هوش مصنوعی چیست؟

یکی از جدیدترین سوالات روز دنیا این است که هوش مصنوعی چیست؟ اکثر ما حتما این سوال از خودمان یک بار پرسیدایم.

به فرآیند شبیه سازی هوش انسان توسط ماشین ها به ویژه سیستم های کامپیوتری هوش مصنوعی میگویند.از کاربرد های خاص هوش مصنوعی میتوانیم به سیستم های خبره ، پردازش زبان طبیعی ، تشخیص گفتار و بینایی ماشین اشاره کنیم.

تعریف دقیق تر و جامع تر هوش مصنوعی

هوش مصنوعی یا AI که به اختصاربه آن Artificial intelligence میگویند. در واقع تکنولوژی میباشد که از مجموعه ازعلوم و فناوری های پیچیده تشکیل شده است که در تلاش است تا سیستم های ماشینی و کامپیوتری هوشمند شوند یعنی همانند ذهن انسان فکر و عمل کنند و توانایی کارهایی مانند یادگیری و حل مسئله را داشته باشند.
در این مقاله سعی داریم نگاهی متفاوت به هوش مصنوعی داشته باشیم. تمام اصطلاحات و تعریف هایی که در زمینه هوش مصنوعی می باشد را برای شما بیان کنیم تا بتوانید تعریف دقیق هوش مصنوعی را درک کنید .

هوش مصنوعی در واقع هوشی است که توسط انسان برای ماشین ها و سیستم ها ایجاد شده است. این هوش میتواند محیط اطراف خود را درک کند. و نسبت به آن کنش هایی انجام دهد که شانس خودش را برای رسیدن به هدف مورد نظر افزایش بدهد.

هوش چیست؟

در یک انسان همه چیز به جز ساده ترین رفتار انسان را به هوش نسبت میدهند. این درحالی است که پیچیده ترین رفتار حشرات معمولا به عنوان نشانه ای از هوش تلقی نمیشود. اما این تفاوت در چیست؟ رفتار زنبور حفار (Sphexichneumoneus) را در نظر بگیرید. هنگاهی که زنبور ماده با غذا به لانه خود باز میگردد. ابتدا غذای خود را در ابتدا ورودی لانه میگذارد. و خودش وارد لانه میشود تا بررسی کند مهاجمی در درون لانه نباشد. دراین حالت ماهیت واقعی رفتار غریزه ای زنبور آشکار میشود. اگر غذا چند اینچ جابه جا شود زنبور درمییابد که مهاجم در اطراف لانه او قرار دارد. پس برای اینکه مهاجم وارد لانه نشود غذای خود را به داخل نمی برد و دوباره غذا را جا به جا میکند. این رفتار اینقدر تکرار میکند که دیگر غذا جابه جا نشود و پس از آن مطمئن میشود هیچ مهاجمی در اطراف لانه او وجود ندارد. و بعد از اطمینان یافتن غذا را به داخل میبرد. با این رفتار پیچیده زنبور حفارهنوز هم نمیتوانیم برای او هوشی را در نظر بگیریم. در واقع می توان گفت هوش یعنی توانایی سازگاری با شرایط جدید است.

انسان چگونه هوشمند میشود؟

انسان ها از زمان بدو تولد هوشمند نیستند. ولی با گذشت زمان هوشمند میشوند  آدم ها میتوانند در محیط حرکت کنند و اطلاعات را از محیط خود دریافت کنند.
برای مثال زمانی که شما میخواهید خواندن و نوشتن را بیاموزید. ابتدا شکل و صدای حروف الفبا را توسط معلم و کتاب یاد میگیرید. یعنی اینکه اطلاعات را از محیط اطراف خود دریافت میکنید. آن ها را در ذهن خود پردازش میکنید. سپس شما یاد میگیرید که این حروف را در کنار یکدیگر به کار ببرید. پس از آن میتوانید الگو ها را تشخیص دهید، آن ها بخوانید و بنویسید. این از توانایی های عملکرد شناختی انسان است او محیط اطراف خود را می تواند درک کند. و سپس الگو ها را تشخیص دهد.

هوش مصنوعی چگونه کار میکند؟

با توجه به اینکه هیاهویی در مورد هوش مصنوعی در دنیا شکل گرفته است فروشندگان در دنیا در تلاش هستند برای تبلیغ خدمات خود و نحوه استفاده از محصولات خود از هوش مصنوعی استفاده کنند. اغلب چیزی که آن ها مورد AI از آن یاد میکنند به سادگی فقط جزیی از این فناوری است. مانند یادگیری ماشین.

