VIP همه چیز درباره هوش مصنوعی «هوش مصنوعی چیست؟»

[☾♔TALAYEH_A♔☽]

همه چيز درباره هوش مصنوعي به زبان ساده

هوش مصنوعي يكي از مقوله هايي است كه در علوم كامپيوتر، اهميت فراوان دارد و تغييرات در هوش مصنوعي مي توانند تحولات گسترده اي را در فناوري اطلاعات پديد بياورند. در اين مقاله قصد داريم كه هوش مصنوعي را به شما معرفي كنيم. علاوه بر اين چند روبات مطرح را نيز به شما معرفي خواهيم كرد. سعي ما بر اين است كه اين مقاله بتواند به اندازه كافي راهنماي شما باشد. پس با كليك روي ادامه مطلب ما را همراهي كنيد


هوش مصنوعي چيست؟


هوش مصنوعي، هوش ماشين هاست! در واقع شاخه اي از علوم كامپيوتر است كه قصد دارد راه حل هاي الگوريتمي را ارائه كند تا بتوانيم به وسيله آنها در ماشين ها هوشمندي ايجاد كنيم. اما اين تعريف كافي نيست؛ اول از همه بايد بدانيم كه تعريف هوشمندي چيست و بعد بايد منظور از ماشين را دربيابيم:استدلال، منطق، تصميم گيري ؛ اين ها توانايي هستند كه شما از آنها استفاده مي كنيد. پس شما هوشمند هستيد. اگر اين توانايي ها را در كامپيوتر هم ايجاد كنيم، آنگاه به ماشين هوشمند دست مي يابيم! به همين سادگي ... ولي به جز اين ها چيز هاي ديگري هم در رابـ ـطه با تعريف هوشمندي وجود دارند كه دانستن آنها را مي توان مهم ارزيابي كرد. در واقع بحث هايي كه در مورد هوشمندي و هوش مصنوعي مطرح شده است؛ تنها به دوره ي امروزه ي ما و قرن 21 مربوط نمي شود، بلكه از سال 1950 اين مباحثبه طور جدي مطرح شد


پيشينه ي هوش مصنوعي

بايد گفت كه از اين نظر هوش مصنوعي يكي از غني ترين تاريخ ها را دارد، منتها در قصه ها! ماشين ها و مخلوقات مصنوعي باشعور، اولين بار در افسانه هاي يونان باستان مطرح شدند. شبه انسان ها باور داشتند كه بايد يك تمدن بزرگ را تشكيل دهند؛ تنديس ها و مجسمه هاي انسان نما در مصر و يونان به حركت در آمده بودند و ... حتي در مواردي اين قصه ها، پاي جابر بن حيان و چند تن ديگر را هم به سازندگان موجودات مصنوعي باز كردنداز قصه ها كه بگذريم ؛ فيلسوف ها و رياضي دان ها از مدت ها پيش مباحث مربوط به استدلال و منطق را پيش كشيدند و امروزه اين مباحث به صورت قرار دادي، به رسميت پذيرفته شده است. اين گونه منطق ها اساس كامپيوتر هاي ديجيتال و برنامه پذير شده اند. يكي از افرادي كه نقش اساسي و مهمي در اين مورد ايفا كرد آقاي آلن تورينگ بود


نظريه تورينگ

تئوري تورينگ مبتني بر اين بود كه مي توانيم با استفاده از نشانه ها و اعدادي مانند 0 و 1، هر استدلال رياضي اي را در كامپيوتر عملي كنيم. همزمان با اين نظريه كشف هاي تازه اي در زمينه ي عصب شناسي، نظريه اطلاعات و فرمانشناسي، به وقوع پيوسته بود. اين پيشرفت ها الهام بخش گروهي كوچك از پ?وهشگران شد تا به طور جدي به مساله ايجاد يك مغز الكترونيكي رسيدگي نمايند

و بعدتيمي كه در زمينه هوش مصنوعي تحقيق مي كردند، در تابستان سال 1956، كنفرانسي را در محوطه كالج دارتموس برگزار كردند. اين كنفرانس به همراه افرادي مانند جان مككارتي، ماروين مينسكي، آلين نويل و هربت سيمون كه براي دهه ها پيشتازان تحقيق براي هوش مصنوعي بودند انجام شد. آنها و دانش آموزان آنها، برنامه اي نوشته بودند كه حقيقتا براي عده زيادي از مردم شگفت آور بود. اين برنامه مي توانست مشكلات نوشتاري در جبر را حل كند، استدلال هاي منطقي را اثبات كند و به زبان انگليسي سخن بگويد. در اواسط دهه ي 1960، بودجه سنگيني براي دايركردن آزمايشگاه هاي تحقيقاتي در گرداگرد دنيا، از سوي حوزه ي دفاعي ايالات متحده آمريكا، اختصاص داده شد. پيشتازان هوش مصنوعي درباره آينده آن در جهان بسيار خوش بين بودند. هربت سيمون پيشبيني كرده بود كه در مدت 20 سال، كامپيوتر هاي هوشمند مي توانند، هر كاري را كه انسان انجام مي دهد، انجام دهند. در واقع مشكلات بزرگي كه در آن زمان براي ايجاد هوش مصنوعي وجود داشت، اساسا حل شده بود

مقايسه، استدلال و حل مسائل

خيلي زود توسعه دهندگان هوش مصنوعي به اين نتيجه رسيدند كه بايد در الگوريتم هاي خود از نحوه حل مساله ((گام به گام)) استفاده كنند. در واقع انسان ها هم معمولا براي حل مواردي از جمله: ساختن پازل و ... از اين روش استفاده مي كنند. آنها همچنين توانستند كه پس از دهه هاي 80 و 90 الگوريتم هاي موفقيت آميزي را براي درك داده ها و اطلاعات نا كامل عرضه كنند كه اين الگوريتم ها از احتمالات، براي درك اين اطلاعات استفاده مي كردندبراي حل مسائل سخت، بيشتر اين الگوريتم ها به كامپيوتر هاي بزرگ و قدرتمندي براي پردازش نياز داشتند. بسياري از اين الگوريتم ها به مقدار زيادي حافظه (رم) نياز داشتند و حتي در صورت فراهم آمدن آن، با وجود سخت افزار هاي آن زمان، مدت مورد نياز براي پردازش نجومي بود. بنابر اين مي توان اين مساله را دريافت كه: جستجو براي الگوريتم هاي بهتر و موثر تر در آن زمان، از اولويت هاي اصلي پ?وهشگران هوش مصنوعي بودانسان براي حل مسائل خود خيلي سريع عمل مي كند. چيزي كه بايد فهميد اين است كه اگر چه انسان در جمع و تفريق اعداد از كامپيوتر شكست مي خورد، اما مساله فقط جمع و تفريق نيست. در واقع اولين گام براي حل مساله درك آن است و اين چيزي است كه براي انسان بسيار ساده و براي كامپيوتر ها بسيار سخت است. بر اين اساس آنها به تحقيقات زيادي پرداختند و به اين نتيجه رسيدند كه بايد براي بازدهي بيشتر از شبكه هاي عصبي استفاده كنند. اين كار به آنها كمك مي كرد تا بتوانند به ساختار اعصاب و مغز انسان و ساير حيوانات نزديك تر شوند

نمايش معلومات

نمايش معلومات و مهندسي معلومات مركز توجه در پ?وهش هاي هوش مصنوعي بودند. بسياري از دستگاه هاي حل مساله براي حل مسائل نيازمند معلومات گسترده و وسيعي بودند اين معلومات عبارت مي شد از : شناختن اشياء، خواص و اقلام- شناختن روابط بين اشياء- درك موقعيت، نوع واقعه و زمان و مكان- علت ها و تاثير عوامل و بسياري چيز هاي ديگر

و سخت ترين مشكلات درباره نمايش اطلاعات و معلومات عبارت بود از

استدلال پيش فرض و مسائل نسبي: دانسته ي يك فرد از يك چيز برابر است با پنداشت او از آن چيز، براي مثال وقتي نام پرنده به گوش كسي مي خورد، معمولا يك موجود كوچك را به ياد مي آورد با صداي زيبا و قابليت پرواز؛ در حالي كه اين موضوع براي همه ي پرندگان صدق نمي كند. مثلا پنگوئن هيچكدام از اين ويژگي ها را ندارد! جان مككارتي اين موضوع را به عنوان يك مسئله نسبي در سال 1969 كشف كرد. براي هر قضاوت صحيح (در تعريف عام) كه محققان هوش مصنوعي، سعي در پياده سازي آن داشتند، تعداد زيادي استثنا وجود داشت. بنابر اين، آنها به اين نتيجه دست يافتند كه در قضاوت عام، نمي توان يك چيز را مطلقا درست يا غلط دانست بلكه همه چيز نسبي است. مثلا وقتي به شما مي گويند كه فلان شخص، خوب است يا بد؟ شما اول به مواردي توجه مي كنيد كه مهم تر هستند و بر اين اساس در مورد خوبي و بدي قضاوت مي كنيد. در حالي كه هيچ كس مطلقا خوب يا بد نيست! در واقع شما اول به مواردي اهميت مي دهيد كه مهم تر است. محققان هوش مصنوعي هم با پياده كردن چنين الگوريتمي توانستند اين مشكلات را حل كنندسطح وسيع اطلاعات مورد نياز براي قضاوت عام: منظور از قضاوت عام، همان نحوه قضاوتي است كه در بالا توضيح داده شد كه شما به نكاتي كه بيشتر اهميت دارند، امتياز بيشتري اختصاص مي دهيد و آنها را ملاك قضاوت خود قرار مي دهيد. اما اين نوع قضاوت، شايد در زندگي روزمره ما كار عادي اي شده باشد؛ اما در واقع براي كامپيوتر اين كار نياز به اطلاعات پايه اي زيادي در زمينه هستي شناسي و شناخت ويژگي هاي موجودات دارد. محققان هوش مصنوعي مي بايست، مفاهيم دقيق و پيچيده اي را با دست خود، به كامپيوتر مي فهماندند

برنامه ريزي

موجودات و به طور كلي، چيز هاي هوشمند، بايد بتوانند هدف هايي را براي خود تعيين كرده و به آنها دست يابند. براي اين كار اولا لازم است كه تصوري از آينده خود داشته باشيم. يعني وضع كنوني هدف مورد نظر را در نظر بگيريم و پيش بيني كنيم كه تصميماتي كه خواهيم گرفت، چگونه مي تواند بر آن تاثير بگزارد. پس از اين كار بايد، براي رسيدن به بهترين نتيجه؛ از بين گزينه هايي كه داريم، بهترين و سودمند ترين آنها را انتخاب نماييمپس تصميم گيري و برنامه ريزي از اين روش، كاري است كه بدون هوشمندي، نمي توان آن را انجام داد و فقط موجودات هوشمند از پس آن بر مي آيند!در مسائل كلاسيكي كه در مورد برنامه ريزي وجود داشت، عامل هوشمند مي توانست فرض كند كه تنها يك چيز (هدف مورد نظر) در جهان فعال است و احتمالا مي توان نتيجه آن را تغيير داد. بنا بر اين هدف مورد نظر تعيين مي شد و براي آن راه حل هايي ارائه مي گرديد. همچنين عامل هوشمند - كه ميتواند برنامه و يا هر چيز ديگري باشد – به طور مرتب و دائمي چك مي كرد كه پيشگويي هايش درست باشد و اگر اينطور نبود، راه حل مورد نظر براي هدفش را تغيير مي داددر اين مورد مي توانيد يك روبوت را در نظر بگيريد كه مي خواهد از يك مسير مارپيچ عبور نمايد. اين روبوت ابتدا هر يك از اين مسير ها را امتحان مي كند و اگر هر كدام از آنها به بن بست، بر خورد، آن را به حافظه مي سپارد تا دوباره تكرارش نكند و اين عمل را آنقدر ادامه مي دهد كه راه خودش را بيابد! ( اين يك تعريف بسيار ساده بود)د


يادگيري



ايجاد امكان يادگيري براي ماشين ها، همواره از پ?وهش هاي اصلي در زمينه ي هوش مصنوعي بوده است. يادگيري بدون نظارت: قابليت يادگيري الگو ها، از اطلاعات ورودي را فراهم ميكند. يادگيري نظارت شده هم، مي تواند هردو امكان: طبقه بندي و عبرت عددي را ايجاد كندطبقه بندي اين امكان را مي دهد كه كامپيوتر بتواند تشخيص دهد كه چه چيز هايي را مي توان در يك گروه خاص گنجاند. عبرت عددي نيز به اين صورت عمل مي كند كه بعد از دادن چيز هايي به عنوان ورودي به كامپيوتر و مشخص كردن خروجي دقيق آنها، كامپيوتر مي تواند روابط بين ورودي و خروجي را كشف كرده و الگوريتم ها و توابع پيوسته اي را براي آنها تعيين كند. اين روش براي به وجود آوردن الگوريتم هاي بسيار پيچيده، مفيد خواهد بوداجازه دهيد تا در اين مورد مثالي بزنيم: وقتي در حال رانندگي هستيد و به عابران پياده نگاه مي كنيد، مي توانيد تا حد زيادي تشخيص دهيد كه آنها قصد چه كاري را دارند. مثلا مي خواهند از خيابان رد شوند يا اين كه تاكسي بگيرند و يا اين كه فقط سر جاي خود ايستاده اند. خب، اين كار براي من و شما نسبتا ساده است اما اساسا براي نوشتن الگوريتم آن براي كامپيوتر، از دستيك انسان كاري ساخته نيست. با استفاده از روش عبرت عددي مي توان با روش هاي خاص اين مورد را با مثال هاي زيادي به كامپيوتر و برنامه ي مربوطه نشان داد و به تدريج الگوريتم مورد نياز را تحويل گرفتاما چيزي كه بايد هم اكنون به آن اشاره كرد، عمليات تقويت يادگيرياست. اين كار به اين صورت انجام مي پذيرد كه تئوري تصميم گيري كامپيوتر آناليز شده و برداشت هاي سودمند آن تئوري، مورد تاكيد قرار مي گيرند. در واقع كار هاي درست با تشويق (به صورت اولويت دادن) و كار هاي غلط با تنبيه (به صورت امتياز منفي) پاسخ داده مي شوند و به همين خاطر يادگيري كامپيوتر به طور مرتب بهبود مي يابديادداشت: آناليز الگوريتم هاي يادگيري ماشين ها، شاخه اي از علوم نظري كامپيوتر است كه با نام تئوري يادگيري كامپيوتري شناخته مي شود

پردازش زبان طبيعي


پردازش زبان طبيعي، به ماشين هاي هوش مند اين قابليت را مي دهد كه زبان انسان ها را بخوانند و آنها را متوجهشوند. بسياري از تحقيقات به اين نتيجه رسيد كه براي ايجاد قدرت كافي براي سيستم پردازش زبان طبيعي، نياز است كه اطلاعات زياد و كاملي را به اين سيستم ارائه كنيم كه مي تواند با استفاده از خواندن متن هاي موجود در اينترنت انجام شود

برنامه هايي كه هم اكنون در زمينه پردازش زبان طبيعي درست عمل مي كنند، از امكاناتي مانند: بازيابي اطلاعات، جستجو در متن ها و امكان ترجمه ماشيني بهره مند اند

حركت و جا به جا كردن اجسام: تحقيقات در زمينه روبوتيك، بيش از هر چيزي به هوش مصنوعي وابسته است. روبات ها براي موارد بسيار زيادي نياز به هوشمندي دارند كه از جمله آنها مي توان مواردي مانند: مسير يابي ، جا به جا كردن، اين كه بدانند كجا هستند، اين كه دركي از محيط خود داشته باشند و بتوانند براي حركت به سوي نقطه خاصي، برنامه ريزي نمايند و هدف خود را تعيين كنند. بدين ترتيب هوش مصنوعي براي روبات ها بسيار پر كاربرد است و تقريبا در تمام زمينه هاي ذكر شده از آن استفاده مي نمايند

ادراك

درك ماشيني، به آنها اين امكان را مي دهد كه بتوانند با استفاده از سنسور هاي ورودي خود، نظير: دوربين، ميكروفون ها و ديگر سنسور هاي عجيب و غريب (!) ؛ از محيط خود برداشت صحيحي داشته و بتواند محيط پيرامون خود را درككند. در اصل، بينايي كامپيوتري اين امكان را مي دهد كه كامپيوتر بتواند چيز هايي كه مي بيند را مورد تجزيه و تحليل قرار دهد. چند مورد از آناليز هاي معروف در روبات ها عبارت است از : آناليز صحبت و صدا ها و تشخيص منظور، آناليز چهره ها و تشخيص حالات آن ها. مانند: خشم، ناراحتي، خنده و ... ، آناليز اشياء پيرامون و تشخيص آنها.با استفاده از انواع آناليز ها و تجزيه و تحليل هايي كه در بالا ذكر شدند، روبات ها قادر خواهند بود كه بسيار هوشمند تر از قبل عمل كنند. مثلا در جا به جايي اجسام شيشه اي، دقت بيشتري كنند. براي كسي كه ناراحت و عصباني است، جك تعريف نكند! و سلام را با خدا حافظ پاسخ ندهد

