تاریخچه آلن تورینگ (1950) یکی از بحث بر‌انگیزترین پرسش‌های فلسفی تاریخ را پرسید: آیا ماشین می‌تواند فکر کند؟ آیا یک کامپیوتر می‌تواند بازی تقلید را با موفقیت پشت سر بگذارد؟ آیا ماشین می‌تواند از انسان چنان تقلید کند که در یک آزمون محاوره‌ای نتوانیم تفاوت انسان و ماشین را تشخیص دهیم؟ تورینگ نتوانست پاسخ قطعی این پرسش ها را پیدا کند. اما برای یافتن پاسخ مناسب در آینده یک راهبرد خلاقانه پیشنهاد کرد: آزمون بازی تقلید در
سال ۱۹۵۶ جان مک کارتی، یکی از نظریه‌پردازان پیشگام این نظریه در آن
زمان، اصطلاح (هوشمند مصنوعی) را برای اولین‌بار در نخستین کنفرانسی که به
این موضوع اختصاص یافته بود، به کار برد. دانشمندان بعدا این تاریخ را به عنوان تاریخ تولد علم هوش مصنوعی انتخاب کردند. تقریبا
در همان زمان جان فون نیومان نظریه بازی‌ها را معرفی کرد. این نظریه نقش
موثری در پیشبرد جنبه‌های نظری و علمی هوش مصنوعی داشت. مك‌كارتي در آن
زمان معتقد بود كه مي‌توان كاري كرد كه ماشين نيز هوشي همانند هوش انساني
داشته باشد و LISP زباني است كه مي‌تواند اين هوش را توصيف كند.
آلن تورینگ (1950) یکی از بحث بر‌انگیزترین پرسش‌های فلسفی تاریخ را پرسید:
آیا ماشین می‌تواند فکر کند؟
آیا یک کامپیوتر می‌تواند بازی تقلید را با موفقیت پشت سر بگذارد؟
آیا ماشین می‌تواند از انسان چنان تقلید کند که در یک آزمون محاوره‌ای نتوانیم تفاوت انسان و ماشین را تشخیص دهیم؟
تورینگ نتوانست پاسخ قطعی این پرسش ها را پیدا کند. اما برای یافتن پاسخ مناسب در آینده یک راهبرد خلاقانه پیشنهاد کرد:
آزمون بازی تقلید
در سال ۱۹۵۶ جان مک کارتی، یکی از نظریه‌پردازان پیشگام این نظریه در آن زمان، اصطلاح (هوشمند مصنوعی) را برای اولین‌بار در نخستین کنفرانسی که به این موضوع اختصاص یافته بود، به کار برد.
دانشمندان بعدا این تاریخ را به عنوان تاریخ تولد علم هوش مصنوعی انتخاب کردند.
تقریبا در همان زمان جان فون نیومان نظریه بازی‌ها را معرفی کرد. این نظریه نقش موثری در پیشبرد جنبه‌های نظری و علمی هوش مصنوعی داشت.
مك‌كارتي در آن زمان معتقد بود كه مي‌توان كاري كرد كه ماشين نيز هوشي همانند هوش انساني داشته باشد و LISP زباني است كه مي‌تواند اين هوش را توصيف كند.
آلن تورینگ (1950) یکی از بحث بر‌انگیزترین پرسش‌های فلسفی تاریخ را پرسید:
آیا ماشین می‌تواند فکر کند؟
آیا یک کامپیوتر می‌تواند بازی تقلید را با موفقیت پشت سر بگذارد؟
آیا ماشین می‌تواند از انسان چنان تقلید کند که در یک آزمون محاوره‌ای نتوانیم تفاوت انسان و ماشین را تشخیص دهیم؟
تورینگ نتوانست پاسخ قطعی این پرسش ها را پیدا کند. اما برای یافتن پاسخ مناسب در آینده یک راهبرد خلاقانه پیشنهاد کرد:
آزمون بازی تقلید
در سال ۱۹۵۶ جان مک کارتی، یکی از نظریه‌پردازان پیشگام این نظریه در آن زمان، اصطلاح (هوشمند مصنوعی) را برای اولین‌بار در نخستین کنفرانسی که به این موضوع اختصاص یافته بود، به کار برد.
دانشمندان بعدا این تاریخ را به عنوان تاریخ تولد علم هوش مصنوعی انتخاب کردند.
تقریبا در همان زمان جان فون نیومان نظریه بازی‌ها را معرفی کرد. این نظریه نقش موثری در پیشبرد جنبه‌های نظری و علمی هوش مصنوعی داشت.
مك‌كارتي در آن زمان معتقد بود كه مي‌توان كاري كرد كه ماشين نيز هوشي همانند هوش انساني داشته باشد و LISP زباني است كه مي‌تواند اين هوش را توصيف كند.
آلن تورینگ (1950) یکی از بحث بر‌انگیزترین پرسش‌های فلسفی تاریخ را پرسید:
آیا ماشین می‌تواند فکر کند؟
آیا یک کامپیوتر می‌تواند بازی تقلید را با موفقیت پشت سر بگذارد؟
آیا ماشین می‌تواند از انسان چنان تقلید کند که در یک آزمون محاوره‌ای نتوانیم تفاوت انسان و ماشین را تشخیص دهیم؟
تورینگ نتوانست پاسخ قطعی این پرسش ها را پیدا کند. اما برای یافتن پاسخ مناسب در آینده یک راهبرد خلاقانه پیشنهاد کرد:
آزمون بازی تقلید
در سال ۱۹۵۶ جان مک کارتی، یکی از نظریه‌پردازان پیشگام این نظریه در آن زمان، اصطلاح (هوشمند مصنوعی) را برای اولین‌بار در نخستین کنفرانسی که به این موضوع اختصاص یافته بود، به کار برد.
دانشمندان بعدا این تاریخ را به عنوان تاریخ تولد علم هوش مصنوعی انتخاب کردند.
تقریبا در همان زمان جان فون نیومان نظریه بازی‌ها را معرفی کرد. این نظریه نقش موثری در پیشبرد جنبه‌های نظری و علمی هوش مصنوعی داشت.
مك‌كارتي در آن زمان معتقد بود كه مي‌توان كاري كرد كه ماشين نيز هوشي همانند هوش انساني داشته باشد و LISP زباني است كه مي‌تواند اين هوش را توصيف كند.
1943، مک کولوچ و والتر پيتز: ارايه مدل نرون مصنوعي بيتي( دو حالته) قابل يادگيري به منظور محاسبه هر تابع قابل محاسبه.
1950، آلن تورينگ اولين بار ديد کاملي از هوش مصنوعي را تحت عنوان “ محاسبات ماشيني و هوشمند” ارايه نمود.
1951، هينسکي و ادموندز اولين کامپيوتر شبکه عصبي را طراحی کردند.
1952، آرتور سامويل: برنامه اي ساخت که ياد ميگرفت بهتر از نويسنده اش بازي کند؛ در نتيجه اين تصور را که “کامپيوتر فقط کاري را انجام ميدهد که به آن گفته شود” نقض کرد.
1956،نشست کارگروهي دورتموند: انتخاب نام هوش مصنوعي
1959، هربرت جلونتر: برنامه(GTP) را ساخت که قضايا را با اصل موضوعات مشخص ثابت مي کرد.
1958، جان مک کارتي: تعريف زبان ليسپ که بهترين زبان هوش مصنوعي شد.
1958-1973، جيمز اسلاگل: برنامه حل مسايل انتگرالگيري فرم بسته
تام ايوانز: برنامه حل مشابهت هاي هندسي
دانيل بابروز: برنامه حل مسايل جبري
ديويد هافمن: پروژه محدوده بينايي روبات در جهان بلوکها
ديويد والتز: سيستم بينايي و انتشار محدود
پاتريک ونيستون: نظريه يادگيري
(1973-1966) کند شدن مسير تحقيقات هوش مصنوعی
پيچيده شدن الگوريتم برنامه های جديد
برنامه ترجمه متون
انجام ناپذيری بسياری از مسائلی که سعی در حل آنها بود
هوش مصنوعی (AI) چیست و چگونه کار می کند؟ + کاربردهای هوش مصنوعیبه زبان
ساده هوش مصنوعی چیست؟ آیا ربات‌ها همان هوش مصنوعی (AI) هستند که همه در
موردشان صحبت می‌کنند؟ هوش مصنوعی چه کارهایی را انجام می‌دهد؟ آیا آینده
نسل بشر در خطر است؟ هوش مصنوعی چگونه فکر میکند؟ اگر شما هم جزء کسانی
هستید که واژه هوش مصنوعی به گوشتان خورده اما نمی‌دانید که هوش مصنوعی
چیست یا آشنایی شما با هوش مصنوعی از طریق فیلم‌های تخیلی است که دیده‌اید و
درک درستی از هوش مصنوعی ندارید، ما در این مقاله قصد داریم تا مفهوم
واقعی هوش مصنوعی و هر آن چه که باید در موردش بدانید را به شما بگوییم. پس
در ادامه با ما همراه باشید.هوش مصنوعی چیست؟خیلی از افراد هنوز هم با
شنیدن واژه هوش مصنوعی به ربات ها فکر می کنند و تصور می کنند که منظور از
هوش مصنوعی همان ربات های بی احساسی هستند که برای انجام راحت تر کارها
طراحی شده‌اند و قرار است در آینده جای انسان ها را بگیرند. مسئول این نوع
تفکر به احتمال زیاد فیلم های علمی و تخیلی است اما واقعیت با آنچه که تصور
می شود تفاوت دارد.هوش مصنوعی به انگلیسی Artificial intelligence که به
طور مخفف آن را AI نیز می‌نامند، در واقع تکنولوژی است که به نحوی قابلیت
تفکر دارد. البته این قابلیت تفکر با چیزی که ما به عنوان تفکر انسانی
می‌شناسیم تا حد زیادی تفاوت دارد، اما در حقیقت سعی دارد تا از آن تقلید
کند.امروزه شاید هوش مصنوعی به آن شکلی که تصور می‌کنیم وجود نداشته باشد
اما باز هم بسیاری از کارهایی که روزانه انجام می‌دهیم، مانند جستجوی
اینترنت یا گشت و گذار در صفحات شبکه‌های اجتماعی و غیره، همه متاثر از هوش
مصنوعی است و در حقیقت در این مواقع داریم از آن استفاده می‌کنیم. انقدر
این استفاده نا ملموس است و به آن عادت کرده ایم که در آن لحظه حس نمی‌کنیم
که داریم از هوش مصنوعی استفاده می‌کنیم. دلیل اصلی آن این است که
نمی‌دانیم هوش مصنوعی واقعا چیست و چه کارهایی انجام می‌دهد. از آنجایی که
آینده ازآن هوش مصنوعی خواهد بود بهتر است به جای نگران بودن در مورد هوش
مصنوعی یاد بگیریم که چه کارهایی را می‌توانیم با آن انجام دهیم و
اطلاعاتمان را در این زمینه بیشتر کنیم. پس بیایید از ابتدا ببینیم هوش
مصنوعی چیست.تعریف هوش مصنوعیهنوز تعریف دقیقی که تمامی دانشمندادن بر
روی آن توافق داشته باشند از هوش مصنوعی ارائه نشده ولی اکثر تعریف‌ها را
می‌توان به شکل زیر دسته بندی کرد.مانند انسان فکر می‌کندمنطقی فکر
می‌کندمانند انسان عمل می‌کندمنطقی عمل می‌کنددو تعریف اول مربوط به
فرآیندهای تفکر و استدلال است، در حالی دو تعریف دیگر با رفتار سر و کار
دارند.تعریف ساده ای از هوش مصنوعیهوش مصنوعی یا artificial intelligence
شاخه ای از علوم رایانه است که هدف اصلی آن تولید ماشین‌های هوشمندی است
که توانایی انجام وظایفی که نیازمند به هوش انسانی است را داشته باشد. هوش
مصنوعی در حقیقت نوعی شبیه سازی هوش انسانی برای کامپیوتر است و منظور از
هوش مصنوعی در واقع ماشینی است که به گونه ای برنامه نویسی شده که همانند
انسان فکر کند و توانایی تقلید از رفتار انسان را داشته باشد. این تعریف می
تواند به تمامی ماشین هایی اطلاق شود که بگونه‌ای همانند ذهن انسان عمل
می‌کنند و می‌توانند کارهایی مانند حل مسئله و یادگیری داشته باشند.اهداف
هوش مصنوعیاساس هوش مصنوعی آن است که هوش انسان و طریق کار آن به‌گونه‌ای
تعریف شود که یک ماشین بتواند آن را به راحتی اجرا کند و وظایفی که بر آن
محول میشود را به درستی اجرا کند. هدف هوش مصنوعی در حقیقت بر سه پایه
استوار است: یادگیری استدلال درکهوش مصنوعی (AI) شاخه گسترده ای از
علوم رایانه است که مربوط به ساخت ماشین های هوشمند با توانایی انجام
وظایفی است که معمولاً به هوش انسان نیاز دارند. هوش مصنوعی یک علم میان
رشته ای با چندین رویکرد است ، اما پیشرفت در یادگیری ماشین و یادگیری عمیق
باعث ایجاد تغییر الگوی تقریباً در هر بخش از صنعت فناوری می شود.تاریخچه
هوش مصنوعیتاریخچه هوش مصنوعی به سال های جنگ جهانی دوم بر می‌گردد.
زمانی که نیروهای آلمانی برای رمز نگاری و ارسال ایمن پیام ها از ماشین
enigma استفاده می کردند و دانشمند انگلیسی، آلن تورینگ در تلاش برای شکست
این کدها برآمد. تورینگ به همراه تیمش ماشین bombe را ساختند که enigma را
رمز گشایی می کرد. هر دو ماشین enigma و bombe پایه های یادگیری ماشینی
(machine learning) هستند که یکی از شاخه های هوش مصنوعی یا همان
Artificial intelligence می‌باشد. تورینگ ماشینی را هوشمند می‌دانست که
بدون اینکه به انسان حس صحبت با ماشین را بدهد، با او ارتباط برقرار کند و
این مسئله پایه علم هوش مصنوعی است یعنی ساخت ماشینی که همانند انسان فکر،
تصمیم گیری و عمل کند.
تاریخچه آلن تورینگ (1950) یکی از بحث بر‌انگیزترین پرسش‌های فلسفی تاریخ را پرسید: آیا ماشین می‌تواند فکر کند؟ آیا یک کامپیوتر می‌تواند بازی تقلید را با موفقیت پشت سر بگذارد؟ آیا ماشین می‌تواند از انسان چنان تقلید کند که در یک آزمون محاوره‌ای نتوانیم تفاوت انسان و ماشین را تشخیص دهیم؟ تورینگ نتوانست پاسخ قطعی این پرسش ها را پیدا کند. اما برای یافتن پاسخ مناسب در آینده یک راهبرد خلاقانه پیشنهاد کرد: در سال ۱۹۵۶ جان مک کارتی، یکی از نظریه‌پردازان پیشگام این نظریه در آن زمان، اصطلاح (هوشمند مصنوعی) را برای اولین‌بار در نخستین کنفرانسی که به این موضوع اختصاص یافته بود، به کار برد. دانشمندان بعدا این تاریخ را به عنوان تاریخ تولد علم هوش مصنوعی انتخاب کردند. تقریبا در همان زمان جان فون نیومان نظریه بازی‌ها را معرفی کرد. این نظریه نقش موثری در پیشبرد جنبه‌های نظری و علمی هوش مصنوعی داشت. مك‌كارتي در آن زمان معتقد بود كه مي‌توان كاري كرد كه ماشين نيز هوشي همانند هوش انساني داشته باشد و LISP زباني است كه مي‌تواند اين هوش را توصيف كند. در سال ۱۹۶۸ آرتور سرکلارک، در رمان معروف خود، یعنی اودیسه فضایی ۲۰۰۱ اصطلاح (آزمون تورینگ) را به جای (بازی تقلید) سر زبان‌ها انداخت. همه كساني كه نخستين گام‌ها را در راه معرفي هوش مصنوعي برداشتند، يك هدف را در سرداشتند و آن رساندن سطح هوش ماشيني به سطح هوش انساني بود.
حالت شروع : که عامل از آنجا شروع میشود توصیفی از فعالیت های ممکن عامل مدل گذار یا مدل تغیر حالت آزمون هدف:تعین میکند آیا حالت خاصی حالت هدف است یا خیر هزینه ی مسیر: برای هر مسیر یک هزینه عددی در نظر می گیرد فضای حالت: مجموعه ای از حالت هاست که از حالت اولیه می توان به آنها رسید. به صورت گراف نمایش داده می شود حالتها: گره های گراف فعالیتها: یال هال گراف مسیر فضای حالت: دنباله ای از حالتها که توسط دنباله ای از فعالیتها به هم متصل می شوند. مساله های اسباب بازی حالتها 8 حالت عامل در یکی از دو مکان است که هرکدام ممکن است کثیف باشند یا نباشند. حالت شروع هر حالتی می تواند به عنوان حالت اولیه طراحی شود تابع مدل گذار یا تغیر حالت حالتهای معتبری را تولید می کند که از 3 عملیات (Left, Right, Suck) ناشی می شود. آزمون هدف تمیز بودن تمام مربع ها هزینه مسیر هزینه هر مرحله 1 است. هزینه مسیر برابر تعداد مراحل در مسیر است
تعریف شبکه عصبی مصنوعی روشی کامپیوتری برای محاسبه است که بر پایه اتصال به هم پیوسته چندین واحد پردازشی ساخته می شود. شبکه
از تعداد دلخواهی واحد پردازشی (یا نرون، سلول یا گره) که در لایه (ها)
قرار می گیرند تشکیل می شود که مجموعه ورودی را به مجموعه خروجی ربط می
دهند. ANNs کاربردهای عمومی تشخیص الگو (گروه‌بندي اشكالي كه مشابه هم هستند) ذخيره كردن و بازبيني داده‌ها تقریب تابع (رگرسیون غیر خطی، تخمین و پیشگویی) بهينه سازي و تعيین جواب با وجود قيود متعدد داده کاوی (استخراج دانش کلان ، قابل استناد و جديد از پايگاه داده ها ي بزرگ ) به طور کلی هر جا که سخن از تخمین، تشخیص الگو یا طبقه بندی باشد می توان از شبکه های عصبی مصنوعی استفاده کرد. فرایند داده کاوی تعريف مساله انبارش داده ها ساختن پايگاه داده مربوط به داده كاوي انتخاب داده ها جستجوي داده تبديل داده ها آماده ساختن داده براي مدل سازي کاوش در داده ها ساختن مدل ارزيابي مدل تفسير نتيجه ساخت مدل و ارائه نتايج ANNs کاربردهای مختلف شناسایی تصویر /سیگنال بینایی ماشین مدل کردن غیر خطی کنترل فرآیند ساخت ارزیابی بکارگیری یک سیاست بهینه سازی محصول تشخیص ماشین و فرآیند مدل کردن کنترل سیستمها مدل کردن ساختارهای شیمیایی مدل کردن سیستمهای دینامیکی تشخیص بیماری پردازش سیگنالهای تصویری زمانبندی وسیله نقلیه سیستمهای مسیریابی سیستمهای بازرسی کیفیت، پیش بینی کیفیت، کلاسه بندی انواع سلولها, میکروبها و نمونه ها، پیش بینی فروشهای آینده پیش بینی نیازهای محصول پیش بینی وضعیت بازار پیش بینی شاخصهای اقتصادی تعیین قیمت وضعیت فعلی پیش بینی ملزومات انرژی پیش بینی هوا پیش بینی محصول مدیریت و برنامه ریزی کنترل سیستم فرایند شیمیایی و دینامیکی کنترل مسیر در دستگاههای خودکار, ربات, جرثقیل مدل کردن کنترل فرآیند
