هوش مصنوعی

Artificial Intelligence

 نام کتاب :

هوش مصنوعی رهیاتی نوین

مولف :

راسل و نورویگ

مترجم :

رامین رهنمون آناهیتا هماوندی

 

 

فصل اول

هوش مصنوعی

Artificial Intelligence

1. فصل اول هوش مصنوعی Artificial Intelligence
2. فصل دوم عامل های هوشمند
3. فصل سوم حل مسائل توسط جستجو
4. فصل چهارم روش‌های جستجو آگاهانه
5. فصل 5 تئوری بازی
6. فصل ششم عامل‌هاییکه به طور منطقی استدلال می‌‌کنند
7. فصل هفتم منطق مرتبه اول
8. فصل هشتم استنتاج در منطق مرتبه اول
9. فصل نهم برنامه‌ریزی
10. فصل دهم عدم قطعیت

AI: به طور رسمی در سال 1956 مطرح شده است.

علل مطالعه Al:

AI  سعی دارد تا موجودیت‌های هوشمند را درک کند. از این رو یکی از علل مطالعه آن یادگیری بیشتر در مورد خودمان است.

جالب و مفید بودن موجودیت‌های هوشمند .

AI چیست؟‌

تعاریفی از AI که به چهار قسمت تقسیم شده‌اند:

پردازش فکری و استدلالی

پردازش رفتاری

ایده‌آل هوشمندی (منطقی بودن)

ارائه انسانی

1- انسان گونه عمل کردن:  رهیافت آزمون تورینگ

آزمونی از کامپیوتر به عمل آید، و آزمون گیرنده نتواند دریابد که در آن طرف انسان قرار دارد یا کامپیوتر.

برای این کار کامپیوتر باید قابلیت‌های زیر را داشته باشد:

• پردازش زبان طبیعی = محاوره
• بازنمایی دانش= ذخیره اطلاعات
• استدلال خودکار= استدلال و استخراج
• یادگیری ماشینی= کشف الگو و برون ریزی

تست تورینگ:

این آزمون از ارتباط فیزیکی مستقیم بین کامپیوتر و محقق اجتناب می‌کند.

به منظور قبول شدن در تست تورینگ کلی، کامپیوتر به موارد زیر احتیاج دارد:

• بینایی ماشین برای درک اشیاء
• روباتیک به منظور حرکت آنها

2. انسانی فکر کردن-: رهیافت مدلسازی شناختی:

• چگونگی شناسایی عملکرد افکار انسان:
• 1- درون گرایی
• 2- تجارب روانشناسی
• علوم شناختی : مدل‌های کامپیوتر از AI و همچنین تکنیک‌های روانشناختی را گرد هم می‌آورد تا بتواند تئوری‌های دقیقی از کارکرد ذهن انسان به دست آورند.

3. منطقی فکر کردن: قوانین رهیافت تفکر

• رمز «تفکر درست»: ارسطو سعی در کشف آن داشت.
• قیاس: از موضوعات مطرح شده توسط ارسطو می‌باشد، که الگوهایی برای ساختار توافقی ایجاد کرد که همواره نتایج صحیحی به اندازه مقدمات صحیح به دست می‌آورد.
• مثال: «سقراط انسان است، تمام انسان‌ها می‌میرند، پس سقراط خواهد مرد.»

دو مشکل عمده در این رسم منطق‌گرایی وجود دارد:

• تبدیل دانش غیر رسمی به شکل رسمی توسط اعلام، منطقی ساده نیست.
• تفاوت عمده‌ای بین قادر به حل مسئله بودن در اصول و انجام آن در عمل وجود دارد.

4. منطقی عمل کردن: رهیافت  عامل منطقی

• عامل: در اصل چیزی است که ابتدا درک می‌کند و سپس عمل می‌کند.
• در نگرش «قوانین تفکر» تأکید عمده بر روی استنتاج‌های صحیح بوده است.
• «مهارت‌های شناخت» که برای آزمون تورینگ موردنیاز است، برای انجام فعالیت‌های منطقی وجود دارند.

مزایای مطالعه AI به‌عنوان طراحی عامل منطقی:

• عمومی‌تر از رهیافت «قوانین تفکر»
• پیشرفت علمی، بسیار قانون‌پذیرتر از رهیافت‌هایی است که بر تفکر یا رفتار انسانی متکی هستند.

زیربنای هوش مصنوعی:

AI، از علوم مختلفی بهره می‌برد که از میان آنها علوم زیر مهم‌تر شناخته شده‌اند:

• علم فلسفه
• علم ریاضی
• علم روانشناسی
• علم زبان‌شناسی
• علم کامپیوتر

فلسفه: (428 قبل از میلاد مسیح – تاکنون)

پایه‌های تفکر و فرهنگ غرب تشکیل شده است از: افلاطون، استادش سقراط، و شاگردش ارسطو.

قیاس: ارسطو، سیستمی غیررسمی از قیاس برای استدلال مناسب توسعه داد، امکان تولید نتایج، بر پایه فرضیات اولیه به طور مکانیکی وجود داشت.

در نظر گرفتن ذهن به‌عنوان سیستمی فیزیکی

رنه دکارت مدافع سرسخت قدرت استدلال بود؛ و همچنین طرفدار مکتب دوالیسم.

ماتریالیسم: در مقابل دوالیسم قرار دارد و معتقد است تمامی جهان مطابق قوانین فیزیکی عمل می‌کنند.

ویلهم لایبنیز:

• تبدیل موقعیت ماتریالیستی به نتایج منطقی
• ساخت ابزاری مکانیکی برای انجام عملیات منطقی

ایجاد منبع دانش:

فرانسیس بیکن، جنبش آزمون‌گرایان را آغاز کرد. و با شعار جان لاک مفهوم یافت:

«هیچ چیز قابل فهم نیست اگر ابتدا در حس نباشد.»

اصل استقرای امروزی، در حقیقت از کتاب دیوید هیوم نشأت می‌گیرد: “رسانه‌ای از طبیعت انسان”

برتراندراسل، پایه‌گذار پوزیوتیزم منطقی، ارائه‌دهنده این تئوری بود که:

«قوانین عمومی توسط تکرار ارتباطات بین عناصر آنها به وجود می‌آیند.»

ارتباط بین دانش و عمل

اشیاء را با تحلیل، دسته‌بندی می‌کنیم و در اطراف آنها، کارکرد مورد نیازشان نوسان می‌نماید.

در این میان پایه سیستم‌مکاشفه‌ای GPS بنیان گذارده می‌شود.

ریاضیات (800. C-تاکنون)

برای ارتباط فلسفه با دانش نظری، نیاز به فرمول‌سازی ریاضی در سه زمینه اصلی است:

• محاسبات
• منطق
• احتمالات

محاسبات:

نظریه اظهار محاسبات به عنوان الگوریتمی رسمی به خوارزمی برمی‌گردد، ریاضیدان عربی قرن نهم که نوشته‌های وی، جبر و تئوری اعداد عربی را به اروپا معرفی کرد.

منطق:

در این زمینه، دانشمندان زیادی بر چگونگی شکل‌گیری و هدایت آن، نقش داشته‌اند که به چند نفر از آنها اشاره می‌کنیم:

ارسطو: دانشمندی که بیشترین شکل‌گیری نگرش فلسفی منطق را به او نسبت می‌دهند.

جورج بول: یک زبان رسمی برای ساخت استنتاج منطقی ارائه داد.

FREGE: منطق مرتبه اول را به شکلی مطرح نمود که در بیشتر سیستم‌های نمایش دانش پایه استفاده می‌شود.

آلفرد تارسکی: تئوری چگونگی ارتباط بین اشیاء موجود در محیط منطقی، و اشیاء موجود در دنیای واقعی را ارائه نمود.

دیوید هیلبرت: ریاضیدان بزرگی بود که شهرت وی به دلیل مسائلی است که نتوانست حل کند.

راسل: قضیه کامل نبودن (incompleteness) را مطرح نمود.

تورینگ: ماشین تورینگ قادر به محاسبه هر تابع محاسبه‌پذیری است.

تئوری پیچیدگی:

انجام‌ناپذیری ، استحاله

استیون کوک و ریچارد کارپ: تئوری NP-completeness را مطرح کردند.

احتمالات:

گاردنیوی: اولین کسی بود که ایده احتمال را مطرح کرد.

پیر فرمت، پاسکال، برنولی، لاپلاس و دیگر دانشمندان بر رشد و توسعه این ایده تأثیر داشتند.

برنولی: دیدگاه «درجه باور» ذهنی را در مقایسه با نرخ نتایج عینی مطرح کرد.

بیس: قانونی برای بهنگام‌سازی احتمالات ذهنی را به وجود آورد.

نیومن و مورگنسترن: تئوری تصمیم‌گیری را آغاز کردند. و از ترکیب تئوری احتمال، و تئوری سودمندی حاصل می‌شود.

روانشناسی (1879- تاکنون):

 هلمولتز: روشی علمی برای مطالعه بینایی انسان به کار برد؛ که این کتاب به عنوان مرجع بینایی فیزیولوژیک و حتی به‌عنوان «مهمترین رساله فیزیکی و روانشناختی بینایی انسان تا به امروز» شناخته می‌شود.

وندت: اولین آزمایشگاه روانشناسی تجربی را در دانشگاه لایپزیک راه‌اندازی کرد.

داتسون و تورن دایک: حرکت رفتارگرایی (behaviorism) را مطرح کردند.

اساس مشخصه روانشناسی شناختی(congnitive psychology)، این نگرش است که مغز دارنده و پردازش‌کننده اطلاعات است.

کریک، کتاب ماهیت بیان را منتشر کرد. و سه مرحله کلیدی را برای عامل مبتنی بر داشن معین کرد:

• محرک‌ها باید به شکل درونی تبدیل شوند.
• بازنمایی توسط پردازش‌های شناختی بازنمایی‌های داخلی جدیدی را مشتق کند.
• اینها دوباره به صورت عمل برگردند.

مهندسی کامپیوتر (1940- تاکنون)

برای پیشرفت هوش مصنوعی، به دو چیز احتیاج داریم:

هوش ، محصول مصنوعی

در این تقسیم‌بندی، کامپیوتر می‌تواند به عنوان محصول مصنوعی محسوب گردد.

Heath Robinson: اولین کامپیوتر مدرن عملیاتی بود که در سال 1940 توسط تیم آلن تورینگ به منظور کدگشایی پیام‌های آلمان‌ها ساخته شد.

Colossus: نام ماشین بعدی بود که تیوپ‌های مکنده در آن به کار برده شد.

Z-3: اولین کامپیوتر قابل برنامه‌ریزی که توسط کنراد زوس در 1941 اختراع شد.

اعداد با ممیز شناور و زبان Plankalkul نیز توسط زوس اختراع شدند.

ABC: اولین کامپیوتر الکترونیک در امریکا توسط جان آتاناسف و کلیفورد در دانشگاه ایالتی ایوا ساخته شد.

MARK I , II , III: توسط تیمی به رهبری هوراد ایکن در هاروارد توسعه داده شد.

ENIAC: اولین کامپیوتردیجیتال الکترونیک چند منظوره، توسط تیمی به سرپرستی ماچلی و اکرت در دانشگاه پنسیلوانیا ساخته شد.

IBM 701: اولین کامپیوتر سودآور، توسط ناتانیل روچتر در 1952 ساخته شد.

چارلز بابیج: طراحی ماشینی که جداول لگاریتمی را محاسبه کند.

• طراحی موتور آنالیتیکی
• طرح حافظه قابل‌آدرس‌دهی، برنامه ذخیره شده و پرش‌های شرطی

کار در زمینه AI منجر به ایده‌های بسیار متعددی شد که به علوم کامپیوتر برگشت؛ مانند:

اشتراک زمانی – مفسرهای دوسویه – نوع داده لیست پیوندی – مدیریت حافظه خودکار و برخی نکات کلیدی برنامه‌نویسی شیءگرا و محیط‌های توسعه برنامه مجتمع با واسط کاربر گرافیکی.

زبان‌شناسی (1975- تاکنون)

 

اسکینر در سال 1975 کتابی در زمینه رفتارگرایان برای یادگیری زبان، با نام «رفتار زبانی» منتشر کرد.

نوآم چامسکی بر اساس تئوری خودش یعنی ساختارهای ترکیبی، این کتاب را تجدید نظر و چاپ کرد. که به اندازه اصل کتاب شهرت پیدا کرد.

تئوری چامسکی بر اساس مدل‌های نحوی قرار دارد.

زبان‌شناسی مدرن و AI در یک زمان متولد شدند، بنابراین زبان‌شناسی نقش مهمی در رشد AI بازی نمی‌کند.

