انواع هوش مصنوعی

وقتی می‌گیم «هوش مصنوعی»، همه چیز رو زیر یه چتر جمع می‌کنیم، از فیلتر اسپم ایمیلت گرفته تا مدلی که می‌تونه کد پایتون بنویسه یا تصویر تولید کنه. این چتر خیلی گنده‌ست. بذار بازش کنیم.

هوش مصنوعی محدود در مقابل عمومی

اولین و مهم‌ترین تقسیم‌بندی اینه:

ANI، هوش مصنوعی محدود (Artificial Narrow Intelligence): همهٔ چیزی که الان داریم. یه مدل که کار خاصی رو خوب انجام می‌ده، تشخیص چهره، ترجمه، پیش‌بینی قیمت. خارج از آن کار؟ هیچ. AlphaGo بهترین Go-باز دنیاست ولی نمی‌دونه «صبحانه» چیه.

AGI، هوش مصنوعی عمومی (Artificial General Intelligence): هوشی هم‌سطح انسان که بتونه هر کاری که انسان می‌کنه انجام بده، از استدلال انتزاعی تا یادگیری مهارت جدید. هنوز نداریمش. بحث داغه که چقدر دوریم: بعضی محققین می‌گن ۱۰ سال، بعضی می‌گن هرگز به شکلی که تعریف می‌کنیم نمی‌رسیم.

ASI، فراهوش (Artificial Superintelligence): فرضی. هوشی که از بهترین انسان‌ها در تمام حوزه‌ها جلوتر باشه. فیلسوفانی مثل Nick Bostrom روی ریسک‌هاش کتاب نوشتن؛ Yann LeCun معتقده این ترسِ اشتباهیه.

یادگیری ماشین، زیربنای همه چیز

هوش مصنوعی مدرن عملاً مساوی با Machine Learning هست. ایدهٔ اصلی ساده‌ست: به جای اینکه قانون بنویسی، داده بدی و بذاری سیستم خودش الگو پیدا کنه.

سه رویکرد اصلی داری:

• یادگیری با ناظر (Supervised): داده‌های برچسب‌خورده. مثلاً هزار تا عکس گربه/سگ با برچسب نشون می‌دی تا مدل یاد بگیره تفکیک کنه.
• یادگیری بدون ناظر (Unsupervised): داده‌های بدون برچسب. مدل خودش خوشه‌بندی می‌کنه، مثلاً دسته‌بندی مشتری‌ها بدون اینکه از قبل بگی دسته‌ها چی‌ان.
• یادگیری تقویتی (Reinforcement): مدل با آزمون و خطا یاد می‌گیره. ربات‌بازی AlphaGo اینطوری آموزش دیده، میلیون‌ها بازی با خودش.

یادگیری عمیق، وقتی شبکه‌های عصبی بزرگ می‌شن

Deep Learning یه زیرشاخهٔ ML هست که از شبکه‌های عصبی چندلایه استفاده می‌کنه. «عمیق» یعنی لایه‌های زیاد، نه یه تعریف دقیق‌تر.

قبل از ۲۰۱۲ تشخیص تصویر خوب نبود. وقتی AlexNet با GPU روی ImageNet ران شد، خطا از ~۲۶٪ به ~۱۵٪ رسید، یه جهش که دنیای AI رو عوض کرد. از اون موقع شبکه‌های عصبی عمیق زیربنای تشخیص گفتار، ترجمه، تشخیص تصویر پزشکی، و خیلی چیزهای دیگه شدن.

ترنسفورمر و LLM، انقلاب متن

در ۲۰۱۷ گوگل مقالهٔ «Attention is All You Need» رو منتشر کرد و معماری Transformer رو معرفی کرد. این معماری مشکل بزرگ مدل‌های قبلی (که ترتیب جمله رو ترتیبی پردازش می‌کردن) رو حل کرد، حالا می‌شد کل جمله رو موازی پردازش کرد و روابط بین کلمات دور از هم رو هم گرفت.

روی این پایه، مدل‌های زبانی بزرگ (LLM) ساخته شدن: GPT-4، Claude، Gemini. اینا روی تریلیون‌ها کلمه متن آموزش دیدن و می‌تونن متن تولید کنن، کد بنویسن، استدلال کنن، و خلاصه کنن.

نکتهٔ مهم: LLM‌ها اساساً «پیش‌بینی توکن بعدی» انجام می‌دن، ولی این سادگی ظاهری خیلی قدرتمندتر از چیزیه که اول به نظر می‌رسه.

هوش مصنوعی مولد، وقتی AI چیز جدید می‌سازه

هوش مصنوعی مولد (Generative AI) به مدل‌هایی گفته می‌شه که محتوای جدید تولید می‌کنن، متن، تصویر، صدا، ویدیو، کد.

• متن: GPT-4، Claude، Gemini
• تصویر: Midjourney، DALL-E 3، Stable Diffusion
• صدا: ElevenLabs، Suno (موسیقی)
• ویدیو: Sora، Runway، Kling

تفاوتش با ML کلاسیک اینه که خروجیش محتوای قابل استفاده‌ست، نه فقط یه عدد یا برچسب.

جایگاه فارسی در این تقسیم‌بندی

یه واقعیت که معمولاً توی مقالات بهش اشاره نمی‌شه: نه همهٔ LLM‌ها فارسی رو یکسان بلدن. داده‌های فارسی در مقایسه با انگلیسی توی corpus‌های آموزشی خیلی کمتره. این یعنی مدل‌های عمومی روی فارسی محاوره‌ای اغلب ضعیف‌تر از فارسی رسمی عمل می‌کنن.

برای همینه که آیراچت با شناخت پیوسته رویکرد متفاوتی داره، به جای اینکه هر بار از صفر شروع کنه، زمینهٔ گفتگوهای قبلی رو نگه می‌داره تا جواب‌ها با کاربر ایرانی بیشتر ست بشه.

جمع‌بندی سریع

همچنین بخوان

• هوش مصنوعی چیست؟، مقدمه‌ای کامل‌تر برای شروع
• AGI، ASI و ANI، انواع هوش مصنوعی به زبان ساده، عمیق‌تر روی تقسیم‌بندی ضعیف/قوی
• ترنسفورمر و مکانیزم Attention چیست؟، زیرساخت فنی LLM‌ها
• شناخت پیوسته در هوش مصنوعی، چرا حافظهٔ بین‌جلسه‌ای فرق می‌کنه

---

اگه می‌خوای این مفاهیم رو توی عمل ببینی، آیراچت رو امتحان کن، یه LLM که برای کاربر ایرانی طراحی شده و بین گفتگوها فراموش نمی‌کنه. برای توسعه‌دهنده‌ها هم AiraCode همون تجربه رو به ترمینال می‌آره.