sszz23
عضو جدید
از بدو مطرح شدن هوش مصنوعی به عنوان یک Dicipline در علوم رایانه،دو طرز تفکر در تحقق سیستمهای هوشمند مطرح بوده،شاید بتوان آن دو را در پردازش نمادین و پردازش عددی تعریف کرد.برای درک پردازش نمادین میتوانیم به یک مثال اشاره کنیم: فرض کنید از یک پیانیست سوال میکنیم که چگونه پیانو مینوازی؟ این نوازنده با استفاده از یک سری بیانات و شاید حرکات،روش کار خود را به ما نشان میدهد و به احتمال زیاد شیوه عمل او را هم درک میکنیم و اگر کمی جدیت به خرج دهیم شاید حتی بتوانیم چند نت را هم به گونه ای جمیع تکرار کنیم.حالا فرض کنید، میخواهیم این رفتار را با استفاده از یک فرمول ریاضی(پردازش عددی) مدل کرده و مثلا با استفاده از یک ربات تکرار کنیم.سوال این است که آیا مدل ریاضی که منحصر به روابط بین یک سری کیفیتهای رقمی است،قادر به انجام این عمل خواهد بود؟ فکر کنم جواب شما منفی باشه.در ادامه به یک وضعیت دیگر اشاره میکنم.فرض کنید میخواهید از یک خیابان که ماشینها با سرعت عبور میکنند،بگذرید.آیا روش تصمیم گیری شما در رابطه با عبور کردن بر مبنای پردازش یک سری اندازه گیری انجام شده است؟برای مثال آیا سرعت ماشین را تخمین زده و با در نظر گرفتن عرض خیابان،سرعت خود را محاسبه میکنید؟
به احتمال زیاد در اینصورت مطمئنا شانس رسیدن شما به آن طرف خیابان بسیار پایین میباشد و یا زمان بسیار زیادی طول خواهد کشید که تصمیم به عبور از خیابان را به مرحله اجرا درآورید.در اینگونه شرایط،روش برخورد ما به این صورت خواهد بود که:"به نظر میرسد ماشین آهسته حرکت میکند.به آن طرف خیابان خواهم رسید"
در این نوع پردازش انسان مواجه با تعداد زیادی نماد symbols میباشد و با استفاده از این نمادها برای تصمیم گیری اقدام میکند.این نوع تصمیم گیریها به طور واضح در رفتار آدمی مشاهده میشود و طبیعی است که پردازش نمادین از جایگاهی ویژه در علوم هوش مصنوعی برخوردار است.در کنار پردازش نمادین در انسان میدانیم که مغز انسان از یک مجموع منسجم سلولهای عصبی تشکیل شده و مدلهای ارائه شده برای این سیستم عصبی بر مبنای پردازش عددی عمل میکند.چگونگی عمل سیستم طبیعی عصبی به طور واضح برای انسان مشخص نشده و از آنجا که مدلهای ارائه شده از قابلیتهای بسیار بالایی برخوردار هستند و در کاربردهای زیادی از خود کارایی خوبی ارائه کرده اند،به نظر میرسد از واقعیت امر زیاد دور نباشند.
پس،شاید بتوان گفت،انسان به طور کلی در سطح بالای تصمیم گیری از پردازش نمادین استفاده میکند و در سطوح حسی و واکنشهای عصبی خود یک نوع پردازش عددی را به کار میگیرد.پس،رفتار هوشمندانه آدمی ناشی از یک روش نمادین تفکر در کنار محاسبات عصبی مغز می باشد.همانطور که مطرح شد،این دو محور در هوش انسان از بدو پیدایش هوش مصنوعی،به صورت دو دیدگاه معرفی شده اند.از یک دید،هدف ساختن مغز مصنوعی(شبکه های عصبی مصنوعی) است که در صورت وجود این سخت افزار میتوان توقع داشت ماشینی که به این وسیله مجهز شود،رفتار هوشمندانه از خود نشان دهد.از دیدگاه دوم،هدف،مدلسازی روش تفکر انسان است که با استفاده از آن انسان تصمیم گیریهای هوشمندانه میکند.
در دهه های 50 و 60 محور اول به عنوان محور اصلی در مخلوقات هوش مصنوعی مطرح بوده اما در دهه 70 پردازش نمادین به عنوان فهم روشن تفکر در طراحی سیستمهای هوشمند مطرح شد.
خوشبختانه در 10 سال اخیر محققان به این نتیجه رسیده اند که برای ساختن یک سیستم هوشمند که بتواند در حوزه های ( Domains) مختلف عمل کند،و یک مسئله پیچیده را حل کند،اعتماد کردن به یک روش یا بینش کافی نخواهد بود و از این رو فلسفه هوش مصنوعی ترکیبی(Hybrid Artificial Intelligence) مطرح شده. به طور کلی سه روش ترکیب تکنیکهای هوش مصنوعی در جهت ساخت یک سیستم هوشمند ارائه شده که به اختصار توضیح داده خواهند شد.در روش اول از یک تکنیک خاص جهت اجرای یک function در یک تکنیک دیگر هوش مصنوعی استفاده میکنیم.برای مثال در طراحی یک سیستم کنترلی فازی چندین بلوک وجود دارد که هر کدام کار مشخصی را انجام میدهند.یکی از این بلوکها جهت انجام fuzzi fication طراحی میشود.در یک سیستم ترکیبی میتوان از شبکه های عصبی در انجام این کار استفاده نمود.البته در اینجا در مورد مزایا و معایب این ترکیب سخنی گفته نخواهد شد.در یک مثال دیگر میتوان به کاربرد روشهای ژنتیکی در امر یادگیری شبکه های عصبی اشاره نمود.در روش دوم برای ساخت یک سیستم پیچیده آن سیستم را تجزیه نموده(به زیر سیستمهای کوچکتر) و بعد از آن هر زیر سیستم را با یک روش مناسب هوشمند پیاده سازی میکنیم.مثلا برای کنترل یک فرایند پیچیده صنعتی از شبکه های عصبی جهت پیشگویی و مدلسازی یک سری از پارامترهای کلیدی استفاده میشود و نتایج بدست آمده جهت تصمیم گیریهای کلی به یک سیستم خبره داده میشود.سیستم خبره در اصل حکم یک مدیر پروسه متخصص را دارد که با استفاده از پارامترهای تولید شده در سطح پایین تر تصمیم گیری میکند.بسیاری از مسائل پیچیده از این طبیعت برخوردارند و شکستن آن به مسائل کوچکتر و به کارگیری روش مناسب برای حل هر کدام به صورت مجزا و در نهایت ادغام کردن نتایج بدست آمده،به حل درست مسئله اصلی کمک خواهد نمود.
روش آخر استفاده از یک روش هوشمند در پیاده سازی یک روش دیگر است.مثلا میتوان به پیاده سازی یک سیستم خبره با استفاده از شبکه های عصبی اشاره نمود.در اینجا هر نرون در شبکه عصبی یک قانون در پایگاه دانش است و با استفاده از محاسبات عصبی روش استنتاج را پیاده میکنیم.مثال دیگر به کارگیری گرامرها در تحلیل و نمایش دانش آموخته شده در شبکه های عصبی است.البته توجه به این نکته ضروری است که یک سیستم ترکیبی هوشمند نباید الزاما از روشهای هوشمند در پیاده سازی استفاده کند.در پیاده سازی یک سیستم شاید نیاز به به کارگیری روشهای آماری،ریاضی و تحلیلی.... هم وجود داشته باشد.
به احتمال زیاد در اینصورت مطمئنا شانس رسیدن شما به آن طرف خیابان بسیار پایین میباشد و یا زمان بسیار زیادی طول خواهد کشید که تصمیم به عبور از خیابان را به مرحله اجرا درآورید.در اینگونه شرایط،روش برخورد ما به این صورت خواهد بود که:"به نظر میرسد ماشین آهسته حرکت میکند.به آن طرف خیابان خواهم رسید"
در این نوع پردازش انسان مواجه با تعداد زیادی نماد symbols میباشد و با استفاده از این نمادها برای تصمیم گیری اقدام میکند.این نوع تصمیم گیریها به طور واضح در رفتار آدمی مشاهده میشود و طبیعی است که پردازش نمادین از جایگاهی ویژه در علوم هوش مصنوعی برخوردار است.در کنار پردازش نمادین در انسان میدانیم که مغز انسان از یک مجموع منسجم سلولهای عصبی تشکیل شده و مدلهای ارائه شده برای این سیستم عصبی بر مبنای پردازش عددی عمل میکند.چگونگی عمل سیستم طبیعی عصبی به طور واضح برای انسان مشخص نشده و از آنجا که مدلهای ارائه شده از قابلیتهای بسیار بالایی برخوردار هستند و در کاربردهای زیادی از خود کارایی خوبی ارائه کرده اند،به نظر میرسد از واقعیت امر زیاد دور نباشند.
پس،شاید بتوان گفت،انسان به طور کلی در سطح بالای تصمیم گیری از پردازش نمادین استفاده میکند و در سطوح حسی و واکنشهای عصبی خود یک نوع پردازش عددی را به کار میگیرد.پس،رفتار هوشمندانه آدمی ناشی از یک روش نمادین تفکر در کنار محاسبات عصبی مغز می باشد.همانطور که مطرح شد،این دو محور در هوش انسان از بدو پیدایش هوش مصنوعی،به صورت دو دیدگاه معرفی شده اند.از یک دید،هدف ساختن مغز مصنوعی(شبکه های عصبی مصنوعی) است که در صورت وجود این سخت افزار میتوان توقع داشت ماشینی که به این وسیله مجهز شود،رفتار هوشمندانه از خود نشان دهد.از دیدگاه دوم،هدف،مدلسازی روش تفکر انسان است که با استفاده از آن انسان تصمیم گیریهای هوشمندانه میکند.
در دهه های 50 و 60 محور اول به عنوان محور اصلی در مخلوقات هوش مصنوعی مطرح بوده اما در دهه 70 پردازش نمادین به عنوان فهم روشن تفکر در طراحی سیستمهای هوشمند مطرح شد.
خوشبختانه در 10 سال اخیر محققان به این نتیجه رسیده اند که برای ساختن یک سیستم هوشمند که بتواند در حوزه های ( Domains) مختلف عمل کند،و یک مسئله پیچیده را حل کند،اعتماد کردن به یک روش یا بینش کافی نخواهد بود و از این رو فلسفه هوش مصنوعی ترکیبی(Hybrid Artificial Intelligence) مطرح شده. به طور کلی سه روش ترکیب تکنیکهای هوش مصنوعی در جهت ساخت یک سیستم هوشمند ارائه شده که به اختصار توضیح داده خواهند شد.در روش اول از یک تکنیک خاص جهت اجرای یک function در یک تکنیک دیگر هوش مصنوعی استفاده میکنیم.برای مثال در طراحی یک سیستم کنترلی فازی چندین بلوک وجود دارد که هر کدام کار مشخصی را انجام میدهند.یکی از این بلوکها جهت انجام fuzzi fication طراحی میشود.در یک سیستم ترکیبی میتوان از شبکه های عصبی در انجام این کار استفاده نمود.البته در اینجا در مورد مزایا و معایب این ترکیب سخنی گفته نخواهد شد.در یک مثال دیگر میتوان به کاربرد روشهای ژنتیکی در امر یادگیری شبکه های عصبی اشاره نمود.در روش دوم برای ساخت یک سیستم پیچیده آن سیستم را تجزیه نموده(به زیر سیستمهای کوچکتر) و بعد از آن هر زیر سیستم را با یک روش مناسب هوشمند پیاده سازی میکنیم.مثلا برای کنترل یک فرایند پیچیده صنعتی از شبکه های عصبی جهت پیشگویی و مدلسازی یک سری از پارامترهای کلیدی استفاده میشود و نتایج بدست آمده جهت تصمیم گیریهای کلی به یک سیستم خبره داده میشود.سیستم خبره در اصل حکم یک مدیر پروسه متخصص را دارد که با استفاده از پارامترهای تولید شده در سطح پایین تر تصمیم گیری میکند.بسیاری از مسائل پیچیده از این طبیعت برخوردارند و شکستن آن به مسائل کوچکتر و به کارگیری روش مناسب برای حل هر کدام به صورت مجزا و در نهایت ادغام کردن نتایج بدست آمده،به حل درست مسئله اصلی کمک خواهد نمود.
روش آخر استفاده از یک روش هوشمند در پیاده سازی یک روش دیگر است.مثلا میتوان به پیاده سازی یک سیستم خبره با استفاده از شبکه های عصبی اشاره نمود.در اینجا هر نرون در شبکه عصبی یک قانون در پایگاه دانش است و با استفاده از محاسبات عصبی روش استنتاج را پیاده میکنیم.مثال دیگر به کارگیری گرامرها در تحلیل و نمایش دانش آموخته شده در شبکه های عصبی است.البته توجه به این نکته ضروری است که یک سیستم ترکیبی هوشمند نباید الزاما از روشهای هوشمند در پیاده سازی استفاده کند.در پیاده سازی یک سیستم شاید نیاز به به کارگیری روشهای آماری،ریاضی و تحلیلی.... هم وجود داشته باشد.