این دو دریک زمینه مشترک به نام

زبان‌شناسی محاسباتی(Computatioal linguistics) یا پردازش زبان طبیعی (natural language processing) بهم تنیده شده‌اند که در آن بر روی مسئله استفاده زبان تمرکز شده است.

تاریخچه هوش مصنوعی

پیدایش هوش مصنوعی (1943- 1956)

اشتیاق زودهنگام، آرزوهای بزرگ (1952-1969)

مقداری واقعیت (1974-1966)

سیستم‌های مبتنی بر دانش: کلید قدرت؟ (1969-1979)

بازگشت شبکه‌های عصبی (1986- تاکنون)

حوادث اخیر (1987- تاکنون)

پیدایش هوش مصنوعی

• اولین کار جدی در حیطه AI، توسط وارن مک‌کلود و والتر پیتز انجام شد.
• سه منبع استفاده شده توسط آنها:
  • دانش فیزیولوژی پایه و عملکرد نرون در مغز
  • تحلیل رسمی منطق گزاره‌ها متعلق به راسل و رایت هد
  • تئوری محاسبات تورینگ

در 1949 دونالد هب، قانون ساده بهنگام‌سازی برای تغییر تقویت اتصالات بین نرون‌ها را تعریف کرد که از طریق آن یادگیری میسر می‌گردد.

در زمانی که کلود شانون و آلن تورینگ، برنامه بازی شطرنج را نوشتند ، SNARC، اولین کامپیوتر شبکه عصبی در دانشگاه پرینستون توسط مینسکی و ادموندز ساخته شد.

این کامپیوتر، از 3 هزار تیوپ مکشی و مکانیزم خلبانی خودکار اضافی که مربوط به بمب‌افکن‌های B24 می‌باشد برای شبیه‌سازی شبکه 40 نرونی استفاده کرد.

محققین علاقمند به تئوری آتوماتا، شبکه‌های عصبی و مطالعه هوش، گرد یکدیگر جمع شدند و در کارگاهی در دورت موند مشغول فعالیت شدند. که در این میان نام هوش مصنوعی برای حیطه فعالیت آنها انتخاب شد.

اشتیاق زودهنگام، آرزوهای بزرگ (1952-1969)

فعالان در عرصه AI:

روچستو و تیمش در IBM

هربرت جلونتر: با ساخت Geometry Theorem Prover

آرتور ساموئل: ساخت برنامه برای بازی چکر

جان مک کارتی در MIT:

تعریف زبان لیسپ (Lisp) مهمترین زبان هوش مصنوعی

مفهوم اشتراک زمانی (time sharing)

نشر مقاله‌ای با عنوان “برنامه‌ها با حواس مشترک”

تشریح یک سیستم فرضی به نام Advice Taker ، که به اصول پایه بازنمایی معرفت و استدلال تجسم بخشید؛

کار بر روی سیستم برنامه‌ریزی سؤال-جواب

کار بر روی پروژه روبات‌های shakey

مینسکی: کار بر روی میکرو ورلدها و همکاری با مک‌کارتی، ولی بر سر اختلاف بر نگرش منطقی و ضدمنطقی کار تحقیقاتی خود را از هم جدا کردند.

مینسکی با گروهی از دانشجویان بر روی میکروورلدها کار کرد که برخی از آنها عبارتند از:

جیمز اسلاگل، SAINT، قادر به حل مسائل انتگرال‌گیری فرم بسته

اوانز: ANALOGY، حل مسائل مشابهت هندسی در تست‌های هوش

رافائل: SIR: پاسخ به قضایای پرسشی جملات ورودی

بابرو: STUDENT: حل مسائل داستانی جبر

مقداری واقعیت (1966-1974)

مشکلات تقریباً تمام پروژه‌ها تحقیقی AI وقتی پدیدار می‌شدند که مسائل گسترده‌تری برای حل توسط آنها مطرح می‌شد:

برنامه‌های اولیه اغلب دارای دانش محدود یا فاقد دانش در مورد موضوع کار بودند.

انجام ناپذیری بسیاری از مسائل

به دلیل اعمال برخی محدودیت‌های پایه‌ای بر روی ساختار پایه مورد استفاده برای تولید رفتار هوشمند

سیستم‌های مبتنی بر دانش: کلید قدرت؟ (1969-1979)

روش‌های ضعیف: مبتنی بر یک جستجوی همه‌منظوره می‌باشند که قدم‌های اولیه یادگیری را برمی‌دارند اما تلاشی در جهت یافتن راه‌حل‌های کامل ندارند.

به این دلیل که اطلاعات ضعیفی را در مورد دامنه فعالیت خود به کار می‌برند.

پس برای حل مسائل دشوار، تقریباً جواب را از قبل باید بدانیم.

برنامه DENDRAL از برنامه‌هایی است که از این رهیافت استفاده می‌کند.

اهمیت برنامه DENDRAL در این بود که اولین سیستم موفق با دانش غنی بود، یعنی تبحر سیستم بر پایه تعداد بسیار زیادی قانون ایجاد شده بود. سیستم‌های بعدی ایده اصلی رهیافت Advice taker مک کارتی را دنبال می‌کردند یعنی جداسازی دانش (در شکل قوانین) و مؤلفه استدلال.

MYCIN نسبت به DENDRAL دو تفاوت عمده دارد:

برخلاف قوانین DENDRAL، هیچ مدل تئوری‌وار عمومی برای آنکه قوانین MYCIN استنتاج شود، وجود نداشت.

قوانین می‌بایست عدم قطعیت مربوط به دانش پزشکی را منعکس می‌کرد.

AI به یک صنعت تبدیل می‌شود (1980-1988)

RI: اولین سیستم خبره تجاری موفق از شرکت DEC که سودآوری زیادی را برای شرکت بهمراه داشت.

پروژه «نسل پنجم»: این پروژه ژاپنی به منظور ساخت کامپیوترهای هوشمندی که پرولوگ را به جای کد ماشین اجرا می‌کردند، انجام شد.

شرکت‌های دیگر جهان از جمله میکروالکترونیک، MCC، لیسپ ماشین، تگزاس اینسترومنت، سمبولیکس، زیراکس و غیره در ساخت ایستگاه‌های کاری بهینه شده در این عرصه فعالیت داشتند.

بازگشت شبکه‌های عصبی:

دانشمندان فعال در این عرصه:

هاپ فیلد: که به آنالیز خواص ذخیره‌سازی و بهینه‌سازی شبکه‌ها پرداخت.

راسل هارت و هینتون: مطالعه مدل‌های شبکه عصبی را ادامه دادند.

بریسون و هو: الگوریتم یادگیری انتشار به عقب را مجدداً مطرح کردند.

حوادث اخیر:

رهیافت HMM: رهیافت غالب در سال‌های اخیر می‌باشد که توسط مایکف به وجود آمده است.

این رهیافت از دو جنبه زیر حائز اهمیت است:

مبتنی بر نظریه ریاضی محض است.

طی فرایندی با یادگیری گروه عظیمی از داده گفتار واقعی خود را بهبود می‌بخشد.

برنامه‌ریزی: در دهه 70 فقط برای میکرووردها مناسب بودند، اکنون برای زمانبندی کار در کارخانه‌ها و مأموریت‌های فضایی استفاده می‌شوند.

بیان شبکه باور: استدلال کارا را در مورد ترکیب رویدادهای غیرمنطقی ممکن ساخت.

ایده سیستم‌های خبره فرماتیو توسط کار جوداپیر و اردیک هوروتیز و دیوید هکرمن مطرح شد:

“سیستم‌هایی که مطابق قوانین تئوری تصمیم‌گیری به طور منطقی عمل می‌کنند و سعی ندارند که تبحر انسانی را تقلید کنند.”

شرایط کنونی:

برخی از سیستم‌هایی موجود در جهان که از هوش مصنوعی استفاده می‌کنند:

HITECH: اولین برنامه کامپیوتری که موفق به شکست استاد بزرگ شطرنج جهان، آرنولد دنکر شده است.

PEGASUS: یک برنامه درک گفتار که سؤالات کاربر را جواب می‌دهد و تمامی برنامه‌های مسافرتی شخص را با یک برنامه‌ریزی درست، مقرون به صرفه می‌کند.

MARVEL: سیستم خبره‌ای که داده‌های ارسالی از سفینه فضایی را تحلیل نموده و در صورت بروز مشکلات جدی، پیغام هشدار به تحلیلگران می‌دهد.