توضیحات

عنوان: soft computing با استفاده از روش های یادگیری ماشین

مقدمه
تعریف محاسبات نرم(Soft Computing)
یادگیری ماشین (Machine learning)
چالش‌های بنیادین هوش‌مصنوعی‌
شاخه‌های علم هوش مصنوعی‌
فراتر از هوشمندی ماشین‌
مباحث رشد و توسعه محاسبات نرم از دیدگاه یادگیری ماشین
نتیجه گیری
جمع بندی
منابع

مقدمه

بیش از نیم قرن پیش، هنگامی كه هنوز هیچ تراشه سیلیكونی‌ای ساخته نشده بود، آلن تورینگ، یكی از بحث‌انگیزترین پرسش‌های فلسفی تاریخ را پرسید. او گفت: آیا ماشین می‌تواند فكر كند؟ و اندكی بعد كوشید به پیروی از این قاعده كه هر ادعای علمی باید از بوته آزمایش سربلند بیرون بیاید، پرسش فلسفی خود را با یك آزمایش ساده و در عین حال پیچیده جایگزین كند. او پرسید: آیا یك ماشین،یك كامپیوتر، می‌تواند آزمون <بازی تقلید>را با موفقیت پشت سر بگذارد؟ آیا ماشین می‌تواند از انسان چنان تقلید كند كه در یك آزمون محاوره‌ای نتوانیم تفاوت انسان و ماشین را تشخیص دهیم؟ او در سال1950 بر اساس محاسباتی تخمین زد كه پنجاه سال بعد، كامپیوتری با یك میلیارد بیت حافظه خواهد توانست به موفقیت‌هایی در این زمینه دست پیدا كند. اكنون كه در سال 2016میلادی هستیم، حتی 11 سال بیشتر از زمانی كه او لازم دانسته بود، هنوز هیچ ماشینی نتوانسته‌است از بوته آزمون تورینگ با موفقیت خارج شود. اما همین پرسش كافی بود تا بشر در نیم قرن اخیر به دستاوردهای شگرفی در زمینه هوش مصنوعی برسد. دست كم یكی از پیش‌بینی‌های تورینگ درست از آب درآمد: در سال 2000 مفهوم <هوش مصنوعی> برای هیچ‌كس غیرقابل‌باور نبود.

تعریف محاسبات نرم(Soft Computing):

در علوم کامپیوتر محاسبات نرم، مشخص کننده راه حلهای نادقیق و تقریبی برای حل مسائلی که از نظر محاسباتی حل آنها دشوار بوده و هیچ الگوریتم شناخته شدهای برای حل دقیق آنها در زمان چند جمله ای وجود ندارد. در واقع اینگونه محاسبات، حاصل تلاش های جدید علمی که مدلسازی، تحلیل و در نهایت کنترل سیستم های پیچیده با سهولت و موفقیت بیشتری امکان پذیر میگردد. از مهم ترین این محاسبات میتوان به منطق فازی، شبکه عصبی، شبکه عصبی مصنوعی و الگوریتم ژنتیک اشاره کرد]2[.

یادگیری ماشین (Machine learning):

یادگیری ماشینی به بررسی روش هایی می پردازد که به رایانه ها امکان استفاده از داده ها و یادگیری از آنها برای بهبود عملکردهای مختلف را می دهد. یادگیری ماشین، توانایی آن در یادگیری از تجربیات گذشته و یا و سوابق و انجام بهتر وظایف است. به عبارتی برای انجام بهتر كارها در آینده از گذشته تقلید می شود. بر اساس تعریفی دیگر ماشین ها چیزهایی یاد می گیرند و براساس آموخته ها رفتارشان را به نحوی تغییر می دهند كه باعث می شود در آینده وظایفشان را بهتر انجام دهند. اشیای اصلی كه در حوزه این مطالعه قرار دارند مصنوعی هستند. برنامهریزی رایانه ای برای بهینه سازی یك عملكرد با استفاده از داده ها و تجربیات گذشته نیز از تعاریف یادگیری ماشین است.

چالش‌های بنیادین هوش‌مصنوعی‌

البته امروزه هوش مصنوعی به واقعیت نزدیك شده است و تقریباً می‌توان گفت وجود دارد، اما دلایل اساسی متعددی وجود دارند كه نشان می‌دهند چرا هنوز شكل تكامل یافته‌ هوشی كه تورینگ تصور می‌كرد( ماشین که توانایی فکر کردن داشته باشد)، به وقوع نپیوسته است. به طور كلی خود نظریه تورینگ مخالفانی جدی دارد. بعضی از این منتقدان اصلا‌ً هوش ماشینی را قبول ندارند و برخی دیگر صرفاً كارآمدی آزمون تورینگ را برای اثبات هوشمندی زیر سؤال می‌برند. یكی از مهم‌ترین مباحث مطرح در این زمینه، موضوع شبیه‌سازی است. غالباً پرسیده می‌شود آیا صرف این‌كه ماشینی بتواند نحوه صحبت كردن انسان را شبیه‌سازی كند، به معنی آن است كه هوشمند است؟ به عنوان مثال، شاید شما هم درباره روبات‌های نرم‌افزاری كه می‌توانند چت كنند (Chatter Bots) چیزهایی شنیده باشید. این روبات‌ها از روش‌های تقلیدی استفاده می‌كنند و به تعبیری، نمونه مدرن و اینترنتی آزمون تورینگ هستند]1[.

مثلاً روبات ELIZA یكی از این‌هاست. این روبات را ژوزف وایزن بام، یكی دیگر از پژوهشگران‌ نامدار این حوزه اختراع كرد. الیزا در برخی مكالمات ساده می‌تواند طرف مقابل خود را به اشتباه بیندازد. طوری كه مخاطب ممكن است فكر كند درحال گپ زدن با یك انسان است. البته الیزا هنوز نتوانسته است آزمون تورینگ را با موفقیت پشت سر بگذارد. با این حال تكنیك‌های شبیه‌سازی مورد انتقاد گروهی از دانشمندان است. یكی از مشهورترین انتقادات در این زمینه را فیلسوفی به نام جان سیرل (John Searle) مطرح كرده است. او معتقد است بحث هوشمندی ماشین‌های غیربیولوژیك اساساً بی‌ربط است و برای اثبات ادعای خود مثالی می‌آورد كه در مباحث تئوریك هوش مصنوعی<بحث اتاق چینی> نامیده می‌شود. سیرل ابتدا نقد خود درباره هوش ماشینی را در 1980 مطرح كرد و سپس آن در مقاله كامل‌تری كه در 1990 منتشر كرد، بسط داد.
ماجرای اتاق چینی به این صورت است: فرض كنید داخل اتاقی یك نفر نشسته است و كتابی از قواعد سمبول‌های زبان چینی در اختیار دارد. برای این فرد عبارات، سمبول‌‌های چینی روی كاغذ نوشته می‌شود و از زیر درِ اتاق به داخل فرستاده می‌شود.

توجه: