|
آموزش -
مقالات
|
|
نوشته شده توسط HideX39
|
|
|
در 1943،Mcclutch (روانشناس، فیلسوف و شاعر) و Pitts (ریاضیدان) طی مقالهای، دیدههای آن روزگار درباره محاسبات، منطق و روانشناسی عصبی را تركیب كردند. ایده اصلی آن مقاله چگونگی انجام اعمال منطقی به وسیله اجزای ساده شبكه عصبی بود. اجزای بسیار ساده (نورونها) این شبكه فقط از این طریق سیگنال های تحریك (exitory) و توقیف (inhibitory) با هم درتماس بودند. این همان چیزی بود كه بعدها دانشمندان كامپیوتر آن را مدارهای (And) و (OR) نامیدند و طراحی اولین كامپیوتر در 1947 توسط فون نیومان عمیقاً از آن الهام میگرفت.
امروز پس از گذشته نیمقرن از كار Mcclutch و Pitts شاید بتوان گفت كه این كار الهام بخش گرایشی كاملاً پویا و نوین در هوش مصنوعی است.
پیوندگرایی (Connectionism) هوشمندی را تنها حاصل كار موازی و همزمان و در عین حال تعامل تعداد بسیار زیادی اجزای كاملاً ساده به هم مرتبط میداند.
شبكههای عصبی كه از مدل شبكه عصبی ذهن انسان الهام گرفتهاند امروزه دارای كاربردهای كاملاً علمی و گسترده تكنولوژیك شدهاند و كاربرد آن در زمینههای متنوعی مانند سیستمهای كنترلی، رباتیك، تشخیص متون، پردازش تصویر،… مورد بررسی قرار گرفته است.
علاوه بر این كار بر روی توسعه سیستمهای هوشمند با الهام از طبیعت (هوشمندیهای ـ غیر از هوشمندی انسان) اكنون از زمینههای كاملاً پرطرفدار در هوش مصنوعی است.
الگوریتم ژنیتك كه با استفاده از ایده تكامل داروینی و انتخاب طبیعی پیشنهاد شده روش بسیار خوبی برای یافتن پاسخ به مسائل بهینه سازیست. به همین ترتیب روشهای دیگری نیز مانند استراتژیهای تكاملی نیز (Evolutionary Algorithms) در این زمینه پیشنهاد شده اند.
دراین زمینه هر گوشهای از سازو كار طبیعت كه پاسخ بهینهای را برای مسائل یافته است مورد پژوهش قرار میگیرد. زمینههایی چون سیستم امنیتی بدن انسان (Immun System) كه در آن بیشمار الگوی ویروسهای مهاجم به صورتی هوشمندانه ذخیره میشوند و یا روش پیدا كردن كوتاهترین راه به منابع غذا توسط مورچگان (Ant Colony) همگی بیانگر گوشههایی از هوشمندی بیولوژیك هستند.
گرایش دیگر هوش مصنوعی بیشتر بر مدل سازی اعمال شناختی تاُكید دارد (مدل سازی نمادین یا سمبولیك) این گرایش چندان خود را به قابلیت تعمق بیولوژیك سیستمهای ارائه شده مقید نمیكند.
CASE-BASED REASONING یكی از گرایشهای فعال در این شاخه میباشد. بعنوان مثال روند استدلال توسط یك پزشك هنگام تشخیص یك بیماری كاملاً شبیه به CBR است به این ترتیب كه پزشك در ذهن خود تعداد بسیار زیادی از شواهد بیماریهای شناخته شده را دارد و تنها باید مشاهدات خود را با نمونههای موجود در ذهن خویش تطبیق داده، شبیهترین نمونه را به عنوان بیماری بیابد.
به این ترتیب مشخصات، نیازمندیها و تواناییهای CBR به عنوان یك چارچوب كلی پژوهش در هوش مصنوعی مورد توجه قرارگرفته است.
البته هنگامی كه از گرایشهای آینده سخن میگوییم، هرگز نباید از گرایشهای تركیبی غفلت كنیم. گرایشهایی كه خود را به حركت در چارچوب شناختی یا بیولوژیك یا منطقی محدود نكرده و به تركیبی از آنها میاندیشند. شاید بتوان پیشبینی كرد كه چنین گرایشهایی فرا ساختارهای (Meta –Structure) روانی را براساس عناصر ساده بیولوژیك بنا خواهند كرد.
 
|
