مقدمه‌:

دهه‌های‌ آغازین‌ سده‌ بیستم‌ میلادی‌ و دوران‌ پیشرفت‌ شگرف‌صنعتی‌، همراه‌ با تولید خودرو بود که‌ انقلاب‌ همه‌ جانبه‌این‌ درترابری‌، افزایش‌ شتاب‌ جابجایی‌ و صدها کار و پیشه‌ جدید دررشته‌ها بازرگانی‌ بوجود آورده‌ است‌.

به‌ نظر می‌رسد که‌ سمبل‌ دوران‌ فراصنعتی‌ و نماد فرآورده‌های‌بی‌همتای‌ قرن‌ آینده‌«هوش‌ مصنوعی‌»(1) است‌. امروزه‌ موضوع‌هوش‌ مصنوعی‌ داغ‌ترین‌ بحث‌ میان‌ کارشناسان‌ دانش‌ رایانه‌ واطلاعات‌ و دیگر دانشمندان‌ و تصمیم‌گیرندگان‌ است‌. در سراسرتاریخ‌ تا به‌ امروز انسان از جنبه‌ تن‌ و روان‌، مرکز و محور بحث‌هاو پژوهش‌ها بوده‌ است‌. ولی‌ اکنون‌ موجودی‌ با رتبه‌ای‌ پائین‌تر،بی‌جان‌ و ساختگی‌ می‌خواهد جانشین‌ او شود، امری‌ که‌ بدون‌ شک‌ می‌توان‌ ادعا نمود بیشتر انسان‌ها با آن‌ مخالفند.

هوش‌ مصنوعی‌ چنانچه‌ به‌ هدف‌های‌ والای‌ خود برسد، جهش‌بزرگی‌ در راه‌ دستیابی‌ بشر به‌ رفاه‌ بیشتر و حتی‌ ثروت‌ افزون‌ترخواهد بود. هم‌ اکنون‌ نمونه‌های‌ خوب‌ و پذیرفتن‌ از هوش‌ مصنوعی‌در دنیای‌ واقعی‌ ما به‌ کار افتاده‌ است‌. چنین‌ دستاوردهایی‌، صرف‌منابع‌ لازم‌ در آینده‌ را همچنان‌ توجیه‌ خواهد کرد.
از سوی‌ دیگر، منتقدین‌ هوش‌ مصنوعی‌ چنین‌ استدلال‌ می‌کنندکه‌ صرف‌ زمان‌ و منابع‌ ارزشمنددیگر در راه‌ ساخت‌ فراورده‌ای‌ که‌پر از نقص‌ و کاستی‌ ودست‌آوردهای‌ مثبت‌ اندکی‌ است‌،مایه‌ بدنام‌ کردن‌ و زیر پا گذاشتن‌توانمندی‌ها و هوشمندی‌های‌انسان‌ می‌باشد. تلخ‌ترین‌ انتقادهابر این‌ باور است‌ که‌ هوش‌مصنوعی‌، توهین‌ آشکار به‌ گوهر طبیعت‌ و نقش‌ انسان‌ است‌.

« هوش مصنوعی، دانش ساختن ماشین‌‌ ها یا برنامه‌های هوشمند است. » همانگونه که از تعریف فوق-که توسط یکی 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 که از هوش مصنوعی می‌توان ارائه داد به قرار زیر است:

« هوش مصنوعی، شاخه‌ایست از علم کامپیوتر که ملزومات محاسباتی اعمالی همچون ادراک (Perception)، استدلال(reasoning) و یادگیری(learning) را بررسی کرده 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 کامپیوتر به ماشینی که بتواند اعمال انجام شده توسط انسان را انجام دهد.» به این ترتیب می‌توان دید که دو تعریف آخر کاملاً دو چیز را در تعریف نخست واضح کرده‌اند.

1ـ منظور از موجود یا ماشین هوشمند چیزی است شبیه انسان.

2ـ ابزار یا ماشینی که قرار است محمل هوشمندی باشد یا به انسان شبیه شود، کامپیوتر است. هر دوی این نکات کماکان مبهم و قابل پرسشند. آیا تنها این نکته که هوشمندترین موجودی که می‌شناسیم، انسان است کافی است تا هوشمندی را به تمامی اعمال انسان نسبت دهیم؟ حداقل این نکته کاملاً واضح است که بعضی جنبه‌های ادراک انسان همچون دیدن و شنیدن کاملاً ضعیف‌تر از موجودات دیگر است. علاوه بر این، کامپیوترهای امروزی با روش‌هایی کاملاً مکانیکی(منطقی) توانسته‌اند در برخی جنبه‌های استدلال، فراتر از توانایی‌های انسان عمل کنند. بدین ترتیب، آیا می‌توان در همین نقطه ادعا کرد که هوش مصنوعی تنها نوعی دغدغه علمی یا کنجکاوی دانشمندانه است و قابلیت تعمق مهندسی ندارد؟(زیرا اگر مهندسی، یافتن روش‌های بهینه انجام امور باشد، به هیچ رو مشخص نیست که انسان اعمال خویش را به گونه‌ای بهینه انجام می‌دهد). به این نکته نیز باز خواهیم گشت. اما همین سؤال را می‌توان از سویی دیگر نیز مطرح ساخت، چگونه می‌توان یقین حاصل کرد که کامپیوترهای امروزین، بهترین ابزارهای پیاده‌سازی هوشمندی هستند؟

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

به هرحال، کامپیوتر تا به حال به چنان درجه‌ای از پیشرفت رسیده و چنان سرمایه‌گذاری عظیمی برروی این ماشین انجام شده است که به فرض این که 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 کامپیوترهای موجود برای پیاده‌سازی برنامه‌های هوشمند استفاده کرد و اگر چنین شود، باید گفت که طبیعت هوشمندی ایجاد شده حداقل از لحاظ پیاده‌سازی، کاملاً با طبیعت هوشمندی انسانی متناسب خواهد بود، زیرا هوشمندی انسانی، نوعی هوشمندی بیولوژیک است که با استفاده از مکانیسم‌های طبیعی ایجاد شده، و نه استفاده از عناصر و مدارهای منطقی. در برابر تمامی استدلالات فوق می توان این نکته را مورد تاُمل و پرسش قرار داد که هوشمندی طبیعی تا بدان جایی که ما سراغ داریم، تنها برمحمل طبیعی و با استفاده از روش های طبیعت ایجاد شده است. طرفداران این دیدگاه تا بدانجا پیش رفته‌اند که حتی ماده ایجاد کننده هوشمندی را مورد پرسش قرار داده اند، کامپیوتر از سیلیکون استفاده می کند، در حالی که طبیعت همه جا از کربن سود برده است. مهم تر از همه، این نکته است که در کامپیوتر، یک واحد کاملاً پیچیده مسئولیت انجام کلیه اعمال هوشمندانه را بعهده دارد، در حالی که طبیعت در سمت و سویی کاملاً مخالف حرکت کرده است. تعداد بسیار زیادی از واحدهای کاملاً ساده (بعنوان مثال از نورون‌های شبکه عصبی) با عملکرد 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 اکنون کاملاً به صورت یک جنجال(debate) علمی در جریان است.

در هر حال حتی اگر بپذیریم که کامپیوتر 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 کاملاً جوان. در واقع بسیاری شروع هوش مصنوعی را 1950 می‌ دانند زمانی که آلن تورینگ مقاله دوران‌ساز خود را در باب چگونگی ساخت ماشین هوشمند نوشت (آنچه بعدها به تست تورینگ مشهور شد) تورینگ درآن مقاله یک روش را برای تشخیص هوشمندی پیشنهاد می‌کرد. این روش بیشتر به یک بازی شبیه بود.

فرض کنید شما در یک سمت یک 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 یک مکالمه بین شما و شخص آن سوی دیوار می‌تواند صورت پذیرد. حال اگر پس از پایان این مکالمه، به شما گفته شود که آن سوی دیوار نه یک شخص بلکه (شما کاملاً از هویت شخص آن سوی دیوار بی‌خبرید) یک ماشین بوده که پاسخ شما را می‌داده، آن ماشین یک ماشین هوشمند خواهد بود، در غیر این صورت(یعنی در صورتی که شما در وسط مکالمه به مصنوعی بودن پاسخ پی ببرید) ماشین آن سوی دیوار هوشمند نیست و موفق به گذراندن تست تورینگ نشده است. باید دقت کرد که تورینگ به دو دلیل کاملاً مهم این نوع از ارتباط(ارتباط متنی به جای صوت) را انتخاب کرد. اول این که موضوع ادراکی صوت را کاملاً از صورت مساُله حذف کند و این تست هوشمندی را درگیر مباحث مربوط به دریافت و پردازش صوت نکند و دوم این که بر جهت دیگری هوش مصنوعی به سمت نوعی از پردازش زبان طبیعی تاکید کند.

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

همانگونه که مشخص است، این تست نیز کماکان دو پیش فرض اساسی را در بردارد:

1ـ نمونه کامل هوشمندی انسان است.

2ـ مهمترین مشخصه هوشمندی توانایی پردازش و درک زبان طبیعی است. درباره نکته اول به تفصیل تا بدین جا سخن گفته ایم؛ اما نکته دوم نیز به خودی خود باید مورد بررسی قرارگیرد. این که توانایی درک زبان نشانه هوشمندی است تاریخی به قدمت تاریخ فلسفه دارد. از نخستین روزهایی که به فلسفه(Epistemology) پرداخته شده زبان همیشه در جایگاه نخست فعالیت‌های شناختی قرار داشته است. از یونانیان باستان که لوگوس را به عنوان زبان و حقیقت یکجا به کار می‌بردند تا فیلسوفان امروزین که 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 کرده است. با این ملاحظات می‌توان درک کرد که چرا آلن تورینگ تنها گذر از این تست متظاهرانه زبانی را شرط دست‌یابی به هوشمندی می‌داند. تست تورینگ اندکی کمتر از نیم‌قرن هوش مصنوعی را تحت تاُثیر قرار داد اما شاید تنها در اواخر قرن گذشته بود که این مسئله بیش از هر زمان دیگری آشکار شد که متخصصین هوش مصنوعی به جای حل این مسئله باشکوه ابتدا باید مسائل کم‌اهمیت‌تری همچون درک تصویر (بینایی ماشین) درک صوت و… را حل کنند.به این ترتیب با به محاق رفتن آن هدف اولیه، اینک گرایش‌های جدیدتری در هوش مصنوعی ایجاد شده‌اند. در سال‌های آغازین AI تمرکز کاملاً برروی توسعه سیستم‌هایی بود که بتوانند فعالیت‌های هوشمندانه(البته به زعم آن روز) انسان را مدل کنند، و چون چنین فعالیت‌هایی را در زمینه‌های کاملاً خاصی مانند بازی‌های فکری، انجام فعالیت‌های تخصصی حرف‌های، درک زبان طبیعی، و…. می‌دانستند طبیعتاً به چنین زمینه‌هایی بیشتر پرداخته شد.

در زمینه توسعه بازی‌ها، تا حدی به بازی شطرنج پرداخته شد که غالباً عده‌ای هوش مصنوعی را با شطرنج همزمان به خاطر می‌آورند. مک‌کارتی که پیشتر اشاره شد، از بنیان‌گذاران هوش مصنوعی است این روند را آنقدر اغراق‌آمیز می‌داند که می‌گوید:

«محدود کردن هوش مصنوعی به شطرنج مانند این است که علم ژنتیک را از زمان داروین تا کنون تنها محدود به پرورش لوبیا کنیم.» به هر حال دستاورد تلاش مهندسین و دانشمندان در طی دهه‌های نخست را می‌توان توسعه تعداد بسیار زیادی سیستم‌های خبره در زمینه‌های مختلف مانند پزشکی عمومی، اورژانس، دندانپزشکی، تعمیرات ماشین،….. توسعه بازی‌های هوشمند، ایجاد مدل‌های شناختی ذهن انسان، توسعه سیستمهای یادگیری،…. دانست. دستاوردی که به نظر می‌رسد برای علمی با کمتر 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 ترکیب کردند. ایده اصلی آن مقاله چگونگی انجام اعمال منطقی به وسیله اجزای ساده شبکه عصبی بود. اجزای بسیار ساده (نورون‌ها) این شبکه فقط از این طریق سیگنال های تحریک (exitory) و توقیف (inhibitory) با هم درتماس بودند. این همان چیزی بود که بعدها دانشمندان کامپیوتر آن را مدارهای (And) و (OR) نامیدند و طراحی اولین کامپیوتر در 1947 توسط فون نیومان عمیقاً از آن الهام می‌گرفت. امروز پس از گذشته نیم‌قرن از کار Mcclutch و Pitts شاید بتوان گفت که این کار الهام بخش گرایشی کاملاً پویا و نوین در هوش مصنوعی است. پیوندگرایی (Connectionism) هوشمندی را تنها حاصل کار موازی و هم‌زمان و در عین حال تعامل تعداد بسیار زیادی اجزای کاملاً ساده به هم مرتبط می‌داند. شبکه‌های عصبی که از مدل شبکه عصبی ذهن انسان الهام گرفته‌اند امروزه دارای کاربردهای کاملاً علمی و گسترده تکنولوژیک شده‌اند و کاربرد آن در زمینه‌های متنوعی مانند سیستم‌های کنترلی، رباتیک، تشخیص متون، پردازش تصویر،… مورد بررسی قرار گرفته است.

علاوه بر این کار بر روی توسعه سیستم‌های هوشمند با الهام از طبیعت (هوشمندی‌های ـ غیر از هوشمندی انسان) اکنون از زمینه‌های کاملاً پرطرفدار در هوش مصنوعی است. الگوریتم ژنیتک که با استفاده از ایده تکامل داروینی و انتخاب طبیعی پیشنهاد شده روش بسیار خوبی برای یافتن پاسخ به مسائل بهینه سازیست. به همین ترتیب روش‌های دیگری نیز مانند استراتژی‌های تکاملی نیز (Evolutionary Algorithms) در این زمینه پیشنهاد شده اند. دراین زمینه هر گوشه‌ای از سازو کار طبیعت که پاسخ بهینه‌ای را برای مسائل یافته است مورد پژوهش قرار می‌گیرد. زمینه‌هایی چون سیستم امنیتی بدن انسان (Immun System) که در آن بیشمار الگوی ویروس‌های مهاجم به صورتی هوشمندانه ذخیره می‌شوند و یا روش پیدا کردن کوتاه‌ترین راه به منابع غذا توسط مورچگان (Ant Colony) همگی بیانگر گوشه‌هایی از هوشمندی بیولوژیک هستند. گرایش دیگر هوش مصنوعی بیشتر بر مدل سازی اعمال شناختی تاُکید دارد (مدل سازی نمادین یا سمبولیک) این گرایش چندان خود را به قابلیت تعمق بیولوژیک سیستم‌های ارائه شده مقید نمی‌کند. CASE-BASED REASONING یکی از گرایش‌های فعال در این شاخه می‌باشد. بعنوان مثال روند استدلال توسط یک پزشک هنگام تشخیص یک بیماری کاملاً شبیه به CBR است به این ترتیب که پزشک 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 یک چارچوب کلی پژوهش در هوش مصنوعی مورد توجه قرارگرفته است.

