پنج شنبه 31 خرداد 1397 | Thursday 21 st of June 2018 صفحه اصلی گروه الکترونیکی کامپیوتر
5-1- مفاهیم و تعاریف هوش مصنوعی

در برخی از تصمیم­گیریها، پشتیبانی توسط داده­ها و مدیریت  مدل، ممکن است به تنهایی کافی نباشد  .  در این شرایط سیستم، نیاز به دانش یک فرد متخصص دارد. برای پشتیبانی شرایط تصمیم­گیری، که نیاز به تخصص دارند، چندین فن­اوری هوشمند می­توانند مورد استفاده قرار گیرند.  همه این فناوری­ها، استفاده  از دانش  کیفی و نه مدل­های ریاضی را،  به منظور ارائه پشتیبانی لازم به سیستم، فراهم می­کنند. به زمینه فن­اوری این برنامه­ها هوش مصنوعی گفته می­شود.

تعاریف  هوش مصنوعی  :

هوش مصنوعی، زمینه­ای از علم کامپیوتر است که شامل تعاریف بسیاری است. یک تعریف از             هوش مصنوعیبه این ترتیب است:هوش مصنوعی رفتاری از یک ماشین است که اگر توسط انسان انجام شود باهوش خوانده می­شود. تعریف دیگری، توسط ریچ و نایت(1991) نیز بیان شده است: هوش مصنوعی مطالعه چطور ساختن کامپیوتر برای انجام کارهای بهتر  انسان در هر لحظه است.الن تورینگ (1950) ازمونی را ارائه داد، که به کمک ان می­توان تعریف عملیاتی رضایت بخشی از هوشمندی یک سیستم عرضه کرد. طبق این ازمون، اگر پس از طرح چند سوال کتبی توسط پرسش­گر از کامپیوتر، شخص نتواند تعیین کندکه پاسخ­های مکتوب توسط انسان داده شده است یا ماشین، کامپیوتر در ازمون قبول شده است.

ضربه  کامپیوتر هوشمند  به  استاد  بزرگ  شطرنج: در سال 1997، ابی­ژرف[1]، یک سیستم کامپیوتری مسلح به هوش مصنوعی ،  قهرمان  روسی  شطرنج جهان،گری کاسپاروف را در شش بازی  شکست داد. این اولین مرتبه­ای بود که یک کامپیوتر ثابت کرد  هوشمندی ان در یک زمینه همانند هوشمندی انسان است. اولین مسابقه بین ابی­ژرف و کاسپاروف  در سال  1996  اتفاق افتاد، و ابی­ژرف در  ان زمان  برنده مسابقه بود. گرچه برنده شدن کامپیوتر  قطعی نبود اما کامپیوتر هوشمند برنده شد و نشان داد که پتانسیل هوش مصنوعی  بخصوص در زمینه پشتیبانی تصمیم، بسیار بالا است . کامپیوترهای مجهز به استدلال هوشمندانه  قادر خواهند بود به مدیران،کمک کنند تا کمترین ریسک  و بیشترین کارایی را داشته باشند .

صفات هوش مصنوعی

اگرچه هدف نهایی هوش مصنوعی  ساخت ماشین­هایی است که از انسان  هوشمند تقلید کنند و قادر باشند    محصولات تجاری  را تولید کنند. ولی هیچ موفقیت قابل توجهی  در توانایی  هوش مصنوعی فعلی بدست نیاورد. برنامه­های هوش مصنوعی  به طور مستمر بهبود می­یابند و به کمک، خودکار­سازی کارهایی که        انسان­های هوشمند انجام می­دهند، بهره­وری وکیفیت را افزایش می­دهند. در ادامه برخی از تکنیک­های       هوش مصنوعی را بررسی می­کنیم.

