مفاهیم پایه‌ای هوش مصنوعی

0
7
ai concepts

هوش مصنوعی برخلاف اطلاعاتی که انسان ها نشان می دهند، هوشمندی است که توسط ماشین ها به نمایش گذاشته می‌شود. این آموزش مفاهیم اساسی در زمینه های مختلف هوش مصنوعی مانند شبکه های عصبی مصنوعی(ANN)، پردازش زبان طبیعی(NLP)، یادگیری ماشینی(ML)، یادگیری عمیق(DL)، الگوریتم های ژنتیکی و غیره را شامل می شود و زبان برنامه‌نویسی مورد استفاده، پایتون است.

مخاطبان
این آموزش برای فارغ التحصیلان ، فارغ التحصیلان مقطع کارشناسی ارشد و دانشجویان تحقیقاتی که یا به این موضوع علاقه دارند یا این موضوع را به عنوان بخشی از برنامه درسی خود دارند مفید خواهد بود. خواننده می تواند مبتدی یا حرفه‌ای باشد.

پیش نیازها
فرض می کنیم که خواننده دانش پایه‌ای در مورد هوش مصنوعی و برنامه نویسی پایتون دارد و از اصطلاحات اساسی مورد استفاده در هوش مصنوعی به همراه برخی بسته‌های مفید پایتون مانند nltk ، OpenCV ، pandas ، OpenAI Gym و غیره آگاه باشد.


از زمان اختراع رایانه ها یا دستگاه ها ، توانایی آنها برای انجام کارهای مختلف رشد نمایی را تجربه کرده است. انسان‌ها قدرت سیستم‌های رایانه ای را از نظر دامنه کاری، متنوع ، از نظر سرعت، افزایش و از نظر حجم، کاهش داده اند.

شاخه ای از علوم رایانه به نام هوش مصنوعی، به دنبال ایجاد رایانه ها یا دستگاه‌هایی است که هوشی برابر هوش انسان داشته باشند.

مفهوم اساسی هوش مصنوعی (AI)

به گفته پدر هوش مصنوعی، جان مک کارتی، این شاخه از علوم رایانه “علم و مهندسی ساخت ماشین های هوشمند، به ویژه برنامه های رایانه ای هوشمند” است.

هوش مصنوعی روشی برای ساختن رایانه، روبات تحت کنترل رایانه یا نرم افزاری است که به طور هوشمندانه فکر می کند، به همان روشی که انسان‌های هوشمند فکر می کنند. هوش مصنوعی با مطالعه چگونگی تفکر مغز انسان و نحوه یادگیری، تصمیم گیری و کار در حالی که سعی در حل مسئله دارد انجام می شود و سپس با استفاده از نتایج این مطالعه به عنوان پایه‌ای برای توسعه نرم افزارها و سیستمهای هوشمند استفاده می شود.

کنجکاوی انسان هنگام بهره‌برداری از سیستم‌های رایانه‌ای، وی را به تعجب سوق می دهد: “آیا یک ماشین می تواند مانند انسان فکر کند و رفتار کند؟”
بنابراین، پیشرفت هوش مصنوعی با هدف ایجاد هوشی مشابه هوش انسان در ماشین ها آغاز و مورد توجه واقع شد.

ضرورت یادگیری AI

از آنجا که می دانیم هوش مصنوعی به دنبال ایجاد ماشین آلات باهوش مانند انسان است، دلایل بیشماری برای مطالعه هوش مصنوعی پیدا می‌کنیم.
این دلایل به شرح زیر است:

  • هوش مصنوعی می تواند از طریق داده ها بیاموزد
    در زندگی روزمره ما با حجم عظیمی از داده ها سروکار داریم و مغز انسان نمی تواند داده های زیادی را ردیابی کند. به همین دلیل است که باید موارد را به صورت خودکار انجام دهیم. برای انجام اتوماسیون ، ما نیاز به مطالعه هوش مصنوعی داریم زیرا می تواند از داده ها درس بگیرد و می تواند کارهای تکراری را با دقت و بدون خستگی انجام دهد.
  • هوش مصنوعی می تواند خود را آموزش دهد
    بسیار ضروری است که یک سیستم باید خود را آموزش دهد زیرا خود داده ها در حال تغییر است و دانش حاصل از چنین داده هایی باید دائماً به روز شود. ما می توانیم از AI برای تحقق این هدف استفاده کنیم زیرا یک سیستم AI قادر به آموزش خود است.
  • هوش مصنوعی می تواند در زمان واقعی پاسخ دهد
    هوش مصنوعی با کمک شبکه های عصبی می تواند داده ها را به صورت عمیق تر تجزیه و تحلیل کند. با توجه به این توانایی ، هوش مصنوعی می تواند به موقعیت هایی که مبتنی بر شرایط در زمان واقعی است فکر کرده و پاسخ دهد.
  • هوش مصنوعی دقت می کند
    با کمک شبکه های عصبی عمیق ، AI می تواند به دقت فوق العاده ای دست یابد. هوش مصنوعی در زمینه پزشکی به تشخیص بیماری هایی مانند سرطان از MRI ​​های بیماران کمک می کند.
  • هوش مصنوعی می تواند داده ها را برای به دست آوردن بیشترین استفاده از آن سازماندهی کند
    داده ها یک ویژگی فکری برای سیستم هایی است که از الگوریتم های خودآموز استفاده می کنند. ما نیاز به هوش مصنوعی داریم تا داده ها را به گونه ای فهرست بندی و سازماندهی کنیم که همیشه بهترین نتیجه را کسب کند.

درک هوش
با هوش مصنوعی می توان سیستمهای هوشمندی ساخت. ما باید مفهوم هوش را بفهمیم تا مغز ما بتواند سیستم اطلاعاتی دیگری مانند خودش را بسازد.

هوش چیست؟
توانایی یک سیستم برای محاسبه، استدلال، درک روابط و قیاس‌ها، یادگیری از تجربه، ذخیره و بازیابی اطلاعات از حافظه، حل مشکلات، درک ایده های پیچیده، استفاده از زبان طبیعی روان، طبقه بندی، تعمیم و اقتباس از موقعیت های جدید.

انواع هوش
همانطور که توسط هوارد گاردنر ، روانشناس رشد آمریکا شرح داده شده است ، هوش به چند دسته تقسیم می‌شود:

  1. هوش زبانی
    توانایی صحبت کردن ، تشخیص و استفاده از مکانیسمهای واج شناسی (صداهای گفتاری) ، نحو (دستور زبان) و معنایی (معنی).
  2. هوش موسیقی
    توانایی ایجاد ، برقراری ارتباط با و درک معانی ساخته شده از صدا ، درک صدا ، ریتم.
  3. هوش منطقی-ریاضی
    توانایی استفاده و درک روابط در غیاب عمل یا اشیاء. همچنین توانایی درک ایده های پیچیده و انتزاعی است.
  4. هوش فضایی
    توانایی درک اطلاعات بصری یا مکانی ، تغییر آن و ایجاد مجدد تصاویر بصری بدون مراجعه به اشیاء ، ساخت تصاویر سه بعدی و حرکت و چرخش آنها.
  5. هوش جسمی- کینتیستیک
    امکان استفاده کامل یا بخشی از بدن برای حل مشکلات یا ساخت محصولات ، کنترل مهارت های حرکتی ریز و درشت و دستکاری اشیاء.
  6. هوش درون فردی
    توانایی تمایز بین احساسات شخصی ، اهداف و انگیزه های شخصی در خود.
  7. هوش بین فردی
    توانایی تشخیص و ایجاد تمایز در بین احساسات ، عقاید و اهداف دیگران.

می توان گفت وقتی یک دستگاه یک یا چند نوع از انواع هوش را دارد، هوشمند است.

هوش مرکب از چیست؟
هوش نامشهود است. در واقع هوش مرکب از عوامل زیر است :

  • استدلال
  • یادگیری
  • حل مسئله
  • ادراک
  • هوش زبانی

intelligenc

بگذارید مختصراً همه اجزا را مرور کنیم –

استدلال
مجموعه فرایندهایی است که به ما امکان می دهد زمینه ای برای داوری ، تصمیم گیری و پیش بینی فراهم کنیم. دو نوع استدلال وجود دارد:

استدلال استنتاجی(قیاسی) و استدلال استقرایی

استدلال استقرایی از مشاهدات خاص اظهارات کلی و گسترده ای را ارائه می‌دهد. مثال – “نیتا معلم است. نیتا دانش آموز است. بنابراین ، همه معلمان دانش آموز هستند.”

استدلال قیاسی با یک بیانیه کلی(فرض) آغاز می شود و امکانات رسیدن به نتیجه گیری منطقی و خاص را بررسی می کند. مثال – “همه زنان بالای ۶۰ سال مادربزرگ هستند. شالینی ۶۵ سال است. بنابراین ، شالینی مادربزرگ است.”

در داقع استدلال استقرایی از جز به کل و استدلال قیاسی از کل به جز است.


یادگیری
توانایی یادگیری توسط انسان ها، گونه های خاص حیوانات و سیستم های دارای قابلیت هوش مصنوعی وجود دارد. یادگیری به شرح زیر طبقه بندی می شود:

آموزش شنوایی
این است که با گوش دادن و شنیدن یاد می گیرد. به عنوان مثال ، دانش آموزانی که به سخنرانی های صوتی ضبط شده گوش می دهند.

یادگیری اپیزودیک
برای یادگیری با یادآوری دنباله هایی از وقایع که فرد شاهد بوده یا تجربه کرده است. این خطی و منظم است.

یادگیری موتور
این امر با حرکت دقیق ماهیچه ها یاد می گیرد. به عنوان مثال ، چیدن اشیاء ، نوشتن و غیره.

یادگیری بصری
برای یادگیری با تماشای و تقلید از دیگران. به عنوان مثال کودک سعی می کند با تقلید از والدین خود یاد بگیرد.

یادگیری ادراکی
در حال یادگیری است که محرکهایی را که قبلاً دیده بود ، بشناسد. به عنوان مثال ، شناسایی و طبقه بندی اشیاء و موقعیت ها.

یادگیری رابطه ای
این شامل یادگیری تمایز بین محرکهای مختلف بر اساس ویژگیهای رابطه است تا خصوصیات مطلق. به عنوان مثال ، اضافه کردن نمک “کمی کمتر” در زمان پخت و پز سیب زمینی که بار دیگر شور شد ، هنگامی که با اضافه کردن یک قاشق غذاخوری نمک اضافه کرد.

  • یادگیری مکانی
    این کار از طریق محرک های بصری مانند تصاویر ، رنگ ها ، نقشه ها و غیره یاد می گیرد. به عنوان مثال ، فرد می تواند نقشه راه را در ذهن قبل از پیگیری واقعی ایجاد کند.
  • یادگیری پاسخگویی
    در حال یادگیری است که در هنگام حضور یک محرک خاص ، یک رفتار خاص را انجام دهید. به عنوان مثال ، یک سگ با شنیدن صدای درب گوش خود را بلند می‌کند.

حل مسئله
این فرایندی است که در آن شخص با درک مسیری که توسط موانع شناخته شده یا ناشناخته مسدود شده است ، می تواند از وضعیت فعلی به یک راه حل مطلوب برسد.

حل مسئله همچنین شامل تصمیم گیری است ، یعنی فرایند انتخاب بهترین گزینه جایگزین از گزینه های مختلف برای رسیدن به هدف مورد نظر.


ادراک
این فرآیند دستیابی ، تفسیر ، انتخاب و سازماندهی اطلاعات حسی است.

ادراک ، بر حس کردن تکیه می کند. در انسان ، درک توسط ارگانهای حسی بوجود می‌آید. در حوزه هوش مصنوعی ، مکانیسم ادراک داده های به دست آمده توسط سنسورها به شکلی معنی دار صورت می‌گیرد.


هوش زبانی
توانایی استفاده ، درک ، صحبت ، و نوشتن زبان کلامی و کتبی است. در ارتباطات بین فردی بسیار مهم است.


چه چیزی در هوش مصنوعی دخیل است؟

هوش مصنوعی منطقه گسترده ای از مطالعه است. این رشته تحصیلی به یافتن راه حل هایی برای مشکلات دنیای واقعی کمک می کند.اجازه دهید اکنون زمینه های مختلف تحصیلی را در AI مشاهده کنیم:

  • فراگیری ماشین

    این یکی از محبوب ترین زمینه های هوش مصنوعی است. مفهوم اصلی این پرونده ایجاد یادگیری دستگاه از داده ها است زیرا انسان می تواند از تجربه خود بیاموزد. شامل مدل های یادگیری از مجموعه‌ای از داده‌های تمرینی(تست) است که بر اساس آنها پیش بینی های آینده را می توان در داده های ناشناخته(جدید) انجام داد.

  • منطق

    این یکی دیگر از زمینه های مهم مطالعه است که در آن از منطق ریاضی برای اجرای برنامه های رایانه ای استفاده می شود. شامل قوانین و حقایق برای انجام تطبیق الگویی ، تجزیه و تحلیل معنایی و غیره است.

  • جستجوکردن

    این رشته از تحصیل اساساً در بازی هایی مانند شطرنج استفاده می شود. الگوریتم های جستجو پس از جستجو در کل فضای جستجو ، بهینه سازی راه حل را انجام می دهند.

  • شبکه های عصبی مصنوعی

    شبکه ای از سیستم های محاسبات کارآمد است که ایده‌ی اصلی آن از شبکه های عصبی بیولوژیکی الهام گرفته شده است. ANN را می توان در روباتیک ، تشخیص گفتار ، پردازش گفتار و غیره استفاده کرد.

  • الگوریتم ژنتیک

    الگوریتم های ژنتیک با کمک بیش از یک برنامه در حل مشکلات کمک می کنند. نتیجه می تواند بر اساس انتخاب شایسته‌ها باشد.

  • بازنمایی دانش

    این رشته تحصیلی است که به کمک آن می توانیم واقعیت ها را به روشی بیان کنیم که برای دستگاه قابل درک باشد. هرچه سیستم باهوش تر باشد، دانش مؤثرتر نشان داده می شود.


کاربرد هوش مصنوعی

در این بخش زمینه های مختلفی را که توسط AI پشتیبانی می شود خواهیم دید:

بازی
هوش مصنوعی نقش مهمی در بازی های استراتژیک مانند شطرنج ، پوکر ، تیک تاک تا پا و غیره بازی می کند ، جایی که دستگاه می تواند بر اساس دانش اکتشافی به تعداد زیادی از موقعیت های ممکن فکر کند.

پردازش زبان طبیعی
تعامل با رایانه ای که قادر است زبان طبیعی که توسط انسان استفاده می‌شود را بفهمد.

سیستم های خبره
برخی از برنامه ها وجود دارد که ادغام دستگاه ، نرم افزار و اطلاعات ویژه را برای ارائه استدلال و مشاوره در اختیار شما قرار می دهد. آنها توضیحات و توصیه هایی را به کاربران ارائه می دهند.

سیستم های بینایی
این سیستم ها ورودی بصری در رایانه را درک ، تفسیر و درک می کنند. مثلا،

یک هواپیمای جاسوسی عکس می گیرد ، که برای مشخص کردن اطلاعات مکانی یا نقشه مناطق مورد استفاده قرار می گیرد.

پزشکان برای تشخیص بیمار از سیستم متخصص بالینی استفاده می کنند.

پلیس از نرم افزارهای رایانه ای استفاده می کند که می تواند چهره جنایتکار را با پرتره ذخیره شده ساخته شده توسط هنرمند پزشکی قانونی تشخیص دهد.

تشخیص گفتار
برخی از سیستم های هوشمند قادر به شنیدن و درک زبان از نظر جملات و معانی آنها هستند در حالی که یک انسان با آن صحبت می کند. این می تواند لهجه های مختلف ، کلمات عامیانه ، سر و صدا در پس زمینه ، تغییر صدای انسان به دلیل سرما و غیره را کنترل کند.

شناسایی دست خط
نرم افزار تشخیص دست نویس متن نوشته شده بر روی کاغذ توسط قلم یا روی صفحه را توسط قلم می خواند. این می تواند اشکال حروف را تشخیص داده و آن را به متن قابل ویرایش تبدیل کند.

ربات های هوشمند
روبات ها قادر به انجام وظایفی هستند که توسط یک انسان داده شده است. آنها سنسورهایی برای تشخیص داده های فیزیکی از دنیای واقعی مانند نور ، گرما ، دما ، حرکت ، صدا ، ضربات و فشار دارند. آنها برای نمایش هوش از پردازنده های کارآمد ، سنسورهای متعدد و حافظه عظیم برخوردار هستند. علاوه بر این ، آنها قادر به یادگیری از اشتباهات خود هستند و می توانند با محیط جدید سازگار شوند.

مدل سازی شناختی: شبیه سازی روش تفکر انسان
مدل سازی شناختی اساساً زمینه تحصیل در علوم رایانه است که به مطالعه و شبیه سازی فرایند تفکر انسان می پردازد. وظیفه اصلی هوش مصنوعی این است که دستگاه مانند انسان فکر کند. مهمترین ویژگی فرآیند تفکر انسان حل مسئله است. به همین دلیل است که الگوی کم و بیش شناختی سعی در درک این مسئله دارد که چگونه انسان می تواند مشکلات را حل کند. پس از آن این مدل می تواند برای برنامه های مختلف هوش مصنوعی مانند یادگیری ماشین ، روباتیک ، پردازش زبان طبیعی و غیره مورد استفاده قرار گیرد. نمودار زیر سطوح مختلف تفکر مغز انسان است.

cognitive_modeling

مدل سازی شناختی
عامل و محیط زیست
در این بخش به عامل و محیط و چگونگی کمک به این موارد در هوش مصنوعی می پردازیم.

عامل
عامل هر چیزی است که بتواند محیط خود را از طریق سنسورها درک کند و از طریق تأثیرگذار بر آن محیط عمل کند.

یک عامل انسانی دارای اندامهای حسی مانند چشم ، گوش ، بینی ، زبان و پوست به موازات سنسورها و سایر ارگان ها مانند دست ، پاها ، دهان برای تأثیرگذار است.

یک عامل رباتیک جایگزین دوربین ها و یاب های برد مادون قرمز برای سنسورها ، و موتورهای مختلف و محرک ها برای جلوگیرنده ها می شود.

یک عامل نرم افزاری رشته های بیت را به عنوان برنامه ها و اقدامات خود رمزگذاری کرده است.

محیط
برخی از برنامه ها در یک محیط کاملاً مصنوعی محدود به ورودی صفحه کلید ، بانک اطلاعاتی ، سیستم های فایل رایانه ای و خروجی کاراکتر روی صفحه کار می کنند.

در مقابل ، برخی از نرم افزارها (روبات های نرم افزاری یا softbots) در دامنه های نرم افزاری غنی و نامحدود وجود دارند. این شبیه ساز دارای یک محیط بسیار دقیق و پیچیده است. عامل نرم افزار باید در یک زمان واقعی یک مجموعه طولانی از اقدامات را انتخاب کند. softbot به منظور اسکن ترجیحات آنلاین مشتری طراحی شده است و موارد جالب توجهی را به مشتری نشان می دهد که در محیط واقعی و همچنین مصنوعی کار می کند.

به این مطلب امتیاز بدهید

ارسال یک پاسخ

لطفا دیدگاه خود را وارد کنید!
لطفا نام خود را در اینجا وارد کنید