هوش مصنوعی

هوش ﻣﺼﻨﻮﻋﻲ:

ﻣﻮﺟﻮﺩﻱ ﻛﻪ ﻗﺮﺍﺭ ﺍﺳﺖ ﻣﺜﻞ ﺍﻧﺴﺎﻥ ﺭﻓﺘﺎﺭ ﻛﻨﺪ ﭘﺲ ﻧﻴﺎﺯ ﺑﻪ ﻫﻮﺵ ﻣﺼﻨﻮﻋﻲ ﺩﺍﺭﺩ.

ﻫﻮﺵ ﻣﺼﻨﻮﻋﻲ:ﺗﻌﺎﺭﻳﻒ ﻣﺘﻔﺎﻭﺗﯽ ﺑﺮﺍﯼ ﻫﻮﺵ ﻣﺼﻨﻮﻋﯽ ﻭﺟﻮﺩ ﺩﺍﺭﺩ:

(Artificial Intelligence) ﺗﻜﻨﻴﻜﻲ ﺑﺮﺍﻱ ﺧﻠﻖ ﻛﺮﺩﻥ ﻣﺎﺷﻴﻦﻫﺎﻳﻲ ﺍﺳﺖ ﻛﻪ ﻗﺎﺩﺭ ﺑﻪ ﻓﻜﺮ ﻛﺮﺩﻥ ﺑﺪﻭﻥ ﻧﻴﺎﺯ ﺑﻪ ﺍﻧﺴﺎﻥﻫﺎ ﺑﺎﺷﺪ. (ﺍﻳﺠﺎﺩ ﻣﻮﺟﻮﺩ ﻣﺼﻨﻮﻋﻲ)

AI ﺷﺎﺧﻪﺍﻱ ﺍﺯ ﻋﻠﻮﻡ ﻛﺎﻣﭙﻴﻮﺗﺮ ﺍﺳﺖ ﻛﻪ ﺑﻪ ﺍﺗﻮﻣﺎﺳﻴﻮﻥ ﺭﻓﺘﺎﺭ ﻫﻮﺷﻤﻨﺪ ﻣﻲﭘﺮﺩﺍﺯﺩ.

ﻫﻮﺵ ﻣﺼﻨﻮﻋﯽ ﺷﺎﺧﻪﺍﻱ ﺍﺯ ﻋﻠﻮﻡ ﻛﺎﻣﭙﻴﻮﺗﺮ ﺍﺳﺖ ﻛﻪ ﻛﺎﻣﭙﻴﻮﺗﺮﻫﺎ ﺭﺍ ﻗﺎﺩﺭ ﻣﻲﺳﺎﺯﺩ ﺗﺎ ﻗﺎﺑﻠﻴﺖ ﻫﻮﺷﻤﻨﺪﺍﻧﻪ ﺍﻧﺴﺎﻥﻫﺎ ﺭﺍ ﻧﻈﻴﺮ ﺍﺩﺭﺍﻙ، ﻳﺎﺩﮔﻴﺮﻱ، ﺣﻞ ﻣﺴﺎﺋﻞ ﻫﻮﺷﻤﻨﺪ، ﺍﺳﺘﺪﻻﻝ ﻭ... ﺭﺍ ﺩﺍﺷﺘﻪ ﺑﺎﺷﺪ.

ﻋﻠﻢ ﻭ ﻣﻬﻨﺪﺳﯽ ﺳﺎﺧﺖ ﻣﺎﺷﻴﻦ ﻫﺎﯼ ﻫﻮﺷﻤﻨﺪ، ﺧﺼﻮﺻﺎ ﺑﺮﻧﺎﻣﻪ ﻫﺎﯼ ﮐﺎﻣﭙﻴﻮﺗﺮﯼ ﻫﻮﺷﻤﻨﺪ. ﺟﺎﻥ ﻣﮏ ﮐﺎﺭﺗﯽ (ﺍﺳﺘﻨﻔﻮﺭﺩ)

ﻫﻮﺵ ﻣﺼﻨﻮﻋﯽ ﻋﻤﻮﻣﺎ ﺑﻌﻨﻮﺍﻥ ﺯﻳﺮ ﺷﺎﺧﻪ ﺍﯼ ﺍﺯ ﮐﺎﻣﭙﻴﻮﺗﺮ ﻣﺤﺴﻮﺏ ﺷﺪﻩ ﻭ ﺍﺭﺗﺒﺎﻁ ﺗﻨﮕﺎﺗﻨﮕﯽ ﺑﺎ ﻋﺼﺐ ﺷﻨﺎﺳﻲ، ﻋﻠﻮﻡ ﺷﻨﺎﺧﺘﯽ، ﺭﻭﺍﻧﺸﻨﺎﺳﯽ ﺷﻨﺎﺧﺘﯽ، ﻣﻨﻄﻖ ﺭﻳﺎﺿﯽ ﻭ ﻣﻬﻨﺪﺳﯽ ﺍﺳﺖ. ﭘﮋﻭﻫﺸﮑﺪﻩ IBM

