تفاوت «هوش مصنوعی» با «هوشمندسازی» چیست؟
به گزارش خبرنگار اقتصاد معاصر؛ شاید شما هم بارها با این اشکال مواجه شدهاید که مردم یا حتی مسئولان سازمانها، تفاوت بین «هوشمندسازی» و «هوش مصنوعی» را بهخوبی درک نکردهاند. خوب است بدانیم تفاوت این دو چیست.
هوشمندسازی
«هوشمندسازی» عموما یک فرآیند تکبعدی جهت بهینهکردن یک وظیفه خاص توسط یک ماشین است؛ برای مثال: در خودروهای مدرن که بعضا هوشمند هستند، شما ممکن است از امکانات زیر استفاده کنید: روشن شدن دو راهنما در زمان ایست یا تغییر مسیر ناگهانی خودرو، تشخیص مانع و عابر پیاده، تشخیص نور، تشخیص باران، سنسور دندهعقب، کروز کنترل، تعیین فاصله ایمن با خودروها با استفاده از سنسورها و رادارها و مواردی اینچنین.
در منازل نیز استفاده از سنسورهای روشنایی، دستگاههای زماندار برای خاموش و روشن کردن تجهیزات الکترونیکی، انواع کنترل تجهیزات از طریق اینترنت و از راه دور، سیستمهای آبیاری یا ایمنی یا صوتی و تصویری هوشمند، سیستمهای حرارتی و برودتی هوشمند و قابل تنظیم و برنامهدار و مواردی از این قبیل.
اینها مصادیقی از «هوشمندی» هستند. در هوشمندسازی، شما عموما با کنترل یک متغیر، یا نهایتا چند متغیر معدود، به ماشینیسازی فرایندها و وظایف میپردازید.
هوش مصنوعی
هوش مصنوعی البته انواع متنوعی دارد، اما در بهکارگیری هوش مصنوعی برای یک تصمیم یا رویداد، شما سه دسته اقدامات لازم دارید:
الف) جمعآوری و احصاء دادههای موثر روی منطق تصمیمگیری
این دادهها – برخلاف هوشمندسازی – با دیمانسیونهای گوناگون جمعآوری میشوند، و با منطق فازی مورد ارزیابی و تحلیل قرار میگیرند. مثلا شما دما و رطوبت و ارتفاع از سطح دریا و زمان کشت و زمانهای کوددهی و زمانهای آبدهی و بارندگی و میزان ابرناکی و نور آفتاب و سایر مولفههای موثر بر یک نهال را طی یکسال میگیرید و ثبت میکنید. مهم اینکه اولا این دادهها بسیار بسیار متنوع است و معمولا از دهها و صدها نوع تجاوز میکند؛ و ثانیا احصاء این دادهها اگر با فرایند دستی و انسانی صورت بگیرد محکوم به شکست است (به سه دلیل گرانقیمت بودن، خطا داشتن و ناکافی بودن تکرارها)؛ و به همین یک دلیل ساده، معمولا در شرکتها و دستگاههایی که هوش مصنوعی را بارگذاری میکنند «دادههای پیشین» ناکافی هستند و فرایند احصاء داده از زمان بارگذاری هوش معتبر است.
ب) تعیین متغیرها و شاخصهای تصمیم
شما باید تصمیم بگیرید. این تصمیم باید شاخصهایی داشته باشد. مثلا اقتصادی بودن، کمهزینه بودن، رشد حداکثری یا حداقلی گیاه، باروری و میوهدهی بیشتر و از این قبیل موارد. پس از تعیین این متغیرها، آن دادهها با اتکا به جبر فازی، برای ارضا یا تامین این متغیرها و شاخصها دو به دو (اگر لازم باشد سه به سه، چهار به چهار و بیشتر) با یکدیگر تلاقی داده میشوند. سپس نقاط مطلوب برای تصمیم بهینه «با آن شاخص خاص» به شما (یا ماشین) معرفی میشود.
ج) تعیین تابع هدف تصمیم و محدودیتها
ممکن است (معمولا چنین است) که متغیرهای گوناگونی با وزنهای گوناگون به کار تصمیم ما میآید. مثلا میخواهیم ماشین، ۱۰ درصد متغیر «اقتصادی بودن» را اثر بدهد، «۲۰ درصد آببر بودن کمتر» و «۷۰ درصد میوهدهی حداکثری»؛ ضمن اینکه میخواهیم سرجمع مصرف آب این گیاه از ۳ مترمکعب در یک سال تجاوز نکند (محدودیت). اینها در یک «تابع هدف تصمیم» گرد هم میآید و عموماً با روشهای «اقتصادسنجی» یا «پژوهش عملیاتی» ارزیابی و بهینه میشود و تلاقی خواهد یافت و به تصمیم بهینه منتهی میشود.
جمعبندی
میبینیم که فونداسیون، دادهها، روشها و منطق محاسبه و نتایج و غیره، بکلی در هوشمندسازی و هوش مصنوعی متفاوت است. ممکن است شما فعالیتتان را هوشمند بکنید، اما از هوش مصنوعی هیچ استفادهای نکنید. برعکسش البته تقریبا یا تحقیقا غیرممکن است (زیرا عرض شد باید دادهها برای اجرای هوش مصنوعی با ماشین احصا شوند)؛ ولی به هر ترتیب این دو ماهیتا متفاوت هستند.