تبليغاتX
الگوریتم های هوش مصنوعی

الگوریتم های هوش مصنوعی

الگوریتم های هوش مصنوعی

آموزش خصوصی کونگ فو توسط  ((استاد رجبی)) داور و مربی درجه ۲ کونگ فو پرتوآ و توآ

آموزش خصوصی کامپیوتر (( برنامه نویسی ، برنامه های کاربردی ، جهت اخذ دیپلم))

توسط مهندس رجبی

تلفن : ۰۹۳۶۴۴۷۰۶۱۶

+ نوشته شده در  یکشنبه بیست و ششم خرداد 1387ساعت 14:18  توسط موسی رجبی  | 

::..::••:: زمينه هاي کاري و تحقيقاتي رشته مهندسي کامپيوتر ( مهندسی نرم افزار )

·  سيستم هاي عامل (Operating Systems)

سيستم عامل برنامه ايست که بر روي يک سيستم سخت افزاري (مثل کامپيوتر) قرار مي گيرد و وظيفه آن عبارت است از ايجاد ارتباط بين نرم افزار ها و قسمت هاي مختلف سخت افزاري و همچنين مديريت و کنترل قسمت هاي مختلف سيستم.

·  اتوماسيون اداري (Office Automation)

اتوماتيک کردن روند فعاليت هاي يک اداره، موسسه يا سازمان بوسيله کامپيوتر.

· برنامه نويسي همروند (Concurrent Programming)

به وجود آوردن امکان اجراي همزمان چند برنامه در کامپيوتر و مديرت آنها.

· الگوريتم هاي موازي (Parallel Algorithms)

شکستن يک الگوريتم به قسمت هايي که مي توانند به صورت همزمان توسط چند پردازنده (چند کامپيوتر) انجام شوند، به منظور افزايش سرعت اجراي الگوريتم.

·   طراحي و ساخت کامپايلرها (Design & Implementation of Compilers)

کامپايلرها (در حالت خاص) برنامه هايي هستند که زبانهاي برنامه نويسي را به زبان کامپيوتر تبديل مي کنند.

·  شبيه سازي کامپيوتري (Computer Simulation)

شبيه سازي يک پديده خارجي در کامپيوتر با استفاده از قوانين (رياضي) حاکم بر آن پديده.

·  گرافيک کامپيوتري (Computer Graphics)

 ·  محاسبات عددي (Numerical Methods of Calculation)

انجام محاسبات رياضي (نظير مشتق گيري، انتگرال گيري، بدست آوردن ريشه معادلات، حل معادلات ديفرانسيل) بوسيله محاسبات تخميني (به جاي روشهاي نمادين و کلاسيک) مي توان گفت اين روش از جهت در مقابل شاخه محاسبات نمادين قرار دارد. (به قسمت هوش مصنوعي رجوع کنيد)

3.  علوم کامپيوتر (Computer Science)

· ساختمان هاي گسسته (Discrete Structures)

اين مبحث، شامل همان مطالبي است که در دبيرستان با عنوان رياضيات گسسته مي خوانديد. البته در اين مبحث مطالب رياضيات گسسته به صورت گسترده تر و مرتبط تر با علوم کامپيوتر و الگوريتم نويسي گفته مي شود. همانطور که رياضيات پيوسته (حساب ديفرانسيل) پايه و اساس رشته هايي مانند مکانيک، برق و الکترونيک و... را تشکيل مي دهد، رياضيات پيوسته پايه و اساس علوم کامپيوتر و نرم افزار است. مطالبي که در آن مطرح مي شوند عبارتند از: منطق رياضي، گزاره ها، نظريه مجموعه ها، (استنتاج، استقرا، برهان خلف، اصل لانه کبوتر و...)، رابطه ها، نظريه گراف، درخت ها، توابع، روابط بازگشتي، اصول شمارش، احتمالات و... که تمام اين مطالب در قسمت هاي مختلف علوم کامپيوتر کاربردهاي زيادي دارند.

·  ساختمان داده ها (Data Structures)

شناخت و بوجود آوردن ساختارهايي در الگوريتم هاي کامپيوتري کاربرد هاي خاصي دارند.

· طراحي الگوريتم ها (Design of Algorithms)

روشهاي طراحي الگوريتم هاي بهينه، اثبات درست بودن (يا بهينه بودن) آنها بوسيله روشهاي رياضي، و محاسبه (يا تخمين) زماني که طول مي کشد تا يک الگوريتم وظيفه اي خاص را انجام دهد. همچنين آشنايي با انواع مختلف الگوريتم ها براي حل مساله.

· نظريه زبانها و ماشين ها (Theory of Languages & Automata)

 ·   نظريه محاسبات (Theory of Computation)

در حقيقت اين مبحث پس از بحث نظريه زبانها و ماشين ها مطرح مي گردد. در اين مبحث مدلهاي و روشهاي مختلف محاسبات (Computation) مورد مطالعه قرار مي گيرد. همچنين محدوديت هاي محاسبات (بوسيله الگوريتم هاي کامپيوتري) مورد مطالعه قرار مي گيرد. براي مثال در اين مبحث مسايلي مطرح مي شود که ثابت مي شود براي حل آنها الگوريتم کامپيوتري وجود ندارد. يا براي برخي مسايل الگوريتمي وجود دارد ولي ثابت مي شود، هر چقدر هم که تکنولوژي کامپيوتر پيشرفت کند، اين مسايل براي حل شدن نياز به زمانهاي بسيار زياد (مثلا هزاران قرن) دارند.

  · نظريه بازي ها (Game Theory)

روشهايي براي انتخاب بهترين گزينه، در حالي که پيش روي ما عواملي وجود دارد که مانع رسيدن ما به اهدافمان مي شوند. در حالت خاص مي توان به انتخاب بهترين حرکت در يک بازي دو يا چند نفره اشاره کرد. (مثل بازي هاي شطرنج که با کامپيوتر انجام مي دهيد.)

·  نظريه گراف (Graph Theory)

مبحثي که به بررسي خصوصيات گرافها، مسايل و الگوريتم هاي مربوط به گرافها مي پردازد.

4.  هوش مصنوعي  (Artificial Intelligence)

·   يادگيري ماشين (Machine Learning)

روشهايي که کامپيوتر را قادر مي سازد عملي شبيه به يادگيري و  تجربه را در حين انجام مکرر يک عمل انجام دهد. يعني با توجه به اعمالي که دفعات قبل آنجام داده و بررسي نتايج آنها، سعي کند در دفعات بعدي اعمالي بهتر، مطلوب تر و با خطاي کمتر انجام دهد.

·  شبکه هاي عصبي (Neural Networks)

روش جديد حل مسايل در هوش مصنوعي بوسيله شبکه اي از واحد هاي متصل به هم (نورون ها) که هر کدام قابليت پردازش داده ها، ارتباط با نورون هاي ديگر و همچنين ايجاد تغييرات در مشخصات شبکه را دارند و اين اعمال را در جهت بهينه سازي عملکرد شبکه انجام مي دهند. شبکه هاي عصبي معمولا در مسايلي نظير بهينه سازي، تخمين توابع، کنترل و... کاربرد دارند.

· پردازش تکاملي ( Processing)

شاخه اي جديد از هوش مصنوعي که با در نظر گرفتن يک يا چند جواب اوليه براي يک مساله، بوجود آوردن جوابهاي جديد از جوابهاي موجود و انتخاب جوابهاي بهتر سعي مي کند يک جوابي نسبتا بهينه براي مساله بدست آورد. (براي مثال پيدا کردن ماکزيمم يک تابع چند متغيره که بدست آوردن ماکزيمم آن با روشهاي معمولي مانند مشتق گيري بسيار سخت است.)

· رباتيک (Robotics)

طراحي ربات هاي کامپيوتري (مکانيکي يا نرم افزاري) براي انجام وظيفه اي خاص. رشته هاي مختلفي مي توانند در اين زمينه درگير باشند مانند مهندسي برق و مکانيک. اما برنامه ريزي و هوشمند ساختن ربات ها به عهده مهندسان کامپيوتر است. براي هوشمند ساختن ربات ها از الگوريتم هاي هوش مصنوعي مانند يادگيري، پردازش تصاوير، تشخيص گفتار و... استفاده مي شود.

· منطق فازي (Fuzzy Logic)

تعميمي است از منطق کلاسيک که در آن بجاي به جاي دو مقدار درست و غلط (True & False) يا 0 و 1، درجه درستي داريم که مي تواند بين عددي صفر و يک باشد.

  ·  پردازش زبان طبيعي (Natural Language Processing)

قسمتي از هوش مصنوعي که به پردازش متون زبانهاي طبيعي (مانند زبان فارسي) مي پردازد تا معاني آنها را استخراج کند. شايد عمده ترين مشکل در اين شاخه از هوش مصنوعي مبهم بودن زبانهاي طبيعي باشد.

·  سيستم هاي خبره (Expert Systems)

سيستم هايي که بوسيله جمع آوري داده ها و قوانين در يک زمينه خاص مي توانند در آن زمينه مانند يک فرد خبره و متخصص عمل کنند. (مانند سيستمي که به طور خودکار عيب يک وسيله را تشخيص مي دهد و حتي مي تواند آن را تعمير کند.)

·  پردازش تصوير (Image Processing)

انجام عمليات مختلف روي يک تصوير به منظور بهتر کردن مشخصات آن يا استخراج اطلاعات مورد نياز از درون آن. (براي مثال خواندن شماره پلاک خودرو ها بوسيله عکس برداري از آنها)

· تشخيص گفتار (Speech Recognition)

ساختن سيستم هايي که گفتار افراد را از يک ورودي (مانند ميکروفن) مي گيرند و آن را تفسير مي کنند. (مثلا مي توانند آن را به متن تبديل کنند يا تعيين کنند اين صدا مربوط به چه فردي است.)

· محاسبات نمادين (Symbolic Calculation)

انجام محاسباتي رياضي (مانند مشتق گيري، انتگرال گيري، حل معادله ديفرانسيل) به صورت نمادين. براي مثال وقتي به کامپيوتر ورودي x² را بدهيد تا مشتق آن را حساب کند به شما در خروجي 2x را بدهد. در مقابل اين روش روشهاي عددي قرار دارد که مثلا در مثال بالا فقط مي تواند مشتق را در نقطه اي خاص (آنهم به صورت تخميني) حساب کند.

