مقدمه:
دهه‌هاي آغازين سده بيستم ميلادي و دوران پيشرفت شگرف‌صنعتي، همراه با توليد خودرو بود كه انقلاب همه جانبه‌اين درترابري، افزايش شتاب جابجايي و صدها كار و پيشه جديد دررشته‌ها بازرگاني بوجود آورده است.
به نظر مي‌رسد كه سمبل دوران فراصنعتي و نماد فرآورده‌هاي‌بي‌همتاي قرن آينده«هوش مصنوعي»(1) است. امروزه موضوع‌هوش مصنوعي داغ‌ترين بحث ميان كارشناسان دانش رايانه واطلاعات و ديگر دانشمندان و تصميم‌گيرندگان است. در سراسرتاريخ تا به امروز انسان از جنبه تن و روان، مركز و محور بحث‌هاو پژوهش‌ها بوده است. ولي اكنون موجودي با رتبه‌اي پائين‌تر،بي‌جان و ساختگي مي‌خواهد جانشين او شود، امري كه بدون شك مي‌توان ادعا نمود بيشتر انسان‌ها با آن مخالفند.
هوش مصنوعي چنانچه به هدف‌هاي والاي خود برسد، جهش‌بزرگي در راه دستيابي بشر به رفاه بيشتر و حتي ثروت افزون‌ترخواهد بود. هم اكنون نمونه‌هاي خوب و پذيرفتن از هوش مصنوعي‌در دنياي واقعي ما به كار افتاده است. چنين دستاوردهايي، صرف‌منابع لازم در آينده را همچنان توجيه خواهد كرد.
از سوي ديگر، منتقدين هوش مصنوعي چنين استدلال مي‌كنندكه صرف زمان و منابع ارزشمندديگر در راه ساخت فراورده‌اي كه‌پر از نقص و كاستي ودست‌آوردهاي مثبت اندكي است،مايه بدنام كردن و زير پا گذاشتن‌توانمندي‌ها و هوشمندي‌هاي‌انسان مي‌باشد. تلخ‌ترين انتقادهابر اين باور است كه هوش‌مصنوعي، توهين آشكار به گوهر طبيعت و نقش انسان است.
« هوش مصنوعي، دانش ساختن ماشين ها يا برنامه‌هاي هوشمند است. » همانگونه كه از تعريف فوق-كه توسط يكي از بنيانگذاران هوش مصنوعي ارائه شده است- برمي‌آيد،حداقل به دو سؤال بايد پاسخ داد:
1ـ هوشمندي چيست؟
2ـ برنامه‌هاي هوشمند، چه نوعي از برنامه‌ها هستند؟تعريف ديگري كه از هوش مصنوعي مي‌توان ارائه داد به قرار زير است:
« هوش مصنوعي، شاخه‌ايست از علم كامپيوتر كه ملزومات محاسباتي اعمالي همچون ادراك (Perception)، استدلال(reasoning) و يادگيري(learning) را بررسي كرده و سيستمي جهت انجام چنين اعمالي ارائه مي‌دهد.»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 توسط انسان را انجام دهد.» به اين ترتيب مي‌توان ديد كه دو تعريف آخر كاملاً دو چيز را در تعريف نخست واضح كرده‌اند.
1ـ منظور از موجود يا ماشين هوشمند چيزي است شبيه انسان.
2ـ ابزار يا ماشيني كه قرار است محمل هوشمندي باشد يا به انسان شبيه شود، كامپيوتر است. هر دوي اين نكات كماكان مبهم و قابل پرسشند. آيا تنها اين نكته كه هوشمندترين موجودي كه مي‌شناسيم، انسان است كافي است تا هوشمندي را به تمامي اعمال انسان نسبت دهيم؟ حداقل 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(منطقي) توانسته‌اند در برخي جنبه‌هاي استدلال، فراتر از توانايي‌هاي انسان عمل كنند. بدين ترتيب، آيا مي‌توان در همين نقطه ادعا كرد كه هوش مصنوعي تنها نوعي دغدغه علمي يا كنجكاوي دانشمندانه است و قابليت تعمق مهندسي ندارد؟(زيرا اگر مهندسي، يافتن روشهاي بهينه انجام امور باشد، به هيچ رو مشخص نيست كه انسان اعمال خويش را به گونه‌اي بهينه انجام مي‌دهد). به اين نكته نيز باز خواهيم گشت. اما همين سؤال را مي‌توان از سويي ديگر نيز مطرح ساخت، چگونه مي‌توان يقين حاصل كرد كه كامپيوترهاي امروزين، بهترين ابزارهاي پياده‌سازي هوشمندي هستند؟
رؤياي طراحان اوليه كامپيوتر از بابيج تا تورينگ، ساختن ماشيني بود كه قادر به حل تمامي مسائل باشد، البته ماشيني كه در نهايت ساخته شد(كامپيوتر) به جز دسته اي خاص از مسائلقادر به حل تمامي مسائل بود. اما نكته در اينجاست كه اين «تمامي مسائل» چيست؟ طبيعتاً چون طراحان اوليه كامپيوتر، منطق‌دانان و رياضيدانان بودند، منظورشان تمامي مسائل منطقي يا محاسباتي بود. بدين ترتيب عجيب نيست، هنگامي كه فون‌نيومان سازنده اولين كامپيوتر، در حال طراحي اين ماشين بود، كماكان اعتقاد داشت براي داشتن هوشمندي شبيه به انسان، كليد اصلي، منطق(از نوع به كار رفته در كامپيوتر) نيست، بلكه احتمالاً چيزي خواهد بود شبيه ترموديناميك!
به هرحال، كامپيوتر تا به حال به چنان درجه‌اي از پيشرفت رسيده و چنان سرمايه‌گذاري عظيمي برروي اين ماشين انجام شده است كه به فرض اين كه بهترين انتخاب نباشد هم، حداقل سهل‌الوصول‌ترين و ارزان‌ترين و عمومي‌ترين انتخاب براي پياده‌سازي هوشمنديست.
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، بايد گفت كه طبيعت هوشمندي ايجاد شده حداقل از لحاظ پياده‌سازي، كاملاً با طبيعت هوشمندي انساني متناسب خواهد بود، زيرا هوشمندي انساني، نوعي هوشمندي بيولوژيك است كه با استفاده از مكانيسم‌هاي طبيعي ايجاد شده، و نه استفاده از عناصر و مدارهاي منطقي. در برابر تمامي استدلالات فوق مي توان اين نكته را مورد تاُمل و پرسش قرار داد كه هوشمندي طبيعي تا بدان جايي كه ما سراغ داريم، تنها برمحمل طبيعي و با استفاده از روش هاي طبيعت ايجاد شده است. طرفداران اين ديدگاه تا بدانجا پيش رفته‌اند كه حتي ماده ايجاد كننده هوشمندي را مورد پرسش قرار داده اند، كامپيوتر از سيليكون استفاده مي كند، در حالي كه طبيعت همه جا از كربن سود برده است. مهم تر از همه، اين نكته است كه در كامپيوتر، يك واحد كاملاً پيچيده مسئوليت انجام كليه اعمال هوشمندانه را بعهده دارد، در حالي كه طبيعت در سمت و سويي كاملاً مخالف حركت كرده است. تعداد بسيار زيادي از واحدهاي كاملاً ساده (بعنوان مثال از نورون‌هاي شبكه عصبي) با عملكرد همزمان خود (موازي) رفتار هوشمند را سبب مي شوند. بنابراين تقابل هوشمندي مصنوعي و هوشمندي طبيعي حداقل در حال حاضر تقابل پيچيدگي فوق العاده و سادگي فوق العاده است. اين مساُله هم اكنون كاملاً به صورت يك جنجال(debate) علمي در جريان است.
در هر حال حتي اگر بپذيريم كه كامپيوتر در نهايت ماشين هوشمند مورد نظر ما نيست، مجبوريم براي شبيه‌سازي هر روش يا ماشين ديگري از آن سود بجوييم.
تاريخ هوش مصنوعي
هوش مصنوعي به خودي خود علمي است كاملاً جوان. در واقع بسياري شروع هوش مصنوعي را 1950 مي دانند زماني كه آلن تورينگ مقاله دوران‌ساز خود را در باب چگونگي ساخت ماشين هوشمند نوشت (آنچه بعدها به تست تورينگ مشهور شد) تورينگ درآن مقاله يك روش را براي تشخيص هوشمندي پيشنهاد مي‌كرد. اين روش بيشتر به يك بازي شبيه بود.