پردازش نمادین

پردازش  نمادین مشخصه اساسی هوش مصنوعی است ، همانطور که در تعریف زیر منعکس شده : هوش مصنوعی شاخه­ای از علم کامپیوتر است، که در درجه اول از رفتار نمادین با روش­های  غیر الگوریتمی  در حل مسائل، استفاده می­کند .این  تعریف در دو حالت قابل بررسی است:

  • عددی در مقابل  نمادین؛ کامپیوترها در اصل با پردازش عددی طراحی شده بودند. اما به نظر می­رسد در مسائلی استفاده از نمادها مناسب­تر از اعداد، باشد .  بنابراین  پردازش نمادین در هوش مصنوعی بنا شده است. این موضوع به این معنی نیست که هوش مصنوعی درگیر ریاضیات نمی­شود  بلکه تاکید هوش مصنوعی، کار بر روی نمادها است.
  • الگوریتمی در مقابل هیوریستیک؛الگوریتم، یک پردازش گام به گام ، است که با نقاط  شروع و پایان  تعریف شده و حل یک مسئله را تضمین می­کند. اغلب معماری کامپیوتر، با نگرش گام به گام ، طراحی شده است. ولی انسانها به استدلال و پردازش غیر الگوریتمی، فکر می­کنند.  به عبارت دیگر فعالیت ذهنی انسان، شامل چیزی بیشتر از یک پردازش گام به گام منطقی می­باشد. تفکر انسان بیشتر بر قواعد اموخته شده از تجربه­های قبلی و حس درونی، تکیه  دارد .

یادگیری  ماشینی  :

اموزش قابلیت مهم  برای انسان است . سیستم­های هوش مصنوعی  قابلیت انسانها را در امر یادگیری ندارند . اما توانایی یادگیری مکانیکی را،که  موسوم به یادگیری ماشینی است، را دارند. یادگیری به سیستم  اجازه       می­دهد تا رفتارش را تنظیم کند و در مقابل تغییرات خارج از محیط واکنش نشان دهد. روش­های یادگیری ماشینی زیادی، برای توسعه سیستم­های هوشمند وجود دارد که شامل  یادگیری قیاسی،  شبکه­های عصبی هوشمند و الگوریتم­های ژنتیک می­باشند.

تکامل هوش مصنوعی  

 توسعه هوش مصنوعی  شامل چهار مرحله اصلی است.گروهی از  بزرگترین دانشمندان علم کامپیوتر در  کالج دورتموند، گرد هم امدند، تا  پتانسیل کاربردهای کامپیوتر را افزایش دهند. انها  مطمئن بودند که  کامپیوترها  قدرت محاسبه زیادی دارند و قادر خواهند بود تا مسائل پیچیده­ای را که خارج از توانایی انسانها هستند را، حل کنند. بسیاری از راه­حل­هایی که در ان زمان ایجاد شد ، ابتدایی بودند و از این رو  به انها        (راه­حل­های  مبتدی و ساده) گفته می­شد .

بعد از چندین سال ازمون و خطا، دانشمندان  بر توسعه  بیشتر روش­های حل مسئله مفید، مانند دانش      طرح نمایش، استراتژی­های مستدل و روش­های جستجوی هیوریستیک مفید، تمرکز کردند. از انجایی که ویژگی این مرحله، توسعه روش­های همه منظوره است،  این روش به نام (روش مرحله عمومی) نامیده شد.     پس از ساخت روش­های عمومی  به اندازه کافی، شروع به اعمال انها، در برنامه­ها و کاربردهای  دنیای واقعی کردند .  در این مرحله کاربردها  نسبت به قبل که همه چیز را در مورد حل مساله می­دانستیم، بسیار مشکل­تر بودند.  بنابراین اغلب برنامه­های کاربردی در یک دامنه با دقت تعریف شده  و با دانش تخصصی بررسی شدند. سیستم­هایی از این نوع را  سیستم­های خبره نامیدند. ویژگی این سیستم­ها، این است که دستیابی به               دانش تخصصی، نقش کلیدی در توسعه این سیستم­ها دارد، این مرحله را، مرحله دانش  می­نامیم. به طورکلی هوش مصنوعی،  مجموعه­ای از مفاهیم و عقاید برای توسعه سیستم­های هوشمند است. این مفاهیم  و عقاید ممکن است در زمینه­های مختلف توسعه داده شود  و در دامنه­های متفاوت اعمال شود.


[1]deep blue

Compatability by:
آخرین به روز رسانی سایت: سه شنبه, 22 اسفند 1391 - 00:26