هوش مصنوعي و روبوتيك
هوش مصنوعي و روبوتيك
بشر همواره مجذوب چگونگي عملكرد مغز خود بوده و تمايل داشته است ماشيني خلق كند كه كاركردي همانند مغز داشته و هوشمند باشد. با وجود اين، چنين آرزويي تا سال 1941 كه كامپيوتر ظهور كرد و به دنبال آن فنآوري لازم براي عملي كردن آن پديد آمد، به حيطه انديشههاي قابل تحقق وارد نشد.
به طور ابتدايي ميتوان هوش مصنوعي 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؛ امّا به جنبههاي مهمّ هوش مصنوعي، به خصوص در موارد علمي اشارهاي نميكند. حال سعي ميكنيم هوش مصنوعي را به صورت علميتر بررسي كنيم.
در روانشناسي، هوش انسان چنين تعريف ميشود: قابليت عمومي درك و استدلال يا به بيان ديگر كلّ قابليت يك فرد براي فعاليّت هدفمند، تفكّر منطقي و برخورد كارآمد با محيط.
اصطلاح هوش مصنوعي در سال 1956 توسّط جان مك كارتي ابداع شد. او هوش مصنوعي را چنين تعريف كرد: توانايي است كه به ماشين، هوشمندي نوع انسان يا حيوان را ميدهد، به نحوي كه ماشين به اهدافش برسد؛ يا به صورت دقيقتر ميتوان آن را چنين بيان كرد: هوش مصنوعي شاخهاي از علم كامپيوتر است كه ملزومات محاسباتي مورد نياز را براي اعمالي مانند ادراك، مشاهده، استدلال و يادگيري مورد بررسي قرار داده و سيستمهايي را پيادهسازي ميكند كه در اين زمينهها مورد بهرهبرداري قرار ميگيرند.
هوش مصنوعي گاهي مشابهسازي هوش انسان است، امّا هميشه چنين نيست، چرا كه محققان هوش مصنوعي ميتوانند هم از روشهايي استفاده كنند كه در انسان ديده شده و هم روشهايي را به كار برند كه جزء كاركردهاي انسان نبوده و يا انسان قادر به انجام آن نيست.
در دهه 40، رياضيدان انگليسي، آلن تورينگ آزمايشي را با اين استدلال مطرح نمود: اگر ماشيني بتواند خود را براي يك ناظر كار آزموده انسان جلوه دهد، در اين صورت با اطمينان ميتوان آن را هوشمند تلقّي كرد. در اين آزمون بين ماشين و يك فرد گفتوگويي در يك مورد و در يك فاصله زماني انجام ميشود. اگر در انتهاي اين دوره زماني، براساس گفتوگوي انجام شده، ماشين از انسان تشخيص داده نشود، اين تست ادّعا ميكند كه ميتوان اين ماشين را هوشمند ناميد.
در اين مقاله كليّه اطلاعات مقدماتي هوش مصنوعي و روبوتيك به طور مختصر گردآوردي شده است. اميد است كه توانسته باشيم گامي هر چند كوچك در پيشبرد توان علمي كشور برداشته باشيم.
هوش مصنوعي
هوش مصنوعي به طور خلاصه تركيبي است از علوم كامپيوتر، فيزيولوژي و فلسفه. اين شاخه از علوم بسيار گسترده و متنوّع است و از موضوعات و رشتههاي مختلف علوم و فنآوري مانند مكانيزمهاي ساده در ماشينها شروع شده و به سيستمهاي خبره ختم ميشود. هدف هوش مصنوعي به طور كلّي ساخت ماشيني است كه توانايي فكر كردن داشته باشد؛ امّا براي دستهبندي و تعريف ماشينهاي متفكّر، ميبايست به تعريف هوش پرداخت. همچنين به تعاريفي براي آگاهي و درك نيز نيازمنديم و در نهايت به معياري براي سنجش هوش يك ماشين نياز داريم.
به مدد تحقيقات وسيع دانشمندان علوم مرتبط، هوش مصنوعي از بدو پيدايش تاكنون راه بسياري پيموده است. در اين راستا، تحقيقاتي كه بر روي توانايي آموختن زبانها انجام گرفت و همچنين درك عميق از احساسات، دانشمندان را در پيشبرد اين علم، ياري نموده است. يكي از اهداف متخصّصين، توليد ماشينهايي است كه داراي احساسات بوده و حدّاقل نسبت به وجود خود و احساسات خود واقف باشند. اين ماشين بايد توانايي تعميم تجربيات قديمي خود در شرايط مشابهِ جديد را داشته و به اين ترتيب، اقدام به گسترش دامنه دانش و تجربيات خود نمايد.
براي مثال به روبوتي هوشمند بيانديشيد كه بتواند اعضاي بدن خود را به حركت درآورد؛ او نسبت به اين حركت خود آگاه بوده و با سعي و خطا، دامنه حركت خود را گسترش ميدهد و با هر حركت موفقيتآميز يا اشتباه خود، دامنه تجربيات خود را وسعت بخشيده و سرانجام راه رفته و يا حتي ميدود و يا به روشي براي جابهجا شدن، دست مييابد كه سازندگانش براي او متصور نبودهاند.
هر چند مثال ما در توليد ماشينهاي هوشمند كمي آرماني است، ولي به هيچ عنوان دور از دسترس نيست. دانشمندان، عموماً براي توليد چنين ماشينهايي، از تنها مدلي كه در طبيعت وجود دارد، يعني توانايي يادگيري در موجودات زنده به خصوص انسان بهره ميبرند.
آنها به دنبال ساخت ماشيني مقلد هستند كه بتواند با شبيهسازي رفتارهاي ميليونها سلول مغز انسان، همچون يك موجود متفكّر به انديشيدن بپردازد.
مباحث هوش مصنوعي قبل از به وجود آمدن علوم الكترونيك، توسّط فلاسفه و رياضيداناني نظير بول كه اقدام به ارائه قوانين و تئوريهايي در باب منطق نمودند، مطرح گرديده بود. در سال 1943، با اختراع كامپيوترهاي الكترونيكي، هوش مصنوعي، دانشمندان را به چالشي بزرگ فراخواند. به نظر ميرسيد، تكنولوژي در نهايت قادر به شبيهسازي رفتارهاي هوشمندانه خواهد بود.
با وجود مخالفت گروهي از متفكّرين با هوش مصنوعي، كه با ديده ترديد به كارآمدي آن مينگريستند تنها پس از چهار دهه، شاهد تولّد ماشينهاي شطرنجباز و ديگر سيستمهاي هوشمند در صنايع گوناگون هستيم.
هوش مصنوعي كه همواره هدف نهايي علوم كامپيوتر بوده است، اكنون در خدمت توسعه علوم كامپيوتر نيز ميباشد. زبانهاي برنامهنويسي پيشرفته كه توسعه ابزارهاي هوشمند را ممكن ميسازند، پايگاه دادههاي پيشرفته، موتورهاي جستوجو و بسياري نرم افزارها و ماشينها از نتايج تحقيقات هوش مصنوعي بهرهمند ميشوند.
حال هوش مصنوعي را به گونهاي ديگر با بيان تعريفي مختصر از آن مورد بررسي قرار ميدهيم: هوش مصنوعي، دانش ساختن ماشينها يا برنامههاي هوشمند است.
همانگونه كه از تعريف فوق بر ميآيد، حداقل به دو سؤال بايد پاسخ داد:
1. هوشمندي چيست؟
2. برنامههاي هوشمند، چه نوعي از برنامهها ميباشند؟
تعريف ديگري كه از هوش مصنوعي ميتوان ارائه داد به قرار زير است:
هوش مصنوعي، شاخهاي از علم كامپيوتر ميباشد كه ملزومات محاسباتي اعمالي همچون ادراك ، استدلال و يادگيري را بررسي نموده و سيستمي جهت انجام چنين اعمالي ارائه مينمايد.
و در نهايت تعريف سوم هوش مصنوعي از قرار زير است:
هوش مصنوعي، مطالعه روشهايي است براي تبديل كامپيوتر به ماشيني كه بتواند اعمال انجام شده توسّط انسان را انجام دهد.
به اين ترتيب ميتوان ديد كه دو تعريف آخر كاملاً دو چيز را در تعريف نخست واضح كردهاند:
1. منظور از موجود يا ماشين هوشمند، چيزي شبيه انسان است.
2. ابزار يا ماشيني كه قرار است محمل هوشمندي باشد يا به انسان شبيه شود، كامپيوتر است.
هر دوي اين نكات كماكان مبهم و قابل پرسش هستند. آيا تنها اين نكته كه هوشمندترين موجودي كه ميشناسيم، انسان است كافي است تا هوشمندي را به تمامي اعمال انسان نسبت دهيم؟ حدّاقل اين نكته كاملاً واضح است كه بعضي جنبههاي ادراك انسان همچون ديدن و شنيدن كاملاً ضعيفتر از موجودات ديگر است.
علاوه بر اين، كامپيوترهاي امروزي با روشهايي كاملاً مكانيكي يا منطقي توانستهاند در برخي جنبههاي استدلال، فراتر از تواناييهاي انسان عمل نمايند.
بدين ترتيب، آيا ميتوان در همين نقطه ادّعا كرد كه هوش مصنوعي تنها نوعي دغدغه علمي يا كنجكاوي دانشمندانه است و قابليت تعمق مهندسي ندارد؟ به اين نكته نيز باز خواهيم گشت.
امّا همين سؤال را ميتوان از سويي ديگر نيز مطرح ساخت كه چگونه ميتوان يقين حاصل كرد كه كامپيوترهاي امروزين، بهترين ابزارهاي پيادهسازي هوشمندي ميباشند؟
رؤياي طرّاحان اوّليه كامپيوتر از بابيج تا تورينگ، ساختن ماشيني بود كه قادر به حلّ تمامي مسائل باشد؛ البته ماشيني كه در نهايت ساخته شد ؛ به جز دستهاي خاص از مسائل قادر به حلّ تمامي مسائل بود. امّا نكته در اينجا است كه اين تمامي مسائل چيست؟ طبيعتاً چون طرّاحان اوّليه كامپيوتر، منطقدانان و رياضيدانان بودند، منظورشان تمامي مسائل منطقي يا محاسباتي بود. بدين ترتيب عجيب نيست، هنگامي كه فوننيومان سازنده اوّلين كامپيوتر، در حال طرّاحي اين ماشين بود، كماكان اعتقاد داشت براي داشتن هوشمندي شبيه به انسان، كليد اصلي منطق نيست، بلكه احتمالاً چيزي خواهد بود شبيه ترموديناميك!