فرض كنيد شما در يك سمت يك ديوار (پرده يا هر مانع ديگر) هستيد و به صورت تله تايپ باآن 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 (شما كاملاً از هويت شخص آن سوي ديوار بي‌خبريد) يك ماشين بوده كه پاسخ شما را مي‌داده، آن ماشين يك ماشين هوشمند خواهد بود، در غير اين صورت(يعني در صورتي كه شما در وسط مكالمه به مصنوعي بودن پاسخ پي ببريد) ماشين آن سوي ديوار هوشمند نيست و موفق به گذراندن تست تورينگ نشده است. بايد دقت كرد كه تورينگ به دو دليل كاملاً مهم اين نوع از ارتباط(ارتباط متني به جاي صوت) را انتخاب كرد. اول اين كه موضوع ادراكي صوت را كاملاً از صورت مساُله 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 تاكيد كند.
در هر حال هر چند تاكنون تلاش‌هاي متعددي در جهت پياده سازي تست تورينگ صورت گرفته مانند برنامه Eliza و يا AIML (زباني براي نوشتن برنامه‌‌‌‌هايي كه قادر به chat كردن اتوماتيك باشند) اما 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:
1ـ نمونه كامل هوشمندي انسان است.
2ـ مهمترين مشخصه هوشمندي توانايي پردازش و درك زبان طبيعي است. درباره نكته اول به تفصيل تا بدين جا سخن گفته ايم؛ اما نكته دوم نيز به خودي خود بايد مورد بررسي قرارگيرد. اين كه توانايي درك زبان نشانه هوشمندي است تاريخي به قدمت تاريخ فلسفه دارد. از نخستين روزهايي كه به فلسفه(Epistemology) 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 شاُن خود را به عنوان ممتازترين توانايي 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 نيم‌قرن هوش مصنوعي را تحت تاُثير قرار داد اما شايد تنها در اواخر قرن گذشته بود كه اين مسئله بيش از هر زمان ديگري آشكار شد كه متخصصين هوش مصنوعي به جاي حل اين مسئله باشكوه ابتدا بايد مسائل كم‌اهميت‌تري همچون درك تصوير (بينايي ماشين) درك صوت و… را حل كنند.به اين ترتيب با به محاق رفتن آن هدف اوليه، اينك گرايش‌هاي جديدتري در هوش مصنوعي ايجاد شده‌اند. در سال‌هاي آغازين AI تمركز كاملاً برروي توسعه سيستم‌هايي بود كه بتوانند فعاليت‌هاي هوشمندانه(البته به زعم آن روز) انسان را مدل كنند، و چون چنين فعاليت‌هايي را در زمينه‌هاي كاملاً خاصي مانند بازي‌هاي فكري، انجام فعاليت‌هاي تخصصي حرف‌هاي، درك زبان طبيعي، و…. مي‌دانستند طبيعتاً به چنين زمينه‌هايي بيشتر پرداخته شد.
در زمينه توسعه بازي‌ها، تا حدي به بازي شطرنج پرداخته شد كه غالباً عده‌اي هوش مصنوعي را با شطرنج همزمان به خاطر مي‌آورند. مك‌كارتي كه پيشتر اشاره شد، از بنيانگذاران هوش مصنوعي است اين روند را آنقدر اغراق‌آميز مي‌داند كه مي‌گويد:
«محدود كردن هوش مصنوعي به شطرنج مانند اين است كه علم ژنتيك را از زمان داروين تا كنون تنها محدود به پرورش لوبيا كنيم.» به هر حال دستاورد 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،….. توسعه بازي‌هاي هوشمند، ايجاد مدل‌هاي شناختي ذهن انسان، توسعه سيستمهاي يادگيري،…. دانست. دستاوردي كه به نظر مي‌رسد براي علمي با كمتر از نيم قرن سابقه قابل قبول به نظر مي‌رسد.
