هوش مصنوعی شاخه ای از مهندسی کامپیوتر است که تلاش می‌کند تا کارکرد ماشین را به مغز انسان نزدیک کند، به گونه ای که ماشین بتواند بصورت خودکار، تصمیم‌گیری و عمل نموده و انجام امور را تسهیل کند؛ با این تفاوت که سیستم‌های امروزی با دقت و سرعت بسیار بالاتر از انسان، قادر به انجام محاسبات بر حجم بالایی از داده‌ها هستند.
شاخه‌های اصلی هوش مصنوعی عبارتند از: پردازش زبان‌های طبیعی، منطق فازی، رباتیک، سیستم‌های خبره، شبکه‌های عصبی و یادگیری ماشین
در این مقاله، به معرفی «یادگیری ماشین» و برخی کاربردهای آن می‌پردازیم.
روش‌های یادگیری ماشین:
یادگیری با نظارت: اطلاعات بصورت دسته‌بندی شده همراه با برچسب یا عنوان هر دسته به ماشین داده می‌شود و ماشین بر اساس اطلاعات اولیه، قادر به برچسب‌گذاری داده‌های جدید خواهد بود.
مثال: در هواشناسی، بر اساس دمای هوا، میزان تراکم ابر و نور خورشید، روزها به دو دسته بارانی و آقتابی تقسیم شده‌اند. سیستم با دریافت داده‌های روز جدید و اندازه‌گیری میزان شباهت به اطلاعات روزهای قبل، وضعیت امروز را پیش‌بینی می‌کند.
یادگیری بدون نظارت: اطلاعات بدون برچسب به ماشین داده شده و ماشین بر اساس میزان شباهت، داده‌ها را دسته‌بندی و برچسب‌گذاری می‌کند.
مثال: سیستم، متن‌های خبری را بر اساس تعداد کلمات مشابه، به دسته‌های علمی، سیاسی، ورزشی و ... تقسیم می‌نماید.
یادگیری نیمه‌نظارتی یا تقویتی: در این روش، اطلاعات اولیه وجود ندارد و ماشین با قرار گرفتن در محیط و دریافت بازخوردهای مثبت و منفی، به یادگیری و استفاده از تجربیات می‌پردازد. کاربرد این حوزه در رباتیک و بازی‌هاست.
این روش، شبیه یادگیری کودکان عمل می‌کند که هیچ تصوری از عواقب مثبت و منفی کارهای خود ندارد. با گفتن کلمات جدید و مناسب، تشویق می‌شود و با دست زدن به اجسام داغ، واکنش منفی از اطرافیان دریافت کرده یا می‌سوزد. این بازخوردها در حافظه کودک ثبت شده و به تکرار یا ترک این اعمال منجر می‌شود.
آموزش و یادگیری با هوش مصنوعی
ایجاد انگیزه در دانش‌آموزان و کاهش حجم کار معلمان همراه با ارائه محتوای جذاب و مؤثر، رهاورد این حوزه می‌باشد.
برخی قابلیت‌های هوش مصنوعی در یاددهی و یادگیری
شخصی کردن یادگیری: سامانه‌های مبتنی بر هوش مصنوعی و یادگیری ماشین، می‌توانند با تجزیه و تحلیل عملکرد یادگیرنده، طبقه و سطح او را شناسایی کرده و محتوای درسی و میزان سختی سوالات آزمون را بر اساس سطح یادگیرنده تنظیم نمایند. این سامانه‌ها قادر به شناسایی اختلالات یادگیری در افراد هستند.
تولید محتوای آموزشی با مجموعه‌ای از متون، تصاویر و سایر مطالب تعاملی علاوه بر صرفه‌جویی در زمان و منابع برای معلم، به افزایش جذابیت تدریس کمک می‌کند.
چت‌ربات‌ها و دستیاران مجازی: مثل Chat GPT با ترکیب شاخه‌های یادگیری ماشین و پردازش زبان طبیعی، بصورت 24ساعته، پاسخگوی پرسش‌های کاربران در موضوعات مختلف است.
منبع: عارفی، ز. (1402، مهر). آورده‌های هوش مصنوعی. مجله رشد فناوری آموزشی (شماره 1).
زینب داودآبادی (مسئول IT متوسطه)