ﻫﻮﺵ ﻣﺼﻨﻮﻋﯽ ﺷﺎﺧﻪ ﺍﯼ ﺍﺯ ﻋﻠﻮﻡ ﻭ ﻣﻬﻨﺪﺳﯽ ﮐﺎﻣﭙﻴﻮﺗﺮ ﺍﺳﺖ ﮐﻪ ﺭﻭﯼ ﺍﻳﺠﺎﺩ ﺭﻓﺘﺎﺭ ﺷﺒﻴﻪ ﺍﻧﺴﺎﻥ ﻣﺘﻤﺮﮐﺰ ﺷﺪﻩ ﺍﺳﺖ.

ﻫﻮﺵ ﻣﺼﻨﻮﻋﯽ ﻋﺒﺎﺭﺗﺴﺖ ﺍﺯ ﺍﻳﺠﺎﺩ ﻇﺮﻓﻴﺖ ﺑﺮﺍﯼ ﺍﻧﺠﺎﻡ ﻭﻇﺎﻳﻔﯽ ﮐﻪ ﻋﻤﻮﻣﺎ ﺑﻌﻨﻮﺍﻥ ﻭﻳﮋﮔﯽ ﻫﺎﯼ ﺍﻧﺴﺎﻥ ﺷﻨﺎﺧﺘﻪ ﻣﯽ ﺷﻮﺩ ﺩﺭ ﮐﺎﻣﭙﻴﻮﺗﺮ. ﺍﻳﻦ ﻇﺮﻓﻴﺘﻬﺎ ﺷﺎﻣﻞ: ﺍﺳﺘﺪﻻﻝ، ﺍﮐﺘﺸﺎﻑ ﻣﻔﻬﻮﻡ، ﺗﻌﻤﻴﻢ، ﻳﺎﺩﮔﻴﺮﯼ ﻭ ... ﻣﯽ ﺑﺎﺷﺪ. ﻫﺮﺑﺮﺕ ﺳﻴﻤﻮﻥ (ﮐﺎﺭﻧﮕﯽ ﻣﻠﻮﻥ)

ﻣﻐﺰ ﻣﺼﻨﻮﻋﯽ، ﻣﻐﺰ ﺭﺑﺎﺗﯽ ﺍﺳﺖ ﮐﻪ ﻳﺎﺩ ﻣﯽ ﮔﻴﺮﺩ ﻭ ﺭﻓﺘﺎﺭﯼ ﺷﺒﻴﻪ ﻣﻐﺰ ﺍﻧﺴﺎﻥ ﺍﺯ ﺧﻮﺩ ﻧﺸﺎﻥ ﻣﯽ ﺩﻫﺪ. ﺑﺎ ﺍﻳﻦ ﺗﻔﺎﻭﺕ ﮐﻪ ﺑﺼﻮﺭﺕ ﺍﺍﮐﺘﺮﻭﻧﻴﮑﯽ ﺳﺎﺧﺘﻪ ﺷﺪﻩ ﻭ نه ﺑﻴﻮﻟﻮﮊﻳﮑﯽ.

 

ﺍﻳﻦ ﺭﺑﺎﺕ ﺍﻧﺴﺎﻥ ﻧﻤﺎ ﺑﺎﻳﺪ ﺩﺍﺭﺍﻱ ﻗﺎﺑﻠﻴﺖﻫﺎﻱ ﻫﻮﺷﻤﻨﺪﺍﻧﻪﺍﻱ ﻫﻤﺎﻧﻨﺪ ﺍﻧﺴﺎﻥ ﺑﺎﺷﺪ.

ﻣﻬﻤﺘﺮﻳﻦ ﻗﺎﺑﻠﻴﺖﻫﺎﻱ ﺭﺑﺎﺕ ﻫﻮﺷﻤﻨﺪ:

۱ـ ﺍﺩﺭﺍﻙ :(Perception) ﺍﻳﻦ ﺭﺑﺎﺕ ﻳﺎ Agent ﺑﺎﻳﺪ ﺗﻮﺍﻧﺎﺋﻲ ﺩﺭﻙ ﻣﺤﻴﻂ ﺍﻃﺮﺍﻑ ﺧﻮﺩ ﺭﺍ ﺩﺍﺷﺘﻪ ﺑﺎﺷﺪ ( ﺗﺼﻮﻳﺮ ﻭ ﺻﻮﺕ ).