هوش اجتماعي

احساسات و مهارت هاي اجتماعي، دو بخش مهم از هوش مندي را تشكيل مي دهند. اولا، باعث مي شود كه ماشين هوشمند بتواند عكس العمل طرف مقابل را در برابر يك رفتار خاص، تشخيص دهد. كه اين كار با درك از انگيزه فرد و احساسات او عملي خواهد شدثانيا؛ براي تعامل بهتر بين انسان و كامپيوتر، ماشين هوشمند بايد بتواند كه احساساتي را از خود بروز دهد. در بد ترين حالت، اين امر بايد به صورت نشان دادن احساسات ضعيف در گفتار و با كمال ادب انجام گيرد و در بهترين حالت بايد با حساسيت طبيعي و مناسب در برابر انسان همراه باشد. در واقع سعي بر اين است كه كامپيوتر طوري عمل كند كه اگر با لحن بدي با او حرف زديد، با كمال ادب به شما پاسخي مناسب با لحن خودتان دهد. و بالعكس!نكته مهم: مساله كمال ادب بسيار مهم است چون كامپيوتر در صورت عدم رعايت اين موضوع، موجوديت خودش را به خطر خواهد انداخت و در اين صورت نياز به يك الگوريتم براي كشتي گيري انسان و كامپيوتر (يا ربات) هم به شدت احساس مي شود. (معمولا انسان ها اعصاب ندارند و خيلي زود درگير مي شوند)

 

[☾♔TALAYEH_A♔☽]

همه چیز درباره هوش مصنوعی




آیا تاکنون چیزی درباره هوش مصنوعی مطالعه کرده اید؟
هوش مصنوعی به سیستم‌هایی گفته می‌شود که می‌تواند واکنش‌هایی مشابه رفتارهای هوشمند انسانی از جمله درک شرایط پیچیده، شبیه سازی فرایندهای تفکری و شیوه‌های استدلالی انسانی و پاسخ موفق به آن‌ها، یادگیری و توانایی کسب دانش و استدلال برای حل مسایل را داشته باشند.

نکته ای جالب در هوش مصنوعی:
ریشه‌ها و ایده‌های اصلی آن را باید در فلسفه، زبان‌شناسی، ریاضیات، روان‌شناسی، نورولوژی و فیزیولوژی جستجو کرد و کاربردهای گوناگون و فراوانی در علوم رایانه، علوم مهندسی، علوم زیست ‌شناسی و پزشکی، علوم ارتباطات و بسیاری از علوم دیگر دارد. هوش مصنوعی در علم پزشکی امروزه به دلیل گسترش دانش و پیچیده ‌تر شدن فرآیند تصمیم گیری، استفاده از سیستم‌های اطلاعاتی به خصوص سیستم های تصمیم گیری اهمیت بیشتری یافته است.

هوش مصنوعی در علم پزشکی:
گسترش دانش در حوزهٔ پزشکی و پیچیدگی تصمیمات مرتبط با تشخیص و درمان، به عبارتی حیات انسان توجه متخصصین را به استفاده از سیستم‌های پشتیبان تصمیم گیری در امور پزشکی جلب نموده است.

به همین دلیل، استفاده از انواع مختلف سیستم‌های هوشمند در پزشکی رو به افزایش است، به گونه اى که امروزه تأثیر انواع سیستم‌های هوشمند در پزشکی مورد مطالعه قرار گرفته است.

تعریفی دیگر:
هوش مصنوعی به هوشی که یک ماشین در شرایط مختلف از خود نشان می‌دهد، گفته می‌شود. در بیشتر نوشته‌ها و مقاله‌های مربوط در این زمینه، هوش مصنوعی را به عنوان «دانش شناخت و طراحی عامل‌های هوشمند» تعریف کرده‌اند.

یک عامل هوشمند، سیستمی است که با شناخت محیط اطراف خود، شانس موفقیت خود را پس از تحلیل و بررسی افزایش می‌دهد.

تعریف جان مک کارتی از هوش مصنوعی
جان مک کارتی که واژه هوش مصنوعی را در سال ۱۹۵۶ استفاده نمود، آن را «دانش و مهندسی ساخت ماشین‌های هوشمند» تعریف کرده‌ است. تحقیقات و جستجوهایی انجام شده برای رسیدن به ساخت چنین ماشین‌هایی با بسیاری از رشته‌های علمی در ارتباط و همکاری است، مانند علوم رایانه، روان‌شناسی، فلسفه، عصب‌شناسی، علوم ادراکی، تئوری کنترل، احتمالات، بهینه‌سازی و منطق.

ریاضی دانان
هوش مصنوعی توسط فلاسفه و ریاضی‌دانانی نظیر بول که اقدام به ارائهٔ قوانین و نظریه‌هایی در مورد منطق نمودند، مطرح شده بود. با اختراع رایانه‌های الکترونیکی در سال ۱۹۴۳، هوش مصنوعی، دانشمندان آن زمان را به چالشی بزرگ فراخواند در این شرایط، چنین به‌ نظر می‌رسید که این فنّاوری قادر به شبیه ‌سازی رفتارهای هوشمندانه خواهد بود.

پیشرفت شگرف هوش مصنوعی
با وجود مخالفت گروهی از متفکرین با هوش مصنوعی که با تردید به کارآمدی آن می‌نگریستند تنها پس از چهار دهه، شاهد تولد ماشینهای شطرنج باز و دیگر سامانه‌های هوشمند در صنایع گوناگون شدیم. علم هوش مصنوعی در سال ۱۹۶۵ میلادی به عنوان یک دانش جدید ابداع گردید.

البته فعالیت در این زمینه از سال ۱۹۶۰ میلادی شروع شد. بیشتر کارهای پژوهشی اولیه در هوش مصنوعی بر روی انجام ماشینیِ بازی‌ها و نیز اثبات قضیه‌های ریاضی با کمک رایانه‌ها بود.

در آغاز این طور به نظر می‌آمد که رایانه‌ها قادر خواهند بود چنین فعالیت‌هایی را تنها با بهره گرفتن از تعداد بسیار زیادی کشف و جستجو برای مسیرهای حل مسئله و سپس انتخاب بهترین روش برای حل آن‌ها به انجام رسانند.

پدرعلم ماشین های هوشمند
هوش مصنوعی برای اولین بار توسط جان مک کارتی (John McCorthy)که از آن به‌ عنوان پدر «علم و دانش تولید ماشینهای هوشمند» یاد می‌شود، استفاده شد. آقای جان مک کارتی مخترع یکی از زبان‌های برنامه نویسی هوش مصنوعی به نام لیسپ ((lisp نیز هستند که با آن می‌توان به هویت رفتارهای هوشمندانه یک ابزار مصنوعی پی برد.

هوش مصنوعی را در زبان انگلیسی Artificial intelligence می گویند که مخفف آن یعنی AI نیز در برخی نوشته ها به کار می رود.

فرق هوش مصنوعی با ساخته های دست بشر
AI به عنوان یک اصطلاح عمومی پذیرفته شده که شامل محاسبات هوشمندانه و ترکیبی (مرکب از مواد مصنوعی) است. از اصطلاح «strong and weak AI» می‌توان تا حدودی برای معرفی رده‌بندی سیستم‌ها استفاده کرد و در رشته‌های مشترکی چون علم کامپیو‌تر، روان‌شناسی و فلسفه مورد مطالعه قرار می‌گیرند، که مطابق آن باعث ایجاد یک رفتار هوشمندانه، یادگیری و سازش می‌شود و معمولاً نوع پیشرفته ی آن در ماشین‌ها و کامپیوتر‌ها استفاده می‌شود. زبان‌های برنامه نویسی هوش مصنوعیlisp، Prolog، clips، VP-Expert می‌باشد.

آزمون تورینگ
آزمون تورینگ آزمونی است که توسط آلن تورینگ در سال ۱۹۵۰ در نوشته‌ ای به نام «محاسبات ماشینی و هوشمندی» مطرح شد. در این آزمون شرایطی فراهم می‌شود که شخصی با ماشینی تعامل برقرار کند و پرسش‌های کافی برای بررسی اقدامات هوشمندانهٔ ماشین، از آن بپرسد در صورتی که در پایان آزمایش نتواند تمیز دهد که با انسان و یا با ماشین در تعامل بوده است، تست تورینگ با موفقیت انجام شده است.

تا کنون هیچ ماشینی از این آزمون با موفقیت بیرون نیامده است. هدف این آزمون برای تشخیص درستی هوشمندی یک سیستم است که سعی در شبیه سازی انسان دارد.

اتاق چینی
اتاق چینی بحثی است که توسط «جان سیرل» که در ۱۹۸۰ مطرح شد در این راستا که یک ماشین سمبل گرا هرگز نمی‌تواند دارای ویژگی‌هایی مانند «مغز» و یا «فهمیدن» باشد، صرف نظر از اینکه چقدر از خود هوشمندی نشان دهد.

مدیریت پیچیدگی
ایجاد و ابداع فنون و تکنیک‌های لازم برای مدیریت پیچیدگی را باید به عنوان هسته ی بنیادین تلاش‌های علمی و پژوهشی گذشته، حال، و آینده، در تمامی زمینه‌های علوم رایانه، و به ویژه، در هوش مصنوعی معرفی کرد.

شیوه‌ها و تکنیک‌های هوش مصنوعی، در واقع، برای حل آن دسته از مسائل به وجود آمده‌ است که به طور سهل و آسان توسط برنامه ‌نویسی تابعی (Functional programming)، یا شیوه‌های ریاضی قابل حل نبوده‌اند.

در بسیاری از موارد، با پوشانیدن و پنهان ساختن جزئیات فاقد اهمیت است که بر پیچیدگی فائق می‌آییم و می‌توانیم بر روی بخش‌هایی از مسئله متمرکز شویم که مهم‌تر است.

به یاری پژوهش‌های گسترده دانشمندان علوم مرتبط ، هوش مصنوعی تاکنون راه بسیاری پیموده‌ است. در این راستا، تحقیقاتی که بر روی توانایی یادگیری زبان‌های مختلف انجام گرفت و نیز درک عمیق از احساسات، به دانشمندان در پیشبرد این دانش کمک زیادی کرده‌ است.

یکی از اهداف متخصصین، تولید ماشینهایی است که دارای احساسات بوده و دست کم نسبت به وجود خود و احساسات خود آگاه باشند. این ماشین باید بتواند اموخته های قبلی خود در شرایط مشابه جدید را به روز کند به طوری که موجب گسترش دانش خودش بشود.

هوش مصنوعی در علوم رایانه
هوش مصنوعی اکنون در خدمت توسعه علوم رایانه نیز است. زبانهای برنامه نویسی پیشرفته، که توسعه ابزارهای هوشمند را ممکن ساخته‌اند، پایگاه‌های داده‌ای پیشرفته، موتورهای جستجو و بسیاری از نرم‌افزار‌ها و ماشین‌ها از نتایج پژوهش‌هایی در راستای هوش مصنوعی بوده‌اند.

تکنیک‌ها و زبان‌های برنامه نویسی هوش مصنوعی
عملکرد اولیه برنامه نویسی هوش مصنوعی ایجاد ساختار کنترلی مورد لزوم برای محاسبه سمبولیک است زبانهای برنامه نویسی LISP و PROLOG علاوه بر اینکه از مهم‌ترین زبانهای مورد استفاده در هوش مصنوعی هستند خصوصیات نحوی و معنایی آن‌ها باعث شده که آن‌ها شیوه‌ها و راه حل‌های قوی برای حل مسئله ارائه کنند.

تاثیر قابل توجه این زبان‌ها بر روی توسعه AI از جمله توانایی‌های آن‌ها به عنوان «ابزارهای فکرکردن» است. در حقیقت‌‌ همان طور که هوش مصنوعی مراحل رشد خود را طی می‌کند، زبانهای LISPو PROLOG بیشتر مطرح می‌شوند که این زبان‌ها کار خود را در محدوده توسعه سیستم‌های AI در صنعت و دانشگاه‌ها دنبال می‌کنند و طبیعتاً اطلاعات در مورد این زبان‌ها به عنوان بخشی از مهارت هر برنامه نویس AI است.

