کاربرد ریاضیات در علوم نوظهور و هوش مصنوعی

بحث هوش مصنوعی (AI) و به ویژه یادگیری ماشین (Machine Learning)، امروزه به منزله یکی از ارکان بنیادی و کاربردی ترین حوزه های دانش بشری شناخته می شود و فراگیری آن دغدغه ی هر جوینده ی بصیرت است. بااین حال، یکی از موانع ذهنی و هراس های رایج در میان مشتاقان این حوزه، تصور نادرستی است که بر پیوند ناگسستنی و پیچیده ی یادگیری ماشین با ریاضیات محض تاکید دارد. ریاضیات موردنیاز در این مسیر، نه یک دشواری غیرقابل حل، بلکه زبانی بسیار ساده، منطقی و قابل فهم است. در این ساحت، هدف، نه حفظ طاقت فرسای فرمول ها یا اجرای جزءبه جزء آن ها، بلکه دستیابی به درکی عمیق و شهودی (Operational Intuition) از مفاهیم ریاضیاتی زیربنایی است. در حقیقت، ریاضیات، زبان اصلی و بی بدیل طبیعت است. برای دست یابی به فهمی دقیق و کامل از پدیده هایی که در عالم هستی رخ می دهند، رهیافت از طریق ابزارهای ریاضیاتی، موثرترین و بهترین شیوه است. ازآنجایی که بخش اعظم پروژه ها و مسائل یادگیری ماشین، بازتاب دهنده ی چالش ها و الگوهای دنیای واقعی و طبیعت پیرامون ما هستند، درک بهتر این پروژه ها لازمه ی ناگزیر درک زبان ریاضیات است. کسب این بصیرت ریاضیاتی برای تازه واردان به حوزه ی علم داده (Data Science) که خاستگاه های متنوعی چون مهندسی سخت افزار، صنعت خودروسازی، پزشکی (دندانپزشکی و مراقبت های سلامت)، و مدیریت بازرگانی دارند، از اهمیتی دوچندان برخوردار است. اگرچه این رشته های غیرمرتبط نیز ممکن است با نرم افزارهای صفحه گسترده، محاسبات عددی، یا حل معادلات دیفرانسیل سروکار داشته باشند؛ اما مهارت های ریاضیاتی مورد نیاز در بستر علم داده، دارای ماهیتی کاملا متفاوت و متمرکز بر ادراک مدل سازی است.

کلیدواژه ها:

هوش مصنوعی ، ریاضیات ، الگوریتم