افقهاي هوش مصنوعي در 1943،Mcclutch (روانشناس، فيلسوف و شاعر) و Pitts (رياضيدان) 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 (نورون‌ها) اين شبكه فقط از اين طريق سيگنال هاي تحريك (exitory) و توقيف (inhibitory) با هم درتماس بودند. اين همان چيزي بود كه بعدها دانشمندان كامپيوتر آن را مدارهاي (And) و (OR) ناميدند و طراحي اولين كامپيوتر در 1947 توسط فون نيومان عميقاً از آن الهام مي‌گرفت. امروز پس از گذشته نيم‌قرن از كار Mcclutch و Pitts شايد بتوان گفت كه اين كار الهام بخش گرايشي كاملاً پويا و نوين در هوش مصنوعي است. پيوندگرايي (Connectionism) 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 شبكه عصبي ذهن انسان الهام گرفته‌اند امروزه داراي كاربردهاي كاملاً علمي و گسترده تكنولوژيك شده‌اند و كاربرد آن در زمينه‌هاي متنوعي مانند سيستمهاي كنترلي، رباتيك، تشخيص متون، پردازش تصوير،… مورد بررسي قرار گرفته است.
علاوه بر اين كار بر روي توسعه سيستمهاي هوشمند با الهام از طبيعت (هوشمندي‌هاي ـ غير از هوشمندي انسان) 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 بهينه سازيست. به همين ترتيب روشهاي ديگري نيز مانند استراتژي‌هاي تكاملي نيز (Evolutionary Algorithms) در اين زمينه پيشنهاد شده اند. دراين زمينه هر گوشه‌اي از سازو كار طبيعت كه پاسخ بهينه‌اي را براي مسائل يافته است مورد پژوهش قرار مي‌گيرد. زمينه‌هايي چون سيستم امنيتي بدن انسان (Immun System) كه در آن بيشمار الگوي ويروس‌هاي مهاجم به صورتي هوشمندانه ذخيره مي‌شوند و يا روش پيدا كردن كوتاه‌ترين راه به منابع غذا توسط مورچگان (Ant Colony) همگي بيانگر گوشه‌هايي از هوشمندي بيولوژيك هستند. گرايش ديگر هوش مصنوعي بيشتر بر مدل سازي اعمال شناختي تاُكيد دارد (مدل سازي نمادين يا سمبوليك) اين گرايش چندان خود را به قابليت تعمق بيولوژيك سيستمهاي ارائه شده مقيد نمي‌كند. CASE-BASED REASONING يكي از گرايش‌هاي فعال در اين شاخه مي‌باشد. بعنوان 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 كلي پژوهش در هوش مصنوعي مورد توجه قرارگرفته 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 فرا ساختارهاي (Meta –Structure) رواني را براساس عناصر ساده بيولوژيك بنا خواهند كرد.
هوش مصنوعي و هوش انساني:
براي شناخت هوش مصنوعي شايسته است تا تفاوت آن را با هوش‌انساني به خوبي بدانيم. مغز انسان از ميلياردها سلول يا رشته عصبي‌درست شده است و اين سلول‌ها به صورت پيچيده‌اي به يكديگرمتصل‌اند. شبيه‌سازي مغز انسان مي‌تواند از طريق سخت‌افزار يا نرم‌افزارانجام گيرد. تحقيقات اوليه نشان داده است شبيه‌سازي مغز، كاري‌مكانيكي و ساده مي‌باشد. براي مثال، يك كرم داراي چند شبكه عصبي‌است. يك حشره حدود يك ميليون رشته عصبي دارد و مغز انسان ازهزار ميليارد رشته عصبي درست شده است. با تمركز و اتصال رشته‌هاي‌عصبي مصنوعي مي‌توان واحد هوش مصنوعي را درست كرد.
هوش انساني بسيار پيچيده‌تر و گسترده‌تر از سيستمهاي رايانه‌اي‌است و توانمنديهاي برجسته‌اي مانند: استدلال، رفتار، مقايسه، آفرينش‌و بكار بستن مفهومها را دارد.
هوش انساني توان ايجاد ارتباط ميان موضوع‌ها و قياس ونمونه سازيهاي تازه را دارد. انسان همواره قانون‌هاي تازه‌اي مي‌سازد و ياقانون پيشين را در موارد تازه بكار مي‌گيرد. توانايي بشر در ايجادمفهوم‌هاي گوناگون در دنياي پيرامون خود، از ويژگي‌هاي ديگر اوست.مفهوم‌هاي گسترده‌اي همچون روابط علت و معلولي، رمان و يامفهوم‌هاي ساده‌تري مانند گزينش وعده‌هاي خوراك (صبحانه، ناهار وشام) را انسان ايجاد كرده است. انديشيدن در اين مفهومها و بكاربستن‌آنها، ويژه رفتار هوشمندانه انسان است.
هوش مصنوعي در پي ساخت دستگاههايي است كه بتوانندتوانمندهاي ياد شده (استدلال، رفتار، مقايسه و مفهوم آفريني) را از خودبروز دهند. آنچه تاكنون ساخته شده نتوانسته است خود را به اين پايه‌برساند، هر چند سودمندي‌هاي فراواني به بار آورده است.
نكته آخر اينكه، يكي از علل رويارويي با مقوله هوش مصنوعي،ناشي از نام‌گذاري نامناسب آن مي‌باشد. چنانچه جان مك‌كارتي در سال1956 ميلادي آن را چيزي مانند «برنامه‌ريزي پيشرفته» ناميده بود شايد جنگ و جدلي در پيرامون آن رخ نمي‌داد.
شاخه‌هاي هوش مصنوعي:
هوش مصنوعي به تعدادي ميدانهاي فرعي تقسيم شده است و سعي‌دارد تا سيستم‌ها و روشهايي را ايجاد كند كه بطور تقليدي مانند هوش ومنطق تصميم‌گيرندگان عمل نمايد.
سه شاخه اصلي هوش مصنوعي عبارتند از: سيستم‌هاي‌خبره(ES)(6)، آدمواره‌ها(7) و پردازش زبان طبيعي (8) كه در زير به‌صورت تصويري نشان داده شده است.
هوش مصنوعي در يك نگاه
سيستمهاي خبره
سيستمهاي خبره، برنامه‌هاي كاميپوتري هوشمندي هستند كه دانش‌و روشهاي استنباط و استنتاج را بكار مي‌گيرند تا مسائلي را حل كنند كه‌براي حل آنها به مهارت انساني نياز است.
سيستمهاي خبره كاربر را قادر به مشاوره با سيستمهاي كامپيوتري‌در مورد يك مسئله و يافتن دلايل بروز مسئله و راه‌حل‌هاي آن مي‌كند.در اين حالات مجموعه سخت‌افزار و نرم‌افزار تشكيل دهنده سيستم‌خبره، مانند فرد خبره اقدام به طرح سئوالات مختلف و دريافت‌پاسخ‌هاي كاربر، مراجعه به پايگاه دانش (تجربيات قبلي) و استفاده ازيك روش منطقي براي نتيجه‌گيري و نهايتا ارائه راه‌حل مي‌نمايد.همچنين سيستم خبره قادر به شرح مراحل نتيجه‌گيري خود تا رسيدن به‌هدف)چگونگي نتيجه‌گيري(و دليل مطرح شدن يك سئوال اجرايي)روش حركت تا رسيدن به هدف(خواهد بود.
سيستمهاي خبره برخلاف سيستمهاي اطلاعاتي كه بر روي داده‌ها(Data) عمل مي‌كنند، بر دانش (Knowledge) متمركز شده است. همچنين دريك فرآيند نتيجه‌گيري، قادر به استفاده از انواع مختلف داده‌ها )عدديDigital، نمادي Symbolic و مقايسه‌اي Analoge( مي‌باشند. يكي ديگر ازمشخصات اين سيستم‌ها استفاده از روشهاي ابتكاري (Heuristic) به جاي‌روشهاي الگوريتمي مي‌باشد. اين توانايي باعث قرار گرفتن محدودوسيعي از كاربردها در برد عملياتي سيستمهاي خبره مي‌شود. فرآيندنتيجه‌گيري در سيستمهاي خبره بر روشهاي استقرايي و قياسي پايه‌گذاري‌شده است. از طرف ديگر اين سيستم‌ها مي‌توانند دلايل خود در رسيدن‌به يك نتيجه‌گيري خاص و يا جهت و مسير حركت خود به سوي هدف‌را شرح دهند. با توجه به توانايي اين سيستم‌ها در كار در شرايط فقدان‌اطلاعات كامل و يا درجات مختلف اطمينان در پاسخ به سئوالات مطرح‌شده، سيستمهاي خبره نماد مناسبي براي كار در شرايط عدم اطمينان(Uncertainty) و يا محيطهاي چند وجهي مي‌باشند.
مزاياي سيستمهاي خبره
مزاياي سيستمهاي خبره را مي‌توان به صورت زير دسته‌بندي كرد:
1-افزايش قابليت دسترسي: تجربيات بسياري از طريق كامپيوتر دراختيار قرار مي‌گيرد و به طور ساده‌تر مي‌توان گفت يك سيستم خبره،توليد انبوه تجربيات است.
2-كاهش‌هزينه:هزينه‌كسب‌تجربه‌براي‌كاربربه‌طورزيادي‌كاهش‌مي‌يابد.
3-كاهش خطر: سيستم خبره مي‌تواند در محيطهايي كه ممكن است‌براي انسان سخت و خطرناك باشد نيز بكار رود.
4-دائمي بودن: سيستمهاي خبره دائمي و پايدار هستند. بعبارتي مانندانسان‌ها نمي‌ميرند و فنا ناپذيرند.
5-تجربيات چندگانه: يك سيستم خبره مي‌تواند مجموع تجربيات وآگاهي‌هاي چندين فرد خبره باشد.
6-افزايش قابليت اطمينان: سيستمهاي خبره هيچ وقت خسته وبيمار نمي‌شوند، اعتصاب نمي‌كنند و يا عليه مديرشان توطئه نمي‌كنند، درصورتي كه اغلب در افراد خبره چنين حالاتي پديد مي‌آيد.
7-قدرت تبيين (Explanation): يك سيستم خبره مي‌تواند مسير و مراحل‌استدلالي منتهي شده به نتيجه‌گيري را تشريح نمايد. اما افراد خبره اغلب‌اوقات بدلايل مختلف (خستگي، عدم تمايل و…) نمي‌توانند اين عمل رادر زمانهاي تصميم‌گيري انجام دهند. اين قابليت، اطمينان شما را در موردصحيح بودن تصميم‌گيري افزايش مي‌دهد.
8-پاسخ‌دهي‌سريع:سيستم‌هاي‌خبره،سريع‌ودراسرع‌وقت‌جواب‌مي‌دهند.
9-پاسخ‌دهي در همه حالات: در مواقع اضطراري و مورد نياز،ممكن است يك فرد خبره بخاطر فشار روحي و يا عوامل ديگر، صحيح‌تصميم‌گيري نكند ولي سيستم خبره اين معايب را ندارد.
10-پايگاه تجربه: سيستم خبره مي‌تواند همانند يك پايگاه تجربه‌عمل كند وانبوهي از تجربيات را در دسترس قرار دهد.
11-آموزش كاربر: سيستم خبره مي‌تواند همانند يك خودآموز هوش(Intelligent Tutor) عمل كند. بدين صورت كه مثالهايي را به سيستم خبره‌مي‌دهند و روش استدلال سيستم را از آن مي‌خواهند.
12-سهولت انتقال دانش: يكي از مهمترين مزاياي سيستم خبره،سهولت انتقال آن به مكان‌هاي جغرافيايي گوناگون است. اين امر براي‌توسعه‌كشورهايي‌كه استطاعت خريد دانش متخصصان‌راندارند،مهم‌است.
آدمواره‌ها
كلمه آدمواره (ربات)بعد از به صحنه درآمدن يك نمايش در سال1920 ميلادي در فرانسه متداول و مشهور گرديد. در اين نمايش كه اثر«كارل كپك» بود، موجودات مصنوعي شبيه انسان، وابستگي شديدي‌نسبت به اربابان خويش از خود نشان مي‌دادند. اين موجودات مصنوعي‌شبيه انسان در آن نمايش، آدمواره نام داشتند(9).
در حال حاضر آدمواره‌هايي را كه در شاخه‌هاي مختلف صنايع مورداستفاده مي‌باشند، مي‌توان به عنوان «ماشين‌هاي مدرن، خودكار، قابل‌هدايت و برنامه‌ريزي»تعريف كرد. اين آدمواره‌ها قادرند در محل‌هاي‌متفاوت خطوط توليد، به طور خودكار، وظايف گوناگون توليدي را تحت‌يك برنامه از پيش نوشته شده انجام دهند. گاهي ممكن است يك‌آدمواره، جاي اپراتور در خط توليد بگيرد و زماني اين امكان هم وجوددار كه يك كار مشكل و يا خطرناك به عهده آدمواره واگذار شود.همانطور كه يك آدمواره مي‌تواند به صورت منفرد يا مستقل به كاربپردازد، اين احتمال نيز وجود دارد كه چند آدمواره به صورت جمعي و به‌شكل رايانه‌اي در خط توليد به كار گرفته شوند.
آدمواره‌ها عموماً داراي ابزار و آلاتي هستند كه به وسيله آنهامي‌توانند شرايط محيط را دريابند.اين آلات و ابزار «حس كننده»(10)نام دارند، آدمواره‌ها مي‌توانند در چارچوب برنامه اصلي خود، برنامه‌هاي‌جديد عملياتي توليد نمايند. اين آدمواره‌ها داراي سيستمهاي كنترل وهدايت خودكار هستند.
آدمواره‌هاي صنايع علاوه بر اين كه داراي راندمان، سرعت، دقت وكيفيت بالاي عملياتي مي‌باشند، از ويژگي‌هاي زير نيز برخوردارند:
1-بسياري از عمليات طاقت فرسا و غيرقابل انجام توسط متصديان رامي‌توانند انجام دهند.
2-آنها، برخلاف عامل انساني يعني متصدي خط توليد، قادر هستند سه‌شيفت به كار بپردازند و در اين خصوص نه منع قانوني وجود دارد و نه‌محدوديت‌هاي فيزيولوژيكي نيروي كار.
3-هزينه‌هاي مربوط به جلوگيري از آلودگي صوتي، تعديل هوا و فراهم‌آوردن روشنايي لازم براي خط توليد، ديگر بر واحد توليد تحميل‌نخواهد شد.
4-براي اضافه كاري اين آدمواره‌ها، هزينه اضافي پرداخت نمي‌شود.حق بيمه، حق مسكن و هزينه اياب و ذهاب پرداخت نمي‌شود. احتياج به‌افزايش حقوق ندارند و هزينه‌اين نيز از بابت بهداشت و درمان بر واحدتوليدي تحميل نمي‌كنند.
ويژگي‌هاي ذكر شده سبب مي‌شوند كه سهم هزينه كار مستقيم نيروي‌انساني در هزينه محصولات توليدي، واحدهاي توليدي كاهش پيداكند.(11)
پردازش زبانهاي طبيعي (NLP)
پردازش زبانهاي طبيعي بعنوان زيرمجموعه‌اي از هوش مصنوعي،مي‌تواند توصيه‌ها و بيانات را با استفاده از زباني كه شما به طور طبيعي درمكالمات روزمره بكار مي‌بريد، بفهمد و مورد پردازش قرار دهد. به طوركلي نحوه كار اين شاخه از هوش مصنوعي اين است كه زبانهاي طبيعي‌انسان را تقليد مي‌كند. در اين ميان، پيچيدگي انسان از بعد روانشناسي برروي ارتباط متعامل تاثير مي‌گذارد.
در پردازش زبانهاي طبيعي، انسان و كامپيوتر ارتباطي كاملا نزديك‌با يكديگر دارند. كامپيوتراز لحاظ رواني در مغز انسان جاي داده مي شود. بدين ترتيب يك سيستم خلاق شكل مي گيرد كه انسان نقش سازمان دهنده اصلي آن را برعهاده دارد. اگر چه هنوز موانع روانشناختي و زبانشناختي بسياري بر سر راه سبستمهاي محاوره اي وجود دارد. اما چشم اندازهاي پيشرفت آنها يقيناً نويدبخش است. در حقيقت، توقعات يكسان از محاوره انسان- ماشني و محاوره انسان- انسان، معقول نيست.
1. بررسي علوم دخيل در هوش مصنوعي
تا بدان جايي كه هوش مصنوعي تنها به بررسي روش هاي حل مسائل رياضي و مجرد توسط كامپيوتر مى‌پرداخت، مى‌توانستيم قطعاً آن را يكي از زير شاخه هاي علوم كامپيوتر بدانيم؛ اما امروزه با اضافه شدن ملاحظات جديدي كه در فوق اشاره اي بدان رفت، ديگر نمى‌توان با اين قطعيت قضاوت كرد. علومي از قبيل: معرفت شناسي كه در فلسفه ذهن (Epistemology) مطرح است ، عصب شناسي شناختي(Cognitive Neuro Science) و نيز روانشناسي شناخت (Cognitive Psychology) به همراه هوش مصنوعي مجموعه اي تحت عنوان علوم شناختي (Cognitive Science) را تشكيل مى‌دهند. از ديگر سو، رباتيك به عنوان همبسته تكنولوژيك هوش مصنوعي، خود دانشي است كه داده هاي علوم مكانيك و كامپيوتر و كنترل را يك جا مى‌طلبد.
2. بررسي هوشمندي
چه چيزي در انسان يا هر موجود ديگري آنقدر ويژه و خاص است كه او را با صفت هوشمند از ساير موجودات متمايز مى‌كند؟ آيا چنين صفتي تنها خاص انسان است، يا مى‌توان درجات مختلف آن را به موجودات ديگر نيز نسبت داد. قدر مسلم اين كه از ساده‌ترين رفتار مورچه ها و زنبورها تا رفتارهاي پيچيده ميمون ها در تعيين سلسله مراتب پيچيده اجتماعي يا روش هاي تشخيص الگوهاي چند بعدي توسط كبوتران، همگي حاوي درجاتي از هوشمندي هستند(و در بعضي موارد نه چندان كمتر از انسان). بنابر اين پاسخ به اين سئوال كه هوشمندي چيست يا حتي چگونه ايجاد شده است ما را در ساخت يك موجود هوشمند با توانايي تطبيق و عمل در محيط واقعي ياري مى‌دهد.
3.آشنايي با روش هاي هوشمند و كاربرد آنها در تكنولوژي
آنچه كه باعث شده تا هوش مصنوعي امروزه به عنوان يك رشته مهندسي مطرح باشد اين است كه طيف وسيعي از كاربردهاي آن، از رباتيك گرفته تا روش هاي هوشمند كنترلي مقبوليت وسيعي در صنعت يافته اند. روش هايي همچون منطق فازي [2] ، استرا[3]تژي تکاملي، الگوريتم ژنتيك، شبكه هاي عصبي مصنوعي ... همگي روش هايي هستند كه با الهام از طبيعت و براي دستيابي به هوشمندي طبيعي طراحي شده اند اما كاربرد عظيمي در مهندسي و صنعت يافته اند. كاربردي كه تا حدود يك دهه قبل حتي گمان آن نيز نمى‌رفت. رباتيك نيز چه در غالب روش هاي جابجايي بازوهاي مكانيكي، و چه در شكل ربات هاي متحرك(Mobile Robots) در اين بحث جايگاه ويژه اي را به خود اختصاص داده است.
4. بررسي هوش مصنوعي گسترده (Distributed Artificial Intelligence)
يك روش برخورد با مسائل حل آنهاست! بله تعجب نكنيد، اين تنها يك روش مواجهه با مسائل است. بجز اين روش(و البته حل نكردن مسئله!) راه ديگري نيز وجود دارد. فرض كنيد مى‌خواهيم يك ربات متحرك بسازيم كه در شرايط طبيعي حركت كند، مسير انتخاب كند و ...يك روش اين است كه طراح تمامي جزئيات را از ابتدا و به صورت كاملاً دقيق در نظر بگيرد. اين روش منجر به ماشيني كاملاً پيچيده و عموماً غير قابل پياده سازي خواهد شد. ماشيني كه با اندك تغييري در شرايط پيش بيني شده ناكارا خواهد بود. روش ديگر اين است كه مانند خود طبيعت ، ربات بسيار ساده اي طراحي كنيم(گاه به سادگي يك مورچه) و اجازه دهيم تا اين ربات ساده خود مسائل را به جاي ما حل كند. يا حتي اجازه دهيم يك اجتماع از ربات ها از طريق تعامل با يكديگر به حل مسائل بپردازند.
قانون طلايي در اينجا اين است كه پيچيدگي يك اجتماع، حاصلضرب پيچيدگي تك تك عناصر آن است(تئوري پيچيدگي يا Complexity Theory) ، بنابراين يك اجتماع با عناصر بسيار ساده هم ممكن است به صورت كاملاً پيچيده و هوشمند عمل كند.
منابع :
هوش مصنوعي چيست ؟ www.srco.ir
هوش مصنوعي http://www.senmerv.com
هوش مصنوعي چيست؟ http://technologymgt.blogspot.com
تكنولوژي هوشمند http://www.developercenter.ir
آينده هوش مصنوعى http://www.itmportal.com
هوش مصنوعى http://www.knowclub.com