ﻳﻜﻲ ﺍﺯ ﻣﺴﺎﺋﻞ ﻣﻬﻢ ﺩﻳﮕﺮ ﺑﺮﺍﻱ ﺭﺑﺎﺕﻫﺎ، ﺷﻨﺎﺧﺖ ﺍﺯ ﻭﺟﻮﺩ ﺧﻮﺩ Sentient) ﺑﻮﺩﻥ) ﺍﺳﺖ. ﺍﻳﻦ ﺑﺪﺍﻥ ﻣﻌﻨﺎ ﺍﺳﺖ ﻛﻪ ﺭﺑﺎﺕ ﺍﺯ ﻭﺟﻮﺩ ﺧﻮﺩ ﺁﮔﺎﻩ ﺑﻮﺩﻩ ﻭ ﻣﻲﺗﻮﺍﻧﺪ ﺑﺮﻭﯼ ﻣﺤﻴﻂ ﺧﻮﺩ ﺍﺛﺮﮔﺬﺍﺭ ﺑﺎﺷﺪ. ﺍﻳﻦ ﻳﻜﻲ ﺍﺯ ﻭﻳﮋﮔﻲﻫﺎﻱ ﻣﻬﻢ ﻫﺮ ﺍﻧﺴﺎﻥ ﺍﺳﺖ ﻭﻟﻲ ﻣﺪﺭﻛﻲ ﺩﺍﻝ ﺑﺮ Sentient ﺑﻮﺩﻥ ﺣﻴﻮﺍﻧﺎﺕ ﻭﺟﻮﺩ ﻧﺪﺍﺭﺩ.

ﺗﺎﻛﻨﻮﻥ ﺭﺑﺎﺕ ﺑﺴﻴﺎﺭ ﻛﺎﻣﻞ ﻛﻪ ﻗﺎﺩﺭ ﺑﻪ ﺩﺭﻙ ﺧﻮﺩ ﺑﺎﺷﺪ ﺑﻪ ﻭﺟﻮﺩ ﻧﻴﺎﻣﺪﻩ ﺍﺳﺖ. ﺩﺍﻧﺸﻤﻨﺪﺍﻥ ﺁﻟﻤﺎﻥ ﺭﺑﺎﺗﻲ ﺑﻪ ﻧﺎﻡ Gaak ﺳﺎﺧﺘﻪ ﺍﻧﺪ ﻛﻪ ﺍﻳﻦ ﺭﺑﺎﺕ ﻗﺎﺩﺭ ﺑﻪ ﻓﮑﺮ ﮐﺮﺩﻥ ﺑﻪ ﻃﻮﺭ ﻣﺴﺘﻘﻞ ﺑﻮﺩﻩ ﺍﺳﺖ. ﺍﻳﻦ ﺭﺑﺎﺕ ﺩﺭ ﻣﺴﺎﺑﻘﺎﺕ " ﺯﻧﺪﻩ ﻣﺎﻧﺪﻥ ﻗﻮﻱﺗﺮﻫﺎ" (Surrvival Of The Fittest) ﺳﻌﻲ ﻧﻤﻮﺩﻩ ﺍﺯ ﻳﻜﻲ ﺍﺯ ﻣﺒﺎﺭﺯﺍﺗﺶ ﺑﮕﺮﻳﺰﺩ. ﺍﻳﻦ ﺭﺑﺎﺕ ﺍﺯ ﻣﺤﻞ ﻣﺒﺎﺭﺯﻩ ﮔﺮﻳﺨﺘﻪ ﻭ ﺩﺭ ﺗﺼﺎﺩﻓﻲ ﺍﺯ ﺑﻴﻦ ﺭﻓﺘﻪ ﺍﺳﺖ. ﺍﻳﻦ ﺣﺎﺩﺛﻪ ﻣﻲﺗﻮﺍﻧﺪ ﺩﻟﻴﻠﻲ ﺑﺮ ﻫﻮﺷﻤﻨﺪ ﺑﻮﺩﻥ ﺍﻳﻦ ﺭﺑﺎﺕ ﺑﺎﺷﺪ ﻭﻟﻲ ﺩﻟﻴﻞ ﻗﺎﻃﻌﻲ ﺑﺮﺍﻱ ﺍﺛﺒﺎﺕ ﺍﻳﻦ ﻣﻮﺿﻮﻉ ﻧﻴﺴﺖ.

۲ـ ﻳﺎﺩﮔﻴﺮﻱ :(Learning) ﺭﺑﺎﺕ ﺑﺎﻳﺪ ﻗﺎﺑﻠﻴﺖ ﻳﺎﺩﮔﻴﺮﻱ ﺍﻟﮕﻮﻫﺎﻱ ﺟﺪﻳﺪ ﭘﻴﺮﺍﻣﻮﻥ ﺧﻮﺩ ﺭﺍ ﺩﺍﺷﺘﻪ ﺑﺎﺷﺪ. ﺭﺑﺎﺕ ﺑﺎﻳﺪ ﺑﺘﻮﺍﻧﺪ ﻣﺴﺎﺋﻞ ﺟﺪﻳﺪ ﺭﺍ ﺑﻴﺎﻣﻮﺯﺩ ﻭ ﺩﺭ ﺟﺎﻳﻲ ﻫﻤﺎﻧﻨﺪ ﻣﻐﺰ ﺍﻧﺴﺎﻥ ﺍﻃﻼﻋﺎﺕ ﺭﺍ ﻧﮕﻬﺪﺍﺭﻱ ﻧﻤﺎﻳﺪ.

۳ـ ﺗﻄﺎﺑﻖ ﻭ ﭘﺬﻳﺮﺵ: ﺑﺎ ﻣﺤﻴﻂ، ﺧﻮﺩ ﺭﺍ ﺗﻄﺒﻴﻖ ﻭ ﺩﺭ ﺻﻮﺭﺕ ﺗﻐﻴﻴﺮ ﻣﺤﻴﻂ ﻣﻴﺒﺎﻳﺴﺖ ﻗﺎﺑﻠﻴﺖ ﭘﺬﻳﺮﺵ ﺍﻟﮕﻮﻫﺎﻱ ﺟﺪﻳﺪ ﺭﺍ ﺩﺍﺷﺘﻪ ﺑﺎﺷﺪ.

۴ـ ﻗﺎﺑﻠﻴﺖ ﺍﺳﺘﺪﻻﻝ: ﻛﺎﻣﻞ ﺑﻮﺩﻥ ﭘﺎﻳﮕﺎﻩ ﺩﺍﻧﺶ ﺑﺮﺍﻱ ﺍﺳﺘﺪﻻﻝ ﺭﺑﺎﺕ

۵ـ ﭘﺎﺳﺦ ﺩﻫﻲ ﻣﻨﺎﺳﺐ ﺑﻪ ﺭﻭﻳﺪﺍﺩﻫﺎ (ﺗﺼﻤﻴﻢ ﮔﻴﺮﻱ ﺩﺭﺳﺖ) ﻭ ...

ﺑﺮﺍﻱ ﻣﻮﻓﻘﻴﺖ ﺩﺭ ﺗﺴﺖ ﺗﻮﺭﻳﻨﮓ ﻛﺎﻣﭙﻴﻮﺗﺮ ﺑﺎﻳﺪ ﻗﺎﺑﻠﻴﺖﻫﺎﻱ ﺯﻳﺮ ﺭﺍ ﺩﺍﺷﺘﻪ ﺑﺎﺷﺪ.

۱ـ ﭘﺮﺩﺍﺯﺵ ﺯﺑﺎﻥ ﻃﺒﻴﻌﻲ:(Natural Language Processing) NLP ﺩﺭﻙ ﻣﻌﻨﺎﻳﻲ ﺟﻤﻼﺕ ﻧﻮﺷﺘﻪ ﺷﺪﻩ ﺑﺮﺍﯼ ﻣﺤﺎﻭﺭﻩ ﺑﻪ ﺯﺑﺎﻥ ﺍﻧﮕﻠﻴﺴﻲ. (ﻣﺸﻜﻞ ﺍﺳﺖ ﻣﺜﻼ ﺿﺮﺏ ﺍﻟﻤﺜﻞﻫﺎ ﺭﺍ ﻧﻤﻲﻓﻬﻤﺪ...)

۲ـ ﺑﺎﺯﻧﻤﺎﺋﻲ ﺩﺍﻧﺶ :(Knowledge representation)

 

ﺍﻃﻼﻋﺎﺕ ﺗﻮﻟﻴﺪ ﺷﺪﻩ ﻗﺒﻞ ﻳﺎ ﺩﺭ ﺣﻴﻦ ﺁﺯﻣﻮﻥ ﺭﺍ ﺫﺧﻴﺮﻩ ﺳﺎﺯﺩ.

۳ـ ﺍﺳﺘﺪﻻﻝ ﺧﻮﺩﻛﺎﺭ :(Automated Reasoning)

ﺍﺯ ﺍﻃﻼﻋﺎﺕ ﺫﺧﻴﺮﻩ ﺷﺪﻩ ﺑﺮﺍﻱ ﭘﺎﺳﺦ ﺑﻪ ﭘﺮﺳﺶﻫﺎ ﺍﺳﺘﻔﺎﺩﻩ ﻛﺮﺩﻩ ﻭ ﻧﺘﺎﻳﺞ ﺟﺪﻳﺪﻱ ﺭﺍ ﺍﺳﺘﺨﺮﺍﺝ

ﻧﻤﺎﻳﺪ.

۴ـ ﻳﺎﺩﮔﻴﺮﻱ ﻣﺎﺷﻴﻦ :(Machine Learning)

ﺧﻮﺩ ﺭﺍ ﺑﺎ ﺷﺮﺍﻳﻂ ﺟﺪﻳﺪ ﻭﻓﻖ ﺩﺍﺩﻩ ﻭ ﺍﻟﮕﻮﻫﺎ ﺭﺍ ﻛﺸﻒ ﻛﻨﺪ.

ﻣﺰﻳﺖ ﻛﺎﻣﭙﻴﻮﺗﺮﻫﺎﻱ ﻫﻮﺷﻤﻨﺪ ﻧﺴﺒﺖ ﺑﻪ ﺍﻧﺴﺎﻥ:

۱ـ ﺧﺴﺘﻪ ﻧﻤﻲﺷﻮﺩ

۲ـ ﮔﺮﺍﻧﻲ ﻧﻴﺮﻭﻱ ﺍﻧﺴﺎﻧﻲ

۳ـ ﻋﺪﻡ ﺷﻚ ﻭ ﺍﺷﺘﺒﺎﻩ

۴ـ ﺍﻧﺴﺎﻥﻫﺎ ﺳﺮﺣﺎﻝ ﻧﻴﺴﺘﻨﺪ ﻭ ...

۵ـ ﻋﺪﻡ ﻓﺮﺍﻣﻮﺷﻲ

۶ـ ﺳﺮﻋﺖ ﺑﺎﻻ، ﺩﻗﺖ ﺑﺎﻻ ﻭ ...

ﻣﺒﺎﺣﺜﯽ ﮐﻪ ﺩﺭ ﺍﺭﺗﺒﺎﻁ ﺑﺎ ﻫﻮﺵ ﻣﺼﻨﻮﻋﯽ ﻣﻄﺮﺡ ﻣﻴﺸﻮﻧﺪ:

۳ـ ﺣﻞ ﻣﺴﺎﺋﻞ ﻭ ﺑﺎﺯﻱ ﻫﺎ:

ﺑﻴﺸﺘﺮ ﻓﺼﻮﻝ ﺩﺭﺱ ﻫﻮﺵ ﻣﺼﻨﻮﻋﻲ ﺩﺭ ﺳﻄﺢ ﻟﻴﺴﺎﻧﺲ ﻣﺮﺑﻮﻁ ﺑﻪ ﺣﻞ ﻣﺴﺎﺋﻞ ﻣﻲﺑﺎﺷﺪ. ﻣﺴﺎﺋﻠﻲ ﻛﻪ ﺩﺭ ﺍﻳﻦ ﺑﺨﺶ ﻣﻮﺭﺩ ﺑﺮﺭﺳﻲ ﻗﺮﺍﺭ ﻣﻲﮔﻴﺮﻧﺪ ﻣﺴﺎﺋﻞ ﻫﻮﺷﻤﻨﺪ ﺑﻮﺩﻩ ﻭ ﻣﺴﺎﺋﻠﻲ ﻫﺴﺘﻨﺪ ﻛﻪ ﺍﺯ ﻗﺒﻞ ﺑﺮﺍﻱ ﺁﻥﻫﺎ ﺍﻟﮕﻮﺭﻳﺘﻢ ﺧﺎﺻﻲ ﻧﺪﺍﺭﻳﻢ ﻭ ﺍﻳﻦ ﺑﺪﻟﻴﻞ ﭘﻴﭽﻴﺪﮔﻲ ﺍﻳﻦﮔﻮﻧﻪ ﻣﺴﺎﺋﻞ ﺍﺳﺖ. ﻣﺎﻧﻨﺪ ﻣﻌﻤﺎﻱ ۸، ﺷﻄﺮﻧﺞ، ﻛﺸﻴﺶ ﻭ ﺁﺩﻡﺧﻮﺍﺭ ﻭ … ﺍﻳﻦﮔﻮﻧﻪ ﻣﺴﺎﺋﻞ ﺭﺍ ﺑﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﺩﺍﻧﺶ (Knowledge) ﺣﻞ ﻣﻲ ﻛﻨﻴﻢ. ﺩﺭ ﻣﻮﺭﺩ ﻣﺴﺎﺋﻞ ﻫﻮﺷﻤﻨﺪ ﻧﻴﺎﺯ ﺑﻪ ﺩﺍﻧﺶ ﺩﺍﺭﻳﻢ. ﺩﺍﻧﺶ ﻳﻌﻨﻲ ﺩﺍﺷﺘﻦ ﺩﻭ ﭼﻴﺰ: ﺣﻘﺎﻳﻖ (Facts) ﻭ ﻗﻮﺍﻧﻴﻦ ﺣﺎﻛﻢ ﺑﺮ ﺣﻘﺎﻳﻖ . (Rules) ﺩﺭ ﺿﻤﻦ ﻫﻤﻴﺸﻪ ﺩﺭ ﻛﻨﺎﺭ ﺩﺍﻧﺶ، ﺗﺠﺮﺑﻪ ﻧﻴﺰ ﻭﺟﻮﺩ ﺩﺍﺭﺩ.

ﺣﺎﻝ ﺑﺎ ﺩﺍﻧﺶ ﻭ ﺗﺠﺮﺑﻪﺍﻱ ﻛﻪ ﺍﺯ ﻳﻚ ﻣﺴﺌﻠﻪ ﺩﺍﺭﻳﻢ ( ﺩﺍﺷﺘﻦ Fact ﻫﺎ ﻭ Rule ﻫﺎ ) ﺑﻪ ﻫﺪﻑ ﻣﺴﺌﻠﻪ ﺭﺳﻴﺪﻩ ﻭ ﺁﻥ ﺭﺍ ﺣﻞ ﻣﻲﻛﻨﻴﻢ. ﻣﺴﺌﻠﻪ ﺍﺻﻠﻲ ﻫﻮﺵ ﺍﻳﻦ ﺍﺳﺖ ﻛﻪ ﻛﺪﺍﻡ ﻣﺴﻴﺮ ﺭﺍ ﺑﺮﺍﻱ ﺣﻞ، ﺍﻧﺘﺨﺎﺏ ﻛﻨﻴﻢ (ﻫﻮﺵ ﻳﻌﻨﻲ ﺍﺳﺘﻨﺘﺎﺝ ﻭ ﻗﻀﺎﻭﺕ ﺑﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﺩﺍﻧﺶ ﻭ ﺗﺠﺮﺑﻪ ﺩﺭ ﻣﻮﺭﺩ ﻳﻚ ﻣﺴﺌﻠﻪ) ﻛﻪ ﺩﺭ ﻧﻬﺎﻳﺖ ﺑﺮﺍﻱ ﻣﺴﺎﺋﻞ ﺍﺯ ﺳﻴﺴﺘﻢ ﺗﻮﻟﻴﺪ ﺍﺳﺘﻔﺎﺩﻩ ﻣﻲﻛﻨﻴﻢ ﻛﻪ ﺷﺎﻣﻞ ۳ ﻣﺮﺣﻠﻪ ﺍﺳﺎﺳﻲ ﺍﺳﺖ:

 

۱- ﭘﺎﻳﮕﺎﻩ ﺩﺍﺩﻩ Fact) ﻫﺎ)

٢- ﻗﻮﺍﻧﻴﻦ ﺗﻮﻟﻴﺪ Rule) ﻫﺎ)

٣- ﺍﺳﺘﺮﺍﺗﮋﻱ ﻛﻨﺘﺮﻝ (ﺍﻧﺘﺨﺎﺏ ﺑﻬﺮﻳﻦ ﻣﺴﻴﺮ)

ﻣﺴﺎﺋﻞ ﺑﺎﻻ ﻫﻤﮕﻲ ﺩﺭ ﺍﺩﺍﻣﻪ ﺩﺭﺱ ﻃﺮﺍﺣﻲ ﺍﻟﮕﻮﺭﻳﺘﻢ ﻣﻄﺮﺡ ﻣﻲﺷﻮﺩ.

- ﺑﺤﺚ ﻧﺤﻮﻩ ﺍﺭﺍﺋﻪ ﭘﺎﻳﮕﺎﻩ ﺩﺍﻧﺶ

۱ـ ﺯﺑﺎﻥ ﻣﻨﻄﻖ

۲ـ ﺯﺑﺎﻥﻫﺎﻱ ﺭﻭﻳﻪﺍﻱ ۳ـ ﺷﺒﻜﻪ ﻣﻌﻨﺎﻳﻲ ۴ـ ﺳﻴﺴﺘﻢﻫﺎﻱ ﺗﻮﻟﻴﺪ ۵ ـ ﻗﺎﺏﻫﺎ

- ﺑﺤﺚ ﺍﺳﺘﺪﻻﻝ ﺑﻪ ﺭﻭﻱ ﭘﺎﻳﮕﺎﻩ ﺩﺍﻧﺶ....

۴ـ ﺷﻨﺎﺳﺎﻳﻲ ﺍﻟﮕﻮ :(Pattern Pecognition)

ﺁﻣﺎﺭﻱ

ﺳﺎﺧﺘﺎﺭﻱ

ﺷﺎﺧﻪﺍﻱ ﺍﺯ ﻋﻠﻢ ﺍﺳﺖ ﻛﻪ ﺑﻪ ﺩﺳﺘﻪﺑﻨﺪﻱ ﻣﺆﺛﺮ ﺍﻟﮕﻮﻫﺎ ﺩﺭ ﺩﺍﺧﻞ ﺩﺳﺘﻪﻫﺎ ﻳﺎ ﻛﻼﺱﻫﺎﻱ ﻣﻌﻴﻦ ﻣﻲﭘﺮﺩﺍﺯﺩ.

 

5. ﺷﺒﻜﻪﻫﺎﻱ ﻋﺼﺒﻲ :(Neural Networks)

ﻫﺮ ﭼﻨﺪ ﻣﻐﺰ ﯾﮏ ﺳﺎﺧﺘﺎر ﭘﺮدازﺷﯽ ﺗﻮزﯾﻊ ﺷﺪه اﺳﺖ، ﻟﯿﮑﻦ اﯾﻦ ﺳﺎﺧﺘﺎر ﺑﻪ ﻣﺮور زﻣﺎن اﻧﺠﺎم وﻇﺎﯾﻒ را ﺗﻘﺴﯿﻢ ﻧﻤﻮده و ﻫﺮ ﻗﺴﻤﺖ آن وﻇﯿﻔﻪ ای را ﺑﺮ ﻋﻬﺪه ﮔﺮﻓﺘﻪ اﺳﺖ. در ﺷﮑﻞ وﻇﯿﻔﻪ ﺑﻌﻀﯽ از ﻗﺴﻤﺘﻬﺎی ﻣﺨﺘﻠﻒ آن آﻣﺪه اﺳﺖ.

ﻗﺴﻤﺖ ﻧﺎرﻧﺠﯽ ﻣﺮﺑﻮط ﺑﻪ اﻃﻼﻋﺎت ﺑﺼﺮی، ﻗﺴﻤﺖ زرد اﻋﻤﺎل ﺻﻮﺗﯽ، ﻗﺴﻤﺖ ﻧﯿﻠﯽ و ﻗﺮﻣﺰ ﺑﺮای اﻋﻤﺎل ﺣﺴﯽ و ﺣﺮﮐﺘﯽ و ...

اﻟﺒﺘﻪ اﯾﻦ ﺗﻘﺴﯿﻢ ﮐﺎر ﻟﻄﻤﻪ ای ﺑﻪ اﯾﻨﮑﻪ اﯾﻦ ﺳﯿﺴﺘﻢ ﯾﮏ ﺳﺎﺧﺘﺎر ﭘﺮدازش ﻣﻮازی ﺑﺰرگ اﺳﺖ ﻧﻤﯽ زﻧﺪ و ﻫﻤﭽﻨﺎن اﯾﻦ وﯾﮋﮔﯽ و ﺳﺎﯾﺮ ﺧﻮاص ﺑﺮ آن ﻣﺘﺮﺗﺐ اﺳﺖ.

ﺳﺎﺧﺘﺎﺭ ﻣﻐﺰﻱ ﺍﻧﺴﺎﻥ ﺣﺪﻭﺩﺍﹰ ﻣﺘﺸﻜﻞ ﺍﺯ ۰۱۰۱ ﻭﺍﺣﺪ ﭘﺎﻳﻪ ﺑﻪ ﻧﺎﻡ ﻧﺮﻭﻥ ﺍﺳﺖ ﻛﻪ ﻫﺮ ﻧﺮﻭﻥ ﺗﻘﺮﻳﺒﺎﹰ ﺑﺎ۴۰۱ ﻧﺮﻭﻥ ﺩﻳﮕﺮ ﺩﺭ ﺍﺭﺗﺒﺎﻁ ﻫﺴﺘﻨﺪ. ﺳﺎﺧﺘﺎﺭ ﻛﺎﻣﭙﻴﻮﺗﺮ ﺑﺪﻳﻦ ﮔﻮﻧﻪ ﺍﺳﺖ ﻛﻪ ﻋﻤﻠﻲ ﺭﺍ ﺑﺎﻳﺪ ﺑﻌﺪ ﺍﺯ ﻋﻤﻞ ﺩﻳﮕﺮﺑﺎ ﺳﺮﻋﺖ ﺑﺎﻻ ﺍﻧﺠﺎﻡ ﺩﻫﺪ، ﺩﺭ ﺻﻮﺭﺗﻲ ﻛﻪ ﻣﻐﺰ ﺍﻧﺴﺎﻥ ﺑﺎ ﺗﻌﺪﺍﺩ ﺍﺟﺰﺍﺀ ﺑﻴﺸﺘﺮ ﻭ ﺑﺎ ﺳﺮﻋﺖ ﻛﻤﺘﺮﻱ(ﺣﺪﻭﺩ۰۰۱ﻫﺮﺗﺰ) ﻭ ﺑﻪ ﻃﻮﺭ ﻫﻤﺰﻣﺎﻥ ﻛﺎﺭ ﻣﻲ ﻛﻨﺪ، ﭘﺲ ﻣﻐﺰ ﺍﻧﺴﺎﻥ ﺑﺮﺧﻼﻑ ﻛﺎﻣﭙﻴﻮﺗﺮ ﺳﺎﺧﺘﺎﺭﻱ ﻣﻮﺍﺯﻱ ﺩﺍﺭﺩ.

 

ﻣﻬﻤﺘﺮﻳﻦ ﺧﺼﻴﺼﻪ ﻣﻐﺰ ﺁﻣﻮﺯﺵ ﺍﺳﺖ. ﺣﺎﻝ ﻣﺎ ﺑﺎﻳﺪ ﭼﮕﻮﻧﻪ ﺍﻳﻦ ﻛﺎﺭ ﺭﺍ ﺍﻧﺠﺎﻡ ﺩﻫﻴﻢ ﻭ ﺭﻓﺘﺎﺭ ﻣﻐﺰ ﺭﺍ ﺗﻘﻠﻴﺪ ﻧﻤﺎﺋﻴﻢ. ﺍﺑﺘﺪﺍ ﺳﺎﺧﺘﺎﺭ ﻣﻐﺰ ﺭﺍ ﺑﺮﺭﺳﻲ ﻣﻲﻛﻨﻴﻢ.

ﻣﻐﺰ ﺍﺯ ۰۱۰۱ ﻧﺮﻭﻥ Neuron ﺗﺸﻜﻴﻞ ﺷﺪﻩ ﺍﺳﺖ. ﻧﺤﻮﻩ ﻋﻤﻠﻴﺎﺕ ﻧﺮﻭﻥ ﺑﺴﻴﺎﺭ ﭘﻴﭽﻴﺪﻩ ﺍﺳﺖ ﻭ ﻫﻨﻮﺯ ﺩﺭ ﺳﻄﺢ ﻣﻴﻜﺮﻭﺳﻜﻮﭘﻲ ﺷﻨﺎﺧﺘﻪ ﺷﺪﻩ ﻧﻴﺴﺖ ﻫﺮﭼﻨﺪ ﻗﻮﺍﻧﻴﻦ ﭘﺎﻳﻪ ﺁﻥ ﻣﺸﺨﺺ ﺍﺳﺖ. ﻫﺮ ﻧﺮﻭﻥ ﺩﺍﺭﺍﻱ ﺗﻌﺪﺍﺩ ﻣﺘﻌﺪﺩ ﻭﺭﻭﺩﻱ ﺍﺳﺖ ﻛﻪ ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﺑﻪ ﻃﺮﻳﻘﻲ ﺟﻤﻊ ﻣﻲﺷﻮﻧﺪ ﺍﮔﺮ ﺗﻌﺪﺍﺩ ﻭﺭﻭﺩﻱﻫﺎﻱ ﻓﻌﺎﻝ ﻧﺮﻭﻥ ﺩﺭ ﻳﻚ ﻟﺤﻈﻪ ﺑﻪ ﺣﺪ ﻛﻔﺎﻳﺖ ﺑﺮﺳﺪ ﻧﺮﻭﻥ ﻧﻴﺰ ﻓﻌﺎﻝ ﻣﻲﺷﻮﺩ، ﺩﺭ ﻏﻴﺮ ﺍﻳﻦ ﺻﻮﺭﺕ ﻧﺮﻭﻥ ﻏﻴﺮﻓﻌﺎﻝ ﻣﻲﺑﺎﺷﺪ.

 

منبع نوشته :

 علی کارگر نژاد