البته هنگامی که از گرایش‌های آینده سخن می‌گوییم، هرگز نباید از گرایش‌های ترکیبی غفلت کنیم. گرایش‌هایی که خود را به حرکت در چارچوب شناختی یا بیولوژیک یا منطقی محدود نکرده و به ترکیبی از آنها می‌اندیشند. شاید بتوان پیش‌بینی کرد که چنین گرایش‌هایی فرا ساختارهای (Meta –Structure) روانی را براساس عناصر ساده بیولوژیک بنا خواهند کرد.
 

هوش‌ مصنوعی‌ و هوش‌ انسانی‌:

برای‌ شناخت‌ هوش‌ مصنوعی‌ شایسته‌ است‌ تا تفاوت‌ آن‌ را با هوش‌انسانی‌ به‌ خوبی‌ بدانیم‌. مغز انسان‌ از میلیاردها سلول‌ یا رشته‌ عصبی‌درست‌ شده‌ است‌ و این‌ سلول‌ها به‌ صورت‌ پیچیده‌ای‌ به‌ یکدیگرمتصل‌اند. شبیه‌سازی‌ مغز انسان‌ می‌تواند از طریق‌ سخت‌افزار یا نرم‌افزارانجام‌ گیرد. تحقیقات‌ اولیه‌ نشان‌ داده‌ است‌ شبیه‌سازی‌ مغز، کاری‌مکانیکی‌ و ساده‌ می‌باشد. برای‌ مثال‌، یک‌ کرم‌ دارای‌ چند شبکه‌ عصبی‌است‌. یک‌ حشره‌ حدود یک‌ میلیون‌ رشته‌ عصبی‌ دارد و مغز انسان‌ ازهزار میلیارد رشته‌ عصبی‌ درست‌ شده‌ است‌. با تمرکز و اتصال‌ رشته‌های‌عصبی‌ مصنوعی‌ می‌توان‌ واحد هوش‌ مصنوعی‌ را درست‌ کرد.

هوش‌ انسانی‌ بسیار پیچیده‌تر و گسترده‌تر از سیستم‌های‌ رایانه‌ای‌است‌ و توانمندیهای‌ برجسته‌ای‌ مانند: استدلال‌، رفتار، مقایسه‌، آفرینش‌و بکار بستن‌ مفهومها را دارد.

هوش‌ انسانی‌ توان‌ ایجاد ارتباط میان‌ موضوع‌ها و قیاس‌ ونمونه‌ سازیهای‌ تازه‌ را دارد. انسان‌ همواره‌ قانون‌های‌ تازه‌ای‌ می‌سازد و یاقانون‌ پیشین‌ را در موارد تازه‌ بکار می‌گیرد. توانایی‌ بشر در ایجادمفهوم‌های‌ گوناگون‌ در دنیای‌ پیرامون‌ خود، از ویژگی‌های‌ دیگر اوست‌.مفهوم‌های‌ گسترده‌ای‌ همچون‌ روابط علت‌ و معلولی‌، رمان‌ و یامفهوم‌های‌ ساده‌تری‌ مانند گزینش‌ وعده‌های‌ خوراک‌ (صبحانه‌، ناهار وشام) را انسان‌ ایجاد کرده‌ است‌. اندیشیدن‌ در این‌ مفهوم‌ها و بکاربستن‌آنها، ویژه‌ رفتار هوشمندانه‌ انسان‌ است‌.

هوش‌ مصنوعی‌ در پی‌ ساخت‌ دستگاههایی‌ است‌ که‌ بتوانندتوانمندهای‌ یاد شده‌ (استدلال‌، رفتار، مقایسه‌ و مفهوم‌ آفرینی‌) را از خودبروز دهند. آنچه‌ تاکنون‌ ساخته‌ شده‌ نتوانسته‌ است‌ خود را به‌ این‌ پایه‌برساند، هر چند سودمندی‌های‌ فراوانی‌ به‌ بار آورده‌ است‌.

نکته‌ آخر اینکه‌، یکی‌ از علل‌ رویارویی‌ با مقوله‌ هوش‌ مصنوعی‌،ناشی‌ از نام‌گذاری‌ نامناسب‌ آن‌ می‌باشد. چنانچه‌ جان‌ مک‌کارتی‌ در سال‌1956 میلادی‌ آن‌ را چیزی‌ مانند «برنامه‌ریزی‌ پیشرفته‌» نامیده‌ بود شاید جنگ‌ و جدلی‌ در پیرامون‌ آن‌ رخ‌ نمی‌داد.
 