هوش مصنوعی به مجموعه از نرم افزار وسخت افزار پایه برای نوشتن و آموزش الگوریتم های یادگیری ماشین نیاز دارد. هیچ زبان برنامه نویسی مترداف با هوش مصنوعی نیست اما زبان های مانند پایتون،جاوا، سی پلاس پلاس و جولیا و R برای توسعه دهندگان هوش مصنوعی محبوب هستند.
در کل سیستم های هوش مصنوعی با دریافت مقادیر زیادی از اطلاعات آموزشی برچسب گذاری شده، تجزیه و تحلیل داده ها برای ایجاد همبستگی و تشخیص الگوها که برای پیش بینی وضعیت هایی که در آینده ممکن است رخ بدهد کار میکنند.
برای مثال یک چت بات با مثال ها و نمونه هایی از انواع متن ها تغذیه میشود.همچنین او می تواند یاد بگیرد ارتباط واقعی با افراد ایجاد کند. مثالی دیگر مثل ابزار های تشخیص تصویر که با مرور میلیون ها مثال ، شناسایی و توصیف اشیاء در تصاویر را می تواند بیاموزد. در حال حاضر تکنیک های جدید و پیشرفته هوش مصنوعی که به سرعت در حال پیشرفت هستند. نوع دیگر از هوش مصنوعی ها می توانند موسیقی، تصاویر و متن و سایر رسانه های واقعی خلق کنند.

اساس هوش مصنوعی اینگونه است که یک کار و یا عملی را که نیاز به هوشمندی دارد توسط ماشین یا سیستم به درستی و در بهترین حالت، انجام داده می شود.

تمرکز برنامه نویسی هوش مصنوعی بر مهارت های شناختی میباشد که شامل موارد زیر است :

یادگیری.

این جنبه از برنامه نویسی هوش مصنوعی بر به دست آوردن داده ها و ایجاد قوانینی برای چگونگی تبدیل آن به اطلاعات عملی متمرکز میباشد. قوانین، که الگوریتم نامیده میشود. الگوریتم ها یعنی دستورالعمل های گام به گام برای نحوه تکمیل کار خاص که به دستگاه محاسباتی ارائه میدهند.

انواع مختلفی از یادگیری برای هوش مصنوعی وجود دارد.ساده ترین آن یادگیری با آزمون و خطا میباشد.می توان اینگونه گفت که هوش مصنوعی داده هایی را از محیط خود دریافت میکند و سپس قوانینی را ایجاد میکند یعنی الگوریتم هایی را برای حل یک مسئله میسازد. سپس آن ها را آزمایش میکند اگر توانست وظیفه خود را با این الگوریتم ها به درستی انجام دهد آن ها را ذخیره میکند ولی اگر به جواب مورد نظرش نرسد آن ها را کنار میگذارد. این روش همان شیوه آزمون وخطا میباشد.

.استدلال

این جنبه از برنامه نویسی بر انتخاب الگوریتم مناسب برای رسیدن به یک نتیجه دلخواه مترکز است.
در کل استدلال به این معنی است که برای ادعا و گفته خود دلیل و علت ارائه دهیم. یعنی اینکه از حقیقت ها و پیشفرض های گفته شده ، نتیجه های منطقی بیابیم و آن ها را اثبات کنیم(یعنی استنتاج کنیم) استدلال ارائه رسم استنتاج مناسب برای موقعیت است.

استنتاج ها به دو صورت قیاسی و استقرایی دسته‌بندی می‌شوند . نمونه اولی این است که فرد باید در موزه یا کافه باشد . او در کافه نیست ; بنابراین در موزه است ” و از طرف دیگر ” حوادث قبلی این نوع حوادث ناشی از شکست ابزار بود . مهم ترین تفاوت بین این اشکال استدلال این است که در مورد قیاسی حقیقت مقدمات تضمین کننده صحت نتیجه گیری است، در حالی که در مورد استقرایی حقیقت مقدمات بدون دادن تضمین به نتیجه گیری کمک می کند
.. استدلال استقرایی در علم متداول است , که در آن داده ها جمع‌آوری می‌شوند و مدل‌های آزمایشی برای توصیف و پیش‌بینی رفتار آینده توسعه می‌یابند – تا زمانی که ظهور داده‌های غیرعادی مدل را مجبور به اصلاح کند . استدلال قیاسی در ریاضیات و منطق رایج است که در آن ساختارهای دقیق قضایای غیرقابل‌انکار از مجموعه کوچکی از اصول و قواعد پایه ساخته می‌شوند .
موفقیت قابل‌توجهی در برنامه‌نویسی کامپیوترها برای استنتاج وجود داشته‌است . با این حال , استدلال درست شامل بیش از یک استنتاج است : شامل ترسیم استنباط مربوط به راه‌حل کار یا موقعیت خاص است . این یکی از سخت‌ترین مشکلات مواجهه با AI است .

حل مسئله.

مهارت حل مسئله به ویژه در هوش مصنوعی، ممکن است به عنوان یک جستجوی سیستماتیک از طریق طیف وسیعی از اقدامات ممکن به منظور رسیدن به برخی از اهداف یا راه حل های از پیش تعیین شده توصیف شود. روش های حل مساله به هدف خاص و هدف کلی تقسیم می شوند. یک روش با هدف خاص برای یک مساله خاص طراحی شده است و اغلب از ویژگی های بسیار خاصی از موقعیتی که مساله در آن قرار دارد، بهره می برد.

در مقابل، یک روش هدف کلی برای طیف گسترده ای از مسائل قابل استفاده است. یکی از تکنیک های کلی مورد استفاده در هوش مصنوعی، تجزیه و تحلیل میانگین – مرحله به مرحله یا افزایشی، کاهش تفاوت بین حالت فعلی و هدف نهایی است. برنامه اقدامات را از فهرستی از ابزارها انتخاب می کند – در مورد یک ربات ساده این ممکن است شامل PICKUP، PUTDown، MOVEFORWARD، MOVEBACK، MOVELEFT و MOVERIGHT باشد – تا زمانی که به هدف برسد
بسیاری از مشکلات متنوع توسط برنامه های هوش مصنوعی حل شده است. برخی از نمونه‌ها یافتن حرکت برنده (یا دنباله حرکت‌ها) در یک بازی شطرنج ، ابداع برهان‌های ریاضی، و دستکاری «اشیاء مجازی» در دنیای کامپیوتری است

ادراک.

در ادراک، محیط با استفاده از اندام های حسی مختلف، واقعی یا مصنوعی اسکن می شود و صحنه به اشیا جداگانه در روابط فضایی مختلف تجزیه می شود. تحلیل با این واقعیت پیچیده می شود که یک شی ممکن است بسته به زاویه ای که از آن دیده می شود، جهت و شدت روشنایی در صحنه، و میزان کنتراست شی با میدان اطراف متفاوت به نظر برسد.
یکی از اولین سیستم ها برای تلفیق ادراک و عمل، FREDDY بود، یک ربات ثابت با یک چشم تلویزیون در حال حرکت و یک دست نوک تیز، که در دانشگاه ادینبورگ اسکاتلند در طول دوره ۷۳ – ۱۹۶۶ تحت هدایت دونالد میچی ساخته شد. FREDDY قادر به تشخیص انواع اشیا بود و می توانست به مونتاژ مصنوعات ساده، مانند یک ماشین اسباب بازی، از مجموعه ای تصادفی از اجزا، آموزش دهد. در حال حاضر، ادراک مصنوعی به اندازه کافی پیشرفته است تا حسگرهای نوری بتوانند افراد و خودروهای خودران را برای رانندگی با سرعت متوسط در جاده باز شناسایی کنند.

زبان.

زبان سیستمی از نشانه‌هاست که بر اساس قرارداد معنا دارند. در این معنا، زبان نیازی به محدود شدن به کلام گفتاری ندارد. به عنوان مثال، علائم راهنمایی و رانندگی، یک زبان کوچک را تشکیل می دهند، این یک موضوع قراردادی است که ⚠ در برخی کشورها به معنای “خطر پیش رو” است.
یکی از ویژگی های مهم زبان های انسان کامل – برخلاف زبان های پرندگان و علائم راهنمایی و رانندگی – بهره وری آن ها است. یک زبان مولد می تواند انواع نامحدودی از جملات را فرموله کند.

مدل های زبانی بزرگی مانند ChatGPT می توانند به صورت روان در یک زبان انسانی به سوالات و اظهارات پاسخ دهند. اگرچه چنین مدل هایی در واقع زبان را مانند انسان ها درک نمی کنند بلکه صرفا کلماتی را انتخاب می کنند که محتمل تر از دیگران هستند،

خود اصلاحی.

این جنبه از برنامه نویسی هوش مصنوعی برای تنظیم مداوم الگوریتم ها و اطمینان از ارائه دقیق ترین نتایج ممکن طراحی شده است
خلاقیت .

این جنبه از هوش مصنوعی از شبکه های عصبی برای تولید متن جدید ، تصاویر جدید، موسیقی جدید و ایده های جدید استفاده میشود.

سطح های مختلف هوش مصنوعی

یک سیستم هوش مصنوعی را با توجه به آنچه که از محیط خود را درک می‌کند و سپس به آن پاسخ می دهد در سه سطح دسته بندی میشود.

1.هوش مصنوعی محدود(ضعیف)( Artificial Narrow Intelligence )
2.هوش مصنوعی عمومی (قوی) (Artificial General Intelligence)
3.سوپر هوش مصنوعی (  Artificial Super Intelligence)

1.هوش مصنوعی محدود( ضعیف) ( Artificial Narrow Intelligence )

هوش مصنوعی محدود (ضعیف) که به اختصار به آن ANI میگویند نسبت به سایر  هوش های مصنوعی دیگر زودتر پدید آمده است و همچنین نمونه های زیادی از آن وجود دارد. برای مثال موتور جست و جوی گوگل از هوش مصنوعی محدود استفاده می‌کند. همچنین رایانه هایی که در بازی های پیچیده مثل بازی شطرنج استفاده می‌شود. هنگامی که از سیستمی که دارای هوش مصنوعی محدود است صحبت می‌شود منظور سیستمی است که یک وظیفه را به خوبی میتواند انجام دهد. حتی این هوش مصنوعی ضعیف بهتر سریعتر و دقیقتر از انسان ها میتواند وظیفه خودش را انجام دهد.

نمونه های هوش مصنوعی

سیستم های هوش مصنوعی که در اتومبیل های خودران استفاده می‌شوند و یاد می‌گیرند چگونه رانندگی کنند.
سیستم ها تشخیص هویت می‌توانند با استفاده از داده ها و تصاویر چهره  اشخاص را تشخیص دهند.
دستیار های هوش مصنوعی که شما را در انجام کار ها کمک می کنند. برای مثال بلیط هواپیما برای شما رزرو می کنند و…
سیستم های هوش مصنوعی که در فرآیند های مالی بانک ها استفاده  میشوند.
و غیره

2.هوش مصنوعی عمومی یا هوش مصنوعی قوی (Artificial General Intelligence)

هوش مصنوعی عمومی (Artificial General Inteliengence) که به اختصار به آن AGI میگویند. به سیستم هوشمندی گفته می‌شود. که فعالیت ها و وظایفی هم‌سطح توانایی انسان ها میباشد را میتواند انجام دهد. این هوش مصنوعی محیط اطراف خود را همانند یک انسان کامل میتواند درک کند. هوش مصنوعی عمومی ظرفیت برابر انسان از همه لحاظ برای انجام هرگونه فعالیت را دارد. در حال حاضر همچنین هوش مصنوعی وجود ندارد. اما هوش مصنوعی AGI را آینده هوش مصنوعی محدود تصور می‌کنند. فعلا اثر آن را در داستان و فیلم های علمی تخیلی دیده می‌شود. اما در زمینه هایی مانند حافظه حتی از یک انسان می‌تواند بهتر باشد.

هوش مصنوعی عمومی به مرور زمان می‌تواند جایگاه انسان ها را در بسیاری از زمینه ها بگیرد هوش مصنوعی عمومی با دانش و آگاهی که دارد. تمام وظیفه هایی که بر او محول شده را به راحتی انجام می دهد.
تصرف شدن جایگاه انسان در حل مسائل پیچیده توسط هوش مصنوعی عمومی میتواند جنبه های خوب و همچنین جنبه ها خیلی بدی را هم به همراه داشته باشد. نمونه کار هایی را مثل رانندگی، حل کردن مشکلات تغییرات شدید آب و هوایی ، تشخیص و پیشگیری بیماری ها، همچنین در سطوح بالا امنیت می‌تواند جان ها انسان ها را نجات دهد.

3.سوپر هوش مصنوعی ( Artificial Super Intelligence)

این مدل هوش مصنوعی (ASI) را هیچ جامعه ای نتوانسته است به آن دست یابد. سوپر هوش مصنوعی از هوش مصنوعی عمومی چندین گام فراتر رفته است. سطح هوش و درک انسانی را پشت سر گذاشته است.اصلا رسیدن انسان به چنین هوشی در حاله ای از ابهام قرار دارد. و اینکه این نوع هوش مصنوعی آیا تهدیدی برای انسان است. خود مسئله ای بحث برانگیز می باشد.

این هوش مصنوعی در صورتی انسان را تهدیدی تشخیص دهد شاید شروع به نابودی انسان ها کند. صاحب‌نظران در این زمینه اختلاف نظر دارند. برای رسیدن به این نوع هوش مصنوعی در ابتدا باید آزمون تورینگ را با موفقیت پشت سر بگذارد و هنوز هیچ نوع سطوح از هوش مصنوعی به درک و شعور یک انسان نرسیده است  که بتواند در آزمون تورینگ موفق شود.

تفاوت های هوش مصنوعی محدود، عمومی و سوپر هوش مصنوعی

هوش مصنوعی محدود سیستمی است که میزان خاصی از هوش را در یک زمینه خاص برای این سیستم استفاده میشود. این سیستم هنوز یک کامپیوتر میباشد اما در زمینه ای برای آن برنامه نویسی ده است حتی بهتر از انسان عمل میکند. در حال حاضر جایی هست که ما در آن قرار داریم.

هوش مصنوعی عمومی یک فناوری بسیار پیچیده محسوب میشود این سیستم میتواند همانند یک انسان کامل عمل کند  و بتواند محیط خود را کامل بشناسد و به درک کاملی از اطراف خود برسد در حالت ایده آل تمام داده هایی را که دریافت میکند را با سرعت چندین برابر سریع تر از انسان پردازش کند. این سیستم که زاده مغز و غلم بشر میباشد در همه ابعاد اعم از توانایی شناختی ، دانش و سرعت پردازش اطلاعات از انسان ها قوی تر عمل کند.

هوش مصنوعی عمومی در حقیقت آینده ای است که انسان میخواهد به آن دست یابد.

سوپر هوش مصنوعی در مرحله اول در اثر تکامل هوش مصنوعی عمومی بدست می آید.یعنی هنگامی که یک سیستم بتواند به فراتر از توانایی های یک انسان برسد. دارای قدرت هایی که باشد حتی نسل بشر هم از آن محروم میباشد. این سیستم میتواند به دست بشر ساخته شود و یا حتی توسط سیستمی که سیستمی ایجاد شود که به قدرت تکامل دست یافته است.

نحوه هوشمند شدن هوش مصنوعی

پیشرفت دو الگوریتم یادگیری ماشین و یادگیری عمیق به پیشرفت در زمینه هوش مصنوعی  توانسته است. کمک زیادی کند. سیستم های هوش مصنوعی با استفاده از این دو الگوریتم می‌تواند یاد بگیرند و آموزش ببینند. در ادامه هر کدام از این الگوریتم ها به شما معرفی می‌کنیم.

یادگیری ماشین

در یادگیری ماشین(Machine Learning)، بدون اینکه نیاز باشد یک برنامه نویس بخواهد به یک سیستم دریک زمینه، یادگیری خاصی را آموزش دهد. سیستم هوش مصنوعی خودش به طور خودکار می‌تواند یاد بگیرد و پیشرفت کند.
تمرکز یادگیری ماشین برای توسعه سیستم هایی است که با دسترسی به داده ها از آن ها برای یادگیری و توسعه خودش استفاده می کند.
در یادگیری ماشین در وهله اول سیستم با مشاهده داده ها کار خود را آغاز می‌کند در ادامه از مثال ها و تجارب مستقیم و دستور العمل هایی که وجود دارد استفاده می‌کند. هوش مصنوعی این فرآیند را طی می‌کند تا به یک الگوی مشخصی برسد و بر اساس این الگو ها شروع به تصمیم گیری و حل مسئله می‌کند.

در اصل یادگیری ماشین با این هدف بوده است که یک سیستم به طور خودکار و بدون دخالت انسان امکان یادگیری داشته باشد. به این صورت که بر اساس مشاهدات و داده ها سیستم خودش را توسعه دهد.الگوریتم های بسیار مختلفی برای یادگیری ماشین ایجاد شده است و هر روز صد ها الگوریتم جدید تولید می‌شود.

