آشنایی با هوش مصنوعی

صفحه 1:
۱ Denver eee ne ۱ oC ter race 1388 

صفحه 2:


صفحه 3:
عم مه تار یخجه رب * آلن تورینگ (4۱۹۵۰ یکی از بحث برانگیزترین پرسش‌های فلسفی تاریخ را ‎hang‏ ‏* آیا ماشین می‌تواند فکر کندو آیا یک کامپیوتر می‌تواند بازی تقلید را با موفقیت پشت سر بگذارد؟ * آيا ماشين می‌تواند از انسان چنان تقلید کند که در یک آزمون محاوره‌ای نتوانیم تفاوت انسان و ماشین را تشخیص دهیم * تورینگ نتوانست پاسخ قطعی اين يرسش ها را بيدا كند. اما براى يا مناسب در آينده يك راهبرد خلاقانه بيشنهاد كرد. آزمون بازى تقليد 

صفحه 4:
- اذامه در سال ۱۹۵۶ جان مک کارتی» یکی از نظریه‌پردازان پیشگام این نظریه در آنن زمان, اصطلاح (هوشمند مصنوعی) را برای اولین‌بار در نخستین کنفرانسی که به اين موضوع اختصاص یافته بود. به کار برد. دانشمندان بعدا اين تاريخ را به عنوان تاريخ تولد علم هوش مصنوعى انتخاب كردند. تقريبا در همان زمان جان فون نيومان نظريه بازىها را معرفى كرد. اين نظريه نقش موثرى در ييشبرد جنبههاى نظرى و علمى هوش مصنوعى داشت. مككارتى در ن زمان معتقد بود که می‌توان كارى كرد كه ماشين نيز هوشى همانند هوش انسانی داشته باشد و 9۳ أ زبانى است كه مىتواند اين هوش را AS ‏توصیف‎ 

صفحه 5:
تار یخحه - ادامه * در سال ۱۹۶۸ آرتور سرکلارک. در رمان معروف خود یعنی اودیسه فضایی ۱ اصطلاح (آزمون تورینگ) را به جای (بازی تقلید) سر زبان‌ها انداخت. همه کسانی که نخستین گام‌ها را در راه معرفی هوش مصنوعی برداشتند, یک هدف را در سرداشتند و لن رساندن سطح هوش ماشینی به سطح هوش انسانی بود. 

صفحه 6:
هوش مصنوعى جيست؟ 

صفحه 7:
هوش مصنوعى جيست * هنوز تعريف دقيقى كه مورد قبول همه دانشمندان ن اين علم باشد براى هوش مصنوعی ارائه نشده‌است. 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. هوش مصنوعی, شاخه‌ایست از علم کامپیوتر که ملزومات محاسباتی اعمالی ‎reasoning) jy. __.\ (Perception) S13) 5 ss‏ 3 يادكيرى (1831111179) را بررسى كرده و سيستمى جهت انجام جنين اعمالی ارائه می‌دهد. هوش مصنوعی. مطالعه روش‌هایی است برای تبدیل کامپیوتر به ماشینی که بتواند اعمال انجام شده توسط انسان را انجام دهد. 

صفحه 8:
هوش مصنوعى چیست؟ - اذامه ۰ هوش مصنویی علم و مهندسی ایجاد ماشینهایی با هوش با به کارگیری از کامپیوتر و الگوگیری از درک هوش انسانی و نهایتا دستیابی به مكانيزم هوش مصنوعی در سطح هوش انسانی میباشد. شیوه‌ها و تکنیک‌های هوش مصنوعی, در واقع. برای حل لن دسته از مسائل به وجود آمده است که به طور سهل و آسان توسط برنامه‌نویسی تابصی ‎J> LB Joby cleo b.(Functional programming)‏ نبود‌اند. روش‌های هوش مصنوعی روش‌هایی هستند که به درد حوزه‌هایی عی خورند که مسائل آن‌ها به خوبی تعریف نمی‌شوند. هوش مصنوعی که همواره هدف نهایی دانش رايانه بوده‌است اکنون در خدمت توسعه علوم رایانه نیز است. 