به هرحال، كامپيوتر تا به حال به چنان درجهاي از پيشرفت رسيده و چنان سرمايهگذاري عظيمي بر روي اين ماشين انجام شده است كه به فرض اين كه بهترين انتخاب هم نباشد، حدّاقل سهلالوصولترين و ارزانترين و عموميترين انتخاب براي پيادهسازي هوشمندي ميباشد.
بنابراين ظاهراً به نظر ميرسد به جاي سرمايهگذاري براي ساخت ماشينهاي ديگر هوشمند، ميتوان از كامپيوترهاي موجود براي پيادهسازي برنامههاي هوشمند استفاده كرد و اگر چنين شود، لازم است بگوييم كه طبيعت هوشمندي ايجاد شده حدّاقل از لحاظ پيادهسازي، كاملاً با طبيعت هوشمندي انساني متناسب خواهد بود، زيرا هوشمندي انساني، نوعي هوشمندي بيولوژيك است كه با استفاده از مكانيزمهاي طبيعي ايجاد شده و نه با استفاده از عناصر و مدارهاي منطقي.
در برابر تمامي استدلالات فوق ميتوان اين نكته را مورد تأمّل و پرسش قرار داد كه هوشمندي طبيعي تا بدانجايي كه ما سراغ داريم، تنها بر محمل طبيعي و با استفاده از روشهاي طبيعت ايجاد شده است. طرفداران اين ديدگاه تا بدانجا پيش رفتهاند كه حتي مادّه ايجاد كننده هوشمندي را مورد پرسش قرار دادهاند؛ كامپيوتر از سيليكون استفاده ميكند، در حالي كه طبيعت همه جا از كربن سود برده است.
مهمتر از همه، اين نكته است كه در كامپيوتر يك واحد كاملاً پيچيده مسئوليت انجام كليّه اعمال هوشمندانه را به عهده دارد، در حالي كه طبيعت در سمت و سويي كاملاً مخالف حركت كرده است. تعداد بسيار زيادي از واحدهاي كاملاً ساده با عملكرد همزمان خود رفتار هوشمند را سبب ميشوند. بنابراين تقابل هوشمندي مصنوعي و هوشمندي طبيعي حدّاقل در حال حاضر تقابل پيچيدگي فوقالعاده و سادگي فوقالعاده است. اين مسأله هم اكنون كاملاً به صورت يك جنجال علمي در جريان است.
مدلسازي نحوه تفكّر انسان، تنها راه توليد ماشينهاي هوشمند نيست. هم اكنون دو هدف براي توليد ماشينهاي هوشمند، متصور است كه تنها يكي از آن دو از الگوي انساني جهت فكر كردن بهره ميبرد:
1. سيستمي كه مانند انسان فكر كند. اين سيستم با مدل كردن مغز انسان و نحوه انديشيدن انسان توليد خواهد شد و لذا از آزمون تورينگ سر بلند بيرون ميآيد. از اين سيستم ممكن است اعمال انساني سر بزند.
2. سيستمي كه عاقلانه فكر كند. سيستمي عاقل است كه بتواند كارها را درست انجام دهد. در توليد اين سيستمها نحوه انديشيدن انسان مدّ نظر نيست. اين سيستمها متّكي به قوانين و منطقي هستند كه پايه تفكّر آنها را تشكيل داده و آنها را قادر به استنتاج و تصميمگيري مينمايد. آنها با وجودي كه مانند انسان نميانديشند، تصميماتي عاقلانه گرفته و اشتباه نميكنند. اين ماشينها لزوماً دركي از احساسات ندارند. هم اكنون از اين سيستمها در توليدAgent ها در نرمافزارهاي كامپيوتري، بهرهگيري ميشود Agent .تنها مشاهده كرده و سپس عمل مي كند.
Agent قادر به شناسايي الگوها و تصميمگيري بر اساس قوانين فكر كردن خود است. قوانين و چگونگي فكر كردن هر Agent در راستاي دستيابي به هدفش، تعريف ميشود. اين سيستمها بر اساس قوانين خاصّ خود فكر كرده و كار خود را به درستي انجام ميدهند؛ پس عاقلانه رفتار ميكنند، هر چند الزاماً مانند انسان فكر نميكنند.
با وجودي كه برآوردهسازي نيازهاي صنايع نظامي، مهمترين عامل توسعه و رشد هوش مصنوعي بوده است، هم اكنون از محصولات اين شاخه از علوم در صنايع پزشكي، روبوتيك، پيشبيني وضع هوا، نقشهبرداري و شناسايي عوارض، تشخيص صدا و دستخط و بازيها و نرم افزارهاي كامپيوتري استفاده ميشود.
