- 0 گفتگو
-
این ویکی
خانه
هوش مصنوعی به هوشی که یک ماشین از خود نشان میدهد و یا به دانشی در کامپیوتر که سعی در ایجاد آن دارد گفته میشود. بیشتر نوشتهها و مقالههای مربوط به هوش مصنوعی آن را "دانش شناخت و طراحی عامل های هوشمند [۱]" تعریف کردهاند. یک عامل هوشمند سیستمی است که با شناخت محیط اطراف خود, شانس موفقیت خود را بالا میبرد.[۲] جان مکارتی که واژه هوش مصنوعی را در سال ۱۹۵۶ استفاده نمود, آن را «دانش و مهندسی ساخت ماشینهای هوشمند» تعریف کردهاست. تحقیقات و جستجوهایی انجام شده برای رسیدن به ساخت چنین ماشینهایی مرتبط با بسیاری از رشتههای علمی دیگر میباشد، مانند علوم رایانه، روانشناسی، فلسفه، عصب شناسی، علوم ادراکی، تئوری کنترل، احتمالات، بهینه سازی و منطق.
فهرست مندرجات |
تاریخچه 
ویرایش
هوش مصنوعی پیش از بوجود آمدن علوم الکترونیک، توسط فلاسفه و ریاضی دانانی نظیر بول (Boole)[۳] که اقدام به ارائه قوانین و نظریههایی در باب منطق نمودند، مطرح شده بود. در سال ۱۹۴۳، با اختراع رایانههای الکترونیکی، هوش مصنوعی، دانشمندان را به چالشی بزرگ فراخواند. بنظر میرسید، فناوری در نهایت قادر به شبیهسازی رفتارهای هوشمندانه خواهد بود.
با وجود مخالفت گروهی از متفکرین با هوش مصنوعی که با دیده تردید به کارآمدی آن مینگریستند تنها پس از چهار دهه، شاهد تولد ماشینهای شطرنج باز و دیگر سامانههای هوشمند در صنایع گوناگون هستیم.
نام هوش مصنوعی در سال ۱۹۶۵ میلادی به عنوان یک دانش جدید ابداع گردید. البته فعالیت درزمینه این علم از سال ۱۹۶۰ میلادی شروع شدهبود.(مرجع۱)
بیشتر کارهای پژوهشی اولیه در هوش مصنوعی بر روی انجام ماشینی بازیها و نیز اثبات قضیههای ریاضی با کمک رایانهها بود. در آغاز چنین به نظر میآمد که رایانهها قادر خواهند بود چنین اموری را تنها با بهره گرفتن از تعداد بسیار زیادی کشف و جستجو برای مسیرهای حل مسئله و سپس انتخاب بهترین آنها به انجام رسانند.
اين اصطلاح(هوش مصنوعی) برای اولين بار توسط جان مكارتی (John Mccorthy) كه از آن بهعنوان پدر «علم و دانش توليد ماشينهای هوشمند» یاد میشود استفاده شد. با اين عنوان میتوان به هويت هوشمند يک ابزار مصنوعی اشاره كرد. (ساختهٔ دست بشر، غير طبيعی، مصنوعی)
حال آنكه AI به عنوان يك اصطلاح عمومی پذيرفته شده كه شامل محاسبات هوشمندانه و تركيبی (مركب از مواد مصنوعی) میباشد.
از اصطلاح strong and weak AI میتوان تا حدودی برای معرفی ردهبندی سيستمها استفاده كرد. AI ها در رشتههای مشتركی چون علم كامپيوتر، روانشناسی و فلسفه مورد مطالعه قرار میگيرند، كه مطابق آن باعث ايجاد يک رفتار هوشمندانه، يادگيری و سازش میشود و معمولاً نوع پيشرفتهٔ آن در ماشينها و كامپيوترها استفاده میشود.
