██ متن فصل اوّل نسخه‌ی رایگان ایبوک هوش مصنوعی ██
مترجم: سهراب جلوه گر جلوه‌گر
فصل آشنايي با هوش مصنوعی
فهرست برخی از عنوان‌های نوشته‌ها(رئوس مطالب)
هوش مصنوعی چیست؟
چرا هوش مصنوعی را مطالعه می‌کنیم؟
مقایسه‌ی هوش انسانی و هوش کامپیوتری
پژوهش در زمینه‌ی هوش مصنوعی از چه زمانی شروع شد؟
آیا هدف هوش مصنوعی پیاده‌سازی افکار انسان در کامپیوتر است؟
آیا هدف هوش مصنوعی در سطح هوش انسانی است؟
هوش مصنوعی تا رسیدن به سطح هوش انسانی چقدر فاصله دارد؟؛ چه هنگام این موضوع روی خواهد داد؟
آیا کامپیوترها ماشین مناسبی برای پیاده‌سازی هوش مصنوعی هستند؟
آیا کامپیوترها برای هوشمند شدن، به اندازه‌کافی، سریع هستند؟
فرزند ماشینی
توضیحی در مورد چند بازی
آیا برخی از افراد نمی‌گویند که، «هوش مصنوعی ایده‌ی بدی است.»؟
هوش مصنوعی ضعیف
هوش مصنوعی قوی
آیا تئوری‌های «قابلیّت محاسبه» و «پیچیدگی محاسباتی» روش‌هایی کلیدی برای هوش مصنوعی نمی‌باشند؟
مسأله‌های NP-کامل
زندگی مصنوعی
برخی از شاخه‌های هوش مصنوعی
هوش مصنوعی منطقی
الگو‌شناسی(شناخت الگو)
استنتاج
برنامه‌ریزی
شناخت‌شناسی
هستی‌شناسی
ابتکارها(اکتشافات)
برخی از کاربردهای هوش مصنوعی
تئوری بازی‌ها
سخن‌شناسی
فهم زبان طبیعی
تصویر مَجازی، در کامپیوتر
سیستم‌های خِبره
ارتباط میان هوش مصنوعی و فلسفه
پیش‌نیازهای هوش مصنوعی
برخی از سازمان‌ها و م‍‍‍ؤسّساتی که در زمینه‌ی هوش مصنوعی فعّالیّت می‌کنند
معرّفی چند کتاب خوب به زبان انگلیسی در زمینه‌ی هوش مصنوعی
توجّه:
بخشی از مطلب‌های این فصل ترجمه‌ی مطلب‌های استاد، جان مِک‌کارتی در مورد هوش مصنوعی، که در آدرس اینترنتی http://www-formal.stanford.edu/jmc/whatisai آمده‌اند، می‌باشد.
توجّه:
برخی از مطلب‌هایی که در این فصل بیان شده‌اند، در فصل‌های بعدی به صورت بیشتر مورد برّرسی قرار گرفته‌اند.
هوش مصنوعی چیست؟
تعريف نخست: شاخه‌اي از علم كه به شبيه‌سازي و پياده‌سازي هوش انسان(بشر) در كامپيوتر مي‌پردازد.
تعريف دوّم: ساخت ماشین‌هایی که کارهایی را انجام می‌دهند که آن کارها معمولاً با استفاده از هوش انسان انجام می‌شوند؛ مثل ترجمه‌ی یک زبان به زبان دیگر.
تعريف سوّم: دانش و مهندسی ساخت ماشین‌های هوشمند و مخصوصاً برنامه‌های کامپیوتری هوشمند می‌باشد.
هوش مصنوعی لازم نیست که خودش را به روش‌هایی که به صورت زیستی ، قابل مشاهده‌اند، محدود نماید.
چرا هوش مصنوعی را مطالعه می‌کنیم؟
کنجکاوی؛ ساخت سیستم‌های هوشمند؛ انجام بعضی از کارها مثل بازی شطرنج که به نظر می‌رسد برای انجام آنها می‌توانیم از هوش مصنوعی کمک بگیریم؛ انجام کارهایی مثل خنثا کردن مین جنگی ، یا تمیز کردن استخر شنا، که برای انسان، خطرناک یا کسل کننده هستند، از دلیل‌هایی هستند که ما هوش مصنوعی را مطالعه می‌نماییم.
هوش چیست؟
تعریف- هوش، توانایی به‌دست‌آوردن و به‌کار گرفتن دانش و مهارت‌ها می‌باشد.
انواع و درجه‌های هوش، در افراد، حيوان‌ها و برخی از ماشین‌ها گوناگون است.
مقایسه‌ی هوش انسانی و هوش کامپیوتری
آرْتورْ آرْ. جِنْسِنْ ، «یک فرضیّه‌ی ابتکاری که همه‌ی انسان‌های عادّی ، دارای طرزکار(مکانیزم)های عقلانی شبیه هستند را پیشنهاد می‌کند.»؛ نظر جنسن در مورد هوش انسانی درست است، ولی در موقعیّت فعلی این نظر در مورد هوش مصنوعی، معکوس می‌باشد؛ برنامه‌های کامپیوتری، دارای سرعت و حافظه‌ی زیادی می‌باشند، امّا توانایی عقلانی آنها به توانایی عقلانی طرّاحان برنامه‌ها بستگی دارد. به احتمال قوی سازماندهی طرزکار‌های عقلانی برای هوش مصنوعی می‌تواند با سازماندهی طرزکار‌های عقلانی برای افراد متفاوت باشد. هرگاه افراد برخی از کارها را بهتر از کامپیوترها انجام می‌دهند و یا کامپیوترها تعداد زیادی محاسبه را برای انجام کار به‌خوبی انسان‌ها انجام می‌دهند، این نشان می‌دهد که طرّاحان برنامه فهم طرزکار‌های عقلانی لازم برای انجام کار را به طور مناسب نداشته‌اند.
آرتور آر. جِنسِن
پژوهش در زمینه‌ی هوش مصنوعی از چه زمانی شروع شد؟
بعد از جنگ جهانی دوّم تعدادی از افراد به صورت مستقل کار بر روی ماشین‌های هوشمند را شروع کردند؛ ریّاضیدان انگلیسی، آلِن تورینگ ، شاید اوّلین آنها باشد؛ وی یک سخنرانی را در مورد هوش مصنوعی در سال 1947 میلادی ارائه نمود؛ همچنین وی شاید اوّلین فردی باشد که گفت: «برنامه‌نویسی کامپیوترها برای هوش مصنوعی نسبت به ساخت ماشین‌ها بهتر می‌باشد.»؛ تا اواخر دهه‌ی 1950 ميلادي تعداد زیادی پژوهشگر در زمینه‌ی هوش مصنوعی وجود داشت و بیش‌ترِ آنها اساس کار خود را برمبنای برنامه‌نویسی کامپیوترها گذاشته بودند.
آلِن تورینگ
آیا هدف هوش مصنوعی پیاده‌سازی افکار انسان در کامپیوتر است؟
برخی از پژوهشگران گفته‌اند که می‌خواهند افکار انسان را با استفاده از هوش مصنوعی، در کامپیوتر پیاده‌سازی نمایند؛ [در این مورد باید این نکته را بگوییم که،] فکر انسان دارای موردهای زیادی می‌باشد و هر فردی به‌طور‌کامل نمی‌تواند همه‌ی آنها را شبیه‌سازی نماید.
آیا هدف هوش مصنوعی در سطح هوش انسانی است؟
بله. نهایت تلاش این است که برنامه‌های کامپیوتری‌اي که می‌توانند مسأله‌ها را حل کنند و به اهداف دسترسی پیدا کنند را به‌خوبی انسان‌ها بسازند.
هوش مصنوعی تا رسیدن به سطح هوش انسانی چقدر فاصله دارد؟؛ چه هنگام این موضوع روی خواهد داد؟
تعداد اندکی از افراد فکر می‌کنند که سطح هوش انسانی با استفاده از زبان‌هایی که اکنون برای بیان دانش استفاده می‌شوند و با نوشتن برنامه‌های طولانی، که هم اکنون در حال نوشتن و سرهم‌بندی پایگاه‌های دانش واقعیّت‌ها هستند، قابل دسترسی باشد.
بیش‌ترِ پژوهشگران هوش مصنوعی تصوّر می‌کنند که ایده‌های بنیادین جدید مورد نیازند و بنابراین قابل پیش‌بینی نیست که سطح هوش انسانی قابل دسترسی باشد.
آیا کامپیوترها ماشین مناسبی برای پیاده‌سازی هوش مصنوعی هستند؟
کامپیوترها برای شبیه‌سازی هر نوع از ماشین‌ها می‌توانند برنامه‌ریزی شوند.
آیا کامپیوترها برای هوشمند شدن به اندازه‌ی کافی سریع هستند؟
برخی از افراد فکر می‌کنند که، کامپیوترهای به مراتب سریع‌تر و همچنین ایده‌های جدید لازم هستند. نظر شخصی استاد، جان مِک‌کارتی این بود که: «کامپیوترهای سی سال پیش هم در صورتی که بدانیم آنها را چگونه برنامه‌ریزی نماییم، به اندازه‌ی کافی سریع می‌باشند؛ البتّه به طور مجزّا از بلند پروازی‌های پژوهشگران هوش مصنوعی، کامپیوترها روند سریع‌تر شدن را دنبال می‌کنند.».
فرزند ماشینی
تعریف- فرزند ماشيني برنامه‌اي كامپيوتري است كه مانند يك بچّه‌ي هيجده ماهه می‌تواند با آموزش و با یادگیری، از راه تجربه، بهتر شود؛
شروع بحث آن از دهه‌ی 1940 میلادی بوده است؛ امّا برنامه‌های هوش مصنوعی هنوز به آن اندازه نرسیده‌اند که قادر باشند به اندازه‌ای که یک بچّه از تجربه‌ی محیط یاد میگیرد، یاد بگیرند.
توضیحی در مورد چند بازی
بازي شطرنج
بازی‌ای دو نفره است که در آن هر نفر شانزده مهره را با استفاده از قوانینی ثابت در یک صفحه‌ی شطرنجی حرکت می‌دهد و تلاش می‌کند که مهره‌ی شاه حریف را کیش‌و‌مات نماید . برنامه‌های بازی شطرنج در حال حاضر در سطح «استاد بزرگ» اجرا می‌شوند؛ امّا آنها این کار را با استفاده از طرزکار‌های محدود شده در مقایسه با انسان و با انجام تعداد زیادی محاسبات، برای فهم راه، انجام می‌دهند؛ ما این طرزکار‌ها را بهتر می‌فهمیم و می‌توانیم برنامه‌های شطرنج را در سطح انسانی بسازیم طوری که محاسبه‌های کم‌تری را نسبت به برنامه‌های فعلی انجام دهند. نمونه‌ای از صفحه‌ی این بازی را به همراه مهره‌های آن در شکل زیر می‌توانید ببینید:
بازی Go
بازی دو نفره‌ی چینی و ژاپنی Go، بازی‌ای روی مقوّایی معمولاً دارای نوزده خطّ افقی و نوزده خطّ عمودی است که در آن معمولاً یکی از بازی‌کنندگان دارای مهره‌های سفید رنگ و یکی دیگر از بازی‌کنندگان دارای مهره‌های سیاه رنگ می‌باشد. در زیر تصویرهایی از صفحه‌ی این بازی را به همراه مهره‌های آن مشاهده می‌نمایید:
بازی تیک-تاک-تو
بازی تیک–تاک–تو دارای دو بازیگر می‌باشد. برای هر دو بازیگر هدف این است که اوّلین فردی باشند که سه شیء همانند را در یک ردیف، ستون، یا قطر قرار می‌دهند. صفحه‌ی این بازی دارای یک شبکه‌ی سه در سه می‌باشد؛ بنابراین دارای نه خانه می‌باشد. در زير تصويري از اين بازي را مي‌بينيد؛ در اين شكل چون فرد استفاده كننده از ، سه‌تاي آنها را در يك ستون قرار داده است، [بازی را] برده است:
آیا برخی از افراد نمی‌گویند که «هوش مصنوعی ایده‌ی بدی است.»؟
جان سِرل فیلسوفی به نام جانْ سِرْلْ می‌گوید که: «ایده‌ی ماشینی غیرزنده(غیرزیستی، غیر‌بیولوژیکی) که می‌تواند هوشمند شود، ایده‌ای نقض‌کننده می‌باشد.»؛ وی استدلال اتاق چینی را پیشنهاد می‌کند ؛ فیلسوفی به نام هیوبِرْتْ دِرایْفِسْ می‌گوید که: «هوش مصنوعی، غیرممکن می‌باشد.»؛ دانشمند علوم‌کامپیوتری‌ای به نام جُزِفْ وایْزِنْباوْمْ می‌گوید که: «ایده‌ی هوش مصنوعی، ضدّ‌انسانی و غیر‌اخلاقی می‌باشد.»؛ برخی دیگر از افراد می‌گویند: «چونکه هوش مصنوعی تا‌کنون به اهداف خود نرسیده است، پس غیرممکن می‌باشد.»؛ سایر افراد از اینکه می‌بینند کمپانی‌های سرمایه‌گذاری‌کننده ورشکست می‌شوند، ناامید می‌شوند.
هیوبِرت دِرایفِس
جُزِف وایزِنباوم
آشنايي با برخي از واژه‌ها
هوش مصنوعی ضعیف
تعریف- اوّلین هدف هوش مصنوعی(هوش مصنوعی ضعیف)، ساختن چیزها(موجودیّت‌ها)ی هوشمند می‌باشد.
هوش مصنوعی ضعیف برخلاف هوش مصنوعی قوی قصد رسیدن به سطح هوش انسانی یا فراتر رفتن از سطح هوش انسانی را ندارد. به هوش مصنوعی ضعیف، هوش مصنوعی عملی(کاربردی) یا هوش مصنوعی محدود هم گفته می‌شود.
هوش مصنوعی قوی
تعریف نخست: هوش مصنوعی‌ای است که به سطح هوش انسانی می‌رسد و یا از سطح هوش انسانی هم فراتر می‌رود. هوش مصنوعی قوی می‌تواند درک نماید یا خودآگاه باشد؛ امّا ممکن است پردازش‌های فکری شبیه انسان را داشته باشد یا نداشته باشد.
تعریف دوّم: فهمیدن چیزها(موجودیّت‌ها)ی هوشمند و شاید حتّا فهمیدن و مهندسی هوش انسان می‌باشد.
تعریف سوّم: دیدی است که می‌گوید، مغز انسان یک ابزار محاسباتی می‌باشد و کامپیوترها به‌طور‌کلّی قادرند که فکر کنند.
تعریف چهارم: به عنوان تعریفی دیگر، هوش مصنوعی قوی یک شکل فرضی از هوش مصنوعی است که می‌تواند به درستی استدلال نماید و مسأله‌ها را حل کند.
آیا تئوری‌های «قابلیّت محاسبه» و «پیچیدگی محاسباتی» روش‌هایی کلیدی برای هوش مصنوعی نمی‌باشند؟
(توجّه کنید که افراد عامّی و مبتدیّان علم کامپیوتر نمی‌توانند در این موردها اظهار نظر کنند، این‌ها کاملاً شاخه‌های منطقی ریّاضی و علم کامپیوتر می‌باشند و جواب این موردها باید تا‌حدودی تکنیکی باشد.)
راجِر پِنرُز
اِستیوِن کوک
کِرت گادُل
ریچارد کارپ
نه؛ این تئوری‌ها مورد استفاده قرار می‌گیرند ولی مسأله‌های اساسی هوش مصنوعی را جوابگو نمی‌باشند. در دهه‌ی 1930 ميلادي، منطقدانان ریّاضیّات و مخصوصاً کِرْتْ گادُلْ و آلن تورینگ ثابت کردند که الگوریتم‌هایی برای ضمانت اینکه همه‌ی مسأله‌ها در دامنه‌های مهمّ ریّاضی بتوانند حل شوند، وجود ندارند؛ یک معادله‌ی چند‌جمله‌ای دارای چند متغیّر، یک مثال می‌باشد؛ راجِرْ پِنْرُزْ این مطلب را ادّعا می‌کند كه، انسان‌ها همیشه همه‌ی مسأله‌ها را در دامنه‌های مهمّ ریّاضی حل کرده‌اند، ولی کامپیوترها به طور ذاتی قادر به انجام کارهایی که افراد می‌توانند انجام دهند، نمی‌باشند. به هر حال افراد حلّ مسأله‌های دلخواه را در این موردها نمی‌توانند ضمانت کنند. در دهه‌ی 1960 ميلادي، دانشمندان علوم کامپیوتر و مخصوصاً اِسْتیوِنْ کوکْ و ریچارْدْ کارْپْ تئوری مسأله‌های با دامنه‌ی NP-کامل را به وجود آورد‌ند؛ انسان‌ها اغلب مسأله‌های NP–کامل را در زمان‌هایی به مراتب کوتاه‌تر از آنچه که به وسیله‌ی الگوریتم‌های کلّی(عمومی) انجام می‌شوند، حل می‌کنند، امّا در حالت کلّی نمی‌توانند این مسأله‌ها را به سرعت حل کنند. اثبات اینکه برنامه‌ی انتخاب شده کوتاه‌ترین یا نزدیک به کوتاه‌ترین است، یک مسأله‌ی غیر قابل حل می‌باشد.
مسأله‌های NP-کامل
یادآوری- یک نوع از مسأله‌های محاسباتی هستند که هیچ الگوریتم مناسبی برای حلّ آنها پیدا نشده است؛ مسأله‌ها در دامنه‌های NP-کامل، قابل حل می‌باشند، امّا به نظر می‌رسد که زمان برای حلّ این مسأله‌ها با افزایش اندازه به صورت نمایی(توان‌دار، به عنوان مثال، 225) افزایش یابد. مسأله‌ی فروشنده‌ی دوره‌گرد مثالی از این نوع مسأله‌ها می‌باشد:
زندگی مصنوعی
تعريف- مطالعه‌ي سيستم‌هاي تركيبي كه به طريقي مانند سيستم‌هاي زنده‌ي طبيعي رفتار مي‌كنند، می‌باشد.
زندگی مصنوعی دارای دورنماهای بسیار خوبی در زیست‌شناسی و علم کامپیوتر می‌باشد. این شاخه از علم در مورد کِشت مصنوعی؛ رفتارهای شبیه زندگی؛ نظیر: رویِش، سازگاری، تولید مِثل، اجتماعی شدن، یادگیری و حتّا مرگ، تحقیق می‌نماید و محدود به چیزهای ابتدایی نمی‌باشد؛ دانشمندان زندگی مصنوعی می‌توانند از ترکیبی از اجزا و برنامه‌های کامپیوتری که در زمان صرفه‌جویی می‌کنند و دیگر فنّـآوری(تکنولوژی) های شگفت انگیز، مانند آنهایی که برای تولید رفتارها جستجو می‌نمایند، استفاده نمایند.
برخی از شاخه‌های هوش مصنوعی
در زیر، لیستی از شاخه‌های هوش مصنوعی آمده است، امّا به یقین برخی از شاخه‌ها در لیست زیر وجود ندارند، زیرا هنوز آنها ناشناخته‌اند.
هوش مصنوعی منطقی
تعریف- اینکه یک برنامه در حالت کلّی واقعیّت‌های وضعیّت معیّنی که در آن باید عمل کند را می‌داند و اهدافی که به وسیله‌ی عبارات گاهی با زبان منطقی ریّاضی ارائه می‌شوند را می‌داند.
جستجو
برنامه‌های هوش مصنوعی معمولاً تعداد زیادی از حالت‌ها را برّرسی می‌کنند؛ به عنوان مثال، حرکت‌های درون یک بازی شطرنج.
الگو‌شناسی(شناخت الگو)
تعریف نخست: در علم کامپیوتر، تشخیص داده‌های ورودی؛ مثل سخن، تصویرها و رشته‌های متنی، با شناخت و تشریح ویژگی‌ها و تشخیص ارتباط‌های میان آنها است.
تعریف دوّم: توانایی یک کامپیوتر برای پیدا کردن و جداکردن شکل‌های درون یک تصویر.
تعریف سوّم: شاخه‌ای از هوش مصنوعی است که به طبقه‌بندی یا توصیف مشاهده‌ها می‌پردازد.
به عنوان مثال، در شکل زیر صورت شخص با استفاده از نرم‌افزاری خاص تشخیص داده شده است :
نمایش(ارائه، بازنمائی)
واقعیّت‌های یک محیط باید به طریقی نمایش داده شوند. در این مورد معمولاً از زبان‌های منطقی ریّاضی استفاده می‌شود.
استنتاج
تعریف- از برخی از واقعیّت‌ها دیگر واقعیّت‌ها می‌تواند به وجود آيد.
استنتاج منطقی ریّاضی برای برخی از اهداف کافی می‌باشد. متدهای جديد استنتاج غیر یکنواخت از دهه‌ي 1970 ميلادي به منطق اضافه شده‌اند. ساده‌ترین نوع استدلال غیر یکنواخت استدلال پیشْ‌فرض است که در آن یک نتیجه‌گیری به صورت پیش‌فرض استنتاج(نتیجه‌گیری) می‌شود؛ امّا نتیجه‌گیری می‌تواند در صورتی که مدرک(دلیل) عوض شود، عوض بشود؛ برای مثال، زمانی که ما از یک پرنده حرف می‌زنیم، نتیجه می‌گیریم که می‌تواند پرواز کند؛ امّا این استنتاج زمانی که در مورد پنگوئن حرف می‌زنیم، می‌تواند عوض شود:
برنامه‌ریزی
برنامه‌ریزی تلاش می‌کند که عملیّات را برای رسیدن به هدف‌ها مرتّب نماید. کاربردهای برنامه‌ریزی شامل تدارکات ، زمانبندی ساخت و برنامه‌ریزی ساخت مراحلی برای تولید محصول مطلوب می‌باشد. با یک برنامه‌ریزی بهتر می‌توان مقادیر زیادی در هزینه صرفه‌جویی نمود.
شناخت‌شناسی
تعریف نخست: یک شاخه از فلسفه است که در مورد منبع ، طبیعت ، روش‌ها و محدودیّت‌های دانش انسان بحث می‌کند.
تعریف دوّم: شناخت‌شناسی مطالعه در مورد این است که ما چه می‌دانیم و چگونه می‌دانیم.
تعریف سوّم: مطالعه‌ای بر روی انواع دانش که برای حلّ مسأله‌ها در محیط(جهان) لازم می‌شوند، می‌باشد.
هستی‌شناسی
تعریف نخست: شاخه‌ای از مِتافیزیک است که در مورد طبیعت موجودات صحبت می‌کند.
تعریف دوّم: هستی‌شناسی مطالعه‌ی انواع چیزهایی است که موجودند؛
در هوش مصنوعی برنامه‌ها و عبارات به انواع مختلفی از اشیا می‌پردازند و ما اینکه این انواع چیستند و ویژگی‌های اساسی آنها چیستند را مطالعه می‌کنیم. تأکید بر هستی‌شناسی از دهه‌ي 1990 ميلادي شروع شد.
ابتکارها(اکتشافات)
برای افزایش احتمال حلّ برخی از مسأله‌ها به کار می‌روند ؛ و روش‌هایی مبتنی بر آزمایش، برای حلّ مسأله هستند. روش‌های مکاشفه‌ای برای بالا بردن سرعت پردازه‌ی پیداکردن یک راه حلّ به اندازه‌ی کافی خوب، در زمانی که جستجوی کامل نشدنی است، به کار می‌روند.
این واژه به صورت گوناگون در هوش مصنوعی به کار می‌رود. توابع مکاشفه‌ای در برخی از روش‌های جستجو برای اندازه‌گیری فاصله‌ی یک گره ی موجود در یک درخت جستجو تا هدف استفاده می‌شوند. مستندات اکتشاف ، دو گره را در یک درخت جستجو، برای دیدن اینکه کدام بهتر از دیگری است، مقایسه می‌کند.
برخی از کاربردهای هوش مصنوعی
برخی از کاربردهای هوش مصنوعی در اینجا آمده است:
تئوری بازی‌ها
بازی‌ها موردهایی خوب برای تحقیق می‌باشند؛ زیرا بازی‌ها کوچک و جامع هستند و بنابراین به آسانی برنامه‌ریزی می‌شوند. بازی‌ها مدل‌های خوبی از وضعیّت‌های رقابتی می‌توانند باشند، بنابراین، روش‌های طرّاحی شده برای تئوری بازی‌ها شاید بتوانند در مسأله‌های عملی هم به کار گرفته شوند.
سخن‌شناسی
تعریف- سخن‌شناسی، توانایی سیستم‌های کامپیوتری برای پذیرش سخن، به صورت ورودی، و کار بر روی آن، یا تبدیل آن به صورت نوشتاری است.
در دهه‌ی 1990 ميلادي سخن‌شناسی کامپیوتری به سطحی کاربردی برای اهدافی محدود رسید؛ [به عنوان مثال،] خطوط هوایی کشور ایالات متّحده‌ی آمریکا، صفحه‌کلیدی درختی را که برای اطّلاعات پرواز استفاده می‌شد، با سیستمی که از سخن‌شناسی استفاده می‌کرد، برای شماره‌های پرواز و نام شهرها جایگزین کردند؛ این روش کاملاً مناسب بود.
در شکل زیر هم تصویری از برنامه‌ی محافظ صفحه‌ی نمایش کامپیوتر شرکت توشیبا ، که در آن، شِکلَک به سؤال‌های کاربر، مثل «Where are you?» پاسخ می‌دهد را می‌بینید:
فهم زبان طبیعی
فهم زبان طبیعی یکی از سخت‌ترین مسأله‌ها در هوش مصنوعی است. فقط دریافت کلمات متوالی در یک کامپیوتر کافی نمی‌باشد؛ فقط تجزیّه‌ی جملات هم کافی نمی‌باشد؛ کامپیوتر باید بفهمد که متن در چه موردی می‌باشد؛ و این مورد به زودی برای دامنه‌های خیلی محدود امکان‌پذیر می‌باشد.
تصویر مَجازی، در کامپیوتر
تعریف- موردی در روبوتیک است که در آن برنامه‌ها تلاش می‌کنند اشیائی که به صورت تصاویر دیجیتالی، به وسیله‌ی دوربین‌های ویدیویی، دریافت کرده‌اند را تشخیص دهند و در نتیجه روبوت‌ها بتوانند ببینند.
جهان از اشیائی سه بعدی تشکیل شده است؛ امّا ورودی‌ها برای چشم انسان و دوربین‌های تلویزیونی کامپیوتر دو بعدی می‌باشند. برخی از برنامه‌ها فقط در حالت دو بعدی می‌توانند کار کنند؛ امّا تصویر مجازی کامپیوتری کامل، اطّلاعات سه بعدی ناتمام که فقط مجموعه‌ای از دیدهای دو بعدی نیستند را لازم دارد. در حال حاضر فقط راه‌های محدودی برای نمایش اطّلاعات سه بعدی، به صورت مستقیم، وجود دارد و این راه‌ها از قرار معلوم به‌خوبی راه‌هایی که انسان‌ها استفاده می‌کنند، نمی‌باشند.
سیستم‌های خِبره
تعریف- سیستم‌های خبره تلاش می‌کنند که دانش یک انسان خبره(ماهر) را بگیرند و آن را در یک سیستم کامپیوتری پیاده‌سازی نمایند.
از سیستم‌های خبره انتظار می‌رود که بتوانند کارهایی که به یک فرد خبره نیاز دارند را انجام دهند، مثل: پزشکی، زمین‌شناسی، و مشورت در سرمایه گذاری. برخی از سیستم‌های خبره از موفّق‌ترین کاربردهای هوش مصنوعی بوده‌اند، چونکه این برنامه‌ها باید در دنیای واقعی کار کنند و با برخی از مشکلات مهمّ موجود در هوش مصنوعی، مثل: کمی اطّلاعات ورودی مناسب؛ و استدلال بر پایه‌ی احتمال؛ مواجه شده‌اند؛ یکی از اوّلین سیستم‌های خبره، در سال 1974 ميلادي، به نام MYCIN بود، که عفونت(آلودگی) های باکتریایی موجود در خون را تشخیص می‌داد و معالجات آن را پیشنهاد می‌کرد. این دستگاه این کار را بهتر از دانشجویان پزشکی یا دکترها انجام می‌داد. هستی‌شناسی آن شامل باکتری، نشان(علامت)ها و معالجات بود.
از زمانی که خبرگان با مهندسان همکاری کردند، [مهندسان] چیزهایی را در مورد بیماران، دکترها، سلامتی، بهبود و... دانستند و واضح است که دانش مهندسان تحت تأثیر آنچه که خبرگان به آنها می‌گفتند در یک چارچوب کاری معیّن قرار داشت؛ در وضعیّت فعلی هوش مصنوعی این مطلب باید درست باشد.
ارتباط میان هوش مصنوعی و فلسفه
هوش مصنوعی دارای ارتباط‌های زیادی با فلسفه می‌باشد مخصوصاً با فلسفه‌ی تحلیلی مدرن ارتباط زیادی دارد؛ [هوش مصنوعی و فلسفه] هر دو فکر و هوش عادّی را مطالعه می‌کنند.
پیش‌نیازهای هوش مصنوعی
باید ریّاضیّات و مخصوصاً منطق ریّاضیّات را مطالعه کنیم. برای نزدیکی زیستی به هوش مصنوعی، روان‌شناسی و فیزیولوژی سیستم‌های عصبی را مطالعه کنیم. تعدادی زبان برنامه‌نویسی و در کم‌ترین حالت، زبان‌های برنامه‌نویسی سی ، لیسپ و پرولوگ را باید بلد باشیم. همچنین فکر خوبی است که یکی از زبان‌های پایه‌ای ماشین[؛ مثل زبان برنامه نویسی اَسِمْبْلی ] را یاد بگیریم. کارها بیشتر با زبان‌هایی که مد(متداول) هستند، انجام می‌شوند؛ در اواخر دهه‌ی 1990 ميلادي این زبان‌ها شامل C++ و جاوا بود.
برخی از سازمان‌ها و م‍‍‍ؤسّساتی که در زمینه‌ی هوش مصنوعی فعّالیّت می‌کنند:
انجمن آمریکایی هوش مصنوعی ؛ کمیته‌ی هماهنگ کننده‌ی اروپا برای هوش مصنوعی ؛ و جامعه‌ی هوش مصنوعی و شبیه‌سازی رفتار ؛ جوامع علمی علاقه‌مند به هوش مصنوعی می‌باشند.
شرکت ماشین‌آلات محاسبه کننده دارای یک گروه جالب ویژه به نام SIGART در زمینه‌ی هوش مصنوعی می‌باشد.
کنفرانس بین المللی هوش مصنوعی ، کنفرانس بین المللی اصلی است. انجمن آمریکایی هوش مصنوعی(AAAI)، کنفرانسی ملّی را در کشور آمریکا اجرا می‌کند.
روزنامه‌های تعاملات الکترونیک با هوش مصنوعی ؛ پژوهش‌های هوش مصنوعی ؛ و تعاملات IEEE با تحلیل الگو و ماشین‌های هوشمند ؛ سه روزنامه‌ی مهمّ پخش کننده‌ی مقالات هوش مصنوعی می‌باشند. در حال حاضر چیز دیگری که مناسب درج در این پاراگراف باشد را پیدا نکرده‌ایم.
معرّفی چند کتاب خوب به زبان انگلیسی در زمینه‌ی هوش مصنوعی
اِستوارت جِی. راسِل
پیتِر نورویگ کتاب هوش مصنوعی اِسْتوارْتْ جِیْ. راسِلْ و پیتِرْ نُورْویگْ ؛ از این کتاب استفاده‌ی زیادی می‌شود. تصویری از جلدهای ویرایش‌های سوّم، دوّم و اوّل این کتاب در زیر نشان داده شده است:
شکل بالا- جلد ویرایش سوّم کتاب
شکل بالا- جلد ویرایش دوّم کتاب
شکل بالا- جلد ویرایش اوّل کتاب
توجّه:
شما از نسخه‌ی رایگان این کتاب الکترونیکی استفاده می‌کنید!؛ فایل پی. دی. اف به زبان انگلیسی ویرایش‌های اوّل، دوّم و سوّم کتاب هوش مصنوعی آقایان راسل و نورویگ در «دی. وی. دی» کتاب الکترونیکی هوش مصنوعی ترجمه شده به وسیله‌ی اینجانب سهراب جلوه‌گر، که می‌توانید آن را خریداری کنید، وجود دارد.
کتاب «هوش مصنوعی: تفسیر جدید» نوشته‌ی نیلْزْ نیلْسُونْ شاید برای خواندن آسان‌تر باشد؛ تصویری از جلد این کتاب را در زیر می‌بینید:
برخی از افراد کتاب «هوش محاسباتی» دِیویدْ پولْ ، آلِنْ مَکْوُرْثْ و رَنْدیْ گُـبُلْ را ترجیح می‌دهند. تصویری از جلد این کتاب را در زیر می‌بینید:
چکیده(خلاصه)ی مطلب‌های فصل اوّل
هوش مصنوعی، دانش و مهندسی ساخت ماشین‌های هوشمند و مخصوصاً برنامه‌های کامپیوتری هوشمند می‌باشد.
هوش مصنوعی ضعیف برخلاف هوش مصنوعی قوی قصد رسیدن به سطح هوش انسانی یا فراتر رفتن از سطح هوش انسانی را ندارد.
تاریخ : شنبه 12 بهمن 1398
تبادل
لینک هوشمند
خبرنامه وب سایت:
آمار
وب سایت: