هوش مصنوعی
هوش مصنوعی یا آ .ال یک فناوری و شاخه ای در زمینه ی علوم کامپیوتری است. در این علم متخصصان به مطالعه و پیشرفت و رشد دادن نرم افزار و دستگاه های هوشمند میپردازند.
محققان و دانشمندان در این زمینه به این شکل علم را توصیف میکنند که ما یک عنصر یا عامل هوشمند را در نظر میگیریم و سیستم هوشمندی از آن به وجود میاریم که توانایی درک محیط اطراف خود را داشته باشد و البته تمامی این برنامه ریزی ها را به نحوی انجام دهد که به حداکثر موفقیت برسد.
در ادامه باید اضافه کنیم که مطالعات در زمینه هوش مصنوعی به روش های مختلفی دسته بندی میشود مثلا بر حسب مسائل فنی, مسائل خاص رد زوش های مختلف, کاربردهای آن یا میزان دسترسی در یک پروژه این گونه دسته بندی میشوند.
هدف فعلی از این علم به دست آوردن سطحی از منطق,یادگیری,ارتباط,دانش و توانایی استفاده از اشیاست.
Source : www.iqexam.co
و روش هایی که در حال حاضر کاربردی و معروف هستند و دانشمندان به آنها توجه دارند روش‌های آماری، هوش محاسباتی و هوش مصنوعی سمبولیک سنتی. در هوش مصنوعی از ابزارهای متنوعی استفاده شده که شامل نسخه‌هایی از بهینه‌سازی تحقیق و ریاضیات، منطق، روش‌های مبتنی بر احتمالات و اقتصاد و بسیاری موارد دیگر میشود. هوش مصنوعی کامل و قوی ام که دانشمندان انتظار آن را میکشند یکی از اهداف بلند مدت آنها است که ذره ذره روی آن کار میکنند.
طبقه‌بندی هوش مصنوعی
- یادگیری ماشین
هدف از این شاخه در هوش مصنوعی یادگیری داده ها توسط سیستم هاست دانشمندان تحقیق میکنند که در چه سیستمی میشود این شاخه را پیاده کرد به طور مثال با کمک این شاخه سیستم هایی وجود دارند که میتوانند ایمیل ها را مدیریت کنند آنها را دسته بندی کنند ایمیل های جدید را نمایش دهند و یا حتی هرزنامه ها را از ایمیل های اصلی جدا کنند در اصل به صورت خودکار تمامی کارهای لازم برای مرتب بودن این سیستم را انجام میدهند.
مساله ای که در این بخش از هوش مصنوعی مورد توجه قرار میگیرد یادگیری صحیح ماشین هاست که بتوانند کار خود را بی نقص ارائه دهند و با گ های خیلی زیادی نداشته باشند. به صورتی که عرضه آنها در جهت کلی سازی پیش برود کلی‌سازی به معنی این قابلیت است که سیستم روی نمونه‌های داده‌ای نادیده نیز به خوبی عمل خواهد کرد. شرایطی که تحت آنها بتوان این مساله را تضمین کرد، از موضوعات اصلی مطالعه در زیرمجموعه نظریه یادگیری محاسباتی است.
- بینایی ماشین
هدف در این بخش استفاده از فناوری در شناسایی است. شناسایی بر پایه تحلیل تصویر به صورت خودکار تقریبا میشه گفت اغلب در بازرسی های خودکار کاربرد دارد. اگر بخواهیم به دیگر کاربردهای آن اشاره کنیم میتوانیم تضمین در کیفیت,هدایت روباتها در اندازه گیری نور را مثال بزنیم.
این روش را به طور کلی میشود به دو دسته تقسیم بندی کرد برنامه ای که برای توانایی بینایی ماشین تهویه میشود که در ادامه آن مطمئنا یک روند فنی طی میشود و نتیجه آن گرفتن یک تصویر درست در روند استفاده آنها به عنوان دوربین لنز یا نورپردازی است.
دومین هدف شامل رابط‌های کاربری، رابط‌های ادغام سیستم‌های چندبخشی و تبادل داده اتوماتیک میشود.
و اما دیگر شاخه ها این فناوری عبارت اند از:
- پردازش زبان طبیعی
- روباتیک
- سیستم‌های خبره
- شبکه عصبی
- الگوریتم ژنتیک