هوش مصنوعی چيست ؟
هوش مصنوعي، دانش ساختن ماشين ها يا برنامههاي هوشمند است. همانگونه كه از تعريف فوق-كه توسط يكي از بنيانگذاران هوش مصنوعي ارائه شده است- برميآيد،حداقل به دو سؤال بايد پاسخ داد:
1ـ هوشمندي چيست؟2ـ برنامههاي هوشمند، چه نوعي از برنامهها هستند؟تعريف ديگري كه از هوش مصنوعي ميتوان ارائه داد به قرار زير است:
هوش مصنوعي، شاخهايست از علم كامپيوتر كه ملزومات محاسباتي اعمالي همچون ادراك (Perception)، استدلال(reasoning) و يادگيري(learning) را بررسي كرده و سيستمي جهت انجام چنين اعمالي ارائه ميدهد. و در نهايت تعريف سوم هوش مصنوعي از قرار زير است:
1ـ منظور از موجود يا ماشين هوشمند چيزي است شبيه انسان.debate) علمي در جريان است.
تاريخ هوش مصنوعیهوش مصنوعي به خودي خود علمي است كاملاً جوان. در واقع بسياري شروع هوش مصنوعي را 1950 مي دانند زماني كه آلن تورينگ مقاله دورانساز خود را در باب چگونگي ساخت ماشين هوشمند نوشت (آنچه بعدها به تست تورينگ مشهور شد) تورينگ درآن مقاله يك روش را براي تشخيص هوشمندي پيشنهاد ميكرد. اين روش بيشتر به يك بازي شبيه بود. Eliza و يا AIML (زباني براي نوشتن برنامههايي كه قادر به chat كردن اتوماتيك باشند) اما هنوز هيچ ماشيني موفق به گذر از چنين تستي نشده است.Epistemology) پرداخته شده زبان هميشه در جايگاه نخست فعاليتهاي شناختي قرار داشته است. از يونانيان باستان كه لوگوس را به عنوان زبان و حقيقت يكجا به كار ميبردند تا فيلسوفان امروزين كه يا زبان را خانه وجود ميدانند، يا آن را ريشه مسائل فلسفي ميخوانند؛ زبان، همواره شاُن خود را به عنوان ممتازترين توانايي هوشمندترين موجودات حفظ كرده است. با اين ملاحظات ميتوان درك كرد كه چرا آلن تورينگ تنها گذر از اين تست متظاهرانه زباني را شرط دستيابي به هوشمندي ميداند. تست تورينگ اندكي كمتر از نيمقرن هوش مصنوعي را تحت تاُثير قرار داد اما شايد تنها در اواخر قرن گذشته بود كه اين مسئله بيش از هر زمان ديگري آشكار شد كه متخصصين هوش مصنوعي به جاي حل اين مسئله باشكوه ابتدا بايد مسائل كماهميتتري همچون درك تصوير (بينايي ماشين) درك صوت و? را حل كنند.به اين ترتيب با به محاق رفتن آن هدف اوليه، اينك گرايشهاي جديدتري در هوش مصنوعي ايجاد شدهاند. در سالهاي آغازين AI تمركز كاملاً برروي توسعه سيستمهايي بود كه بتوانند فعاليتهاي هوشمندانه(البته به زعم آن روز) انسان را مدل كنند، و چون چنين فعاليتهايي را در زمينههاي كاملاً خاصي مانند بازيهاي فكري، انجام فعاليتهاي تخصصي حرفهاي، درك زبان طبيعي، و?. ميدانستند طبيعتاً به چنين زمينههايي بيشتر پرداخته شد.Mcclutch (روانشناس، فيلسوف و شاعر) و Pitts (رياضيدان) طي مقالهاي، ديدههاي آن روزگار درباره محاسبات، منطق و روانشناسي عصبي را تركيب كردند. ايده اصلي آن مقاله چگونگي انجام اعمال منطقي به وسيله اجزاي ساده شبكه عصبي بود. اجزاي بسيار ساده (نورونها) اين شبكه فقط از اين طريق سيگنال هاي تحريك (exitory) و توقيف (inhibitory) با هم درتماس بودند. اين همان چيزي بود كه بعدها دانشمندان كامپيوتر آن را مدارهاي (And) و (OR) ناميدند و طراحي اولين كامپيوتر در 1947 توسط فون نيومان عميقاً از آن الهام ميگرفت. امروز پس از گذشته نيمقرن از كار Mcclutch و Pitts شايد بتوان گفت كه اين كار الهام بخش گرايشي كاملاً پويا و نوين در هوش مصنوعي است. پيوندگرايي (Connectionism) هوشمندي را تنها حاصل كار موازي و همزمان و در عين حال تعامل تعداد بسيار زيادي اجزاي كاملاً ساده به هم مرتبط ميداند. شبكههاي عصبي كه از مدل شبكه عصبي ذهن انسان الهام گرفتهاند امروزه داراي كاربردهاي كاملاً علمي و گسترده تكنولوژيك شدهاند و كاربرد آن در زمينههاي متنوعي مانند سيستمهاي كنترلي، رباتيك، تشخيص متون، پردازش تصوير،? مورد بررسي قرار گرفته است.
علاوه بر اين كار بر روي توسعه سيستمهاي هوشمند با الهام از طبيعت (هوشمنديهاي ـ غير از هوشمندي انسان) اكنون از زمينههاي كاملاً پرطرفدار در هوش مصنوعي است. الگوريتم ژنيتك كه با استفاده از ايده تكامل دارويني و انتخاب طبيعي پيشنهاد شده روش بسيار خوبي براي يافتن پاسخ به مسائل بهينه سازيست. به همين ترتيب روشهاي ديگري نيز مانند استراتژيهاي تكاملي نيز (Evolutionary Algorithms) در اين زمينه پيشنهاد شده اند. دراين زمينه هر گوشهاي از سازو كار طبيعت كه پاسخ بهينهاي را براي مسائل يافته است مورد پژوهش قرار ميگيرد. زمينههايي چون سيستم امنيتي بدن انسان (Immun System) كه در آن بيشمار الگوي ويروسهاي مهاجم به صورتي هوشمندانه ذخيره ميشوند و يا روش پيدا كردن كوتاهترين راه به منابع غذا توسط مورچگان (Ant Colony) همگي بيانگر گوشههايي از هوشمندي بيولوژيك هستند. گرايش ديگر هوش مصنوعي بيشتر بر مدل سازي اعمال شناختي تاُكيد دارد (مدل سازي نمادين يا سمبوليك) اين گرايش چندان خود را به قابليت تعمق بيولوژيك سيستمهاي ارائه شده مقيد نميكند. CASE-BASED REASONING يكي از گرايشهاي فعال در اين شاخه ميباشد. بعنوان مثال روند استدلال توسط يك پزشك هنگام تشخيص يك بيماري كاملاً شبيه به CBR است به اين ترتيب كه پزشك در ذهن خود تعداد بسيار زيادي از شواهد بيماريهاي شناخته شده را دارد و تنها بايد مشاهدات خود را با نمونههاي موجود در ذهن خويش تطبيق داده، شبيهترين نمونه را به عنوان بيماري بيابد. به اين ترتيب مشخصات، نيازمنديها و تواناييهاي CBR به عنوان يك چارچوب كلي پژوهش در هوش مصنوعي مورد توجه قرارگرفته است.Meta ?Structure) رواني را براساس عناصر ساده بيولوژيك بنا خواهند كرد.