هوش مصنوعی احتمالاتی

یک سوال!

پیشرفت های هوش مصنوعی در حیطه گسترده ای از علوم وارد شده اند و از پردازش داده و عکس و ویدیو گرفته تا حل مسائل فیزیکی همه چیز را شامل شده اند. این ابزار آیا به سمت دقت بیشتر در مدلسازی و کاهش عدم قطعیت پیش نرفته اند؟ آیا با وجود ابزار هوش مصنوعی می بایست همچنان به روش های احتمالاتی از جمله روش نمونه گیری مونت کارلو رو بیاوریم؟

این سوال بسیار سوال خوبی است و جواب آن می تواند دید بهتری نسبت به روش های احتمالاتی ایجاد نماید. اینکه جایگاه هوش مصنوعی در علوم امروز روز به روز در حال گسترش است را می توان به عینه دید. الگوریتم های هوش مصنوعی در یک دیدگاه کلی به دو دسته تقسیم می شوند. یک دسته روش های مبتنی بر داده اند. یعنی از داده ها برای یادگیری و آموزش هسته هوش مصنوعی استفاده می شود. یکی هم روش های مبتنی بر فیزیک هستند که از خود مسئله فیزیکی برای یادگیری استفاده می کنند و الزاما نیازی به داده برای آموزش ندارند که از جمله این روش های می توان به شبکه های عصبی مطلع از فیزیک یا PINN اشاره نمود.

هر کدام از این روش ها در واقع ابزاری هستند که به ما در مدلسازی کارامد تر از پدیده های اطرافمان یاری می رسانند. این یعنی اینکه ابزارهای رایجی که قبل ها برای مدلسازی یک پدیده مورد استفاده قرار می گرفتند، با یک هوش مصنوعی جایگزین می گردند تا نیازی به واکاوی سنتی مسئله برای رسیدن به جواب نباشد.

با این حال عدم قطعیت موجود در پدیده ها همچنان به قوت خود پایدار و پابرجاست. در واقع وجود عدم قطعیت، موضوعی بسیار عمیق تر از روش و ابزار مدلسازی و تکنیک حل مسائل اطراف می باشد. عدم قطعیت به این موضوع برمی گردد که ذاتا ناشناخته های بسیاری در پدیده های اطرافمان وجود دارد که آگاهی از همه آنها برای ما ممکن نیست. این سطح از پیچیدگی و ضعف در شناخت دقیق به قدری است که با گذشت زمان و پیشرفت علم، به محض اینکه یکی از پدیده های ناشناخته قبلی برای ما مشهود می گردد، سوالات و ابهامات جدیدی به وجود می آید که وجه جدیدی از پیچیدگی مسئله را به روی ما می گشاید. این موضوع از یک طرف پویایی و حرکت علمی بشر را موجب می شود و از طرف دیگر باعث می گردد که ما همیشه نیازمند به ابزار مدلسازی عدم قطعیت باشیم.

شناخت ابزارهای مدلسازی عدم قطعیت به خودی خود به یک علم تبدیل شده است و بشر به خاطر نیاز اساسی خود برای در نظر گرفتن اثرات ناشناخته ها، همواره به دنبال پیشرفت این علم بوده است.

در رابطه با پییشرفت های هوش مصنوعی هم داستان بر همین منوال است. روش های مدلسازی عدم قطعیت نقطه مقابل روش های هوش مصنوعی نیستند و ذاتا تداخل و تضادی با آنها ندارند. اتفاقا روش های مدلسازی عدم قطعیت می توانند به کمک روش های هوش مصنوعی بیایند و به آنها کمک کنند تا علاوه بر مدلسازی هوشمند پدیده ها، عدم قطعیت موجود در داده ها، مدل ها و حتی فیزیک مسئله را هم در نظر بگیرند و دید احتمالاتی عمیقی را رائه نمایند.

موضوع هوش مصنوعی احتمالاتی خود می تواند از جمله زمینه های پژوهشی بسیار داغی باشد که در آینده بیشتر مورد پژوهش قرار گیرد و برای بررسی متفاوت پدیده های اطراف استفاده گردد.

در دوره آموزشی روش نمونه گیری مونت کارلو MCS به این امر مهم توجه شده است و سعی گردیده است تا در سرفصل های دوره به شبکه های عصبی مصنوعی نیز پرداخته شود و نحوه ترکیب آنها با MCS به شکل گام به گام ارائه گردد. نتایج حاصل از این بحث آنچنان جذاب و چشمگیر خواهد بود که می تواند تمام مسیر پژوهشی شما را تحت تاثیر قرار دهد.

ما بدینوسیله از شما دعوت می کنیم تا با اطمینان خاطردر دوره MCS ثبت نام نموده و از وارد شدن مطالب عمیق و محتوای غنی آن در زندگی پژوهشی و کاری خود لذت ببرید. تیم آموزشی ما مشتاقانه منتظر حضور شما در این دوره آموزشی فوق العاده می باشد.