صفحه 9:
ف وام وب لقو هده % جالشهاى بنيادين هوش مصنوعى * آیا صرف این که ماشيني بتولند نحوه صحبت کردن انسان را شبیه‌سازی کند به معنی آن است که هوشمند است؟ * Chatter Bots : ELIZA * این روبات را ژوزف وایزن بام یکی دیگر از پژوهشگران نامدار این حوزه اختراع کرد. الیزا در برخی مکالمات ساده می‌تواند طرف مقابل خود را به اشتباه بیندازد. طوری که مخاطب ممکن است فکر کند در حال گپ زدن با یک انسان است. البته الیزا هنوز نتوانسته است آزمون تورینگ را با موفقیت پشت سر بگذارد. 

صفحه 10:
چالش‌های بنیادین هوش‌مصنوعی - ادامه ۶ یکی از مشهورترین انتقادات در ایبن زمینه را فیلسوفی به نام جان سیرل ‎Searle)‏ 0۱۳0 مطرح کرده است. سیرل ابتدا نقد خود درباره هوش ماشینی را در ۱۹۸۰ مطرح کرد و سپس در مقاله کامل‌تری که در ۱۹۹۰ منتشر کرد بسط داد. او معتقد است بحث هوشمندی ماشین‌های غیربیولوژیک اساسا بی‌ربط است. جان سیرل «بحث اتاق چینی» را برای اثبات ادعای خود بیان می کند. انتقادات دیگری نیز به آزمون تورینگ وارد می‌شود. ازجمله این ‎AS‏ *" ممکن است یک ماشین هوشمند باشد. ولی نتواند همچون انسان ارتباط برقرار کند. داز پیش‌زمینه یا آرشیو ذهنی یک موجود هوشمند نقش موّثری در هوشمندی او بازى مى كند. 

صفحه 11:
se Sigmoid Unit 

صفحه 12:
شاخه‌های علم هوش مصنوعی * امروزه دانش مدرن هوش مصنوعی به دو دسته اصلی تقسیم می‌شود: «هوش مصنوعی سمبولیک يا نمادین» (۸۵ ۳06/6 /5۷) "" هوش «غیرسمبولیک» یا «پیوندگرا: (۸۵ 6110۳ 20۳۳)) هوش سمبولیک می‌کوشد سیستم و قواعد آمن را در قالب سمبول‌ها بیان کند و با نگاشت اطلاعات به سمبول‌ها و قوانین به حل مسئله بپردازد. در ميان معروفترين شاخه‌های هوش مصنوعی سمبولیک می‌توان به سیستم‌های خبره 26061 5 و شبکه‌های(] ۵513 82۷ اناره کرد در هوش مصتوعى بيوندكراء قواعد از ابتدا در اختیار سیستم قرار نمی‌گیرد. ‎AS‏ ‏سیستم از طریق ت به. خودش قوانین را استخراج می‌کند. متدهای ایجاد شبکه‌های ‎FUZZy) 36 gas ¢ 5% 35 ,(Neura Networks) gee‏ و الگوریتم ژنیتک که با استفاده از ایده تکامل داروینی و انتخاب طبیعی پيشنهاد شده. در اين دسته قرار می‌گیرند. 

صفحه 13:
شاخه‌های علم هوش مصنوعی - اذامه * البنه هنكامى كه از كرايشهاى اين علم سخن مىكوييم؛ هرگز نباید از كرايشهاى تركيبى غفلت كنيم. گرایش‌هایی که خود را به حركت در چارچوب شناختی یا بیولوژیک يا منطقی محدود نکرده و به ترکیبی از آنها می‌انديشند. شاید بتوان پیشبینی کرد که چنین گرایش‌هایی فرا ساختارهای ‎Structure)‏ ۷61۵ روانی را پراساس عتاصر ساده پیولوژیک بنا خواهند کرد. 

صفحه 14:


صفحه 15:
سيستم هاى ‎(EXPERT SYSTEMS) 6 pod‏ * سیستم‌های خبره برنامه‌های کامپیوتری‌ای هستند که نحوه تفکر یک متخصص در یک زمینه خاص را شبیه‌سازی مى كنند. 5 اين نرمافزارهاء الكوهاى منطقىاى را که یسک متخصص بر اساس آن‌ها تصمیم گیری می‌کنده شناسایی می‌نمایند و سپین.بز اساس آنن الگوها مانند انسان‌ها تصمیم گیری می‌کنند. به محدوده اطلاعلتی از الگوهای خبرگی انسان که به یک سیستم خبره منتقل می‌شود. 00۲۳811 051 گفته می‌شود. اين محدوده. سطح خبرگی یک سیستم خبره را مشخص می‌کند و نشان می‌دهد که آن سیستم خبره برای چه کارهایی طراحی شده است. سیستم خبره با لین 12516 هایا وظايف می‌تولند کارهایی چون برنامه‌ریزی» زمانبندی, و طراحی را در یک حیطه تعریف شده انجام دهد. 

صفحه 16:
سیستم های خبره (5// 1 ۷5 2(۳۲]) -ادامه * به روند ساخت یسک سیستم خبره ۰ ‎knowledge‏ ‎opie aw oh poe lb engineering‏ یک مهندس دانش باید اطمینان حاصل کند که سیستم خبره طراحی شده تمام دانش مورد نباز برای حل یک مسئله را دارد. هر سیستم خبره از دو بخش مجزا ساخته شده است: پایگاه دانش و موتور 8 پایگاه دانش سک سیستم خبره از هر دو نوع دانش مبتضی بر حقایق ‎aS ysl.) (heuristic) 43,2 als 53, factual)‏ موتور تصمیم گیری سیستم خبره را قادر می‌کند با استفاده از قوانین پایگاه دانش, پروسه تصمیم گیری را انجام دهد. 

صفحه 17:
مزابای سیستم‌های خبره * افزایش قابلیت دسترس * کاهش‌هزینه * کاهش خطر * دائمى بودن تجربيات جندكانه * افزايش قابليت اطمينان (Explanation) 5 2.8 * پاسخ‌دهی‌سریع پاسن‌دهی در همه حالات * پایگاه تجربه * سهولت انتقال دانش 

صفحه 18:
چند سیستم خبره مشهور * 0600311 باب ررسی‌آرلی ‎aby oth!‏ کمادی ساختار مولکولی‌تنرا شبیه‌سازری‌میکسند * لاآن ۷۷ : تشخیصءفونهای‌خونیب اب ررسی‌لطاهاتبه دستّمده از شرلیط جسمی‌بیمار و نیز نتیجه آزمایشهایاو, * 0603101 :بررسى] زمايثهاىت نفسو تشخيصبيمارجاوييوى 

صفحه 19:
(FUZZY LOGIC); ‏منطتی فا‎ تئوری مجموعه‌های فازی و منطق فازی را اولین بار پرفسور لطفی‌زاده در سال ۵ معرفی نمود. منطق قازی به سیستم‌هایی اشاره دارد که به جای مقادیر "درست" و "نادرست" که در محیط‌های دیجیتال طبیعی‌ترند. می‌توانند با سطوح متفیر قطعیت کار ‎Js‏ تئوری مجموعه‌های فازی مفهوم عضویت بایتری عناصر را بسط می‌دهد و عضویت درجه‌بندی شده را مطرح می‌کند. crisp sex A (classical et) 

صفحه 20:
منطق قاز ی (۲۵6۱ 22۷ /۳1) -ادامه * جالب‌تریین کاربرد منطق فازی؛ تفسيرى است كه اين علم از ساختار تصمیم كيرىهاى موجودات هوشمندء و در راس آنهاء هوش انسانىء به دست می‌دهد. * شاید یکی از جالب‌ترین کاربردهای منطق فازی هوش مصنوعی در بازی‌های رایانه‌ای و جلوه‌های ویژه سینمایی باشد. منطق فازی در هوشمند ساختن روبات‌های سخت‌افزاری نیز کاربردهای زیادی دارد 

صفحه 21:
(NEURAL NETWORKS ) ‏شبکه‌های عصبی‎ * شبکه‌های عصبی را می‌توان با اغماض زیاد. مدل‌های الکترونیکی از ساختار عصبی مغز اسان نامید. مکانیسم فراگیری و آموزش مغز اساسا بر تجربه استوار است. * مدل‌های الکترونیکی شبکه‌های عصبی طبیعی نیز بر اساس همین الگو بنا شده‌اند و روش برخورد چنین مدل‌هایی با مسائل. با روش‌های محاسباتي, که به‌طور معمول توسط سیستم‌های کامپیوتری در پیش گرفته شده‌اند. تفاوت دارد * شبکه‌های عصبی شبیه‌سازی شده یا کامپیوتری. فقط قادرند تا بخش کوچکی از خصوصیات و ویژگی‌های شبکه‌های عصبی بیولوژیک را شبیه‌سازی کنند. در حقیقت. هدف از ایجاد یک شبکه عصبی نرمافزارى؛ بیش از آنکه شبیه‌سازی مغز انسان باشد. ایجاد مکانیسم دیگری برای حل مسائل مهندسی با هام از الگوی رفتاری شبکه‌های بیولوژیک است. 

صفحه 22:
dohol — (NEURAL NETWORKS) ‏شبکه‌های عصیبی‎ * مدل ریاضی 

صفحه 23:
dohol — (NEURAL NETWORKS) ‏شبکه‌های عصیبی‎ ‎Behe AUER =‏ چگونگی ترکیسب نرون‌ها در يك شبكه ‎Jes (Neuran Clustering)‏ شود. ‏* در شبکه‌های عصسبی بیولوژیسک. نرون‌ها در ساختاری سه بعدی به یکدیگر اتصال یافته‌اند. ‏* اتصالات بسن نرون‌ها در شبکه‌های عصبی ‏بیولوژیک آنقدر زياد و بيجيدهاست كه به هيج , ‏وجه نمی‌توان شبکه مصنوعی مشابهی طراحی ‎os ‏تکنولوژی مدارات مجتمع امروزی به ما امکان ‏می‌دهد که شبکه‌های عصی را در ساختارهای دو ‏بعدی طراحی کنیم. ‎ ‎ ‏یه وروی ‎ 

صفحه 24:
ute Jee ‏الکورینم ژنتیک‎ * الگوریتم‌های ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهينه جهت پیش‌بینی یا تطبیق الگو استفاده می‌کنند. در حقیقت بدین روش می توانیم در فضای حالت مسئله حرکتی سریح‌تر برای یافتن جواب‌های احتمالی داشته باشیم؛ یعنی می توانیم با عدم بسط دادن کلیه حالات. به جواب‌های مورد نظر برسیم. * الگوریتم‌های ژنتیک الگوریتم‌هایی هستند که دارای قدرت بسیار زیادی در ‎gal‏ جواب مسئله هستند. اما باید توجه داشت که شاید بتوان کاربرد اصلی این الگوریتم ها را در مسائلی در نظر گرفت که دارای فضای حالت بسیار بزرگ هستند و عملاً بررسی همه حالت‌ها برای انسان در زمان‌های نرمال (در حد عمر بشر4 ممکن نیست. از طرفی باید توجه داشت که حتماً پین حالات مختلف مسئله باید دارای پیوستگی مناسب و منطقی باشیم. 

صفحه 25:
(MACHINE VISION ( ‏پیتایی ماشین‎ * از میان همه شاخه‌های هوش مصنوعی, شاید کاربردی‌ترین آن‌ها کامپیوتری و مکانیزه کردن سیستم‌های بینایی باشد. دامنه کاربرد این شاخه از فناوری در حال رشد. بسیار وسیع است و از کاربردهای عادی و معمولی مثل کنترل کیفیت خط تولید و نظارت ویدئویی گرفته تا تکنولوژی‌های جدید مشل اتومبیل‌های بدون راننده را دربرگرفته است. دامنه کاربردهای این تکنولوژی براساس تکنیک‌های مورد استفاده در آن‌ها تغيير مى كند. 

