عکس پیش‌فرض نوشته

هوش مصنوعی چیست ؟

تعاریف هوش مصنوعی در چهار دسته قرار میگیرند :

      –   سیستم‌هایی که به طور منطقی فکر می‌کنند.

      –   سیستم‌هایی که مانند انسان فکر می‌کنند.

      –   سیستم‌هایی که به طور منطقی عمل می‌کنند. (تعریف درسی)

      –   سیستم‌هایی که مانند انسان عمل می‌کنند.

عملکرد انسان گونه : تست تورینگ

یک آزمون عملی برای رفتار هوشمندانه

Introduction-AI-هوش مصنوعی

وی پیش بینی نمود که تا سال 2000 ،ماشین‏ها تا 30 درصد شانس فریب دادن یک انسان عامی را برای 5 دقیقه خواهند داشت.

برای این کار کامپیوتر باید قابلیّت‌های زیر را داشته باشد :

○ پردازش زبان طبیعی = محاوره

○ بازنمایی دانش = ذخیره اطّلاعات

○ استدلال خودکار = استدلال و استخراج

○ یادگیری ماشینی = کشف الگو و برون یابی الگوها

 

رهيافت تست تورينگ

○ تست تورینگ شامل مفاهیم اصلی هوش مصنوعی مانند دانش ،استدلال ،پردازش زبان طبیعی و یادگیری می‏باشد.

○ تست تورینگ از ارتباط فیزیکی مستقیم بین کامپیوتر و محقّق اجتناب می‌کند.

تست جامع تورینگ : شامل یک سیگنال ویدئویی برای ازمودن توانایی‏های ادراکی

به منظور قبول شدن در تست جامع تورینگ ،کامپیوتر به موارد زیر احتیاج دارد :

   ‏■ بینایی ماشین برای درک اشیاء

   ■ روباتیک به منظور حرکت آنها

 

تفکر انسان گونه : رهیافت مدلسازی شناختی

جمله زیر امروزه پذیرفته نمی شود :

“الگوریتمی که برای یک کار خاص ،خوب عمل میکند ،مدل خوبی از عملکرد انسان است.”

درک چگونگی تفکر انسانی و عملكرد مغز :

به دنبال ایجاد تئوری دقیقی درباره عملكرد ذهن انسان و تبدیل آن به برنامه كامپیوتری GPS (A. Newel, H. Simon,1963) تنها به این راضی نمی شدند که برنامه آنها مسأله را به درستی حل کند ؛بلکه باید گام‏های استدلال نیز مشابه انسان می‏بود.

علوم شناختی ،مدل‏های هوش مصنوعی و فنون روانشناسی را با هم ترکیب می‏کند تا نظریّه‏های آزمون پذیر و دقیق ،از طرز کار ذهن انسان به دست آورد. این رشته اکنون از AI جدا است.

 

منطقی فکر کردن : رهیافت قوانین تفکّر

ارسطو : فرآیند استدلال / تفکر درست چیست ؟

      –   قیاس صوری به عنوان پایه‏ای برای مباحثه توسّط وی مطرح شد.

      –   در صورت دریافت فرض‏های درست ،همیشه نتایج درست بر می‏گرداند.

مثال : “سقراط انسان است ،تمام انسان‏ها فانی هستند ؛پس سقراط فانی است.”

پایه ریزی منطق :

      –   کاربرد مستقیم ریاضیات و فلسفه در AI جدید

      –   در سال 1965 برنامه‏هایی وجود داشت که می‏توانستند به صورت نظری ،هر مسأله‏ای را که با علامت گذاری منطقی توصیف شده بود را حل کنند.

برنامه‏هایی براساس قوانین تفكّر برای ايجاد سیستم‏های هوشمند

موانع اصلی :

○ دریافت دانش غیررسمی و تبدیل آن به دانش رسمی : “اکثر انسان‏ها پر تلاش هستند.”

○ تفاوت میان قادر به حل مسأله بودن در تئوری و در عمل (بن بست محاسباتی)

 

منطقی عمل كردن : رهیافت عامل منطقی

رفتار منطقی : انجام عمل درست

عمل درست : عملی كه با توجه به اطّلاعات موجود ،انتظار می‏رود شانس رسیدن به هدف را به حداكثر برساند.

استنتاج صحیح ،تنها قسمتی از وظایف یک عامل منطقی

      –   رفتار منطقی لزوماً شامل تفكّر نمی‏باشد.(مانند پلک زدن) امّا تفكّر باید در خدمت عمل منطقی باشد.

      –   موقعيّت هایی وجود دارد که هیچ کار خوب قابل اثباتی برای انجام وجود ندارد. با این حال باید اقدامی انجام پذیرد.

عامل : هر چیزی كه قادر به درک نمودن و عمل كردن باشد.

این درس در مورد طراحی عامل های منطقی می‏باشد.

به طور انتزاعی ،عامل یک نگاشت از دنباله ادراک‏های دريافت شده به اعمال می‏باشد:

[ f: P* à A ]

ما برای هر دسته از محیط‏ها و وظایف مختلف ،به دنبال عاملی (یا دسته‏ای از عامل‏ها) با بهترین كارایی می‏باشیم.

در محیط‏های پیچیده به دلیل محدودیّت‏های محاسباتی ،منطقی بودن به طور کامل امکان پذیر نیست :

عقلانیت محدود : طراحی بهترین برنامه برای منابع ماشین داده شده …

 

علوم زیربنایی هوش مصنوعی

      –   فلسفه :

منطق ،روش‏های استدلال ،ذهن به عنوان سیستم فیزیكی زیربنایی در یادگیری ،زبان ،منطقی بودن

      –   ریاضیات :

روش‏های بازنمایی رسمی و الگوریتم‏های اثبات ،محاسبات ،تصمیم (نا) پذیری ، (in)tractability ،احتمالات

      –   اقتصاد :

بهره وری ،نظریه تصمیم

      –   عصب شناسی :

زیرلایه‏های فیزیكی برای فعّالیت‏های ذهنی

      –   روان شناسی :

پدیده ادراک و کنترل ،تکنیک‏های آزمایشگاهی

      –   مهندسی کامپیوتر :

ایجاد کامپیوترهای سریع

      –   نظریه کنترل :

طراحی سیستم هایی به منظور بیشینه سازی یک تابع هدف در طول زمان

      –   زبان شناسی :

بازنمایی دانش ،گرامر

 

تاریخچه هوش مصنوعی

1943 : McCulloch & Pitts  مدل مداری بولی از ذهن

1950 : Turing  «ماشین‏های محاسباتی و هوشمندی»

1957 : نشت درDartmouth  : پیدایش هوش مصنوعی

دهه 50 : اولین برنامه‏های هوش مصنوعی ،شامل برنامه Samuel برای بازی checker ،برنامهNewell  و Simon با نام Logic Theorist ،و Geometry Engine نوشته شده توسط Gelernte و …

1965 : الگوریتم كامل Robinson برای استدلال منطقی

1966-73 : پیدایش مشکلات محاسباتی ،توقف تحقیقات بر روی شبكه‏های عصبی

1969-79 : پیدایش سیستم‏های اولیه مبتنی بر دانش

1980 : ورود هوش مصنوعی در عرصه‏های صنعتی

1986 : محبوبیت مجدّد شبكه‏های عصبی

1987 : تبدیل شدن هوش مصنوعی به یک علم

1995 : ظهور عامل‏های هوشمند

تاریخچه کلی هوش مصنوعی :

   ○ پیدایش هوش مصنوعی (1943- 1956)

   ○ اشتیاق زود هنگام ،آرزوهای بزرگ (1952-1969)

   ○ مقداری واقعیّت (1974-1966)

   ○ سیستم‌های مبتنی بر دانش : کلید قدرت ؟ (1969-1979)

   ○ بازگشت شبکه‌های عصبی (1986- تاکنون)

   ○ حوادث اخیر (1987- تاکنون)

 

فناوری روز در هوش مصنوعی :

   ■ شكست قهرمان شطرنج (گری كاسپاروف) توسطDeep Blue  در سال 1997

   ■ كنترل خودكار (هدایت اتوماتیک یک اتومبیل در مسافتی به طول 4586 کیلومتر در 98% زمان – سیستم بینایی رایانه‏ای ALVINN

   ■ Remote Agent برنامه زمانی عملیات یک فضاپیما را کنترل می‏کند.

   ■ حل بهتر جداول كلمات متقاطع توسط PROVERB  نسبت به انسان

   ■ سیستم‏های خبره پزشکی

   ■ کمک گرفتن از روبات‏ها در جراحی

   ■ برنامه ریزی ترابری در بحران خلیج فارس

این آموزش بیش از ۳ سال قبل ارسال شده و اکنون در لیست به‌روزرسانی‌های سایت قرار دارد. اگر پیشنهاد یا انتقادی برای بهبود آموزش دارید، خوشحال می‌شیم به ما اطلاع بدهید.