Professional Documents
Culture Documents
2
فهرست مطالب
تاریخچه...............................................................................................................................................
4..............
هوش مصنوعی
چیست؟7................................................................................................................................
چالشهاي بنيادين هوشمصنوعي 9.............................................................................................................
شاخههاي علم هوش
12..................................................................................................................
مصنوعي
معرفی برخی از کاربردهای هوش مصنوعی 14...........................................................................................
سيستم های خبره (15...................................................................................... )Expert Systems
مزایای سیستمهای
خبره 17...........................................................................................................................
چند سیستم خبره
مشهور18.........................................................................................................................
منطق فازي(19............................................................................................................. )Fuzzy Logic
شبكههاي عصبي (21.................................................................................... )Neural Networks
الگوریتم
ژنتیک 23...........................................................................................................................................
بينايي ماشين (24............................................................................................. ) Machine Vision
پردازش زبانهای طبیعCی (26......................................................................................................... )NLP
تکنیکها و زبانهای برنامه نویسی هوش مصنوعی 29........................................................................ .
ویژگی های فلسفی هوش مصنوعي 31......................................................................................................
نتیجه
گیری 3..............................................................................................................................................
2
3
تاریخچه
تورینگ نتوانست پاسخ قطعی این پرسش ها را پیدا کند .اما برای یافتن پاسخ
مناسب در آینده یک راهبرد خالقانه پیشنهاد کرد:
آزمون بازی تقلید
4
تاریخچه -ادامه
در سCCال ۱۹۵ ۶جان مک کارتCCی ،یکCCی از نظریهپردازان پیشگام ایCCن
نظریCه در آCن زمان ،اصCطالح (هوشمنCد مصCنوعی) را براCی اولینبار در
نخستین کنفرانسی که به این موضوع اختصاص یافته بود ،به کار برد.
دانشمندان بعدا ایCن تاریCخ را بCه عنوان تاریCخ تولCد علCم هوش مصCنوعی
انتخاب کردند.
تقریبCCا در همان زمان جان فون نیومان نظریCCه بازیهCCا را معرفCCی کرد.
ایCCCن نظریCCCه نقCCCش موثری در پیشCCCبرد جنبههای نظری و علمCCCی هوش
مصنوعی داشت.
مككارتCي در آCن زمان معتقCد بود كCه ميتوان كاري كرد كCه ماشين نيز
هوشCي هماننCد هوش انسCاني داشتCه باشCد و LISPزبانCي اسCت كCه ميتوانCد
اين هوش را توصيف كند.
5
تاریخچه -ادامه
در سCال ۱۹۶ ۸آرتور سCرکالرک ،در رمان معروف
خود ،یعنCی اودیسCه فضایCی ۲۰۰ ۱اصCطالح (آزمون
ی تقلید ) سر زبانها انداخت.
تورینگ) را به جای (باز
6
هوش مصنوعی چیست؟
هنوز تعریCف دقیقCی کCه مورد قبول همCه دانشمندان ایCن علCم باشCد برای
هوش مصنوعی ارائه نشدهاست.
هوش مصCنوعی عبارت اسCت از مطالعCه ایCن کCه چگونCه کامپیوترهCا را
میتوان وادار بCه کارهایCی کرد کCه در حال حاضCر انسCانها آنهCا رابهتCر
انجام میدهند.
هوش مصCنوعي ،شاخهايسCت از علCم كامپيوتCر كCه ملزومات محاسCباتي
اعمالCCCي همچون ادراك ( ،)PerceptionاسCCCتدالل ( )reasoningو
يادگيري ( )learningرا بررسCCي كرده و سCCيستمي جهCCت انجام چنين
اعمالي ارائه ميدهد.
هوش مصCCنوعي ،مطالعCCه روشهايي اسCCت براي تبديل كامپيوتCCر بCCه
ماشيني كه بتواند اعمال انجام شده توسط انسان را انجام دهد.
7
هوش مصنوعی چیست؟ -ادامه
هوش مصCنویی علCم و مهندسCی ایجاد ماشینهایCی بCا هوش بCا بCه کارگیری
از کامپیوتCCر و الگوگیری از درک هوش انسCCانی و نهایتCCا دسCCتیابی بCCه
مکانیزم هوش مصنوعی در سطح هوش انسانی میباشد.
شیوههCا و تکنیکهای هوش مصCنوعی ،در واقCع ،برای حCل آCن دسCته از
مسCائل بCه وجود آمده اسCت کCه بCه طور سCهل و آسCان توسCط برنامهنویسCی
تابعCCی ( ،)Functional programmingیCCا شیوههای ریاضCCی قابCCل
حل نبودهاند.
روشهاي هوش مصCنوعي روشهايي هسCتند كCه بCه درد حوزههايي مCي
خورند كه مسائل آنها بهخوبي تعريف نميشوند.
هوش مصCنوعی کCه همواره هدف نهایCی دانCش رایانCه بودهاسCت ،اکنون در
خدمت توسعه علوم رایانه نیز است.
8
چالشهاي بنيادين هوشمصنوعي
آيا صCرف اينكCه ماشينCي بتوانCد نحوه صCحبت كردن انسCان را شبيهسCازي
كند ،به معني آن است كه هوشمند است؟
اين روبات را ژوزف وايزن بام ،يكCي ديگCر از پژوهشگران نامدار اين
حوزه اختراع كرد .اليزا در برخCCي مكالمات سCCاده ميتوانCCد طرف مقابCCل
خود را بCه اCشتباه بيندازد .طوري كCه مخاطCب ممكCن اسCت فكCر كنCد در حال
گCCپ زدن بCCا يك انسCCان اسCCت .البتCCه اليزا هنوز نتوانسCCته اسCCت آزمون
تورينگ را با موفقيت پشت سر بگذارد.
9
چالشهاي بنيادين هوشمصنوعي -ادامه
يكCCي از مشهورترين انتقادات در اين زمينCCه را فيلسCCوفي بCCه نام جان سيرل
( )John Searleمطرح كرده است.
سCيرل ابتدا نقCد خود درباره هوش ماشينCي را در 1980مطرح كرد و سCپس آCن
در مقاله كاملتري كه در 1990منتشر كرد ،بسط داد.
او معتقد است بحث هوشمندي ماشينهاي غيربيولوژيك اساسا ً بيربط است.
جان سیرل «بحث اتاق چيني» را برای اثبات ادعای خود بیان می کند.
انتقادات ديگري نيز به آزمون تورينگ وارد ميشود .ازجمله اينكه:
ممكCن اسCت يك ماشين هوشمنCد باشCد ،ولCي نتوانCد همچون انسCان ارتباط برقرار
كند.
دانCش پيشزمينCه يا آرشيو ذهنCي يك موجود هوشمنCد نقCش مؤثري در هوشمندي او
بازي ميكند.
10
شاخههاي
علم هوش مصنوعي
11
شاخههاي علم هوش مصنوعي
امروزه دانش مدرن هوش مصنوعي به دو دسته اصلي تقسيم ميشود:
«هوش مصنوعي سمبوليك يا نمادين» ()Symbolic AI
هوش سCCمبوليك ميكوشCCد سCCيستم و قواعCCد آCCن را در قالCCب سCCمبولها بيان كنCCد و بCCا نگاشCCت
اطالعات بCه سCمبولها و قوانين بCه حCل مسCئله بپردازد .در ميان معروفترين شاخههاي هوش
مصCCCCCنوعي سCCCCCمبوليك ميتوان بCCCCCه سCCCCCيستمهاي خCCCCCبره ( )Expert Systemsو
شبكههاي Bayesianاشاره كرد.
در هوش مصCنوعي پيوندگرا ،قواعCد از ابتدا در اختيار سCيستم قرار نميگيرد ،بلكCه سCيستم از
طريق تجربCه ،خودش قوانين را اسCتخراج ميكند .متدهاي ايجاد شبكههاي عصبي (Neural
)Networksو نيز بهكارگيري منطCق فازي ( )Fuzzy Logicو الگوريتCم ژنيتCك كCه بCا
استفاده از ايده تكامل دارويني و انتخاب طبيعي پيشنهاد شده ،در اين دسته قرار ميگيرند.
12
شاخههاي علم هوش مصنوعي -ادامه
13
معرفی برخی از کاربردهای
هوش مصنوعی
سيستم های خبره
منطق فازي
شبكههاي عصبي
الگوریتم ژنتیک
بينايي ماشين
پردازش زبانهای طبیعی
14
سيستم های خبره ()Expert Systems
سيستمهاي خبره ،برنامههاي كامپيوترياي هستند كه نحوه تفكر يك متخصص در
يك زمينه خاص را شبيهسازي ميكنند.
اين نرمافزارها ،الگوهاي منطقياي را كه يك متخصص بر اساس آنها
تصميمگيري ميكند ،شناسايي مينمايند و سپس بر اساس آن الگوها ،مانند
انسانها تصميمگيري ميكنند.
به محدوده اطالعاتي از الگوهاي خبرگي انسان كه به يك سيستم خبره منتقل
ميشود task domain ،گفته ميشود.
اين محدوده ،سطح خبرگي يك سيستم خبره را مشخص ميكند و نشان ميدهدكه
آن سيستم خبره براي چه كارهايي طراحي شده است.
سيستم خبره با اين taskها يا وظايف ميتواند كارهايي چون برنامهريزي،
زمانبندي ،و طراحي را در يك حيطه تعريف شده انجام دهد.
15
سيستم های خبره ( - )Expert Systemsادامه
16
ی خبره
ی سیستمها
مزایا
افزایش قابلیت دسترس
کاهشهزینه
ت اطمینان
افزایش قابلی
ن ()Explanation
قدرت تبیی
پاسخدهیسریع
17
چند سیستم خبره مشهور
ريوي
بCCCيماريهاي .
آزمايشهايتCCCنفسيو تCCCشخيص
: Centaur بCCCررسي
18
منطق فازي()Fuzzy Logic
تئوري مجموعههاي فازي و منطCCCCCق فازي را اولين بار پرفسCCCCCور
لطفيزاده در سال 1965معرفي نمود.
منطCق فازي بCه سCيستمهايي اشاره دارد كCه بCه جاي مقادير “درسCت” و
“نادرسCت” كCه در محيطهاي ديجيتال طبيعيترنCد ،ميتواننCد بCا سCطوح
متغير قطعيت كار كنند.
تئوري مجموعههاي فازي مفهوم عضویCCت باینری عناصCCر را بسCCط
ميدهد و عضويت درجهبندي شده را مطرح ميكند.
19
منطق فازي( - )Fuzzy Logicادامه
جالبترين كاربرد منطCق فازي ،تفسCيري اسCت كCه اين علCم از سCاختار
تصCميمگيريهاي موجودات هوشمنCد ،و در راس آنهCا ،هوش انسCاني،
به دست ميدهد.
شايد يكCي از جالبترين كاربردهاي منطCق فازي هوش مصCنوعي در
بازيهاي رايانهاي و جلوههاي ويژه سينمايي باشد.
منطCCCق فازي در هوشمنCCCCد سCCCCاختن روباتهاي سCCCCختافزاري نيز
كاربردهاي زيادي دارد.
20
شبكههاي عصبي (Neural
)Networks
شبكههاي عصCبي را ميتوان بCا اغماض زياد ،مدلهاي الكترونيكCي از سCاختار
عصبي مغز انسان ناميد.
مكانيسم فراگيري و آموزش مغز اساسا ً بر تجربه استوار است.
مدلهاي الكترونيكCي شبكههاي عصCبي طCبيعي نيز بر اسCاس همين الگCو بنCا
شدهانCد و روش برخورد چنين مدلهايي بCا مسCائل ،بCا روشهاي محاسCباتي كCه
بهطور معمول توسCCط سCCيستمهاي كامپيوتري در پيش گرفتCCه شدهانCCد ،تفاوت
دارد.
شبكههاي عصCبي شبيهسCازي شده يا كامپيوتري ،فقCط قادرنCد تCا بخCش كوچكCي
از خصCوصيات و ويژگيهاي شبكههاي عصCبي بيولوژيك را شبيهسCازي كنند.
در حقيقCCCت ،هدف از ايجاد يك شبكCCCه عصCCCبي نرمافزاري ،بيش از آنكCCCه
شبيهسCازي مغCز انسCان باشCد ،ايجاد مكانيسCم ديگري براي حCل مسCائل مهندسCي
با الهام از الگوي رفتاري شبكههاي بيولوژيك است.
21
شبكههاي عصبي ( - )Neural Networksادامه
23
بينايي ماشين () Machine Vision
24
بينايي ماشين (-) Machine Vision
کاربرCدها
کنترل کیفیت خط تولید
25
پردازش زبانهای طبیعی ()NLP
26
پردازش زبانهای طبیعی ( -)NLPادامه
27
پردازش زبانهای طبیعی ( -)NLPادامه
LISP
PROLOG
29
تکنیکها و زبانهای برنامه نویسی هوش
مصنوعی
31
:نتیجه گیری
32
33