محققين هوش مصنوعی علاقهمند به تولید ماشينی هستند كه دستورات مورد نياز را به صورت هوشمندانه انجام دهد. به عنوان مثال قابلیت كنترل، برنامهريزی و زمانبندی، توانايی تشخيص جواب به سوال مصرف كننده،دست نويسها، زبان شناسی، سخنرانی و شناسايی چهره را داشته باشد. مطالعه بر روی يک AI دارد به يک رشتهٔ مهندسی تبديل میشود كه كانون مشروط است بر حل مشكلات زندگی واقعی، علم معدن كاری، نرم افزارهای كاربردی، استراتژی بازيها مثل بازی شطرنج و بازيهای ويدئويی يكی از بزرگترين مشكلات (سختیها) با AIها، قوهٔ درک آنها است.
تاحدی دستگاههای توليدشده میتوانند شگفتانگيز باشند، اما كارشناسان هوش مصنوعی ادعا میكنند كه ماشينهای هوشمند ساختهشده دارای درک واقعی و حقيقی نيستند.
''''متن پررنگ'== آزمون تیورینگ == آزمون تیورینگ یا تیورینگ تست (Turing test), آزمونی است که توسط آلن تیورینگ در سال 1950 در نوشته ای به نام "محاسبات ماشینی و هوشمندی" مطرح شد. کوشش این آزمون برای تشخیص درستی هوشمندی یک سیستم که سعی در شبیه سازی انسان دارد میباشد.[ ]
تعریف و طبیعت هوش مصنوعی ویرایش
هنوز تعریف دقیقی که مورد قبول همهٔ دانشمندان این علم باشد برای هوش مصنوعی ارائه نشدهاست، و این امر، به هیچ وجه مایهٔ تعجّب نیست. چرا که مقولهٔ مادر و اساسیتر از آن، یعنی خود هوش هم هنوز بطور همهجانبه و فراگیر تن به تعریف ندادهاست. در واقع، میتوان نسلهایی از دانشمندان را سراغ گرفت که تمام دوران زندگی خود را صرف مطالعه و تلاش در راه یافتن جوابی به این سؤال عمده نمودهاند که: هوش چیست؟
اما اکثر تعریفهایی که در این زمینه ارایه شدهاند بر پایه یکی از ۴ باور زیر قرار میگیرند:
- سیستمهایی که به طور منطقی فکر میکنند
- سیستمهایی که به طور منطقی عمل میکنند
- سیستمهایی که مانند انسان فکر میکنند
- سیستمهایی که مانند انسان عمل میکنند(مرجع۱)
شاید بتوان هوش مصنوعی را این گونه توصیف کرد:«هوش مصنوعی عبارت است از مطالعه این که چگونه کامپیوترها را میتوان وادار به کارهایی کرد که در حال حاضر انسانها آنها رابهتر انجام میدهند»(مرجع۲).
فلسفهٔ هوش مصنوعی ویرایش
الگو:اصلی بطور کلی ماهیت وجودی هوش به مفهوم جمع آوری اطلاعات، استقرا و تحلیل تجربیات به منظور رسیدن به دانش و یا ارایه تصمیم میباشد. در واقع هوش به مفهوم به کارگیری تجربه به منظور حل مسائل دریافت شده تلقی میشود. هوش مصنوعی علم و مهندسی ایجاد ماشینهایی با هوش با به کارگیری از کامپیوتر و الگوگیری از درک هوش انسانی و یا حیوانی و نهایتاً دستیابی به مکانیزم هوش مصنوعی در سطح هوش انسانی میباشد.
در مقایسه هوش مصنوعی با هوش انسانی میتوان گفت که انسان قادر به مشاهده و تجزیه و تحلیل مسایل در جهت قضاوت و اخذ تصمیم میباشد در حالی که هوش مصنوعی مبتنی بر قوانین و رویههایی از قبل تعبیه شده بر روی کامپیوتر میباشد. در نتیجه علی رغم وجود کامپیوترهای بسیار کارا و قوی در عصر حاضر ما هنوز قادر به پیاده کردن هوشی نزدیک به هوش انسان در ایجاد هوشهای مصنوعی نبودهایم.
بطور کلّی، هوش مصنوعی را میتوان از زوایای متفاوتی مورد بررسی و مطالعه قرار داد. مابین هوش مصنوعی به عنوان یک هدف، هوش مصنوعی به عنوان یک رشته تحصیلی دانشگاهی، و یا هوش مصنوعی به عنوان مجموعهٔ فنون و راه کارهایی که توسط مراکز علمی مختلف و صنایع گوناگون تنظیم و توسعه یافتهاست باید تفاوت قائل بود.
هوش مصنوعي و هوش انسانيویرایش
براي شناخت هوش مصنوعي شايسته است تا تفاوت آن را با هوشانساني به خوبي بدانيم. مغز انسان از ميلياردها سلول يا رشته عصبيدرست شده است و اين سلولها به صورت پيچيدهاي به يكديگرمتصلاند. شبيهسازي مغز انسان ميتواند از طريق سختافزار يا نرمافزارانجام گيرد. تحقيقات اوليه نشان داده است شبيهسازي مغز، كاريمكانيكي و ساده ميباشد. براي مثال، يك كرم داراي چند شبكه عصبياست. يك حشره حدود يك ميليون رشته عصبي دارد و مغز انسان ازهزار ميليارد رشته عصبي درست شده است. با تمركز و اتصال رشتههايعصبي مصنوعي ميتوان واحد هوش مصنوعي را درست كرد.
هوش انساني بسيار پيچيدهتر و گستردهتر از سيستمهاي رايانهاياست و توانمنديهاي برجستهاي مانند: استدلال، رفتار، مقايسه، آفرينشو بكار بستن مفهومها را دارد.
هوش انساني توان ايجاد ارتباط ميان موضوعها و قياس ونمونه سازيهاي تازه را دارد. انسان همواره قانونهاي تازهاي ميسازد و ياقانون پيشين را در موارد تازه بكار ميگيرد. توانايي بشر در ايجادمفهومهاي گوناگون در دنياي پيرامون خود، از ويژگيهاي ديگر اوست.مفهومهاي گستردهاي همچون روابط علت و معلولي، رمان و يامفهومهاي سادهتري مانند گزينش وعدههاي خوراك (صبحانه، ناهار وشام) را انسان ايجاد كرده است. انديشيدن در اين مفهومها و بكاربستنآنها، ويژه رفتار هوشمندانه انسان است.
هوش مصنوعي در پي ساخت دستگاههايي است كه بتوانندتوانمندهاي ياد شده (استدلال، رفتار، مقايسه و مفهوم آفريني) را از خودبروز دهند. آنچه تاكنون ساخته شده نتوانسته است خود را به اين پايهبرساند، هر چند سودمنديهاي فراواني به بار آورده است.
نكته آخر اينكه، يكي از علل رويارويي با مقوله هوش مصنوعي،ناشي از نامگذاري نامناسب آن ميباشد. چنانچه جان مككارتي در سال1956 ميلادي آن را چيزي مانند «برنامهريزي پيشرفته» ناميده بود شايد جنگ و جدلي در پيرامون آن رخ نميداد.
اطاق چینی ویرایش
اطاق چینی بحثی است که توسط "جان سیرل" در 1980 مطرح شد در این راستا که یک ماشین سمبل گرا هرگز نمیتواند دارای ویژگی هایی مانند "مغز" و یا "فهمیدن" باشد, صرف نظر از اینکه چقدر از خود هوشمندی نشان دهد.
مدیریت پیچیدگی ویرایش
ایجاد و ابداع فنون و تکنیکهای لازم برای مدیریّت پیچیدگی را باید به عنوان هستهٔ بنیادین تلاشهای علمی و پژوهشی گذشته، حال، و آینده، در تمامی زمینههای علوم رایانه، و به ویژه، در هوش مصنوعی معرّفی کرد. شیوهها و تکنیکهای هوش مصنوعی، در واقع، برای حلّ آن دسته از مسائل به وجود آمدهاست که به طور سهل و آسان توسط برنامهنویسی تابعی (Functional programming)، یا شیوههای ریاضی قابل حلّ نبودهاند.
در بسیاری از موارد، با پوشانیدن و پنهان ساختن جزئیّات فاقد اهمّیّت است که بر پیچیدگی فائق میآییم و میتوانیم بر روی بخشهایی از مسئله متمرکز شویم که مهمتر است. تلاش اصلی در واقع، ایجاد و دستیابی به لایهها و ترازهای بالاتر از هوشمندی تجرید را نشانه میرود، تا آنجا که، سرانجام برنامههای کامپوتری درست در همان سطحی کار خواهند کرد که خود انسانها رسیده اند.
به یاری پژوهشهای گسترده دانشمندان علوم مرتبط، هوش مصنوعی تاکنون راه بسیاری پیمودهاست. در این راستا، تحقیقاتی که بر روی توانایی آموختن زبانها انجام گرفت و همچنین درک عمیق از احساسات، دانشمندان را در پیشبرد این دانش کمک زیادی کردهاست. 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 توانایی تعمیم تجربیات قدیمی خود در شرایط مشابه جدید را داشته و به این ترتیب اقدام به گسترش دامنه دانش و تجربیاتش کند.
برای نمونه روباتیی هوشمند که بتواند اعضای بدن خود را به حرکت درآورد، این روبات نسبت به این حرکت خود آگاه بوده و با آزمون و خطا، دامنه حرکت خود را گسترش میدهد و با هر حرکت موفقیت آمیز یا اشتباه، دامنه تجربیات خود را وسعت بخشیده و سر انجام راه رفته و یا حتی میدود و یا به روشی برای جابجا شدن دست مییابد، که سازندگانش برای او متصور نبودهاند.
هر چند نمونه بالا ممکن است کمی آرمانی به نگر برسد، ولی به هیچ عنوان دور از دسترس نمیباشد. دانشمندان, عموماً برای تولید چنین ماشینهایی، از وجود مدلهای زنده ای که در طبیعت وجود، به ویژه آدمی نیز سود برده اند.
هوش مصنوعی اکنون در خدمت توسعه علوم رایانه نیز میباشد. زبانهای برنامه نویسی پیشرفته، که توسعه ابزارهای هوشمند را ممکن ساخته اند, پایگاههای دادهای پیشرفته، موتورهای جستجو، و بسیاری نرمافزارها و ماشینها از نتایج پژوهش هایی در راستای هوش مصنوعی بوده اند.
تکنیکها وزبانهای برنامه نویسی هوش مصنوعی ویرایش
عملکرد اولیه برنامه نویسی هوش مصنوعی ایجاد ساختار کنترلی مورد لزوم برای محاسبه سمبولیک است زبانهای برنامه نویسی LISP,PROLOG علاوه بر اینکه از مهمترین زبانهای مورد استفاده در هوش مصنوعی هستند خصوصیات نحوی ومعنایی انها باعث شده که انها شیوه ها وراه حل های قوی برای حل مسئله ارایه کنند. تاثیر قابل توجه این زبانها بر روی توسعه AI از جمله توانایی های انها بعنوان"ابزارهای فکرکردن"می باشد . در حقیقت همانطور که هوش مصنوعی مراحل رشد خود را طی می کند زبانهای LISP,PROLOGبیشتر مطرح می شوند این زبانها کار خود را در محدوده توسعه سیستم های AIدر صنعت ودانشگاه ها دنبال می کنند وطبیعتا" اطلاعات در مورد این زبانها بعنوان بخشی از مهارت هر برنامه نویس AIمیباشد. PROLOGیک زبان برنامه نویسی منطقی است .یک برنامه منطقی دارای یک سری ویژگیهای قانون ومنطق است . در حقیقت خود این نام از برنامه نویسی PROدر LOGIC میآید . در این زبان یک مفسر برنامه را بر اساس یک منطق می نویسد .ایده استفاده توصیفی محاسبه ی اولیه برای بیان خصوصیات حل مسئله یکی از محوریتهای مشارکت PROLOGمی باشد که برای علم کامپیوتر بطورکلی وبطور اخص برای زبان برنامه نویسی هوشمند مورد استفاده قرار می گیرند . LISP اصولا" LISP یک زبان کامل است که دارای عملکردها ولیست های لازمه برای توصیف عملکردهای جدید, تشخیص تناسب وارزیابی معانی می باشد LISP به برنامه نویس قدرت کامل برای اتصال به ساختارهای اطلاعاتی را می دهد گر چه LISP یکی از قدیمی ترین ترین زبانهای محاسباتی است که هنوز فعال است ولی دقت کافی در برنامه نویسی وطراحی توسعه باعث شده 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 شده اند :مثل . FP,ML, SCHEME یکی از مهمترین برنامه های مرتبط با LISP برنامه SCHEME می باشد که یک تفکر دوباره در باره زبان در آن وجود دارد که بوسیله توسعه AI وبرای آموزش واصول علم کامپیوتر مورد استفاده قرار می گیرد.
عاملهای هوشمند ویرایش
عاملها (Agents) قادر به شناسایی الگوها، و تصمیم گیری بر اساس قوانین فکر کردن خود میباشند. قوانین و چگونگی فکر کردن هر عامل در راستای دستیابی به هدفش، تعریف میشود. این سیستمها بر اساس قوانین خاص خود فکر کرده و کار خودرا به درستی انجام میدهند. پس عاقلانه رفتار میکنند، هر چند الزاما مانند انسان فکر نمیکنند.
==سیستمهای خبره== الگو:اصلی
سیستمهای خبره زمینهای پرکاربرد در هوش مصنوعی و مهندسی دانش است که با توجّه به نیاز روز افزون جوامع بر اتخاذ راه حلها و تصمیمات سریع در مواردی که دانشهای پیچیده و چندگانهٔ انسانی مورد نیاز است، بر اهمیت نقش آنها افزوده هم میشود. سیستمهای خبره به حل مسائلی میپردازند که به طور معمول نیازمند تخصّصهای کاردانان و متخصّصان انسانیست. به منظور توانایی بر حل مسائل در چنین سطحی (ترازی)، دسترسی هرچه بیشتر اینگونه سامانهها به دانش موجود در آن زمینه خاص ضروری میگردد.متن پررنگ
سيستمهاي خبره، برنامههاي كاميپوتري هوشمندي هستند كه دانشو روشهاي استنباط و استنتاج را بكار ميگيرند تا مسائلي را حل كنند كهبراي حل آنها به مهارت انساني نياز است.
سيستمهاي خبره كاربر را قادر به مشاوره با سيستمهاي كامپيوتريدر مورد يك مسئله و يافتن دلايل بروز مسئله و راهحلهاي آن ميكند.در اين حالات مجموعه سختافزار و نرمافزار تشكيل دهنده سيستمخبره، مانند فرد خبره اقدام به طرح سئوالات مختلف و دريافتپاسخهاي كاربر، مراجعه به پايگاه دانش (تجربيات قبلي) و استفاده ازيك روش منطقي براي نتيجهگيري و نهايتا ارائه راهحل مينمايد.همچنين سيستم خبره قادر به شرح مراحل نتيجهگيري خود تا رسيدن بههدف)چگونگي نتيجهگيري(و دليل مطرح شدن يك سئوال اجرايي)روش حركت تا رسيدن به هدف(خواهد بود.
