هوش مصنوعى تركیبى

[engeneer_19]

هوش مصنوعى تركیبى
از بدو مطرح شدن هوش مصنوعى به عنوان یك دیسیپلین در علومرایانه ، دو طرز تفكر در تحقق سیستم هاى هوشمند مطرح بوده است، شاید بتوان آن دو رادر پردازش نمادین و پردازش عددى تعریف نمود.
براى درك پردازش نمادین مى توانیمبه یك مثال اشاره داشته باشیم. فرض كنید از یك نوازنده پیانو سوال مى كنیم كه چگونهپیانو مى نوازى؟! این نوازنده با استفاده از یك سرى بیانات و شاید حركات، روش كارخود را به ما نشان مى دهد و به احتمال زیاد شیوه عمل او را هم درك مى كنیم و اگركمى جدیت به خرج دهیم شاید حتى بتوانیم چند نت را هم به گونه اى جمیع تكرارنماییم.
حال فرض كنید، مى خواهیم این رفتار را با استفاده از یك فرمول ریاضى ( پردازش عددى) مدل كرده و مثلا با استفاده از یك ربات تكرار كنیم. سوال این خواهدبود كه آیا مدل ریاضى كه منحصر به روابط بین یك سرى كیفیتهاى رقمى است، قادر بهانجام این عمل خواهد بود؟
فكر مى كنم جواب شما منفى باشد.

در ادامه بهیك وضعیت دیگر اشاره مى كنم. فرض كنید مى خواهید از یك خیابان كه ماشین ها با سرعتعبور مى كنند، بگذرید. آیا روش تصمیم گیرى شما در رابطه با عبور كردن بر مبناىپردازش یك سرى اندازه گیرى انجام شده است؟ براى مثال آیا سرعت ماشین را تخمین زده وبا در نظر گرفتن عرض خیابان، سرعت خود را محاسبه مى كنید؟ به احتمال زیاد در اینصورت مطمئناً شانس رسیدن شما به آن طرف خیابان بسیار پایین مى باشد و یا زمان بسیارزیادى طول خواهد كشید كه تصمیم به عبور از خیابان را به مرحله اجراء در آورید. دراین گونه شرایط ، روش برخورد ما به این صورت خواهد بود كه: « به نظر مى رسد ماشینآهسته حركت مى كند؛ به آن طرف خیابان خواهم رسید»
در این نوع پردازش انسانمواجه با تعداد زیادى نماد symbols مى باشد و با استفاده از این نمادها براى تصمیمگیرى اقدام مى كند.
این نوع تصمیم گیریها به طور واضح در رفتار آدمى مشاهده مىشود و طبیعى است كه پردازش نمادین از جایگاهى ویژه در علم هوش مصنوعى برخوردار است. در كنار پردازش نمادین در انسان مى دانیم كه مغز انسان از یك مجموع منسجم سلول هاىعصبى تشكیل شده است و مدل هاى ارائه شده براى این سیستم عصبى بر مبناى پردازش عددىعمل مى كند. چگونگى عمل سیستم طبیعى عصبى به طور واضح براى انسان مشخص نشده است واز آنجا كه مدل هاى ارائه شده ، از قابلیتهاى بسیار بالایى برخوردار هستند و دركاربردهاى زیادى از خود كارآیى خوبى ارائه كرده اند، به نظر مى رسد از واقعیت امرزیاد دور نباشند.

بنابر این، شاید بتوان گفت، انسان به طور كلى در سطح بالاىتصمیم گیرى از پردازش نمادین استفاده مى كند و در سطوح حسى و واكنشهاى عصبى خود یكنوع پردازش عددى را به كار مى گیرد.
بنابراین، رفتار هوشمندانه آدمى ناشى از یكروش نمادین تفكر در كنار محاسبات عصبى مغز مى باشد.

همانگونه كه مطرح شد،این دو محور در هوش انسان از بدو پیدایش هوش مصنوعى، به صورت دو دیدگاه معرفى شدهاند.
از یك دید، هدف ساختن مغز مصنوعى ( شبكه هاى عصبى مصنوعى ) است كه در صورتوجود این سخت افزار مى توان توقع داشت ماشینى كه به این وسیله مجهز شود، رفتارهوشمندانه از خود نشان دهد. (شبکه های عصبی در همین تالار میکرورایانه بحث شدهاست)
از دیدگاه دوم، هدف، مدل سازى روش تفكر انسان است كه با استفاده از آنانسان تصمیم گیریهاى هوشمندانه مى كند.
در دهه هاى ۵۰ و ۶۰ محور اول به عنوانمحور اصلى در مخلوقات هوش مصنوعى مطرح بوده است ولى در دهه ،۷۰ پردازش نمادین بهعنوان فهم روش تفكر در طراحى سیستم هاى هوشمندان مطرح شد.
خوشبختانه، در ۱۰ سالاخیر محققان به این نتیجه رسیده اند كه براى ساختن یك سیستم هوشمند كه بتواند درحوزه هاى ( Domains ) مختلف عمل كند، و یك مسأله پیچیده را حل كند، اعتماد كردن بهیك روش ( یا بینش ) كافى نخواهد بود و از این رو فلسفه هوش مصنوعى تركیبى ( Hybrid Artificial Intelligence ) مطرح شده است.
به طور كلى سه روش تركیب تكنیكهاى هوش مصنوعى در جهت ساخت یك سیستم هوشمند ارائهشده است كه در ذیل به اختصار به آنها مى پردازیم.
در روش اول از یك تكنیك خاصجهت اجراى یك function در یك تكنیك دیگر هوش مصنوعى استفاده مى كنیم.
براى مثالدر طراحى یك سیستم كنترلى فازى چندین بلوك وجود دارد كه هر كدام كار مشخصى را انجاممى دهند. یكى از این بلوكها جهت انجام Fuzzification طراحى مى شود.
در یك سیستمتركیبى مى توان از شبكه هاى عصبى در انجام این كار استفاده نمود. البته در اینجا درمورد مزایا یا معایب این تركیب سخنى گفته نخواهد شد.

در یك مثال دیگر مىتوان به كاربرد روشهاى ژنتیكى در امر یادگیرى شبكه هاى عصبى اشاره نمود.
در روشدوم جهت ساخت یك سیستم پیچیده، آن سیستم را تجزیه نموده (به زیر سیستم هاى كوچكترتقسیم نموده) و بعد از آن هر زیر سیستم را با یك روش مناسب هوشمند پیاده سازى مىكنیم. براى مثال جهت كنترل یك فرآیند پیچیده صنعتى از شبكه هاى عصبى جهت پیشگویى ومدل سازى یك سرى از پارامترهاى كلیدى استفاده مى شود و نتایج به دست آمده جهت تصمیمگیریهاى كلى به یك سیستم خبره داده مى شود.
سیستم خبره در اصل حكم یك مدیرپروسه متخصص را دارد كه با استفاده از پارامترهاى تولید شده در سطح پایین تر تصمیمگیرى مى كند. بسیارى از مسائل پیچیده از این طبیعت برخوردار هستند و شكستن آن بهمسائل كوچكتر و به كارگیرى روش مناسب براى حل هر كدام به صورت مجزا و در نهایتادغام كردن نتایج به دست آمده، به حل درست مسأله اصلى كمك خواهد نمود.

روشآخر استفاده از یك روش هوشمند در پیاده سازى یك روش دیگر مى باشد. براى مثال مىتوان به پیاده سازى یك سیستم خبره با استفاده از شبكه هاى عصبى اشاره نمود. دراینجا هر نرون در شبكه عصبى یك قانون در پایگاه دانش مى باشد و با استفاده ازمحاسبات عصبى روش استنتاج را پیاده مى كنیم.
مثال دیگر به كارگیرى گرامرها درتحلیل و نمایش دانش آموخته شده در شبكه هاى عصبى مى باشد. البته توجه به این نكتهلازم مى باشد كه یك سیستم تركیبى هوشمند نباید الزاما ًاز روشهاى هوشمند در پیادهسازى استفاده كند. در پیاده سازى یك سیستم شاید نیاز به به كارگیرى روشهاى آمارى،ریاضى و تحلیلى... نیز وجود داشته باشد.