مصنوعی : هوش موضوع

استاد: آقای رونقی

گردآورندگان: کیارش طاهریمحسن حقانیهادی صداقت

هوش مصنوعی)هوش ماشینی(ARTIFICIAL INTELLIGENCE

.ماشین هایی با رفتار شبیه رفتار انسانActing humanly

هنر ساخت ماشینهایی که کارهایی انجام می دهند که آن کارها توسط انسان با فکر کردن انجام میشوند.

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

،بیشتر نوشته ها و مقاله های مربوط به هوش مصنوعیآن را به عنوان »دانش شناخت و طراحی عامل های

هوشمند«تعریف کرده اند.

تعریف و طبیعت هوش مصنوعی

o تعریف دقیقی از هوش مصنوعی بین متخصصان این 4رشته وجود ندارد اما در اکثر تعریفات بر پایه یکی از

باور زیر قرار میگیرد:

oسیستم هایی که به طور منطقی فکر می کنندoسیستم هایی که به طور منطقی عمل می کنندoسیستم هایی که مانند انسان فکر می کنندo سیستم هایی که مانند انسان عمل می کنند

چند تعریف از هوش مصنوعی:.I خودکارسازی فعالیت هایی که ما آنها را به تفکر انسانی

نسبت می دهیم. فعالیت هایی مثل تصمیم گیری، حل (۱۹۷۸مسئله، یادگیری و ... )بلمن -

.II مطالعٔه استعدادهای ذهنی از طیق مدل های محاسباتی(۱۹۸۵)کارنیاک و مک درموت -

.III یک زمینٔه تخصصی که به دنبال توضیح و شبیه سازیرفتار هوشمندانه بوسیله فرایندهای کامپیوتری است.

(۱۹۹۰)شالکوف -.IV مطالعه محاسباتی که درک، استدالل و عمل کردن را

(۱۹۹۲توسط ماشین ها را ممکن می سازد. )وینستون - .V... و

مفهوم هوشمندیهوشمندی مفهوم نسبی دارد و نمیتوان مفهوم صحیحی را برای ارائه تعریف آن مشخص نمود،اما قابلیتهای زیر برای

هوشمندی الزم است:

.I پاسخ به موقعیت های از قبل تعریف نشده با انعطافبسیار باال و بر اساس بانک دانش

.IIمعنا دادن به پیام های نادرست یا مبهم.IIIدرک تمایزها و شباهت ها.IVتجزیه و تحلیل اطالعات و نتیجه گیری.Vتوانمندی آموختن و یادگرفتن.VIبرقراری ارتباط دوطرفه

وظایف یک سیستم هوشمند

.Iتولید گفتار.II)تشخیص و درک گفتار)پردازش زبان طبیعی انسان.III دستور پذیری و قابلیت انجام اعمال فیزیکی در محیط

طبیعی و مجازی.IVاستنتاج و استدالل.V تشخیص الگو و بازشناسی الگو برای پاسخ گویی به

مسائل بر اساس دانش قبلی.VIسرعت عکس العمل باال.VII شمایلی گرافیکی و یا فیزیکی جهت ابراز احساسات و

عکس العمل های ظریف

(1950نظریه و تست تورینگ(آلن تورینگ

قابلیت کامپیوتر ب�رای موفقیت در تست تورینگ.I(پردازش زبان طبیعیNLP درک معنایی جمالت نوشته شده:)

برای محاوره به زبان انگلیسی .)مثال ضرب المثلها را نمیفهمد(

.II بازنمایی دانش:ذخیره سازی اطالعات تولید شده قبل یا درحین آزمون

.III استدالل خودکار:استفاده از اطالعات ذخیره شده برای پاسخبه پرسشها و استخراج نتایج جدید

.IV یادگیری ماشینی:وفق دادن خود با شرایط جدید و کشفالگوها

(1980اتاق چینی)ج�ان رسل

یک آزمایش ذهنی

سوال:آیا یک برنامههوشمند مترجم

کامپیوتری که توانایی ترجمه از زبان چینی به

زبان انگلیسی را دارد،ضرورتی برای فهم

موضوع مورد ترجمه دارد یا نه.

نتایج سرل از اتاق چینی

جان سرل توانست بین دو فرضیه مهم تمایز قائ�ل شود و آنها را فرضیه هوش مصوعی قوی و فرضیه هوش مصنوعی ضعیف نامید.

یک سیستم هوش مصنوعی فقط میتواند مثل این عمل

کند که فکر میکند و ذهن دارد.

یک سیستم هوش مصنوعی میتواند فکر کند و ذهن

داشته باشد.

فرضیه دوم)هوش مصنوعی ضعیف(

فرضیه اول)هوش مصنوعی قوی(

عامل هوشمندیموجودی خودمختار که در یک محیط،اطراف خود را شناخته و اعمالی را در جهت نیل به هدف انجام میدهد. عامل ها از

.طریق حسگر ها و اقدام گرها با محیط در تعامل هستند

انواع عاملهاعامل هر چيزي است كه ميتواند محيطش را از طريق حسگر ها

درك كند و بر روي محيطش از طريق عمل كننده ها تاثير ميگذارد و عمل انجام ميدهد.

عامل انسانی :sensor ....گوش. چشم. پوست. زبان :

effector دست ، پا ، دهان ، اندام های دی�گر :

عامل رباتیک : sensor دوربین، یابنده های مادون قرمز :

effector موتور، چرخ ها ، بازوها :

عامل نرم افزاری :sensorصفحه کلید :

effectorصفحه نمایش :

عامل ها امکان یادگیری دارند و از دانش اکتسابی خود برای انجام اهداف خود استفاده می کنند.

قادر به شناسایی الگوها و تصمیم گیری براساس قوانین فکر کردن خود می باشد.

این سیستم ها براساس قوانین خاص خود فکر میکنند وکار خود را به درستی انجام میدهند،پس عاقالنه رفتار می

کنند، هر چند الزاما مانند انسان فکر نمی کنند.

ماشينهاي كوكي كه با برخورد به ديوار، راه خود را عوض ميكنند نمونهاي از عاملهاي هوشمند هستند.

منطق فازیمقدمه ای بر منطق فازی

بیشتر رویدادهایی که در زندگی روزمره برای ما اتفاق می .افتد دارای ابهام می باشند

مثال:علی آدم تیزی است.

تیز بودن به چه مفهومی است و برای هر انسان تیز به معنای متفاوتی است و برداشت هر شخص از این کلمه

.متفاوت است

در واقع چند برداشته بودن چند مفهوم به معنای فازی بودن .آن است

ارایه برای اولین بار توسط دکتر لطفعلی زاده در سال 1964

دکتر لطفعلی زاده:"ما نیاز به یک نوع مختلف ازریاضیات هستیم که بتوانیم ابهامات و عدم دقت را مدلسازی نماییم

مدلی که متقاوت از نظریه احتماالت می باشد. "

نظری فازی برای بیان و تشریح عدم قطعیت و عدم دقت در رویدادها بکار می رود و کلید اصلی نظریه فازی از

منطق چند ارزشی بوجود آمده است منطق فازی یک نوع منطق است که روش های نتیجه گیری در مغز بشر را

جایگزین می کند.

تفاوت بین منطق کالسیک منطق فازی

چند ارزشی بودن ایجاد ارزش بین دو

ارزشی ها تبدیل مفاهیمی مانند

نسبتا و ... به زبان ریاضی)قابل فهم برای

کامپیوترها(

تنها دو حالت:صفر و یک سیاه و

سفید و ...

استفاده در قوانین علمیگذشته مانند ریاضیات و

مکانیک نیوتونی

منطق فازی منطق% کالسیک)ارسطویی یا باینری(

کاربرد های منطق فازی

.I)ساده ترین نمونه یک سیستم کنرتل دما)ترموستات.II سیستم ترمزABSدر ماشین ها .III)شبکه مونوریل)قطار تک ریل.IVآسانسورها.Vروباتیک.VIتصمیم گیری.VII حسابرسی:در زمینه اندازه گیری و مدیریت احتمال

خطر حسابرسی

– GENETIC ALGORITHMالگوريتم ژنتيک GA) )

معرقی شده توسط جان هلند در دهه هفتاد میالدی

تکنيک جستجويي در علم رايانه براي يافتن راه حل تقريبي براي بهينه سازي و مسائل جستجو است.

الگوريتم ژنتيک نوع خاصي از الگوريتم هاي تکامل است که از تکنيک هاي زيست شناسي فرگشتي مانند وراثت و

جهش استفاده مي کند.

مسئله ای که باید حل شود ورودی است و راه حلهای ممکن طبق یک الگو کدگذاری می شوند،سپس یک تابع

پردازش،هر یک بدیلها را که اکثرا آنها به صورت تصادفی انتخاب میشوند،ارزیابی میکند.

قانون انتخاب طبیعی)نظریه داروین(گونه هایی از یک جمعیت ادامه نسل می دهند که بهترین

خصوصیات را داشته باشند.

ایجاد نسلهای بهتر از کرومزوم های بهتر

بهتر شدن نسل بعدی بوسیله جهش ها در بعضی اوقات

الگوریتم ژنتیک با استفاده از این اقدام به حل مسایل اقدام می کند.

مفهوم الگوریتم ژنتیکایده اساسی:انتقال خصوصیات موروثی توسط ژن ها

فرض کنید کرومزوم ها انتقال دهنده خصوصیات انسانها به نسل بعدی اند.

+ ...3+ ژن2 + ژن 1کروموزوم = ژنهر ژن نماینده یک خصوصیت است.

اگر تمام کروموزوم ها به نسل بعدی منتقل شوند،دو نسل شبیه یکدیگر میشوند ولی در عمل به دلیل دو اتفاق این چنین

نیست..Iجهش:تغییر ژن ها به صورت کامال تصادفی.II ترکیب:اتصال دو کروموزوم از طول به یکدیگر و تبادل

برخی قطعات بین دو کروم�زوم است.ترکیب باعث میشود تا فرزندان ژن متفاوتی نسبت به والدین داشته باشند.

ترکیب به تعداد بیشتری از جهش اتفاق می افتد.

مولفه های الگوریتم ژنتیک.I نمایش:تعیین کردن روشی برای ارائه یک جواب به شکلی

که الگوریتم ژنتیک بتواند روی ان عمل کند.یک راه حل با یک لیست از پارامترها نشان داده می شود که به آنها

کرومزوم یا ژنوم میگویند.

.II انتخاب:تکامل از مجموعه کامال تصادفی از موجودیتشروع می شود و در نسلهای بعدی تکرار می شود در هر

نسل،مناسبترین انتخاب می شوند نه بهترین.

.IIIتغییر:تولید نسل جدید با استفاده� از جهش و ترکیب

.IV تابع پردازش:روشی که بتواند کیفیت هر بدیل را مجاسبهکند.تناسب پاسخ،با تعیین وزن کل برای جواب پیشنهاد

شده اندازه گیزی می شود.

نحوه عملکرد الگوریتم ژنتیک

شرايط خاتمه الگوريتم هاي ژنتيک

.Iبه تعداد ثابتي از نسل ها برسيم .IIتمام شدن زمان اختصاصی داده شده.III يک فرد)فرزند توليد شده( پيدا شود که مينيمم

)کمترين( مالک را برآورده کند..IV بيشترين درجه برازش فرزندان حاصل شود يا ديگر

نتايج بهتري حاصل نشود..Vبازرسی دستی.VIترکیبهای باال

کاربرد الگوریتم ژن�تیک

طراحی مهندسیرباتیکمسیر یابیبازی های رایانه ایکاربردهای امنیتی )امور مالی و سرمایه گذاری)سبد سهامبازاریابی و تجاری

-ARTIFICIAL NEURAL NETWORKشبکه های عصبی

فلسفٔه اصلی :مدل کردن ویژگی های پردازشی مغزانسان برای تقریب زدن روش های معمول محاسباتی با

روش پردازش زیستی است. آنها را میتوان مدل الکترونیکی از ساختار عصبی مغز

دانست.:شباهت با مغز یادگیری در شبکه عصبی از طریق تجربه همانند •

مغز وزن دهی مشابه با سیستم ذخیره سازی •

اطالعات، در شبکٔه عصبی مغز انسان انجام می گیرد.

مفهوم شبکه

شبکه :مجموعه ای از ساختارهای ساده که در کنار یکدیگر سیستم پیچیده نهایی را توصیف می کند.

اجزای شبکه:.I گره )واحد محاسباتی در شبکه(:گرفتن ورودی و انجام

پردازش بر روی آن.II اتصاالت بین گره ها:مشخص کردن نحوه گذر اطالعات

بین گره ها

اجزای شبکه های عصبی زیستی

شبکه های عصبی

نورون

دندریت

بدنه اصلی

سیناپساکسون

.Iدندریت:مناطق دریافت سیگنالها الکتریکی.IIبدنه اصلی:وظیفه تامین انرژی برای انجام فعالیت نورون�.III اکس�ون:دریاف�ت س�یگنالهای الکتروشیمیای�ی از هس�ته سلول و

انتقال به نورون های دیگر

شبکه های عصبی مصنوعی

ایده اساسی از مغز انسانیک سامانه پردازشی داده است پردازش داده بوسیله پردازنده های کوچک و بسیار زیاد

پیوسته و موازی طراحی ساختار داده به کمک دانش برنامه نویسی و

عمل کردن آنان همانند نورونفراگرفتن عملکرد خود عموما طی یک پروسه یادگیری

یادگیری شبکه

مهمترین ویژگی شبکه های مصنوعی گه باعث می شوداین شبکه ها به انسان نزدیک شوند قدرت یادگیری

است.

شبکه های عصبی برای یادگیری به جای دنبال کردنمجموعه ای از قواعد تعریف شده توسط انسان

متخصص،از قواعد مبنایی)مانند روابط ورودی-خروجی(استفاده میکنند.

خصوصیات شبکه عصبی

.I یادگیری از طریق مثال.II چشم پوشی از معایب.IIIقادر بودن به تشخیص الگو.IV استفاده از پردازش موازی،زیرا جنبه های مختلف الگو

را یکجا در نظر میگیرند..Vمصرف انرزی کم

کاربردهای هوش مصنوعی

.Iپیش بینی روند سهام

.IIحسابرسی

.IIIپیش بینی میزان اعتبار

.IVبرآورد بهای تمام شده