شاخه‌های‌ هوش‌ مصنوعی‌:

هوش‌ مصنوعی‌ به‌ تعدادی‌ میدانهای‌ فرعی‌ تقسیم‌ شده‌ است‌ و سعی‌دارد تا سیستم‌ها و روشهایی‌ را ایجاد کند که‌ بطور تقلیدی‌ مانند هوش‌ ومنطق‌ تصمیم‌گیرندگان‌ عمل‌ نماید.

سه‌ شاخه‌ اصلی‌ هوش‌ مصنوعی‌ عبارتند از: سیستم‌های‌خبره‌(ES)(6)، آدمواره‌ها(7) و پردازش‌ زبان‌ طبیعی‌ (8) که‌ در زیر به‌صورت‌ تصویری‌ نشان‌ داده‌ شده‌ است‌.
 

هوش‌ مصنوعی‌ در یک‌ نگاه‌

سیستم‌های‌ خبره‌
سیستم‌های‌ خبره‌، برنامه‌های‌ کامیپوتری‌ هوشمندی‌ هستند که‌ دانش‌و روشهای‌ استنباط و استنتاج‌ را بکار می‌گیرند تا مسائلی‌ را حل‌ کنند که‌برای‌ حل‌ آن‌ها به‌ مهارت‌ انسانی‌ نیاز است‌.

سیستم‌های‌ خبره‌ کاربر را قادر به‌ مشاوره‌ با سیستم‌های‌ کامپیوتری‌در مورد یک‌ مسئله‌ و یافتن‌ دلایل‌ بروز مسئله‌ و راه‌حل‌های‌ آن‌ می‌کند.در این‌ حالات‌ مجموعه‌ سخت‌افزار و نرم‌افزار تشکیل‌ دهنده‌ سیستم‌خبره‌، مانند فرد خبره‌ اقدام‌ به‌ طرح‌ سئوالات‌ مختلف‌ و دریافت‌پاسخ‌های‌ کاربر، مراجعه‌ به‌ پایگاه‌ دانش‌ (تجربیات‌ قبلی‌) و استفاده‌ ازیک‌ روش‌ منطقی‌ برای‌ نتیجه‌گیری‌ و نهایتا ارائه‌ راه‌حل‌ می‌نماید.همچنین‌ سیستم‌ خبره‌ قادر به‌ شرح‌ مراحل‌ نتیجه‌گیری‌ خود تا رسیدن‌ به‌هدف‌)چگونگی‌ نتیجه‌گیری‌(و دلیل‌ مطرح‌ شدن‌ یک‌ سئوال‌ اجرایی‌)روش‌ حرکت‌ تا رسیدن‌ به‌ هدف‌(خواهد بود.

سیستم‌های‌ خبره‌ برخلاف‌ سیستم‌های‌ اطلاعاتی‌ که‌ بر روی‌ داده‌ها(Data) عمل‌ می‌کنند، بر دانش‌ (Knowledge) متمرکز شده‌ است‌. همچنین‌ دریک‌ فرآیند نتیجه‌گیری‌، قادر به‌ استفاده‌ از انواع‌ مختلف‌ داده‌ها )عددی‌Digital، نمادی‌ Symbolic و مقایسه‌ای‌ Analoge( می‌باشند. یکی‌ دیگر ازمشخصات‌ این‌ سیستم‌ها استفاده‌ از روشهای‌ ابتکاری‌ (Heuristic) به‌ جای‌روشهای‌ الگوریتمی‌ می‌باشد. این‌ توانایی‌ باعث‌ قرار گرفتن‌ محدودوسیعی‌ از کاربردها در برد عملیاتی‌ سیستم‌های‌ خبره‌ می‌شود. فرآیندنتیجه‌گیری‌ در سیستم‌های‌ خبره‌ بر روشهای‌ استقرایی‌ و قیاسی‌ پایه‌گذاری‌شده‌ است‌. از طرف‌ دیگر این‌ سیستم‌ها می‌توانند دلایل‌ خود در رسیدن‌به‌ یک‌ نتیجه‌گیری‌ خاص‌ و یا جهت‌ و مسیر حرکت‌ خود به‌ سوی‌ هدف‌را شرح‌ دهند. با توجه‌ به‌ توانایی‌ این‌ سیستم‌ها در کار در شرایط فقدان‌اطلاعات‌ کامل‌ و یا درجات‌ مختلف‌ اطمینان‌ در پاسخ‌ به‌ سئوالات‌ مطرح‌شده‌، سیستم‌های‌ خبره‌ نماد مناسبی‌ برای‌ کار در شرایط عدم‌ اطمینان‌(Uncertainty) و یا محیطهای‌ چند وجهی‌ می‌باشند.
 
مزایای‌ سیستم‌های‌ خبره
مزایای‌ سیستم‌های‌ خبره‌ را می‌توان‌ به‌ صورت‌ زیر دسته‌بندی‌ کرد:

1-افزایش قابلیت‌ دسترسی‌: تجربیات‌ بسیاری‌ از طریق‌ کامپیوتر دراختیار قرار می‌گیرد و به‌ طور ساده‌تر می‌توان‌ گفت‌ یک‌ سیستم‌ خبره‌،تولید انبوه‌ تجربیات‌ است‌.
2-کاهش‌هزینه‌:هزینه‌کسب‌تجربه‌برای‌کاربربه‌طورزیادی‌کاهش‌می‌یابد.

3-کاهش‌ خطر: سیستم‌ خبره‌ می‌تواند در محیطهایی‌ که‌ ممکن‌ است‌برای‌ انسان‌ سخت‌ و خطرناک‌ باشد نیز بکار رود.

4-دائمی‌ بودن‌: سیستم‌های‌ خبره‌ دائمی‌ و پایدار هستند. بعبارتی‌ مانندانسان‌ها نمی‌میرند و فنا ناپذیرند.

5-تجربیات‌ چندگانه‌: یک‌ سیستم‌ خبره‌ می‌تواند مجموع‌ تجربیات‌ وآگاهی‌های‌ چندین‌ فرد خبره‌ باشد.

6-افزایش‌ قابلیت‌ اطمینان‌: سیستم‌های‌ خبره‌ هیچ‌ وقت‌ خسته‌ وبیمار نمی‌شوند، اعتصاب‌ نمی‌کنند و یا علیه‌ مدیرشان‌ توطئه‌ نمی‌کنند، درصورتی‌ که‌ اغلب‌ در افراد خبره‌ چنین‌ حالاتی‌ پدید می‌آید.

7-قدرت‌ تبیین‌ (Explanation): یک‌ سیستم‌ خبره‌ می‌تواند مسیر و مراحل‌استدلالی‌ منتهی‌ شده‌ به‌ نتیجه‌گیری‌ را تشریح‌ نماید. اما افراد خبره‌ اغلب‌اوقات‌ بدلایل‌ مختلف‌ (خستگی‌، عدم‌ تمایل‌ و…) نمی‌توانند این‌ عمل‌ رادر زمانهای‌ تصمیم‌گیری‌ انجام‌ دهند. این‌ قابلیت‌، اطمینان‌ شما را در موردصحیح‌ بودن‌ تصمیم‌گیری‌ افزایش‌ می‌دهد.

8-پاسخ‌دهی‌سریع‌:سیستم‌های‌خبره‌،سریع‌ودراسرع‌وقت‌جواب‌می‌دهند.

9-پاسخ‌دهی‌ در همه‌ حالات‌: در مواقع‌ اضطراری‌ و مورد نیاز،ممکن‌ است‌ یک‌ فرد خبره‌ بخاطر فشار روحی‌ و یا عوامل‌ دیگر، صحیح‌تصمیم‌گیری‌ نکند ولی‌ سیستم‌ خبره‌ این‌ معایب‌ را ندارد.

10-پایگاه‌ تجربه‌: سیستم‌ خبره‌ می‌تواند همانند یک‌ پایگاه‌ تجربه‌عمل‌ کند وانبوهی‌ از تجربیات‌ را در دسترس‌ قرار دهد.

11-آموزش‌ کاربر: سیستم‌ خبره‌ می‌تواند همانند یک‌ خودآموز هوش‌(Intelligent Tutor) عمل‌ کند. بدین‌ صورت‌ که‌ مثالهایی‌ را به‌ سیستم‌ خبره‌می‌دهند و روش‌ استدلال‌ سیستم‌ را از آن‌ می‌خواهند.

12-سهولت‌ انتقال‌ دانش‌: یکی‌ از مهمترین‌ مزایای‌ سیستم‌ خبره‌،سهولت‌ انتقال‌ آن‌ به‌ مکان‌های‌ جغرافیایی‌ گوناگون‌ است‌. این‌ امر برای‌توسعه‌کشورهایی‌که‌ استطاعت‌ خرید دانش‌ متخصصان‌راندارند،مهم‌است‌.
 

آدمواره‌ها

کلمه‌ آدمواره‌ (ربات)بعد از به‌ صحنه‌ درآمدن‌ یک‌ نمایش‌ در سال‌1920 میلادی‌ در فرانسه‌ متداول‌ و مشهور گردید. در این‌ نمایش‌ که‌ اثر«کارل‌ کپک‌» بود، موجودات‌ مصنوعی‌ شبیه‌ انسان‌، وابستگی‌ شدیدی‌نسبت‌ به‌ اربابان‌ خویش‌ از خود نشان‌ می‌دادند. این‌ موجودات‌ مصنوعی‌شبیه‌ انسان‌ در آن‌ نمایش‌، آدمواره‌ نام‌ داشتند(9).

در حال‌ حاضر آدمواره‌هایی‌ را که‌ در شاخه‌های‌ مختلف‌ صنایع‌ مورداستفاده‌ می‌باشند، می‌توان‌ به‌ عنوان‌ «ماشین‌های‌ مدرن‌، خودکار، قابل‌هدایت‌ و برنامه‌ریزی‌»تعریف‌ کرد. این‌ آدمواره‌ها قادرند در محل‌های‌متفاوت‌ خطوط تولید، به‌ طور خودکار، وظایف‌ گوناگون‌ تولیدی‌ را تحت‌یک‌ برنامه‌ از پیش‌ نوشته‌ شده‌ انجام‌ دهند. گاهی‌ ممکن‌ است‌ یک‌آدمواره‌، جای‌ اپراتور در خط تولید بگیرد و زمانی‌ این‌ امکان‌ هم‌ وجوددار که‌ یک‌ کار مشکل‌ و یا خطرناک‌ به‌ عهده‌ آدمواره‌ واگذار شود.همانطور که‌ یک‌ آدمواره‌ می‌تواند به‌ صورت‌ منفرد یا مستقل‌ به‌ کاربپردازد، این‌ احتمال‌ نیز وجود دارد که‌ چند آدمواره‌ به‌ صورت‌ جمعی‌ و به‌شکل‌ رایانه‌ای‌ در خط تولید به‌ کار گرفته‌ شوند.

آدمواره‌ها عموماً دارای‌ ابزار و آلاتی‌ هستند که‌ به‌ وسیله‌ آنهامی‌توانند شرایط محیط را دریابند.این‌ آلات‌ و ابزار «حس‌ کننده‌»(10)نام‌ دارند، آدمواره‌ها می‌توانند در چارچوب‌ برنامه‌ اصلی‌ خود، برنامه‌های‌جدید عملیاتی‌ تولید نمایند. این‌ آدمواره‌ها دارای‌ سیستم‌های‌ کنترل‌ وهدایت‌ خودکار هستند.

آدمواره‌های‌ صنایع‌ علاوه‌ بر این‌ که‌ دارای‌ راندمان‌، سرعت‌، دقت‌ وکیفیت‌ بالای‌ عملیاتی‌ می‌باشند، از ویژگی‌های‌ زیر نیز برخوردارند:

1-بسیاری‌ از عملیات‌ طاقت‌ فرسا و غیرقابل‌ انجام‌ توسط متصدیان‌ رامی‌توانند انجام‌ دهند.

2-آنها، برخلاف‌ عامل‌ انسانی‌ یعنی‌ متصدی‌ خط تولید، قادر هستند سه‌شیفت‌ به‌ کار بپردازند و در این‌ خصوص‌ نه‌ منع‌ قانونی‌ وجود دارد و نه‌محدودیت‌های‌ فیزیولوژیکی‌ نیروی‌ کار.

3-هزینه‌های‌ مربوط به‌ جلوگیری‌ از آلودگی‌ صوتی‌، تعدیل‌ هوا و فراهم‌آوردن‌ روشنایی‌ لازم‌ برای‌ خط تولید، دیگر بر واحد تولید تحمیل‌نخواهد شد.

4-برای‌ اضافه‌ کاری‌ این‌ آدمواره‌ها، هزینه‌ اضافی‌ پرداخت‌ نمی‌شود.حق‌ بیمه‌، حق‌ مسکن‌ و هزینه‌ ایاب‌ و ذهاب‌ پرداخت‌ نمی‌شود. احتیاج‌ به‌افزایش‌ حقوق‌ ندارند و هزینه‌این‌ نیز از بابت‌ بهداشت‌ و درمان‌ بر واحدتولیدی‌ تحمیل‌ نمی‌کنند.

ویژگی‌های‌ ذکر شده‌ سبب‌ می‌شوند که‌ سهم‌ هزینه‌ کار مستقیم‌ نیروی‌انسانی‌ در هزینه‌ محصولات‌ تولیدی‌، واحدهای‌ تولیدی‌ کاهش‌ پیداکند.(11)
 

پردازش‌ زبان‌های‌ طبیعی‌ (NLP)

پردازش‌ زبان‌های‌ طبیعی‌ بعنوان‌ زیرمجموعه‌ای‌ از هوش‌ مصنوعی‌،می‌تواند توصیه‌ها و بیانات‌ را با استفاده‌ از زبانی‌ که‌ شما به‌ طور طبیعی‌ درمکالمات‌ روزمره‌ بکار می‌برید، بفهمد و مورد پردازش‌ قرار دهد. به‌ طورکلی‌ نحوه‌ کار این‌ شاخه‌ از هوش‌ مصنوعی‌ این‌ است‌ که‌ زبانهای‌ طبیعی‌انسان‌ را تقلید می‌کند. در این‌ میان‌، پیچیدگی‌ انسان‌ از بعد روانشناسی‌ برروی‌ ارتباط متعامل‌ تاثیر می‌گذارد.

در پردازش‌ زبانهای‌ طبیعی‌، انسان‌ و کامپیوتر ارتباطی‌ کاملا نزدیک‌با یکدیگر دارند. کامپیوتراز لحاظ روانی در مغز انسان جای داده می شود. بدین ترتیب یک سیستم خلاق شکل می گیرد که انسان نقش سازمان دهنده اصلی آن را برعهاده دارد. اگر چه هنوز موانع روانشناختی و زبانشناختی بسیاری بر سر راه سبستمهای محاوره ای وجود دارد. اما چشم اندازهای پیشرفت آنها یقیناً نویدبخش است. در حقیقت، توقعات یکسان از محاوره انسان- ماشنی و محاوره انسان- انسان، معقول نیست.


