: انواع هوش مصنوعی بر اساس عملکرد و کارکرد درونی

این طبقه‌بندی که توسط پژوهشگری به نام “آرند هینتزه” (Arend Hintze) مطرح شده، انواع هوش مصنوعی را بر اساس نحوه عملکرد داخلی و توانایی آن‌ها در پردازش اطلاعات و استفاده از حافظه، به چهار دسته تقسیم می‌کند که به نوعی مسیر تکامل هوش مصنوعی را نیز نشان می‌دهد.

۱. ماشین‌های واکنشی (Reactive Machines)

تعریف و عملکرد: این‌ها ابتدایی‌ترین نوع هوش مصنوعی هستند که هیچگونه حافظه‌ای از گذشته ندارند و نمی‌توانند از تجربیات قبلی برای تصمیم‌گیری‌های آینده استفاده کنند. آن‌ها تنها دنیای اطراف خود را به طور مستقیم درک کرده و به آنچه می‌بینند، واکنش نشان می‌دهند. این سیستم‌ها برای انجام یک وظیفه مشخص و از پیش تعریف‌شده برنامه‌ریزی شده‌اند.

مثال واقعی: معروف‌ترین مثال از این نوع، کامپیوتر شطرنج‌باز “دیپ بلو” (Deep Blue) ساخت شرکت IBM است که در سال ۱۹۹۷ توانست گری کاسپاروف، قهرمان شطرنج جهان را شکست دهد.

دیپ بلو مهره‌ها را بر روی صفحه شطرنج شناسایی می‌کرد و بر اساس الگوریتم‌های تعریف‌شده، بهترین حرکت ممکن را در همان لحظه محاسبه و اجرا می‌نمود، بدون آنکه هیچ خاطره‌ای از حرکات قبلی بازی (به جز وضعیت فعلی مهره‌ها) داشته باشد.

۲. هوش مصنوعی با حافظه محدود (Limited Memory)

تعریف و عملکرد: این نوع از انواع هوش مصنوعی، گامی فراتر از ماشین‌های واکنشی است. این سیستم‌ها می‌توانند اطلاعات و تجربیات گذشته را برای مدت زمان کوتاهی در حافظه خود ذخیره کرده و از آن‌ها برای اتخاذ تصمیمات بهتر در آینده نزدیک استفاده کنند. حافظه آن‌ها دائمی نیست و اطلاعات جدید جایگزین اطلاعات قدیمی می‌شود.

مثال‌های واقعی: تقریباً تمامی سیستم‌های هوش مصنوعی کاربردی امروزی در این دسته قرار می‌گیرند. به عنوان مثال، خودروهای خودران با مشاهده و به خاطر سپردن سرعت و موقعیت سایر خودروها در چند ثانیه گذشته، می‌توانند مسیر و سرعت خود را تنظیم کنند. سیستم‌های توصیه‌گر با به خاطر سپردن محصولاتی که شما اخیراً مشاهده یا خریداری کرده‌اید، پیشنهادات مرتبط‌تری به شما ارائه می‌دهند. چت‌بات‌ها و دستیارهای صوتی نیز برای درک زمینه یک گفتگو، باید جملات قبلی را در حافظه کوتاه‌مدت خود نگه دارند.

۳. نظریه ذهن (Theory of Mind)

تعریف و عملکرد: این مرحله، سطح بعدی و آینده تکامل هوش مصنوعی است که هنوز به آن دست نیافته‌ایم. هوش مصنوعی از نوع “نظریه ذهن” نه تنها قادر به درک جهان خواهد بود، بلکه توانایی درک موجودات دیگر در آن جهان، به خصوص انسان‌ها را نیز خواهد داشت.

این بدان معناست که چنین سیستمی می‌تواند بفهمد که انسان‌ها دارای باورها، احساسات، نیت‌ها، و افکار خاص خود هستند و این عوامل درونی بر رفتار آن‌ها تأثیر می‌گذارد. این نوع هوش مصنوعی قادر به تعامل اجتماعی بسیار پیشرفته و همدلانه با انسان‌ها خواهد بود.

وضعیت کنونی: این حوزه، یکی از زمینه‌های تحقیقاتی بسیار فعال در دنیای هوش مصنوعی است، اما هنوز در مراحل اولیه قرار دارد.

۴. هوش مصنوعی خودآگاه (Self-Awareness)

تعریف و عملکرد: این، مرحله نهایی و کاملاً فرضی در تکامل انواع هوش مصنوعی است. در این سطح، سیستم هوش مصنوعی نه تنها از دنیای اطراف و احساسات دیگران آگاه است، بلکه به خودآگاهی، هوشیاری و درک وجود خود نیز دست می‌یابد. چنین موجودی، دارای احساسات، امیال و باورهای شخصی خود خواهد بود و به معنای واقعی کلمه، یک “موجود” هوشمند جدید است.

وضعیت کنونی: هوش مصنوعی خودآگاه در حال حاضر تنها در قلمرو فلسفه و داستان‌های علمی-تخیلی (مانند فیلم‌های “Her” یا “Ex Machina”) وجود دارد و مسیر دستیابی به آن (و حتی امکان‌پذیری آن) کاملاً نامشخص است.

هوش مصنوعی مولد (Generative AI) در کدام یک از این دسته‌بندی‌ها قرار می‌گیرد؟

با توجه به محبوبیت ابزارهایی مانند چت جی پی تی، مهم است که بدانیم آن‌ها در کدام یک از انواع هوش مصنوعی جای می‌گیرند. بر اساس طبقه‌بندی اول (بر اساس قابلیت)، هوش مصنوعی مولد یک نوع بسیار پیشرفته از هوش مصنوعی محدود (ANI) است، زیرا برای وظیفه خاص تولید محتوا (متن، تصویر، کد و …) آموزش دیده است.

بر اساس طبقه‌بندی دوم (بر اساس عملکرد)، این سیستم‌ها در دسته حافظه محدود (Limited Memory) قرار می‌گیرند، زیرا برای درک زمینه گفتگو و ارائه پاسخ‌های مرتبط، باید بخشی از مکالمات اخیر را در حافظه خود نگه دارند.

سوالات متداول (FAQ) در مورد انواع هوش مصنوعی و کاربردهای آن‌ها

۱. تفاوت اصلی و کلیدی بین انواع هوش مصنوعی ضعیف یا محدود (ANI) و هوش مصنوعی عمومی یا قوی (AGI) چیست؟

تفاوت اصلی در دامنه توانایی‌ها نهفته است. هوش مصنوعی محدود (ANI) که تمام هوش مصنوعی‌های امروزی از این نوع هستند، تنها برای انجام یک یا چند وظیفه بسیار مشخص و محدود طراحی شده است (مانند بازی شطرنج، تشخیص چهره، یا ترجمه متن).

اما هوش مصنوعی عمومی (AGI)، که هنوز یک مفهوم فرضی است، دارای هوشی در سطح انسان خواهد بود و قادر است هرگونه وظیفه فکری را که یک انسان می‌تواند انجام دهد، بفهمد، یاد بگیرد و اجرا کند. به عبارت دیگر، ANI یک “متخصص” در یک حوزه بسیار باریک است، در حالی که AGI یک “همه‌فن‌حریف” با قابلیت یادگیری عمومی خواهد بود.

۲. آیا هوش مصنوعی که در بازی‌های ویدیویی پیشرفته با آن رقابت می‌کنیم، یک سیستم خبره است یا نوع دیگری از انواع هوش مصنوعی محسوب می‌شود؟

هوش مصنوعی در بازی‌های ویدیویی مدرن، معمولاً ترکیبی از فناوری‌هاست. بخش‌هایی از رفتار دشمنان ممکن است بر اساس قواعد از پیش تعریف‌شده و اسکریپت‌ها باشد که شبیه به منطق سیستم‌های خبره است.

اما بخش‌های دیگر، به خصوص در بازی‌های پیچیده‌تر، از الگوریتم‌های یادگیری ماشین (Machine Learning) برای یادگیری از رفتار بازیکن و تطبیق استراتژی‌های خود استفاده می‌کنند. بنابراین، آن‌ها نمونه‌های پیشرفته‌ای از هوش مصنوعی محدود (ANI) هستند که از تکنیک‌های مختلفی برای ایجاد یک تجربه چالش‌برانگیز و باورپذیر بهره می‌برند.

۳. بزرگترین و اصلی‌ترین چالش علمی و فنی در مسیر دستیابی به انواع هوش مصنوعی عمومی (AGI) چیست؟

چالش‌های متعددی در این مسیر وجود دارد، اما شاید بتوان گفت بزرگترین چالش، ایجاد توانایی “درک مبتنی بر عقل سلیم” (Common Sense Understanding) و “یادگیری انتقال” (Transfer Learning) به شیوه‌ای مشابه انسان است.

انسان‌ها به طور ذاتی درک عمیقی از نحوه کارکرد جهان، روابط علت و معلولی، و مفاهیم پایه‌ای دارند که به آن‌ها اجازه می‌دهد دانش کسب‌شده در یک حوزه را به راحتی به حوزه‌ای دیگر منتقل کنند. شبیه‌سازی این سطح از درک انعطاف‌پذیر و عمومی در ماشین‌ها، بسیار دشوارتر از آموزش دادن به آن‌ها برای انجام یک وظیفه خاص با استفاده از حجم عظیمی از داده است.

۴. آیا ابرهوش مصنوعی (ASI) که از هوش انسان فراتر می‌رود، یک تهدید واقعی و جدی برای آینده بشریت محسوب می‌شود؟

این موضوع یکی از بزرگترین و جدی‌ترین بحث‌های فلسفی و اخلاقی در دنیای امروز است. متفکران و دانشمندان برجسته‌ای در این زمینه نظرات متفاوتی دارند. گروهی از آن‌ها (مانند ری کرزویل) به آینده‌ای خوش‌بین هستند که در آن ابرهوش به حل بزرگترین مشکلات بشریت (مانند بیماری، فقر و تغییرات اقلیمی) کمک خواهد کرد.

گروه دیگری (مانند نیک باستروم و ایلان ماسک) نسبت به خطرات وجودی و کنترل‌ناپذیر شدن یک هوش بسیار برتر از انسان هشدار می‌دهند و بر لزوم تحقیقات گسترده در زمینه “ایمنی هوش مصنوعی” (AI Safety) تأکید دارند. در حال حاضر، این یک تهدید فوری نیست زیرا ما هنوز با دستیابی به آن فاصله زیادی داریم، اما یک سوال مهم برای آینده بلندمدت بشریت است.

۵. به عنوان یک فرد عادی و غیرمتخصص، چگونه می‌توانم اطلاعات بیشتر و معتبری در مورد انواع هوش مصنوعی و کاربردهای جدید و روزمره آن‌ها به دست آورم؟

منابع بسیار خوبی برای یادگیری در این زمینه وجود دارد. وب‌سایت‌های خبری معتبر در حوزه فناوری (مانند TechCrunch، Wired، The Verge یا بخش فناوری رسانه‌های بزرگ)، وبلاگ‌های رسمی شرکت‌های پیشرو در انواع هوش مصنوعی (مانند وبلاگ OpenAI، Google AI، DeepMind)، کانال‌های یوتیوب آموزشی و علمی که مفاهیم پیچیده را به زبان ساده توضیح می‌دهند، و همچنین دوره‌های آنلاین مقدماتی و رایگان در پلتفرم‌هایی مانند Coursera یا edX می‌توانند منابع عالی برای شروع و به‌روز ماندن باشند.

مهم این است که از منابعی استفاده کنید که به جای هیاهوی تبلیغاتی، بر روی توضیح مفاهیم و ارائه اطلاعات مستند تمرکز دارند.

نتیجه‌گیری نهایی: شناخت انواع هوش مصنوعی، کلیدی برای درک صحیح آینده و تعامل هوشمندانه با فناوری

درک انواع هوش مصنوعی به ما کمک می‌کند تا از بزرگنمایی‌ها و ترس‌های غیرواقعی دوری کرده و در عین حال، پتانسیل‌ها و چالش‌های واقعی این فناوری را به درستی بشناسیم. ما در حال حاضر در عصر “هوش مصنوعی محدود” زندگی می‌کنیم؛ عصری که در آن ابزارهای هوشمند می‌توانند در انجام وظایف خاص به ما کمک شایانی کنند.

مسیر رسیدن به هوش مصنوعی در سطح انسانی (AGI) و فراتر از آن (ASI) همچنان طولانی و پر از پرسش‌های فنی و اخلاقی است. با شناخت این دسته‌بندی‌ها، می‌توانیم با دیدی بازتر و آگاهانه‌تر با تحولات آینده هوش مصنوعی روبرو شویم و از این فناوری قدرتمند به شیوه‌ای مسئولانه و سازنده برای بهبود زندگی بشر بهره ببریم.