PROLOG
یک زبان برنامه نویسی منطقی است. یک برنامه ی منطقی ، دارای یک سری خصوصیت های قانون و منطق است.

در حقیقت خود این نام از برنامه نویسی PRO در LOGIC می‌آید. در این زبان یک مفسر برنامه را بر اساس یک منطق می‌نویسد. ایده استفاده توصیفی محاسبهٔ اولیه برای بیان خصوصیات حل مسئله یکی از محوریتهای مشارکت PROLOG است که برای علم کامپیو‌تر به طور کلی و بطور جزئی برای زبان برنامه نویسی هوشمند مورد استفاده قرار می‌گیرند.

LISP
یک زبان کامل است که دارای عملکرد‌ها و لیست‌های لازمه برای توصیف عملکردهای جدید، تشخیص تناسب و ارزیابی معانی است. و به برنامه نویس قدرت کامل برای اتصال به ساختارهای اطلاعاتی را می‌دهد گر چه LISP یکی از قدیمی‌ترین‌ترین زبانهای محاسباتی است که هنوز فعال است ولی دقت کافی در برنامه نویسی وطراحی توسعه باعث شده است که این یک زبان برنامه نویسی فعال باقی بماند.

در حقیقت این مدل برنامه نویسی طوری موثر بوده‌ است که تعدادی از دیگر زبان‌ها براساس عملکرد برنامه نویسی آن بنا شده‌اند: مثل FP، ML، SCHEME

یکی از مهم‌ترین برنامه‌های مرتبط با LISP برنامه SCHEME است که یک تفکر دوباره درباره زبان در آن وجود دارد که بوسیله توسعه AI و برای آموزش و اصول علم کامپیو‌تر مورد استفاده قرار می‌گیرد.

سیستم‌های خبره
سیستم‌های خبره زمینه‌ای پرکاربرد در هوش مصنوعی و مهندسی دانش است که با توجه به نیاز روزافزون جوامع بر اتخاذ راه حل‌ها و تصمیمات سریع در مواردی که دانش‌های پیچیده و چندگانه ی انسانی مورد نیاز است، بر اهمیت نقش آن‌ها افزوده می‌شود.

سیستم‌های خبره به حل مسائلی می‌پردازند که به طور معمول نیازمند تخصص‌های کاردانان و متخصصان انسانی است. به منظور توانایی حل مسائل در چنین سطحی، دسترسی هرچه بیشتر اینگونه سامانه‌ها به دانش موجود در آن زمینه خاص ضروری می‌گردد.

آیا آشنا بودن به هوش مصنوعی برای طراحان وب ضروری است؟
هر شخصی که در حوزه برنامه نویسی و سئو فعالیت دارد باید با هوش مصنوعی آشنا باشم اما طراح وبی که فقط طرح گرافیکی را ایجاد میکند الزامی به دانستن ندارد.

 

[☾♔TALAYEH_A♔☽]

همه چی درباره هوش مصنوعی!!!


اندازه گیری هوش مصنوعی!!!!


هوش مصنوعی یعنی ساختن یه ماشین که رفتارش به رفتار انسان ها نزدیک باشد چون ما تا به امروز موجودی باهوش تر از انسان ندیده ایم .

انسان غیر قابل پیش بینی است برا هیمن باید ماشین ها نیز به این ویژگی نزدیک بشن در بازی ها مثال خوبی است برای تعیین هوش مصنوعی در بازی های معمولا کاربر با صحنه های مشابه و قابل پیش بینی روربه رو میشود ولی در بازی های فوتبال صحنه های قابل پیش بینی خیلی کم پیش میاد در این مدل بازی ها هوش مصنوعی بسیار بالا ست امیدواریم بتوانیم روزی الگوریتم چنین ماشینی رو بنویسیم البته میزان هوش مصنوعی هر ماشین با استفاده از یک ازمون تورینگ اندازه گیری میشود ولی تا به امروز نداشتیم ماشینی که این ازمون را با موفقیت به پایان برساند.



هوش مصنوعی چیست ؟
هوش مصنوعی در قرن ۲۱ به صورت رکن مهمی از زندگی بشر درآمده است. به زندگی خود بنگرید، در وسایل مختلف هوش مصنوعی استفاده شده است . تمام اجزای زندگی ما به مکانی برای استفاده از هوش مصنوعی بدل شده است . پس موضوع هوش مصنوعی به موضوعی مهم و اساسی تبدیل شده است .

در واقع باید بگوییم پاسخ صریحی برای این پرسش که ” هوش مصنوعی چیست ؟ ” نداریم ! نمی توان منکر شد که یکی از معما های بزرگ حل نشده در قرن بیستم مغز بشر بود ! دانشمندان تاکنون موفق نشده اند ساختار و کارکرد مغز را به طور کامل تشریح کنند. البته پیشرفت های علم در این زمینه بی تردید بزرگ بوده است. هم اکنون علم عصب شناسی که به مطالعه سیستم عصبی موجودات زنده و به ویژه انسان می پردازد قادر است بسیاری از ساختارها و کارکردهای مغز را تشریح کند، ولی هنوز به درجه ای از شناخت از مغز خود نرسیده ایم که اعلام کنیم معمای مغز حل شده است.

تازه این بخشی از ماجراست ، حتی اگر متخصصان هوش مصنوعی مغز انسان را شناخته بودند آیا می توانستند ادعا کنند هوشمندی فقط در انسان وجود دارد و بس ؟ اگر از شما بپرسند گربه هوشمند است یا خیر چه جوابی می دهید ؟ اگر دقت کرده باشید گربه های ولگرد (که به وفور یافت می شوند) در فصل زمستان پس از اینکه ماشین خود را به داخل می آورید و خاموش می کنید به طرف موتور ماشین حمله ور شده و روی موتور می خوابند ! این کار نشان می دهد که گربه محل شما توانسته گرم بودن موتور بلافاصله بعد از خاموش شدن را درک کند . پس می توان نتیجه گرفت گربه تا حدی هوشمند است .

در حقیقت هدف اصلی هوش مصنوعی چیست ؟

در واقع هدف ما ساخت موجود مصنوعی از چیزی است ( هوشمند ی) که خود آن را به درستی نمی شناسیم و بدیهی است این کار بسیار دشواری خواهد بود . به همین علت بنیان گذاران هوش مصنوعی و ادامه دهندگان راه آنها با نگرش های متفاوتی به عرصه علم هوش مصنوعی نگاه کرده و بیشتر تحت تاثیر رشته اصلی خود (ریاضیات، روان شناسی، کامپیوتر، …) دیدگاه های متفاوتی را به هوش مصنوعی تزریق کرده اند .

آیا هوش مصنوعی ریاضی است ؟

بسیاری از دانشمندان فعال در زمینه هوش مصنوعی در اصل ریاضی دان بوده اند . آنها بر این باورند که اگر بتوان دانش موجودات هوشمند را با مدل های ریاضی بیان کرد آنگاه می توان این دانش ریاضی شده را به ماشینی منتقل کرد که قادر به استفاده از ان باشد . توجه شود که کامپیوتر خود یک ماشین ریاضی است و هر آنچه برای کامپیوتر تعریف می کنیم ابتدا باید به زبان ریاضی بیان شود.

آیا هوش مصنوعی همان مهندسی نرم افزار است ؟

اگر بخواهیم سیستم هوشمند مصنوعی داشته باشیم در حال حاضر عملا مجبور به استفاده از کامپیوتر هستیم. برای ساخت چنین سیستمی باید یک برنامه کامپیوتری بنویسیم. پس اگر سیستم هوشمند یک برنامه کامپیوتری باشد (که در عمل نیز بیشتر سامانه های هوشمند کنونی برنامه های رایانه ای هستند) چه تفاوتی بین برنامه هوشمند و یک برنامه معمولی نرم افزار است؟

هوا شناسی است ؟

اگر بتوانیم دستور کاملی برای زبان فارسی تعریف کنیم و آن را به ماشین بدهیم آنگاه کامپیوتر نیز قادر است همانند ما به زبان فارسی صحبت کند و یا اینکه به حرف های من و شما گوش دهد. شاید سوال کنید کامپیوتر نه گوش دارد و نه زبان؟ اما فراموش نکنید ساخت ابزارهای مصنوعی مثل بلندگو و یا میکروفون که از طریق آن کامپیوتر نیز مانند انسان زبان و گوش پیدا کند سال ها است که انجام شده و تازه بسیار بهتر از ابزارهای ما نیز کار می کنند .

آیا هوش مصنوعی همان روان شناسی است؟

چرا این همه اصرار داریم ماشین مصنوعی هوشمندی بسازیم که ساختار فکری آن همانند انسان باشد؟ اگر ماشین هوشمند ما قادر باشد رفتارهای انسان هوشمند را تقلید کند پس خود نیز موجودی هوشمند خواهد بود.

به راستی هوش مصنوعی چیست ؟ شاید سوالات فوق شما را کمی گیج کرده باشد . پس این همه هیاهو برای هوش مصنوعی که به ویژه در این سال های اخیر راه افتاده برای چیست ؟ این که چیزی جز ترکیب چند علم دیگر نخواهد بود ؟ داستان هوش مصنوعی و درک آن همانند آن داستان مشهور مولوی درباره فیلی است که از هندوستان آورده بودند و در اتاق تاریکی از آن نگه داری می کردند. هر فردی بسته به بخشی از فیل که به آن دسترسی داشت آن را شبیه ستون و… شناسایی و تفسیر می کرد . هوش مصنوعی نیز مانند فیل داستان مولوی است که در اتاق تاریکی قرار دارد. هر کسی با دانش اولیه خود به آن دست زده و سعی کرده برداشت خود را به عنوان کل به دیگران بقبولاند. از آنجاکه هنوز ابعاد علمی ساخت موجود هوشمند مصنوعی روشن نیست و پاسخ سوالات بسیاری بر همگان پوشیده است. این اختلاف دیدگاه ها بسیار طبیعی به نظر می رسد .

دید گاه های مختلف در مورد اهداف هوش مصنوعی

تا اینجا به این نتیجه رسیدیم که دانشمندان هوش مصنوعی نیز خود به درستی در مورد اهداف این علم توافق نظر ندارند . دو دیدگاه متفاوت در هوش مصنوعی از نظر اهداف این علم قابل طرح است. دیدگاه نخست را از طریق نقل قول از مصاحبه با ماروین مینسکی بیان می کنیم :

سوال: در اواخر دهه شصت ، آیا فکر می کردید که مسائل ساده ای مثل دنیا ی بلوک ها تمامی نمودهای اصلی هوش مصنوعی را مسخر خواهد کرد ؟

مینسکی : بله چنین بود و الان هم همینطور ! من فکر می کنم دور شدن از این گونه مسائل دلیل اصلی عدم پیشرفت در هوش مصنوعی است . مسئله این است که کارکردن با مسائل مشخص عمق ندارد .

این نقل قول نشان می دهد که گروهی بر این باور هستند که ما باید دنبال ساخت ماشینی باشیم که قادر به فکر کردن مانند انسان باشد.پس آنچه در هوش مصنوعی مهم است ساخت موجودی متفکر است، حتی اگر گوش و چشم و… نداشته باشد .

گروه دوم دقیقا در جهت مخالف گام برمی دارند. این گروه معتقدند هوش مصنوعی باید دنبال رفع مشکلات کنونی زندگی بشر باشد، پس به جای پرداختن به تصورات دور و دراز بهتر است با حل مسائل کاربردی نیازهای واقعی را برطرف کنیم. این نگرش امروزه غالب است. به همین علت تمایل به حل مسائل کاربردی در هوش مصنوعی این علم را از جنبه ی تئوری صرف خارج کرده و به صورت کاربردی در آورده است .

در واقع برای ساخت روباتی همانند انسان لازم است اندام های حسی و حرکتی آن را بسازیم . به عبارت دیگر روبات ما باید ببیند ، بشنود و یا حتی توانائی بوییدن داشته باشد. با کمک این حواس می توان ادراک لازم از محیط را به دست آورد. دیدن و شنیدن فرآیند بسیار پیچیده ای است که خود نیاز به استفاده از هوش مصنوعی دارد . روبات (همانند انسان) با استفاده از اطلاعات دریافتی از محیط به تحلیل این اطلاعات پرداخته و بر مبنای این داده ها و دانش قبلی و مشاهدات گذشته خود تصمیم می گیرد. این بخش همان تفکر است که در آن جنبه های هوشمندی مورد توجه قرار می گیرد. در نهایت مغز سیستم به اندام های حرکتی (برای انسان دست و پا، برای روبات موتور حرکتی و بازوی الکتریکی) دستور انجام کاری را خواهد داد. این چرخش تمام زندگی من وشما را تشکیل می دهد و روبات نیز باید همین قابلیت را داشته باشد.

فراموش نکنید زمانی که برادران رایت اولین هواپیما را اختراع کردند ، شاید بیشتر به دنبال آرزوی پرواز انسان بودند اما امروز شرک ایرباس یا بوئینگ به دنبال لـ*ـذت بردن از کار خود یا برطرف کردن آرزوی بشر نیست بلکه هزاران نفر از این راه زندگی می کنند و میلیون ها نفر هم از فواید این تلاش استفاده می کنند. این همان داستانی است که برای هوش مصنوعی در حال وقوع است .

امیدواریم اطلاعاتی مفید در زمینه هوش مصنوعی و و این که در اصلهوش مصنوعی چیست ؟ در اختیار تان قرار داده باشیم .

اصلی ترین کاربرد های هوش مصنوعی
امیدوارم تا اینجا به سوال “هوش مصنوعی چیست” درست پاسخ داده باشیم. حال به چند کاربرد هوش مصنوعی توجه کنید.
– طراحی نرم افزار های هوشمند هوش مصنوعی : این نرم افزارها برای انجام کارهای تخصصی توانایی زیادی دارند. نمونه هایی از این نرم افزار ها در آزمون های استخدامی به کار می روند.
– طراحی بازیهای هوشمند : در زمان انجام بازی دشمنان شما هوشمند هستند. ریشه آن هوش مصنوعی است که در بازی به کار رفته.
– روباتهای هوشمند : ماشینهایی ماندد روباتهای کاوشگر و امدادگر هم از هوش مصنوعی بهره می برند. این روبات ها نیاز به انتخاب در هر لحظه و جستجو و تصمیم گیری دارند که با هوش مصنوعی انجام می شود.


گرایش هوش مصنوعی در دانشگاه های ایران
اگر نگاهی کلی به گرایش هوش مصنوعی بیندازیم، این گرایش بین نرم افزار و معماری کامپیوتر می باشد و در هردو آن ها کاربرد هایی دارد. بیشترین کاری که دنبال می شود، ساختن سامانه های هوشمند و رباتیک است.

حال با هم چند مورد از مهارت های دانشجویان هوش مصنوعی را مرور می کنیم :

شبکه عصبی : این روش های شبکه با قابلیت پردازش بیشتر در بهینه سازی و تخمین توابع و …. کاربرد دارند.

رباتیک : ربات ها با استفاده از الگوهای کامپیوتری کارهای خاص انجام می دهند.

منطق فازی : این منطق صفر و یکی نیست بلکه میان آن را هم در نظر می گیرد. حالا زیاد توضیح نمیدم خودتون بروید و بخوانید!

سیستم های خبره و…. هم از زمینه های مطالعه گرایش هوش مصنوعی می باشد. امیدوارم با خواندن این گرایش به خوبی به سوال “هوش مصنوعی چیست” پاسخ دهید.

آناتومی روبات های دارای هوش مصنوعی


همواره برای شبیه سازی یک پدیده طبیعی به صورت مصنوعی ناگزیر هستیم ساده سازی هایی انجام دهیم. درست است که این کار شبیه سازی را کمی دچار مشکل می کند اما باعث می شود کار ما بسیار راحت شود. شبیه سازی آناتومی بدن انسان برای ساخت روبات هوش مصنوعی نیز همانطور که در شکل می بینید ساده شده است. اما یکی از مشکلات اصلی برای این موجود دو پا حفظ تعادل آن است. بی شک مکانیزمی نه چندان ساده برای این کار لازم است. در مراحل بعدی نیز باید امکانات بیشتری به این روبات هوش مصنوعی اضافه کنیم اما همانطور که گفتم قدم اول و اصلی حفظ تعادل آن است.

فلسفه هوش مصنوعی .

هدف این علم این است که ماشین ها قدرت تصمیم گیری داشته باشند و تصمیم گیری از روی منطق و اطلاعات موجود نه تصمیم گیری همچون انسان این علم راه زیادی در پیش دارد تا برسد به زمانی که در جواب هوش مصنوعی چیست بگویم همان هوش انسان است .

احساسات در هوش مصنوعی


در اخبار و دنیا تکنولوژی میشنویم و میبینیم ربات های اختراع یا پیشرفت کردن ولی در این میان ربات های انسان نما بیشتر از همه توجه ما را جلب میکنند

در علم هوش مصنوعی تلاش بر این است که ربات ها احساسات انسان ها را نیز درک کند

روبات انسان نما روباتی است که با محیط اطراف خود تعامل داشته باشد، از آن اطلاعات دریافت کند و بر اساس آن اطلاعات پردازش مناسبی داشته باشد. بعد از پردازش اطلاعات حال نوبت پاسخ هوش مصنوعی به محیط می باشد. در واقع هدف همین است. هر قدر پاسخ مناسب تر باشد ما به هدف خود نزدیک تر شده ایم. اما مقدمات این کار بسیار دشوار است.