تا بدان جایی که هوش مصنوعی تنها به بررسی روش های حل مسائل ریاضی و مجرد توسط کامپیوتر مى‌پرداخت، مى‌توانستیم قطعاً آن را یکی از زیر شاخه های علوم کامپیوتر بدانیم؛ اما امروزه با اضافه شدن ملاحظات جدیدی که در فوق اشاره ای بدان رفت، دیگر نمى‌توان با این قطعیت قضاوت کرد. علومی از قبیل: معرفت شناسی که در فلسفه ذهن (Epistemology) مطرح است ، عصب شناسی شناختی(Cognitive Neuro Science) و نیز روانشناسی شناخت (Cognitive Psychology) به همراه هوش مصنوعی مجموعه ای تحت عنوان علوم شناختی (Cognitive Science) را تشکیل مى‌دهند. از دیگر سو، رباتیک به عنوان همبسته تکنولوژیک هوش مصنوعی، خود دانشی است که داده های علوم مکانیک و کامپیوتر و کنترل را یک جا مى‌طلبد.


چه چیزی در انسان یا هر موجود دیگری آنقدر ویژه و خاص است که او را با صفت هوشمند از سایر موجودات متمایز مى‌کند؟ آیا چنین صفتی تنها خاص انسان است، یا مى‌توان درجات مختلف آن را به موجودات دیگر نیز نسبت داد. قدر مسلم این که از ساده‌ترین رفتار مورچه ها و زنبورها تا رفتارهای پیچیده میمون ها در تعیین سلسله مراتب پیچیده اجتماعی یا روش های تشخیص الگوهای چند بعدی توسط کبوتران، همگی حاوی درجاتی از هوشمندی هستند(و در بعضی موارد نه چندان کمتر از انسان). بنابر این پاسخ به این سئوال که هوشمندی چیست یا حتی چگونه ایجاد شده است ما را در ساخت یک موجود هوشمند با توانایی تطبیق و عمل در محیط واقعی یاری مى‌دهد.


آنچه که باعث شده تا هوش مصنوعی امروزه به عنوان یک رشته مهندسی مطرح باشد این است که طیف وسیعی از کاربردهای آن، از رباتیک گرفته تا روش های هوشمند کنترلی مقبولیت وسیعی در صنعت یافته اند. روش هایی همچون منطق فازی [2] ، استرا[3]تژی تکاملی، الگوریتم ژنتیک، شبکه های عصبی مصنوعی ... همگی روش هایی هستند که با الهام از طبیعت و برای دستیابی به هوشمندی طبیعی طراحی شده اند اما کاربرد عظیمی در مهندسی و صنعت یافته اند. کاربردی که تا حدود یک دهه قبل حتی گمان آن نیز نمى‌رفت. رباتیک نیز چه در غالب روش های جابجایی بازوهای مکانیکی، و چه در شکل ربات های متحرک(Mobile Robots) در این بحث جایگاه ویژه ای را به خود اختصاص داده است.


یک روش برخورد با مسائل حل آنهاست! بله تعجب نکنید، این تنها یک روش مواجهه با مسائل است. بجز این روش(و البته حل نکردن مسئله!) راه دیگری نیز وجود دارد. فرض کنید مى‌خواهیم یک ربات متحرک بسازیم که در شرایط طبیعی حرکت کند، مسیر انتخاب کند و ...یک روش این است که طراح تمامی جزئیات را از ابتدا و به صورت کاملاً دقیق در نظر بگیرد. این روش منجر به ماشینی کاملاً پیچیده و عموماً غیر قابل پیاده سازی خواهد شد. ماشینی که با اندک تغییری در شرایط پیش بینی شده ناکارا خواهد بود. روش دیگر این است که مانند خود طبیعت ، ربات بسیار ساده ای طراحی کنیم(گاه به سادگی یک مورچه) و اجازه دهیم تا این ربات ساده خود مسائل را به جای ما حل کند. یا حتی اجازه دهیم یک اجتماع از ربات ها از طریق تعامل با یکدیگر به حل مسائل بپردازند.

قانون طلایی در اینجا این است که پیچیدگی یک اجتماع، حاصلضرب پیچیدگی تک تک عناصر آن است(تئوری پیچیدگی یا Complexity Theory) ، بنابراین یک اجتماع با عناصر بسیار ساده هم ممکن است به صورت کاملاً پیچیده و هوشمند عمل کند.

منابع :

هوش مصنوعی چیست ؟ www.srco.ir
هوش مصنوعی http://www.senmerv.com
هوش مصنوعی چیست؟ http://technologymgt.blogspot.com
تکنولوژی هوشمند http://www.developercenter.ir
آینده هوش مصنوعى http://www.itmportal.com
هوش مصنوعى http://www.knowclub.com