شبکه هاي کامپيوتري (Computer Networks)

·  طراحي، پيکربندي و پياده سازي شبکه هاي کامپيوتري

·   برنامه نويسي تحت شبکه و وب

·  تجارت الکترونيک (E-Commerce)

خريد و فروش و انجام مبادلات تجاري از طريق شبکه هاي کامپيوتري به خصوص اينترنت.

·امنيت شبکه (Network Security)

مبحثي که در آن روشهاي به وجود آوردن امنيت و محرمانگي داده ها و منابع در شبکه هاي کامپيوتري بررسي مي شود.

· سيستم هاي توزيع شده (Distributed Systems)

سيستم هايي که مشکل از چند کامپيوتر مي باشند که بوسيله شبکه هاي کامپيوتري به يکديگر متصل شده اند و با هماهنگي با يکديگر وظيفه واحدي را انجام مي دهند. (براي مثال پايگاههاي داده توزيع شده، سيستم هاي عامل توزيع شده و...)

+ نوشته شده در  چهارشنبه هفدهم بهمن 1386ساعت 12:33  توسط موسی رجبی  | 
هوش مصنوعی

این مقاله از سایت http://www.flazx.com  گرفته و ترجمه و خلاصه شده است. از همه خوانندگان تقاضا می شود نظرات و اطلاعات خود را در این زمینه بیان کنند (به دلیل اینکه این اولین ترجمه من است حتما غلط زیاد دارد.) و احیاناً اگر وب سایتی را در زمینه اخبار مربوط به هوش مصنوعی و یا تاریخچه آن می دانند، در قسمت نظرات ارائه دهند. نظرات شما بازدیدکنندگان بلافاصله پس از بازبینی جهت اطلاع دیگران بر روی وبلاگ قرار خواهد گرفت.

نویسنده:آبراهام توماس
هوش مصنوعی در مسیر غلط؟!
دانشمندان هوش مصنوعی در به دست آوردن قدرت فکر بشر به عنوان قویترین هوش در جهان آفرینش ناتوان مانده اند، به دلیل اینکه آنها از مدل های محاسباتی استفاده می کنند. آنها به طور غلط باور کرده اند که هوش به وسیله محاسبه (الگوریتم های ریاضی) به دست می آید. مطالعه در زمینه هوش مصنوعی به طور رسمی در دهه 40 آغاز شد، بر این اساس که مغز کاری مثل محاسبه انجام می دهد. آلن تورینگ (*) جز اولین افرادی بود که بر روی موضوع ماشینهای هوشمند به وسیله برنامه نویسی کامپیوترها کار کرد. الگوریتم های توانا باعث شدند که برنامه های کامپیوتری نتیجه های قابل توجه ای ارائه دهند. در آن زمان کامپیوتر ها توانستند مسایل مختلف مهندسی و ریاضی را حل کنند. حتی چند دانشمند باور کردند که برنامه نویسی کامپیوتر می تواند ما را به هوشی در حد هوش بشر برساند.

در حالی که ممکن بود راه های دیگری باشد، برنامه های کامپیوتری در دسترس ترین منبع برای شبیه سازی هوش بشر بودند. در دهه 30 منطق دانان از جمله تورینگ و گلدن(*) تصدیق کردند که الگوریتم ها نمی توانند تضمین کنند که تمام مسایل ریاضی را حل کنند. هم تئوری پیچیدگی محاسباتی (که درجه سختی مسائل را تعریف می کند) وهم دانشمندان  هوش مصنوعی، نتوانستند خصوصیات مسئله و روش های حل مسئله که بشر را به حل مسائل قادر می سازد، کشف کنند. به نظر می رسد که هر روش جستجو در این زمینه به نتایج نا کارآمد منتهی می شود.

دانشمندان هوش مصنوعی نتوانستند یک ماشین را طراحی کنند که بتواند یاد بگیرد و به طور معنی داری باهوش باشد. هیچ برنامه ای نمی تواند به وسیله خواندن یاد بگیرد. کامپیوترها می توانند از مهارت های محاسباتی برای بازی کردن شطرنج استفاده کنند(حتی در سطح اساتید این رشته) اما هوش آنها محدود است. کامپیوتر های با پردازش موازی امید بخش هستند اما برنامه نویسی آنها بسیار سخت است. برنامه های کامپیوتری فقط در زمینه های محدود می توانند مسائل را حل کنند. به دلیل اینکه بشر توانست مسائل پیشرفته را حل کند، راجر پنرز(*) استدلال کرد که کامپیوتر ها طبیعتاً نمی توانند به هوش بشر دست پیدا کنند. همچنین فیلسوف هیوبرت دریفوس(*) اظهار کرد که هوش مصنوعی (AI) غیر ممکن است. اما دانشمندان هوش مصنوعی به تحقیقات خود ادامه دادند؛ در حالی که اغلب محققان می دانستند به پایه های جدیدی نیاز می باشد.  در پایان توافق عمومی بر این بود که کامپیوتر ها فقط یک چیز باهوش هستند(*)؛ بنابر این آیا تعریف ابتدایی هوش غلط است؟
از آنجاییکه هوش بشر کمی غیر قابل درک است، غیر ممکن است که یک روند محاسباتی برای باهوش شدن تعریف کرد. هوش به طور واضح توانایی حل مسائل است.  در طبیعت این یک هوش بالغ است که صاحب اختیار "هومئوستاسیس" حیوانات هنگام فرار است. هومئوستاسیس توانایی یک موجود برای درست کار کردن و به دست آوردن یک وضعیت ثابت، در محیط های متغیر و احیاناً خطرناک است. این یک پروسه هوشمند است که غریزتاً در حیوانات در سطوح مختلف به وسیله احساسات مختلف (به کمک یک سیستم کنترل مرکزی) پیاده سازی شده است. این پروسه حتی به وسیله کوچکترین حیوانات نیز مورد استفاده قرار می گیرد و مربوط به گروه خاصی نیز نیست.  این پروسه مشکلات را تشخیص می دهد و با عکس العمل های مناسب پاسخ می دهد.
سیستم عصبی ترکیبی از میلیاردها ورودی حسی را دریافت می کند. حافظه ای فوق العاده این سیستم را قادر می سازد تا هر الگویی را به خاطر آورد یا تشخیص دهد. درک شهودی او را قادر می سازد تا محتوای یک الگوی مشخص را از درون حافظه بسیار بزرگش تشخیص دهد. سیستم می تواند اشیا را از بین هزاران داده حسی که دریافت می کند، تشخیص دهد. این توانایی  منحصر به اشیاء ثابت نیست. او می تواند مشکلات را تشخیص دهد. او توانایی تشخیص و تفسیر الگوهای متحرک را دارد، به گونه ای که احساسات ناشی از حرکات (مثل خندیدن و ترسیدن) را کاملاً می فهمد. احساسات کاملاً مشکلات را تعریف می کنند. حیوانات تفاوت بین یک دوست و یک دشمن را به خوبی می فهمند و به آنها پاسخ می دهند. ترس، خشم و حسادت آنها را تهییج می کند. هر سیستم پاسخ دهنده ای مسیر خاص خود برای حل مسائل را دارد.

در محیط اطراف ما میلیون ها پدیده مبهم وجود دارد. تعداد زیادی از آنها به وسیله بقیه ایجاد شده اند. بیشتر مشکلات الگوهایی از اتفاقات هستند که پیوندی با به خوبی به یاد آوردن استراتژی حل مشکل دارند. تشخیص الگو به ما توانایی شناسایی می دهد. در واقع تشخیص الگو شناسایی رابطه بین یک پدیده و دیگری می باشد. سیستم رابطه های پیچیده بین دو پدیده را مشخص نمی کند و از روش های منطقی برای حل این مساله بهره نمی برد. هنگامی که انسان اولیه در برابر طوفان به پناهگاه پناه می برد، در واقع به یک الگوی محیطی پاسخ می گفت.

در طی صدها سال بشر به در برابر قسمت زیادی از طبیعت عکس العمل نشان داد، بدون آنکه درک کند، در پشت این طبیعت چه اتفاقی می افتد. این هوش، محاسبه نیست، که یه وسیله ریاضیات دلیل یابی کند و رابطه ها و آثار آنها را آنالیز کند. دلایل دلیلها بعداً کشف خواهد شد، هنگامی که علوم پیشرفت کنند. پزشکان بیماری ها را تشخیص می دهند بدون اینکه رابطه بین آنها و آثار آنها را بدانند.

کدهای نرم افزاری منطقی هستند. اما بیشتر خصوصیات پیچیده نرم افزاری، الگوهایی هستند که به روش های خاص یرنامه نویسی مربوط می شوند؛ که تنها به وسیله یک هوش تشخیص الگو قابل شناسایی هستند. حل پیشرفته مسائل فقط از طریق این تشخیص الگوی حساس به دست می آید. هوش واقعی این قابلیت قدرتمند تشخیص الگو می باشد، که اتفاقاً منطق،استدلال و ریاضیات را نیز کشف کرد.

*Alan Turing
*Golden
*Roger Penrose
*Hubert Dreyfus
*"somewhat intelligent"

+ نوشته شده در  چهارشنبه هفدهم بهمن 1386ساعت 12:3  توسط موسی رجبی  | 
هوش مصنوعی

این مقاله از سایت http://www.flazx.com  گرفته و ترجمه و خلاصه شده است. از همه خوانندگان تقاضا می شود نظرات و اطلاعات خود را در این زمینه بیان کنند (به دلیل اینکه این اولین ترجمه من است حتما غلط زیاد دارد.) و احیاناً اگر وب سایتی را در زمینه اخبار مربوط به هوش مصنوعی و یا تاریخچه آن می دانند، در قسمت نظرات ارائه دهند. نظرات شما بازدیدکنندگان بلافاصله پس از بازبینی جهت اطلاع دیگران بر روی وبلاگ قرار خواهد گرفت.

نویسنده:آبراهام توماس
هوش مصنوعی در مسیر غلط؟!
دانشمندان هوش مصنوعی در به دست آوردن قدرت فکر بشر به عنوان قویترین هوش در جهان آفرینش ناتوان مانده اند، به دلیل اینکه آنها از مدل های محاسباتی استفاده می کنند. آنها به طور غلط باور کرده اند که هوش به وسیله محاسبه (الگوریتم های ریاضی) به دست می آید. مطالعه در زمینه هوش مصنوعی به طور رسمی در دهه 40 آغاز شد، بر این اساس که مغز کاری مثل محاسبه انجام می دهد. آلن تورینگ (*) جز اولین افرادی بود که بر روی موضوع ماشینهای هوشمند به وسیله برنامه نویسی کامپیوترها کار کرد. الگوریتم های توانا باعث شدند که برنامه های کامپیوتری نتیجه های قابل توجه ای ارائه دهند. در آن زمان کامپیوتر ها توانستند مسایل مختلف مهندسی و ریاضی را حل کنند. حتی چند دانشمند باور کردند که برنامه نویسی کامپیوتر می تواند ما را به هوشی در حد هوش بشر برساند.

در حالی که ممکن بود راه های دیگری باشد، برنامه های کامپیوتری در دسترس ترین منبع برای شبیه سازی هوش بشر بودند. در دهه 30 منطق دانان از جمله تورینگ و گلدن(*) تصدیق کردند که الگوریتم ها نمی توانند تضمین کنند که تمام مسایل ریاضی را حل کنند. هم تئوری پیچیدگی محاسباتی (که درجه سختی مسائل را تعریف می کند) وهم دانشمندان  هوش مصنوعی، نتوانستند خصوصیات مسئله و روش های حل مسئله که بشر را به حل مسائل قادر می سازد، کشف کنند. به نظر می رسد که هر روش جستجو در این زمینه به نتایج نا کارآمد منتهی می شود.

دانشمندان هوش مصنوعی نتوانستند یک ماشین را طراحی کنند که بتواند یاد بگیرد و به طور معنی داری باهوش باشد. هیچ برنامه ای نمی تواند به وسیله خواندن یاد بگیرد. کامپیوترها می توانند از مهارت های محاسباتی برای بازی کردن شطرنج استفاده کنند(حتی در سطح اساتید این رشته) اما هوش آنها محدود است. کامپیوتر های با پردازش موازی امید بخش هستند اما برنامه نویسی آنها بسیار سخت است. برنامه های کامپیوتری فقط در زمینه های محدود می توانند مسائل را حل کنند. به دلیل اینکه بشر توانست مسائل پیشرفته را حل کند، راجر پنرز(*) استدلال کرد که کامپیوتر ها طبیعتاً نمی توانند به هوش بشر دست پیدا کنند. همچنین فیلسوف هیوبرت دریفوس(*) اظهار کرد که هوش مصنوعی (AI) غیر ممکن است. اما دانشمندان هوش مصنوعی به تحقیقات خود ادامه دادند؛ در حالی که اغلب محققان می دانستند به پایه های جدیدی نیاز می باشد.  در پایان توافق عمومی بر این بود که کامپیوتر ها فقط یک چیز باهوش هستند(*)؛ بنابر این آیا تعریف ابتدایی هوش غلط است؟
از آنجاییکه هوش بشر کمی غیر قابل درک است، غیر ممکن است که یک روند محاسباتی برای باهوش شدن تعریف کرد. هوش به طور واضح توانایی حل مسائل است.  در طبیعت این یک هوش بالغ است که صاحب اختیار "هومئوستاسیس" حیوانات هنگام فرار است. هومئوستاسیس توانایی یک موجود برای درست کار کردن و به دست آوردن یک وضعیت ثابت، در محیط های متغیر و احیاناً خطرناک است. این یک پروسه هوشمند است که غریزتاً در حیوانات در سطوح مختلف به وسیله احساسات مختلف (به کمک یک سیستم کنترل مرکزی) پیاده سازی شده است. این پروسه حتی به وسیله کوچکترین حیوانات نیز مورد استفاده قرار می گیرد و مربوط به گروه خاصی نیز نیست.  این پروسه مشکلات را تشخیص می دهد و با عکس العمل های مناسب پاسخ می دهد.
سیستم عصبی ترکیبی از میلیاردها ورودی حسی را دریافت می کند. حافظه ای فوق العاده این سیستم را قادر می سازد تا هر الگویی را به خاطر آورد یا تشخیص دهد. درک شهودی او را قادر می سازد تا محتوای یک الگوی مشخص را از درون حافظه بسیار بزرگش تشخیص دهد. سیستم می تواند اشیا را از بین هزاران داده حسی که دریافت می کند، تشخیص دهد. این توانایی  منحصر به اشیاء ثابت نیست. او می تواند مشکلات را تشخیص دهد. او توانایی تشخیص و تفسیر الگوهای متحرک را دارد، به گونه ای که احساسات ناشی از حرکات (مثل خندیدن و ترسیدن) را کاملاً می فهمد. احساسات کاملاً مشکلات را تعریف می کنند. حیوانات تفاوت بین یک دوست و یک دشمن را به خوبی می فهمند و به آنها پاسخ می دهند. ترس، خشم و حسادت آنها را تهییج می کند. هر سیستم پاسخ دهنده ای مسیر خاص خود برای حل مسائل را دارد.

در محیط اطراف ما میلیون ها پدیده مبهم وجود دارد. تعداد زیادی از آنها به وسیله بقیه ایجاد شده اند. بیشتر مشکلات الگوهایی از اتفاقات هستند که پیوندی با به خوبی به یاد آوردن استراتژی حل مشکل دارند. تشخیص الگو به ما توانایی شناسایی می دهد. در واقع تشخیص الگو شناسایی رابطه بین یک پدیده و دیگری می باشد. سیستم رابطه های پیچیده بین دو پدیده را مشخص نمی کند و از روش های منطقی برای حل این مساله بهره نمی برد. هنگامی که انسان اولیه در برابر طوفان به پناهگاه پناه می برد، در واقع به یک الگوی محیطی پاسخ می گفت.

در طی صدها سال بشر به در برابر قسمت زیادی از طبیعت عکس العمل نشان داد، بدون آنکه درک کند، در پشت این طبیعت چه اتفاقی می افتد. این هوش، محاسبه نیست، که یه وسیله ریاضیات دلیل یابی کند و رابطه ها و آثار آنها را آنالیز کند. دلایل دلیلها بعداً کشف خواهد شد، هنگامی که علوم پیشرفت کنند. پزشکان بیماری ها را تشخیص می دهند بدون اینکه رابطه بین آنها و آثار آنها را بدانند.

کدهای نرم افزاری منطقی هستند. اما بیشتر خصوصیات پیچیده نرم افزاری، الگوهایی هستند که به روش های خاص یرنامه نویسی مربوط می شوند؛ که تنها به وسیله یک هوش تشخیص الگو قابل شناسایی هستند. حل پیشرفته مسائل فقط از طریق این تشخیص الگوی حساس به دست می آید. هوش واقعی این قابلیت قدرتمند تشخیص الگو می باشد، که اتفاقاً منطق،استدلال و ریاضیات را نیز کشف کرد.

*Alan Turing
*Golden
*Roger Penrose
*Hubert Dreyfus
*"somewhat intelligent"

+ نوشته شده در  چهارشنبه هفدهم بهمن 1386ساعت 12:3  توسط موسی رجبی  | 
کامپیوتر :: سایر خدمات

دوره های آموزشی در زمینه برق و کامپیوتر

لیست دوره ها و سمینارهای آموزشی
شرکت تولیدی فناوری های راهبردی آریاز به عنوان یکی از مجموعه های تولیدی و خدماتی در سطح ایران، جهت اعتلای دانش صنعتگران و دانش پژوهان، اقدام به برگزاری دوره ها و سمینارهای آموزشی در زمینه های جدید و تخصصی نموده است.
مهم ترین هدف از برگزاری این دوره ها، آشنایی مسئولان، مدیران و صاحب نظران با مفاهیم جدید به صورت علمی و به دور از مسائل مربوط به بازاریابی محصولات مرتبط و بررسی عمیق و تکنیکی موضوعات می باشد. در همین راستا در ادامه لیست مهم ترین دوره ها و سمینارهای آموزشی را جهت استحضار تقدیم می دارد.
نحوه برگزاری این دوره ها و سمینارها در محل سازمان ها و شرکت ها و بر اساس زمان مورد توافق طرفین می باشد.
جهت اطلاع از نحوه برگزاری دوره ها و دریافت مطالب و عناوینی که در هر دوره بیان می گردد، می توانید با شرکت تماس حاصل فرمایید.
لازم به ذکر است کلیه دوره های آموزشی به صورت سمینار یک جلسه ای جهت آشنایی بهتر مدیران با مفاهیم مرتبط به صورت رایگان برگزار می گردد.
لیست دوره های آموزشی:
1. ساختمان های هوشمند، سیستم های امنیتی، حفاظتی ساختمان و اتوماسیون ساختمانی (BMS، BAS)
در این دوره مفاهیم مرتبط با انواع سیستم های امنیتی و حفاظتی ساختمان و پیرامون آن همانند سنسورهای تشخیص ورود غیر مجاز، سیستم های کنترل دسترسی،‌ سیستم های حضور و غیاب، سیستم های نظارت تصویری، گشت و نگهبانی، کارت های هوشمند، RFID، مفهوم اتوماسیون ساختمانی، بهینه سازی مصرف انرژی در ساختمان، مدیریت ساختمان و ... تدریس می گردد.
2. سیستم های نظارت تصویری
در این دوره انواع سیستم های نظارت تصویری، مفاهیم پایه و پیشرفته با دیدگاه کاربردی و در مقیاس پروژه های بزرگ مورد بررسی و توجه قرار می گیرد.
3. RFID ( Radio Frequency Identification)
با توجه به قابلیت های بسیار RFID‌ و کاربردهای متنوع آن، در این دوره ضمن معرفی این تکنولوژی، اجزای سخت افزاری، کاربردها، مزیت ها و معایب، استانداردها، امنیت و رمز نگاری و سایر مباحث کاربردی در این زمینه، ارائه می گردد.
4. Voice Over IP
امروزه با گسترش شبکه اینترنت و نیز ظهور و کاربردی شدن مراکز تلفن Voice Over IP، می توان در بحث مراکز تلفن از قابلیت های بسیار بالای این سیستم استفاده نمود. با توجه به نو بودن این مساله در کشورمان، در این دوره مفهوم ارسال صوت از طریق IP، مشکلات و مزیت ها، انواع سرویس ها، نحوه پیاده سازی سیستم، استانداردها و برخی از محصولات معتبر مورد بررسی و تجزیه و تحلیل قرار می گیرد.
5. شبکه های بیسیم بدون ساختار Adhoc
با توجه به گسترش روز افزون سیستم های ارتباط بیسیم، در این دوره دسته بسیار مهمی از شبکه های ارتباط بیسیم که به سرعت برپا گردیده و نیاز به هیچ زیرساختی ندارند، معرفی می گردد. مواردی همانند کاربردها، سیگنالینگ، مسیریابی و غیره از جمله عناوین این دوره محسوب می گردد.
6. شبکه های Wireless Mesh Network
جهت پوشش دادن منطقه وسیعی توسط چتر بیسیم با قابلیت های بسیار بالا همانند اتصال پیوسته به شبکه، استفاده از شبکه های مش، به عنوان یک گزینه ایده آل مطرح می باشد. در همین راستا در این دوره ضمن معرفی ساختار و مفهوم این نوع از شبکه ها، به مواردی همانند کاربردها، معماری، مزیت ها و معایب، مقایسه آن با سایر سیستم های مشابه، مدولاسیون، Roaming و سایر اجزای مرتبط نیز پرداخته می شود.
7. مدیریت پروژه و مایکروسافت پروژه
در این دوره مفاهیم اصلی و مهم در مدیریت پروژه، برنامه ریزی پروژه، منابع انسانی و مالی به همراه اجرای کامل مفاهیم فوق در نرم افزار Microsoft Project تدریس می گردد.
8. کنترل کیفیت
هدف از این دوره آشنا شدن با استانداردها و روش های مختلف در حوزه کنترل کیفیت همانند کایزن، ایزو، EFQM و موارد مشابه می باشد.
9. برنامه ریزی استراتژیک
در این دوره، مفاهیم، روش ها، مدل ها و دیدگاه های برنامه ریزی و مدیریت استراتژیک با پر رنگ نمودن جنبه کاربردی، تدریس می گردد.
10. اسکادا ( Supervisory Control and Data Acquisition) و کنترل توزیع شده (Distributed Control System)
در این دوره مفاهیم اصلی همانند تاریخچه تکامل سیستم های اتوماسیون، معرفی سیستم های اسکادا و کنترل توزیع شده، بررسی روشهای انتقال اطلاعات در سطح فیلد، بررسی انواع کنترلرها، مقدمه ای بر شبکه های صنعتی، بررسی اجزا و لایه های مختلف یک سیستم DCS، بررسی اجزای سیستم اسکادا و موارد دیگر، آموزش داده خواهد شد.
11. نرم افزار Labview
نرم افزار Labview به عنوان یک نرم افزار بسیار قوی در سطح کنترل، اتوماسیون و جمع آوری داده مطرح می باشد. در این دوره مفاهیم مختلفی جهت آشنایی مطلوب با این نرم افزار همانند Creating, Editing, and Debugging a VI، Creating a SubVi، Local and Global Variables and Clusters، Repetition and Loops، Arrays and Graphs، Case and Sequence Structures، VI Customization، Data Acquisition، Instrument Control و موارد دیگر آموزش داده خواهد شد.
12. شبکه های کامپیوتری صنعتی
هدف از این دوره آشنایی با شبکه های صنعتی مختلف می باشد. از جمله مهم ترین مفاهیمی که به آنها پرداخته خواهد شد می توان به مواردی همانند معرفی شبکه های کامپیوتری، تفاوت شبکه های کامپیوتری با صنعتی و بررسی انواع مختلف شبکه های کامپیوتری اشاره نمود. از جمله شبکه هایی که در این دوره مورد بررسی قرار می گیرد می توان به استانداردهایی همانند DNP3، PRofiBus، Foundation Field Bus، CanBus، Modbus‌ اشاره نمود.
13. روباتیک کاربردی
در این دوره مفاهیمی همانند تاریخچه روباتیک، انواع روبات ها و کاربردهای آن، سیستم کنترل حرکت، سنسورهای مختلف مورد استفاده، منابع تغذیه، سیستم ارتباطی، سیستم بینایی، مسیریابی و راهبری، هوش مصنوعی و ... مورد بررسی و تجزیه و تحلیل قرار می گیرد.
14. روبات های همکار و سیستم های چند عاملی
در این دوره به معرفی مفاهیم مرتبط با روبات های همکار و سیستم های چند عاملی همانند تعاریف، کاربردها، یادگیری گروهی، هم تکاملی، کلونی مورچه ها، هوش گروهی، یادگیری تقویتی و موارد مشابه پرداخته می گردد.
15. شبکه های عصبی مصنوعی، سیستم های فازی، الگوریتم های ژنتیک
این دوره در برگیرنده مفاهیم مرتبط با شبکه های عصبی مصنوعی، سیستم های فازی، الگوریتم های ژنتیک و سیستم های ترکیبی و نیز کاربردهای عملی آنها در صنعت می باشد.
16. اتوماسیون صنعتی
هدف از این دوره معرفی مفاهیم بنیادین در بحث اتوماسیون صنعتی و در نهایت معرفی پیشرفت ها و آخرین تکنولوژی های روز دنیا در زمینه اتوماسیون صنعتی و ترسیم وضعیت آینده آن می باشد. مفاهیمی همانند سیستم های کنترلی، انواع نگرش ها به خطوط تولید، شبکه های صنعتی، نرم افزارهای مدیریتی، سنسورها و عملگرها، سیستم های ارتباطی و غیره در این دوره مورد بررسی قرار خواهند گرفت.
17. سنسورها و عملگرها
در این دوره به صورت خاص به بررسی انواع سنسورها و عملگرهای رایج در صنعت و نیز شبکه بندی و انواع هوشمند آنها پرداخته می شود.


ارسال آگهی: ‪یکشنبه، ۱۳ آبان ۱۳۸۶‬

مشخصات آگهی

نام: فناوری های راهبردی آریاز
ایمیل:
تلفن: 09153178711
انقضا: ‪پنجشنبه، ۱۳ دی ۱۳۸۶‬
موقعیت:
آدرس:
+ نوشته شده در  چهارشنبه هفدهم بهمن 1386ساعت 11:58  توسط موسی رجبی  | 

سامانه‌های خبره

از ویکی‌پدیا، دانشنامهٔ آزاد.

پرش به: ناوبری, جستجو
این مقاله به تمیزکاری نیاز دارد. لطفاً آن را تا جایی که ممکن است از نظر املا، انشا، چیدمان و درستی بهتر کنید. سپس این الگو را از بالای مقاله حذف کنید. محتویات این مقاله ممکن است غیرقابل اعتماد و نادرست یا جانبدارانه باشد یا قوانین حقوق پدیدآورندگان را نقض کرده باشد.

سامانه‌های خِبره یا سیستم‌های خِبره (Expert systems) به دسته‌ای خاص از نرم‌افزارهای رایانه‌ای اطلاق می‌شود که در راستای کمک به کاردانان و متخصّصان انسانی و یا جایگزینی جزئی آنان در زمینه‌های محدود تخصّصی تلاش دارند. اینگونه سامانه‌ها، در واقع، نمونه‌های ابتدایی و ساده‌تری از فن‌آوری پیش‌رفته‌تر سامانه‌های مبتنی بر دانش‌ به حساب می‌آیند.

این سامانه‌ها معمولاً اطلاعات را به شکل واقعیات (Facts) و قواعد (Rules) در دادگانی به نام پایگاه دانش به شکل ساختار مند ذخیره نموده، و سپس با استفاده از روشهایی خاص استنتاج از این داده‌ها نتایج مورد نیاز حاصل می شود.

فهرست مندرجات

[مخفی شود]

[ویرایش] حوزه‌های کاربرد

سامانه‌های خبره موجبات انجام امور و یا تسهیل در انجام آنها را در زمینه‌های متنوّعی همچون پزشکی، حسابداری، کنترل فرایندها، منابع انسانی،خدمات مالی، و GIS فراهم می‌آورند. در هر یک از این زمینه‌ها می‌شود کارهایی از نوع راهنمایی، تحلیل، دسته‌بندی، مشاوره، طراحی، تشخیص، کاوش، پیش بینی، ایجاد مفاهیم، شناسایی، توجیه، یادگیری، مدیریت، کنترل، برنامه‌ریزی، زمان بندی و آزمایش را با مددجویی از سیستم‌های خِبره با سرعت و آسانی بیشتری به انجام رسانید. [1]

[ویرایش] نکات تاریخی

تا ابتدای دهۀ 1980 (م) کار چندانی در زمینۀ ساخت و ایجاد سامانه‌های خِبره توسط پژوهش گران هوش مصنوعی صورت نگرفته بود. از آن زمان به بعد، کار های زیادی در این راستا و در دو حوزۀ متفاوت ولی مرتبط سامانه‌های کوچک خبره و نیز سامانه‌های بزرگ خبره انجام شده است.