نظر محققان پيرامون هوش مصنوعي
سرعت و حافظه كامپيوتر نسبت به انسان خيلي بيشتر است، امّا ميزان تواناييهاي آن بستگي به كارآيي مكانيزمهاي هوشمندي دارد كه طراحان برنامه در طراحي به كار گرفتهاند. اگر طراحان مكانيزمهاي مورد نظرشان را كاملاً دريافته باشند و به خوبي بتوانند آنها را در برنامههايي به زبان ماشين بيان كنند، ميزان توانايي ماشين مطلوب خواهد بود و اگر چنين نباشد، ماشين كارايي خوبي نخواهد داشت. بنابراين هوشمندي ماشينها نيز مانند انسان، انواع و درجات مختلفي دارد.
بعضي از مردم فكر ميكنند با نوشتن تعداد زيادي برنامه و با استفاده از زبانهايي كه هم اكنون براي بيان اطلاعات به كامپيوتر استفاده ميشوند، كامپيوترها ميتوانند به هوشمندي نوع انسان برسند. امّا محققان هوش مصنوعي معتقدند براي اين منظور، ايدههاي اساسي جديدي لازم است و بنابراين نميتوان پيشبيني كرد كه چه زماني كامپيوترها به اين هدف ميرسند.
گروهي از محققان در پي اين انديشه بودهاند 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 برنامههاي كامپيوتري را هوشمند ميسازند، هوشمند كنند. با وجود اين، آنها معمولاً ماشينهاي اختراعي خود را روي كامپيوتر مدلسازي ميكردند. آنها به اين گمان ميرسيدند كه ساخت ماشينهاي جديد بسيار گران تمام ميشود، چون براي افزايش سرعت كامپيوترها هزينه بسيار زيادي صرف ميشود و بنابراين نوع ديگر ماشين بايد خيلي سريع باشد كه در مدلسازي، بهتر از كامپيوتر عمل كند.
گاهي اين سؤال پيش ميآيد كه آيا هدف از هوش مصنوعي، گذاردن انديشه انسان در كامپيوتر است. بعضي از محققان همين هدف را دنبال ميكنند؛ امّا انديشه انسان مشخصّههاي بسيار زيادي دارد و تاكنون كسي به طور جدّي 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 برنامههاي هوشمندي ماشين در درك مكانيزمهاي هوشمندي و بيان آنها به زبان ماشين موفّق نبودهاند، بنابراين لازم است برنامههايي با كارآيي بيشتر طراحي شود.
بعضي از مردم فكر ميكنند براي هوشمند شدن كامپيوترها، سرعت بيشتري لازم است؛ امّا از نظر محققان اگر تسلط كاملي بر طراحي برنامههاي هوشمندي وجود داشت، كامپيوترهاي سي سال قبل نيز براي هوشمند شدن سرعت كافي داشتند!
نحوه شكلگيري هوش مصنوعي
بعد از جنگ جهاني دوم، افرادي بدون ارتباط با يكديگر شروع به كار در زمينه ماشينهاي هوشمند كردند. در سال 1947، تورينگ يك سخنراني در همين زمينه ارائه كرد، او احتمالاً اوّلين كسي است كه ادّعا كرد بهترين تحقيقات در اين زمينه بر اساس برنامهنويسي كامپيوتر انجام ميشود و نه ساخت ماشين.
پس از شكلگيري هوش مصنوعي، مك كارتي يك كارگاه دو ماهه در كالج Dart Mouth تشكيل داد. اين كارگاه هيچ چيز تازهاي به دنبال نداشت؛ امّا همه بنيانگذاران هوش مصنوعي را گرد هم آورد و باعث شد پايهاي 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 برنامهنويسي سطح بالا به نام ليسپ را نوشت كه هنوز يكي از برجستهترين زبانهاي برنامهنويسي هوش مصنوعي است.
در آن زمان محققان MIT نشان دادند كه اگر كار به يك موضوع اصلي محدود و منحصر شود، برنامههاي كامپيوتري ميتوانند مسائل فضايي و همچنين مسائل منطقي را نيز حل كنند.
در دهه 70 ميلادي، حوزههاي كاري هوش مصنوعي تخصّصيتر شد. حوزههايي مثل سيستمهاي هوشمند، بررسي تكلّم و بينايي كامپيوتر و ... به وجود آمد كه اين امر باعث تحكيم بيشتر تئوريهاي مربوطه شد.
در دهه 80 ميلادي، هوش مصنوعي با گامهاي سريعتري به پيش رفت. همچنان كه كامپيوترهاي شخصي جاي بيشتري بين مردم پيدا كردند و فروش سختافزار در اين زمينه افزايش يافت، مردم با علم و تكنيك مأنوستر شدند.
در ابتداي دهه 90 ميلادي، در جنگ خليج فارس هوش مصنوعي مورد آزمايش قرار گرفت. اين آزمايش هم در كارهاي سادهاي مثل تجهيز هواپيماهاي باربري و هم در كارهاي پيچيدهتر مثل زمانبندي و هماهنگي عمليات طوفان صحرا انجام گرفت. همچنين سلاحهاي پيشرفتهتر مثل موشك كروز به فنآوريهايي در زمينه هوش مصنوعي مثل روبوتيك يا بينايي ماشين، مجهز شدند.
اكنون در قرن 21 شاهد ورود تدريجي هوش مصنوعي به زندگي مردم هستيم؛ به خصوص كه علاقه به كامپيوتر و بازيهاي كامپيوتري روز به روز بيشتر ميشود. پيشرفتهاي نوين در اين زمينه به طور روز افزون در دسترس مردم قرار ميگيرد و چه كسي ميداند آينده به همراه خود چه به ارمغان خواهد آورد.
هوش مصنوعي به خودي خود علمي است كاملاً جوان. در واقع بسياري شروع هوش مصنوعي را 1950 ميدانند زماني كه آلن تورينگ مقاله دورانساز خود را در باب چگونگي ساخت ماشين هوشمند نوشت. تورينگ در آن مقاله يك روش را براي تشخيص هوشمندي پيشنهاد ميكرد كه اين روش بيشتر به يك بازي شبيه بود.
فرض كنيد شما در يك سمت يك ديوار هستيد و به صورت تله تايپ با آن سوي ديوار ارتباط داريد و شخصي از آن سوي ديوار از اين طريق با شما در تماس است. طبيعتاً يك مكالمه بين شما و شخص آن سوي ديوار ميتواند صورت پذيرد. حال اگر پس از پايان اين مكالمه، به شما گفته شود كه آن سوي ديوار نه يك شخص بلكه يك ماشين بوده كه پاسخ شما را ميداده است، آن ماشين يك ماشين هوشمند خواهد بود؛ در غير اين صورت ماشين آن سوي ديوار هوشمند نيست و موفّق به گذراندن تست تورينگ نشده است. بايد دقت كرد كه تورينگ به دو دليل كاملاً مهم اين نوع از ارتباط را انتخاب كرد. اوّل اين كه موضوع ادراكي صوت را كاملاً از صورت مسأله حذف كند و اين تست هوشمندي را درگير مباحث مربوط به دريافت و پردازش صوت نكند و دوم اين كه بر جهت ديگري هوش مصنوعي به سمت نوعي از پردازش زبان طبيعي تأكيد كند.
در هر حال هر چند تاكنون تلاشهاي متعددي در جهت پيادهسازي تست تورينگ صورت گرفته مانند برنامه Eliza ياAIML امّا هنوز هيچ ماشيني موفق به گذر از چنين تستي نشده است.
همانگونه كه مشخص است، اين تست نيز كماكان دو پيش فرض اساسي را در بردارد:
1. نمونه كامل هوشمندي انسان است.
2. مهمترين مشخّصه هوشمندي توانايي پردازش و درك زبان طبيعي است. درباره نكته اوّل به تفصيل تا بدينجا سخن گفتهايم؛ امّا نكته دوم نيز به خودي خود بايد مورد بررسي قرار گيرد. اين كه توانايي درك زبان نشانه هوشمندي است، تاريخي به قدمت تاريخ فلسفه دارد. از نخستين روزهايي كه به فلسفه پرداخته شده زبان هميشه در جايگاه نخست فعاليتهاي شناختي قرار داشته است. از يونانيان باستان كه لوگوس را به عنوان زبان و حقيقت يكجا به كار ميبردند تا فيلسوفان امروزين كه يا زبان را خانه وجود ميدانند، يا آن را ريشه مسائل فلسفي ميخوانند؛ زبان همواره شأن خود را به عنوان ممتازترين تواناييِ هوشمندترين موجودات حفظ كرده است. با اين ملاحظات ميتوان درك كرد كه چرا آلن تورينگ تنها گذر از اين تست متظاهرانه زباني را شرط دستيابي به هوشمندي ميداند. تست تورينگ اندكي كمتر از نيم قرن هوش مصنوعي را تحت تأثير قرار داد؛ امّا شايد تنها در اواخر قرن گذشته بود كه اين مسأله بيش از هر زمان ديگري آشكار شد كه متخصّصين هوش مصنوعي به جاي حلّ اين مسأله با شكوه ابتدا بايد مسائل كماهميّتتري همچون درك تصوير ، درك صوت و ... را حل كنند. به اين ترتيب با به محاق رفتن آن هدف اوّليه، اينك گرايشهاي جديدتري در هوش مصنوعي ايجاد شدهاند. در سالهاي آغازين .A.I تمركز، كاملاً بر روي توسعه سيستمهايي بود كه بتوانند فعاليتهاي هوشمندانه انسان را مدل كنند و چون چنين فعاليتهايي را در زمينههاي كاملاً خاصّي مانند بازيهاي فكري، درك زبان طبيعي و... ميدانستند طبيعتاً به چنين زمينههايي بيشتر پرداخته شد.
در زمينه توسعه بازيها، تا حدّي به بازي شطرنج پرداخته شد كه غالباً عدّهاي هوش مصنوعي را با شطرنج همزمان به خاطر ميآورند. مككارتي كه پيشتر اشاره شد، از بنيانگذاران هوش مصنوعي است اين روند را آن قدر اغراقآميز ميداند كه ميگويد:
محدود كردن هوش مصنوعي به شطرنج مانند اين است كه علم ژنتيك را از زمان داروين تاكنون تنها محدود به پرورش لوبيا كنيم. به هر حال دستآورد تلاش مهندسين و دانشمندان در طي دهههاي نخست را ميتوان توسعه تعداد بسيار زيادي سيستمهاي خبره در زمينههاي مختلف مانند پزشكي عمومي، اورژانس، دندانپزشكي، تعميرات ماشين و ...، توسعه بازيهاي هوشمند، ايجاد مدلهاي شناختي ذهن انسان، توسعه سيستمهاي يادگيري و ... دانست. دستآوردي كه به نظر ميرسد براي علمي با كمتر از نيم قرن سابقه قابل قبول به نظر ميرسد.
افقهاي هوش مصنوعي در 1943،McClutch و Pitts طي مقالهاي، ديدههاي آن روزگار درباره محاسبات، منطق و روانشناسي عصبي را تركيب كردند. ايده اصلي آن مقاله چگونگي انجام اعمال منطقي به وسيله اجزاي ساده شبكه عصبي بود. اجزاي بسيار ساده اين شبكه فقط از اين طريق سيگنالهاي تحريك و توقيف با هم درتماس بودند. اين همان چيزي بود كه بعدها دانشمندان كامپيوتر آن را مدارهاي And و OR ناميدند و طراحي اوّلين كامپيوتر در 1947 توسط فون نيومان عميقاً از آن الهام ميگرفت. امروز پس از گذشته نيم قرن از كار McClutch و Pitts شايد بتوان گفت كه اين كار الهامبخش گرايشي كاملاً پويا و نوين در هوش مصنوعي است. پيوندگرايي هوشمندي را تنها حاصل كار موازي و همزمان و در عين حال تعامل تعداد بسيار زيادي اجزاي كاملاً ساده به هم مرتبط ميداند. شبكههاي عصبي كه از مدل كار بر روي توسعه سيستمهاي هوشمند با الهام از طبيعت اكنون از زمينههاي كاملاً پرطرفدار در هوش مصنوعي است. الگوريتم ژنيتك كه با استفاده از ايده تكامل دارويني و انتخاب طبيعي پيشنهاد شده روش بسيار خوبي براي يافتن پاسخ به مسائل بهينهسازي ميباشد. به همين ترتيب روشهاي ديگري نيز مانند استراتژيهاي تكاملي نيز در اين زمينه پيشنهاد شدهاند. دراين زمينه هر گوشهاي از سازوكار طبيعت كه پاسخ بهينهاي را براي مسائل يافته است مورد پژوهش قرار ميگيرد. زمينههايي چون سيستم امنيتي بدن انسان كه در آن بيشمار الگوي ويروسهاي مهاجم به صورتي هوشمندانه ذخيره ميشوند و يا روش پيدا كردن كوتاهترين راه به منابع غذا توسط مورچگان همگي بيانگر گوشههايي از هوشمندي بيولوژيك هستند. گرايش ديگر هوش مصنوعي بيشتر بر مدلسازي اعمال شناختي تأكيد دارد؛ اين گرايش چندان خود را به قابليت تعمق بيولوژيك سيستمهاي ارائه شده مقيد نميكند. CASE-BASED REASONING يكي از گرايشهاي فعّال در اين شاخه ميباشد. به عنوان مثال روند استدلال توسط يك پزشك هنگام تشخيص يك بيماري كاملاً شبيه به CBR است به اين ترتيب كه پزشك در ذهن خود تعداد بسيار زيادي از شواهد بيماريهاي شناخته شده را دارد و تنها بايد مشاهدات خود را با نمونههاي موجود در ذهن خويش تطبيق داده، شبيهترين نمونه را به عنوان بيماري بيابد. به اين ترتيب مشخصات، نيازمنديها و تواناييهاي CBR به عنوان يك چارچوب كلّي پژوهش در هوش مصنوعي مورد توجه قرار گرفته است.
البته هنگامي كه از گرايشهاي آينده سخن ميگوييم، هرگز نبايد از گرايشهاي تركيبي غفلت كنيم. گرايشهايي كه خود را به حركت در چارچوب شناختي يا بيولوژيك يا منطقي محدود نكرده و به تركيبي از آنها ميانديشند. شايد بتوان پيشبيني كرد كه چنين گرايشهايي فراساختارهاي رواني را براساس عناصر ساده بيولوژيك بنا خواهند كرد.
هوش مصنوعي قوي و هوش مصنوعي ضعيف
اغلب هوش مصنوعي به دو طبقه تقسيم ميشود: هوش مصنوعي قوي و هوش مصنوعي ضعيف .
هوش مصنوعي قوي ادّعا ميكند كه كامپيوترها ميتوانند به نحوي كارگذاري شوند كه حدّاقل تا سطح انسان فكر كنند و تواناييهاي او را داشته باشند.
هوش مصنوعي ضعيف به سادگي چنين اظهار ميكند كه تعدادي از ويژگيهاي انسان مانند فكركردن، ميتوانند به كامپيوترها اضافه شوند، به نحوي كه آنها بتوانند به عنوان مثال تشخيص انسان را مشابهسازي كنند. به عبارت ديگر به نحوي كار كنند كه بتوان به آنها سيستمهاي هوشمند اطلاق كرد. اين نوع هوش مصنوعي مدّتي است كه عملي شده و مثال آن نرمافزاري است كه گفتار را تشخيص ميدهد.
شاخههاي هوش مصنوعي
شبكه عصبي : در اينجا هوشمندي به وسيله مشابهسازي انواع اتّصالات فيزيكي كه در مغز حيوانات اتفاق ميافتد، عملي ميشود.
فرآيند تكلّم طبيعي : در اين شاخه، كامپيوترها براي فهم زبان انسان برنامهريزي ميشوند.
روبوتيك : در اين حوزه سعي ميشود، روبوتها به طور هوشمند عمل كنند. به عنوان مثال تواناييهاي هوشمندانهاي مانند ديدن، شنيدن و عكسالعمل نشان دادن به محرّكهاي طبيعي.
انجام مسابقه : در اينجا كامپيوترها براي شركت در مسابقاتي مثل شطرنج برنامهريزي ميشوند.
سيستمهاي خبره : در اين شاخه، كامپيوترها براي تصميمگيري در شرايط واقعي زندگي برنامهريزي ميشوند. 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 ميشود: اطلاعات يك يا چند متخصّص همراه اطلاعات گرفته شده از خود مراجعان، به كامپيوتر داده ميشود. حال هر مراجعه كننده به سؤالاتي كه كامپيوتر مطرح ميكند پاسخ داده، سپس كامپيوتر نوع بيماري مراجعه كننده را با استفاده از اطلاعات تخصّصي كه در اختيار دارد و اطلاعاتي كه از مراجعه كننده گرفته، مشخص ميكند.
چنين كامپيوتري، يك سيستم خبره است. امّا اين سيستم، علاوه بر آنچه به آن داده شده، اطلاعاتي به دست نميآورد. در شاخه بعد، از قابليتي سخن خواهيم گفت كه به هوشمندي انسان نزديكتر است.
يادگيري ماشين : هدف اصلي در يادگيري ماشين، اصلاح كاركردي از ماشين است كه توانايي انجام آن در ماشين ايجاد شده است. به اين نحوه اصلاح، كه بر اساس آزمون و همچنين بر اساس ميزان درست انجام دادن آن كار مثلاً تعداد بردها در بازي شطرنج انجام ميگيرد، يادگيري ماشين گفته ميشود.
يادگيري وقتي رخ ميدهد كه ماشين بتواند برنامه، ساختار يا دادههايش را براساس وروديها يا در پاسخ به اطلاعات خارجي به نحوي تغيير دهد كه رفتارش به آنچه از او انتظار ميرود، نزديكتر شود.
روبوكاپ
پروفسور كيتانو از ژاپن در سال 1995 اين سؤال اساسي را مطرح نمود: آيا تا سال 2050 ميتوان تيم فوتبالي متشكل از روبوتها ساخت كه در برابر تيمي از قهرمانان فوتبال جهان به مسابقه بپردازند؟ و همين شد كه مسابقات روبوكاپ در سال 1997 برگزار شد. از آن پس مسابقات جهاني روبوكاپ هر سال در يك كشور برگزار ميشود.
روبوت كلمهاي است كه از روبوتا مشتق گرديده است. اين كلمه برگرفته از نمايشنامهاي است كه توسّط كارل چاپك در سال 1920 در پراگ اجرا گرديد.
انواع مسابقات روبوكاپ
ردههاي مختلف مسابقات روبوكاپ به صورت زير ميباشد:
1. ليگ جونيور: اين ليگ براي آشنايي با روبوت و مكانيزمهاي آن طراحي شده است و شامل دو رده سني اوّليه و نهايي ميباشد كه به نام Primary و Secondary شناخته ميشود. در رشتههاي Rescue، Soccer و Dance دانشآموزان با هم به رقابت ميپردازند. در رشتههاي Soccer نيز گروهها و تيمها به دو گروه 1×1 و 2×2 تقسيم ميشوند. يعني تيمهاي فوتبالي كه با يك روبوت به زمين مسابقه ميروند و تيمهاي فوتبالي كه با دو روبوت به روي زمين ميروند.
2. ليگ small size: در اين ليگ هر تيم با چهار يا پنج روبوت به مبارزه با تيمهاي ديگر ميپردازد. يكي از مهمترين مزاياي اين ليگ، داشتن تصوير بازي، مختصات بازي، مختصات و سرعتهاي بازيكنان در هر لحظه در زمين ميباشد. اين ليگ يكي از پيچيدهترين ليگهاي موجود در مسابقات روبوكاپ است، زيرا يك هماهنگي بسيار دقيقي بايد بين گروه مكانيك و گروه برنامهنويسي و گروه الكترونيك يك تيم برقرار باشد. در هر لحظه تصوير بازي توسّط يك پردازشگر تصويري، به طور كامل پردازش ميشود و توسّط الگوريتم موجود و موقعيتهاي بازيكنان حريف، بهترين محل براي زدن شوت پيدا ميشود و اين دستور توسط يك دستگاه مخابراتي به هر كدام از روبوتهايي كه از لحاظ نزديك بودن به توپ يا نزديك بودن به دروازه حريف موقعيت بهتري دارند، فرستاده ميشود؛ سپس هر كدام از روبوتها توسط گيرنده، پيغام را دريافت ميكنند و اين پيغام توسط موتورها و چرخهاي هر روبوت به مرحله اجرا در ميآيد. سرعت انتقال اطلاعات و پردازش آن در اين رده بسيار حايز اهميّت است. معمولاً تيمهاي شركتكننده در اين رده از معتبرترين تيمهاي دانشگاههاي جهان هستند. كدنويسي براي اين رده از مسابقات بسيار كار پيچيده و مهمّي است، تا حدّي كه كدنويسان مسابقات شبيهسازي فوتبال به كمك تيمهاي اين رده ميآيند.
3. ليگ middle size: فرق اين ليگ با ليگ small size اندازه روبوتها و نيز نوع پردازش تصوير و پردازشگر مركزي است. اين رده داراي روبوتهاي بزرگتري ميباشند كه بر روي هر كدام يك عدد كامپيوتر كتابي قرار گرفته كه خود وظيفه پردازش تصوير روبوت خود را بر عهده دارد. در اين رده از مسابقات، تصوير زمين و روبوتها، ديگر از طريق يك دوربين مركزي به پردازشگر اصلي فرستاده نميشود؛ بلكه هر روبوت با داشتن يك سيستم تصوير مجزا كه ممكن است دوربين و يا Omni Vision باشد، به جمعآوري اطلاعات مربوط به محل روبوتها بپردازد. پس از پردازش تصوير توسّط هر روبوت، اين اطلاعات توسّط پيغامهاي راديويي بين روبوتها مبادله ميشود و مكانهاي مورد نظر براي قرارگيري هر روبوت، معيّن ميگردد. تعيين مختصات نيز در اين روبوتها هم توسّط تصوير و هم توسّط encoderهاي مربوط به هر روبوت، معيّن ميشود. توپ مورد استفاده براي اين بازي به اندازه توپ واليبال است و هر تيم براي نگهداري و حفظ توپ از شيوههاي خاصّ خود استفاده ميكند. از جمله روش Spin Back كه براي حفظ توپ توسّط يك غلطك اصطكاكي ميباشد؛ يا هر تيم با ايجاد يك محفظه قابل قبول در جلوي خود، به حفظ توپ ميپردازد. نحوه تشخيص دروازه و روبوت حريف، بستگي به رنگهاي دروازه و بالاي سر روبوتها دارد كه رنگهاي دروازه متشكل از دو رنگ زرد و آبي است. و رنگ مقواي موجود در بالاي روبوتها عبارتند از زرد و آبي و صورتي كه هر تيم آن را انتخاب ميكند.
4. ليگ شبيهسازي كامپيوتر: همانطور كه از نام اين ليگ برميآيد، شركتكنندگان در اين ليگ با استفاده از نرمافزار و شبيهسازي كامپيوتري به برگزاري يك مسابقه فوتبال ميپردازند. اين ليگ از آن جهت حايز اهميّت است كه بسياري از متخصّصان نرمافزاري، تواناييهاي خود و دانشگاه خود را در اين زمينه به نمايش ميگذارند. اين ليگ متشكل از سه رده مختلف مسابقات است كه عبارتند از: شبيهسازي فوتبال، مربيگري و ارائه. در شبيهسازي فوتبال شركتكنندگان با نوشتن برنامه مورد نظر، يازده بازيكن را به زمين ميفرستند و مانند يك مسابقه فوتبال واقعي شروع به مبارزه با تيم حريف ميكنند. در قسمت مربيگري نيز، شركتكنندگان با دريافت يك تيم كاملاً خام با قابليت اجراي دستورات، به مسابقه ميپردازند و اين تيم را در برابر يك تيم كامپيوتري كاملاً فعال، به ميدان ميبرند. در قسمت ارائه، شركتكنندگان آمار و اطلاعات و نتايج بهدست آمده توسّط تيم خود از يك بازي ارائه شده را به نمايش ميگذارند.
5. ليگ امدادرساني: انتقال يك بازيكن مصدوم به خارج از زمين مسابقات، به صورت شبيهسازي هم برگزار ميگردد. اوّل تشخيص ميدهد كجاست بعد از كسب مجوّز داور او را حمل ميكند.
6. ليگ روبوتهاي انساننما: در حال حاضر فقط طيّ مسيرهاي مشخّص مثل پله، شيب و ... آزمايش و مورد مسابقه ميباشد.
7. ليگ سگها: سگهاي فوتبالي كه شركت سوني ساخته و فوتبال بازي ميكنند.
http://cgopnu.persianblog.comو http://dezra.persianblog.comو http://www.amozeshonline.com/archives/main1/000232.phpو http://www.amozeshonline.com/archives/main1/000232.phpو http://tebyan.net/Teb.aspx?nId=10327