در قالب ppt و در 359 اسلاید، قابل ویرایش، شامل:
فصل اول: علل مطالعه Al
AI چيست؟
1. انسان گونه عمل کردن: رهيافت آزمون تورينگ
2. انساني فکر کردن: رهيافت مدل سازي شناختي
3. منطقي فکر کردن: قوانين رهيافت تفکر
4. منطقي عمل کردن: رهيافت عامل منطقي
مزاياي مطالعه AI به عنوان طراحي عامل منطقي
زيربناي هوش مصنوعي
فلسفه (428 قبل از ميلاد مسيح- تاکنون)
رياضيات (800. C- تاکنون)
محاسبات
منطق
احتمالات
تئوري پيچيدگي
روان شناسي (1879- تاکنون)
مهندسي کامپيوتر (1940- تاکنون)
زبان شناسي (1975- تاکنون)
تاريخچه هوش مصنوعي
پيدايش هوش مصنوعي
اشتياق زودهنگام، آرزوهاي بزرگ (1952-1969)
مقداري واقعيت (1966-1974)
سيستمهاي مبتني بر دانش: کليد قدرت؟ (1969-1979)
روشهاي ضعيف
MYCIN نسبت به DENDRAL دو تفاوت عمده دارد
AI به يک صنعت تبديل ميشود (1980-1988)
بازگشت شبکههاي عصبي
فصل دوم: عاملهاي هوشمند
عامل
عامل نرمافزاري
عوامل انساني
حس کردن: گوش، چشم، ديگر ارگانها
اثرگذاري: دست، پا، بيني، اندامهاي ديگر
عوامل روباتيک
حس کردن: دوربين، يابندههاي مادون قرمز
اثرگذاري: موتور
عاملها چگونه بايد عمل کنند؟
تفاوت ميان منطقي بودن و دانش کل (omniscience)
نگاشت ايدهآل از دنبالههاي ادراکي به عمليات
ساختار عاملهاي هوشمند
برنامههاي عامل
تشابهات عاملهاي هوشمند
چرا تنها به پاسخها نگاه نميکنيم
عاملهاي واکنشي ساده
عاملهايي که اثرات دنيا را حفظ ميکنند
عاملهاي هدف گرا
تفاوت عاملهاي واکنشي و هدفگرا
عاملهاي سودمند
ارتباط بين عامل و محيط
خواص محيط
قابل دسترسي در مقابل غير دسترسي
قطعي در برابر غير قطعي
پپيزوديک در مقابل غيراپيزوديک
ايستا در مقابل پويا
گسسته در مقابل پيوسته
سختترين حالت در بين حالات موجود براي محيط
برنامههاي محيط
فصل سوم: حل مسائل توسط جستجو
عاملهاي حل مسئله
مسائل تک حالته (Single-state)
مسائل چند حالته (Multiple-state)
مسائل احتمالي (Contingency)
مسائل اکتشافي (Exploration)
دانش و انواع مسئله
دنياي مکش (جاروبرقي)
مدلهاي مختلف براي مسئله جاروبرقي
مسائل و راهحلهاي خوب تعريف شده
اندازهگيري کارايي حل مسئله
انتخاب حالات و عمليات
انتزاع
مسائل نمونه
مسائل اسباب بازي
Cryptarithmetic
دنياي مکش
مسئله کشيشها و آدمخوارها
مسائل دنياي واقعي
مسيريابي
مسائل فروشنده دوره گرد و تور
طرح VISI
هدايت ربات
خط توليد خودکار
جستجو براي راهحل
توليد دنبالههاي عمل
فرآيند گسترش حالت
اصل جستجو
ريشه درخت جستجو
گرههاي برگي درخت
ساختارهاي داده براي درختهاي جستجو
تفاوت بين گرهها و حالتها
استراتژي جستجو
جستجوي سطحي
جستجوي با هزينه يکسان
جستجوي عمقي
جستجوي عمقي محدود شده
جستجوي عميقکننده تکراري
جستجوي دوطرفه
مقايسه استراتژيهاي جستجو
اجتناب از حالات تکراري
سه راه براي حل مشکل حالات تکراري براي مقابله با افزايش مرتبه و سرريزي فشار کار کامپيوتر وجود دارد
جستجوي ارضاء محدوديت (Constraint Satisfaction Problem)
محدوديتها به گونههاي مختلفي ظاهر ميشوند
محدوديتهاي يکتا
محدوديتهاي دودويي
محدوديتهاي مطلق
محدوديتهاي اولويتدار
فصل چهارم: روش هاي جستجو آگاهانه
جستجوي بهترين
حداقل هزينه تخمين زده شده براي رسيدن به هدف: جستجوي حريصانه
ويژگيهاي جستجوي حريصانه
حداقلسازي مجموع هزينه مسير: جستجوي
کشفکنندگي قابل قبول
جستجوي A*
رفتار جستجوي A*
نگاهي گذرا به اثبات کامل و بهينه بودن A*
توابع کشفکننده
اثر صحت کشفکنندگي بر کارايي
کشفکنندهها براي مسائل ارضا محدوديت
ما حداکثر از سه رنگ (قرمز، آبي، سبز) ميتوانيم استفاده کنيم
جستجوي SMA*
SMA* داراي خواص زير است
الگوريتمهاي اصلاح تکراري
اين الگوريتمها به دو گره اصلي تقسيم ميشوند:
الگوريتمهاي تپهنوردي (Hill-climbing)
Simulated annealing
کاربردها در مسائل ارضا محدوديت
فصل پنجم: تئوري بازي
بازيها در نقش مسائل جستجو
دلايلي که محققين قديم، شطرنج را بهعنوان موضوعي در AI برگزيدند
پيچيدگي بازيها
عدم قطعيت
تصميمات کامل در بازيهاي دونفره
يک بازي به طور رسمي ميتواند به عنوان نوعي از مسئله جستجو به همراه قسمتهاي زير تعريف شود
الگوريتم
MINMAX به منظور تعيين استراتژي بهينه براي MAX طراحي شده است و از اين رو
ميتوان بهترين حرکت را تصميمگيري کرد. الگوريتم شامل 5 مرحله است:
توليد درخت کامل بازي، تمام راه تا مراحل پاياني
درخواست تابع سودمندي براي هر حالت پاياني به منظور بدست آوردن مقدارش
از سودمندي حالات پاياني به منظور تعيين سودمندي گرهها يک مرحله بالاتر دردرخت جستجو استفاده کنيد.
بررسي مقادير را از گرههاي برگي تا ريشه، يک لايه در هر لحظه، ادامه دهيد.
احتمالاً مقادير به بالاي درخت ميرسند، MAX حرکتي را انتخاب ميکند که به بالاترين مقدار منتهي ميشود.
تصميمات ناقص
الگوريتم مينيماکس، به دو راه تغيير يابد
تابع ارزيابي
چگونه به طور دقيق کيفيت را ميتوان اندازه گرفت؟
قطع جستجو
هرس آلفا- بتا
هرس درخت جستجو
درخت جستجوي آلفا- بتا
مزاياي هرس آلفا- بتا
بازيهايي که شامل عنصر شانس هستند
ارزيابي موقعيت در بازيها با گرههاي شانس
پيچيدگي
فصل ششم: عاملهايي که به طور منطقي استدلال ميکنند
معرفي طراحي پايهاي براي يک عامل مبتني بر دانش
عامل مبتني بر دانش به موارد زير نياز دارد:
چه چيزهايي را بداند؟
وضعيت جاري دنيا؟
چطور توسط ادراک به خواص ناديده دنيا رجوع کند؟
چطور دنيا زمان را ميگشايد؟
عامل به چيزي ميخواهد برسد؟
فعاليتهايي که در شرايط مختلف انجام ميدهد چيست؟
پايگاه دانش
هر زمان که برنامه دانش صدا زده ميشود، دو عمل انجام ميشود
به پايگاه دانش گفته ميشود (TELL) که چه دريافت کرده است.
از پايگاه دانش سؤال ميشود (ASK) که چه عملي بايد انجام شود
ميتوانيم يک عامل مبتني بر دانش را در سه سطح تعريف کنيم
سطح
دانش knowledge level يا سطح epistemological که خلاصهترين سطح است؛
ميتوانيم عامل را توسط گفتن اين که عامل چه ميداند، تعريف نماييم
سطح منطقي logical level سطحي است که دانش به صورت جملات رمزگذاري ميشود.
سطح
پياده سازي Implementation Level سطحي است که در معماري عامل اجرا ميشود و
بازنماييهاي فيزيکي از جملات سطح منطقي، در اين سطح وجود دارد
دنياي WUMPUS
بازنمايي، استدلال و منطق
زبان بازنمايي دانش متوسط دو خاصيت تعريف ميشود
تفاوت بين حقايق و بازنماييهاي آن ها
استلزام
رويه استنتاج ميتواند يکي از دو عامل ذيل را انجام دهد
با داشتن پايگاه دانش KB ميتواند جملات تازهاي از a توليد کند که مفهوم آن استلزام توسط KB باشد.
يا با داشتن يک پايگاه دانش KB و جمله a ديگري، اين رويه ميتواند گزارش دهد که a توسط KB مستلزم شده است يا خير
کليد استنتاج صحيح
بازنمايي
مزايا و معايب زبان طبيعي
صدقپذيري
استنتاج در کامپيوترها
منطق گزارهاي: يک منطق بسيار ساده
علائم منطق گزارهاي:
ثابت هاي منطقي (true, False)
علائم گزارهاي: Q, P
رابطهاي
پرانتز ()
تمام جملات توسط قرار دادن اين علائم با هم و با استفاده از قوانين زير، ساخته ميشوند:
ثابت هاي منطقي (true, False) خودشان جمله محسوب ميشوند.
علامات گزارهاي نظير Q, P هر کدام به تنهايي يک جمله هستند.
پرانتزهاي اطراف يک عبارت، آن عبارت را تبديل به يک جمله واحد ميسازند مثل (P ^ Q)
يک جمله ميتواند توسط ترکيب جملات سادهتر با يکي از پنج رابط منطقي ايجاد ميشود.
مدلها Models
قوانين استنتاج براي منطق گزارهاي
يکنوايي
مشکل کند شدن رويه استنتاج
فصل هفتم: منطق مرتبه اول
منطق گزارهاي
منطق مرتبه اول First-Order_logic)
اجزايي که در اين منطق وجود دارند:
تعريف دقيق هر عنصر به صورت زير است
سيمبول هاي ثابت (Constant Symbols)
سيمبول هاي گزاره (Predicate Symbols)
سيمبول هاي تابع (Function Symbols)
ترمها (Terms)
جملات اتمي (Atomic sentences)
جملات پيچيده
سورها (Quantifires)
منطق مرتبه اول دو سور استاندارد دارد
سور عمومي (Universal Quantification)
سور وجودي (Existential)
سورهاي لانهاي (Nested Quantifiers)
تساوي (Equality)
سيمبول تساوي
توسعهها و تمايزات نگارشي
1- منطق مرتبه بالاتر
2-1 عبارات تابعي و گزارهاي با استفاده از عملگر λ
2-2 سور يکتايي
2-3 عملگر يکتايي
3- انواع علائم
استفاده از منطق مرتبه اول
دامنه Kinship
اصل موضوعات، تعاريف و قضايا
دامنه مجموعهها
علائم خاص براي مجموعهها، ليستها و محاسبات
طرح پرسش و گرفتن پاسخ
عاملهاي منطق براي دنياي Wumpus
عامل واکنشي ساده
محدوديتهاي عاملهاي واکنشي ساده:
وجود مسائلي که بايد به عامل از طريق بازنمايي دنيا فهمانده شود.
عاملهاي واکنشي نميتوانند از حلقههاي نامحدود اجتناب ورزند.
بازنمايي تغيير در دنيا
محاسبه موقعيت
استنتاج خواص پنهاني دنيا
دو نوع اصلي از قوانين همزمان وجود دارند
قوانين Causal
قوانين تشخيصي (Diagnostic rules)
اولويت بين عمليات
سيستم مقدار عملياتي
به سوي يک عامل هدف دار
استنتاج
جستجو
برنامهريزي
فصل هشتم: استنتاج در منطق مرتبه اول
قوانين استنتاج مربوط به سورها
قوانين استنتاج براي منطق گزارهاي
Modus Ponens
And – Elimination
And – Introduction
Or – Introduction
Resolution
سه قانون استنتاجي جديد
1- حذف سور عمومي (Universal Elimination)
2- حذف سور وجودي
3- (Existential Introduction)
Modus Ponens تعميم يافته
فرم Canonical
يکسانسازي (Unificaiton)
زنجيرهسازي به جلو و عقب (Forward AND Backward Chaining):
زنجيرهسازي به جلو (forward chaining)
زنجيرهسازي به عقب (Backward Chaining)
الگوريتم زنجيرهسازي به جلو
الگوريتم زنجيرهسازي به عقب
کامل بودن Completeness
Resolution: يک رويه استنتاج کامل
قانون استنتاج resolution
Resolutionتعميم يافته (ترکيبات فصلي)
Resolution تعميم يافته (ترکيبات شرطي)
فرمهاي Canonical براي resolution
تبديل به فرم نرمال
رويهاي براي تبديل به فرم نرمال
1) حذف ترکيب شرطي
2) حذف
3) استاندارد کردن متغيرها
4) انتقال سورها به سمت چپ
5) Skolemize
6) توزيع Λ بر ν
7) ترکيبات فصلي و عطفي لانهاي مسطح شده
8) تبديل ترکيبات فصلي به ترکيب شرطي
برخورد با مسئله تساوي
دو روش براي انجام اين امر:
1) بديهي نمودن تساوي به وسيله ذکر خواص آن
2) استفاده از يک قانون استنتاج از يک قانون استنتاج
استراتژيهاي Resolution:
Unit preference
2) مجموعه Support
3) Resolution ورودي
4) Subsumption
فصل نهم: برنامهريزي
تفاوت عامل برنامهريزي با عامل حل مسئله در سه چيز است
بازنمايي اهداف، حالات و عمليات
يک عامل ساده برنامهريزي
از حل مسئله به برنامهريزي
عناصر اوليه يک حل مسئله مبتني بر جستجو
بازنمايي عمليات
بازنمايي حالات
بازنمايي اهداف
بازنمايي برنامهها
اولين ايده کليدي در وراي برنامهريزي
دومين ايده کليدي در وراي برنامهريزي
سومين ايده کليدي در وراي برنامهريزي
فصل دهم: عدم قطعيت
مسئله کيفيت
برخورد با دانش غيرقطعي
عدم قطعيت و تصميمات عقلاني
تئوري سودمندي
طراحي براي يک عامل تصميمگيري نظري
دانلود فایل”پاورپوینت خلاصه کتاب هوش مصنوعي رهيافتي نوين تالیف راسل و نورويگ ترجمه رهنمون و هماوندی”