آشنایی با ۲۵ اصطلاح در حوزهٔ Artificial Intelligence که هر دولوپری باید بداند!

آشنایی با ۲۵ اصطلاح در حوزهٔ Artificial Intelligence که هر دولوپری باید بداند!

با گذر زمان، مقولهٔ Artificial Intelligence اندک‌اندک از یک گزینهٔ‌ پر رمز و راز و مبهم به یک گزینهٔ‌ مهم تجاری تبدیل شده و از همین روی آشنایی با مفاهیم و اصطلاحات رایج در این صنعت، امروزه نه یک امتیاز بلکه یک نیاز -به‌خصوص برای دولوپرها- محسوب می‌شود؛ در این مقاله به ۲۵ مورد از مهم‌ترین اصطلاحات مورد استفاده در صنعت هوش مصنوعی خواهیم پرداخت.

A
Algorithm: مجموعه‌ای از قوانین یا دستوالعمل‌هایی که به‌منظور کمک به یادگیری مستقل به یک شبکهٔ عصبی هوش مصنوعی و یا دستگاه‌های دیگر داده‌ شده است. الگوریتم‌های Recommendation ،Regression ،Classification و Clustering جزو رایج‌ترین الگوریتم‌های مورد استفاده در صنعت هوش مصنوعی هستند.

Artificial Intelligence: هوش مصنوعی عبارت است از توانایی یک ماشین برای تصمیم‌گیری و اجرای وظایفی که هوش و رفتار انسان‌ها را شبیه‌سازی می‌نماید.

Artificial Neural Network: شبکهٔ عصبی مصنوعی یا اصطلاحاً ANN یک مدل یادگیری است که مشابه مغز انسان عمل نموده و مسائلی را حل می‌کند که حل آن‌ها برای سیستم‌های کامپیوتری عادی دشوار است.

Autonomic Computing: این اصطلاح به ظرفیت و توان سیستم جهت مدیریت خودکار منابع به‌منظور اجرای توابع سطح بالای محاسباتی بدون نیاز به ورودی کاربر اشاره دارد.

C
Chatbot: چت‌بات به‌منظور شبیه‌سازی گفتگوی انسان‌ها طراحی شده و بااستفاده از متن، صوت و یا هر دو،‌ به‌عنوان یک رابط با کاربران برنامه‌های کامپیوتری ارتباط برقرار می‌کند.

Classification: الگوریتم‌های رده‌بندی این امکان را برای ماشین‌ها فراهم می‌آورند تا براساس آنچه که قبلاً آموخته‌اند، داده‌های مختلف را در دسته‌های مشخصی قرار دهند.

Cluster Analysis: نوعی یادگیری بدون نظارت (Unsupervised Learning) است که در تحلیل‌های اکتشافی به‌منظور کشف الگوهای پنهان موجود در داده‌ها و یا گروه‌بندی آن‌ها مورد استفاده قرار می‌گیرد. به‌طورکلی، خوشه‌بندی‌ها با سنجش تشابه میان داده‌ها براساس معیار‌های هندسی، احتمالات و ... صورت می‌گیرد.

Clustering: الگوریتم‌های خوشه‌بندی امکان گروه‌بندی داده‌ها را باتوجه به ویژگی‌های مشابه میان آن‌ها فراهم می‌آورند.

Cognitive Computing: یک مدل کامپیوتری است که روش تفکر مغز انسان را تقلید می‌نماید؛ این روش، یادگیری بدون نظارت (Unsupervised Learning) در حین بررسی داده‌ها، تحلیل زبان و تشخیص الگوها را نیز شامل می‌شود.

Convolutional Neural Network: اصطلاح CNN نوعی شبکهٔ‌ عصبی است که امکان شناسایی و درک تصاویر را برای ماشین فراهم می‌کند.

D
Data Mining: بررسی مجموعه‌ای از داده‌ها به‌منظور یافتن و استخراج الگوهای موجود در داده‌ها را Data Mining می‌گویند (این الگوها ممکن است بعداً مورد استفاده‌های مختلفی قرار بگیرند).

Data Science: یک دانش میان‌رشته‌ای که روش‌ها، سیستم‌ها و فرآیند‌های عملی مورد استفاده در علوم آمار، اطلاعات و کامپیوتر را با یکدیگر ترکیب نموده و آن‌ها را به‌منظور درک یک پدیده بااستفاده از داده‌های ساختارمند یا غیرساختارمند مورد استفاده قرار می‌دهد.

Decision Tree: یک مدل درخت‌مانند و شاخه‌ای است که به‌منظور به تصویر کشیدن تصمیمات و پی‌آمد‌های احتمالی آن‌ها مورد استفاده قرار می‌گیرد (چیزی شبیه به فلوچارت است).

Deep Learning: توانایی سیستم‌ها برای تقلید خودمختار الگوهای تفکر انسانی بااستفاده از شبکه‌های عصبی مصنوعی متشکل از لایه‌های مختلفی از داده‌ها را Deep Learning یا «یادگیری ژرف» می‌گویند.

F
Fluent: به‌ نوعی از حالات و شرایط گفته می‌شود که در طول زمان تغییر می‌کنند.

G
Game AI: مدلی از هوش مصنوعی مخصوص بازی که از الگوریتم‌هایی برای جایگزینی اتفاقی رویدادها استفاده می‌کند؛ این مدل از هوش مصنوعی می‌تواند در مقابل تصمیمات کاربر بازی، تصمیم‌گیری نموده و با شبیه‌سازی هوش انسانی به‌عنوان بازیکن مقابل ایفای نقش نماید.

K
Knowledge Engineering: بر ساخت سیستم‌های دانش‌بنیان متمرکز است و در ساخت این سیستم‌ها تمام جنبه‌های علمی،‌ فنی و اجتماعی آن‌‌ها را درنظر می‌گیرد.

M
Machine Intelligence: اصطلاحی جهان‌شمول است که مفاهیم یادگیری ماشینی، یادگیری ژرف و الگوریتم‌های یادگیری کلاسیک را دربرمی‌گیرد.

Machine Learning: یکی از جنبه‌های هوش مصنوعی است که بر روی الگوریتم‌ها متمرکز بوده و به ماشین‌ها این امکان را می‌دهد که بدون نیاز به برنامه‌نویسی مجدد در هنگام مواجهه با داده‌های جدید، قادر به تغییر و یادگیری باشند.

Machine Perception: توانایی سیستم‌ها برای دریافت و تفسیر داده‌ها با روشی مشابه آنچه که انسان بااستفاده از حواس خود انجام می‌دهد را Machine Perception می‌گویند؛ این قابلیت معمولاً با نصب سخت‌افزار فراهم می‌شود اما تحت شرایط خاصی و بااستفاده از نرم‌افزارهای به‌خصوصی نیز می‌توان این امکان را برای سیستم‌ها فراهم نمود.

N
Natural Language Processing: توانایی یک برنامه برای درک سخنان کاربر به همان شکلی که یک انسان قادر به درک آن است را NLP گویند.

R
Recurrent Neural Network: اصطلاح RNN نوعی از شبکهٔ‌عصبی است که قادر به درک اطلاعات زنجیره‌ای و تشخیص الگوهای موجود در این اطلاعات بوده و می‌تواند براساس محاسبات صورت‌گرفته، خروجی مناسب را تولید نماید.

S
Supervised Learning: یادگیری نظارت‌شده نوعی از یادگیری ماشینی است که در آن باتوجه به داده‌های خروجی، سیستم‌ها برای تولید الگوریتم‌های مناسب‌تر و درست‌تر آموزش داده می‌شوند (درست مانند معلمی که به دانش‌آموزان خود درس می‌دهد). این روش، از روش یادگیری Unsupervised (بدون نظارت) رایج‌تر است.

Swarm Behavior: اصطلاح دیگری که در این رابطه به‌کار می‌رود Swarm Intelligence است که از آن به‌عنوان «هوش گروهی» یاد می‌شود؛ به‌طور کلی، هوش گروهی متودولوژی‌ای در صنعت هوش مصنوعی است که متکی بر رفتارهای گروهی در سیستم‌های نامتمرکز و مستقل است که درنهایت منجر به پیدایش رفتارهایی عمومی می‌شوند. نمونه‌هایی از چنین اکوسیستم‌هایی را می‌توان در طبیعت در گروه‌های مورچگان، پرندگان، گله‌های حیوانات، باکتری‌ها و غیره مشاهده کرد که دانشمندان علوم کامپیوتری از طبیعت الهام گرفته و چنین اکوسیستمی را در سیستم‌های کامپیوتری شبیه‌سازی کرده‌اند.

U
Unsupervised Learning: یادگیری بدون نظارت نوعی از الگوریتم‌های یادگیری ماشینی است که به‌منظور استخراج نتایج از داده‌های بدون برچسب مورد استفاده قرار می‌گیرد؛ تحلیل خوشه‌ای (Cluster Analysis) رایج‌ترین روش یادگیری بدون نظارت است. 

به غیر از موارد بالا، چه اصطلاحات دیگری در صنعت هوش مصنوعی، یادگیری ماشینی، شبکه‌های عصبی، یادگیری ژرف و سایر حوزه‌های مربوطه می‌شناسید؟ در بخش نظرات می‌توانید دیدگاه‌های خود را در این رابطه با ما و سایر کاربران سکان به اشتراک بگذارید.

منبع


رائفه خلیلی