مطالب علمی,تاریخی و هرچی که بخوای.........
وبلاگی پر از مطالب علمی,تاریخی و...
 
 
سه شنبه 20 بهمن 1388 :: نویسنده : رادین گودرزی
تعریف و طبیعت هوش مصنوعی

هنوز تعریف دقیقی که مورد قبول همه دانشمندان این علم باشد برای هوش مصنوعی ارائه نشده‌است، و این امر، به هیچ وجه مایه? تعجّب نیست. چرا که مقوله 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  باور زیر قرار می‌گیرند:

 

سیستم‌هایی که به طور منطقی فکر می‌کنند 1

سیستم‌هایی که به طور منطقی عمل می‌کنند 2

سیستم‌هایی که مانند انسان فکر می‌کنند 3

سیستم‌هایی که مانند انسان عمل می‌کنند 4

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»

 

محققین هوش مصنوعی علاقه‌مند به تولید ماشینی هستند که دستورات مورد نیاز را به صورت هوشمندانه انجام دهد. به عنوان مثال قابلیت کنترل، برنامه‌ریزی و زمان‌بندی، توانایی تشخیص جواب به سوال مصرف کننده،دست نویس‌ها، زبان شناسی، سخنرانی و شناسایی چهره را داشته باشد. مطالعه بر روی یک AI دارد به یک رشتهمهندسی تبدیل می‌شود که کانون مشروط است بر حل مشکلات زندگی واقعی، علم معدن کاری، نرم افزارهای کاربردی، استراتژی بازیها مثل بازی شطرنج و بازیهای ویدئویی یکی از بزرگ‌ترین مشکلات (سختی‌ها) با AIها، قوهدرک آنها است.

 

تاحدی دستگاه‌های تولیدشده می‌توانند شگفت‌انگیز باشند، اما کارشناسان هوش مصنوعی ادعا می‌کنند که ماشینهای هوشمند ساخته‌شده دارای درک واقعی و حقیقی نیستند.

 

 

--مشاهده رفتاری هوشمندانه و صحیح از یك سیستم را نمی توان دلیلی كافی بر هوشمندی آن سیستم تصوركرد بلكه بایستی به ساختار داخلی و مكانیزم انتخاب راه توسط سیستم توجه شود كه آیا مبتنی بر آگاهی خود سیستم است یا نه و این آگاهی زمانی میسر خواهد بود كه سیستم خود قابلیت تحلیل اطلاعات در یافتی از محیط را داشته باشد و بتواند رابطه های معنی داری بین علت و معلول ما بین اتفاقات محیطی ایجاد كند و در واقع قادر به ایجاد مدلی هر چند غیر دقیق بر پایه مشاهدات خود از محیط باشد سپس سیستم ایده ارزشمندی از نظرگاه خود تولید بكند و بعنوان خواسته و هدفی سعی در پیاده سازی آن بكند یعنی در پی پیدا كردن و اتصال ابزارهای مناسبی به آن هدف باشد تا بتواند آلگوریتم عملیاتی برای برآورد آن خواسته تولید نماید.

 

فلسفه هوش مصنوعی

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 مجموعه فنون و راه کارهایی که توسط مراکز علمی مختلف و صنایع گوناگون تنظیم و توسعه یافته‌است باید تفاوت قائل بود.

 

تجربه های بدست آمده

 

طراحی ماشین با توانایی های خاص خیلی سخت تر از فرضیات اولیه دانشمندان است. خیلی کارها که در ابتدا ساده بنظر می رسند، موارد دقیق و عمیقی در خود دارند. برای مثال "دیدن" فقط تشخیص اشیا نیست، بیکه شامل ایجاد احساس و درک محیط و درک امن و یا نا امن بودن آن میباشد.

همچنین توانایی فهم زبانی مانند انگلیسی، فرانسه و یا فارسی خیلی پیچیده تر از آن است که محققان فکر کردند. استفاده از زبانهای برنامه نویسی مثل C و C++ و Java نیز خیلی دست و پا گیر است.

