هوش مصنوعی بطور خلاصه ترکیبی است از علوم کامپیوتر ، فیزیولوژی و فلسفه ، این شاخه از علوم بسیار گسترده و متنوع است و از موضوعات و رشته های مختلف علوم و فن آوری ، مانند مکانیزم های ساده در ماشین ها شروع شده ، و به سیستم های خبره ختم می شود ، هدف هوش مصنوعی بطور کلی ساخت ماشینی است که بتواند « فکر » کند . اما برای دسته بندی و تعریف ماشینهای متفکر ، می بایست به تعریف « هوش » پرداخت . همچنین به تعاریفی برای « آگاهی » و « درک » نیز نیازمندیم و درنهایت به معیاری برای سنجش هوش یک ماشین نیازمندیم .
به مدد تحقیقات وسیع دانشمندان علوم مرتبط ، هوش مصنوعی از بدو پیدایش تاکنون راه بسیاری پیموده است . در این راستا ، تحقیقاتی که بر روی توانایی آموختن زبان ها انجام گرفت و همچنین درک عمیق از احساسات ، دانشمندان را در پیشبرد این علم ، یاری کرده است . یکی از اهداف متخصین ، تولید ماشینهایی است که دارای احساسات بوده و حداقل نسبت به وجود خود و احساسات خود واقف باشند. این ماشین باید توانایی تعمیم تجربیات قدیمی خود در شرایط مشابه جدید را داشته و به این ترتیب اقدام به گسترش دامنه دانش و تجربیاتش کند.
برای مثال به رباتی هوشمند بیاندیشید که بتواند اعضای بدن خود را به حرکت درآورد ، او نسبت به این حرکت خود آگاه بوده و با سعی و خطا ، دامنه حرکت خود را گسترش می دهد ، و با هر حرکت موفقیت آمیز یا اشتباه ، دامنه تجربیات خود را وسعت بخشیده و سرانجام راه رفته و یا حتی می دود و یا به روشی برای جابجا شدن ، دست می یابد ، که سازندگانش ، برای او ، متصور نبوده اند.
آنها بدنبال ساخت ماشینی مقلد هستند ، که بتواند با شبیه سازی رفتارهای میلیونها سلول مغز انسان ، همچون یک موجود متفکر به اندیشیدن بپردازد.
مباحث هوش مصنوعی قبل از بوجود آمدن علوم الکترونیک ، توسط فلاسفه و ریاضی دانانی نظیر بول (Boole) که اقدام به ارائه قوانین و تئوری هایی در باب منطق نمودند، مطرح شده بود . در سال 1942 ، با اختراع کامپیوترهای الکترونیکی ، هوش مصنوعی ، دانشمندان را به چالشی بزرگ فراخواند، بنظر می رسید ، تکنولوژی در نهایت قادر به شبیه سازی رفتارهای هوشمندانه خواهد بود.
با وجود مخالفت گروهی از متفکرین با هوش مصنوعی که با دیده تردید به کارآمدی آن می نگریستند تنها پس از چهار دهه شاهد تولد ماشینهای شطرنج باز و دیگر سیستمهای هوشمند در صنایع گوناگون هستیم .
هوش مصنوعی که همواره هدف نهایی علوم کامپیوتر بوده است ، اکنون در خدمت توسعه علوم کامپیوتر نیز می باشد، زبانهای برنامه نویسی پیشرفته ، که توسعه ابزارهای هوشمند را ممکن مسازند ، پایگاههای داده ای پیشرفته ، موتورهای جستجو ، و بسیاری نرم افزارها و ماشینها از نتایج تحقیقات هوش مصنوعی بهره می برند.
در سال 1950 آلن تورینگ (Alain Turing) ، ریاضی دان انگلیسی ، معیار سنجش رفتار یک ماشین هوشمند را چنین بیان داشت :
« سزاوارترین معیار برای هوشمند شمردن یک ماشین ، این است که آن ماشین بتواند انسانی را توسط یک پایانه ( تله تایپ ) به گونه ای بفریبد که آن فرد متقاعد گردد با یک انسان روبه رو است ».
در این آزمایش شخصی از طریق 2 عدد پایانه ( کامپیوتر یا تله تایپ ) که امکان برقراری ارتباط (Chat) را برای وی فراهم می کنند با یک انسان و یک ماشین هوشمند ، بطور همزمان به پرسش و پاسخ می پردازد ، در صورتی که وی نتواند ماشین را از انسان تشخیص دهد ، آن ماشین ، هوشمند است .
آزمایش تورینگ :
آزمایش تورینگ از قرار دادن انسان و ماشین بطور مستقیم در برابر یکدیگر اجتناب می کند و بدین ترتیب ، چهره و فیزیک انسانی مد نظ آزمایش کنندگان نمی باشد . ماشینی که بتواند از پس آزمون تورینگ برآید ، از تفکری انسانی برخوردار است .
مدل سازی نحوه تفکر انسان ، تنها راه تولید ماشینهای هوشمند نیست . هم اکنون دو هدف برای تولید ماشینهای هوشمند ، مدنظر است ، که تنها یکی از آن دو از الگوی انسانی جهت فکر کردن بهره می برد :
سیستمی که مانند انسان فکر کند . این سیستم با مدل کردن مغز انسان و نحوه اندیشیدن انسان تولید خواهد شد و لذا از آزمون تورینگ سربلند بیرون می آید ، از این سیستم ممکن است اعمال انسانی سربزند.
سیستمی که عاقلانه فکر کند ، سیستمی عاقل است که بتواند کارها را درست انجام دهد ، در تولید این سیستم ها نحوه اندیشیدن انسان مد نظر نیست ، این سیستم ها متکی به قوانین و منظقی هستند که پایه تفکر آن ها را تشکیل داده و آن ها را قادر به استنتاج و تصمیم گیری می نماید. آنها با وجود که مانند انسان نمی اندیشند ، تصمیماتی عاقلانه گرفته و اشتباه نمی کنند. این ماشینها لزوما درکی از احساسات ندارند. هم اکنون از این سیستم ها در تولید Agent
ها در نرم افزارهای کامپیوتری ، بهره گیری می شود ، Agent ، تنها مشاهده کرده و سپس عمل می کند.
Agent قادر به شناسایی الگوها و تصمیم گیری براساس قوانین فکر کردن خود است . قوانین و چگونگی فکر کردن هر Agent در راستای دستیای به هدفش ، تعریف می شود . این سیستم ها براساس قوانین خاص خود فکر کرده و کار خود را به درستی انجام می دهند. پس عاقلانه رفتار می کنند ، هر چند الزاماٌ مانند انسان فکر نمی کنند.
با وجودی که برآورده سازی نیازهای صنایع نظامی ، مهمترین عامل توسعه و رشد هوش مصنوعی بوده است ، هم اکنون از محصولات این شاخه از علوم در صنایع پزشکی ، رباتیک ، پیش بینی وضع هوا ، نقشه برداری و شناسایی عوارض ، تشخیص صدا و دست خط و بازی ها و نرم افزارهای کامپیوتری استفاده میشود.
ربات تعقیب خط ، نوعی از ربات است که وظیفه اصلی آن تعقیب کردن مسیری به رنگ مثلاٌ سیاه در زمینه ای به رنگ متفاوت مشخصی مثلاٌ سفید است .
یکی از کاربردهای عمده این ربات ، حمل و نقل وسایل و کالاهای مختلف در کارخانجات ، بیمارستان ها ، فروشگاه ها ، کتابخانه ها و ... می باشد.
ربات تعقیب خط تا حدی قادر به انجام وظیفه کتاب داری کتابخانه ها
می باشد. به این صورت که بعد از دادن کد کتاب ، ربات با دنبال کردن مسیری که کد آن را تعیین می کند ، به محلی که کتاب در آن قرار گرفته
می رود و کتاب را برداشته و به نزد ما می آورد.
مثال دیگر کاربرد این نوع ربات در بیمارستان های پیشرفته است ، که بیمارستان های پیشرفته خط کشی هایی به رنگ های مختلف به منظور هدایت ربات های پس فایندر به محل های مختلف – مثلا رنگ قرمز به اتاق جراحی یا آبی به اتاق زایمان وجود دارد. بیمارانی که توانایی حرکت کردن و جابجا شدن را ندارند و باید از ویلچر ( ویلچیر = wheelchair ) استفاده کنند ، این ویلچیر نقش ربات تعقیب خط را دارد ، و بیمار را از روی مسیر مشخص به محل مطلوب می برد . و خلاصه کاربردهای فراوانی دارد و اگر روزی بشود در زندگی مان بکار بریم ، خیلی کیف دارد.
الگوریتم مسیر یابی :
الگوریتم مسیریابی باید طوری نوشته شود تا ربات بتواند هرگونه مسیری
را ، با هر اندازه پیچ و خم دنبال کند ، به طوری که خطای آن مینیمم باشد. تجربه نشان می دهد که بهترین روش برای یافتن و دنبال کردن مسیر ، استفاده از 4 سنسور است . البته با استفاده از حداقل 2 سنسور نیز می توان ربات مسیریاب ساخت ، ولی قضیه دو دوتا 4 تاست ! یعنی با کم کردن سنسور ضریب اطمینان ربات نیز کاهش می یابد. ( اتفاقا اصلا این قضیه صادق نبود ، احتمالاٌ تغییر هر چقدر پول بدی ، متراژ بیشتری پیترا متری
می خوری مناسب تر باشد !)
وظیفه سنسورهای 1 و 2 تشخیص پیچ های مسیر و سنسور 3 مقدار چرخش ربات به جهات مختلف را تعیین می کند.
یعنی زمانی که سنسور 3 در زمینه سفید قرار گرفت ، چرخ های ربات آن قدر به سمت چپ یا راست می چرخند تا سسنسور شماره 3 روی خط سیاه قرار گیرد. یکی از دلایل سنسور سوم موجود انتهای مسیر و چرخش 180 درجه ربات و برگشتن است . در ضمن این سنسور باعث می شود که ربات
سریع تر پیچ ها را ببیند و خطای منحرف شدن از خط در سر پیچ ها به حداقل می رسد. همچنین اگر خطوطی عمود بر خط مستقیم و شمارش این خطوط به نوعی مفید باشد ، توسط سنسورهای 1 و 2 به همراه 3 انجام می شود ، به این صورت که اگر سنسورهای 1 و 2 و 3 هر سه سیاه بود ، یعنی ربات از یک خط عمود بر خط مستقیم عبور کرده است .
برای درک بهتر نحوه عملکرد سنسورها و ارتباط آن با وضعیت چرخ های ربات به جدول زیر نگاه کنید :
باید توجه داشت که اگر از سنسورهای LDR در ربات استفاده شد. نور محیط ثابت باشد ، طوریکه نور تابیده شده به سنسورها در ابتدای و انتهای مسیر تفاوت چندانی نداشته باشد. زیرا در غیر اینصورت در عملکرد ربات اختلال ایجاد می شود.
برای رفع این مشکل اصول لامپ های LDR با لامپ های حبابی استفاده
می شود که منجر به یکنواخت شدن نور محیط می گردد.
انواع مقاومت های نوری :
انواع مقاومت های متغیری که در طراحی مدارهای ربات با آن سرو کار
داریم ، عبارتند از :
1) ترمیستور (Termistor) : که مقاومت آن با تغییرات دما تغییر می کند و یکی از کاربردهای آن در ترموستات الکترونیکی می باشد.
2) Strain gauge : که مقاومت آن با تغییرات نیرو و فشاری که به آن وارد می شود ، تغییر می کند.
3) (Light Depondent Resistor) LDR : یک نوع سیستم نوری است که بر اثر تغییرات انعکاس نور بر سطح آن ، مقاومتش تغییر می کند.
این مقاومت دارای سطحی صاف می باشد که به عنوان گیرنده عمل می کند. ماده ای که در آن استفاده می شود ، سولفید کادمیم (cds) که یک نیمه هادی است ، می باشد و عموما PhotoCell نامیده می شود که در سلول های نوری به کار می روند. البته که این فتوسل ها مانند سلول های خورشیدی ، الکتریسیته تولید نمی کنند.
از نمودار پیداست که تغییرات مقاومت در مقابل روشنایی ، خطی نمی باشد.
این سنسورها معمولا در مقابل طیف نوری که نزدیک به نور مریی است ، پاسخ می دهند و عکس العمل دارند . هرگاه شدت نوری که به LDR
می رسد ، بیشتر شود ، سرعت پالس خروجی افزایش می یابد. در واقع Light Neuron می تواند به عنوان Clock Pulse در چیپ های کنترل کننده ، Stepper Motor مثل UCN5804 به کار رود، یعنی هنگامی که شدت نور تابیده شده به LDR افزایش یابد ، سرعت Stepper Motor نیز افزایش می یابد.
LED :
یکی دیگر از المان هایی که در مدار تعقیب خط از آن استفاده می شود ، LED یا Light Emitting Diode است . LED همان طور که از اسمش پیداست ، برای ساطع کردن نور به کار می رود . هرگاته با اعمال ولتاژ 2 ولت از کاتد به آند جریان برقرار شود ، LED روشن می شود و اگر ولتاژی بیش از این مقدار اعمال شود ، LED می سوزد . بهتر است یک مقاومت مناسب با آن سری کنیم تا جریان ورودی ، بین 25-5 میلی آمپر کنترل شود. (این محدوده بهترین نرخ تغییرات جریان برای روشن شدن است ).
Infrared Receiver :
اگر کاغذ سفید زیر سنسورهای مادون قرمز بگذاریم ، بیشترین بازتابش را داریم ، و بیس receiver فعال می شود. برحسب اختلاف پتانسیلی که در دو سر رسیور ایجاد میشود ، و مقایسه این اختلاف پتانسیل با ولتاژ مرجع که خودمان تنظیم کرده ایم ، مقایسه گر (Comparator) خروجی صفر با یک
می دهد.
سنسورهای مادون قرمز نورهایی با فرکانس پائین را می توانند تشخیص دهند. اینفرارد سنسورز فقط امواج مادون قرمز را می بیند و این از مزیت
آن ها است ، زیرا امواج IR – که ویلیام هرسکل آن را کشف کرد – در فرکانس 40 KHz هستند و رسیور هم طوری طراحی شده که قادر است سیگنال هایی که در حوزه KHz 40 می باشند را دریافت کند. که این به یک ارتباط قوی بین گیرنده و فرستنده منجر می شود.
بررسی نحوه عملکرد A/D Comparator :
وقتی سنسور در ربات طراحی می شود ، ممکن است این سئوال پیش آید که : ربات چگونه سیگنال سنسورها را می خواند ؟ ربات با مقادیر دیجیتال کار
می کند. پس باید مقادیر آنالوگ دریافتی از سنسور را به دیجیتال تبدیل کنیم . درنتیجه نیاز به یک (Analogue Digital Convertor) ADC داریم تا مقادیر آنالوگ را دریافت کند و به صورت اعداد باینری به cpu ربات ارسال نماید . مبدل ADC نیاز به یک میکروکنترلر یا مدار دیجیتالی دارد تا اطلاعات در آن تجزیه و تحلیل شود ، اما امروزه مقایسه گر (Comparator) جایگزین ADC شده است .
همان طور که از اسمش پیداست ، مقایسه گر می تواند دو ولتاژ را به هم مقایسه کند. یکی از این دو ولتاژ ، ولتاژ رفرنس است که ما باید آن را تنظیم کنیم – و ولتاژ دیگر ، همان ولتاژ سنسور است .
خروجی مقایسه گر که به ورودی کامپیوتر وصل می شود ، و کامپیوتر با مقایسه این مقادیر ، به موتورهای ربات فرمان چرخیدن یا توقف می دهد.
مدار تعقیب خط با استفاده از سنسورهای IR :
نحوه قرارگیری سنسورها به این صورت است که سنسور وسط روی مسیر و دو سنسور دیگر در طرفین مسیر و نزدیک آن نصب می شوند. و چون از سنسور IR استفاده می شود ، بهتر است سرهای Send/receive با زاویه ای خاص روبه روی هم قرار گیرند. به طوری که از امتداد آن یک مثلث
متساوی الساقین ایجاد شود . در این حالت است که رسیور بیشترین دریافت را دارد .
تعقیب خط فازی :
امروزه برای بالا بردن ضریب اطمینان تعقیب خط ربات ها از الگوریتم
« تعقیب خط فازی » استفاده می کنند. به این صورت که مقایسه گر فقط مقادیر باینری را از سنسور دریافت نمی کند. بلکه مقادیر عددی دیگری را که در رنج صفر تا یک قرار دارند ، نیز دریافت می کند.
یعنی قبل از این که سنسور وسط کاملا از خط سیاه ( مسیر ) خارج شود و پیغام سفید بودن سطح زیر را به مقایسه گر بدهد ، برطبق ولتاژ دریافتی از خروجی سنسور ، مقایسه گر موقعیت را در هر لحظه گزارش می دهد ، و براساس این خروجی ها ، موتورهای ربات فرمان چرخیدن یا توقف دریافت می کنند.
انواع ربات :
ربات یک کلمه گرفته شده از کشور چکسلواکی و به معنی کارگر است . سابقه ساخت ربات به 270 سال قبل از میلاد مسیح بر می گردد ، زمانی که یونانیان به ساخت مجسمه هایمتحرک می پرداختند.
ربات های امروزی که شامل قطعات الکترونیکی و مکانیکی هستند در ابتدا به صورت بازوهای مکانیکی برای جابجایی قطعات و یا کارهای ساده و تکراری که موجب خستگی و عدم تمرکز کارگر و افت بازده میشد بوجود آمدند. اینگونه رباتها جابجاگر (manipulator) نام دارند.
جابجاگرها معمولا در نقطه ثابت و در فضای کاملا کنترل شده در کارخانه نصب می شوند و به غیر از وظیفه ای که به خاطر آن طراحی شده اند قادر به انجام کار دیگری نیستند. این وظیفه می تواند در حد بسته بندی تولیدات ، کنترل کیفیت و جدا کردن تولیدات بی کیفیت ، و یا کارهای پیچیده تری همچون جوشکاری و رنگزنی با دقت بالا باشد.
نوع دیگر رباتها که امروزه مورد توجه بیشتری است رباتهای متحرک هستند که مانند رباتهای جابجا کننده در محیط ثابت و شرایط کنترل شده کار
نمی کنند. بلکه همانند موجودات زنده در دنیای واقعی و با شرایط واقعی زندگی می کنند و سیر اتفاقاتی که ربات باید با آنها روبرو شود از قبل مشخص نیست . در این نوع ربات هاست که تکنیک های هوش مصنوعی میبایست در کنترلر ربات ( مغز ربات ) به کار گرفته شود.
رباتهای متحرک به دسته های زیر طبقه بندی می شوند :
1- رباتهای چرخ دار با انواع چرخ عادی :
2- رباتهای پادار :
3- رباتهای پرنده :
4- رباتهای چندگانه :
کوچکترین ربات دنیا :
این ربات که الیس (Alice) اسمش هست به اندازه ی حبه قند طول و عرض و ارتفاعش 2 سانتی متره . این ربات رو همکار ژیل برای پروژه دکتراش ساخت و چهار ماه پیش از تزش دفاع کرد.
نمونه رباتهای کوچولو در چند دانشگاه دیگه از جمله ام آی تی هم ساخته شده ولی یا اندازه اونا به این کوچکی نیست یا اینکه به این اندازه خود مختار نیستند.
الیس دو تا چرخ داره و هر چرخ به یه موتور ساعت وصله ! این موتورهای یه نوع ساعت خیلی دقیق سواچ هستند و کنترلشون با کنترل موتورهای عادی فرق داره و خیلی پیچیده تره .
موتورهای ساعت به صورت تجاری موجود نیستند و شرکت سواچ هم علاقه ای به کار رباتیکی نداره به همین دلیل این ربات فقط جنبه تحقیقاتی داره و نتونسته به صورت محصول تجاری به بازار بیاد. ما موتور ساعت رو
می بریم و دو تکه می گذیم و فقط از یه قسمتش که شامل سیم پیچ و چرخ دنده های خیلی ریزه استفاده می کنیم . چرخ سوم ربات که فقط یه نقطه اتکا برای پای دار نگهداشتن ربات هست ته یه سوزن ته گرده که به چارچوب پلاستیکی ربات فرو شده ! و در حقیقت چرخ نیست فقط رو سطح صاف
سر می خوره .
این ربات چهار تا سنسور مادون قرمز داره و با اونا اشیا اطراف رو تا فاصله سه ، چهار سانتی متری تشخیص میده ، یه سنسور جلو ربات نصب شده یکی عقب و دوتای دیگه هم قسمت جلو سمت راست و چپ یه ماژول دریافت سیگنال از کنترل تلویزیون هم داره ( اون نیم کره سیاه رنگ ) که می تونین با استفاده از کنترل های موجود در بازار به اون دستور بدین .
چارچوبی که اجزاء ربات روش سوار شدن یه فریم پلاستیکیه برای محکم نگهداشتن اجزاء به اضافه خود PCB یعنی به خاطر کوچیک کردن ربات خود PCB رو نازک گرفتن که بشه به صورت مکعب درش آورد. باتری قابل شارژ ربات تو این مکعب توخالی جا میگیره و بزرگترین قسمت رباته . با دقتی که در انتخاب قطعات الکترونیکی و مکانیکی صورت گرفته تا مصرف ناچیزی داشته باشند ، باتری شارژ شده از دو ساعت تا ده ساعت انرژی لازم رو برای حرکت ربات تامین میکنه . یه بورد شارژ و برنامه ریزی هم ساخته شده براش که با اتصال به پورت سریال کامپیوتر می شه برنامه توش آپلود کرد و در صورت لزوم برنامه رو دیباگ کرد.
یه میکروپروسسور PIC16F877 هم داره که هشت کیلو بایت فضای برنامه ، 368 بایت رجیستر و 256 بایت EEPROM داره . حالا تو این هشت کیلو بایت هم باید کنترل موتور و خوندن سنسورها و ارتباط از راه دور جا بشه و هم رفتارهای دیگه . سرعت ربات یه مگاهرتزه و امکان اضافه کردن سنسورهای دیگه بالای ربات وجود داره . تا حالا تجهیزاتی مثل بورد ارتباط رادیویبی ، ماژول ارتباطی ایردا ، اوربین خطی و دوربین رنگی ( از
همون هایی که تو موبایل ها استفاده می شه ) براش ساخته شده .
از این ربات حدوداٌ دویست تا ساخته شده که حدود 10 تاش تو دانشگاه Caltech برای مطالعه رفتار جمعی استفاده می شده . حدود 20 تاییش دست بیولوژیست های بلژیکی و فرانسویه برای مطالعه رفتار سوسکها !
( بعدا توضیح میدم به چه دردشون می خوره ) ، حدود ده تای دیگه دست بیولوژیست های سوئیسیه برای مطالعه رفتار مورچه ها ، بیست تای دیگه دست دانشجوهای فوق لیسانسه برای پروژه های ترمشون . یه چند تائیش هم روی اینترنته !!! میتونین برین و ربات رو از راه دور کنترل کنین. یه 40-30 تاش که خراب شده و مشکل دارن . میمونه 90-80 تاش که من برای پروژه دکترام استفاده می کنم .
من زیاد با سخت افزار اون درگیر نیستم و کار من بیشتر روی تولید رفتار ، بخصوص رفتار جمعی برای ربات هاست . فیلم رفتارهایی که برای این ربات پیاده کردم رو میتونین از رو سایت آزمایشگاه دانلود کنین . البته سایز
فیلم ها زیاده هر کدوم در حد 6-5 مگابایته :
یادگیری پرهیز از مانع با یادگیری تقویتی
جستجوی منبع نور با یادگیری تقویتی
پرهیز از مانع بر اساس میدان پتانسیل
فرار براساس میدان پتانسیل
اجتماع زیر سایه
چند تا از بچه های فوق و دکترا هم یه کیت بازی فوتبال رو ورق A4 برای الیس درست کردن.
هوش مصنوعی ( هوش مصنوعی ) شاهد خوبی برای این مدعاست که چگونه گاهی اوقات ، دانش خیلی آرامتر از آنچه پیش بینی کرده ایم ، حرکت می کند. برخی در آغاز اختراع کامپیوترها ، معتقد بودند که ما سرانجام توانسته ایم ابزاری را در اختیار بگیریم که میتواند مشکلات ذهنی را حل کند ، اما کاملا اینگونه نبوده و هر چند در طول سالهای اخیر با نسل جدیدی از ماشینهای هوشمند مواجه شده ایم ، اما نتایج آنگونه که انتظار می رفت نبود، کامپیوترهایی که در گذشته بر ما تاثیر بسیاری زیادی می گذاشتند، در حال حاضر دیگر چندان تاثیر گذار نیستند و ما به دنبال این هستیم که چه مشکلاتی بر سر راه هوش مصنوعی ( هوش مصنوعی ) قرار دارد. هوش مصنوعی مهندسی الهام گرفته از زیست شناسی است ، انگاه که ما به حیوانات و به انسانها نگاه می کنیم و می خواهیم ماشین هایی بسازیم که آنچه آنها انجام می دهند را انجام دهند . ما ماشینهایی را می خواهیم که قادر باشند مانند انسانها و حیوانات یاد بگیرند ، بفهمند ، صحبت کنند ، استدلال کنند و در یک کلام «هوشیار» باشند ، تاریخچه پیچیده هوش مصنوعی هوش مصنوعی کارش را با نوعی زیست مصنوعی آغاز کرده است ، با نگاه کردن به زندگی جانداران و گفتن اینکه ... آیا ما می توانیم اعمال آنها را توسط ماشینها مدل سازی کنیم ؟ ... فرض بر این بوده است که منجودات زنده ، سیستمهایی فیزیکی هستند که ما آنها را مورد آزمایش قرار می دهیم تا ببینیم در کجا مدل سازی آنها برای ما مفید است و در کجا مناسب نیست . زیست شناسی مصنوعی به سیر تکامل سیستمهای فیزیکی ، فرآیند رشد از کودکی تا بلوغ ، ترکیبات داخلی عصبی و این قبیل مسایل می پردازد ، یک زیر مجموعه از زیست مصنوعی ، نوعی جانور شناسی مصنوعی است که رفتارهای حرکتی ، بینایی ، آموزشهای زبان شناسی و برنامه ریزی و غیره را مورد توجه قرار می دهد، زیر مجموعه بعدی آن ، روانشناسی مصنوعی است که به رفتارهای بشری در آنجا که با استدلال ، زبان و سخنوری ، تمدنهای اجتماعی و همه مسایل فلسفی مانند حس هوشیاری ، آزادی و غیره سرو کار دارد ،
می پردازد. مردم بااعمالی مانند انجام محاسبات رثاضی پیچیده و اجرای یک بازی خوب شطرنج تحت تاثیر قرار می گیرند ، اما در مقایسه با آن ، توانایی راه رفتن چندان مهم به نظر نمی رسد . شما نمی توانید با افتخار به دوستانتان بگویید : « نگاه کنید ، من دارم راه می روم » چون آنها هم می توانند مثل شما راه بروند. بنابراین مشکلاتی که یک کودک نوپا هر روز با آن دست به گریبان است ، به نظر خسته کننده و بسیار پیش پاافتاده می آید . بنابراین به نظر
می رسد پیچیده ترین مشکلات ، آنهایی است که نیاز به اندیشیدن دارد، مانند شطرنج و اثبات قضیه های ریاضی ، اما آنچه در 50-40 سال اخیر اتفاق افتاده است ، این بوده که چیزهایی از قبیل بازی شطرنج به طوری باور نکردنی برای کامپیوترها آسان شده است ، در حالیکه ثابت شده است آموزش راه رفتن و حرکت کردن بدون افتادن ، برای یک کامپیوتر بسیار مشکل است . اعطای توانایی داشتن احساسات و چیزهای ناملموس دیگری که بیشترین رفتارهای هوشمند انسانی را طلب می کند ، به ماشینها ، بسیار مشکل است . بنابراین حیوانات و کودکان شاید الگوی مناسب و متقاعد کننده ای برای هوش مصنوعی باشند. میلیونها سال طول کشیده تا سیر تکامل میمونها کامل شود و تنها چند میلیون سال طول کشیده تا همه چیزهایی که ما تحت تاثیر آنها قرار داریم پدید بیاید و ممکن است الگو برداری از اعمال ساده و روزمره موجودی زنده به نظر ساده بیاید .
هوش مصنوعی جدید و هدف گذاری جدید تحولی در زمینه هوش مصنوعی ، با نامهایی از قبیل زندگی مصنوعی (AL) و رفتارهای تطبیقی به وجود آمده است که به ترتیب تلاش می کنند تا دوباره هوش مصنوعی را در مفهوم زیست شناسی مصنوعی و جانور شناسی مصنوعی قرار دهد.
در اینجا راهکار اصلی این است که ، ما بیشتر نیاز داریم تا لایه های حیوانی رفتارهای بشری را بشناسیم و بفهمیم ، قبل از آنکه بتوانیم رویای هوش مصنوعی را در ایجاد هوشی کامل و متقاعد کننده تحقق بخشیم ،
فرمت این مقاله به صورت Word و با قابلیت ویرایش میباشد
تعداد صفحات این مقاله 38 صفحه
پس از پرداخت ، میتوانید مقاله را به صورت انلاین دانلود کنید
دانلود مقاله هوش مصنوعی یا robat
