مقدمه
امروز زندگی مردم با هوش مصنوعی در هم امیخته است به طوری که هر روز بدون این که متوجه باشیم داریم از هوش مصنوعی استفاده کرده و کارهای روزمری خود را با آن انجام می دهیم استفاده از شبکه های اجتماعی اینستا، اسنپ چت، سرچ در متور های جستجوگر و گیم های جذابی که در طول روز انجام میدهیم نمونه هایی از این استفاده ها هستند. شکی در این نیست که آینده بشری با هوش مصنوعی ادغام شده است پس بیاید کمی در خصوص نحوه یادگیری آن بحث کنیم.
تصورات مردم بر این باور است که هوش مصنوعی تنها وابسته به برنامه نویسی می باشد اما باید بدانید که اگر بخواهیم در هوش مصنوعی کار کنیم و موفق باشیم باید زبانهای برنامه نویسی از جمله Python, Matlab و ..، یا کار با ابزارهایی از قبیل Weka,RapidMiner و .. را بلد باشید، ولی این تنها بخشی از کار است. بخش دیگر ساخت فرمولهای ریاضی و حل کردن معادلات سخت و نفسگیر آنها است. پس بهتر است برای یادگیری هوش مصنوعی ابتدا با ریاضیات آشتی کنید.
در واقع برای آموزش هوش مصنوعی بهتر است دو پیش زمینه را برای خودمون در نظر بگیریم یکی پیش نیاز های هوش مصنوعی و دومی علوم تخصصی مربوط به شاخه انتخابی شما از هوش مصنوعی.
جهت وارد شدن به دنیای زیبای هوش مصنوعی نیاز به یادگیری پیش نیاز های زیر داریم:
- شبکه های عصبی مصنوعی
- یادگیری ماشین
- آشنایی با طراحی الگوریتم
- یادگیری عمیق
یادگیری الگوریتم های ژنتیک نیز در این میان برایتان کمک شایانی خواهد بود خیلی از مباحث در هوش مصنوعی و الگوریتمهای کامپیوتری، شبیهسازی مواردیه که انسانها در اطرافشون میبینن. الگوریتمهای بهینهسازی کلونی مورچهها (Ant Colony) و الگوریتم ژنتیک (Genetic Algorithm) و یا حتی الگوریتم پرندگان یا همان اجتماع ذرات (Particle Swarm Optimization) چند مثال از این موارد هستند، و از همه مهمتر جهت یادگیری از منابع انگلیسی زبان استفاده کنید چرا که جدیدترین و بروز ترین مطالب علمی در دسترس انگلیسی می باشد.
اگر تصمیم گرفتید به دنبال هوش مصنوعی بروید در ابتدای راه با ریاضیات آشتی کنید چرا که راه میانبُری وجود ندارد. اینجا دیگر جایی است که باید به سراغ ریاضیات و آمار بروید. بدون داشتن پشتوانهی ریاضی درک مباحث هوش مصنوعی برایتان دشوار خواهد بود. مطالب ریاضی مورد نیازی که در مسیر برنامه نویسی هوش مصنوعی نیاز خواهید داشت شامل مباحثی همچون مقدمات جبر خطی،آشنایی با توزیعهای احتمال،آشنایی با پایگاه داده، تفاوت BI و Analytics و Reporting، آشنایی با فرمتهای مهم دادهها، آشنایی با RegEx می باشد.
یکی دیگر از نیازمندی هایی کار با هوش مصنوعی زبانهای برنامهنویسی است. زبانهای برنامهنویسی راه ارتباطی شما با کامپیوترها و ماشینها هستند. بدون آشنایی با این زبانها نمیتوانید با سیستمها ارتباط برقرار کنید. زبانهای برنامهنویسی را میتوانید با یادگیری پایتون (Python) شروع کنید. پایتون یکی از آسانترین زبانهای برنامهنویسی برای یادگیری است. از طرف دیگر، پایتون به نوعی استاندارد تبدیل شده است که اغلب شرکتها و کارفرمایان از شما انتظار دارند به این زبان برنامهنویسی مسلط باشید. نکتهی دیگر کتابخانههای پایتون است که بسیار قدرتمند و غنیاند. در مقاله برنامه نویسی پایتون در خصوص مزایا و کاربد های آن بحث گردید.
برای شروع با هوش مصنوعی حتما موضوعاتی را انتخاب کنید که به آن علاقه دارید و واقعا برایتان جالب باشد. هوش مصنوعی هم مثل تمام رشتههای دیگر به بخشهای مختلفی تقسیم میشود مثل پردازش گفتار، پردازش متن، پردازش تصویر و…. . قبل از هرچیزی مشخص کنید که به چه چیزی علاقه دارید و کدام بخش برای شما جذابیت دارد این به شما کمک می کند تا انگیزه داشته باشید و در روند یادگیری درگیر شوید. به جای این که فقط به طور بی ثمر در مورد همه چیزهایی که می توانید در اینترنت بیابید ، مطالعه کنید ، روی یک مشکل خاص متمرکز شوید و به دنبال یک راه حل باشید. هر کدام از زمینههای هوش مصنوعی که قصد یادگیری و فعالیت در آن را دارید دارای مباحث مختلفی میباشد. لازم است که قبل از شروع یادگیری آشنایی مختصری با مباحث پیدا کنید تا بتوانید یک نقشه راه برای یادگیری خودتان ترسیم کنید و از آن پیروی کنید.
سخن پایانی
علم هوش مصنوعی که امروزه در حال در نوردیدن گام هایی پیشرفت خود می باشد دستاوردی جدید و به روز بوده که توجه همگان را به خود جلب کرده است. اگر می خواهید در زمینه هوش مصنوعی موفقیت کسب کنید نه تنها رعایت نکات گفته شده در بالا ضروری است بلکه به روز بودن در این علم سخن اول را برای پیشرفت می زند چرا که هرچند شما کتاب بخوانید و در دورههای مختلف یادگیری شرکت کنید باز هم مطالب به روزی وجود دارند که هنوز در کتاب ها و دورها رخنه نکرده اند پس در کنار یادگیری سعس کنید همیشه از اخرین اخبار و مطالب روز هوش مصنوعی در دنیا بهره بگیرید.