زندگی رباتیک

به طور ابتدايي مي‌توان هوش مصنوعي (Artificial Intelligence) را به اين ترتيب تعريف كرد: هوش مصنوعي تلاشي است كه انجام آن باعث مي‌شود عملكرد ماشينهاي دنياي واقعي، مشابه عملكرد ماشينهاي هوشمند نمايش يافته در فيلمها شود. اين تعريف، اشاره‌اي مختصر به وسعتي است كه تحقيقات هوش مصنوعي به آن مي‌پردازد، اما به جنبه‌هاي مهم.A.I. ، به خصوص در موارد علمي اشاره‌اي نميكند . حال سعي مي كنيم  هوش مصنوعي را به صورت علمي تر بررسي كنيم .
در روانشناسي ، هوش انسان  چنين تعريف مي شود : قابليت عمومي درك و استدلال  يا به بيان ديگر كل قابليت يك فرد براي فعاليت هدفمند، تفكر منطقي و برخورد كارآمد با محيط .
اصطلاح هوش مصنوعي در سال 1956 توسط جان مك كارتي (John McCarthy) ابداع شد . او هوش مصنوعي را چنين تعريف كرد: توانايي است كه به ماشين ، هوشمندي نوع انسان يا حيوان را مي دهد، به نحوي كه ماشين به اهدافش برسد. يا به صورت دقيق تر  مي توان آن را چنين بيان كرد : هوش مصنوعي شاخه اي از علم كامپيوتراست كه ملزومات محاسباتي مورد نياز را براي اعمالي مانند ادراك، مشاهده، استدلال و يادگيري، مورد بررسي قرار داده و سيستمهايي را پياده‌سازي مي كند كه در اين زمينه ها مورد بهره برداري قرار مي گيرند.
هوش مصنوعي گاهي مشابه سازي هوش انسان است، اما هميشه چنين نيست، چرا كه محققان هوش مصنوعي مي توانند  هم از روشهايي استفاده كنند كه در انسان ديده شده و هم روشهايي را به كار ببرند كه جزو كاركردهاي انسان نبوده و يا انسان قادر به انجام آن نيست.درقسمت زیر تعاريف دیگری از هوش مصنوعی بیان شده است:

علم و مهندسی ساخت ماشين های هوشمند٬ خصوصا برنامه های کامپيوتری هوشمند . جان مک کارتی (استنفورد)

هوش مصنوعی عموما بعنوان زير شاخه ای از کامپيوتر محسوب شده و ارتباط تنگاتنگی با عصب شناسيُ٬ علوم شناختی٬ روانشناسی شناختی٬ منطق رياضی و مهندسی است.(پژوهشکده IBM)

هوش مصنوعی عبارتست از ايجاد ظرفيت برای انجام وظايفی که عموما بعنوان ويژگی های انسان شناخته می شود در کامپيوتر. اين ظرفيتها شامل: استدلال٬ اکتشاف مفهوم٬ تعميم٬ يادگيری و ... می باشد. هربرت سيمون (کارنگی ملون)

مغز مصنوعی٬ مغز رباتی است که ياد می گيرد و رفتاری شبيه مغز انسان از خود نشان می دهد. با اين تفاوت که بصورت ااکترونيکی ساخته شده و نه بيولوژيکی. Intelligent) Systems and Their Societies)

شاخه هاي هوش مصنوعي :
 شبكه عصبي(Neural Network)
در اينجا هوشمندي به وسيله مشابه سازي انواع اتصالات فيزيكي كه در مغز حيوانات اتفاق مي افتد، عملي مي شود.
فرآيند تكلم طبيعي (Natural Language Processing)
در اين شاخه، كامپيوترها براي فهم زبان انسان برنامه‌يزي مي شوند.
روباتيك(Robotics)
در اين حوزه سعي مي شود، روباتها به طور هوشمند عمل كنند.به عنوان مثال تواناييهاي هوشمندانه اي مثل ديدن، شنيدن و عكس العمل نشان دادن به محركهاي طبيعي .
انجام مسابقه(Game Playing)
در اينجا كامپيوترها براي شركت در مسابقاتي مثل شطرنج برنامه ريزي مي شوند.
سيستمهاي خبره(Expert Systems)
در اين شاخه ، كامپيوترها براي تصميم گيري در شرايط واقعي زندگي برنامه ريزي مي شوند.به عنوان مثال سيستم هوشمندي را در نظر بگيريد كه توانايي تشخيص مشكلات اعصاب و روان بيماران را دارد.براي اين منظور به صورت زير عمل مي شود:اطلاعات يك يا چند متخصص به اضافه  اطلاعات گرفته شده از خود مراجعان ، به كامپيوتر داده مي شود.حال هر مراجعه كننده به سوالاتي كه كامپيوتر مطرح مي كند پاسخ داده ، سپس كامپيوتر نوع بيماري مراجعه كننده را با استفاده از اطلاعات تخصصي كه در اختيار دارد و اطلاعاتي كه از مراجعه كننده گرفته ، مشخص مي كند.
چنين كامپيوتري ، يك سيستم خبره است.اما اين سيستم، علاوه بر آنچه به آن داده شده ، اطلاعاتي به دست نمي آورد.در شاخه بعد، از قابليتي سخن خواهيم گفت كه به هوشمندي انسان نزديكتر است.

هوش مصنوعي قوي و ضعيف :
اغلب، هوش مصنوعي به دو طبقه تقسيم مي شود، هوش مصنوعي قوي (Strong A.I.) وهوش مصنوعي ضعيف .( A.I Weak)
هوش مصنوعي قوي ادعا مي كند كه كامپيوترها مي توانند به نحوي كارگذاري شوند كه حداقل تا سطح انسان فكر كنند وتواناييهاي او را داشته باشند.
هوش مصنوعي ضعيف به سادگي چنين اظهار مي كند كه تعدادي از ويژگيهاي انسان مانند فكركردن، مي توانند به كامپيوترها اضافه شوند، به نحوي كه آنها كاراتر شده و بتوانند به عنوان مثال تشخيص انسان را مشابه سازي كنند.به عبارت ديگر به نحوي كار كنند كه بتوان به آنها سيستمهاي هوشمند اطلاق كرد .اين نوع هوش مصنوعي مدتي است كه عملي شده و مثال آن نرم افزاري است كه گفتار را تشخيص مي دهد.

نظرمحققان پيرامون هوش مصنوعي:
سرعت و حافظه كامپيوتر نسبت به انسان خيلي بيشتر است ، اما ميزان تواناييهاي آن بستگي به كارآيي مكانيزمهاي هوشمندي دارد كه طراحان برنامه در طراحي به كار گرفته اند.اگر طراحان مكانيزمهاي مورد نظرشان را كاملا دريافته باشند و به خوبي بتوانند آنها را در برنامه هايي به زبان ماشين بيان كنند، ميزان توانايي ماشين مطلوب خواهد بود و اگر چنين نباشد، ماشين كارايي خوبي نخواهد داشت. نابراين هوشمندي ماشينها نيز مانند انسان ، انواع و درجات مختلفي دارد.
بعضي از مردم فكر مي كنند با نوشتن تعداد زيادي  برنامه و با استفاده از زبانهايي كه هم اكنون براي بيان اطلاعات به كامپيوتر استفاده مي شوند، كامپيوترها مي توانند به هوشمندي نوع انسان برسند .اما محققان هوش مصنوعي معتقدند براي اين منظور، ايده هاي اساسي جديدي لازم است و بنابراين نمي توان پيش بيني كرد كه چه زماني كامپيوترها به اين هدف مي رسند.
گروهي از محققان در پي اين انديشه بوده اند كه ماشيني غير از كامپيوتر را براي هوشمند شدن به وجود آورده و به كار گيرند .اين گروه ماشينهايي ساختند و اميدوار بودند كه بتوانند اين ماشينها را به همان صورتي  كه برنامه هاي كامپيوتري را  هوشمند مي سازند، هوشمند كنند.با  وجود اين ، آنها معمولا ماشينهاي اختراعي خود را روي كامپيوتر مدل سازي مي كردند. نها به اين گمان مي رسيدند كه ساخت ماشينهاي جديد بسيار گران تمام مي شود، چون براي افزايش سرعت كامپيوترها هزينه بسيار زيادي صرف  مي شود و بنابراين نوع ديگر ماشين بايد خيلي سريع باشد كه در مدل سازي ، بهتر از كامپيوتر عمل كند.
گاهي اين سوال پيش مي آيد كه آيا هدف از هوش مصنوعي ، گذاردن انديشه انسان در كامپيوتر است ‚ بعضي از محققان همين هدف را دنبال مي كنند.اما انديشه انسان مشخصه هاي بسيار زيادي دارد وتا كنون كسي به طور جدي از تقليد همه آنها در كامپيوتر صحبتي نكرده است .
محققان معتقدند زماني كه  انسان در انجام بعضي از امور بهتر از ماشين عمل كند و يا آنگاه كه كامپيوترها براي داشتن كاركردي مشابه انسان ، ناچار به استفاده از تعداد بسيار زيادي  محاسبه باشند، در آن صورت طراحان برنامه هاي هوشمندي ماشين در درك مكانيزمهاي هوشمندي و بيان آنها به زبان ماشين موفق نبوده اند، بنابراين لازم است برنامه هايي با كارايي بيشتر طراحي شود.
بعضي از مردم فكر مي كنند براي هوشمند شدن كامپيوترها، سرعت بيشتري لازم است.اما از نظر محققان اگر تسلط كاملي بر طراحي برنامه هاي هوشمندي وجود داشت ، كامپيوترهاي 30 سال قبل نيز براي هوشمند شدن  سرعت كافي داشتند!

نحوه شكل گيري هوش مصنوعي:
بعد از جنگ جهاني دوم ، افرادي بدون ارتباط با يكديگرشروع به كار در زمينه ماشينهاي هوشمند كردند .در سال1947 ، تورينگ يك سخنراني در همين زمينه ارائه كرد، او احتمالا اولين كسي است كه ادعا كرد بهترين  تحقيقات در اين زمينه براساس برنامه نويسي كامپيوتر انجام مي شود و نه ساخت ماشين.
پس از شكل گيري هوش مصنوعي ، مك كارتي يك كارگاه دو ماهه در كالج Dart Mouth تشكيل داد .اين كارگاه هيچ چيز تازه اي به دنبال نداشت ، اما همه بنيانگذاران هوش مصنوعي را گردهم آورد و باعث شد پايه اي براي تحقيقات بعدي گذارده شود .به دنبال آن موج شديدي از تحقيقات در اين زمينه پديد آمد و مراكز تحقيقات هوش مصنوعي در دانشگاههايي مثل MIT و Carnegie Mellon شكل گرفت.
مك كارتي فعاليتهاي زيادي در اين زمينه انجام داد .او در سال 1958 يك زبان برنامه نويسي سطح بالا به نام  ليسپ (LISP) را نوشت كه هنوز يكي از برجسته ترين زبانهاي برنامه نويسي هوش مصنوعي است.
 در آن  زمان  محققان  MIT  نشان دادند كه  اگر كار به  يك  موضوع اصلي محدود و منحصر شود، برنامه هاي كامپيوتري مي توانند مسائل فضايي و همچنين مسائل منطقي را نيز حل كنند.
در دهه 70 ميلادي ، حوزه هاي كاري هوش مصنوعي تخصصي تر شد.حوزه هايي مثل سيستمهاي هوشمند، بررسي تكلم و بينايي كامپيوتر و غيره به وجود آمد كه اين امر باعث تحكيم بيشتر تئوريهاي مربوطه شد.
در دهه 80 ميلادي ، هوش مصنوعي با گامهاي سريع تري به پيش رفت  .همچنانكه كامپيوترهاي شخصي  جاي بيشتري بين مردم پيدا كردند و فروش سخت افزار در اين زمينه افزايش يافت ، مردم با علم و تكنيك مانوس تر شدند.
در اوايل  دهه 90 ميلادي، در جنگ خليج فارس  هوش مصنوعي مورد آزمايش قرار گرفت. ين آزمايش هم در كارهاي ساده اي مثل تجهيز هواپيماهاي باربري و هم در كارهاي پيچيده تر مثل زمان بندي و هماهنگي عمليات طوفان صحرا انجام گرفت.همچنين سلاحهاي پيشرفته تر مثل موشك كروز به فناوريهايي در زمينه هوش مصنوعي مثل روباتيك يا بينايي ماشين ، مجهز شدند .

نزديک به ده سال پيش ، دپارتمان تجاری ، ارزيابی تکنولوژيکی بازار هوشمندی مصنوعی در U.S را مورد بحث قرار داد.محققان ، AI را به عنوان سيستمی که می تواند به سازمان در مديريت دانش آن کمک نمايد و در رابطه با بعد پيچيدگی ، ياری کننده متخصصان در تحليل مشکل و طراحی ابزار جديد باشد ، معرفی نموده اند.

در سال 1993 بازار هوش مصنوعی شامل تکنولوژی هايی نظير سيستم خبره ،شبکه های عصبی ، منطق فازی ، رباتها و.... می شد که حدود 900 ميليون دلار را به خود اختصاص می داد و U.S در توسعه چنين سيستم هايی در راس ساير کشور ها قرار داشت.

بعد از آن سرمايه گذاری های وسيعی از طرف دولت و ارتش روی سيستم های هوشمند گرديد و کاربرد های وسيعی از آن ايجاد شدو اكنون در قرن بيست و يكم شاهد ورود تدريجي هوش مصنوعي به زندگي مردم هستيم ، به خصوص كه علاقه به كامپيوتر و بازيهاي كامپيوتري روزبه روز بيشتر مي شود در سال 2002   سهم اين بازاربه چيزی بالغ بر 11.9 بيليون دلار رسيد و پيش بينی می شود تا سال 2007  به 21 بيليون دلار خواهد رسيد . پيشرفتهاي نوين در اين زمينه به طور روزافزون در دسترس مردم قرار مي گيرد و چه كسي مي داند آينده  به همراه خود چه به ارمغان خواهد آورد.

هوش‌ مصنوعي‌ و هوش‌ انساني‌:
براي‌ شناخت‌ هوش‌ مصنوعي‌ شايسته‌ است‌ تا تفاوت‌ آن‌ را با هوش‌انساني‌ به‌ خوبي‌ بدانيم‌ . مغز انسان‌ از ميلياردها سلول‌ يا رشته‌ عصبي‌درست‌ شده‌ است‌ و اين‌ سلول‌ها به‌ صورت‌ پيچيده‌اي‌ به‌ يكديگر متصل‌اند .  شبيه‌سازي‌ مغز انسان‌ مي‌تواند از طريق‌ سخت‌افزار يا نرم‌افزارانجام‌ گيرد. تحقيقات‌ اوليه‌ نشان‌ داده‌ است‌ شبيه‌سازي‌ مغز، كاري‌مكانيكي‌ و ساده‌ مي‌باشد. براي‌ مثال‌، يك‌ كرم‌ داراي‌ چند شبكه‌ عصبي‌است ‌. يك‌ حشره‌ حدود يك‌ ميليون‌ رشته‌ عصبي‌ دارد و مغز انسان‌ ازهزار ميليارد رشته‌ عصبي‌ درست‌ شده‌ است‌ . با تمركز و اتصال‌ رشته‌هاي‌عصبي‌ مصنوعي‌ مي‌توان‌ واحد هوش‌ مصنوعي‌ را درست‌ كرد.
هوش‌ انساني‌ بسيار پيچيده‌تر و گسترده‌تر از سيستم‌هاي‌ رايانه‌اي‌است‌ و توانمنديهاي‌ برجسته‌اي‌ مانند: استدلال‌، رفتار، مقايسه‌، آفرينش‌و بكار بستن‌ مفهومها را دارد.
هوش‌ انساني‌ توان‌ ايجاد ارتباط ميان‌ موضوع‌ها و قياس‌ ونمونه‌ سازيهاي‌ تازه‌ را دارد. انسان‌ همواره‌ قانون‌هاي‌ تازه‌اي‌ مي‌سازد و ياقانون‌ پيشين‌ را در موارد تازه‌ بكار مي‌گيرد . توانايي‌ بشر در ايجاد مفهوم‌هاي‌ گوناگون‌ در دنياي‌ پيرامون‌ خود ، از ويژگي‌هاي‌ ديگر اوست‌ . مفهوم‌هاي‌ گسترده‌اي‌ همچون‌ روابط علت‌ و معلولي‌، رمان‌ و يا مفهوم‌هاي‌ ساده‌تري‌ مانند گزينش‌ وعده‌هاي‌ خوراك‌ (صبحانه‌، ناهار وشام) را انسان‌ ايجاد كرده‌ است‌. انديشيدن‌ در اين‌ مفهوم‌ها و بكاربستن‌آنها، ويژه‌ رفتار هوشمندانه‌ انسان‌ است‌.
هوش‌ مصنوعي‌ در پي‌ ساخت‌ دستگاههايي‌ است‌ كه‌ بتوانندتوانمندهاي‌ ياد شده‌ (استدلال‌، رفتار، مقايسه‌ و مفهوم‌ آفريني‌) را از خود بروز دهند. آنچه‌ تاكنون‌ ساخته‌ شده‌ نتوانسته‌ است‌ خود را به‌ اين‌ پايه برساند ، هر چند سودمندي‌هاي‌ فراواني‌ به‌ بار آورده‌ است‌.
نكته‌ آخر اينكه‌، يكي‌ از علل‌ رويارويي‌ با مقوله‌ هوش‌ مصنوعي‌ ، ناشي‌ از نام‌گذاري‌ نامناسب‌ آن‌ مي‌باشد. چنانچه‌ جان‌ مك‌كارتي‌ در سال‌1956 ميلادي‌ آن‌ را چيزي‌ مانند «برنامه‌ريزي‌ پيشرفته‌» ناميده‌ بود شايد جنگ‌ و جدلي‌ در پيرامون‌ آن‌ رخ‌ نمي‌داد.
در ذیل هوش مصنوعی و هوش طبیعی را فهرست وار مقایسه می کنیم :

·        هوش مصنوعی دائمی تر است.

·        نسبت به هوش طبيی کم هزينه تر است.

·        هوش مصنوعی با ثبت و کامل می باشد.

·        هوش مصنوعی قابليت مستند شدن را دارد.

·        هوش مصنوعی امکان استفاده از کامپيوتر را ساده تر می سازد.

·        هوش طبيعی فعال است در صورتی که هوش مصنوعی اينچنين نيست.

·        هوش طبيعي اين امکان را به فرد می دهد تا به طور مستقيم از تجربيات حسی خود  استفاده نمايد.

·        هوش طبيعي به افراد قدرت تشخيص ارتباط بين اشياء را میدهد.

·  هوش طبيعی به انسان امکان استفاده از تجربيات وسيعی را می دهد.

« هوش مصنوعی، دانش ساختن ماشین‌‌ ها یا برنامه‌های هوشمند است. »   همانگونه كه از تعریف فوق-كه توسط یكی از بنیانگذاران هوش مصنوعی ارائه شده است- برمی‌آید،حداقل به دو سؤال باید پاسخ داد:
1ـ هوشمندی چیست؟
2ـ برنامه‌های هوشمند، چه نوعی از برنامه‌ها هستند؟تعریف دیگری كه از هوش مصنوعی می‌توان ارائه داد به قرار زیر است:
   « هوش مصنوعی، شاخه‌ایست از علم كامپیوتر كه ملزومات محاسباتی اعمالی همچون ادراك (Perception)، استدلال(reasoning) و یادگیری(learning) را بررسی كرده و سیستمی جهت انجام چنین اعمالی ارائه می‌دهد.»و در نهایت تعریف سوم هوش مصنوعی از قرار زیر است:
   «هوش مصنوعی، مطالعه روش‌هایی است برای تبدیل كامپیوتر به ماشینی كه بتواند اعمال انجام شده توسط انسان را انجام دهد.»   به این ترتیب می‌توان دید كه دو تعریف آخر كاملاً دو چیز را در تعریف نخست واضح كرده‌اند.
1ـ منظور از موجود یا ماشین هوشمند چیزی است شبیه انسان.
2ـ ابزار یا ماشینی كه قرار است محمل هوشمندی باشد یا به انسان شبیه شود، كامپیوتر است.   هر دوی این نكات كماكان مبهم و قابل پرسشند. آیا تنها این نكته كه هوشمندترین موجودی كه می‌شناسیم، انسان است كافی است تا هوشمندی را به تمامی اعمال انسان نسبت دهیم؟ حداقل این نكته كاملاً واضح است كه بعضی جنبه‌های ادراك انسان همچون دیدن و شنیدن كاملاً ضعیف‌تر از موجودات دیگر است.   علاوه بر این، كامپیوترهای امروزی با روش‌هایی كاملاً مكانیكی(منطقی) توانسته‌اند در برخی جنبه‌های استدلال، فراتر از توانایی‌های انسان عمل كنند.   بدین ترتیب، آیا می‌توان در همین نقطه ادعا كرد كه هوش مصنوعی تنها نوعی دغدغه علمی یا كنجكاوی دانشمندانه است و قابلیت تعمق مهندسی ندارد؟(زیرا اگر مهندسی، یافتن روش‌های بهینه انجام امور باشد، به هیچ رو مشخص نیست كه انسان اعمال خویش را به گونه‌ای بهینه انجام می‌دهد). به این نكته نیز باز خواهیم گشت.   اما همین سؤال را می‌توان از سویی دیگر نیز مطرح ساخت، چگونه می‌توان یقین حاصل كرد كه كامپیوترهای امروزین،

بهترین ابزارهای پیاده‌سازی هوشمندی هستند؟

   رؤیای طراحان اولیه كامپیوتر از بابیج تا تورینگ، ساختن ماشینی بود كه قادر به حل تمامی  مسائل باشد، البته ماشینی كه در نهایت ساخته شد(كامپیوتر) به جز دسته ای خاص از مسائلقادر به حل تمامی مسائل بود. اما نكته در اینجاست كه این «تمامی مسائل» چیست؟ طبیعتاً چون طراحان اولیه كامپیوتر، منطق‌دانان و ریاضیدانان بودند، منظورشان تمامی مسائل منطقی یا محاسباتی بود. بدین ترتیب عجیب نیست، هنگامی كه فون‌نیومان سازنده اولین كامپیوتر، در حال طراحی این ماشین بود، كماكان اعتقاد داشت برای داشتن هوشمندی شبیه به انسان، كلید اصلی، منطق(از نوع به كار رفته در كامپیوتر) نیست، بلكه احتمالاً چیزی خواهد بود شبیه ترمودینامیك!

       به هرحال، كامپیوتر تا به حال به چنان درجه‌ای از پیشرفت رسیده و چنان سرمایه‌گذاری عظیمی برروی این ماشین انجام شده است كه به فرض این كه بهترین انتخاب نباشد هم، حداقل سهل‌الوصول‌ترین و ارزان‌ترین و عمومی‌ترین انتخاب برای پیاده‌سازی هوشمندیست.

   بنابراین ظاهراً به نظر می‌رسد به جای سرمایه‌گذاری برای ساخت ماشین‌های دیگر هوشمند، می‌توان از كامپیوترهای موجود برای پیاده‌سازی برنامه‌های هوشمند استفاده كرد و اگر چنین شود، باید گفت كه طبیعت هوشمندی ایجاد شده حداقل از لحاظ پیاده‌سازی، كاملاً با طبیعت هوشمندی انسانی متناسب خواهد بود، زیرا هوشمندی انسانی، نوعی هوشمندی بیولوژیك است كه با استفاده از مكانیسم‌های طبیعی ایجاد شده، و نه استفاده از عناصر و مدارهای منطقی.   در برابر تمامی استدلالات فوق می توان این نكته را مورد تاُمل و پرسش قرار داد كه هوشمندی طبیعی تا بدان جایی كه ما سراغ داریم، تنها برمحمل طبیعی و با استفاده از روش های طبیعت ایجاد شده است. طرفداران این دیدگاه تا بدانجا پیش رفته‌اند كه حتی ماده ایجاد كننده هوشمندی را مورد پرسش قرار داده اند، كامپیوتر از سیلیكون استفاده می كند، در حالی كه طبیعت همه جا از كربن سود برده است.   مهم تر از همه، این نكته است كه در كامپیوتر، یك واحد كاملاً پیچیده مسئولیت انجام كلیه اعمال هوشمندانه را بعهده دارد، در حالی كه طبیعت در سمت و سویی كاملاً مخالف حركت كرده است. تعداد بسیار زیادی از واحدهای كاملاً ساده (بعنوان مثال از نورون‌های شبكه عصبی) با عملكرد همزمان خود (موازی) رفتار هوشمند را سبب می شوند. بنابراین تقابل هوشمندی مصنوعی و هوشمندی طبیعی حداقل در حال حاضر تقابل پیچیدگی فوق العاده و سادگی فوق العاده است. این مساُله هم اكنون كاملاً به صورت یك جنجال(debate) علمی در جریان است.

   در هر حال حتی اگر بپذیریم كه كامپیوتر در نهایت ماشین هوشمند مورد نظر ما نیست، مجبوریم برای شبیه‌سازی هر روش یا ماشین دیگری از آن سود بجوییم.

تاریخ هوش مصنوعی

   هوش مصنوعی به خودی خود علمی است كاملاً جوان. در واقع بسیاری شروع هوش مصنوعی را 1950 می‌ دانند زمانی كه آلن تورینگ مقاله دوران‌ساز خود را در باب چگونگی ساخت ماشین هوشمند نوشت (آنچه بعدها به تست تورینگ مشهور شد) تورینگ درآن مقاله یك روش را برای تشخیص هوشمندی پیشنهاد می‌كرد. این روش بیشتر به یك بازی شبیه بود.

  فرض كنید شما در یك سمت یك دیوار (پرده یا هر مانع دیگر) هستید و به صورت تله تایپ باآن سوی دیوار ارتباط دارید و  شخصی از آن سوی دیوار از این طریق با شما در تماس است. طبیعتاً یك مكالمه بین شما و شخص آن سوی دیوار می‌تواند صورت پذیرد. حال اگر پس از پایان این مكالمه، به شما گفته شود كه آن سوی دیوار نه یك شخص بلكه (شما كاملاً از هویت شخص آن سوی دیوار بی‌خبرید) یك ماشین بوده كه پاسخ شما را می‌داده، آن ماشین یك ماشین هوشمند خواهد بود، در غیر این صورت(یعنی در صورتی كه شما در وسط مكالمه به مصنوعی بودن پاسخ پی ببرید) ماشین آن سوی دیوار هوشمند نیست و موفق به گذراندن تست تورینگ نشده است.   باید دقت كرد كه تورینگ به دو دلیل كاملاً مهم این نوع از ارتباط(ارتباط متنی به جای صوت) را انتخاب كرد. اول این كه موضوع ادراكی صوت را كاملاً از صورت مساُله حذف كند و این تست هوشمندی را درگیر مباحث مربوط به دریافت و پردازش صوت نكند و دوم این كه بر جهت دیگری هوش مصنوعی به سمت نوعی از پردازش زبان طبیعی تاكید كند.

   در هر حال هر چند تاكنون تلاش‌های متعددی در جهت پیاده سازی تست تورینگ صورت گرفته مانند برنامه Eliza و یا AIML   (زبانی برای نوشتن برنامه‌‌‌‌هایی كه قادر به chat كردن اتوماتیك باشند) اما هنوز هیچ ماشینی موفق به گذر از چنین تستی نشده است.

   همانگونه كه مشخص است، این تست نیز كماكان دو پیش فرض اساسی را در بردارد:
1ـ نمونه كامل هوشمندی انسان است.
2ـ مهمترین مشخصه هوشمندی توانایی پردازش و درك زبان طبیعی است.   درباره نكته اول به تفصیل تا بدین جا سخن گفته ایم؛ اما نكته دوم نیز به خودی خود باید مورد بررسی قرارگیرد. این كه توانایی درك زبان نشانه هوشمندی است تاریخی به قدمت تاریخ فلسفه دارد. از نخستین روزهایی كه به فلسفه(Epistemology) پرداخته شده زبان همیشه در جایگاه نخست فعالیت‌های شناختی قرار داشته است. از یونانیان باستان كه لوگوس را به عنوان زبان و حقیقت یكجا به كار می‌بردند تا فیلسوفان امروزین كه یا زبان را خانه وجود می‌دانند، یا آن را ریشه مسائل فلسفی می‌خوانند؛ زبان، همواره شاُن خود را به عنوان ممتازترین توانایی هوشمندترین موجودات حفظ كرده است.   با این ملاحظات می‌توان درك كرد كه چرا آلن تورینگ تنها گذر از این تست متظاهرانه زبانی را شرط دست‌یابی به هوشمندی می‌داند.   تست تورینگ اندكی كمتر از نیم‌قرن هوش مصنوعی را تحت تاُثیر قرار داد اما شاید تنها در اواخر قرن گذشته بود كه این مسئله بیش از هر زمان دیگری آشكار شد كه متخصصین هوش مصنوعی به جای حل این مسئله باشكوه ابتدا باید مسائل كم‌اهمیت‌تری همچون درك تصویر (بینایی ماشین) درك صوت و… را حل كنند.به این ترتیب با به محاق رفتن آن هدف اولیه، اینك گرایش‌های جدیدتری در هوش مصنوعی ایجاد شده‌اند.   در سال‌های آغازین AI تمركز كاملاً برروی توسعه سیستم‌هایی بود كه بتوانند فعالیت‌های هوشمندانه(البته به زعم آن روز) انسان را مدل كنند، و چون چنین فعالیت‌هایی را در زمینه‌های كاملاً خاصی مانند بازی‌های فكری، انجام فعالیت‌های تخصصی حرف‌های، درك زبان طبیعی، و…. می‌دانستند طبیعتاً به چنین زمینه‌هایی بیشتر پرداخته شد.

   در زمینه توسعه بازی‌ها، تا حدی به بازی شطرنج پرداخته شد كه غالباً عده‌ای هوش مصنوعی را با شطرنج همزمان به خاطر می‌آورند. مك‌كارتی كه پیشتر اشاره شد، از بنیان‌گذاران هوش مصنوعی است این روند را آنقدر اغراق‌آمیز می‌داند كه می‌گوید:
   «محدود كردن هوش مصنوعی به شطرنج مانند این است كه علم ژنتیك را از زمان داروین تا كنون تنها محدود به پرورش لوبیا كنیم.» به هر حال دستاورد تلاش مهندسین و دانشمندان در طی دهه‌های نخست را می‌توان توسعه تعداد بسیار زیادی سیستم‌های خبره در زمینه‌های مختلف مانند پزشكی عمومی، اورژانس، دندانپزشكی، تعمیرات ماشین،….. توسعه بازی‌های هوشمند، ایجاد مدل‌های شناختی ذهن انسان، توسعه سیستمهای یادگیری،…. دانست. دستاوردی كه به نظر می‌رسد برای علمی با كمتر از نیم قرن سابقه قابل قبول به نظر می‌رسد.

افق‌های هوش مصنوعی   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.

1- Jon Mccarthy
2-NP-Complete Problems
3-Von Neumen
4-Artificial Intelligence Markup Language

برگرفته از سایت www.srco.ir

هیچ کاری برای انجام دادن نداشته باشند جز فکر کردن

كوچك‌ترين ربات انسان‌نماي جهان با كاربرد سرگرمي‌ از سوي يك شركت ژاپني عرضه شد.

به گزارش بخش خبر شبكه فن آوري اطلاعات ايران، از ایسنا، شركت ژاپني تامي ‌به زودي عرضه‌ي رباتي را آغاز خواهد كرد كه به گفته‌ي اين شركت كوچك‌ترين ربات انسان نماي ژاپني است.

اين ربات كه i-Sobot ناميده مي‌شود،‌ ‌٥/١٦ سانتي‌متر قد و بدن حجيمي‌ دارد كه ‌١٠ سانتي‌متر پهناي آن و ‌٧/٦ سانتي‌متر عمق آن است و در داخل آن ‌١٧ موتور كوچك به نام servos و ‌١٩ تراشه و يك ژيروسكوپ دارد كه با كار كردن با همديگر به ربات امكان مي‌دهند كه بيش از ‌٢٠٠ حركت برنامه‌ريزي شده را انجام دهد.

اين حركت‌ها عبارتند از نرمش، بالانس، رقص و تقليد حركات جانوران مختلف كه از طريق كنترل از راه دور به ربات ارسال مي‌شوند؛ همچنين iSobot قادر به اجراي اداي جملات متعدد و تشخيص ده فرمان صوتي است.

طراحي اين ربات‌ با هدف تثبيت موقعيت خود در بازار در حال تغيير اسباب بازي صورت گرفته است.

يك ربات با قابليت ويديو كنفرانسينگ در يك بيمارستان آمريكايي به‌كارگرفته شد كه وضعيت بيماران را در غياب پزشكان بررسي مي‌كند.

به گزارش بخش خبر شبكه فن آوري اطلاعات ايران، از ایسنا، ربات ويديو كنفرانسينگ به كار گرفته شده در بيمارستاني در شهر بالتيمور، مجهز به دوربين،‌ يك صفحه نمايش و ميكروفون است و با كنترل به داخل اتاق بيماران هدايت مي‌شود.

اين ربات به پزشكان امكان مي‌دهد در هر كجاي دنيا كه باشند، در هر كجاي بيمارستان كه بخواهند،‌ حضور يابند.

ربات مذكور قادر به گردش در اطراف تخت بيمار و تطبيق وضعيت دو دوربين خود و ارايه‌ي چشم‌اندازي از وضعيت بيمار به پزشك است؛ از زمان به‌كارگيري اين ربات زمان اقامت بيماراني كه از سوي ربات چك شده‌اند،‌ كوتاه‌تر شده است.

طراحان رباتي كه با آهنگ آي‌پاد در حركاتي ناهمگون بر پايه‌ محاسبات پيچيده به چرخش مي‌پردازد،‌ اميدوارند كه در آينده ربات‌هايي را طراحي كنند كه بتوانند بدون پيروي از طرح هاي از قبل برنامه‌ريزي شده، حركت كنند.

به گزارش بخش خبر شبكه فن آوري اطلاعات ايران، از ایسنا، ربات ژاپني «ميورو» شبيه يك توپ سفيد است كه بين دو نيمه‌ يك تخم مرغ قرار دارد و همزمان با پخش آهنگ دستگاه پخش موسيقي آي‌پادي كه در آن نصب شده، مي‌چرخد.

حركات اين ربات كه در حدود پنج كيلوگرم وزن دارد برنامه‌ريزي نشده است و خود آن را انجام مي‌دهد.

«ميورو» از الگوريتم با قوانين رياضي براي تحميل موسيقي و برگرداندن ضرب‌آهنگ‌ها به حركت استفاده مي‌كند.

نمونه‌ جديد اين ربات به نرم‌افزاري مجهز است كه به گفته‌ دانشمندان بر حركات نامنظم مبتني است كه الگوي مشابه حركات زنبوري دارد كه در زمان جمع‌آوري شهد از گلي به گل ديگر گردش مي‌كند و به ميورو امكان مي‌دهد كه حركات خود به خودي و غير قابل پيش‌بيني داشته باشد.

ربات انسان نماي دكستر بدون نياز به برنامه‌ريزي، با دريافت اطلاعات از محيط اطراف خود و تحليل آن‌ها، حركات خود را اصلاح مي‌كند.

به گزارش بخش خبر شبكه فن آوري اطلاعات ايران، از ایسنا، بنا بر اعلام طراحان آمريكايي ربات دكستر، اين ربات از مدل‌هاي تجاري پيشين متفاوت است زيرا مي‌تواند از اشتباه‌هاي خود درس بگيرد.

ربات مذكور كه محصول سه سال تلاش گروه تحقيقاتي مستقل Anybots است، تنها چند روز پس از اين كه فهميد چگونه بايستد، نخستين گام‌هاي خود را برداشت.

بر اساس اين گزارش دكستر از مدل‌هاي ديگر ربات‌هايي كه راه مي‌روند مانند Asimo شركت هوندا متفاوت است،‌ زيرا اين ربات‌ها قبل از روشن شدن توسط طراحانشان برنامه‌ريزي شده‌اند، در حالي كه دكستر اطلاعاتي را كه از محيط اطراف خود دريافت مي‌كند، مورد تحليل قرار مي‌دهد تا حركات خود را اصلاح كند.

بنا بر اعلام هدف سازندگان دكستر، طراحي رباتي است كه بتواند مانند انسان با محيط‌ها و نقش‌هاي متعدد سازگاري يابد اما اين ربات قبل از شروع به كار نياز به يادگيري وظايف جديدي دارد.