� ا��������� � ا�������دا��� � ا�������دا��� � ا�������دا��� دا����� ������ دا� ������ ����دا�

�ور� و ارا� �� محمد فرنو- رضا هاشمي87233514- 87233508

*#ر(د )' �ور� ا&%$#ت ! ����

دیباچه در دانشي به يا و ميدهد نشان خود از ماشين يك كه هوشي به مصنوعي هوش�

.شود مي گفته دارد آن ايجاد در سعي كامپيوتركه شده دريافت مسائل حل منظور به تجربه كارگيري به مفهوم به هوش واقع در�

.مي شود تلقي .مي شود تلقي تصميم اخذ و قضاوت جهت در مسايل تحليل و تجزيه و مشاهده به قادر انسان�

مي باشد كامپيوتر روي بر شده تعبيه قبل از رويه هايي و قوانين بر مبتني مصنوعي هوش�

.مي باشد اغلب و مي كند پيروي آماري محاسبات بر مبتني رهيافتي از مصنوعي هوش�

Machine يا »ماشين يادگيري« عنوان تحت Learningمي شود طبقه بندي.

پیشینه را تاريخ فلسفي پرسش هاي بر انگيزترين بحث از يكي )1950( تورينگ آلن�

:پرسيد؟كند فكر مي تواند ماشين آيا�؟بگذارد سر پشت موفقيت با را تقليد بازي مي تواند كامپيوتر يك آيا� ؟بگذارد سر پشت موفقيت با را تقليد بازي مي تواند كامپيوتر يك آيا� نتوانيم محاوره اي آزمون يك در كه كند تقليد چنان انسان از مي تواند ماشين آيا �

؟دهيم تشخيص را ماشين و انسان تفاوت

پاسخ يافتن براي اما .كند پيدا را ها پرسش اين قطعي پاسخ نتوانست تورينگ�:كرد پيشنهاد خالقانه راهبرد يك آينده در مناسب

آزمون بازي تقليد

پیشینه آن در نظريه اين پيشگام نظريه پردازان از يكي كارتي، مك جان 1956 سال در�

به كه كنفرانسي نخستين در اولين بار براي را )مصنوعي هوشمند( اصطالح زمان، .برد كار به بود، يافته اختصاص موضوع اين

انتخاب مصنوعي هوش علم تولد تاريخ عنوان به را تاريخ اين بعدا دانشمندان� .كردند

انتخاب مصنوعي هوش علم تولد تاريخ عنوان به را تاريخ اين بعدا دانشمندان .كردند

نظريه اين .كرد معرفي را بازي ها نظريه نيومان فون جان زمان همان در تقريبا�.داشت مصنوعي هوش علمي و نظري جنبه هاي پيشبرد در موثري نقش

هوشي نيز ماشين كه كرد كاري مي توان كه بود معتقد زمان آن در مك كارتي� را هوش اين مي تواند كه است زباني LISP و باشد داشته انساني هوش همانند .كند توصيف

پیشینه

فضايي اوديسه يعني خود، معروف رمان در سركالرك، آرتور 1968 سال در�.انداخت زبان ها سر ) تقليد بازي ( جاي به را )تورينگ آزمون( اصطالح 2001

يك برداشتند، مصنوعي هوش معرفي راه در را گام ها نخستين كه كساني همه� انساني هوش سطح به ماشيني هوش سطح رساندن آن و سرداشتند در را هدف.بود

چیست؟ مصنوعی هوش براي باشد علم اين دانشمندان همه قبول مورد كه دقيقي تعريف هنوز�

.نشده است ارائه مصنوعي هوش مي توان را كامپيوترها چگونه كه اين مطالعه از است عبارت مصنوعي هوش�

.مي دهند انجام رابهتر آنها انسان ها حاضر حال در كه كرد كارهايي به وادار .مي دهند انجام رابهتر آنها انسان ها حاضر حال در كه كرد كارهايي به وادار اعمالي محاسباتي ملزومات كه كامپيوتر علم از شاخه ايست مصنوعي، هوش�

يادگيري و )Reasoning( استدالل ،)Perception( ادراك همچون)Learning( ارائه اعمالي چنين انجام جهت سيستمي و كرده بررسي را

.مي دهد ماشيني به كامپيوتر تبديل براي است روش هايي مطالعه مصنوعي، هوش�

.دهد انجام را انسان توسط شده انجام اعمال بتواند كه

چیست؟ مصنوعی هوش

و كامپيوتر از كارگيري به با هوش با ماشينهايي ايجاد مهندسي و علم مصنويي هوش�

سطح در مصنوعي هوش مكانيزم به دستيابي نهايتا و انساني هوش درك از الگوگيري.ميباشد انساني هوش

وجود به مسائل از دسته آن حل براي واقع، در مصنوعي، هوش تكنيك هاي و شيوه ها� وجود به مسائل از دسته آن حل براي واقع، در مصنوعي، هوش تكنيك هاي و شيوه ها�Functional( تابعي برنامه نويسي توسط آسان و سهل طور به كه است آمده

programming(، نبوده اند حل قابل رياضي شيوه هاي يا. مسائل كه خورند مي حوزه هايي درد به كه هستند روش هايي مصنوعي هوش روش هاي�

.نمي شوند تعريف به خوبي آن ها توسعه خدمت در اكنون بوده است، رايانه دانش نهايي هدف همواره كه مصنوعي هوش�

.است نيز رايانه علوم

هوش مصنوعي بنيادين چالش هاي

به كند، شبيه سازي را انسان كردن صحبت نحوه بتواند ماشيني اين كه صرف آيا�

است؟ هوشمند كه است آن معني

� Chatter Bots : ELIZA

اختراع حوزه اين نامدار پژوهشگران از ديگر يكي بام، وايزن ژوزف را روبات اين� .بيندازد اشتباه به را خود مقابل طرف مي تواند ساده مكالمات برخي در اليزا .كرد .است انسان يك با زدن گپ حال در كند فكر است ممكن مخاطب كه طوري.بگذارد سر پشت موفقيت با را تورينگ آزمون است نتوانسته هنوز اليزا البته

هوش مصنوعي بنيادين چالش هاي

John)سيرل جان نام به فيلسوفي را زمينه اين در انتقادات مشهورترين از يكي�Searle)است كرده مطرح.

در آن سپس و كرد مطرح 1980 در را ماشيني هوش درباره خود نقد ابتدا سيرل�.داد بسط كرد، منتشر 1990 در كه كامل تري مقاله

.است بي ربط اساساً غيربيولوژيك ماشين هاي هوشمندي بحث است معتقد او� .است بي ربط اساساً غيربيولوژيك ماشين هاي هوشمندي بحث است معتقد او�.كند مي بيان خود ادعاي اثبات براي را »چيني اتاق بحث« سيرل جان�:اين كه ازجمله .مي شود وارد تورينگ آزمون به نيز ديگري انتقادات� ارتباط انسان همچون نتواند ولي باشد، هوشمند ماشين يك است ممكن ◦

.كند برقرار در مؤثري نقش هوشمند موجود يك ذهني آرشيو يا پيش زمينه دانش◦

.مي كند بازي او هوشمندي

مصنوعي هوش علم شاخه هاي� :مي شود تقسيم اصلي دسته دو به مصنوعي هوش مدرن دانش امروزه�

Symbolic)»نمادين يا سمبوليك مصنوعي هوش«� AI)Connection)»پيوندگرا« يا »غيرسمبوليك« هوش� AI)

نگاشت با و كند بيان سمبول ها قالب در را آن قواعد و سيستم مي كوشد سمبوليك هوش� هوش شاخه هاي معروف ترين ميان در .بپردازد مسئله حل به قوانين و سمبول ها به اطال عات هوش شاخه هاي معروف ترين ميان در .بپردازد مسئله حل به قوانين و سمبول ها به اطال عاتExpert)خبره سيستم هاي به مي توان سمبوليك مصنوعي Systems)شبكه هاي وBayesian.كرد اشاره

از سيستم بلكه نمي گيرد، قرار سيستم اختيار در ابتدا از قواعد پيوندگرا، مصنوعي هوش در�Neural)عصبي شبكه هاي ايجاد متدهاي .مي كند استخراج را قوانين خودش تجربه، طريق

Networks)فازي منطق به كارگيري نيز و(Fuzzy Logic)ايده از استفاده با كه ژنيتك الگوريتم و .مي گيرند قرار دسته اين در ،شده پيشنهاد طبيعي انتخاب و دارويني تكامل

مصنوعي هوش علم شاخه هاي

از نبايد هرگز مي گوييم، سخن علم اين گرايش هاي از كه هنگامي بتهال� چارچوب در حركت به را خود كه گرايش هايي .كنيم غفلت تركيبي گرايش هاي .مي انديشند آنها از تركيبي به و نكرده محدود منطقي يا بيولوژيك يا شناختي .مي انديشند آنها از تركيبي به و نكرده محدود منطقي يا بيولوژيك يا شناختيMeta( ساختارهاي فرا گرايش هايي چنين كه كرد پيش بيني بتوان شايد

Structure( كرد خواهند بنا بيولوژيك ساده عناصر براساس را رواني.

�+,-. �+,-. �(�1 از *#ر(د/� (�1 از *#ر(د/

49ش �34567 و *#ر(د �ن ! ���� 49ش �34567 و *#ر(د �ن ! ���� *#ر(د )' �ور� ا&%$#ت ! ���� *#ر(د )' �ور� ا&%$#ت ! ����

�(�1 از *#ر(د/� (�1 از *#ر(د/49ش 49�34567ش �34567

Expert) خبره های سيستم Systems) متخصص يك تفكر نحوه كه هستند كامپيوتري اي برنامه هاي خبره، سيستم هاي�

.مي كنند شبيه سازي را خاص زمينه يك در آن ها اساس بر متخصص يك كه را منطقي اي الگوهاي نرم افزارها، اين�

مانند الگوها، آن اساس بر سپس و مي نمايند شناسايي مي كند، تصميم گيري.مي كنند تصميم گيري انسان ها .مي كنند تصميم گيري انسان ها

منتقل خبره سيستم يك به كه انسان خبرگي الگوهاي از اطالعاتي محدوده به�task مي شود، domain مي شود گفته.

نشان و مي كند مشخص را خبره سيستم يك خبرگي سطح محدوده، اين� .است شده طراحي كارهايي چه براي خبره سيستم آن كه مي دهد

برنامه ريزي، چون كارهايي مي تواند وظايف يا ها task اين با خبره سيستم� .دهد انجام شده تعريف حيطه يك در را طراحي و زمانبندي،

Expert) خبره های سيستم Systems)knowledge خبره، سيستم يك ساخت روند به� engineering دانش مهندسي يا

.مي شود گفته تمام شده، طراحي خبره سيستم كه كند حاصل اطمينان بايد دانش مهندس يك�

.دارد را مسئله يك حل براي نياز مورد دانش موتور و دانش پايگاه :است شده ساخته مجزا بخش دو از خبره سيستم هر� موتور و دانش پايگاه :است شده ساخته مجزا بخش دو از خبره سيستم هر�

.تصميم گيري و )factual( حقايق بر مبتني دانش نوع دو هر از خبره سيستم يك دانش پايگاه�

.مي كند استفاده )heuristic( غيرقطعي دانش نيز پايگاه قوانين از استفاده با مي كند قادر را خبره سيستم تصميم گيري موتور�

.دهد انجام را تصميم گيري پروسه دانش،

مزایای سیستم های خبره

افزايش قابليت دسترس�كاهش هزينه�كاهش خطر�دائمي بودن�تجربيات چندگانه� تجربيات چندگانه�افزايش قابليت اطمينان�)Explanation(قدرت تبيين �پاسخ دهي سريع �پاسخ دهي در همه حاالت�پايگاه تجربه�سهولت انتقال دانش�

مشهور خبره سیستم چند

�Dendarl: را آن مولكولي ساختار ماده، يك به مربوط اطالعات و آرايش بررسي با .كند مي شبيه سازي

�MYCIN : جسمي شرايط از آمده دست به اطالعات بررسي با خوني عفونت هاي تشخيص .او آزمايش هاي نتيجه نيز و بيمار

�Centaur :ريوي بيماري هاي تشخيص و تنفسي آزمايش هاي بررسي.

Fuzzy)فازي منطق� Logic) سال در لطفي زاده پرفسور بار اولين را فازي منطق و فازي مجموعه هاي تئوري�

.نمود معرفي 1965

“نادرست” و “درست” مقادير جاي به كه دارد اشاره سيستم هايي به فازي منطق� كار قطعيت متغير سطوح با مي توانند طبيعي ترند، ديجيتال محيط هاي در كه كار قطعيت متغير سطوح با مي توانند طبيعي ترند، ديجيتال محيط هاي در كه.كنند

و مي دهد بسط را عناصر باينري عضويت مفهوم فازي مجموعه هاي تئوري�.مي كند مطرح را شده درجه بندي عضويت

Fuzzy)فازي منطق Logic)

ساختار از علم اين كه است تفسيري فازي، منطق كاربرد جالب ترين� به انساني، هوش آن ها، راس در و هوشمند، موجودات تصميم گيري هاي

.مي دهد دست .مي دهد دست در مصنوعي هوش فازي منطق كاربردهاي جالب ترين از يكي شايد�

.باشد سينمايي ويژه جلوه هاي و رايانه اي بازي هاي نيز سخت افزاري روبات هاي ساختن هوشمند در فازي منطق�

.دارد زيادي كاربردهاي

Neural( عصبي شبكه هاي Networks(

عصبي ساختار از الكترونيكي مدل هاي زياد، اغماض با مي توان را عصبي شبكه هاي� .ناميد انسان مغز

.است استوار تجربه بر اساساً مغز آموزش و فراگيري مكانيسم� شده اند بنا الگو همين اساس بر نيز طبيعي عصبي شبكه هاي الكترونيكي مدل هاي� به طور كه محاسباتي روش هاي با مسائل، با مدل هايي چنين برخورد روش و شده اند بنا الگو همين اساس بر نيز طبيعي عصبي شبكه هاي الكترونيكي مدل هاي� به طور كه محاسباتي روش هاي با مسائل، با مدل هايي چنين برخورد روش و

.دارد تفاوت شده اند، گرفته پيش در كامپيوتري سيستم هاي توسط معمول از كوچكي بخش تا قادرند فقط كامپيوتري، يا شده شبيه سازي عصبي شبكه هاي�

.كنند شبيه سازي را بيولوژيك عصبي شبكه هاي ويژگي هاي و خصوصيات شبيه سازي آنكه از بيش نرم افزاري، عصبي شبكه يك ايجاد از هدف حقيقت، در�

از الهام با مهندسي مسائل حل براي ديگري مكانيسم ايجاد باشد، انسان مغز.است بيولوژيك شبكه هاي رفتاري الگوي

Neural( عصبي شبكه هاي Networks(

رياضي مدل�

Neural( عصبي شبكه هاي Networks(

در مي تواند عصبي شبكه هاي طراح يك هنر واقع�neuran( شبكه يك در نرون ها تركيب چگونگي

Clustering(، شود متجلي. ساختار ي در نرون ها بيولوژيك، عصبي شبكه هاي در� ساختار ي در نرون ها بيولوژيك، عصبي شبكه هاي در�

.يافته اند اتصال يكديگر به بعدي سه بيولوژيك عصبي شبكه هاي در نرون ها بين اتصاالت �

نمي توان وجه هيچ به كه پيچيده است و زياد آنقدر.كرد طراحي مشابهي مصنوعي شبكه

امكان ما به امروزي مجتمع مدارات تكنولوژي � دو ساختار هاي در را عصبي شبكه هاي كه مي دهد.كنيم طراحي بعدي

ژنتیک الگوریتم

بهينه فرمول يافتن براي داروين طبيعي انتخاب اصول از ژنتيك الگوريتم هاي�.مي كنند استفاده الگو تطبيق يا يپيش بين جهت

براي سريع تر حركتي مسئله حالت فضاي در توانيم مي روش بدين حقيقت در� كليه دادن بسط عدم با توانيم مي يعني باشيم؛ داشته احتمالي جواب هاي يافتن.برسيم نظر مورد جواب هاي به حاالت، كليه دادن بسط عدم با توانيم مي يعني باشيم؛ داشته احتمالي جواب هاي يافتن.برسيم نظر مورد جواب هاي به حاالت،

يافتن در زيادي بسيار قدرت داراي كه هستند الگوريتم هايي ژنتيك الگوريتم هاي� اين اصلي كاربرد بتوان شايد كه داشت توجه بايد اما هستند، مسئله جواب هستند بزرگ بسيار حالت فضاي داراي كه گرفت نظر در مسائلي در را ها الگوريتم

)بشر عمر حد در( نرمال زمان هاي در انسان براي حالت ها همه بررسي عمالً و .نيست ممكن

داراي بايد مسئله مختلف حاالت بين حتماً كه داشت توجه بايد طرفي از�.باشيم منطقي و مناسب پيوستگي

Machine( ماشين بينايــي Vision(

و كامپيوتري آن ها كاربردي ترين شايد مصنوعي، هوش شاخه هاي همه ميان از�.باشد بينايي سيستم هاي كردن مكانيزه .باشد بينايي سيستم هاي كردن مكانيزه

كاربردهاي از و است وسيع بسيار رشد، حال در فناوري از شاخه اين كاربرد دامنه� تا گرفته ويدئويي نظارت و توليد خط كيفيت كنترل مثل معمولي و عادي

.است دربرگرفته را راننده بدون اتومبيل هاي مثل جديد تكنولوژي هاي

تغيير آن ها در استفاده مورد تكنيك هاي براساس تكنولوژي اين كاربردهاي دامنه�.مي كند

بينايــي ماشين کاربردهای

كنترل كيفيت خط توليد�سيستم هاي تشخيص ايراد�

تشخيص الگو تشخيص الگو�

ربات ها�سه بعدي سازي�

تشخيص متن نوشته شده�

(NLP)طبیعی زبان های پردازش

زبان پردازش براي رايانه از استفاده از است عبارت طبيعي زبان هاي پردازش �.نوشتاري و گفتاري

مي تواند ، مصنوعي هوش از زيرمجموعه اي بعنوان طبيعي زبان هاي پردازش � مكالمات در طبيعي طور به شما كه زباني از استفاده با را بيانات و توصيه ها مكالمات در طبيعي طور به شما كه زباني از استفاده با را بيانات و توصيه ها .دهد قرار پردازش مورد و بفهمد مي بريد، بكار روزمره

زبانهاي كه است اين مصنوعي هوش از شاخه اين كار نحوه طوركلي به �.مي كند تقليد را طبيعي انسان

يكديگر با نزديك كامال ارتباطي كامپيوتر و انسان ، طبيعي زبانهاي پردازش در�.دارند

بيان مفاهيم برداشت و درك فرايند كردن ماشيني زمينه اين در عمده تالش �.انساني ست طبيعي زبان يك با گرديده

(NLP)پردازش زبان های طبیعی

�� و��د ��� � ��ر���� ��ا� ��دازش ز��ن ه�� ��ه �ز ��.ن����" ا�!.ن����" ا�!

:��ان) ا��� در ای& ز�� � %��رت � از�ن��ز �� در( ��ن◦د+�* ن��دن د���ر ز��ن ه�◦

(NLP)پردازش زبان های طبیعی

:در اين زمينه عبارتند از كاركردهاي مهم�خالصه سازي خودكار◦ خالصه سازي خودكار◦استخراج اطالعات◦بازيابي اطالعات◦ترجمه ماشيني◦تشخيص نوري نويسه ها◦تشخيص گفتار◦ويرايش◦

تكنيك ها و زبان هايتكنيك ها و زبان هايبرنامه نويسي برنامه نويسي

هوش مصنوعيهوش مصنوعي

49ش �34567 و *#ر(د �ن ! ���� 49ش �34567 و *#ر(د �ن ! ���� *#ر(د )' �ور� ا&%$#ت ! ���� *#ر(د )' �ور� ا&%$#ت ! ����

مصنوعی هوش نویسی برنامه زبان های و تکنیک ها

هوش در استفاده مورد زبانهاي مهمترين از LISP,PROLOG نويسي برنامه زبانهاي�. هستند مصنوعي

قوي حل هاي راه و شيوه ها كه شده باعث ها زبان اين معنايي و نحوي خصوصيات� .كنند ارايه مسئله حل براي

قوي حل هاي راه و شيوه ها كه شده باعث ها زبان اين معنايي و نحوي خصوصيات .كنند ارايه مسئله حل براي

�PROLOGبر را برنامه مفسر يك زبان اين در .است منطقي نويسي برنامه زبان يك بيان براي اوليه محاسبه توصيفي استفاده ايده .مي نويسد منطق يك اساس

.باشد ميPROLOG مشاركت محوريتهاي از يكي مسئله حل خصوصيات�LISP ًبراي الزمه ليست هاي و عملكردها داراي كه است كامل زبان يك اصوال

.مي باشد معاني ارزيابي و تناسب تشخيص جديد، عملكردهاي توصيف

ويژگي هاي ويژگي هاي ييفلسففلسف

49ش �34567 و *#ر(د �ن ! ���� 49ش �34567 و *#ر(د �ن ! ���� *#ر(د )' �ور� ا&%$#ت ! ���� *#ر(د )' �ور� ا&%$#ت ! ����

ييفلسففلسفهوش هوش

مصنوعيمصنوعي

مصنوعي هوش فلسفی های ویژگی

مي استفاده مسائل حل در عددي نمادهاي از مصنوعي هوش :نمادين بازنمايي�.كند مي حل را مسائل يك و صفر ،دوگاني دستگاه پايه بر مصنوعي هوش .كند

حل راه معموال كند، مي حل مصنوعي هوش كه يمسائل :اكتشافي روش�.ندارند الگوريتمي نمادين استداللي عمليات تطابق از مصنوعي هوش هاي برنامه :معرفت بازنمايي.ندارند الگوريتمي

نمادين استداللي عمليات تطابق از مصنوعي هوش هاي برنامه :معرفت بازنمايي�.كنند مي حكايت خارج عالم با رايانه

نياز مورد اطالعات همه كه حالتي در تواند مي مصنوعي هوش :ناقص اطالعات�.بيابد دست مساله حل به ، نيستند دسترس در

متناقض اطالعات با كه درصورتي تواند مي مصنوعي هوش :متناقض اطالعات� موردي چنين در مصنوعي هوش .كند پيدا مساله براي مناسبي حل شود رو روبه

.كند انتخاب تناقض رفع و مساله حل براي را راه بهترين