صفحه 26:


صفحه 27:
/ 2 +) پردازش زبان‌های طبیعی (۱۷) پردازش زبان‌های طبیعی عبارت است از استفاده از رایانه برای پردازش زبان اری و نوشتاری. * پردازش زبان‌های طبیعی بعنوان زیرمجموعه‌ای از هوش مصسنوعی می‌توانسد توصیه‌ها و بیانات را با استفاده از زبانی که شما به طور طبیعی در مکالمات روزمره بکار می‌برید. بفهمد و مورد پردازش قرار دهد. به طورکلی نحوه کار این, شاخه از هوش مصس‌نوعی این اسسست که زبانهای طبیعی‌انسان را تقلید می‌کند. * در پردازش زبانهای طبیعی. انسان و کامپیوتر ارتباطی کاملا نزدیک با یکدیگر دارند. تلاش عمده در این زمینه ماشینی کردن فرایند درک و برداشت مفاهیم بیان گردیده با یک زبان طبیعی انسانی‌ست. 

صفحه 28:
پردازش زبان‌های طبیعی (۱۷0) - ادامه * هنوز سیستم کارآمدی برای پردازش زبان‌های طبیعی به وجود نیامده‌است. * موانع اساسی در اين زمینه عبارتند از: "" نیاز به درک معانی دقیق نبودن دستور زبان‌ها 

صفحه 29:
ازش زیان‌های طبیعی (۱۷) - انامه پردازش زیان‌های طبیعی (۱۷) * كاركردهاى مهم در اين زمینه عبارتند از: خلاصه سازی خودکار "ا استخراج اطلاعات بازیابی اطلاعات "ا ترجمه ماشینی "" تشخیص نوری نویسه ها # تشخیص گفتار # ویرایش 

صفحه 30:
LISP PROLOG 

صفحه 31:
تکنیک‌ها و زبان‌های برنامه نویسی هوش مصنوعی * زبانهای برنامه نویسی 0063] 15۳,۳۵ از مهمترین زبانهای مورد استفاده در هوش مصنوعی هستند خصوصیات نحوی و معنایی این زبان ها باعث شده که شیوه‌ها و راه حل‌های قوی برای حل مسئله ارایه کنند ۳۵۵ بکزبازب رنامه نویسیمنطقیلسندر لیززباز ی کمضر برنامه را بر لساسبکمنطقمنویسد لیده لستفاده توصیفی‌محاسبه اولیه برلی‌بسیان خصوصیات‌حلمسئله یکیاز محوریتیای شا رکتق) 88010 ‎os‏ ‏باشد * 9 لصولّ ی کنباک ام للستکه دارلی‌عملکردهاو لیس هاوادزمه برلىتوصيفعملكردهاىجديد تشخيصتناسو ارزيابومعانومي اشد 

صفحه 32:


صفحه 33:
ویژگی های فلسفی هوش مصنوعی * بازنمایی نمادین: موش مصنوعی از نمادهای عددی در حل مسائل استفاده می کند. هوش مصنوعی بر پایه دستگاه دوگانی صفر و یک مسائل را حل می کند. * روش اکتشافی: مسائلی که هوش مصنوعی حل می کند» معمولا راه خل الگوریتمی ندارند. بازنمایی معرفت: برنامه های هوش مصنوعی از تطلبق عملیات استدلالی نمادین رايانه با عالم خارج حکایت می کنند. اطلاعات ناقص: هوش مصنوعی می تواند در حالتی که همه اطلاعات مورد قیاز در دسترس فیستند» به:حل مساله دست: بیاید: اطلاعات متناقض: هوش مصنوعی می تواند درصورتی که با اطلاعات متناقض روبه رو شود حل مناسبی برای مساله پیدا کند. هوش مصنوعى در جنين موردی بهترین راه را برای حل مساله و رفع تناقض انتخاب کند. 

صفحه 34: