پروژه پاورپوینت هوش مصنوعی تعاریف، رویکردها، مبانی و تاریخچه

خلاصه ای از پروژه:

هوش مصنوعی (AI) به عنوان یک حوزه مطالعاتی، به طور رسمی در سال 1956 مطرح شد و هدف آن درک و ایجاد موجودیت‌های هوشمند است. این تلاش نه تنها به دلیل جذابیت و سودمندی این موجودیت‌ها، بلکه به منظور شناخت بهتر خود انسان نیز صورت می‌گیرد. تعاریف هوش مصنوعی را می‌توان در چهار دسته کلی تقسیم کرد: پردازش فکری و استدلالی، پردازش رفتاری، ایده‌آل هوشمندی (منطقی بودن) و ارائه انسانی.

رهیافت‌های مختلفی برای دستیابی به هوش مصنوعی وجود دارد. رویکرد “انسان‌گونه عمل کردن” بر مبنای آزمون تورینگ است که در آن یک کامپیوتر باید قادر باشد به گونه‌ای با انسان تعامل کند که تشخیص تفاوت بین آن و یک انسان واقعی دشوار باشد. این رویکرد نیازمند قابلیت‌هایی مانند پردازش زبان طبیعی، بازنمایی دانش، استدلال خودکار و یادگیری ماشینی است. رویکرد “انسانی فکر کردن” به مدلسازی شناخت انسان می‌پردازد و از روش‌هایی مانند درون‌گرایی و تجربیات روانشناسی برای درک عملکرد ذهن انسان استفاده می‌کند.

رویکرد “منطقی فکر کردن” بر قوانین تفکر و استدلال منطقی تمرکز دارد. این رویکرد با استفاده از الگوهایی مانند قیاس، سعی در ایجاد سیستم‌هایی دارد که با ارائه مقدمات صحیح، نتایج صحیح را استخراج کنند. با این حال، تبدیل دانش غیررسمی به شکل رسمی و همچنین تفاوت بین حل مسئله در اصول و انجام آن در عمل، از جمله چالش‌های این رویکرد هستند. رویکرد “منطقی عمل کردن” بر طراحی عامل‌های منطقی تمرکز دارد که ابتدا درک می‌کنند و سپس عمل می‌کنند. این رویکرد عمومی‌تر از رویکرد “قوانین تفکر” است و به پیشرفت علمی قانون‌پذیرتری منجر می‌شود.

هوش مصنوعی از علوم مختلفی مانند فلسفه، ریاضیات، روانشناسی، زبان‌شناسی و علوم کامپیوتر بهره می‌برد. فلسفه به عنوان پایه تفکر و فرهنگ غرب، به بررسی مفاهیمی مانند ذهن، استدلال و دانش می‌پردازد. ریاضیات ابزارهای لازم برای فرمول‌سازی دانش نظری را در زمینه‌های محاسبات، منطق و احتمالات فراهم می‌کند. روانشناسی به درک عملکرد ذهن انسان و فرآیندهای شناختی کمک می‌کند. زبان‌شناسی به بررسی ساختار و معنای زبان و نحوه استفاده از آن می‌پردازد. علوم کامپیوتر، زیرساخت‌های سخت‌افزاری و نرم‌افزاری لازم برای پیاده‌سازی سیستم‌های هوش مصنوعی را فراهم می‌کند.

تاریخچه هوش مصنوعی را می‌توان به چند دوره تقسیم کرد: پیدایش هوش مصنوعی، اشتیاق زودهنگام و آرزوهای بزرگ، واقعیت، سیستم‌های مبتنی بر دانش، بازگشت شبکه‌های عصبی و حوادث اخیر. اولین گام‌های جدی در این حوزه توسط وارن مک‌کلود و والتر پیتز برداشته شد که از دانش فیزیولوژی، منطق گزاره‌ها و تئوری محاسبات تورینگ بهره بردند. هوش مصنوعی به عنوان یک حوزه پویا و چندرشته‌ای، همچنان به پیشرفت خود ادامه می‌دهد و پتانسیل زیادی برای حل مسائل پیچیده و بهبود زندگی انسان دارد.

به دنبال پروژه‌های دانشجویی برتر در حوزه هوش مصنوعی هستید؟ پروژه‌های آماده برای استفاده را به آسانی دانلود کنید و در مسیر موفقیت گام بردارید!

عناوین و فهرست کلی پروژه:

هوش مصنوعی

### علل مطالعه هوش مصنوعی
### هوش مصنوعی چیست؟
* پردازش فکری و استدلالی
* پردازش رفتاری
* ایده‌آل هوشمندی (منطقی بودن)
* ارائه انسانی
* تمرکز بر روی پردازش‌های رفتاری
* پردازش‌های فکری و استدلالی
* ایده‌آل هوشمندی
* ارائه انسانی
* انسان‌گونه عمل کردن: رهیافت آزمون تورینگ
* پردازش زبان طبیعی = محاوره
* بازنمایی دانش = ذخیره اطلاعات
* استدلال خودکار = استدلال و استخراج
* یادگیری ماشینی = کشف الگو و برون‌ریزی
* تست تورینگ:
* بینایی ماشین برای درک اشیاء
* روباتیک به منظور حرکت آنها
* انسان‌گونه فکر کردن: رهیافت مدلسازی شناختی
* چگونگی شناسایی عملکرد افکار انسان:
* درون‌گرایی
* تجارب روانشناسی
* علوم شناختی
* منطقی فکر کردن: قوانین رهیافت تفکر
* قیاس
* دو مشکل عمده در این رسم منطق‌گرایی وجود دارد:
* منطقی عمل کردن: رهیافت عامل منطقی
* مزایای مطالعه هوش مصنوعی به‌عنوان طراحی عامل منطقی:
### زیربنای هوش مصنوعی
* علم فلسفه
* در نظر گرفتن ذهن به‌عنوان سیستمی فیزیکی
* ایجاد منبع دانش
* ارتباط بین دانش و عمل
* علم ریاضی
* محاسبات
* منطق
* احتمالات
* علم روانشناسی
* مهندسی کامپیوتر
* زبان‌شناسی
* زبان‌شناسی محاسباتی یا پردازش زبان طبیعی
### تاریخچه هوش مصنوعی
* پیدایش هوش مصنوعی (1943- 1956)
* سه منبع استفاده شده توسط آنها:
* اشتیاق زودهنگام، آرزوهای بزرگ (1952-1969)
* مقداری واقعیت (1974-1966)
* سیستم‌های مبتنی بر دانش: کلید قدرت؟ (1969-1979)
* بازگشت شبکه‌های عصبی (1986- تاکنون)
* حوادث اخیر (1987- تاکنون)
* برنامه‌ریزی
* بیان شبکه باور
* شرایط کنونی:
* عامل‌های هوشمند
## عامل‌های هوشمند
* عامل
* عامل نرم‌افزاری
* عوامل انسانی
* عوامل روباتیک
* عامل‌ها چگونه باید عمل کنند؟
* تفاوت میان منطقی بودن و دانش کل (omniscience):
* آن چه در هر زمانی منطقی است به چهار چیز وابسته است:
* نگاشت ایده‌آل از دنباله‌های ادراکي به عمليات
* خودمختاری:
* ساختار عامل‌های هوشمند
* ارتباط بین عامل‌ها، معماری‌ها و برنامه‌ها
* برنامه‌های عامل:
* چرا تنها به پاسخ‌ها نگاه نمی‌کنیم؟
* جنبه‌های مختلف یک عمل، انواع مختلف برنامه‌های عامل را پیشنهاد خواهد کرد.
* عامل‌های واکنشی ساده
* عامل‌هایی که اثرات دنیا را حفظ می‌کنند
* عامل‌های هدف‌گرا
* عامل‌های سودمند
* عامل‌های واکنشی ساده
* عامل‌هایی که اثرات دنیا را حفظ می‌کنند
* عامل‌های هدف گرا:
* عامل‌های سودمند:
* خواص محیط:
* قابل دسترسی در مقابل غیر قابل دسترسی
* قطعی در برابر غیر قطعی
* اپیزودیک در مقابل غیراپیزودیک
* ایستا در مقابل پویا
* گسسته در مقابل پیوسته
* برنامه‌های محیط
## حل مسائل توسط جستجو
* عامل‌های حل مسئله
* فاز اجرایی
* چهار نوع اساسی از مسائل وجود دارند:
* مسائل تک حالته (Single-state)
* مسائل چند حالته (Multiple-state)
* مسائل احتمالی (Contingency)
* مسائل اکتشافی (Exploration)
* دانش و انواع مسئله
* دنیای مکش (جاروبرقی):
* مدل‌های مختلف برای مسئله جاروبرقی:
* مدل تک حالته:
* مدل چند حالته:
* مدل احتمالی:
* مدل اکتشافی:
* مسائل و راه‌حل‌های خوب تعریف شده
* برای تعریف یک مسئله موارد زیر نیاز داریم:
* برای حل مسئله چند حالته، فقط به یک اصلاح جزئی نیاز داریم:
* اندازه‌گیری کارایی حل مسئله:
* انتخاب حالات و عملیات
* انتزاع:
* مسائل نمونه:
* مسائل اسباب‌بازی
* معمای 8:
* مسئله 8 وزیر:
* Cryptarithmetic :
* دنیای مکش:
* مسئله کشیش‌ها و آدمخوارها:
* مسیریابی:
* مسائل دنیای واقعی
* مسائل فروشنده دوره گرد و تور :
* طرح VISI :
* هدایت ربات:
* خط تولید خودکار:
* جستجو برای راه‌حل:
* تولید دنباله‌های عمل:
* ساختارهای داده برای درخت‌های جستجو:
* تفاوت بین گره‌ها و حالت‌ها:
* استراتژی جستجو:
* جستجوی سطحی:
* جستجوی با هزینه یکسان:
* جستجوی عمقی:
* جستجوی عمقی محدود شده:
* جستجوی عمیق‌کننده تکراری:
* جستجوی دوطرفه:
* مقایسه استراتژی‌های جستجو:
* اجتناب از حالات تکراری:
* جستجوی ارضاء محدودیت (Constraint Satisfaction Problem):
## روش‌های جستجو آگاهانه
* جستجوی بهترین:
* حداقل هزینه تخمین زده شده برای رسیدن به هدف: جستجوی حریصانه
* تابع کشف‌کننده:
* جستجوی حریصانه:
* ویژگی‌های جستجوی حریصانه:
* حداقل‌سازی مجموع هزینه مسیر: جستجوی A*
* کشف‌کنندگي قابل قبول:
* جستجوی A*:
* رفتار جستجوی A*
* توابع کشف‌کننده:
* اثر صحت کشف‌کنندگي بر کارایی:
* کشف‌کننده‌ها برای مسائل ارضا محدودیت:
* جستجوی SMA*:
* SMA* دارای خواص زیر است:
* الگوریتم‌های اصلاح تکراری
* 1- الگوریتم‌های جستجوی تپه‌نوردی (Hill-climbing)
* 2- Simulated annealing
* کاربردها در مسائل ارضا محدودیت
## تئوری بازی
* بازی‌ها در نقش مسائل جستجو
* تصمیمات کامل در بازی‌های دونفره:
* الگوریتم MINMAX
* تصمیمات ناقص:
* تابع ارزیابی:
* قطع جستجو:
* مسئله افقی (horizon problem):
* هرس آلفا-بتا:
* درخت جستجوی آلفا-بتا:
* مزایای هرس آلفا-بتا
* بازی‌هایی که شامل عنصر شانس هستند:
* ارزیابی موقعیت در بازی‌ها با گره‌های شانس:
## عامل‌هایی که به طور منطقی استدلال می‌کنند
* معرفی طراحی پایه‌ای برای یک عامل مبتنی بر دانش:
* عامل مبتنی بر دانش به موارد زیر نیاز دارد:
* پايگاه دانش
* هر زمان که برنامه دانش صدا زده مي‌شود، دو عمل انجام مي‌شود:
* سطوح عامل مبتنی بر دانش:
* سطح دانش
* سطح منطقی
* سطح پیاده سازی
* دنیای WUMPUS:
* براي مشخص نمودن وظيفه عامل، ادراکات، عمليات و اهداف آن را بايد مشخص کنيم.
* بازنمايي، استدلال و منطق:
* زبان بازنمايي دانش متوسط دو خاصيت تعريف مي‌شود:
* نحو (Syntax):
* معني (Semantic):
* تفاوت بين حقايق و بازنمايي‌هاي آنها:
* استلزام:
* رويه استنتاج مي‌تواند يکي از دو عامل ذيل را انجام دهد:
* ثبت عمليات رويه استنتاج صحيح، اثبات (Proof) ناميده مي‌شود.
* کلید استنتاج صحیح:
* بازنمايي:
* مزايا و معايب زبان طبيعي:
* يک زبان بازنمايي خوب مي‌بايست:
* معاني:
* صدق‌پذيري:
* استنتاج در کامپيوترها:
* منطق شامل موارد زير مي‌شود:
* منطق بولين يا گزاره‌اي،
* منطق مرتبه اول (دقيق تر بگوييم، حساب گزاره‌ مرتبه اول با تساوي.)
* منطق گزاره‌اي: يک منطق بسيار ساده:
* علائم منطق گزاره‌اي:
* معانی:
* اعتبار و استنتاج:
* مدل‌ها Models:
* قوانين استنتاج براي منطق گزاره‌اي:
* يکنوايي:
* مشکل کند شدن رويه استنتاج:
## منطق مرتبه اول
* اجزايي که در اين منطق وجود دارند:
* اشیاء(Objects):
* روابط(Relations):
* خواص(Properties):
* توابع(Functions):
* نحو و معانی:
* تعریف دقیق هر عنصر به صورت زیر است:
* سیمبول‌های ثابت (Constant Symbols):
* سیمبول‌های گزاره (Predicate Symbols):
* سیمبول‌های تابع (Function Symbols):
* ترم‌ها (Terms):
* جملات اتمی (Atomic sentences):
* جملات پیچیده:
* سورها (Quantifires):
* سور عمومی: (Universal Quantification)
* سور وجودی (Existential):
* سورهای لانه‌اي (Nested Quantifiers):
* ارتباط بين و
* تساوي (Equality):
* توسعه‌ها و تمايزات نگارشي:
* منطق مرتبه بالاتر:
* عبارات تابعي و گزاره‌اي با استفاده از عملگر λ :
* سور يکتايي:
* عملگر یكتايي:
* انواع علائم:
* استفاده از منطق مرتبه اول:
* دامنه Kinship
* اصل موضوعات، تعاريف و قضايا
* دامنه مجموعه‌ها
* طرح پرسش و گرفتن پاسخ
* عامل‌هاي منطق براي دنياي Wumpus:
* عامل واکنشی ساده:
* محدودیت‌های عامل‌های واکنشی ساده:
* بازنمايي تغيير در دنيا:
* محاسبه موقعيت:
* استنتاج خواص پنهاني دنيا:
* قوانين همزمان:
* قوانين Causal:
* قوانين تشخيصي (Diagnostic rules):
* اولويت بين عمليات:
* سيستم مقدار عملياتي:
* به سوي يک عامل هدفدار:
* استنتاج
* جستجو
* برنامه‌ريزي
## استنتاج در منطق مرتبه اول
* قوانين استنتاج مربوط به سورها:
* سه قانون استنتاجي جديد:
* حذف سور عمومي (Universal Elimination):
* حذف سور وجودي:
* (Existential Introduction):
* Modus Ponens تعمیم یافته:
* فرم Canonical
* یكسان‌سازي (Unificaiton)
* زنجیره‌سازی به جلو و عقب (Forward AND Backward Chaining):
* زنجیره‌سازی به جلو (forward chaining):
* زنجیره‌سازی به عقب (Backward Chaining):
* الگوریتم زنجیره‌سازی به جلو:
* الگوریتم زنجیره‌سازی به عقب:
* کامل بودن Completeness:
* Resolution: یک رویه استنتاج کامل
* قانون استنتاج resolution:
* Resolution تعميمي يافته (ترکيبات فصلي)
* Resolution تعميمي يافته (ترکيبات شرطي)
* فرم‌هاي Canonical براي resolution:
* برهان خلف:
* تبدیل به فرم نرمال:
* رویه‌ای برای تبدیل به فرم نرمال:
* برخورد با مسئله تساوي:
* Demodulation:
* استراتژی‌های Resolution:
* Unit preference:
* مجموعه Support
* Resolution ورودي:
* Subsumption:
## برنامه‌ریزی
* تفاوت عامل برنامه‌ریزی با عامل حل مسئله در سه چیز است:
* یک عامل ساده برنامه‌ریزی:
* از حل مسئله به برنامه‌ریزی:
* عناصر اولیه یک حل مسئله مبتنی بر جستجو:
* بازنمایی عملیات.
* بازنمایی حالات.
* بازنمایی اهداف.
* بازنمایی برنامه‌ها.
* اولین ایده کلیدی در وراي برنامه‌ريزي:
* دومین ایده کلیدی در وراي برنامه‌ريزي:
* سومین ایده کلیدی در وراي برنامه‌ريزي:
## عدم قطعیت
* مسئله‌ای که با منطق مرتبه اول و بنابراین با رهیافت عامل منطق‌گرا وجود دارد این است که:
* مسئله کیفیت:
* برخورد با دانش غیرقطعی:
* عدم قطعیت و تصمیمات عقلانی:
* تئوری سودمندی:
* تصميم‌گيري نظري: