مقالات و جزوه های درسی رشته کامپیوتر

جلسه 2

سيستم‌هاي مبتني بر دانش: کليد قدرت؟ (1969-1979)

 

روش‌هاي ضعيف: مبتني بر يک جستجوي همه‌منظوره مي‌باشند که قدم‌هاي اوليه يادگيري را برمي‌دارند اما تلاشي در جهت يافتن راه‌حل‌هاي کامل ندارند.

به اين دليل که اطلاعات ضعيفي را در مورد دامنه فعاليت خود به کار مي‌برند.

پس براي حل مسائل دشوار، تقريباً جواب را از قبل بايد بدانيم.

برنامه DENDRAL از برنامه‌هايي است که از اين رهيافت استفاده مي‌کند.

 

اهميت برنامه DENDRAL در اين بود که اولين سيستم موفق با دانش غني بود، يعني تبحر سيستم بر پايه تعداد بسيار زيادي قانون ايجاد شده بود. سيستم‌هاي بعدي ايده اصلي رهيافت Advice taker مک کارتي را دنبال مي‌کردند يعني جداسازي دانش (در شکل قوانين) و مؤلفه استدلال.

 

MYCIN نسبت به DENDRAL دو تفاوت عمده دارد:

 

برخلاف قوانين DENDRAL، هيچ مدل تئوري‌وار عمومي براي آنکه قوانين MYCIN استنتاج شود، وجود نداشت.

قوانين مي‌بايست عدم قطعيت مربوط به دانش پزشکي را منعکس مي‌کرد.

 

AI به يک صنعت تبديل مي‌شود (1980-1988)

 

RI: اولين سيستم خبره تجاري موفق از شرکت DEC که سودآوري زيادي را براي شرکت بهمراه داشت.

پروژه «نسل پنجم»: اين پروژه ژاپني به منظور ساخت کامپيوترهاي هوشمندي که پرولوگ را به جاي کد ماشين اجرا مي‌کردند، انجام شد.

شرکت‌هاي ديگر جهان از جمله ميکروالکترونيک، MCC، ليسپ ماشين، تگزاس اينسترومنت، سمبوليکس، زيراکس و غيره در ساخت ايستگاه‌هاي کاري بهينه شده در اين عرصه فعاليت داشتند.

 

بازگشت شبکه‌هاي عصبي:

 

دانشمندان فعال در اين عرصه:

هاپ فيلد: که به آناليز خواص ذخيره‌سازي و بهينه‌سازي شبکه‌ها پرداخت.

راسل هارت و هينتون: مطالعه مدل‌هاي شبکه عصبي را ادامه دادند.

بريسون و هو: الگوريتم يادگيري انتشار به عقب را مجدداً مطرح کردند.

 

حوادث اخير:

 

رهيافت HMM: رهيافت غالب در سال‌هاي اخير مي‌باشد که توسط مايکف به وجود آمده است.

اين رهيافت از دو جنبه زير حائز اهميت است:

مبتني بر نظريه رياضي محض است.

طي فرايندي با يادگيري گروه عظيمي از داده گفتار واقعي خود را بهبود مي‌بخشد.

 

برنامه‌ريزي: در دهه 70 فقط براي ميکرووردها مناسب بودند، اکنون براي زمانبندي کار در کارخانه‌ها و مأموريت‌هاي فضايي استفاده مي‌شوند.

بيان شبکه باور: استدلال کارا را در مورد ترکيب رويدادهاي غيرمنطقي ممکن ساخت.

 

ايده سيستم‌هاي خبره فرماتيو توسط کار جوداپير و ارديک هوروتيز و ديويد هکرمن مطرح شد:

"سيستم‌هايي که مطابق قوانين تئوري تصميم‌گيري به طور منطقي عمل مي‌کنند و سعي ندارند که تبحر انساني را تقليد کنند."

 

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.

 

فصل دوم:

عامل‌هاي هوشمند

عامل:

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.

عوامل انساني

1. حس کردن: گوش، چشم، ديگر ارگان‌ها
2. اثرگذاري: دست، پا، بيني، اندام‌هاي ديگر

 

عوامل روباتيک

1. حس کردن: دوربين، يابنده‌هاي مادون قرمز
2. اثرگذاري: موتور

 

 

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.

تفاوت ميان منطقي بودن و دانش کل (omniscience):

 

عامل داناي کل معني خروجي واقعي اعمال خود را دانسته و بر پايه آن عمل مي‌کند اما دانش کل در واقعيت غيرممکن است.

اگر معين کنيم که هر عامل هوشمند همواره بايد همان کاري را انجام دهد که در عمل مناسب است، هيچگاه نمي‌توان عاملي را طراحي نمود که اين مشخصات را مرتفع سازد.

 

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.

 

رفتار عامل وابسته به دنباله ادراکي تا حال است.

 

عامل را بايد به‌عنوان ابزاري براي تحليل سيستم‌ها قلمداد کرد؛

نه شخصيتي مطلق که جهان را به دو بخش عامل و غير‌عامل‌ها تقسيم مي‌کند.

نگاشت ايده‌آل از دنباله‌هاي ادراکي به عمليات

 

هر عامل خاصي را به وسيله جدولي توصيف مي‌کنيم، که در آن عمل آن در پاسخ به هر دنباله ادراکي قرار مي‌گيرد.

اين بدان معني نيست که ما جدول خاصي با يک ورودي براي هر دنباله ادراک ممکني توليد کنيم. مي‌توان مشخصات نگاشت را بدون شمارش خسته‌کننده آنها انجام داد.

 

مثال:

 تابع ريشه دوم

 

 دنباله ادراکي:

  دنباله‌اي از کليدهاي زده شده

نگاشت ايده‌آل:

  براي مقادير مثبت x نشان داده شده توسط ادراک، z نيز مثبت باشد و عمل مناسب نمايش نشان داده شود.

 

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.

 

سيستم به وسعتي خود مختار است که رفتار آن بر اساس تجربه خودش تعيين مي‌کند. زماني که عامل فاقد تجربه و يا کم تجربه‌ است، مسلماً تصادفي عمل خواهد کرد، مگر آنکه طرح‌ کمک‌هايي به آن داده باشد.

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.

 

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.

 

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+ معماري= عامل

 

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.

 

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.

 

برنامه‌هاي عامل:

 

تشابهات عامل‌هاي هوشمند:

 دريافت ادراک محيطي

 توليد اعمال لازم

 

دو نکته در مورد شالوده برنامه قابل ذکر هستند:

1. برنامه عامل تنها يک درک از شرايط محيطي واحد را به عنوان ورودي دريافت مي‌کند.
2. هدف يا معيار کارايي بخشي از برنامه شالوده نخواهد بود.

 

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

 

 

 

عامل‌هاي واکنشي ساده

 

در اينجا جدول رجوع بايد مورد توجه قرار گرفته و فيلدهاي مختلف آن توسط اطلاعات ورودي پر شود.

اتصالاتي (واکنش‌هايي) وجود دارند که انسان‌ها بسياري از آنها را دارا بوده:

برخي از آنها قابل يادگيري و برخي ديگر غريزي است.

 

عامل‌هايي که اثرات دنيا را حفظ مي‌کنند

 

از آنجايي ناشي مي‌شود که حسگرها نمي‌توانند دسترسي کامل به وضعيت دنيا را به وجود آورند.

در چنين شرايطي، عامل ممکن است نيازمند دستکاري برخي اطلاعات وضعيت داخلي باشد تا از طريق آن تمايز بين وضعيت‌هاي دنيا که در ظاهر ورودي ادراکي يکساني مي‌کنند ولي در واقع معني کاملاً متفاوتي دارند را ميسر سازد.