برای دانلود کتاب Cambrian Intelligence به ادامه مطلب مراجعه نمایید.

Cambrian-Intelligence_Iran-AI.ir

بیشتر بخوانید »

اگر اختیار تدوین امور اموزشی در دست من بود به قطع یقین برای چند دانشگاه اول ایران اولین کتابی که در رشته های مهندسی اجباری میکردم همین کتاب و درس SICP یا structure and interpretation of computer programs هست. دانشگاه MIT همچین کاری را انجام میدهد و دانشجویان تمام رشته ها می بایست در ترم اول درسی خود این کتاب را بگذرانند. کتاب تالیف دوتن از استادان بنام همین دانشگاه میباشد. ابلسون و ساسمن. کتاب میکوشد تا زبان لیسپ را به دانشجو اموزش دهد و البته زبان لیسپ خود چندین لهجه یا دیالکت دارد. لهجه اسکیم آن که این دو استاد با آن مسائل زیادی را حل میکنند بسیار مینیمالیستی میباشد و در مقابل لیسپ اصلی که یکی از مفصل ترین زبان های کامپیوتری است می ایستد اما قدرتش کمتر نیست.

درس ویدیوهای این کتاب و اموزش این زبان نیز در اینترنت به راحتی قابل دستیابی هستند و میتوان از سرویس تورنت برای دانلود آنها استفاده نمود. در این کتاب زیبا دانشجو از همان اول دستهایش بقول انگلیسی ها کثیف می شود یعنی از همان صفحات اول get your hands dirty و شما با مفسر و کامپایلر اسکیم آشنا خواهید شد. زبان به شدت مینیمالیستی است و نوعی زیبایی ریاضی دارد. بنیاد آن بر اساس حساب لامبدا یا Lambda-Calculus است که مبدع آن چرچ بوده و در اصل زبان لیسپ که اولین زبان هوش مصنوعی نیز میباشد بر اساس آن طراحی و پیاده سازی شده است.

برنامه نویسی به زبان لیسپ با برنامه نویسی به زبان پاسکال یا پایتون و یا C متفاوت است و در اصل در پاردایمی دیگر شما برنامه میسازید. پارادایم برنامه نویسی تابعی یا functional programming . در مجله نیچر مقاله ای میخواندم (سالها پیش )که لزوم اولویت تدریس زبانهای تابعی را بر زبانهای رایج گوشزد مینمود. در هر صورت در زمانی کوتاه شما قادر خواهید بود که تمام مفاهیم کامپایلری و ریاضیات گسسته در کامپیوتر و بهینه سازی و برنامه سازی منطق و خیلی دیگر از مفاهیم که حتی برای دانشجویان تحصیلات تکمیلی نیز صقیل به نظر میرسند را به راحتی فرا بگیرید.

بعنوان مثال در بحث پردازش زبان طبیعی با توجه به اهمیت برنامه سازی منطق یا Logic programming و زبانی که بر بنیاد آن ساخته شده یعنی پرولوگ که در پردازش صوری و فرمال زبان طبیعی بسیار قدرتمند است در این کتاب فراخواهید گرفت که چگونه پیش از پردازش زبان طبیعی به توسط اسکیم (یا همان لیسپ) شما یک کامپایلر پرولوگ مورد نیاز خود را به راحتی پیاده سازی کنید و در همان اسکیم خود هم قدرت اسکیم را داشته باشید و هم پرولوگ ساخت خودتان را.

مفاهیم زیادی که بسیار برای نظام اموزشی ما نااشنا هستند در این کتاب به راحتی مرور و اموزش داده می شوند. بعنوان یک نمونه دیگر میتوانم از عدم قطعیت یا nondeterminism و پیاده سازی آن اسم ببرم که در پردازش زبان طبیعی و پرولوگ بسیار مفهوم با اهمیتی می باشد و در هر صورت این کتاب قدیمی را بسیار پر اهمیت تر می نماید.

در اهمیت این کتاب در علم کامپیوتر باید خاطر نشان کنم که کتاب های زیادی در این علم وجود ندارند که به شهرتی حتی نزدیک به SICP رسیده باشند و بسیاری از بزرگان آن را از کتاب هنر برنامه نویسی کامپیوتری دانلد کانوث نیز پراهمیت تر میدانند.

در هر صورت یک دانش جوی جدی هوش مصنوعی که بر ان است که روشهای فرمال را بیازماید و خود دستی در کار برنامه نویسی داشته باشد و گذرش هم به لیسپ بیافتد به احتمال خیلی زیاد این کتاب را بی نهایت مفید خواهد یافت.

اینم لینک این کتاب و ملحقاتش که ازش استفاده کنین.

در یک تصمصم گیری شما تعدادی عمل (action) دارید که می تونید از بین اونا یکی رو انتخاب کنید. انتخاب بهترین عمل مستلزم دونستن نتایج بعدی اون کار هست و نه فقط نتایج آنی اون. درک نتایج دراز مدت معمولاْ می تونه به تصمیم گیری بهتر خیلی کمک کنه. نکته اینجاست که تصمیم گیرنده باید بتونه بین فواید کوتاه مدت و دراز مدت که لزوماْ باعث تقویت همدیگه نمی شن انتخاب کنه. این مدل به مدل پنهان مارکوف معروفه و هر روز در کارهای روزمره مردم از اون استفاده می کنن.

برای مسائلی به این شکل راه حل های استانداردی وجود داره که اگه بتونیم اجزای مساله رو به خوبی مدل کنیم به راحتی می تونیم از اونا استفاده کنیم.

اجزای اصلی یک مدل مارکوف عبارتند از: بیشتر بخوانید »

در نوشتار قبلی به نمای کلی پردازش زبان طبیعی توسط کامپیوتر و اهمیت آن اشاره شد. در این قسمت مشروح تر به این مسئله می‌پردازم که کلا در فلسفه تا پیش از بوجود آمدن شاخه هوش مصنوعی زبان چگونه تحلیل میشد و اینکه آیا برداشت های فلسفی پیشین کمکی به شاخه هوش مصنوعی کرده است یا نه؟ بعنوان یک پاراگراف معترضه در اینجا ذکر میکنم که اگر از هوش مصنوعی به عنوان علم سخن بگوییم بطور یقین مسامحه نموده ایم زیرا با تعریف متقن و دقیق علم در فلسفه علم ، شاخه هوش مصنوعی علم محسوب نمی گردد بلکه شاخه ای از مهندسی نرم افزار و سخت افزار محسوب میگردد که در پی دستیابی به توانایی هایی بالاتر از الگوریتم های سخت میباشد و در این راه بنا را بر تقلید و بازسازی هوش انسانی گذاشته است هرچند که در بسیاری از موارد نیز بدنبال هوش حیوانی میباشد که از جمله در صنایع نظامی میتوان این موضوع را مشاهده کرد.

از زمانهای باستان یعنی پیش از سقراط تا اواخر قرن نوزدهم قسمت اعظم تحلیل هایی که از زبان انجام میشد ، بر روی بعد فلسفی و عموما غیر تحلیلی زبان متمرکز بود. با ابداع منطق مرتبه اول توسط گوتلوب فرگه المانی راه برای تحلیل زبان فراهم شد و با رساله منطقی فلسفی ویتگنشتاین دور جدیدی از فلسفه تحلیلی و رویکرد به زبان آغاز شد. حلقه وین با الهام گرفتن از رساله ویتگنشتاین تحلیل زبان را در مرکز توجه خویش گذاشتند و بعنوان نمونه میتوان تحلیل کتاب <متافیزیک چیست؟> هایدگر توسط رودولوف کارناپ را مثال زد که سعی در بازنمایی منطقی کژتابی های زبان و کاربرد آنها توسط هایدگر را داشت. این که این تحلیل ها آیا هنوز هم معتبر هستند یا نه جای بحث است اما به قطع یقین دوره جدیدی در پردازش زبان والبته در غیبت کامپیوتر و به کمک زبان های فرمال و محاسبه پذیری چون منطق مرتبه اول و زیرمجموعه های آن آغاز شده بود. ویتگنشتاین در رساله معتقد بود که تمامی مسائل فلسفی را فقط با تحلیل زبان حل نموده و هر مسئله دیگری تنها یک صورتبندی و استفاده غلط از زبان خواهد بود و در نتیجه نیاز به حل کردن نخواهد داشت و میتوان براحتی از آن صرفنظر نمود.

هسته اصلی آثار هایدگر و ویتگنشتاین که مهمترین فیلسوفان قرن بیستم بودند حول زبان میگشت و هرکدام به نوعی راه خود را میرفتند و حتی ویتگنشتاین در دوره متاخر خود رویکردی کاملا متفاوت به زبان را پیش گرفت. زبانی که در رساله مطرح گشته بود زبانی آینه ای بود که زبان را آینه ای در مقابل جهان میدید که خود این جهان متشکل از اشیا و روابط بین آنها بود. با تولد هوش مصنوعی در میانه قرن بیستم میتوان پیشگامان این شاخه از مهندسی(با تسامح گاهگاهی آن را علم نیز مینامیم) مهندس-فیلسوفان نامید که همگی تورینگ و مقاله معروفش را مد نظر داشتند.

با معرفی زبان های فرمال توسط چامسکی راه برای تحلیل زبان های فرمال (که زبان های کامپیوتری نمونه های آن هستند) باز شد و امیدهای زیادی میرفت که زبان طبیعی نیز تن به رام شدن توسط این ابزارها و رویکردهای جدید بدهد. Montague سعی در فرمال نمودن زبان طبیعی نمود و در این راه از ساختارهای جبری بسیار پیچیده استفاده نمود که سمانتیک یا معنای زبان طبیعی را نیز در قالب فرمال بریزد. کارهای او هنوز نیز ادامه دار که شاگردان باربارا پارتی در دانشگاه MIT Amhearst کماکان سعی در فرمال نمودن زبان طبیعی و معنا و سمانتیک آن دارند که تا بدینوسیله بتوانند آن را محاسباتی نمایند و راه برای کامپیوتر و درک این زبان توسط آن باز گردد.

زبان های فرمال زبان هایی هستند که تن به نوعی نمادگذاری و خلاصه سازی میدهند و درواقع قدرت اصلی آن ها از زایش و مکانیسم های بازگشتی بوجود می اید و این امکان را میدهند که بی نهایت جمله در این زبانها و تنها با استفاده از یک واژگان محدود و قواعدی محدود تر شکل بگیرند که بتوانند معنایی واضح و باز محاسباتی داشته باشند و بتوان از مکانیسم های منطق که خود نیز نوعی زبان فرمال است جهت استنتاج و تولید جملات جدید  و متون جدید استفاده نمود.

با ناامیدی ای که در حوزه هوش مصنوعی و در دهه هشتاد بوجود امد ، امید به تحلیل فرمال زبان نیز کمرنگ شد و تحلیل های اماری شروع به شکوفایی نمودند که تا کنون نیز ادامه داشته است. در باب رویکرد اماری و فرمال به زبان طبیعی در نوشتارهای آینده بیشتر خواهم نوشت اما در این میان یافته های عصب شناختی نیز تاثیری اساسی در تحلیل زبان داشته و دارند .

پژوهشهای Lakoff  که نشان دهنده خاصیت استعاری زبان انسانی بود و نیز یافته های پاتولوژیکی که رابطه زبان و قسمتهای مختلف مغز و آسیب های فیزیکی و تاثیر آنها بر زبان بود یقینا در نگرش ما به زبان و تحلیل ان تاثیر داشته و خواهند داشت. در سالهای اخیر با تولد وب معنایی و نیاز آن به هستان شناسی یا آنتولوژی و سخت بودن این مسئله و سادگی ای که برای موجود انسانی دارد نیاز به تحلیل های بیشتر عصب شناختی را بیش از پیش نموده است. تلاش برای یافتن مدارهای عصبی ای که نمایانگر مفاهیم یا کلمات باشند در جریان است و بطور قطع بر تحلیل کامپیوتری زبان تاثیر خواهد داشت. پروژه WordNet بر اساس یکی از این یافته ها شکل گرفته است و اکنون به جزئی اساسی از هر پژوهش زبان تبدیل شده است.

در ادامه این مباحث به صورت مشروح تر به بسیاری از مباحثی که در این نوشتار بصورت کلی مورد اشاره قرار گرفتند ، خواهم پرداخت.

بسیاری از محققین بر آنند که پردازش زبان طبیعی از مشکل ترین شاخه های هوش مصنوعی می باشد و فاصله بسیار زیادی داریم تا زمانی که بتوانیم از کامپیوترها انتظار داشته باشیم که همچون کامپیوتر فیلم ادیسه ۲۰۰۱ کوبریک با انسان تعامل زبانی داشته باشند. تست تورینگ که اکنون کلاسیک گشته است و بیشتر از نیم قرن بعنوان معتبرترین تست سنجش هوش ماشین در نظر گرفته میشد نیز بر زبان و پردازش و درک آن به عنوان شاخصی برای هوش تاکید می نماید. حال سوال ها این هستند که نقش زبان در برآورد و درک هوش و بازساخت آن چیست ؟ و آیا در کل امکان پردازش زبان طبیعی به توسط کامپیوترها هست ؟ رویکردهای موجود چه هستند و افق های فرارو را آیا میتوان تصور کرد؟

فرض کنیم بدنبال آنیم که هوش انسانی یا حیوانی را شبیه سازی کنیم یا از آن الگو بگیریم و آن را در ربات ها یا در ماژول هایی تعبیه کنیم. در این صورت مدخل ما به این هوش کدامین توانایی بشری یا حیوانی می تواند باشد؟ بهتر است هوش را در عامیت و کلیتش در نظر بگیریم و قسمت های آن را در حد امکان و نیاز تشخیص دهیم. تعدادی از این توانایی ها عبارتند از توانایی مسیر یابی- بینایی-شنوایی-توانایی تجزیه و تحلیل و استدلال منطقی- لوکوموشن و …. توانایی ارتباط. از بین این توانایی ها یکی از آن ها بصورت ویژه خاص و مختص انسان ها میباشد. همانگونه که ارسطو انسان را حیوان ناطق نامید این خصوصیت زبان و توانایی ارتباط کلامی و زبانی است که انسان را از سایر حیوانات جدا می سازد. در سایر توانایی ها انسان ها بصورت عمده از سایر حیوانات عقب مانده تر میباشند اما به دلیل داشتن هوش و کلام و زبان انسان توانسته بر کل کره زمین تسلط پیدا کند.

محققان نشان داده اند که بدون زبان قسمت عمده ای از تفکر و هوش انسانی غایب خواهد بود در نتیجه زبان تنها یک ابزار انتقال معنی و مبادله پیام نیست بلکه خود پیام ساز و بستر ایجاب پیام و معنا نیز می باشد. توجه به همین یافته های مختصر نشان میدهد که زبان از یک پدیده ساده به یک پدیده بسیار پیچیده میتواند بدل گردد و در نتیجه تحلیل زبان نیز میتواند سطوح مختلفی داشته باشد. از یک تحلیل ساده شمارش لغات و یافتن فرکانس تکرار آنها گرفته تا درک متون استعاری و پیچیده و کاربرد دانش عام و جهانی در درک متون و گفتار همگی مشمول پردازش زبان میتوانند گردند.

در مباحث بعدی این گفتار پیگیری خواهد شد و روشهای موجود در تحلیل زبان بعلاوه ارتباط میان رشته ای شاخه های مختلف مانند نوروساینس و زبان شناسی و امار و تعدادی از علوم دیگر و تعامل آنها در ساختن بستری مناسب در جهت تحلیل زبان طبیعی بررسی خواهند شد.

هوش مصنوعی چیست؟

در این کتاب، هدف ما، بهره گیری از این مفهوم جهت توسعه مجموعه کوچکی از اصول طراحی برای ساختن عوامل موفق می باشد سیستمهایی که می توان به طور معقول، هوش نامید. مبحث خود را با بررسی عوامل، محیطها و جفت نمودن این دو آغاز خواهیم نمود. مشاهده این نکته که برخی از عوامل بهتر از بقیه عمل می کنند، به طور طبیعی ما را به عامل منطقی رهنمون می کند عاملی که تا حد امکان خیلی خوب رفتار می کند. اینک یک عامل تا چه حد به خوبی رفتار می کند به ماهیت محیط بستگی دارد. برخی از محیطهای دشوار تر از سایرین هستند. ما طبقه بندی خام ونا پروده ای از محیطها را ارائه نموده ومشخص کرده ایم که چگونه ویژگی های یک محیط بر طراحی عوامل مناسب برای آن محیط، تاثیر می گذارند، همچنین برخی از طرحهای اصلی عامل (کالبدی) (ابتدایی) را که در باقیمانده کتاب بدان تجسم می بخشیم، توضیح خواهیم داد.شما می توانید .این کتاب را از هوش مصنوعی ایران دانلود کنید بیشتر بخوانید »

به عنوان یکی از شاخه‌های وسیع و پرکاربرد هوش مصنوعی، یادگیری ماشینی (Machine learning) به تنظیم و اکتشاف شیوه‌ها و الگوریتم‌هایی می‌پردازد که بر اساس آنها رایانه‌ها و سامانه‌ها توانایی تعلٌم و یادگیری پیدا می‌کنند. بیشتر بخوانید »

تعاریف متفاوت و متنوعی در حوزه های مختلف در مورد هوشمندی وجود دارد که هر یک میتواند الهام بخش ایده هایی در هوش مصنوعی باشد. در اینجا چند تعریف در مورد هوشمندی مطرح میشود:

تعریف مینسکی Marvin Minsky

“هوشمندی عبارت است از فرایند حل یک مساله که به نظر مشکل میآید و پس از حل از حالت هوشمندی خارج میشود.”
البته بایستی به این مساله توجه داشت که هوشمندی میتواند مستقل از فرایند تفکر باشد. مثلا موجودی بدون تکیه بر تفکر سطح بالا میتواند رفتاری سطح بالا از خود بروز دهد.
به عنوان نمونه رفتار شب پره در فرار از چنگال خفاش بسیار جالب است. شب پره برای فرار از دست خفاش بایستی توانایی های خاصی داشته باشد :
- تشخیص شکارچی
- درک فاصله
- تمییز دادن جهت خود و شکارچی
- تخمین حرکت مناسب برای فرار از چنگال شکارچی بیشتر بخوانید »