علوم کامپیوتری, مقالات
هوش‌مصنوعی (AI) چیست؟ اجزاء، اهداف، مزایا و معایب
تیر
هوش‌مصنوعی (AI)
در این مقاله قصد داریم در مورد هوش‌مصنوعی (AI) ، نحوه کار، اهداف و چالش‌های آن با شما همراهان محترم شرکت ماه صنعت انرژی صحبت کنیم.
فهرست مطالب
- هوش‌مصنوعی چیست؟
- نحوه عملکرد هوش‌مصنوعی
- اجزای اصلی هوش‌مصنوعی
- اهداف هوش‌مصنوعی
- چالش‌های کلیدی هوش‌مصنوعی
- مزایا و معایب هوش‌مصنوعی
————————————————–
1- هوش‌مصنوعی (AI) چیست؟
هوش‌مصنوعی (AI) به عنوان هوش یک ماشین یا رایانه تعریف‌می‌شود که آن را قادر می سازد توانایی‌های انسان را تقلید کند.
هوش‌مصنوعی با‌استفاده از فناوری‌های متعدد، ماشین‌ها را برای درک، برنامه‌ریزی، عمل و یادگیری با سطوح هوشی شبیه انسان تجهیز‌می‌کند.
اساساً،
- سیستم‌های هوش‌مصنوعی محیط‌ها را درک‌می‌کنند
- اشیا را تشخیص می‌دهند، در تصمیم‌گیری‌ها مشارکت می‌کنند
- مشکلات را حل‌می‌کنند
- از تجربیات گذشته درس می‌گیرند
- و الگوها را تقلید می‌کنند
و در نهایت، این توانایی‌ها برای انجام کارهایی مانند رانندگی ماشین یا تشخیص چهره برای باز کردن قفل صفحه نمایش، با هم ترکیب‌می‌شوند.
هوش‌مصنوعی (AI)
————————————————–
2- نحوه عملکرد هوش‌مصنوعی (AI)
چشم انداز هوش‌مصنوعی در سراسر مجموعه‌ای از فناوری‌ها مانند یادگیری ماشین، پردازش زبان طبیعی، بینایی کامپیوتر و غیره گسترش می‌یابد.
چنین فناوری‌های پیشرفته‌ای به سیستم‌های رایانه‌ای اجازه می‌دهند تا زبان انسان را بفهمند، از نمونه‌ها و مثال‌ها یاد بگیرند و پیش‌بینی‌کنند.
اگرچه هر فناوری به طور مستقل در حال تکامل است، اما زمانی که در ترکیب با سایر فناوری‌ها، داده‌ها، علوم تجزیه و تحلیل و اتوماسیون استفاده‌شود، می‌تواند کسب‌وکارها را متحول کند و به افراد کمک‌کند تا به اهداف‌خود دست یابند.
هوش‌مصنوعی چگونه کار‌می‌کند؟
برای شروع، یک سیستم هوش‌مصنوعی داده‌های ورودی را به صورت گفتار، متن، تصویر و غیره دریافت و می‌پذیرد.
سپس، سیستم داده‌ها را با اعمال قوانین و الگوریتم‌های مختلف، تفسیر، پیش بینی و عمل بر روی داده‌های ورودی پردازش‌می‌کند.
پس از پردازش، سیستم نتیجه عملیات که می‌تواند با موفقیت یا شکست باشد، را بر داده‌های ورودی ارائه‌می‌دهد.
و سپس، نتیجه عملیات از طریق تجزیه و تحلیل، یافتن و فیدبک ارزیابی‌می‌شود.
در نهایت، سیستم از ارزیابی‌های خود برای تنظیم داده‌های ورودی، قوانین و الگوریتم ها و نتایج هدف استفاده‌می‌کند.
این حلقه تا رسیدن به نتیجه مطلوب ادامه می‌یابد.
————————————————–
3- اجزای اصلی هوش‌مصنوعی (AI)
هوش، زمینه وسیعی‌دارد که نشان‌دهنده توانایی عمیق برای درک محیط اطراف‌است. با این حال، برای واجد شرایط بودن آن به عنوان هوش‌مصنوعی، تمام اجزای آن باید در ارتباط با یکدیگر کار کنند. حال برای درک بهتر، به بررسی اجزای اصلی هوش‌مصنوعی می‌پردازیم.
1- یادگیری ماشین:
یادگیری ماشین، یک برنامه هوش‌مصنوعی‌است که به طور خودکار از مجموعه تجربیات قبلی، بدون نیاز به برنامه‌نویسی صریح، یاد‌می‌گیرد و بهبود می‌یابد.
2- یادگیری عمیق:
یادگیری عمیق، زیرمجموعه‌ای از یادگیری ماشین است‌که با پردازش داده ها به کمک شبکه‌های عصبی مصنوعی، یاد‌می‌گیرد.
3- شبکه عصبی:
شبکه‌های عصبی، سیستم‌های رایانه‌ای هستند‌که به طور ضعیف بر روی اتصالات عصبی در مغز انسان مدل‌سازی می‌شوند و یادگیری عمیق را امکان‌پذیر‌می‌کنند.
4- محاسبات شناختی:
هدف محاسبات شناختی بازآفرینی فرآیند تفکر انسان در یک مدل کامپیوتری‌است.
این فناوری به دنبال تقلید و بهبود تعامل بین انسان و ماشین، با درک زبان انسان و معانی تصاویر‌است.
5- پردازش زبان طبیعی (NLP):
پردازش زبان طبیعی ابزاری‌است که به رایانه‌ها اجازه‌می‌دهد، زبان و گفتار انسان را درک، تشخیص، تفسیر و تولید‌کنند.
6- بینایی کامپیوتری:
بینایی کامپیوتر از یادگیری عمیق و شناسایی الگو برای تفسیر محتوای تصویر (نمودارها، جداول، تصاویر و فیلم‌ها) استفاده‌می‌کند.
————————————————–
4- اهداف هوش‌مصنوعی (AI)
هوش‌مصنوعی در درجه اول با مهندسی معکوس قابلیت‌ها و ویژگی‌های انسانی، و به کارگیری آنها در ماشین‌ها به دست می‌آید.
هوش‌مصنوعی رفتار انسان را برای توسعه ماشین‌های هوشمند می‌خواند.
به بیان ساده، هدف اساسی هوش‌مصنوعی طراحی فناوری‌است که سیستم‌های کامپیوتری را قادر می‌سازد تا هوشمندانه و در عین حال مستقل کار کنند.
۱. توسعه توانایی حل مسئله
تحقیقات هوش‌مصنوعی بر توسعه الگوریتم‌های حل مسئله کارآمد که می‌توانند استنتاج‌های منطقی را انجام دهند و استدلال انسان را در حین حل پازل‌های پیچیده شبیه‌سازی کنند، متمرکز‌است.
سیستم‌های هوش‌مصنوعی، روش‌هایی را برای مقابله با موقعیت‌های نامشخص، یا مدیریت معمای اطلاعات ناقص با استفاده از نظریه احتمال، مانند سیستم پیشبینی بازار سهام، ارائه‌می‌کنند.
توانایی حل مسئله هوش‌مصنوعی، موجب آسوده‌تر‌شدن زندگی افراد می‌شود؛ چراکه می‌توان وظایف پیچیده را به سیستم‌های هوش‌مصنوعی قابل اعتماد اختصاص داد که‌خود، به ساده‌سازی مشاغل حیاتی کمک‌می‌کند.
2. ترکیب بازنمایی دانش
تحقیقات هوش‌مصنوعی حول محور ایده بازنمایی دانش و مهندسی دانش می‌چرخد.
این بازنمایی، اطلاعات دنیای واقعی را که کامپیوتر برای حل مشکلات پیچیده زندگی واقعی مانند تشخیص یک بیماری پزشکی یا تعامل با انسان به زبان طبیعی، استفاده‌می‌کند، نشان‌می‌دهد.
محققان می‌توانند از اطلاعات ارائه‌شده، برای گسترش پایگاه دانش هوش‌مصنوعی، تنظیم دقیق و بهینه سازی مدل‌های هوش‌مصنوعی خود برای رسیدن به اهداف مورد نظر استفاده‌کنند.
3. تسهیل برنامه ریزی
عوامل هوشمند، می‌توانند راهی برای تصور آینده فراهم کنند.
برنامه‌ریزی مبتنی بر هوش‌مصنوعی، یک مسیر عملی را برای یک سیستم، جهت دستیابی به اهداف خود تعیین‌می‌کند و عملکرد کلی را از طریق تحلیل‌های پیش بینی، تجزیه و تحلیل داده‌ها، پیشبینی و مدل‌های بهینه‌سازی، بهینه‌می‌کند.
با کمک هوش‌مصنوعی می‌توانیم پیش‌بینی‌های آینده را انجام دهیم و عواقب اقدامات خود را مشخص کنیم.
4. اجازه یادگیری مداوم
یادگیری برای راه حل های هوش‌مصنوعی اساسی‌است.
از لحاظ مفهومی، یادگیری، مستلزم توانایی الگوریتم‌های کامپیوتری برای بهبود دانش یک برنامه هوش‌مصنوعی از طریق مشاهدات و تجربیات گذشته‌است.
از نظر فنی، برنامه‌های هوش‌مصنوعی مجموعه‌ای از جفت های ورودی-خروجی را برای یک تابع تعریف‌شده، پردازش‌می‌کنند و از پاسخ آن برای پیشبینی نتایج ورودیهای جدید استفاده می‌کنند.
هوش‌مصنوعی در درجه اول از دو مدل یادگیری ” نظارت شده و بدون نظارت ” استفاده‌می‌کند که در آن تمایز اصلی در استفاده‌از مجموعه داده‌های برچسب گذاری شده‌است.
از آنجایی که سیستم‌های هوش‌مصنوعی به طور مستقل یاد می‌گیرند، به حداقل مداخله انسانی یا حتی عدم دخالت انسان نیاز دارند. به عنوان مثال، فناوری یادگیری ماشین یک فرآیند یادگیری خودکار را تعریف‌می‌کند.
5. ترغیب هوش اجتماعی
محاسبات عاطفی که «هوش‌مصنوعی احساسی» نیز نامیده‌می‌شود، شاخه‌ای از هوش‌مصنوعی است‌که تجربیات، احساسات و عواطف انسانی را شناسایی، تفسیر و شبیه‌سازی می‌کند.
با محاسبات عاطفی، رایانه‌ها می‌توانند حالات چهره، زبان بدن و آهنگ‌های صوتی را بخوانند و به سیستم‌های هوش‌مصنوعی اجازه دهند تا در سطح انسان تعامل داشته باشند و اجتماعی شوند.
بنابراین، تلاش‌های تحقیقاتی به سمت تقویت هوش اجتماعی ماشین‌ها متمایل‌است.
6. ارتقا خلاقیت
هوش‌مصنوعی خلاقیت و تفکر مصنوعی را ارتقا می‌دهد که در نهایت می‌تواند به انسان در انجام بهتر وظایف کمک کند.
این فناوری می‌تواند از طریق حجم وسیعی از داده‌ها، گزینه‌ها و جایگزین‌ها را در نظر بگیرد و مسیرها یا فرصت‌های خلاقانه‌ای را برای پیشرفت انسان ایجاد‌کند.
علاوه براین، هوش‌مصنوعی توانایی ارائه پلتفرمی برای تقویت و ترویج خلاقیت را نیز دارد، چراکه می‌تواند بسیاری از ایده‌ها و مفاهیم جدید را که الهام بخش و تقویت کننده فرآیند خلاقیت است، توسعه دهد.
به عنوان مثال، یک سیستم هوش‌مصنوعی می‌تواند چندین گزینه طراحی داخلی را برای چیدمان یک واحد آپارتمان به صورت سه بعدی ارائه‌کند.
7. دستیابی به هوش عمومی
هدف محققان هوش‌مصنوعی، توسعه ماشین‌هایی با قابلیت‌های هوش‌مصنوعی عمومی‌است که تمام مهارت‌های شناختی انسان را با هم ترکیب می‌کنند و وظایف مربوطه را با مهارت بهتری نسبت به انسان انجام می‌دهند.
این هدف می‌تواند بهره وری کلی را افزایش دهد، زیرا امور با کارایی بیشتری انجام می‌شوند و انسان را از کارهای خطرناکی مانند خنثی کردن بمب‌ها رها‌می‌کند.
8. ترویج همکاری میان انسان و هوش‌مصنوعی
یکی از اهداف حیاتی هوش‌مصنوعی ایجاد همکاری میان هوش‌مصنوعی و انسانها، به منظور افزایش توانایی و کار با یکدیگر‌است.
————————————————–
5- چالش‌های کلیدی هوش‌مصنوعی (AI)
هوش‌مصنوعی در مقطعی قرار دارد
که نقش آن در هر صنعتی، اعم از مراقبت‌های بهداشتی، تولید، روباتیک، سیستم‌های مستقل، هوانوردی و بسیاری دیگر، تقریباً اجتناب ناپذیر شده‌است.
با این حال، نمی‌توان چالش‌های متعدد هوش‌مصنوعی را به دلیل پتانسیل بسیار بالایی که دارد، نادیده گرفت.
چالش‌های حیاتی برای هوش‌مصنوعی که کسب‌وکارها می‌توانند آنها را بشناسند و برای پیشبرد رشد آن تلاش کنند، عبارتند از:
1. تعصب الگوریتم هوش‌مصنوعی
سیستم‌های هوش‌مصنوعی بر روی داده‌های آموزش‌دیده عمل‌می‌کنند، به این معنی که کیفیت یک سیستم هوش‌مصنوعی به خوبی داده‌های آن‌است.
بررسی اعماق هوش‌مصنوعی، جهت گیری‌ها و تعصب‌های اجتناب ناپذیر وارد‌شده توسط داده‌ها را آشکار‌می‌کند.
تعصب به تعصب نژادی، جنسیتی، جمعی یا قومی اشاره دارد. به عنوان مثال، الگوریتم‌های امروزی، نامزدهای مناسب برای مصاحبه شغلی یا افراد واجد شرایط وام را تعیین می‌کنند.
اگر الگوریتم‌هایی که چنین تصمیم‌گیری‌های حیاتی را اتخاذ می‌کنند، در طول زمان جهت گیری‌های خاصی ایجاد کرده‌باشند، می‌تواند منجر به عواقب وحشتناک، ناعادلانه و غیراخلاقی شود.
از این رو، آموزش سیستم‌های هوش‌مصنوعی بر مبنای داده‌های بی طرفانه حیاتی‌است.
شرکت‌هایی مانند مایکروسافت و فیس‌بوک قبلاً از معرفی ابزارهای ضد سوگیری خبر داده‌اند که می‌توانند به‌طور خودکار سوگیری را در الگوریتم‌های هوش‌مصنوعی شناسایی‌کنند و دیدگاه‌های غیرمنصفانه هوش‌مصنوعی را بررسی‌کنند.
2. مسئله جعبه سیاه
الگوریتم های هوش‌مصنوعی مانند جعبه سیاه‌هستند.
از این رو، ما درک بسیار کمی از عملکرد درونی یک الگوریتم هوش‌مصنوعی داریم.
برای مثال، ما می‌توانیم بفهمیم که پیشبینی یک سیستم پیش‌بینی‌کننده چیست، اما از اینکه چگونه سیستم به آن پیشبینی رسیده‌است، آگاهی نداریم.
این موضوع باعث‌می‌شود که سیستم‌های هوش‌مصنوعی کمی غیر قابل اعتماد‌باشند.
تکنیک‌هایی برای حل مشکل جعبه سیاه، مانند مدل‌های «توضیحات قابل تفسیر محلی (LIME)» در حال توسعه هستند.
LIME اطلاعات اضافی را برای هر پیشبینی احتمالی فراهم‌می‌کند و با تفسیر پذیری پیشبینی، الگوریتم را قابل اعتماد‌می‌کند.
3. نیاز به قدرت محاسباتی بالا
هوش‌مصنوعی برای آموزش مدل‌های خود، از قدرت محاسباتی بسیار زیادی استفاده‌می‌کند.
با محبوب شدن الگوریتم‌های یادگیری عمیق، استفاده‌از تعداد بیشتری از هسته‌ها و پردازنده‌های گرافیکی برای اطمینان از کارآمد بودن این الگوریتم‌ها ضروری‌است.
به همین دلیل‌است که سیستم‌های هوش‌مصنوعی در حوزه‌هایی مانند نجوم، جایی که هوش‌مصنوعی می‌تواند برای ردیابی سیارک‌ها استفاده‌شود، استفاده‌نشده‌است.
علاوه بر این، الگوریتم‌های پیچیده به ابررایانه‌ها نیاز دارند تا با ظرفیت کامل برای مدیریت سطوح چالش برانگیز محاسبات، کار کنند.
امروزه تنها تعداد کمی از ابررایانه‌ها در سطح جهانی در دسترس هستند که البته گران هم به نظر می‌رسند.
همین موضوع امکان اجرای هوش‌مصنوعی در سطوح محاسباتی بالا را محدود می‌کند.
4. پیچیدگی ادغام هوش‌مصنوعی
ادغام هوش‌مصنوعی با زیرساخت‌های موجود شرکتی، پیچیده تر از افزودن افزونه‌ها به وب سایت ها یا اصلاح برگه های اکسل است.
اطمینان از اینکه برنامه‌های فعلی با الزامات هوش‌مصنوعی سازگار هستند و یکپارچه سازی هوش‌مصنوعی بر خروجی فعلی تأثیر منفی نمی گذارد، بسیار مهم است.
همچنین، برای سهولت مدیریت زیرساخت هوش‌مصنوعی می بایست یک رابط هوش‌مصنوعی ایجاد شود. همانطور که گفته شد، انتقال یکپارچه به هوش‌مصنوعی برای طرف‌های درگیر کمی چالش برانگیز است.
5. عدم درک استراتژی‌های اجرا
اگرچه هوش‌مصنوعی در آستانه تغییر هر صنعت‌است، عدم درک روشن از استراتژی‌های اجرای آن یکی از چالش‌های اصلی هوش‌مصنوعی‌است.
کسب‌وکارها باید حوزه‌هایی را که می‌توانند از هوش‌مصنوعی سود ببرند، شناسایی کنند. اهداف واقع‌بینانه تعیین کنند و حلقه‌های فیدبک را در سیستم‌های هوش‌مصنوعی بگنجانند تا از بهبود مستمر فرآیند اطمینان حاصل کنند.
علاوه بر این، مدیران شرکت‌ها باید با فناوری‌های فعلی هوش‌مصنوعی، روندها، امکانات ارائه‌شده و محدودیت‌های بالقوه آشنا باشند.
این به سازمان‌ها کمک‌می‌کند تا مناطق خاصی را که می‌توانند از اجرای هوش‌مصنوعی بهره ببرند، هدف قرار دهند.
6. نگرانی‌های حقوقی
سازمان‌ها باید مراقب نگرانی‌های قانونی هوش‌مصنوعی باشند.
یک سیستم هوش‌مصنوعی که داده‌های حساس را جمع‌آوری می‌کند، صرف نظر از بی‌ضرر بودن یا نبودن آن، ممکن‌است قوانین ایالتی یا فدرال را نقض کند.
اگرچه داده‌های جمع‌آوری‌شده توسط هوش‌مصنوعی ممکن‌است قانونی باشد، سازمان‌ها باید اثرات منفی تجمیع داده‌ها را در نظر بگیرند.
در ژانویه 2020، دولت ایالات متحده پیش نویس قوانینی را برای مقررات هوش‌مصنوعی تنظیم کرده‌است.
برخی از مسائل مهم حقوقی مطرح شده مربوط به مسئولیت مدنی‌است.
به عنوان مثال، اگر یک خودروی بدون راننده در یک تصادف به شخصی آسیب برساند، مقصر در چنین سناریویی کیست؟ چه کسی مسئولیت را بر عهده می‌گیرد؟ در چنین مواردی ، مجرمیت کیفری مطرح‌می‌شود.
————————————————–
6- مزایا و معایب هوش‌مصنوعی (AI)
حال می‌توانیم مزایا و معایب هوش‌مصنوعی را، پس از آشنایی با اجزا، اهداف و چالش‌های هوش‌مصنوعی بررسی کنیم. بیایید با مزایای هوش‌مصنوعی شروع کنیم.
مزایای هوش‌مصنوعی عبارتند از:
1- کاهش خطای انسانی
یکی از بزرگترین مزایای هوش‌مصنوعی این‌است که می‌تواند خطاها را به میزان قابل توجهی کاهش و دقت را افزایش دهد. تصمیماتی که هوش‌مصنوعی در هر مرحله اتخاذ‌می‌کند با اطلاعات جمع‌آوری‌شده قبلی و مجموعه خاصی از الگوریتم‌ها تعیین‌می‌شود.
در صورتیکه هوش‌مصنوعی به درستی برنامه‌ریزی شود، امکان کاهش خطا به مقدار صفر نیز وجود دارد.
2- کاهش خطرات
یکی دیگر از مزیت‌های بزرگ هوش‌مصنوعی این‌است که انسانها می‌توانند با اجازه دادن به ربات‌های هوش‌مصنوعی بر بسیاری از خطرات مانند خنثی کردن بمب، رفتن به فضا، کاوش در عمیق‌ترین بخش‌های اقیانوس‌ها، غلبه‌کنند.
3- در دسترس بودن کامل
مطالعات زیادی وجود دارد که نشان‌می‌دهد، انسانها فقط ۳ تا ۴ ساعت در روز بازدهی دارند و برای ایجاد تعادل بین زندگی کاری و شخصی خود به استراحت نیاز دارند.
اما هوش‌مصنوعی می‌تواند‌بدون وقفه کار کند.
آنها خیلی سریعتر از انسانها فکر‌می‌کنند و چندین کار را همزمان با نتایج دقیق انجام می‌دهند.
همچنین می‌توانند کارهای تکراری خسته‌کننده را به راحتی با کمک الگوریتم‌ها انجام دهند.
4- دستیار دیجیتالی
این روزها، تقریباً همه سازمان‌های بزرگ از دستیارهای دیجیتالی برای تعامل با مشتریان خود استفاده‌می‌کنند که به طور قابل توجهی نیاز به منابع انسانی را به حداقل می‌رساند.
به طور مثال، برخی از ربات‌های چت آنقدر هوشمند شده‌اند، که نمی‌توانید تشخیص دهید که آیا با یک چت بات چت می‌کنید یا یک انسان.
5- نوآوری‌های جدید
هوش‌مصنوعی تقریباً در هر حوزه‌ای با اختراعات و نوآوری‌های جدید برای حل مشکلات پیچیده، کمک کرده‌است.
اختراع اخیر به پزشکان کمک کرده‌است تا با استفاده‌از فناوری‌های پیشرفته مبتنی بر هوش‌مصنوعی، مراحل اولیه سرطان سینه را در زنان پیش‌بینی‌کنند.
6- تصمیمات بی طرفانه
انسانها خواه ناخواه توسط احساساتشان هدایت می‌شوند.
درصورتیکه هوش‌مصنوعی عاری از احساسات و بسیار کاربردی و منطقی‌است.
مزیت بزرگ هوش‌مصنوعی این‌است که هیچ دیدگاه مغرضانه‌ای ندارد که این موضوع تصمیم‌گیری دقیق را تضمین‌می‌کند.
معایب هوش‌مصنوعی عبارتند از:
1- هزینه‌های بالا
توانایی ایجاد ماشینی که بتواند هوش انسان را شبیه‌سازی کند، کار کوچکی نیست.
این کار به زمان و منابع زیادی نیاز دارد و‌می‌تواند هزینه زیادی داشته‌باشد.
همچنین، هوش‌مصنوعی باید بر روی جدیدترین سخت‌افزارها و نرم‌افزارها کار کند تا به روز بماند و آخرین نیازها را برآورده کند، که در نتیجه‌استفاده از این فناوری بسیار پرهزینه‌می‌شود.
2- عدم خلاقیت
یک عیب بزرگ هوش‌مصنوعی این‌است که نمی‌تواند یاد بگیرد که خارج از چارچوب فکر‌کند.
هوش‌مصنوعی، قادر‌است در طول زمان با داده‌های از قبل تعیین‌شده و تجربیات گذشته یاد بگیرد، اما نمی‌تواند در رویکرد خود خلاق باشد.
3- افزایش بیکاری
شاید یکی از بزرگترین معایب هوش‌مصنوعی این‌باشد که این فناوری به آرامی در حال جایگزینی تعدادی از کارهای تکراری، با ربات‌ها‌است.
کاهش نیاز به دخالت انسان منجر به از بین رفتن بسیاری از فرصت‌های شغلی شده‌است.
یک مثال ساده چت بات است که یک مزیت بزرگ برای سازمان ها و اما یک کابوس برای کارمندان‌است.
در مطالعه ای توسط مک کینزی پیشبینی شده‌است
که هوش‌مصنوعی تا سال 2030 جایگزین حداقل 30 درصد نیروی کار انسانی خواهد‌‌شد.
4- کاهش فعالییت انسان
برنامه‌های کاربردی هوش‌مصنوعی، اکثر کارهای خسته کننده و تکراری را به طور خودکار انجام می‌دهند.
از این رو، بدلیل اینکه برای انجام کارها مجبور نیستیم مطالب را به خاطر بسپاریم یا معماها را حل کنیم، تمایل داریم کمتر و کمتر از مغزمان استفاده‌کنیم.
این اعتیاد به هوش‌مصنوعی می‌تواند‌برای نسل‌های آینده مشکلاتی ایجاد کند.
5- عدم وجود اصول اخلاقی
اخلاقیات از ویژگی‌های مهم انسانی‌است که گنجاندن آن در هوش‌مصنوعی دشوار‌است.
پیشرفت سریع هوش‌مصنوعی و رشد غیرقابل کنترل آن موجب ایجاد نگرانی در جوامع شده‌است. چراکه پیش بینی‌می‌شود
که در نهایت بشریت توسط هوش‌مصنوعی از بین خواهد‌رفت.
از این لحظه به عنوان تکینگی هوش‌مصنوعی یاد‌می‌شود.
————————————————–
مراجع
?What Is Artificial Intelligence (AI)