Artificial Intelligence استوارت راسل، پیتر نورویگ هوش مصنوعی نام مرجع : Artificial Intelligence نویسنده : استوارت راسل، پیتر نورویگ

هوش مصنوعي فصل اول مقدمه

هوش مصنوعي Artificial Intelligence فهرست هوش مصنوعي چيست؟ مباني هوش مصنوعي تاريخچه هوش مصنوعي

پردازش‌هاي فکري و استدلالي تمرکز بر روي پردازش‌هاي رفتاري مقدمه پردازش‌هاي فکري و استدلالي سيستم‌هايي که مانند انسان فکر مي‌کنند سيستم‌هايي که به طور منطقي فکر مي‌کنند سيستم‌هايي که مانند انسان عمل مي‌کنند سيستم‌هايي که به طور منطقي عمل مي‌کنند ايده‌آل هوشمندي ارائه انساني تمرکز بر روي پردازش‌هاي رفتاري

مقدمه هوش مصنوعي چيست؟ مانند انسان فکر کردن عاقلانه فکر کردن مانند انسان عمل کردن عاقلانه عمل کردن

مقدمه انسان گونه عمل کردن آزموني از کامپيوتر به عمل آيد، و آزمون گيرنده نتواند دريابد که در آن طرف انسان قرار دارد يا کامپيوتر. براي اين کار کامپيوتر بايد قابليت‌هاي زير را داشته باشد: پردازش زبان طبيعي = محاوره بازنمايي دانش= ذخيره اطلاعات استدلال خودکار= استدلال و استخراج يادگيري ماشيني= کشف الگو و برون ريزي

مقدمه (مانند انسان عمل کردن) تست تورينگ B A کدام انسان است؟ A يا B

مقدمه تست تورينگ: اين آزمون از ارتباط فيزيکي مستقيم بين کامپيوتر و محقق اجتناب مي‌کند. به منظور قبول شدن در تست تورينگ کلي، کامپيوتر به موارد زير احتياج دارد: بينايي ماشين براي درک اشياء روباتيک به منظور حرکت آنها

مقدمه مانند انسان عمل کردن هنر ساخت ماشينهايي که کارهايي را انجام ميدهند که آن کارها توسط انسان با فکر کردن انجام ميشوند. مطالعه براي ساخت کامپيوترها براي انجام کارهايي که فعلاً انسان آنها را بهتر انجام ميدهد.

مقدمه 2. انساني فکر کردن چگونگي شناسايي عملکرد افکار انسان: 1- درون گرايي 2- تجارب روانشناسي علوم شناختي : مدل‌هاي کامپيوتر از AI و همچنين تکنيک‌هاي روانشناختي را گرد هم مي‌آورد تا بتواند تئوري‌هاي دقيقي از کارکرد ذهن انسان به دست آورند.

مقدمه مانند انسان فکر کردن تلاش جديد و هيجان انگيز براي ساخت ماشين هايي متفکر و با حس کامل خودکارسازي فعاليت هاي مرتبط با تفکر انسان، فعاليتهايي مثل تصميم گيري، حل مسئله، يادگيري

مقدمه 3. منطقي فکر کردن رمز «تفکر درست»: ارسطو سعي در کشف آن داشت. قياس: از موضوعات مطرح شده توسط ارسطو مي‌باشد، که الگوهايي براي ساختار توافقي ايجاد کرد که همواره نتايج صحيحي به اندازه مقدمات صحيح به دست مي‌آورد. مثال: «سقراط انسان است، تمام انسان‌ها مي‌ميرند، پس سقراط خواهد مرد.»

مقدمه عاقلانه فکر کردن مطالعه توانايي هاي ذهني از طريق مدل هاي محاسباتي (منطق گرايي) مطالعه محاسباتي که منجر به درک و استدلال مي شود.

مقدمه دو مشکل عمده در اين رسم منطق‌گرايي وجود دارد: تبديل دانش غير رسمي به شکل رسمي توسط اعلام، منطقي ساده نيست. تفاوت عمده‌اي بين قادر به حل مسئله بودن در اصول و انجام آن در عمل وجود دارد.

