اگر چه تعریف دقیق و واضحی از AI وجود ندارد ( حتی برای هوش ) ولی می توان تعریفی از ماشینی که بتواند فکر کند و یا مثل انسان عمل کند که می تواند یاد بگیرد و رد علوم مختلف برای حل مسائل استفاده می شود. برای تولید پژوشگران AI ، مشتاقانه ، مغز انسان را مورد مطالعه قرار می دهند تا بفهمند چگونه کار می کند .
مغز انسان شامل 10 تا 100 بیلیون سلول عصبی است و هر کدام از این اعصاب به 10 تا 10000 عصب دیگر متصل می شوند. یک سلول مغز به تنهایی خیلی کندتر از یک میکرو پروسسور عمل می کند و یک عمل ساده ای دارد . و ساختارکلی آن این است که یک ورودی بگیرد و بک خروجی بدهد و اگر جمع آنها از یک مقدار تجاوز نکند . گرچه موازی است با عمل آن ، اما مغز بشر عملکردی دارند که کامپیوتر امروزی هنوز به آن دسترسی ندارند حتی با این سرعت پیشرفت دراین رشته ، ماتقریبا 20 سال با سوپر کامپیوتر هایی که با این قدرت برابری کنند فاصله داریم .
به عبارت دیگر تعدادی سعی کرده اند که به مدل مغز برسند که در برخی موارد موفقیت آمیز بوده است . و تنها آزمایش برای هوش ، TURING TEST است . که فکر ساختن این ماشین هنوز هم در اذهان وجود دارد .
چرا دستیابی به AI مشکل است .
این افکار به اندلزه مشکل AI نیست ، و من می خواهم ثابت کنم که تنها گونه با هوش بشریت است ( دقیقا برعکس گفته ها ی بالا ) من میخواهم نشان بدهمکه تمام عقاید در مورد AI با احتیاج به یک تغییر به منظور هدیت یک بخش نتیجه دارند .
منابع :
امروزه AI تمرکز خوذ را کلا بر روی مغز کرده است . اگر شما به بدن بشر توجه کنید ، در صورتی که شما نمی توانید یک سلول عصبی را در بدن تر سیم کنید ، بیشتر عملکرد آن در ستون فقرات انجام می شود . برا ی مثال ، کشیدن دست هنگامی دست به یک چیز داغ برخورد می کند به منظور کاهش صدمه ، که یک عمل حیاتی است . تنها راه برا ی انجام این کار توسط عکس العمل غیر ارادی و بدون دخالت مغز است . که این مثال خوبی برای تصمیم گیری مغز نیست اما برا ی شروع مثال خوبی است .
هر وقت شما با کسی صبحت می کنید ، شما نسبت به طرف مقابل یک پیش فرض دارید . شما با یک پیش فرضی که نسبت به هم دارید شروع به صحبت می کنید و همچنین مقدار کمی سوال و کمی سوء تفاهم .( برای بهتر فهمیدن ، فرد مورد نظر را مرد در نظر بگیرید ) در هنگام دیدن تصورات خیال بر طرف می شود . وقتی شما کسی را می شناسید ، لیستی از ویژی گی های آن را ندارید بلکه به یک سری تفاوت میان خود و او ویا شخص دیگری را می شناسید ( شخص میتواند گروه نیز باشد ) . من می توانم این را ثابت کنم که چرا توضیح دادن درباره یک شخص سخت است ، وقتی چهره شخص متفاوت با شماست .
ما بین اشیائی که می شناسیم رابطه ای درست می کنیم . و اشیائس که هدف خاصی را دنبال می کنند و خصوصیات مشابهی دارند در یک کلاس قرار می دهیم . اما تفاوت اصلی در طرز متفوت نگاه کردن است به ما واشیاء و دیگران به اشیاء .
مردم بیشتر به اطراف خود توجه می کنند و هنگامی که به اطراف خود نگاه می کنند واضح و آشکارا ان را می بینند .
آیا گربه نسبت به شما شامه قوی تری ندارد ؟ آیا صفحه نمایش به شما نگاه نمی کند ؟ آیا چراغ جلوی ماشین به مسیر معینی نگاه نمی کند ؟ آیا سیستم کند دیروز آموخته شده و سیستم خبره امروزی شده ؟
مردم بر اساس مردم دسته بندی می شود . این یک تصمیم عقلانی نیست اما یک نیز طبیعی است . شما چگونه میتوانید به هر چیزی پی ببرید بدون آنکه بدانید منبع آن کدام است . همچنین این دلیلی است که چرا در ذهن بچه ها ، همه چیز زنده است ، آنها زنده اند برای خود همچنانکه دیگر اشیاء نباید زنده با شند . چرا خرس عروسکی مانند ما احساس گرسنگی نمی کند ؟
موضوع روشن است : هیچ منبعی بدون منبع جمع نمی شود . AI ازاین قاعده پیروی نمی کند . بیشتر هوش “intelligence” توسط علوم مختلف تجهیز و برنامه ریزی شده اند و تصویر واضحی به تنها از خود ندارد و می تواند و می تواند رابطه ای هر چیز داشته با شد . که تقص اول است .
نقش بدنه :
بیشترین تفاوت آشکارا بین انسان و حیوان در مغزش است و قابلیت علم اندوزی در طی نسل هاست . تاکنون انسان زیادی قابلیت پیشرفتدارند که ترس از درد دندان را می توانند بر طرف کنند . که این در سایر حس ها در مواردی چون دشمنی و غم و اندوه نیز کاربرد دارد .
مردم می توانند با استفاده از علم بهتر قسمتی از مغز خود را تقویت کنند و اعمال را بر اساس آن انجام دهند . این راهنمایی است برای پایان آشکار از دیدن دودمان انسان و کارهای حیاتی که در چیز حکم فرمایی می کند . انسان برای پوشیدن ساعت مچی ، آن را نمی سازد . اما از دیر زمان برنده ای در این بازی برای خود است . فرضیه : اگر مردم قارد باشند به سادگی گرسنگی را نادیده بگیرند ، از گرسنگی خواهند مرد . اگر آنها کنترل ارادی بر روی ریه خود داشته باشند دیر یا زود خفه خواهند شد . عملیات حیاتی بر هر چیز دیگر حق تقدم دارد .
این فرضیه ، بسیاری از تعریف های که به آن نیاز داریم حیرت زده نمی کند ماند ” گرسنگی برای محبت ” و ” خستگی برای اشیاء” داشتن سینه خون آلود ” و” محافظت از پوست یک شخص ” . این ها مثالی بود برای اینکه پاراگرف قبلی چه میگوید . که همه مراجعات به خودش بر میگردد و این درست است که احساسات در بک سطح پایین تر قرار دارند .
علاوه بر این ( نه همیشه ) احساسات با علائم طبیعی همچون تئلید هورمون ، لرزه و ارتعاش ، بهم فشردن دندان ، و یا جوش در آوردن می باشد .
من می خواهم بگویم که بدن انسان نقش مهمی در مراحل عقلانی دارد مانند آب برای زنده ماندن ، به همین دلیل سعی می کند یک هوش مصنوعی ، نه فقط بدون بدن بدون تصویر کلی از بدن . چگونه ، هوش مصنوعی باید خستگی ناپذیری ، هیجان
خوشحالی و یا ترس را بدون آنکه آن را احساس کند بفهمد . توسط احساس ، نشانه های فیزیکی ، علائمی که همراه ترس در صدمه به بدن و مثالهایی از این قبیل مفهوم عقلانی پیدا می کند . بدون مغز نمی تواند بفهمد ، بنابراین انسان هرگز قادر به فهمیدن نیست .
سیر تکاملی :
در فاصله کوتاهی موجب به وجود آمدن هدف دیگری شد و آن میل به تکرار بود ، که نمی توان آن را نادیده گرفت . هیچگونه آزمایشی تا کنون در رشته AI درباره نوع و جنس هوش صورت نگرفته است . در جهان ، شریکی برای تکرا وجود ندارد . برای مثال یک ماشین کپی ساده ، کاملا از ساختار کلی بشر متفاوت است . و این همواره یک سوال است که چه نوع خاصی برای همیشه لازم است . گرچه هوش مصنوعی نیاز به توانایی دارد تا بمیرد همچنانکه نیاز به ازدواج و تجدید نسل دارد در غیر این صورت در غیر این صورت نتیجه مخالف خواهد بود با آنچه که بشر آن را شناخته است .
ذهنی که نمی تواند بمیرد و احساس کند و احتیاجاتی که برای تکرار مثل روش هایی که بشر انجام می دهد خیلی متفاوت خواهد بود .مثل محیطی که ئر شرایط دیگری مجبور باشد چیزهای غیر طبیعی درست کند . در این وضعیت آنها مجبورند برای رفع نیازشان چیزهای سختی بسازندو نیرویی که به آنها داده می شود مانند نیروی بشر عمل کند . و در این فرایند به رهبری یک ذهن مانند بشر نیاز داریم . که این نقص سوم است .
هنر یادگرفتن :
یاد گرفتن یک توانایی ثابت نیست بلکه دائما در حال تغییر است . شما باید یاد بگیرید که چگونه یاد بگیریم . و راههای یادگیری نیز تغییر کرده است . بچه هایی که تازه متولد می شوند ، به وسیله تجربیات قدیمی ، یادگیری را فرا می گیرند ولی چه های قدیمی از همان روش های قدیمی استفاده می کنند . در صورتی که بچه های امروزی در یک وضعیت برابر بدون داشتن تجربه هم می توانند چیز های زیادی که یاد داشته اند و هم از دیگران یادگرفته ند را باد بگیرند ، که اصلی ترین مزت بشر بسبت به حیوان است که می تواند تجربیاتش را به نسل بعد انتقال دهد . بنابرای نسل بعد مجبور نیست تا دوباره اشتباهی مثل ما بکند . دانش شما شامل تجربیات صد و هزلران مردم است که دانش و تجربیات جمع شده اند و در یک ساختار قرار گرفته اند به منظور اینکه یادگیری را آسان کنند . ولی ، مردمان امروزه با هوش تر از مردمان هزار سال پیش نیستند ولی دانششان بیشتر است ، بنابراین به هدف های بالاتری دست پیدا می کنند . مثلا نوتن می گوید : با اینکه من کوتاه قد هستم ولی جای دور تر را می بینم به خاطر اینکه روی دوش یک قول ایستادم …
ولی ان چه تاثیری رو ی AI دارد ؟ نه تنها دانش تغییری نمی کند بلکه مغز نیز تغییری نمی کند و مغز راه رسیدن به دانش و استفاده کردن از آن را می داند و یک هوش مصنوعی با ید قادر باشد که برنامه مربوط به خود را تغییر دهد.
فکر کردن خارج از مغز :
مطالب قبلی شامل یک موضوع جالب تری نیز هم است ، هر چیزی را که شما انجام می دهید و هر چیزی را که انجام میدهید و هر چیزی را که سما می گویید و فکر می کنید تمام آن به وسیله فکر شما نیست . آن ، شامل قسمتی از مردمان است . این رمز پیشرفت برای یک نسل می تواند باشد .
(مطالب قبلی را ببینید . )
ولی این ما را به یک سری سوالات گیج کننده راهنمایی میکند . مثلا ، چقدر از مقدار مغز واقعا استفاده می شود . و چند درصد از چیزی که در باره آن فکر می کنید از طرف مقابل است ؟ چه تفاوتی من دارم ؟
فرض کنید یک گروه پنج نفری درباره یک مسئله دور یک میز نشسته و درباره یک مشکل نظر خواهی می کنند و فکر می کنند آیا این نظر خوبی و یا بد است و در پایان با یک را ه حل به نتیجه می رسیدند که خیلی بهتر خواهد بود و در صورتی که هر کدام به تنهایی عمل می کردند .
چه تفاوتی بین پنج نفر تنها و یا یک تیم پنج نفری وجود دارد ؟ در صورتی که موفقیتی حاصل شود که یک شخص تنها آن را نمی تواند حل کند ، این موففقیت متعلق به کدام یک از اعضا است ؟ یک شخص خاص این ایده را نداده است چرا را که محوره وبحث رخ داده است و عمل فکر کردن دسته جمعی رخ داده است .
عقیده ای در باره مفهوم اصلی هوش :
تمام مطالب بالا یک چیز را روشن کرده اند این که یک هوش مصنوعی باید بسازیم ، که مثل مغز بشر، بدون عناصر تشکیل دهنده بشر باید ساخته شود . نتیجه ذهن ممکن است شناخته شده نباشد . تمام احساسات برای رسیدن به هدف باید بیشترین را به مغز انسان بدهد .
چرا در زمین ، این می تواند عجیب باشد که یک نفر می خواهد یک چیزی شبیه مغز بسازد ؟ این عمل کلا عمل خوبی است ؟ این یک چیز عجیب است که همه چیز شناخته شده باشد ؟ این سخت ترین چیزی نیست که توسط مغز امتحان شده است . چه چیزی برای هوش مصنوعی باید استفاده شود و چه چیزی احتیاج داریم که بگوییم که این بیش تر هوش مصنوعی است .
را ه حل منطقی این است که ما کلا هوش مصنوعی را از مغز جدا کنیم به منظور ساختن چیزی جدید . این طبیعتا ما را راهنمایی می کند به این اصل اساسی هوش که هوش بشر ، تنها یک سر نخ به ما می دهد ، به منظور تشخیص دادن بین هوش افراد بشر و هوش مصنوعی ، و یک ایده جدید برای مفهوم هوش مصنوعی است . هوش مصنوعی هنوز د ربین افراد بشر به صورت یک ستاره در آسمان در حال جرقه زدن است .
کلا در این فرایند ، هوش بشر و هوش مصنوعی با هم در یک سطح و هوش حیوانات و سایر گونه های هوش در سطح دیگر قرار دارند . همانطور که شکل زیر به آن اشاره کرده است .
هوش مصنوعی :
هوش مصنوعی که به ماشین با هوش مشهور است ، در بین کارخانه و بین افراد به (i.e.artificial) مشخص شده است . و این در مفاهیم و هدف های اصلی کامپیوتر کاربرد دارد . و این جمله می تواند تحقیق علمی خوب و معقولی برای درست کردن سیستم باشد .
در باره سوالی که Artificial intelligence چیست ، می توان از دو قسمت ساده تشکیل شده باشد . اصل Artifice چیست و Intelligence به چه معناست ؟ پاسخ به سوال اول روشن و واضح است به هر حال این سوال به تولیدات اشاره می کند .
سوال دوم کمی سخت تر است ، و از مفهوم آگاهی ، هوش ، حس و آگاهی ، مغز گرفته می شود . وسوالی که چه اجزایی در بحث هوش مورد بحث قرار می گیرد بسیار عام و فراگیر است . ، برای مطالعه : شامل هوش افراد ، رفتار هوش ، در افراد مختلف برای مطالعه و فهمیدن خیلی پیچیده و مشکل است .مطالعه در درباره حیوانات و سیستم های مصنوعی نه مدل هایی که امروزه وجود دارند ، فکر خوب و شایسته است .
چند موضوع بجز هوش مصنوعی در زیر توضیح داده شده است . همچنین چند بخش ، تاریخ ، طرفداران و مخالفان و برنامه ها در این تحقیق توضیح داده شده است . سرانجام منابعی ساختگی و غیر ساختگی از AI را فراهم می آورد .
AI قوی و AI ضعیف :
یکی از تعریفات عام و سریعی که از Artificial intelligence بدست می اید ، تعریفی است که John McCarthy در کنفرانس Mouth در 1956 ارائه کرد و آن ماشینی بود که در یک مسیر حرکت میکرد .و بعدا
Intelligence نامیده شد .که مسلما این تعریف دور از ذهن به نظر میرسد که آن را AIقوی بنامیم ( زیر را ببینید ). اگر چه تعریف Artificial intelligence از قطعه با هوش گرفته می شود . بیشتر تعریفات از هر سیستمی که مانند انسان فکر کند و عاقلانه عمل کند گرفته می شود .
هوش مصنوعی قوی :
تحقیق هوش مصنوعی قوی ، هوش مصنوعی است که براساس کامپیوتر ایجاد شود و می تواند دلایل منطقی و راه حل برنامه را ارائه دهد .هوش مصنوعی قوی از احساس سیستم خبره و آگاه می گوید . در اصول نظری دو نوع AIقوی وجود دارد .
1- AI بشری : این است که برنامه های کامپیوتری مشابه مردم فکر کند و دلیل بیاورد .
2- AI غیر بشری : برنامه های که احساسات غیر بشری را و دلایل غیر بشری بیاورد .
3-
هوش مصنوعی ضعیف :
تحقیق هوش مصنوعی ضعیف ، کامپیوتر بر اساس هوش مصنوعی ایجاد شده است . و دلایل منطقی و حل برنامه فقط در قلمرو محدودی را می تواند حل کند . از قبیل : مانند ماشین هوشمند که در تعدادی ازراه ها می توانست عمل کد ، اما نمی توانست درست عمل کند و یا احساس کند .
AI ضعیف دارای چند بخش است ، یکی از آنها زبان اصلی است . تعدادی از بخش های AI صعیف ، نرم افزار و برنامه های ویژه ای دارند .
برای مثال، زبان اصلی MOST-HUMEN برای کاربران ، chatterh.ta.l.i.c.e است که در زبان برنامه نویسی AIML استفاده می شود .
تا امروزه بیشتر کاهاریی که در این زمینه انجام شده است با کامپیوترهایی بود کهبراساس هوش مصنوعی تعریف شده بود . پیشرفت خیلی کمی در زمینه AI قوی انجام شده است که بستگی دارد به اینکه چه تعریفی از یک هدف داریم . که نصف بیشتر پیشرفت در زمینه AIضعیف بوده است .
مخالفان و موافقان AI قوی :
جمله Strong AI اولین بار توسط John Searle ابداع کرد که در کامپیوتر های دیجیتالی و ماشین پردازش اطلاعات استفاده می شود . Searle ، Strong AI را تعریف کرد .
مطابق با Strong AI ، کامپیوتر تنها یک وسیله برای مطالعه هوش مصنوعی نیشت بلکه ، برنامه مناسب کامپیوتری برای هوش هستند . Searle و سایر افراد که در این زمینه مباحثه می کردند معتقد بودند که ترجمه و رمزگشایی اطلاعات همان هوش است . ( گرچه هر ماشینی از هر نوع شامل ماشین های زیستی می توانند هوش داشته باشند .)
Searle معتقد بود که Chinese room وسیله ای برای رمزگشایی اطلاعات و تعریفات آن از سایر چیزها است . اطلاعات رمزی به تنهایی بی معنا هستند بدون اینکه ارجاع شوند به چیزهایی که آن را تعریف می کند . این گفته ها نشان داد که پردازش اطلاعات به تنهایی معنا و مفهوم ندارند .
در نتیجه ، او ادعای کرد خود را ثابت کرد که حتی که یک ماشینی که امتحان Turing test داده است الزامی داده است الزامی که مطابق با هوش بشری باشد .
تعدادی از فیلسو فان معتقدند که در صورتی که AI ضعیف را پذیرفتی ، باید AI قوی را نیز قبول کنید .
Daniel c .dennett درباره هوش توضیح می دهد و میگوید که انسان ماشینی است که یک امتیاز نسبت به ماشین های دیگر دارد و آن هم هوش است .
Simon Blackburn در تحقیق اش میگوید که ، حکمت و فکر ممکن است که با هوش ظاهر شود اما با هوش واقعی (intelligence) فرق دارد . اما اگر بحث را محدود بخ strong AI کنیم تقریبا هوش مصنوعی به هوش بشر تعبیر می شود کهدر پردازش اطلاعات کامپیوتر رخ نمی هد .
Strong AI به نظر می رسد با مفاهیمی چون مغز و ذهن سرو کار دارد ، از قبیل :
1- ذهن و مغز نرم افزار
2- Presentism و من شرح می دهد .
3- مغز صرفا یک سخت افزار است ( فقط پیروی می کند از کامپیوتر های قدیمی )
نظریه اول گیج کننده و حیرت آور است زیرا کامپیوتر به یک ظرف تشبیه شده است . ممکن است پردازش اطلاعاتی لز چوب و توپ درست کنیم ولی این اختراع بسیار سرعت پایین و کم کاستی هایی فراوانی دارند ولی توانایی انجام کارهایی که یک کامپیوتر مدرن انجام می دهد را دارد .
مفهوم پیشنهاد این که ذن می تواند یک پرادزش گر اطلاعات باشد برابر است با پیشنهاد این که ذهن می تواند وجود داشته باشد به عنوان وسیله ای که ساخته شده باشد از چیز گرد و چوبی .
بلاخره ، اعتماد به Strong AI به ماشین پردازگر اطلاعات که می تواند شامل تمام خصوصیات ذهن با شد بستگی دارد . مثل آگاهی . گرچه AI به Strong AI بستگی دارد و جای هیچ شکی ندارد از ویژگی های کامپیوتر مدرن است از قبیل ضرب کرد و یا جستجو در یک پایگاه داده مطرح شده در قرن پیش .
تاریخچه :
پیشرفت نظریه AI :
بیشتر تحقیقات در زمینه هوش مصنوعی ، در زمینه روان شناسی و زبان شناسی هوش متمرکز شده است .
هوش مصنوعی تنها ، شامل روبات و هوش ، ومجموعه ای از هوش متمر کز نمی شود بلکه شامل دستکاری دستکاری در محیط ، و یا تصمبم دسته جمعی و کشیدن بیو گرافی و سیاستی که چگونه هوش را سازماندهی کنند ،نیز می شود. نظریه هوش مصنوعی ، مطالعاتی در باره حیوانات و یا حشرات ویژه ای که به سادگی می توانند تقلید کنند ، مانند روبات و به خوبی حیواناتی که هوش مصنوعی قوی دارند مانند میمون دارد را که شبیه انسان باشند و بتوانند به راحتی تقلید کنند بحث می کند . اما از حیوان باهوش در دسترس نیست
با پیشرفت تکنیک عملی بر اساس تحقیق AI ، موافقان و مخالفان AI در باره تعدادی وظایف از قبیل ” شطرنج کامپیوتر ” و شناخت سخن هایی که قبلا در باره ” هوش ” آنها را رد و غیر قابل اجراتوسط AI می توانستند به بحث و گفتگو نشستند .
و آنها می گفتند که تعریف هوش ، این است در آنچه بشر می تواند آن را انجام ولی ماشین نمی تواند آن را انجام دهد . John Von Neuman در سال 1948 در جواب به آنها اظهار داشت که فکر کردن برای ماشین غیر ممکن است . « شما اصرار دارید که ماشین چیزی نمی تواند انجام دهد ، اگر شما دقیقا به من بگویید که ماشین چه چیزی را انجام نمی دهد سپس من می توانیم ماشینی در ست کنم که کاری که شما می خواهید انجام دهد .»
شاید Neumann به نظریه Church-turing اشاره میکرد و تو ضیح درباره این که توسط یک رویه موثر می تولن هر چیزی را توسط کامپیوتر شبیه سازی کرد .
در سال 1969 Mccarthy و Hayes بحث های درباره مشکلات هوش مصنوعی شروع کردند و آنها می گفتند « تعدادی مشکل منطقی در هوش مصنوعی وجود دارد »
تحقیق در AI آزمایشی :
هوش مصنوعی به طور آزمایشی در سال 1950 با پیشگامانی چون Allen newell وHerbert Simon در اولین آزمایش هوش ممصنوعی وCarnagie Mellon در دانشگاه و Mc carthy و Mavin Minsky در آزمایشگاه Mit AL Lab در سال1959 بودند ، که در تابستان سال 1956 در کنفرانس هوش مصنوعی Darth mouth collage متشکل از Mc carthy و Minsky و Nathan Rochester از IBM و Claude Shannon سازماندهی می شد .
در قدیم ، دو نوع موضوع وسیع در مورد AI وجود دارد . مرتب «neats » و نامرتب « scruffies »
«neats » نشانه ها و یا کلاسیک در تحقیق AI ، به طور کلی شامل مفاهیم کلی و روش هایی است که در سیستم های خبره استفاده می شود . همزمان با این ، نامرتب « scruffies » ظاهر شد که مشهورترین نمونه آن در Mearel network وجود دارد که سعی کرد استنتاج کند هوش را از سیستم های ساختگی و سیستم هایی که اصولا برای یک وظیفه طراحی شده بودند .
هر دو زود به تاریخ AI پیوستند . طی سال های 1960 تا 1970 (نامرتب « scruffies » ) از نظریه دیگر عقب ماند . اما دوباره در سال 1980 ، هنگامی که نظریه مرتب «neats » با محدودیت مواجه شد ، بهترین وقت برای ظهور کردن بود . اما امروزه هر دو نظریه با محدودیت زیادی مواجه شده اند .
تحقیقات مربوط به هوش مصنوعی در سال 1980 توسط “نمایندگی دفاع ازتحقیقات پیشرفته ” به اوج خود رسید و یا پنجمین پروژه های سیستم های کامپیوتر در ژاپن .
شکستی که در همان زمان از نتایج آن بود با وجود اینکه قول های زیادی از طرف شاغلین در AI داده شد منجر شد که بین نماینده حکومت ها واین ها به وجود آید . نتیجه اش این بود نوشته های در زمینه AI رو به کاهش رود .
اما در دهه اخیر تحقیقات زیادی در زمینه ماشین فراگیر و روبات ونسخه های کامپیوتری به زبان ساده ای نوشته شده اند .
خلاصه ای از تاریخ AI :
ریشه AI که مفهومش ماشین با هوش است ممکن است در افسانه ها ی یونانی پیدا شود. هوش مصنوعی ابتدا در مطبوعات ظاهر شد و سپس ماشین واقعی آن اثبات کرد که می تواند بر اساس هوش عمل کند . تعدادی از این کارهای بزرگ در زیر لیست شده اند ” تاریخ باستانی “
پس ازجنگ جهانی دوم که کامپیوترهای مدرن در دسترس قرار گرفتند ، این امکان به وجود آمد که برنامه هایی بسازند که وظیفه ذهنی سختی را انجام بدهند. این برنامه ها موجب ساختن وسایل کلی خوبی در زمینه های مختلف شد. تعدادی از برجسته ترین این ابزار در زیر لیست شده است . ” تاریخ مدرن “
– تاریخ باستان :
در افسانه های یونانی از Hepheastus و Pygmalion ، فکر و ایده روبات باهوش ثبت شده است . تعداد زیادی از افسانه ها در دوران باستان شامل هوش مانند بشر می شود . تعداد زیادی ماشین اسباب بازی و مدل هایی که توسط پهلوان داستان ” Peadalus ” و سایر افراد واقعی ساخته شده است .
قرن5 :
ارسطو که برهان استقرائی را اختراع کرد ، اولین سیستم رسمی برهان استقرائی بود .
قرن 13 :
قرن 15 :
اخترع چاپی در یک نوع حرکتی استفاده می شد . چاپ شده در کتاب گوتنبرگ
قرن 15و16 :
ساعت ، اولین ماشین اندازه گیری مدرنی بود که اولین بار ساخته و در ماشین تراش استفاده شد .
قرن 16 :
هنر ساختن ماشین حیوانات و چیز های تازه به اوج خود رسید . Rubbi loew از پاراگوئه اعلام کرد که آدم مصنوعی اختراع کرده که کار مرد سفالگر را انجام می دهد .
قرن 17 :
در اوایل این قرن Desartes پیشنهاد کرد بدن حیوانات در یک ماشین ماشین پیچیده بی ارزش است و سایر دانشمندان قرن 17 پیشنهاد کردند که جزئیات و پیچیدگی مکانیزم Cartesim را شرح بدهند .
Hobhes معتقد بود که Leviathan ( جانور بزرگ دریائی که درکتاب عهد عتیق نام برده شده است ) شامل یک جسم ترکیبی از اصول نظری با فهم و درک است .
پاسکال اولین ماشین حساب دیجیتالی را اختراع کرد ( 1642)
Leibniz ماشین پاسکال را بهبود بخشید تا اعمالی چون ضرب ، تقسیم را نیز انجام دهد (1673) یک ماشین جهانی که می توانست با محاسبه علت ها به وسیله استدلال می تواند تصمیم بگیرد .
قرن 18 :
در قرن 18 ماشین اسباب بازی زیادی دیده شد ، شامل مرغابی ماشینی برای جشن تولد مانند مرغابی Vacanson و Vonkemples که یک ماشین شطرنج بود .
قرن 19 :
Luddits تشکیلات و سازمان های مربوط به ماشین را خراب کرد .
Maryshelley کتاب هیولای Frakenstion monster را چاپ کرد .
George boole جبر مبنای 2 را نمایش داد .
Karel capeke’s و Walter pites بر روی یک برنامه ماشین حساب کار کردند .
قرن 20 : نیم قرن اول
Betnand و Alfed north کتاب Principia mathemtric را چاپ کرد ند که یک انقلاب ایجاد کرده اند. و Ludwig Wittgenstein, and Rudolf Carnap این کتاب را آنالیز کردند .
Karel Capek’s RUR (روبات جهانی Rossum ) در سال (1923)توسط Karel Capek در لندن نمایش داده شد که اولین بار در همین کشور مورد استفاده قرار گرفت .
Warren McCulloch و Walter Pitts publish در سال 1943 کتاب فعالیت عصبی را چاپ کرد برای تاسیس شبکه عصبی
Arturo Rosenblueth و Norbert Wiener و Julian Bigelow ماشین عصبی ” cybernetics ” را در سال 1943 اختراع کردند و کتاب مشهور او با این نام د رسال 1948 به چاپ رسید .
Vannevar Bush آینده کامپیوتر به عنوان دستیاری در کارهار معرفی کرد و کتاب Atlantic Monthly را در 1945 به چاپ رسانید .
A.M. Turing کتاب ” محاسبه ماشینی و ذهنی ” را در سال 1950 و Turing test رابه عنوان روش آزمایش عملکرد هوش معرفی کرد .
Claude Shannon جزئیات آنالیز و روش بازی شطرنج را به عنوان یک تحقیق معرفی کرد (1950 )
Isaac Asimov سه قانون خود را در مورد روبات به چاپ رساند (1950 ) .
تاریخ مدرن :
1956 : John McCarthy واژه ” هوش مصنوعی ” را ابداع کرد و به عنوان یک موضوع در کنفرانس اعلام کرد که این کنفرانس شروع خوبی بود . نمایش اولین مربوط به AI ، توسط نظریه منطقی(LT) نوشته شد . J.C. Shaw و Herbert Simon که موسسه تکنولوژی Carnegie را دارند که اکنون این مرکز دانشگاه Mellon است .
1957 : راه حل مشگل اصلی (GPS) توسط Newell و Shaw و Simon اثبات شد .
1962-1962 : شرکت (IBM) ماشینی به نام Samuel که اولین بازی به نام بازی Checkers به منظور اینکه مهارت کافی و به مبارزه طلبیدن سایر قهرمانان جهان برنامه نویسی کرد . ماشین Samuel برنامه ها را فرا می گرفت تا قابلیت کارایی زیادی در مقابل حریفان دیگر باشد .
1958 : John McCarthy زبان LISP را ابداع کرد .
Herb Gelernter و Nathan Rochester قضیه ای در علم هندسه را اثبات کرد و توضیح دادند که یک نوع خاص ازشکل هندسی در یک حوزه به یک شکل رفتار میکند .
در کنفرانس Teddington که در نشریه انگلیسی توسط John McCarthy برگزار گردید ، طرحی برای مکانیزه کردن مراحل فکر کردن و برنامه های تهیه شده برای حواس پنجگانه عمومی ارائه شد .و همچنین
Oliver Selfridge’s و Pandemonium و Pandemonium برنامه نویسس را برای هوش مصنوعی ابداع کرد.
اواخر 1950 و اوایل 1960 : Margaret Masterman و colleagues در کمبریج یک شبکه معنایی را برای ماشین ترجمه اختراع کرد .
1961 : در مقاله اش اولین برنامه مجتمع نشانه در LISP را نوشت که SAINT برنامه های محاسباتی را برای دانشجویان جدید الورود حل کرد .
1962 : اولین خانه روبات سازی به نام unimation در MIT تاسیس کرد .
1963 : Thomas Evans در مقاله دکتری خود درباره ANALOGY شرح داد که کامپیوتر می تواند برنامه های مقایسه ای یکسان را با مقایسه کند و نمره ای به آن بدهد .
Ivan Sutherland کلیات و خلاصه ای از گرافیک محاوره ای در کامپیوتر شرح داد .
Edward A. Feigenbaum و Julian Feldman اولین مجموعه ای از مقالات مربوط به هوش مصنوعی به نام ” کامپیوتر و تفکر ” را نوشت .
1964 : Danny Bobrow نشان داد که کامپیوتر می تواند مسائل مربوط به جبر را می تواند بفهمد و بخوبی آ نها را حل کند .
Bert Raphael درباره برنامه های SIR و قدرت منطقی نمایش در علوم مختلف و سیستم پرسش و پاسخ بحث کرد.
1965: J. Alan Robinson ماشینی اختراع کرد که روشهای تجزیه و تحلیل که اجازه می دهد برنامه توسط استلالهای منطقی برای نمایش زبان بهتر کار می کند .
Joseph Weizenbaum ، ELIZA را ساخت که یک برنامه که شامل گفتگو انگلیسی با هر عنوانی بود . این یک وسیله مورد علاقه در AI در ARPANET متمرکز شده بود . هنگامی که نسخه ای شبیه سازی شده گفتگو و درمان برنامه ریزی شده بود .
1966 : Ross Quillian شبکه معنایی را شرح داد .
اولین ماشین با هوش در کارگاه Edinburgh که توسط Donald Michie و دیگران سازماندهی می شد ، اختراع شد .
گزارشی از ماشین های مترجمی که شغل زیادی را در پردازش زبان طبیعی (NLP) در سال های زیادی از بین برد .
1967 : برنامه Dendard طیف وسیعی از سیستم های را ترجمه و تفسیر کرد . این اولین موفقیت علمی بود که بر اساس استدلال و برهان برنامه ریزی شده بود .
Negative ثابت کرد که قدرت دلایل نمادین در جمع آوری مشکلاتی که برنامه های Macsyma رخ داده بود . که اولین موفقیت علمی در زمینه ریاضیات میشود.
Richard Greenblatt بر اساس علمی که به بازی شطرنج MIT ساخت .و MacHack و مهارت خوبی در مسابقات چهار جانبه رتبه class-c را بدست آورد .
اواخر 1960 : موس را در SIR اختراع کرد .
1968 : Marvin Minsky وSeymour Papert ، Perceptrons را چاپ کرد که محدودیت یک شبکه عصبی ساده را شرح داد .
1969 : Shakey حرکت و درک و شعور روبات را در حل مسائل شرح داد .
Roger Schank ، مدل های وابسته به فهمیدن زبان طبیعی را تعریف کرد . اخیرا پیشرفت هایی توسط Robert Wilensky که برای و فهمیدن و درک حافظه توسط Janet Kolodner انجام شده است .
1970 : Jaime Carbonell ، SCHOLER را در برنامه های محاوراتی برای پشتیبانی کامپیوتر در شبکه های معنایی برای نمایش علوم مختلف پیشرفت داد .
Bill Woods تعریغی از ” تقویت شبکه های ترجمه ” (ATN’S) را برای فهمیدن زبان طبیعی ارائه کرد .
Patrick Winston در مقاله دکتری خود “ARCH” مفهوم علمی از مثال های در دنیای بسته کودکان ارئه کرد.
اوایل 1970 : Jane Robinson و Don Walker گروه پردازش زبان طبیعی در SIR را تاسیس کرد .
1971 : Terry Winograd ثابت کرد که کامپیوتر در دنیای محدود و بسته کودکان ، قادر است جمله های انگلیسی را بفهمد و اتصال بین فهمیدن زبان وربات SHRDLUمی تواند نوعی خاصی از انگلیسی را انجام بدهد.
1972 : پرولوگ به وسیله Alain Colmerauer توسعه داده شد .
1973 : گروه اسمبلی روبات در دانشگاه Edinburgh روباتی به نام FREDDY که از مشهورترین ربات های Scottish بود توانایی استفاده از نسخه های مختلف برای سرهم کردن مدل های مختلف را داشت .
1974 : Ted Shortliffe در رساله دکتری خود درباره به کارگیری سیستمی بر اساس علوم که می توانست در حوزه پزشکی و تشخیص عیب و درمان آن ارائه داده و استنتاج کرده و توضیح داد . گاهی اوقات آن را اولین سیستم خبره می نامیدند .
Earl Sacerdoti یکی از اولین طراحی برنامه را پیشرفت داد و تکنیکی برای سلسه مراتب طراحی ارائه کرد.
1975 : Marvin Minsky مقالات زیادی را در تنظیم و ارائه علوم به چاپ رسانید که شامل بسیاری از ایده ها و مدل ها با هم در یک جا به چاپ رسانید .
یادگیری این برنامه ها نتایج جدیدی را در شیمی تولید کرد . اولین کشف علمی بود که توسط کامپیوتر در ژرنال بین المللی به چاپ رسید .
1976: برنامه Doug Lena مدل کشف شده را شرح داد .
1978 : Herb Simon جایزه نوبل را در اقتصاد را به خاطر نظریه ” عقل کراندار ” گرفته است .
1979 : Jack Myers و Harry Pople در دانشگاه Pittsburgh نظریه INTERNIST که بر اساس علوم پزشکی وعیب شناسی توسط دکتر Dr.Myers بر اساس علوم بالینی توسعه وپرورش داد .
Cordell Green و David Barstow و Elaine Kant سیستم CHI برای برنامه نویسی اتوماتیک ارائه و شرح داد .
کارت Standford توسط Hans Moravec ساخته شده که اولین کنترلر کامپیوتری بود که به طور خودکار می توانسید به عنوان یک وسیله نقلیه تمام اتاق ها و محیط پیرامون آزمایشگاه Stanford AI را بپیمائید .
1980 : ماشین های LISP رشد یافته و رد معرض فروش قرار می گرفتند .
اولین سیستم خبره ، محافظ و برنامه های کامپیوتری بودند .
1980 : Lee Erman و Rick Hayes-Roth و Victor Lesser اولین توصیف و تعریف از مدل و چهار چوب HEARSAY-II که سیستمس بود که گفتار را می فهمید به چاپ رسانید .
اولین کنفرانس بین المللی به نام انجمن هوش مصنوعی امریکا (AAAI) در STANFORD برگزار شد .
1981 : Danny Hillis ماشین اتصالی طراحی کرد برای معماری موازی در حجم بزرگ
1983 : John Laird و Paul Rosenbloom به همراه Allen Newell مقاله وپایان نامه خود در SOAR کامل کرده اند .
اواسط 1980 : شبکه عصبی که در زمینه زیادی در بخش الگوریتم استفاده می شد .
1985 : برنامه طراحی خودکاربه نام Aaron که توسط Harold Cohen طراحی شده بود که درکنفرانس بین المللی AAAI توضیح داده شده .
1987: Marvin Minsky ، ” جامعه با ذهن ” را منتشر کرد . یک نظریه از ذهن را توضیح داد که گروهی او را در این راه یاری دادند .
1989 : Dean Pomerleau در CMU ، ALVINN را طراحی کرد که می تواند سرعت ماشین ها را در محل رفت آمد ماشین ها توسط یک کنترل کننده کامپیوتر بین 50 تا 2850 مایل را کنترل کند
1990 : اصل پیشرفت در زمینه AI ، و برجسته ترین آن در ماشین یادگیری عبارتند از : معلم درخانه بر اساس طراحی ، برنامه ، دلایل نامشخص ، گذاشتن داده ؛ فهماندن زبان طبیعی و ترجمه آن ، دیدن و چیزهای نزدیک به واقعیت ، بازی ها سایر موضاعات ، طراحی شده بود .
اوایل 1990 : برنامه بازی نرد توسط Gerry Tesauro نوشته شده که این برنامه قدرت یادگیری را برای مسابقات قهرمانی این رشته تقویت کرد .
1997 : برنلمه beats را در مسابقات شطرنج ارائه کرد که این طرفداران دارد .
اولین مسابقات فوتبال روباتیک در آزمایشگاه MIT ، که شروعی بود بد روی معماری اکسیژن که می تواند موبایل و کامپیوتر های ساکن را به هم در شبکه مرتبط کند .
2000 : روبات خانه ای در تجارت مورد استفاده قرار گرفتند . و منظر قرن 18 به وقوع پیوست . و اسباب بازی های زیادی به بازار عرضه شد .
برنامه های کاربردی AI :
گرچه پیشرفت به سمت اوج هوش مصنوعی ، کند است، مشکلات فراوانی در سر راه وجود دارد . مثال قابل توجه شامل شامل زبان LISP و PROLOG که برای تحقیقات AI اختراع شده ولی امروزه کابردی از AI استفاده نمی شود.
Hacker هایی که اولین بار در آزمایشگاه ظاهر شد به خصوص MIT AL lab در زمان مختلف که برجسته ترین ومهم ترین آنها Mc Carthy و Saymour papert ( که آنها را پیشرفت دادند ) ، کنار گذاشته شده و قابل استفاده نبود .
بیشتر سیستم های مفیدی که توسط تکنولوژی ساخته شده حداقل یک بار از تحقیقات AI استفاده کرده اند . برای مثال :
Chinook : اعلام شده است به عنوان ماشینی مرد قهرمان جهان در سال 1994
Deep Blue: بازی شطرنج کامپیوتر در یک بازی مشهور در سال 1997
InfoTame : موتور جستجو گری که میلونها صفحه را در یک زمان مرتب می کرد .
Fuzzy logic : تکنیکی برای پیدا کردن علت یک موضوع نامشخص که در سیستم کنترل صنعتی استفاده شده است
Expert systems : که در سطح وسیعی از صنعت استفاده شده است .
Machine translation به عنوان مثال SYSTRAN در سطح وسیعی استفاده شده است گرچه نتایج اش هنوز غیر قابل مقایسه با مترجم های بشر است .
Neural networks در سطح وسیعی از کارهای مختلف استفاده شده است. از جمله intrusion detection systems در بازیهای کامپیوتری
Optical character recognition ماشینی که می تواند دست خط اروپایی را ترجمه کند .
Handwriting recognition که برای میلیونها کاربر استفاده می شود .
Computer algebra systems از قبیل Mathematica و Macsyma که خیلی رایج هستند .
Machine vision که برای برنامه های کاربردی صنعتی استفاده، و مرتب شده است برای خست افزار های تحقیقاتی برای سیستم امنیت .
AI Planning که این روش طراحی و استفاده می شد به طور اتوماتیک برای گسترش امنیت نیروی امریکا . این عمل مستوجب صرف هزینه ماه ها و میلیون ها دلار بود . و به صورت دستی در ایالت DARPA و پولی که صرف این برنامه شده بود بیشتر از مخارج تحقیقات در 50 سال اخیر در مورد AI بوده است .
نسخه هوش مصنوعی طی چندین بار در طول تاریخ بشری جایگزین شده است . امروزه در بعضی جاهای بخصوص که سیستم های خبره تقویت شده و یا جایگزین داوری های حرفه ای بشر شده اتد در مهندسی وپزشکی کاربرد دارد .
پی آمد فرضی بر AI :
برخی مشاهدات ، پیشرفت سیستمهای پیچیده وبا هوش را نسبت به هر چیزی که امروزه شناخته شده است را پیش بینی کرده اند . که یکی از این سیستم های فرضی Artilecs نام دارد . همراه با مقدمه هوش مصنوعی ، سیستم های غیر قطعی زیادی از مقالات زیادی گرفته شد . که بسیاری از این مقالات با مردم و بشریت مواجه نشد .
در بیشتر مواقع ، بحث کمتر و کمتر به « امکانات » و بیشتر به « تمایلات » متمرکز شده که در بحث Cormist که توسط Hugo de Garis و Kevin warwick که نخستین قدم را برداشتند قوت گرفت . بر Degaris ، Cosmist یک جستجوی واقعی است برای ساخت یک جنشین با هوش یرای علم بشر . این بحث اشاره می کند به این که ممکن است سوالاتی تحت تاثیر اندشمندان مخالف به وجود آید .
تعدادی از این سوالات که از این بحث گرفته میشود عبارتند از :
– تصمیم درباره درک سیستمی که آن را درست کرده ایم .
– Turing Test
– Congnition چه چیزی برای دسته بندی کل سیستم ها نیاز داریم .
– آیا AI می تواند نمره ای برای حس تعریف کند .
– استقلال و اصلاحیات برای این سیستم ها
– آیا AI می تواند با هوش تر از بشر، در راه هایی که بشر با هوش تر از حیوان است ، باشد .
– طراحی سیستمی که خیلی باهوش تر از افراد بشر باشد
– تصمیم بر راه های محافظت از این سیستم .
– ظرفیت یاد گیری سیستم برای تکرار افکار بشر و انجام دادن آن به نحو احسن چقدر است ؟
– تاثیر آن در طول زندگی و شغل و مشکلی مشابه مکل تجارت آزاد .
زیر رشته هایی از تحقیق AI :
– جستجوی ترکیبی
– نسحه های کامپیوتری
– سیستم خبره
– پیدایش برنامه نویسی
– نمایش علم
– ماشین یادگیری
– شبکه عصبی
– پردازش زبان عصبی
– ترکیب برنامه ها
– روبات ها
– دوام هوش
– خلق هوش
– هوش مصنوعی توزیع شده
– گروه هوش
