هوش مصنوعی Artificial Intelligence

فهرست

هوش مصنوعی چیست؟

مبانی هوش مصنوعی

تاریخچه هوش مصنوعی

مقدمه

هوش مصنوعی چیست؟

عاقلانه فکر کردن

مانند انسان فکر کردن

عاقلانه عمل کردن

مانند انسان عمل کردن

مانند انسان عمل کردن Acting humanly

هنر ساخت ماشینهایی که کارهایی را انجام میدهند که آن کارها توسط انسان با فکر کردن انجام میشوند.

مطالعه برای ساخت کامپیوترها برای انجام کارهایی که فعلاً انسان آنها را بهتر انجام میدهد.

مقدمه (مانند انسان عمل کردن)

تست تورینگ

...

عاملهای هوشمند

فلسفه: منطق، استدلال، ناشی شدن تفکر از مغز فیزیکی، مبانی یادگیری، زبان و عقلانیت

روان شناسی: تطبیق، اثر طبیعی ادراک و تاثیر آن بر محیط

زبان شناسی: علم ارائه، گرامر

ریاضیات: نمایش رسمی الگوریتمها، محاسبات، تصمیم پذیری و تصمیم ناپذیری، احتمال

...

تاریخچه هوش مصنوعی

1943، مک کولوچ و والتر پیتز: ارایه مدل نرون مصنوعی بیتی( دو حالته) قابل یادگیری به منظور محاسبه هر تابع قابل محاسبه.

1950، آلن تورینگ اولین بار دید کاملی از هوش مصنوعی را تحت عنوان “ محاسبات ماشینی و هوشمند” ارایه نمود.

1951، هینسکی و ادموندز اولین کامپیوتر شبکه عصبی را طراحی کردند.

1952، آرتور سامویل: برنامه ای ساخت که یاد میگرفت بهتر از نویسنده اش بازی کند؛ در نتیجه این تصور را که “کامپیوتر فقط کاری را انجام میدهد که به آن گفته شود” نقض کرد.

مقدمه (تاریخچه هوش مصنوعی)

1956،نشست کارگروهی دورتموند: انتخاب نام هوش مصنوعی

1959، هربرت جلونتر: برنامه(GTP) را ساخت که قضایا را با اصل موضوعات مشخص ثابت می کرد.

1958، جان مک کارتی: تعریف زبان لیسپ که بهترین زبان هوش مصنوعی شد.

1958-1973، جیمز اسلاگل: برنامه حل مسایل انتگرالگیری فرم بسته

تام ایوانز: برنامه حل مشابهت های هندسی

دانیل بابروز: برنامه حل مسایل جبری

دیوید هافمن: پروژه محدوده بینایی روبات در جهان بلوکها

دیوید والتز: سیستم بینایی و انتشار محدود

پاتریک ونیستون: نظریه یادگیری

پاورپوینت هوش مصنوعی و سیستم خبره

مفاهیم اصلی در هوش مصنوعی

شبکه های عصبی مصنوعی

ساختار داخلی مغز

یادگیری

سیستمهای استدلال و کنترل فازی

عملکرد بیرونی مغز

استدلال تقریبی

الگوریتمهای تکاملی

الهام گرفته از تکامل در طبیعت

بهینه سازی

چرا منطق فازی ؟

Because the real world is really uncertain and fuzzy,

If not, consider what Nobel Laureate Albert Einstein said in 1923….

“As far as the laws of mathematics refer to reality, they are NOT certain. And so far as they ARE certain, they do not refer to reality.”

— §ساده برای فهم §قابل انعطاف برای کسترش در یک سیستم §استدلال تقریبی بر اساس اطلاعات تقریبی §مدلسازی توابع غیرخطی پیچیده §قابل ترکیب با سیستم های کنترل معمول §مبتنی بر متغیرهای زبانی طبیعی §روشی ساده برای نگاشت تعدادی متغیر ورودی به خروجی. اگر روش ساده تری وجود داشت از روش فازی استفاده نکنید.

آشنایی با منطق فازی

جهان خاکستری است اما علم سیاه و سفید است .

ما درباره صفرها و یک ها صحبت می کنیم اماحقیقت چیزی بین آنهاست .

جملات و بیانهای منطق سوری و برنامه ریزی رایانه همگی به شکل درست یا نادرست ، یک یا صفر هستند.

اما بیانهای مربوط به جهان واقعی متفاوتند .

هر نوع بیان واقعیت یکسره درست یا نادرست نیست.

حقیقت آنها چیزی بین درستی کامل و نادرستی کامل است . چیزی بین یک و صفر ، یعنی مفهومی چندارزشی و یا خاکستری . حال فازی چیزی بین سیاه و سفید ، یعنی خاکستری است " (بارت کاسکو(".

در فارسی، فازی به نامهای مبهم و گنگ نیز ترجمه شده است. شاید این مثال از پروفسور زاده جالب باشد:

"منطق کلاسیک شبیه شخصی است که با یک لباس رسمی مشکی ، بلوز سفیدآهاردار، کروات مشکی ، کفش های براق و غیره به یک مهمانی رسمی آمده است و منطق فازی تا اندازه ای شبیه فردی است که با لباس غیررسمی ، شلوارجین ، تی شرت و کفشهای پارچه ای آمده است. این لباس را درگذشته نمی پذیرفتند. اما امروز، جور دیگری است .“

در سال 1965 ، ایرانی تباری بنام پروفسور لطفی عسگرزاده ، معروف به زاده ، استاد دانشگاه برکلی آمریکا، در مجله اطلاعات و کنترل ، مقاله ای تحت عنوان Fuzzy Sets منتشر ساخت و این مقاله مبنای توسعه و ترویج این نظریه به جهان شد . مدتها بودکه او با نظریه سیستمها سروکار داشت و ملاحظه می کرد که هر چه پیچیدگی یک سیستم بیشترشود حل و فصل آن بوسیله ریاضیات رایج ، مشکل تراست ولذا به ریاضیات دیگری برای حل این مشکل نیاز است این ریاضیات باید بتواند ابهام موجود در پیچیدگی یک سیستم را مدل سازی کند و بامحاسبات خودآن راتحت کنترل و نظارت درآورد ورفتارآن را پیشگویی کند وبالاخره درسال 1965به این موفقیت دست یافت.

بخش هایی از محتوای پاورپوینت:

الگوریتم کلونی زنبور عسل

تاریخچه

اولین بار در سال ۲۰۰۵ توسعه یافت ؛ این الگوریتم شبیه سازی رفتار جستجوی غذای گروه های زنبور عسل است. در این الگوریتم، الگوریتم نوعی از جستجوی محلی انجام می دهد که با جستجوی تصادفی ترکیب شده است

زنبور در طبیعت:

کلونی زنبورها درطبیعت شامل منابع غذایی و زنبورها می باشد.

منابع غذایی:

۱- کیفیت منبع

۲- آسانی دستیابی به منبع

۳- فاصله از کندو

زنبورها:

زنبورها شامل سه دسته هستند.

۱- زنبور پیشرو: این زنبور مسئولیت پیدا کردن مواد غذایی جدید، شهد جدید و منابع را دارد.

۲- زنبورکارگر: به طرف منابع غذایی از پیش تعیین شده فرستاده میشود و موقعیت همسایه ها را نیز بررسی میکند.

۳- زنبورناظر: زنبوری که در کندو با دریافت اطلاعات منابع غذایی از زنبور کارگر و پیشرو منابع غذایی را برای جمع آوری شهد انتخاب میکند.

منابع متروکه:

منابعی که نیروی محاسباتی را به هدر میدهد و تلاش برای بهبود کارساز نیست.

این منبع بعد از چند بار برای بهبود یافتن و عدم موفقیت جایگزین میشود.

دو مفهوم مهم درالگوریتم کلونی زنبور عسل:

:Exploitation

توانایی پرورش پاسخ های فعلی برای رسیدن به پاسخ های بهتر

:Exploration

توانایی تولید پاسخ های جدید و متفاوت

و غیره…