این الگوریتم ها با توجه به سبک یادگیری ( Learning style) که شامل یادگیری نظارت شده یادگیری بدون نظارت و یادگیری نیمه نظارت می‌شود. همچنین الگوریتمهای یادگیری ماشین را با توجه به شباهتشان در فرم و عملکرد ( مانند طبقه بندی، برگشت، درخت تصمیم گیری، دسته کردن، یادگیری عمیق و…) دسته بندی می‌شوند. صرف نظر از هر دو گروه بندی الگوریتم های یادگیری ماشین معمولا در زمینه های زیر فعالیت دارند.

.نمایشی: مجموعه ای از طبقه کننده ها با زبانی که کامپیوتر میفهمد
.ارزشیابی: معروف به عملکرد هدف/ نمره دهی
.بهینه سازی: روش جست و جو؛ اغلب طبقه بندی کننده ای با بالاترین امتیاز.

اساس کار الگوریتم یادگیری ماشین را می‌توانیم اینگونه بگوییم تفسیرموفقیت آمیز داده ها و تعمیم یادگیری ها به فراتر از نمونه های آموزش داده شده است.

یادگیری عمیق

این نوع یادگیری ترکیبی از یادگیری عمیق و هوش مصنوعی میباشد. یادگیری عمیق روشی که است مغز انسان برای یادگیری موضوع خاصی استفاده می‌کند. روش یادگیری عمیق یکی از عناصر مهم در علم داده میباشد. شامل آمار و مدل سازی های پیش بینی است. یادگیری عمیق روند تحلیل و تفسیر داده ها سریعتر و راحت تر می‌کند و برای دانشمندان داده که وظیفه جمع آوری تجزیه و تحلیل و تفسیر مقادیر زیادی از داده را دارند بسیار کاربرد دارد.

یادگیری عمیق را در واقع همان یادگیری ماشینی است به گونه ای که در سطح کارهای پیچیده نمایش یا انتزاع عمل یادگیری را برای یک سیستم هوش مصنوعی انجام می‌دهد. با روش یادگیری عمیق ماشین درک بهتری از واقعیت های وجودی پیدا می‌کند و می‌تواند الگوهای مختلف را بهتر و راحت تر شناسایی می‌کند.

در ساده ترین سطح یادگیری عمیق را می‌توان راهی برای خودکار سازی تجزیه و تحلیل پیش بینی ها دانست. برای فهمیدن نحوه کارکرد یادگیری عمیق باید با شبکه های عصبی آشنا باشید این روش یادگیری در واقع همان یادگیری به وسیله شبکه های عصبی هستند. که دارای لایه های پنهان زیادی می‌باشند. هرچه در این لایه ها جلوتر برویم به مدل های پیچیده تر و کامل تری می‌رسیم.

علوم وفناوری های به کار رفته در حوزه هوش مصنوعی کدام هستند؟

حوزه AI بسیار گسترده است وعلوم و فناوری هایی که در حوزه به کار رفته است بسیار گشترده میباشد .
هوش مصنوعی را اینگونه تعریف میکنند. Artificial intelligence شاخه گسترده از علوم کامپیوتر میباشد که هدف آن تولید ماشین هایی است که توانایی تفکر دارند منظور از تفکر همان تفکر انسانی می باشد .
همانطور هوش انسان یا همان فرآیند تفکر در انسان بسیار پیچیده می باشد پس ساختن ماشین هایی که بتواند این فرآیند همانند انسان ها تقلید کند نیازمند علوم پیچیده می باشد دو روش یا الگوریتم هایی مانند الگوریتم یادگیری ماشین و یادگیری عمیق (شبکه عصبی ) میباشد این الگوریتم ها ایجاد شده است این روش اینگونه است یک ماشین بتواند اطلاعات را از محیط اطراف بگیرد و آن ها را درک کند و سپس بر طبق اطلاعات دریافت شده تصمیم بگیرد
شاخه های هوش مصنوعی عبارتند از

1.سیستم خبره (Experts Systems)رباتیک (Robotics)2.
یادگیری ماشین (Machine Learning)3.
شبکه عصبی (Neural Network)4.
منطق فاری (Fuzzy Logic)5.
پردازش زبان طبیعی (Natural Language Processing) 6.

هوش مصنوعی در این حوزه ها بسیار پیشرفت های چشمگیری داشته است که شما میتوانید در مقاله شاخه های هوش مصنوعی به کامل تر ودقیق تر توضیح داده است مطالعه کنید.