ما امروزه میدانیم که حتی افراد کودن هم به مراتب از ماشینهایی که امروزه طراحی شده اند پیشرفته تر و آگاه تر هستند. به هیچ رباتی نمیشود اطمینان داشت که برود و ظروف را از روی میز جمع کند، بشوید و در جاظرفی بچیند و همه این کارها را بدرستی انجام دهد. درحالی که همان افراد کودن هم این کارها را براحتی انجام میدهند.

امروزه این به اثبات رسیده که ماشینها قادر به انجام کارهایی هستند که در ابتدا برای محققان انجام آن توسط ماشینها سخت مینمود مانند

حساب کردن و شطرنج بازی کردن.

ما امروزه فهمیده ایم که خیلی از کارهای پیچیده انسان و حیوان مانند بالا رفتن از درخت و ساختن آشیانه، هوش بسیار بالا و دانش پیچیده ای نیاز دارد که تئوریهای ما هنوز آنها را پوشش نمی دهند. همچنین درک غرایز حیوانی نیز حتی در میان فلاسفه بسیار مشکل است.

بسیاری از محققین سعی میکنند که موارد فوق را بدرستی درک کنند و برای آنها مکانیسمهایی طراحی کنند. طراحی شبکه های عصبی و مترجمهای چند زبانه راهایی هستند که محققین برای رسیدن به این اهداف بزرگ پی گرفته اند. همچنین محققین در تلاشند روشهایی برای ساختن سیستمهای با مکانیزمی که بتواند انگیزه و احساس را دریافت و درک کند، میباشند.

بنابراین AI علاوه بر مطالعه بر روی درک و دریافت، تعلیم؛ یادگیری، احساسات، ارتباطات و غیره، زمینه های دیگر بخصوص فلسفه، منطق، روانشناسی و همچنین مهندسی نرم افزار و علم کامپیوتر را نیز مورد مطالعه قرار میدهد

................................................................................... زبان ، شناخت و خلاصه پردازی

 

توانایی شكل گیری خلاصه برداری از تجربیات از توانمند ترین و اساسی ترین توانائی های ذهن انسان است.

خلاصه پردازی به ما حس شناخت خانه های متفاوت را می دهد . یك تصویر ممكن است بیانی قوی تر از هزاران كلمه داشته باشد ، اما یك خلاصه مشخصاً بیان كنندة خصوصیات مهم یك كلیت از نوع تصویر است .

خلاصه سازی یكی از ابزارهای اساسی شناخت و ارزیابی كلیت های جهان اطراف ما و همچنین ساختار ذهنی ما است . در حقیقت این پروسه به طور مداوم براساس دانش و اطلاعات صورت می گیرد . دانش و اطلاعا نیز در لایه ها و بخش هایی از خلاصه پردازی ساخته می شود كه از مكانیسم هایی كه ساختار را فشرده ساخته و از حس اولیه به سمت یك سری تئوری های علمی سوق داده می شود و در نهایت بیشتر این ایده ها دربارة ایده های دیگر و نشأت گرفته از آنها می باشد .

................................................................................... انعطاف پذیر بودن كنترل

 

یكی از مشخصه های اساسی رفتار هوشمند قابلیت انعطاف پذیری آن می باشد .

یكی از مهمترین و در عین حال قدیمی ترین نمونه های مربوط به ساخت یك برنامه AI سیستم تولید می باشد.

بنــــابراین AI از یك تعداد متفاوتی ساختارهای كنترلی استفاده می كند كه بسیاری از انها مرتبط با سیستم های تولید می باشند و همه آنها تابع الگو می باشند . كنترل الگویی موجب می شود كه اطلاعات با توجه به نیاز به خصوصیات یك نوع مسئله خاص به كار گرفته شود. الگوی الگوریتم های انطباقی مثل به صورت واحد در آوردن باعث می شود كه بتواند تشخیص دهد كه چه موقع خصوصیات یك مسئله منطبق با یك برنامه اطلاعاتی است كه بر این اساس اطلاعات لازم برای كاربرد در مسئله را انتخاب می كند.

در PROLOG یكی كردن و جستجوی الگوریتم ها در درون خود زمان ساخته می شوند و قلب و اساس PROLOG را تشكیل می دهند .

LISP مستقیماً الگوی انطبقی ایجاد نمی كند اما محاسبات سمبولیك آن موجب گسترش ساده مربوط به زبان ساده ساختار الگوی منطق شونده و توصیف كننده اولیه ساختار می شود.

یكی از مزایای این نظریه این است كه الگوی تطبیق و كنترل ساختارهای همراه با آن ممكن است به سادگی برای تطبیق با نیازهای یك مسئله بخصوص خود را منطبق سازد.

اغلــــب نظـــریات فعلی در ارتباط با هوش مصنوعی همانند شبكه های عصبی عوامل تنظیم كننده و دیگر فرم های محاسبات ضروری ممكن است اجتناب از عملیات بر روی ساختارهای سمبولیك باشد.

ولی آنها نیاز به یك كنترل انعطاف پذیر را نفی نمی كنند. شبكه های عصبی می بایستی توانایی حركتی شكل گیری خودشان را داشته باشند . عوامل متكی به پیام هستند كه از بین ماحوبهای مختلف می گذرد.

پشتیبانی از روش های برنامه نویسی جستجویی.

مسائلی كه AI به آن مرتبط می باشد همیشه پاسخگوی یك چنین نظریه های مهندسی نرم افزار استاندارد كه شامل طراحی كامل و پردازش موفقیت آمیز و توسعه برنامه از خصوصیات و ویژگیهای دقیق است نمی تواند باشد. به دلیل طبیعت و ذات و نوع بخصوص AI به ندرت این احتمال به وجود می آید كه بتوان ویژگیهای درست و كاملی از شكل نهایی یك برنامه AI قبل از ساخت حداقل یك prototype بدست آورد. اغلب موارد شناخت مسئله برنامه مربوط می شود به حل موارد درگیر مسئله از طریق توسعه برنامه . دلایل آن عبارت است از :

1 – بیشتر مسائل AI اصولا مشخصه های ضعیفی دارند.

به دلیل اینكه پیچیدگی زیادی برای پشتیبانی از سطح اطلاعات لازم می باشد به ندرت احتمال مشاهده یك مسئله و تشخیص كامل بودن نظریه دقیق كه باید در جایگاه خودش باشد وجود دارد.

بهترین ساختارهای سطح نشانه ای كه در یك مسئله مورد استفاده قرار گیرند به ندرت در مشخصه های سطح دانش قرار می گیرند. این نوع پیچیدگی و نامفهومی خود را به روش های معمول مربوط به نرم افزارهای مهندسی مرتبط نمی دانند چون كه در این نوع برنامه ها لازمه اش این است كه مشخصه های مربوط به توسعه به خصوص مسئله قبل از اینكه مرحله كدبندی آغاز شود شكل می گیرد.

یك عملكرد منطقی خود ذاتا برای مشخصه ها و خصوصیات معمولش بسیار مشكل تر از عملكرد نوعی طبقه بندی لیست یا ایجاد یك فایل سیستم است .

2 – نظریاتی كه برای حل مسائل به آن پراخته می شود در محدوده بخصوصی قرار می گیرند.

گر چه چهار چوب های كلی برای حل مسائل AI وجود دارد ،بنابراین راه حل موفقیت آمیز مسئله به ندرت به طور كامل برای محدودیتهای جدید عمومیت و كاربرد دارد هر كاربرد تا حدودی یك نوع مسئله جدید می باشد .

3- ساختارها و اشكال بیان AIبه طور پیوسته باید توسعه و تجدید شود                      پایان                                                                 





نوع مطلب : کامپیوتر، 
برچسب ها :




درباره وبلاگ


با سلام.به شما دوست عزیز خوش آمد می گویم امیدوارم که از این وبلاگ و مطالبش خوشتان بیاید و بتوانید بهره ی کافی از این مطالب ببرید.لطف کنید به مطالب نظر بدهید.

باتشکر مدیر وبلاگ

مدیر وبلاگ : رادین گودرزی
نویسندگان
صفحات جانبی
نظرسنجی
تیم مورد علاقه شما کدام است













جستجو

آمار وبلاگ
کل بازدید :
بازدید امروز :
بازدید دیروز :
بازدید این ماه :
بازدید ماه قبل :
تعداد نویسندگان :
تعداد کل پست ها :
آخرین بازدید :
آخرین بروز رسانی :
Iranbloglist.com