مقالات آموزشی

ممکن است با پیشرفت تکنولوژی در زمینه هوش مصنوعی در آینده شاهد افزایش شاخه های هوش مصنوعی باشیم. زیرا ممکن است برخی از شاخه ها هنوز شناخته نشده باشند. اما در این مقاله شما با شاخه های هوش مصنوعی موجود آشنا می شوید.

هوش مصنوعی منطقی:

این که یک برنامه در حالت کلی، واقعیات وضعیت معینی که در آن باید عمل کند را می داند و اهدافی که توسط عبارات زبان منطقی ریاضی ارائه می شوند را می داند. برنامه در مورد عملی که باید انجام دهد با استنتاج عملکردهای معین که برای به دست آوردن اهداف مناسب هستند، تصمیم گیری می نماید. برنامه های هوش مصنوعی معمولا تعداد زیادی از احتمالات را بررسی می کنند به عنوان مثال: حرکت های درون یک بازی شطرنج.

الگو شناسی یا شناخت الگو:

در علم کامپیوتر تشخیص داده های ورودی مانند تصاویر، رشته های متنی و... با شناخت و تشریح خصوصیات و تشخیص ارتباطات میان آنها صورت می گیرد.

نمایش:

واقعیات یک محیط باید به طریقی نمایش داده شوند که در این مورد معمولا از زبان های منطقی ریاضی استفاده می شود.

استنتاج:

دیگر واقعیات می توانند از برخی از واقعیات استنتاج شوند. استنتاج منطقی ریاضی برای برخی از اهداف کافی می باشد، اما متدهای استنتاج غیر یکنواخت از سال 1970 میلادی به منطق اضافه شده اند. ساده ترین نوع استدلال غیر یکنواخت استدلال پیش فرض است که در آن یک نتیجه گیری به صورت پیش فرض استنتاج می شود. اما نتیجه گیری می تواند در صورت تغییر مدرک یا دلیل، عوض شود. به عنوان مثال زمانی که ما از یک پرنده حرف می زنیم، نتیجه می گیریم که می تواند پرواز کند، اما این استنتاج زمانی که در مورد یک خزنده حرف می زنیم می تواند عوض شود. معمولا استدلال منطقی در مجموعه ای از استنتاج ها که می توانند از یک مجموعه مقدمات گرفته شوند، یک تابع افزایشی یکنواخت از مقدمات می باشد.

دانش عقل سلیم و استدلال:

محیطی است که در آن هوش مصنوعی از سطح انسانی خیلی دور می باشد االبته با وجود این واقعیت که از سال 1950 میلادی روی آن تحقیق شده است. به عنوان مثال در توسعه سیستم های غیر یکنواخت و تئوری های عملکرد هنوز ایده های بیشتری مورد نیاز می باشد. (سیستم Cyc شامل مجموعه ای از واقعیات عقل سلیم می باشد.)

یادگیری از تجربه:

برنامه ها این کار را انجام می دهند. بر اساس پیوندگرایی و شبکه های عصبی به هوش مصنوعی نزدیک می شوند. آموزش قوانین بیان شده در منطق در یادگیری از تجربه وجود دارد. برنامه ها فقط می توانند واقعیات یا رفتاری را یاد بگیرند که بتوانند آنها را نمایش دهند.

برنامه ریزی:

تلاش می کند که عملیات را برای رسیدن به اهداف مرتب نماید. کاربردهای برنامه ریزی شامل تدارکات، زمان بندی ساخت و برنامه ریزی ساخت مراحلی برای تولید محصول مطلوب می باشد. با یک برنامه ریزی بهتر می توان در هزینه صرفه جویی کرد. برنامه ریزی برنامه ها با واقعیات عمومی در مورد جهان شروع می شوند. واقعیات در مورد وضعیت های مشخص و یک عبارت در مورد هدف می باشند که از آنها یک استراتژی برای رسیدن به هدف به دست می آید. در بسیاری از موارد استراتژی فقط یک ترتیب از عملکردها می باشد.

شناخت شناسی:

یک شاخه از فلسفه که در مورد منبع، طبیعت، روش ها و محدودیت های دانش بشری بحث می کند. به عبارت دیگر شناخت شناسی مطالعه در مورد آنچه می دانیم و چگونه می دانیم، می باشد.

هستی شناسی:

شاخه ای از متافیزیک می باشد که در مورد طبیعت موجودات صحبت می کند. به عبارت دیگر مطالعه انواع چیزهایی است که موجودند. در برنامه ها و عبارات به انواع مختلفی از اشیاء اشاره می شود. تأکید بر هستی شناسی از سال 1990 میلادی شروع شد.

ابتکارها یا اکتشافات:

برای افزایش احتمال حل برخی از مسائل به کار می روند. این واژه به صورت متنوع در هوش مصنوعی به کار می رود. مستندات اکتشاف دو گره را در یک درخت جستجو برای دیدن این که کدام بهتر از دیگری است مقایسه می کند.

برنامه نویسی ژنتیک:

یک روش برنامه نویسی است که الگوریتم ژنتیکی را برای تمامی برنامه های کامپیوتری توسعه می دهد. در برنامه نویسی ژنتیکی جمعیت برنامه ها برای حل مسأله ها توسعه می یابند. از برنامه های ژنتیکی می توان برای حل مسائل طبقه بندی، کنترل، روبوتیک، بهینه سازی، تئوری بازی ها و الگو شناسی استفاده نمود.

منبع: آوا وب