پاورپوینت هوش مصنوعی چیست؟ (pptx) 22 اسلاید
دسته بندی : پاورپوینت
نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید: 22 اسلاید
قسمتی از متن PowerPoint (.pptx) :
بنام خدا
هوش مصنوعی چیست؟
هوش مصنوعی که معادل کلمه ی Artificial Intelligence این است به اختصار با AI از آن یاد می شود.
هوش مصنوعی به هوشی که یک ماشین در شرایط مختلف از خود نشان می‌دهد، گفته می‌شود. به عبارت دیگر هوش مصنوعی به سیستم هایی گفته می‌شود که می توانند واکنش هایی مشابه رفتار های هوشمند انسانی از جمله درک شرایط پیچیده، شبیه سازی فرایند های تفکری و شیوه های استدلالی انسانی و پاسخ موفق به آنها، یادگیری و توانایی کسب دانش و استدلال برای حل مسایل را داشته باشند. بیشتر نوشته ها و مقاله های مربوط به هوش مصنوعی، آن را به عنوان “دانش شناخت و طراحی عامل های هوشمند” تعریف کرده‌اند.
هوش مصنوعی را باید عرصه پهناور تلاقی و ملاقات بسیاری از دانش ها، علوم، و فنون قدیم و جدید دانست. ریشه‌ها و ایده های اصلی آن را باید در فلسفه، زبان‌شناسی، ریاضیات، روان شناسی، عصب شناسی، فیزیولوژی، تئوری کنترل، احتمالات و بهینه‌سازی جستجو کرد و کاربرد های گوناگون و فراوانی در علوم رایانه، علوم مهندسی، علوم زیست شناسی و پزشکی، علوم اجتماعی و بسیاری از علوم دیگر دارد.
از زبان‌های برنامه نویسی هوش مصنوعی می‌توان به لیسپ، پرولوگ، کلیپس و ویپی اکسپرت اشاره کرد.
یک “عامل هوشمند” سیستمی است که با شناخت محیط اطراف خود، شانس موفقیت خود را پس از تحلیل و بررسی افزایش می‌دهد. جان مکارتی که واژه هوش مصنوعی را در سال ۱۹۵۶ استفاده نمود، آن را “دانش و مهندسی ساخت ماشین های هوشمند” تعریف کرده‌است.
هوش مصنوعی در علم پزشکی امروزه به دلیل گسترش دانش و پیچیده تر شدن فرایند تصمیم گیری، استفاده از سیستم‌های اطلاعاتی به خصوص سیستم های هوش مصنوعی در تصمیم‌گیری، اهمیت بیشتری یافته است. هوش مصنوعی گسترش دانش در حوزهٔ پزشکی و پیچیدگی تصمیمات مرتبط با تشخیص و درمان – به عبارتی حیات انسان – توجه متخصصین را به استفاده از سیستم‌های پشتیبان تصمیم‌گیری در امور پزشکی جلب نموده‌است. به همین دلیل، استفاده از انواع مختلف سیستم های هوشمند در پزشکی رو به افزایش است، به گونه‌ای که امروزه تأثیر انواع سیستم های هوشمند در پزشکی مورد مطالعه قرار گرفته است.
تاریخچه ی هوش مصنوعی
هوش مصنوعی توسط فلاسفه و ریاضی دانانی نظیر جرج بول که اقدام به ارائه قوانین و نظریه هایی در مورد منطق نمودند، مطرح شده بود. با اختراع رایانه های الکترونیکی در سال ۱۹۴۳، هوش مصنوعی، دانشمندان آن زمان را به چالشی بزرگ فرا خواند. در این شرایط، چنین به نظر می رسید که این فناوری قادر به شبیه سازی رفتار های هوشمندانه خواهد بود.
با وجود مخالفت گروهی از متفکّرین با هوش مصنوعی که با تردید به کارآمدی آن می نگریستند تنها پس از چهار دهه، شاهد تولد ماشین های شطرنج باز و دیگر سامانه های هوشمند در صنایع گوناگون شدیم.
نام هوش مصنوعی در سال ۱۹۶۵ میلادی به عنوان یک دانش جدید ابداع گردید. البته فعالیت در این زمینه از سال ۱۹۶۰ میلادی شروع شد. بیشتر کارهای پژوهشی اولیه در هوش مصنوعی بر روی انجام ماشینی بازی ها و نیز اثبات قضیه های ریاضی با کمک رایانه ها بود. در آغاز چنین به نظر می آمد که رایانه ها قادر خواهند بود چنین فعالیت هایی را تنها با بهره گرفتن از تعداد بسیار زیادی کشف و جستجو برای مسیر های حل مسئله و سپس انتخاب بهترین روش برای حل آن ها به انجام رسانند.
اصطلاح هوش مصنوعی برای اولین بار توسط جان مکارتی (که از آن به‌عنوان پدر علم و دانش تولید ماشین های هوشمند یاد می‌شود) استفاده شد. وی مخترع یکی از زبان های برنامه نویسی هوش مصنوعی به نام لیسپ است. با این عنوان می توان به هویت رفتار های هوشمندانه یک ابزار مصنوعی پی برد. (ساختهٔ دست بشر، غیر طبیعی، مصنوعی) حال آن که هوش مصنوعی به عنوان یک اصطلاح عمومی پذیرفته شده که شامل محاسبات هوشمندانه و ترکیبی ( مرکب از مواد مصنوعی ) است.
از اصطلاح “Strong and Weak AI” می‌توان تا حدودی برای معرفی رده بندی سیستم ها استفاده کرد.
کاربردهای هوش مصنوعی :
کاربرد های هوش مصنوعی چنان گسترده و فراگیر شده اند که بسیاری از این کاربرد ها دیگر با نام هوش مصنوعی شناخته نمی شوند و نام تخصصی خود را دارند. تأثیر هوش مصنوعی را اکنون می توان در همه جهات و نقاط زندگی مردم دید. آیفونی که قادر به تشخیص اعضای خانه است یا تلویزیونی که نور صفحه نمایش دلخواه را با تعداد افراد تنظیم می کند، همه و همه کاربرد های هوش مصنوعی هستند.
کاربرد های عملی آن دسته از کاربرد های هوش مصنوعی هستند که عملیات خاصی را انجام داده و عمل یا تأثیر آن به وضوح توسط کاربر احساس خواهد شد. برای مثال جستجوی خودکار گوگل که از الگوریتم ها و متد های پیچیده هوش مصنوعی استفاده می‌کند، پس از انجام یک عملیات پر هزینه و البته سریع نتایج مرتبط را به شما نشان خواهد داد. ماشین هایی که قادر هستند خودشان را کنترل کنند. ربات های پرنده یا قایق های هوشمند نمونه ای بارز و موفق از این نوع کاربرد ها هستند.
نیاز به تحلیل و استخراج الگو از داده های ترافیک شهری، دریافتی کارکنان و جا به جایی پول در یک بانک برای جلوگیری از اختلاس یک عملیات نیست و تأثیر یا خود عمل به وضوح توسط کاربر لمس نخواهد شد؛ اما در مقابل یک تحلیل هوشمند و خودکار است که کاربرد تحلیلی هوش مصنوعی به حساب می‌آید.
شاخه های هوش مصنوعی
یادگیری ماشین
یادگیری ماشین یا Machine Learning شاخه‌ای از هوش مصنوعی است که به مطالعه و ساخت سیستم هایی با قابلیت یادگیری از داده ها می‌پردازد. به طور مثال، به کمک سیستم یادگیری ماشین می توان یک سیستم مدیریت ایمیل را آموزش داد تا پیام های هرزنامه را از دیگر پیام ها تشخیص دهد. این سیستم پس از یادگیری می تواند به دسته بندی ایمیل های جدید به هرزنامه و غیر آن بپردازد.
مساله اصلی در یادگیری ماشین، عرضه و کلی سازی است. عرضه نمونه های داده‌ای و توابعی که بر اساس این نمونه ها ارزیابی می شوند، همگی بخشی از سیستم های یادگیری ماشین هستند. کلی سازی به معنی این قابلیت است که سیستم روی نمونه های داده ای نادیده نیز به خوبی عمل خواهد کرد. شرایطی که تحت آنها بتوان این مساله را تضمین کرد، از موضوعات اصلی مطالعه در زیر مجموعه نظریه یادگیری محاسباتی است.
انواع گسترده ای از فعالیت ها و کاربرد های موفق یادگیری ماشین وجود دارد. تشخیص اپتیکال کاراکتر که در آن کاراکتر های چاپی به صورت خودکار و بر اساس نمونه های قبلی شناخته می‌شوند، مثالی سنتی از یادگیری دستگاه است.
بینایی ماشین
بینایی ماشین فناوری و روش های مورد استفاده برای بهبود شناسایی و تحلیل خودکار مبتنی بر تصویر در کاربرد هایی مانند بازرسی خودکار، کنترل روند و هدایت روبات در صنعت است. حوزه بینایی ماشین بسیار گسترده است. کاربرد اصلی بینایی ماشین در بازرسی خودکار و هدایت روبات های صنعتی است، همچنین برخی کاربرد های رایج بینایی ماشین در تضمین کیفیت، دسته بندی، کار با مواد، هدایت روبات ها و اندازه گیری نوری است.
روش های بینایی ماشین به دو صورت تعریف می شوند، تعریف و ایجاد یک برنامه بینایی ماشین و نیز روندی فنی که در جریان اجرای این برنامه اتفاق می افتد. در اینجا به مورد دوم می پردازیم. این مساله شامل رابط های کاربری، رابط های ادغام سیستم های چند بخشی و تبادل داده اتوماتیک می شود. به هر حال، اولین قدم در جریان اجرای بینایی ماشین، گرفتن یک تصویر است که معمولا با استفاده از دوربین، لنز و نور پردازی انجام می شود و باید وضوح مورد نیاز در پردازش های بعدی در طراحی آن لحاظ شده باشد. سپس بسته نرم افزاری بینایی ماشین از تکنیک های مختلف پردازش تصویر دیجیتال استفاده کرده و اطلاعات مورد نیاز را استخراج و معمولا بر اساس اطلاعات استخراج شده تصمیم گیری ( معمولا تایید/رد ) می کند.
پردازش زبان طبیعی
پردازش زبان طبیعی یکی از حوزه های علوم کامپیوتر، هوش مصنوعی و زبان شناسی است که به تعامل کامپیوتر و زیان انسان ( طبیعی ) می پردازد. از این منظر پردازش زبان طبیعی به حوزه تعامل انسان – کامپیوتر مربوط می شود. بسیاری از چالش های پردازش زبان طبیعی به درک زبان طبیعی مربوط می شود – یعنی ایجاد توانایی در کامپیوتر برای استخراج مفهوم ورودی زیان انسانی یا طبیعی.
با وجود فعالیت های قدیمی تر، تاریخچه پردازش زبان طبیعی عموما در دهه ۱۹۵۰ میلادی آغاز شد. در سال ۱۹۵۰ میلادی آلن تورینگ مقاله ای را با عنوان “هوش و دستگاه محاسباتی” منتشر و در آن، آنچه را امروز به تست تورینگ موسوم است، به عنوان ابزاری برای هوش معرفی کرده بود.
روباتیک
روباتیک شاخه‌ای از فناوری است که به طراحی، ساخت، عملیات و کاربرد روبات ها و سیستم های کامپیوتری برای کنترل، فیدبک حسگر ها و پردازش اطلاعات می پردازد. این فناوری ها با دستگاه های خودکاری سر و کار دارند که می توانند جانشین انسان در محیط ها یا روند های تولیدی خطرناک شوند یا ظاهر، رفتار و درک انسانی را شبیه سازی کنند. بسیاری از روبات های امروزی از طبیعت الهام گرفته اند که به شاخه روباتیک ملهم از بیولوژی مربوط می‌شوند. مفهوم ایجاد ماشین هایی که بتوانند خودکار کار کنند، به زمان های دور بر می گردد اما تحقیق روی عملیاتی کردن و کاربرد های احتمالی روبات ها از قرن بیستم آغاز شد. در طول تاریخ، روبات ها به تقلید رفتار انسانی شناخته شده و توانسته اند کار های مشابهی نیز انجام دهند. امروزه و با پیشرفت فناوری، رشته روباتیک با سرعت زیادی در حال پیشرفت است. تحقیق، طراحی و ساخت روبات های جدید با اهداف کاربردی متفاوت عمومی، تجاری یا نظامی انجام شده است. بسیاری از روبات ها کارهایی را انجام می دهند که برای انسان خطرناک است؛ مانند خنثی سازی بمب و مین و بازرسی لاشه کشتی.