سيستمهاي خبره برخلاف سيستمهاي اطلاعاتي كه بر روي دادهها(Data) عمل ميكنند، بر دانش (Knowledge) متمركز شده است. همچنين دريك فرآيند نتيجهگيري، قادر به استفاده از انواع مختلف دادهها )عدديDigital، نمادي Symbolic و مقايسهاي Analoge( ميباشند. يكي ديگر ازمشخصات اين سيستمها استفاده از روشهاي ابتكاري (Heuristic) به جايروشهاي الگوريتمي ميباشد. اين توانايي باعث قرار گرفتن محدودوسيعي از كاربردها در برد عملياتي سيستمهاي خبره ميشود. فرآيندنتيجهگيري در سيستمهاي خبره بر روشهاي استقرايي و قياسي پايهگذاريشده است. از طرف ديگر اين سيستمها ميتوانند دلايل خود در رسيدنبه يك نتيجهگيري خاص و يا جهت و مسير حركت خود به سوي هدفرا شرح دهند. با توجه به توانايي اين سيستمها در كار در شرايط فقداناطلاعات كامل و يا درجات مختلف اطمينان در پاسخ به سئوالات مطرحشده، سيستمهاي خبره نماد مناسبي براي كار در شرايط عدم اطمينان(Uncertainty) و يا محيطهاي چند وجهي ميباشن6+50+د.
مزاياي سيستمهاي خبرهویرایش
مزاياي سيستمهاي خبره را ميتوان به صورت زير دستهبندي كرد:
1-افزايش قابليت دسترسي: تجربيات بسياري از طريق كامپيوتر دراختيار قرار ميگيرد و به طور سادهتر ميتوان گفت يك سيستم خبره،توليد انبوه تجربيات است.
2-كاهشهزينه:هزينهكسبتجربهبرايكاربربهطورزياديكاهشمييابد.
3-كاهش خطر: سيستم خبره ميتواند در محيطهايي كه ممكن استبراي انسان سخت و خطرناك باشد نيز بكار رود.
4-دائمي بودن: سيستمهاي خبره دائمي و پايدار هستند. بعبارتي مانندانسانها نميميرند و فنا ناپذيرند.
5-تجربيات چندگانه: يك سيستم خبره ميتواند مجموع تجربيات وآگاهيهاي چندين فرد خبره باشد.
6-افزايش قابليت اطمينان: سيستمهاي خبره هيچ وقت خسته وبيمار نميشوند، اعتصاب نميكنند و يا عليه مديرشان توطئه نميكنند، درصورتي كه اغلب در افراد خبره چنين حالاتي پديد ميآيد.
7-قدرت تبيين (Explanation): يك سيستم خبره ميتواند مسير و مراحلاستدلالي منتهي شده به نتيجهگيري را تشريح نمايد. اما افراد خبره اغلباوقات بدلايل مختلف (خستگي، عدم تمايل و…) نميتوانند اين عمل رادر زمانهاي تصميمگيري انجام دهند. اين قابليت، اطمينان شما را در موردصحيح بودن تصميمگيري افزايش ميدهد.
8-پاسخدهيسريع:سيستمهايخبره،سريعودراسرعوقتجوابميدهند.
9-پاسخدهي در همه حالات: در مواقع اضطراري و مورد نياز،ممكن است يك فرد خبره بخاطر فشار روحي و يا عوامل ديگر، صحيحتصميمگيري نكند ولي سيستم خبره اين معايب را ندارد.
10-پايگاه تجربه: سيستم خبره ميتواند همانند يك پايگاه تجربهعمل كند وانبوهي از تجربيات را در دسترس قرار دهد.
11-آموزش كاربر: سيستم خبره ميتواند همانند يك خودآموز هوش(Intelligent Tutor) عمل كند. بدين صورت كه مثالهايي را به سيستم خبرهميدهند و روش استدلال سيستم را از آن ميخواهند.
12-سهولت انتقال دانش: يكي از مهمترين مزاياي سيستم خبره،سهولت انتقال آن به مكانهاي جغرافيايي گوناگون است. اين امر برايتوسعهكشورهاييكه استطاعت خريد دانش متخصصانراندارند،مهماست.
منبع ویکی پدیا فارسی
خطای یادکرد: برچسب
<ref> وجود دارد اما برچسب <references/> پیدا نشد