هوش مصنوعي: هوش مصنوعي روشي است در جهت هوشمند کردن کامپيوتر تا قادر باشد در هر لحظه تصميم گيري کرده و اقدام به بررسي يک مسئله نمايد. هوش مصنوعي، کامپيوتر را قادر به تفکر مي کند و روش آموختن انسان را تقليد مي نمايد. بنابراين اقدام به جذب اطلاعات جديد جهت بکارگيري مراحل بعدي مي پردازد. مغز انسان به بخش هايي تقسيم شده است که هر بخش وظيفه خاص خود را جدا از بقيه انجام مي دهد. اختلال در کار يک بخش تاثيري در ديگر قسمت هاي مغز نخواهد گذاشت. در برنامه هاي هوش مصنوعي نيز اين مسئله رعايت می‌شود درحالي که در برنامه هاي غير هوش مصنوعي مثل C يا Pascal تغيير در برنامه روي ساير قسمت هاي برنامه و اطلاعات تاثير دارد. مباحث کاربردي و مهم در تحقق يک سيستم هوش مصنوعي : 1- سيستم هاي خبره(Expert Systems) 2- شبکه هاي عصبي(Neural Network) 3- الگوريتم هاي ژنتيک(Genetic Algorithms) 4- سيستم هاي منطق فازي(Fuzzy Logic Systems)

سيستم هاي خبره: برنامه هايي هستند که رفتار يک انسان متخصص در يک زمينه بخصوص را تقليد مي کنند. اين برنامه از اطلاعاتي که استفاده کننده در آن‌ها ذخيره مي کند جهت اعلام يک عقيده در يک موضوع بخصوص استفاده مي کند. از اينرو سيستم هاي خبره تا هنگامي که بتوانند موضوعي را که با پاسخ هاي شما مطابقت داشته باشد بيابند به سوال کردن از شما ادامه مي دهند. به منظور درک کردن آنچه يک سيستم متخصص انجام مي دهد مکالمه زير که بين يک متخصص در امور ميوه و فرد ديگري که مي خواهد از وي توصيه اي در اين مورد دريافت کند را در نظر بگيريد: - متخصص: آيا ميوه سبز است؟ - استفاده کننده: خير. - متخصص: آيا ميوه قرمز است؟ - استفاده کننده: بله. - متخصص: آيا اين ميوه روي درخت رشد مي کند؟ - استفاده کننده: خير. - متخصص: آيا اين ميوه روي يک بوته رشد مي کند؟ - استفاده کننده: بله. - متخصص: آيا اين بوته تيغ دارد؟ - استفاده کننده: بله. - متخصص: اين ميوه تمشک است! هدف از طراحي يک سيستم متخصص کامپيوتري در امر ميوه توليد اين مکالمه است. در حالت عمومي تر سيستم متخصص سعي مي کند که به استفاده کننده از خود در مورد موضوعي که از آن مطلع است راهنمايي دهد.

مزاياي يک سيستم خبره چيست؟ ميزان مطلوب بودن يک سيستم خبره اصولا به ميزان قابليت دسترسي به آن و ميزان سهولت کار با آن بستگي دارد. مي توان مزايايي که يک سيستم خبره در برابر انسان خبره دارد را به اين صورت نام برد: - برخلاف انسان متخصص که نياز به خواب، استراحت و غذا و ... دارد، يک سيستم متخصص 24 ساعت در شبانه روز و 365 روز در سال قابل دسترس است. - دانش سيستم خبره از بين نمی‌رود بلکه مي توان آن را ذخيره نمود و حتي بسادگي مي توان آن را کپي برداري کرد. - يک سيستم متخصص همواره داراي حداکثر کارآيي خود است ولي به محض آنکه يک انسان متخصص خسته شود صحت توصيه هاي وي ممکن است کاهش يابد. - يک سيستم متخصص داراي شخصيت نيست. همانطور که شما هم درک کرده ايد شخصيت هاي افراد مختلف اغلب با يکديگر سازگار نيستند. اگر شما با يک متخصص رفيق يا دوست يا حداقل موافق نباشيد، آنگاه احتمالاً شانس اندکي براي استفاده از دانش اين فرد خواهيد داشت. عکس اين حالت نيز صحيح است. - آخرين برتري سيستم هاي خبره اين است که به سادگي و با کپي برداري اين برنامه از دستگاهي به دستگاه ديگر و در کمترين زمان ممکن مي توان يک سيستم متخصص ديگر بوجود آورد در حالي که تبديل يک انسان به يک متخصص زماني طولاني نياز دارد.

مثال هايي از سيستم هاي متخصص تجاري: MYCIN اولين سيستم متخصص موفق جهان بود که در سال 1970 در دانشگاه استنفورد طراحي شد. هدف از ساخت اين سيستم کمک به پزشکان در تشخيص بيماري هاي ناشي از باکتري بود. مشکل عمده در تشخيص بيماري براي يک پزشک آن است که تشخيص سريع و قاطع يک بيماري با توجه به تعداد بسيار زياد بيماري موجود، عملي دشوار است.MYCIN با تشخيص دادن قاطع بيماري‌ها توانست که اين نياز را برآورده سازد. PROSPECTOR يک متخصص در امر زمين شناسي است که احتمال وجود رسوبات معدني در يک ناحيه بخصوص را پيش بيني مي کند. اين سيستم در سال 1987 توسط «ريچارد دودا» و «پيتر هارد» و «رنه ربو» ساخته شد. در اوايل دهه 80 سيستم هاي متخصص به بازار عرضه شد که مي توانستند مشورت هاي مالياتي، توصيه هاي بيمه اي و يا قانوني را به استفاده کنندگان خود ارائه دهند.

سيستم هاي متخصص چگونه کار مي کنند؟ هر سيستم متخصص از دو بخش تشکيل می‌شود: - بانک اطلاعاتي - توليد کننده مکالمه

بانک اطلاعاتي : منظور از بانک اطلاعاتي در اينجا مکانيسم نگهداري اطلاعات و قوانين ويژه اي در مورد يک موضوع بخصوص مي باشد. با اين توصيف دو اصطلاح زير تعريف می‌شود: - شيء(Object): منظور از شيء در اينجا نتيجه اي است که با توجه به قوانين مربوط به آن تعريف مي گردد. - شاخص(Attribute): منظور از شاخص يا «صفت» يک کيفيت ويژه است که با توجه به قوانيني که براي آن در نظر گرفته شده است به شما در تعريف شيء ياري مي دهد. بنابراين مي توان بانک اطلاعاتي را بصورت ليستي از اشياء که در آن قوانين و شاخص هاي مربوط به هر شيء نيز ذکر شده است در نظر گرفته شود. در ساده ترين حالت(که در اکثر کاربردها نيز همين حالت بکار مي رود) قانوني که به يک شاخص اعمال می‌شود اين مطلب را بيان مي کند که آيا شيء مورد نظر شاخص دارد يا ندارد؟ يک سيستم متخصص که انواع مختلف ميوه را شناسايي مي کند احتمالاً داراي بانک اطلاعاتي به صورت زير خواهد بود: شيء قانون شاخص سيب دارد روي درخت رشد مي کند. دارد گرد است دارد رنگ قرمز يا زرد است ندارد در کوير رشد مي کند انگور ----- ------------------- بانک ساده شده بالا با تنها استفاده از قانون دارد:

      شيء           شاخص هايي که دارد
      سيب           رشد روي درخت

گرد بودن رنگ قرمز يا زرد رشد نکردن در کوير

توليد کننده مکالمه: آن بخش از سيستم متخصص است که سعي مي کند از اطلاعاتي که شما ذخيره کرده ايد جهت يافتن يک شيء منطبق با خواسته شما استفاده نمايد. دو نوع عمده از توليد کننده هاي مکالمه وجود دارد : - قطعي - احتمالي برخي قوانين قطعي هستند. به عنوان مثال يک شيميدان مي تواند با قطعيت و يقين اعلام کند که اگر اتم مورد نظر داراي 2 الکترون باشد آنگاه اين اتم به عنصر هليم تعلق دارد. اکثر قوانين قطعي نيستند بلکه با يک درصد مشخص، احتمال وقوع آن‌ها مي رود. با اين وجود در بسياري از اينگونه موارد عامل عدم قطعيت از نظر آماري اهميت چنداني ندارد و از اين رو شما مي توانيد با اين قوانين بصورت قوانين جبري برخورد کنيد. در رابطه با اين دو گروه عمده(يعني قطعي و عدم قطعي) سه روش اساسي براي ساخت «توليد کننده مکالمه» وجود دارد: - استدلال پيشرو Forward Chaining - زنجيره سازي پسرو Backward Chaining - ارزشيابي Rule-Value تفاوت بين اين سه روش به شيوه اي که «توليد کننده مکالمه» توسط آن سعي مي کند به هدف خود برسد بستگي دارد.

[ویرایش] پیوندهای بیرونی

[ویرایش] منابع

  • Durkin, John. Expert Systems: Design and Development.

  • Nisenfeld, A. E., Artificial Intelligence Handbook: Principles, Instrument Society of America, 1989. ISBN: 1 - 55617 - 133 - 1

    [ویرایش] جستارهای وابسته

+ نوشته شده در  چهارشنبه هفدهم بهمن 1386ساعت 11:55  توسط موسی رجبی  | 
بازی دوز TicTacToe با هوش مصنوعی قابل قبول.حتما ا
دات نت سطح متوسط

بازی دوز یکنفره با کامپیوتر، دونفره و 0 نفره .... حتما بگیریدش.. - هوش مصنوعی کامپیوتر در حد یک جوون 17 یا 18 ساله من چند وقتیه سرعت کانکشنم خیلی افت کرده نتونستم فایل رو اینجا بذارم، ولی توی آدرس زیر تونستم بذازمش..اگه مشکلی نداشته باشه برای دریافت برنامه به این لینکد برید : http://barnamenevis.org/forum/showthread.php?t=60464

تصوير نمونه
سلام به همه.. اگه بازی دوز می خواین این یکی واقعا بازی کاملیه (تقریبا)، از دستش ندید. برنامه (بازی) TicTacToe نسخه 1.0.3 : - امکان بازی بصورت 2دو نفره (بازیکن با بازیکن) - امکان بازی بصورت 1یکنفره (بازیکن با کامپیوتر)، هوش مصنوعی مناسب - امکان بازی 0 صفر نفره (کامپیوتر با کامپیوتر) صرفا جهت آشنایی با نحوه بازی - هوش مصنوعی کامپیوتر در حد یک جوون 17 یا 18 ساله (البته در بعضی موارد دخترونه) - ضریب دقت بالا در تصمیم گیری برای انتخاب حرکات مناسب چه هنگام دفاع در برابر حرکت حریف، و چه هنگام حمله کامپیوتر - پیش فرض بازی (برای برنده شدن) بصورت یک ردیف 5-تایی می باشد. که البته برای دونفره بازی کردن این پیش فرض قابل تغییر است - اینترفیس (رابط گرافیکی) ساده و مناسب - ... و .... بقیش هم دیگه خودتون بازی کنید ببینید... اگه جالب بود و یا سوالی، پیشنهادی، انتقادی ... داشتین همینجا مطرح کنید.. خوشحال می شم با هم بیشتر در موردش صحبت کنیم. این برنامه در Microsoft Visual C# 2005 Express Eddition نوشته شده. برای اجرا باید روی سیستمتون dotNet FrameWork 2 رو نصب داشته باشید.در این برنامه از کامپوننت Windows Media Player برای پخش موزیک در پس زمینه استفاده شده است. (کتابخانه ویندوز مدیا پلیر WMPLib) یک پیش نمایش از صفحه بازی : http://img2.freeimagehosting.net/uploads/10c5739437.jpg حجم سورس با Resources حدود 900 KB من چند وقتیه سرعت کانکشنم خیلی افت کرده نتونستم فایل رو اینجا بذارم، ولی توی آدرس زیر تونستم بذازمش..اگه مشکلی نداشته باشه برای دریافت برنامه به این لینکد برید : http://barnamenevis.org/forum/showthread.php?t=60464 امیدوارم پیروز باشید. با تشکر ... RED-C0DE
+ نوشته شده در  چهارشنبه هفدهم بهمن 1386ساعت 11:44  توسط موسی رجبی  | 
هوش مصنوعي
عناوين: 

  • چكيده‌:
    •

    ـ هدف‌ از اين‌ مقاله‌ آشنائي‌ با هوش‌ مصنوعي‌ به‌ عنوان‌ سمبل‌ ونماد دوران‌ فراصنعتي‌ و نقش‌ و كاربرد آن‌ در صنايع‌ و مؤسسات‌توليدي‌ مي‌باشد. بدين‌ منظور، اين‌ موضوع‌ در قالب‌ دو مقاله‌ جداگانه‌و يا دو بخش‌ ارائه‌ مي‌شود. در (بخش‌ اول‌) هوش‌ مصنوعي‌ موردمطالعه‌ قرار مي‌گيرد و سئوالاتي‌ نظير اين‌ كه‌ هوش‌ مصنوعي‌چيست‌؟ تفاوت‌ هوش‌مصنوعي‌ و هوش‌ طبيعي‌ (انساني‌) درچيست‌؟ شاخه‌هاي‌ عمده‌ هوش‌ مصنوعي‌ كدامند؟ و نهايتأ، اجزاي‌هوش‌ مصنوعي‌ نيز تشريح‌ مي‌شود. در بخش‌ دوم‌،كاربردهاي‌ هوش‌ مصنوعي‌در صنايع‌ و مؤسسات‌توليدي‌، بخصوص‌ در زمينه‌سيستم‌هاي‌ خبره‌ وآدمواره‌ها مورد مطالعه‌ وتجزيه‌ و تحليل‌ قرارمي‌گيرد.

    دهه‌هاي‌ آغازين‌ سده‌ بيستم‌ ميلادي‌ و دوران‌ پيشرفت‌ شگرف‌صنعتي‌، همراه‌ با توليد خودرو بود كه‌ انقلاب‌ همه‌ جانبه‌اين‌ درترابري‌، افزايش‌ شتاب‌ جابجايي‌ و صدها كار و پيشه‌ جديد دررشته‌ها بازرگاني‌ بوجود آورده‌ است‌.

    به‌ نظر مي‌رسد كه‌ سمبل‌ دوران‌ فراصنعتي‌ و نماد فرآورده‌هاي‌بي‌همتاي‌ قرن‌ آينده‌«هوش‌ مصنوعي‌»(1) است‌. امروزه‌ موضوع‌هوش‌ مصنوعي‌ داغ‌ترين‌ بحث‌ ميان‌ كارشناسان‌ دانش‌ رايانه‌ واطلاعات‌ و ديگر دانشمندان‌ و تصميم‌گيرندگان‌ است‌. در سراسرتاريخ‌ تا به‌ امروز انسان از جنبه‌ تن‌ و روان‌، مركز و محور بحث‌هاو پژوهش‌ها بوده‌ است‌. ولي‌ اكنون‌ موجودي‌ با رتبه‌اي‌ پائين‌تر،بي‌جان‌ و ساختگي‌ مي‌خواهد جانشين‌ او شود، امري‌ كه‌ بدون‌ شك‌ مي‌توان‌ ادعا نمود بيشتر انسان‌ها با آن‌ مخالفند.

    هوش‌ مصنوعي‌ چنانچه‌ به‌ هدف‌هاي‌ والاي‌ خود برسد، جهش‌بزرگي‌ در راه‌ دستيابي‌ بشر به‌ رفاه‌ بيشتر و حتي‌ ثروت‌ افزون‌ترخواهد بود. هم‌ اكنون‌ نمونه‌هاي‌ خوب‌ و پذيرفتن‌ از هوش‌ مصنوعي‌در دنياي‌ واقعي‌ ما به‌ كار افتاده‌ است‌. چنين‌ دستاوردهايي‌، صرف‌منابع‌ لازم‌ در آينده‌ را همچنان‌ توجيه‌ خواهد كرد.

    از سوي‌ ديگر، منتقدين‌ هوش‌ مصنوعي‌ چنين‌ استدلال‌ مي‌كنندكه‌ صرف‌ زمان‌ و منابع‌ ارزشمندديگر در راه‌ ساخت‌ فراورده‌اي‌ كه‌پر از نقص‌ و كاستي‌ ودست‌آوردهاي‌ مثبت‌ اندكي‌ است‌،مايه‌ بدنام‌ كردن‌ و زير پا گذاشتن‌توانمندي‌ها و هوشمندي‌هاي‌انسان‌ مي‌باشد. تلخ‌ترين‌ انتقادهابر اين‌ باور است‌ كه‌ هوش‌مصنوعي‌، توهين‌ آشكار به‌ گوهر طبيعت‌ و نقش‌ انسان‌ است‌.
     

    تلاش‌ در راه‌ برخوردار نمودن‌ رايانه‌ از توانائيهاي‌ شناخت‌ وتقليد جنبه‌هاي‌ هوشي‌ انسان‌ از دهه‌ 1950 ميلادي‌ آغاز شده‌ است‌.در سال‌ 1956 ميلادي‌، گروهي‌ از دانشمندان‌ از جمله‌ ماروين‌مينسكي‌(2) (از دانشگاه‌ فني‌ ماساچوست‌)، كلود شانن(3) (ازآزمايشگاه‌ نامدار بل‌) و جان‌ مك‌كارتي‌(4) (از دانشگاه‌ دارت‌موت‌(همايش‌ در دارت‌ موت‌ (5)كانادا برگزار نمودند تا در اين‌زمينه‌ به‌ گفتگو بپردازند. جان‌ مك‌ كارتي‌ دانشيار كرسي‌ رياضي‌دانشگاه‌ و ميزبان‌ همايش‌، عنوان‌ پهوش‌ مصنوعي‌) را بر اين‌ نشست‌نهاد.از آن‌ زمان‌ تاكنون‌ ميان‌ دانشمندان‌ و خبرگان‌ آگاه‌ همچنان‌بحث‌ در مفهوم‌ هوش‌ مصنوعي‌ جريان‌ دارد.

    هوش‌ مصنوعي‌ را كوششهايي‌ تعريف‌ مي‌كنند كه‌ در پي‌ ساختن‌نظامهاي‌ رايانه‌اي‌ )سخت‌افزار و نرم‌افزار) است‌ كه‌ رفتاري‌ انسان‌ وارداشته‌ باشند. چنين‌ نظامهايي‌ توان‌ يادگيري‌ زبانهاي‌ طبيعي‌، انجام‌وظيفه‌هاي‌ انساني‌ به‌ صورت‌ آدمواره‌ (ربات‌) و رقابت‌ با خبرگي‌ و توان‌تصميم‌گيري‌ انسان‌ را دارند.

    يك‌ سيستم‌ هوش‌ مصنوعي‌ به‌ راستي‌ (نه‌ مصنوعي‌ (و )نه‌هوشمند (است‌. بلكه‌ دستگاهي‌ است‌ هدف‌گرا كه‌ مشكل‌ را به‌ روش‌ مصنوعي‌ حل‌مي‌كند اين‌ سيستم‌ها بر پايه‌ دانش‌، تجربه‌ و الگوهاي‌ استدلايي‌ انسان‌بوجود آمده‌اند.

    سيستم‌هاي‌ هوش‌ مصنوعي‌ مانند كتاب‌ با ديگر آثار فكري‌ انسان‌مي‌باشند، تا زماني‌ كه‌ نوشته‌ نشوند معلوماتي‌ در خود ندارند. پس‌ از آماده‌شدن‌ نيز نمي‌توانند چيزي‌ تازه‌ بسازند و يا راه‌حل‌ نويني‌ ابداع‌ كنند.سيستم‌هاي‌ هوشمند، تنها و توانايي‌هاي‌ كارشناسان‌ را بالا مي‌برند وهرگز نمي‌توانند جانشين‌ آنها شوند. اين‌ سيستم‌ها فاقد عقل‌ سليم‌ هستند.

    براي‌ شناخت‌ هوش‌ مصنوعي‌ شايسته‌ است‌ تا تفاوت‌ آن‌ را با هوش‌انساني‌ به‌ خوبي‌ بدانيم‌. مغز انسان‌ از ميلياردها سلول‌ يا رشته‌ عصبي‌درست‌ شده‌ است‌ و اين‌ سلول‌ها به‌ صورت‌ پيچيده‌اي‌ به‌ يكديگرمتصل‌اند. شبيه‌سازي‌ مغز انسان‌ مي‌تواند از طريق‌ سخت‌افزار يا نرم‌افزارانجام‌ گيرد. تحقيقات‌ اوليه‌ نشان‌ داده‌ است‌ شبيه‌سازي‌ مغز، كاري‌مكانيكي‌ و ساده‌ مي‌باشد. براي‌ مثال‌، يك‌ كرم‌ داراي‌ چند شبكه‌ عصبي‌است‌. يك‌ حشره‌ حدود يك‌ ميليون‌ رشته‌ عصبي‌ دارد و مغز انسان‌ ازهزار ميليارد رشته‌ عصبي‌ درست‌ شده‌ است‌. با تمركز و اتصال‌ رشته‌هاي‌عصبي‌ مصنوعي‌ مي‌توان‌ واحد هوش‌ مصنوعي‌ را درست‌ كرد.

    هوش‌ انساني‌ بسيار پيچيده‌تر و گسترده‌تر از سيستم‌هاي‌ رايانه‌اي‌است‌ و توانمنديهاي‌ برجسته‌اي‌ مانند: استدلال‌، رفتار، مقايسه‌، آفرينش‌و بكار بستن‌ مفهومها را دارد.

    هوش‌ انساني‌ توان‌ ايجاد ارتباط ميان‌ موضوع‌ها و قياس‌ ونمونه‌ سازيهاي‌ تازه‌ را دارد. انسان‌ همواره‌ قانون‌هاي‌ تازه‌اي‌ مي‌سازد و ياقانون‌ پيشين‌ را در موارد تازه‌ بكار مي‌گيرد. توانايي‌ بشر در ايجادمفهوم‌هاي‌ گوناگون‌ در دنياي‌ پيرامون‌ خود، از ويژگي‌هاي‌ ديگر اوست‌.مفهوم‌هاي‌ گسترده‌اي‌ همچون‌ روابط علت‌ و معلولي‌، رمان‌ و يامفهوم‌هاي‌ ساده‌تري‌ مانند گزينش‌ وعده‌هاي‌ خوراك‌ (صبحانه‌، ناهار وشام) را انسان‌ ايجاد كرده‌ است‌. انديشيدن‌ در اين‌ مفهوم‌ها و بكاربستن‌آنها، ويژه‌ رفتار هوشمندانه‌ انسان‌ است‌.

    هوش‌ مصنوعي‌ در پي‌ ساخت‌ دستگاههايي‌ است‌ كه‌ بتوانندتوانمندهاي‌ ياد شده‌ (استدلال‌، رفتار، مقايسه‌ و مفهوم‌ آفريني‌) را از خودبروز دهند. آنچه‌ تاكنون‌ ساخته‌ شده‌ نتوانسته‌ است‌ خود را به‌ اين‌ پايه‌برساند، هر چند سودمندي‌هاي‌ فراواني‌ به‌ بار آورده‌ است‌.

    نكته‌ آخر اينكه‌، يكي‌ از علل‌ رويارويي‌ با مقوله‌ هوش‌ مصنوعي‌،ناشي‌ از نام‌گذاري‌ نامناسب‌ آن‌ مي‌باشد. چنانچه‌ جان‌ مك‌كارتي‌ در سال‌1956 ميلادي‌ آن‌ را چيزي‌ مانند «برنامه‌ريزي‌ پيشرفته‌» ناميده‌ بود شايد جنگ‌ و جدلي‌ در پيرامون‌ آن‌ رخ‌ نمي‌داد.
     

    هوش‌ مصنوعي‌ به‌ تعدادي‌ ميدانهاي‌ فرعي‌ تقسيم‌ شده‌ است‌ و سعي‌دارد تا سيستم‌ها و روشهايي‌ را ايجاد كند كه‌ بطور تقليدي‌ مانند هوش‌ ومنطق‌ تصميم‌گيرندگان‌ عمل‌ نمايد.

    سه‌ شاخه‌ اصلي‌ هوش‌ مصنوعي‌ عبارتند از: سيستم‌هاي‌خبره‌(ES)(6)، آدمواره‌ها(7) و پردازش‌ زبان‌ طبيعي‌ (8) كه‌ در زير به‌صورت‌ تصويري‌ نشان‌ داده‌ شده‌ است‌.

    هوش‌ مصنوعي‌ در يك‌ نگاه‌

     

    سيستم‌هاي‌ خبره‌، برنامه‌هاي‌ كاميپوتري‌ هوشمندي‌ هستند كه‌ دانش‌و روشهاي‌ استنباط و استنتاج‌ را بكار مي‌گيرند تا مسائلي‌ را حل‌ كنند كه‌براي‌ حل‌ آن‌ها به‌ مهارت‌ انساني‌ نياز است‌.

    سيستم‌هاي‌ خبره‌ كاربر را قادر به‌ مشاوره‌ با سيستم‌هاي‌ كامپيوتري‌در مورد يك‌ مسئله‌ و يافتن‌ دلايل‌ بروز مسئله‌ و راه‌حل‌هاي‌ آن‌ مي‌كند.در اين‌ حالات‌ مجموعه‌ سخت‌افزار و نرم‌افزار تشكيل‌ دهنده‌ سيستم‌خبره‌، مانند فرد خبره‌ اقدام‌ به‌ طرح‌ سئوالات‌ مختلف‌ و دريافت‌پاسخ‌هاي‌ كاربر، مراجعه‌ به‌ پايگاه‌ دانش‌ (تجربيات‌ قبلي‌) و استفاده‌ ازيك‌ روش‌ منطقي‌ براي‌ نتيجه‌گيري‌ و نهايتا ارائه‌ راه‌حل‌ مي‌نمايد.همچنين‌ سيستم‌ خبره‌ قادر به‌ شرح‌ مراحل‌ نتيجه‌گيري‌ خود تا رسيدن‌ به‌هدف‌)چگونگي‌ نتيجه‌گيري‌(و دليل‌ مطرح‌ شدن‌ يك‌ سئوال‌ اجرايي‌)روش‌ حركت‌ تا رسيدن‌ به‌ هدف‌(خواهد بود.

    سيستم‌هاي‌ خبره‌ برخلاف‌ سيستم‌هاي‌ اطلاعاتي‌ كه‌ بر روي‌ داده‌ها(Data) عمل‌ مي‌كنند، بر دانش‌ (Knowledge) متمركز شده‌ است‌. همچنين‌ دريك‌ فرآيند نتيجه‌گيري‌، قادر به‌ استفاده‌ از انواع‌ مختلف‌ داده‌ها )عددي‌Digital، نمادي‌ Symbolic و مقايسه‌اي‌ Analoge( مي‌باشند. يكي‌ ديگر ازمشخصات‌ اين‌ سيستم‌ها استفاده‌ از روشهاي‌ ابتكاري‌ (Heuristic) به‌ جاي‌روشهاي‌ الگوريتمي‌ مي‌باشد. اين‌ توانايي‌ باعث‌ قرار گرفتن‌ محدودوسيعي‌ از كاربردها در برد عملياتي‌ سيستم‌هاي‌ خبره‌ مي‌شود. فرآيندنتيجه‌گيري‌ در سيستم‌هاي‌ خبره‌ بر روشهاي‌ استقرايي‌ و قياسي‌ پايه‌گذاري‌شده‌ است‌. از طرف‌ ديگر اين‌ سيستم‌ها مي‌توانند دلايل‌ خود در رسيدن‌به‌ يك‌ نتيجه‌گيري‌ خاص‌ و يا جهت‌ و مسير حركت‌ خود به‌ سوي‌ هدف‌را شرح‌ دهند. با توجه‌ به‌ توانايي‌ اين‌ سيستم‌ها در كار در شرايط فقدان‌اطلاعات‌ كامل‌ و يا درجات‌ مختلف‌ اطمينان‌ در پاسخ‌ به‌ سئوالات‌ مطرح‌شده‌، سيستم‌هاي‌ خبره‌ نماد مناسبي‌ براي‌ كار در شرايط عدم‌ اطمينان‌(Uncertainty) و يا محيطهاي‌ چند وجهي‌ مي‌باشند.

     

    مزاياي‌ سيستم‌هاي‌ خبره‌ را مي‌توان‌ به‌ صورت‌ زير دسته‌بندي‌ كرد:

    1-افزايش قابليت‌ دسترسي‌: تجربيات‌ بسياري‌ از طريق‌ كامپيوتر دراختيار قرار مي‌گيرد و به‌ طور ساده‌تر مي‌توان‌ گفت‌ يك‌ سيستم‌ خبره‌،توليد انبوه‌ تجربيات‌ است‌.

    2-كاهش‌هزينه‌:هزينه‌كسب‌تجربه‌براي‌كاربربه‌طورزيادي‌كاهش‌مي‌يابد.

    3-كاهش‌ خطر: سيستم‌ خبره‌ مي‌تواند در محيطهايي‌ كه‌ ممكن‌ است‌براي‌ انسان‌ سخت‌ و خطرناك‌ باشد نيز بكار رود.

    4-دائمي‌ بودن‌: سيستم‌هاي‌ خبره‌ دائمي‌ و پايدار هستند. بعبارتي‌ مانندانسان‌ها نمي‌ميرند و فنا ناپذيرند.

    5-تجربيات‌ چندگانه‌: يك‌ سيستم‌ خبره‌ مي‌تواند مجموع‌ تجربيات‌ وآگاهي‌هاي‌ چندين‌ فرد خبره‌ باشد.

    6-افزايش‌ قابليت‌ اطمينان‌: سيستم‌هاي‌ خبره‌ هيچ‌ وقت‌ خسته‌ وبيمار نمي‌شوند، اعتصاب‌ نمي‌كنند و يا عليه‌ مديرشان‌ توطئه‌ نمي‌كنند، درصورتي‌ كه‌ اغلب‌ در افراد خبره‌ چنين‌ حالاتي‌ پديد مي‌آيد.

    7-قدرت‌ تبيين‌ (Explanation): يك‌ سيستم‌ خبره‌ مي‌تواند مسير و مراحل‌استدلالي‌ منتهي‌ شده‌ به‌ نتيجه‌گيري‌ را تشريح‌ نمايد. اما افراد خبره‌ اغلب‌اوقات‌ بدلايل‌ مختلف‌ (خستگي‌، عدم‌ تمايل‌ و…) نمي‌توانند اين‌ عمل‌ رادر زمانهاي‌ تصميم‌گيري‌ انجام‌ دهند. اين‌ قابليت‌، اطمينان‌ شما را در موردصحيح‌ بودن‌ تصميم‌گيري‌ افزايش‌ مي‌دهد.

    8-پاسخ‌دهي‌سريع‌:سيستم‌هاي‌خبره‌،سريع‌ودراسرع‌وقت‌جواب‌مي‌دهند.

    9-پاسخ‌دهي‌ در همه‌ حالات‌: در مواقع‌ اضطراري‌ و مورد نياز،ممكن‌ است‌ يك‌ فرد خبره‌ بخاطر فشار روحي‌ و يا عوامل‌ ديگر، صحيح‌تصميم‌گيري‌ نكند ولي‌ سيستم‌ خبره‌ اين‌ معايب‌ را ندارد.

    10-پايگاه‌ تجربه‌: سيستم‌ خبره‌ مي‌تواند همانند يك‌ پايگاه‌ تجربه‌عمل‌ كند وانبوهي‌ از تجربيات‌ را در دسترس‌ قرار دهد.

    11-آموزش‌ كاربر: سيستم‌ خبره‌ مي‌تواند همانند يك‌ خودآموز هوش‌(Intelligent Tutor) عمل‌ كند. بدين‌ صورت‌ كه‌ مثالهايي‌ را به‌ سيستم‌ خبره‌مي‌دهند و روش‌ استدلال‌ سيستم‌ را از آن‌ مي‌خواهند.

    12-سهولت‌ انتقال‌ دانش‌: يكي‌ از مهمترين‌ مزاياي‌ سيستم‌ خبره‌،سهولت‌ انتقال‌ آن‌ به‌ مكان‌هاي‌ جغرافيايي‌ گوناگون‌ است‌. اين‌ امر براي‌توسعه‌كشورهايي‌كه‌ استطاعت‌ خريد دانش‌ متخصصان‌راندارند،مهم‌است‌.
     

    كلمه‌ آدمواره‌ (ربات)بعد از به‌ صحنه‌ درآمدن‌ يك‌ نمايش‌ در سال‌1920 ميلادي‌ در فرانسه‌ متداول‌ و مشهور گرديد. در اين‌ نمايش‌ كه‌ اثر«كارل‌ كپك‌» بود، موجودات‌ مصنوعي‌ شبيه‌ انسان‌، وابستگي‌ شديدي‌نسبت‌ به‌ اربابان‌ خويش‌ از خود نشان‌ مي‌دادند. اين‌ موجودات‌ مصنوعي‌شبيه‌ انسان‌ در آن‌ نمايش‌، آدمواره‌ نام‌ داشتند(9).

    در حال‌ حاضر آدمواره‌هايي‌ را كه‌ در شاخه‌هاي‌ مختلف‌ صنايع‌ مورداستفاده‌ مي‌باشند، مي‌توان‌ به‌ عنوان‌ «ماشين‌هاي‌ مدرن‌، خودكار، قابل‌هدايت‌ و برنامه‌ريزي‌»تعريف‌ كرد. اين‌ آدمواره‌ها قادرند در محل‌هاي‌متفاوت‌ خطوط توليد، به‌ طور خودكار، وظايف‌ گوناگون‌ توليدي‌ را تحت‌يك‌ برنامه‌ از پيش‌ نوشته‌ شده‌ انجام‌ دهند. گاهي‌ ممكن‌ است‌ يك‌آدمواره‌، جاي‌ اپراتور در خط توليد بگيرد و زماني‌ اين‌ امكان‌ هم‌ وجوددار كه‌ يك‌ كار مشكل‌ و يا خطرناك‌ به‌ عهده‌ آدمواره‌ واگذار شود.همانطور كه‌ يك‌ آدمواره‌ مي‌تواند به‌ صورت‌ منفرد يا مستقل‌ به‌ كاربپردازد، اين‌ احتمال‌ نيز وجود دارد كه‌ چند آدمواره‌ به‌ صورت‌ جمعي‌ و به‌شكل‌ رايانه‌اي‌ در خط توليد به‌ كار گرفته‌ شوند.

    آدمواره‌ها عموماً داراي‌ ابزار و آلاتي‌ هستند كه‌ به‌ وسيله‌ آنهامي‌توانند شرايط محيط را دريابند.اين‌ آلات‌ و ابزار «حس‌ كننده‌»(10)نام‌ دارند، آدمواره‌ها مي‌توانند در چارچوب‌ برنامه‌ اصلي‌ خود، برنامه‌هاي‌جديد عملياتي‌ توليد نمايند. اين‌ آدمواره‌ها داراي‌ سيستم‌هاي‌ كنترل‌ وهدايت‌ خودكار هستند.

    آدمواره‌هاي‌ صنايع‌ علاوه‌ بر اين‌ كه‌ داراي‌ راندمان‌، سرعت‌، دقت‌ وكيفيت‌ بالاي‌ عملياتي‌ مي‌باشند، از ويژگي‌هاي‌ زير نيز برخوردارند:

    1-بسياري‌ از عمليات‌ طاقت‌ فرسا و غيرقابل‌ انجام‌ توسط متصديان‌ رامي‌توانند انجام‌ دهند.

    2-آنها، برخلاف‌ عامل‌ انساني‌ يعني‌ متصدي‌ خط توليد، قادر هستند سه‌شيفت‌ به‌ كار بپردازند و در اين‌ خصوص‌ نه‌ منع‌ قانوني‌ وجود دارد و نه‌محدوديت‌هاي‌ فيزيولوژيكي‌ نيروي‌ كار.

    3-هزينه‌هاي‌ مربوط به‌ جلوگيري‌ از آلودگي‌ صوتي‌، تعديل‌ هوا و فراهم‌آوردن‌ روشنايي‌ لازم‌ براي‌ خط توليد، ديگر بر واحد توليد تحميل‌نخواهد شد.

    4-براي‌ اضافه‌ كاري‌ اين‌ آدمواره‌ها، هزينه‌ اضافي‌ پرداخت‌ نمي‌شود.حق‌ بيمه‌، حق‌ مسكن‌ و هزينه‌ اياب‌ و ذهاب‌ پرداخت‌ نمي‌شود. احتياج‌ به‌افزايش‌ حقوق‌ ندارند و هزينه‌اين‌ نيز از بابت‌ بهداشت‌ و درمان‌ بر واحدتوليدي‌ تحميل‌ نمي‌كنند.

    ويژگي‌هاي‌ ذكر شده‌ سبب‌ مي‌شوند كه‌ سهم‌ هزينه‌ كار مستقيم‌ نيروي‌انساني‌ در هزينه‌ محصولات‌ توليدي‌، واحدهاي‌ توليدي‌ كاهش‌ پيداكند.(11)

    پردازش‌ زبان‌هاي‌ طبيعي‌ بعنوان‌ زيرمجموعه‌اي‌ از هوش‌ مصنوعي‌،مي‌تواند توصيه‌ها و بيانات‌ را با استفاده‌ از زباني‌ كه‌ شما به‌ طور طبيعي‌ درمكالمات‌ روزمره‌ بكار مي‌بريد، بفهمد و مورد پردازش‌ قرار دهد. به‌ طوركلي‌ نحوه‌ كار اين‌ شاخه‌ از هوش‌ مصنوعي‌ اين‌ است‌ كه‌ زبانهاي‌ طبيعي‌انسان‌ را تقليد مي‌كند. در اين‌ ميان‌، پيچيدگي‌ انسان‌ از بعد روانشناسي‌ برروي‌ ارتباط متعامل‌ تاثير مي‌گذارد.

    در پردازش‌ زبانهاي‌ طبيعي‌، انسان‌ و كامپيوتر ارتباطي‌ كاملا نزديك‌با يكديگر دارند. كامپيوتراز لحاظ رواني در مغز انسان جاي داده مي شود. بدين ترتيب يك سيستم خلاق شكل مي گيرد كه انسان نقش سازمان دهنده اصلي آن را برعهاده دارد. اگر چه هنوز موانع روانشناختي و زبانشناختي بسياري بر سر راه سبستمهاي محاوره اي وجود دارد. اما چشم اندهزهاي پيشرفت آنها يقيناً نويدبخش است. در حقيقت، توقعات يكسان از محاوره انسان- ماشني و محاوره انسان- انسان، معقول نيست.

    بدين‌ ترتيب‌ سئوالاتي‌ نظير اينكه‌ هوش‌ مصنوعي‌ چيست‌، تفاوت‌هوش‌ مصنوعي‌ و هوش‌ طبيعي‌ (انساني‌) در چيست‌، شاخه‌هاي‌ عمده‌هوش‌ مصنوعي‌ كدامند؟ و نهايتاً جزاي‌ هوش‌ مصنوعي‌ مشخص‌ شد. دربخش‌ دوم‌، مي‌توان‌ كاربردهاي‌ هوش‌ مصنوعي‌ در صنايع‌ و مؤسسات‌توليدي‌، بخصوص‌ در زمينه‌ سيستم‌هاي‌ خبره‌ و آدمواره‌ها را مورد مطالعه‌و تجزيه‌ و تحليل‌ قرار داد.


    منابع‌ و مأخذ:


    1.Phlippe coiffet, "Robots technology" volume 1, Prentice - Hall Inc. , 1983. P.ll.

    2. Derrek Kelley , " A Loyman, S., "Introduction to Rabaties," New Jersey, 1986.

    3. Martin A. Fischer Oscar Firschern,"Questions, Intelligence and IntelligentBehavior," Computer and people, Vol., 36, Nos, 5.6, May 1987.

    4. Lotfizadeh A., "The calculeus of Fuzzy If / Then Pulls All Expert, " March 1992.

    5. Povl William, " Silicon Babies, " Scientific American, Dec. 1991.

    1 - Artifcial Intelligence

    2 - Marvin Minsky

    3 - Glaude Shannon

    4 - John MeCarthy

    5 - Dartmouth

    6 - Expert Systems

    7 - Robatic Machines

    8 - Natural Language Processing

    9 - Phillippe coiffet, "Robots Techonology", Volume 1, Prentice - Hall Inco,1983, p,11

    10 - Sensor

    11 - Derrek Kelley, "A L ayman, S. "Introduction to Robotics" New Jersey, 1986
     

    منبع : بلاگ با من باش

    + نوشته شده در  چهارشنبه هفدهم بهمن 1386ساعت 11:39  توسط موسی رجبی  |