مقدمه 4. منطقي عمل کردن عامل: در اصل چيزي است که ابتدا درک مي‌کند و سپس عمل مي‌کند. در نگرش «قوانين تفکر» تأکيد عمده بر روي استنتاج‌هاي صحيح بوده است. «مهارت‌هاي شناخت» که براي آزمون تورينگ موردنياز است، براي انجام فعاليت‌هاي منطقي وجود دارند.

طوري عمل کند که بهترين نتيجه را ارائه دهد مقدمه عاقلانه عمل کردن طوري عمل کند که بهترين نتيجه را ارائه دهد هوش محاسباتي، مطالعه طراحي عامل هاي هوشمند است

مقدمه زيربناي هوش مصنوعي: AI، از علوم مختلفي بهره مي‌برد که از ميان آنها علوم زير مهم‌تر شناخته شده‌اند: علم فلسفه علم کامپيوتر علم رياضي نظريه كنترل وسيبرنتيك علم اقتصاد علم روانشناسي علم زبان‌شناسي

مقدمه مباني هوش مصنوعي روان شناسي: تطبيق، اثر طبيعي ادراک و تاثير آن بر محيط فلسفه: منطق، استدلال، ناشي شدن تفکر از مغز فيزيکي، مباني يادگيري، زبان و عقلانيت رياضيات: نمايش رسمي الگوريتمها، محاسبات، تصميم پذيري و تصميم ناپذيري، احتمال زبان شناسي: علم ارائه، گرامر

مباني هوش مصنوعي مقدمه علوم عصبي: نحوه پردازش اطلاعات توسط مغز نظريه کنترل و سيبرنتيک: تحت کنترل در آوردن محصولات مصنوعي، ثبات و پايداري، طراحي عامل بهينه مهندسي کامپيوتر: ساخت کامپيوترهاي سريع اقتصاد: نظريه تصميمهاي عقلايي، نظريه بازي

تاريخچه هوش مصنوعي مقدمه 1943، مک کولوچ و والتر پيتز: ارايه مدل نرون مصنوعي بيتي( دو حالته) قابل يادگيري به منظور محاسبه هر تابع قابل محاسبه. 1950، آلن تورينگ اولين بار ديد کاملي از هوش مصنوعي را تحت عنوان “ محاسبات ماشيني و هوشمند” ارايه نمود. 1951، هينسکي و ادموندز اولين کامپيوتر شبکه عصبي را طراحی کردند. 1952، آرتور سامويل: برنامه اي ساخت که ياد ميگرفت بهتر از نويسنده اش بازي کند؛ در نتيجه اين تصور را که “کامپيوتر فقط کاري را انجام ميدهد که به آن گفته شود” نقض کرد.

مقدمه (تاريخچه هوش مصنوعي) مقدمه (تاريخچه هوش مصنوعي) 1956،نشست کارگروهي دورتموند: انتخاب نام هوش مصنوعي 1958، جان مک کارتي: تعريف زبان ليسپ که بهترين زبان هوش مصنوعي شد. 1958-1973، جيمز اسلاگل: برنامه حل مسايل انتگرالگيري تام ايوانز: برنامه حل مشابهت هاي هندسي دانيل بابروز: برنامه حل مسايل جبري ديويد هافمن: پروژه محدوده بينايي روبات در جهان بلوکها ديويد والتز: سيستم بينايي و انتشار محدود پاتريک ونيستون: نظريه يادگيري

مقدمه (تاريخچه هوش مصنوعي) (1973-1966) کند شدن مسير تحقيقات هوش مصنوعی پيچيده شدن الگوريتم برنامه های جديد برنامه ترجمه متون انجام ناپذيری بسياری از مسائلی که سعی در حل آنها بود عدم موفقيت اثبات قضايا با مفروضات بيشتر بکارگيری بعضی محدوديتها روی ساختارهای اساسی

مقدمه (تاريخچه هوش مصنوعي) 1980 تا کنون: تبديل هوش مصنوعی به يک صنعت 1986 تاکنون: برگشت به شبکه های عصبی 1987 تاکنون: هوش مصنوعی به علم تبديل ميشود 1995 تاکنون: ظهور عاملهای هوشمند

مقدمه پيدايش هوش مصنوعي اولين کار جدي در حيطه AI، توسط وارن مک‌کلود و والتر پيتز انجام شد. سه منبع استفاده شده توسط آنها: دانش فيزيولوژي پايه و عملکرد نرون در مغز تحليل رسمي منطق گزاره‌ها متعلق به راسل و رايت هد تئوري محاسبات تورينگ

مقدمه شرايط کنوني: برخي از سيستم‌هايي موجود در جهان که از هوش مصنوعي استفاده مي‌کنند: HITECH: اولين برنامه کامپيوتري که موفق به شکست استاد بزرگ شطرنج جهان، آرنولد دنکر شده است. PEGASUS: يک برنامه درک گفتار که سؤالات کاربر را جواب مي‌دهد و تمامي برنامه‌هاي مسافرتي شخص را با يک برنامه‌ريزي درست، مقرون به صرفه مي‌کند. MARVEL: سيستم خبره‌اي که داده‌هاي ارسالي از سفينه فضايي را تحليل نموده و در صورت بروز مشکلات جدي، پيغام هشدار به تحليلگران مي‌دهد.

هوش مصنوعي فصل دوم عاملهاي هوشمند

هوش مصنوعي Artificial Intelligence فهرست عامل خواص محيطهای وظيفه برنامه های عامل

عاملهای هوشمند عامل: عامل نرم‌افزاري: به هر چيزي اطلاق مي‌شود، که قادر به درک محيط پيرامون خود از طريق حس‌گرها(sensor)و اثرگذاري‌ بر روي محيط از طريق اثرکننده‌ها (effector) باشد. عامل نرم‌افزاري: عامل نرم‌افزاري رشته‌هاي بيتي را به عنوان درک محيط و عمل، کدگذاري مي‌کند.

عاملهای هوشمند عوامل انساني عوامل روباتيک حس کردن: گوش، چشم، ديگر ارگان‌ها اثرگذاري: دست، پا، بيني، اندام‌هاي ديگر عوامل روباتيک حس کردن: دوربين، يابنده‌هاي مادون قرمز اثرگذاري: موتور

عاملهای هوشمند sensors percepts ? environment agent actions effectors

عاملهای هوشمند عامل ادراک ها حسگرها عامل ? محيط فعاليت ها محرکها

عاملهای هوشمند عامل‌ها چگونه بايد عمل کنند؟ عامل منطقي: چيزي است که کار درست انجام مي‌دهد. عمل درست: آن است که باعث موفق‌ترين عامل گردد. کارايي: چگونگي موفقيت يک عامل را تعيين مي‌کند.

عاملهای هوشمند آن چه در هر زماني منطقي است به چهار چيز وابسته است: معيار کارايي که درجه موفقيت را تعيين مي‌کند. هر چيزي که تا کنون عامل، ادراک نموده است. ما اين تاريخچه کامل ادراکي را دنباله ادراکي مي‌ناميم. آنچه که عامل درباره محيط خود مي‌داند. اعمالي که عامل مي‌تواند صورت دهد.

f : P * ® A عاملهای هوشمند دنباله ادراک تابع عامل سابقه کامل هر چيزی است که عامل تاکنون درک کرده است. تابع عامل رفتار عامل توسط تابع عامل توصيف ميشود که هر دنباله ادراک را به يک فعاليت نقش ميکند.   f : P * ® A فعاليت دنباله ادراک : تابع عامل

عاملهای هوشمند معيارهای کارايي رفتار عقلايي معيار کارايي، معياری برای موفقيت رفتار عامل است. بر اساس خواسته های فرد در محيط انتخاب ميشود رفتار عقلايي معيار کارايي که ملاکهای موفقيت را تعريف ميکند دانش قبلي عامل نسبت به محيط فعاليتهايي که عامل ميتواند انجام دهد دنباله ادراک عامل در اين زمان

عاملهای هوشمند عامل عالـِم Omni science)) عامل خردمند (Rational agent) خروجی واقعی فعاليت خود را ميداند و ميتواند بر اساس آن عمل کند عامل خردمند (Rational agent) فعاليتی را انتخاب ميکند که معيار کارايي اش را حداکثر ميکند جمع آوری اطلاعات، اکتشاف، يادگيری عامل خود مختار نقص دانش قبلی خود را ميتواند جبران کند

عاملهای هوشمند خودمختاري: در اينجا تعريف عامل بايد کامل‌تر شود و بخش دانش دروني به آن اضافه مي‌گردد. رفتار عامل مي‌تواند متکي بر دو پايه تجربه خود و دانش دروني بنا نهاده شود. اين رفتار، در ساخت عامل براي شرايط محيطي خاص که در آن عمل خواهد کرد، استفاده مي‌شود.

عاملهای هوشمند عامل هوشمند واقعاً خود مختار بايد قادر به عمل موفقيت‌آميز در دامنه وسيعي از محيط‌ها باشد و البته بايد زمان کافي براي تطبيق نيز به آن داده شود.

عاملهای هوشمند ساختار عامل‌هاي هوشمند وظيفه هوش مصنوعي طراحي برنامه عامل است؛ اين طراحي شامل تابعي است که نگاشت عامل از ادراک به عمليات را پياده سازي مي‌کند. معماري: فرض مي‌کنيم برنامه عامل بر روي نوعي ابزار محاسبه‌گر اجرا مي‌گردد که آن را معماري مي‌ناميم. برنامه‌ عامل، بايد توسط معماري قابل پذيرش و اجرا باشد.

عاملهای هوشمند برنامه + معماری = عامل عموماً، معماري ادراک از طريق حس‌گرها را براي برنامه آماده ساخته، برنامه را اجرا نموده و اعمال انتخابي برنامه را به عمل‌کننده‌هاي سيستم منتقل مي‌کند. ارتباط بين عامل‌ها، معماري‌ها و برنامه‌ها را مي‌توان به صورت ذيل جمع بندي نمود: برنامه + معماری = عامل

عاملهای هوشمند در اينجا مسئله تمايز بين محيط واقعي و مصنوعي مطرح مي‌شود؛ اما مسأله اصلي، پيچيدگي مابين: ارتباط رفتار عامل، دنباله ادراکي توليد شده بوسيله محيط، و اهدافي که عامل قصد حصول آن را دارد، است. مشهور‌ترين محيط مصنوعي، محيط تست تورينگ (turing) است.

عاملهای هوشمند برنامه‌هاي عامل: تشابهات عامل‌هاي هوشمند: دريافت ادراک محيطي توليد اعمال لازم دو نکته در مورد شالوده برنامه قابل ذکر هستند: برنامه عامل تنها يک درک از شرايط محيطي واحد را به عنوان ورودي دريافت مي‌کند. هدف يا معيار کارايي بخشي از برنامه شالوده نخواهد بود.

عاملهای هوشمند چرا تنها به پاسخ‌ها نگاه نمي‌کنيم؟ جدول مراجعه بايد بر پايه حفظ کامل دنباله ادراکي در حافظه عمل نموده و از آن براي ايندکس‌سازي داخل جدول استفاده کند. جدول عامل نوع راننده تاکسي محيط اهداف عمليات ادراکات نوع عامل جاده، پياده‌رو، ترافيک، مشتري ايمني، سرعت، قانونمندي، راحتي، افزايش سودمندي راهنمايي کردن، شتاب‌دهنده، ترمز، صحبت با مسافر دوربين‌ها، سرعت سنج، GPS، Sonar ميکروفون راننده تاکسي

خواص محيط های وظيفه عاملهای هوشمند کاملاً قابل مشاهده درمقابل قابليت مشاهده جزئی قطعي درمقابل غير قطعی راهبردی رويدادی درمقابل ترتيبي ايستا درمقابل پويا گسسته درمقابل پيوسته تک عاملي درمقابل چند عاملي چند عاملي رقابتي درمقابل چندعاملي همياری خواص محيط های وظيفه

عاملهای هوشمند ساختار عاملها برنامه + معماری = عامل برنامه های عامل برنامه + معماری = عامل کار هوش مصنوعی طراحی برنامه عامل است که تابع عامل را پياده سازی ميکند برنامه های عامل عاملهای واکنشی مدل گرا عاملهای واکنشی ساده عاملهای سودمند عاملهای هدف گرا

اکنون چه عملی بايد انجام دهم عاملهای هوشمند عاملهای واکنشی ساده اين عاملها فعاليت را بر اساس درک فعلی و بدون در نظر گرفتن سابقه ادراک، انتخاب ميکند به خاطر حذف سابقه ادراک برنامه عامل در مقايسه با جدول آن بسيار کوچک است انتخاب فعاليت بر اساس يکسری قوانين موقعيت شرطي انجام ميشود عامل حسگرها جهان چگونه است محيط قانون شرط عمل اکنون چه عملی بايد انجام دهم محرکها

عاملهای هوشمند T مثالي از عامل واکنشی ساده در دنيای جاروبرقي تصميم گيری آن بر اساس مکان فعلی و کثيف بودن آن مکان صورت ميگيرد در برنامه عامل در مقايسه با جدول آن، تعداد حالتهای ممکن از 4 به 4 کاهش مي يابد انتخاب فعاليت بر اساس موقعيت شرطي: If dirty then suck T function REFLEX-VACUUM-AGENT ([location, status]) return an action if status == Dirty then return Suck else if location == A then return Right else if location == B then return Left

جهان چگونه تکامل می يابد اکنون چه عملی بايد انجام دهم عاملهای هوشمند عاملهای واکنشي مدل گرا استفاده از دانش “چگونگی عملکرد جهان” که مدل نام دارد عامل بخشي از دنيايي را که فعلا ميبيند رديابی ميکند عامل بايد حالت داخلي را ذخيره کند که به سابقه ادراک بستگي دارد در هر وضعيت, عامل ميتواند توصيف جديدی از جهان را کسب کند حسگرها حالت جهان چگونه تکامل می يابد جهان چگونه است محيط کار فعاليت چيست قانون شرط عمل اکنون چه عملی بايد انجام دهم عامل محرکها

عاملهای هوشمند عاملهای هدف گرا محيط عامل حسگرها محرکها حالت اين عامل علاوه بر توصيف حالت فعلی، برای انتخاب موقعيت مطلوب نيازمند اطلاعات هدف نيز ميباشد جست و جو و برنامه ريزی، دنباله ای از فعاليتها را برای رسيدن عامل به هدف، پيدا ميکند اين نوع تصميم گيری همواره آينده را در نظر دارد و با قوانين شرط عمل تفاوت دارد اين نوع عامل کارايي چندانی ندارد، اما قابليت انعطاف بيشتری دارد جهان چگونه است جهان چگونه تکامل می يابد اگر فعاليت A را انجام دهم چه خواهد شد محيط کار فعاليت چيست اکنون چه عملی بايد انجام دهم اهداف عامل محرکها

عاملهای هوشمند عاملهای سودمند محيط عامل حسگرها محرکها حالت اين عامل براي اهداف مشخص، راه های مختلفی دارد، که راه حل بهتر برای عامل سودمندتر است. تابع سودمندی، حالت يا دنباله ای از حالتها را به يک عدد حقيقی نگاشت ميکند که درجه رضايت را توصيف مِيکند. وقتی اهداف متضاد باشند، بعضی از آنها برآورده ميشوند اگر هيچيک از اهداف به طور قطعی قابل حصول نباشند، احتمال موفقيت با اهميت هدف مقايسه ميشود جهان چگونه است جهان چگونه تکامل می يابد اگر فعاليت A را انجام دهم چه خواهد شد محيط کار فعاليت چيست در چنين حالتی چقدر رضايت دارم سودمند اکنون چه عملی بايد انجام دهم عامل محرکها

عاملهای هوشمند عاملهای يادگيرنده محيط عامل حسگرها محرکها استاندارد کارايي عنصرِِيادگيرنده مسئول ايجاد بهبودها عنصر کارايي مسئول انتخاب فعاليتهای خارجی منتقد مشخص ميکند که يادگيرنده با توجه به استانداردهای کارايي چگونه عمل ميکند مولد مسئله مسئول پيشنهاد فعاليتهايي است که منجر به تجربيات آموزنده جديدی ميشود عنصر کارايي منتقد حسگرها بازخورد محيط تغييرات عنصر يادگيرنده دانش اهداف يادگيری مولد مسئله عامل محرکها