هر آنچه در مورد هوش مصنوعی

سامانه ای با اجزای سمبولیک و غیر سمبولیک یک “سیستم هوشمند هیبرید” (hybrid intelligent system) است و مطالعه چنین سیستمی “یکپارچه سازی سیستم های هوش مصنوعی” (artificial intelligence systems integration) است. تکنیک غیر مستدل بهترین فرض ها را برای برنامه، در جهت حل مسئله ایجاد می کند. برای درک جزئیات به “فلسفه هوش مصنوعی لوکاس، پنروز و گودل” مراجعه کنید. انسان قادر است حقیقت اظهارات گودل را درک کند. علاوه بر این، پارادایم به محققان زبانی را ارائه می دهد که قادر به ایجاد ارتباط با دیگر رشته ها باشند (مثل نظریه تصمیم گیری و اقتصاد) و نیز از مفاهیم عامل انتزاعی بهره گیرند. به طورمعمول بشر سریع استفاده می کند، پنداشت ذاتی به جای استدلال مرحله ای که تحقیقات اولیه هوش مصنوعی قادر به مدلسازی آن بود. در اوایل دهه 1980 با موفقیت های اقتصادی “سامانه های خبره”(Expert systems) تحقیقات هوش مصنوعی دوباره احیاء شد. در همین سال پروژه کامپیوترهای نسل پنجم ژاپن موجب شد تا دولت های ایالات متحده و انگلستان مجدداً اقدام به سرمایه گذاری در تحقیقات آکادمیک کنند. یادگیری ماشینی مطالعه الگوریتم های کامپیوتریست، که به صورت خودکار و از طریق کسب تجربه پیشرفت کرده و از آغاز این رشته در تحقیقات هوش مصنوعی از مرکزیت برخوردار مجله خبری fudzilla است.

محققان هوش مصنوعی چندین زبان تخصصی برای تحقیقات هوش مصنوعی توسعه داده اند که شامل زبان لیسپ و پرولاگ است. این “انقلاب دانشی” منجر به توسعه و استقرار سامانه های خبره (معرفی شده توسط ادوارد فاین باوم) گردید که اولین نرم افزار موفق در زمینه هوش مصنوعی بود. تحقیق در اخلاق ماشین کلید حل نگرانی های سیستم های خودکار است، و نیز می توان چنین ابراز داشت که تصور ماشین های خودکار بدون داشتن بُعد اخلاقی ریشه ی تمام نگرانی ها در زمینه ی ماشین های هوشمند است. توانایی هایی که هنوز هم به عنوان هوش مصنوعی در نظر گرفته می شوند عبارتند از؛ بازی شطرنج پیشرفته، سیستم های بازی “گو” و خودروهای بدون راننده. به عنوان مثال در سال 2015 تشخیص گفتار گوگل یک جهش چشمگیر 49 درصدی را از طریق LSTM آموزش دیده توسط CTC تجربه کرد، که هم اکنون از طریق google voice در دسترس میلیاردها استفاده کننده ی تلفن های هوشمند است.

روش معمول پردازش و استخراج مفهوم از زبان طبیعی از طریق “نمایه سازی معنایی” است. افزایش سرعت پردازش و کاهش هزینه نگهداری اطلاعات نمایه سازی حجم بالایی از داده های کاربر را بسیار کارآتر انجام می دهد. در سال 1992 نشان داده شد که پیش آموزش بی نظارت دسته ای از شبکه های عصبی برگشتی می تواند سرعت نهایی یادگیری تحت نظارت مشکلات ترتیبی عمیق را افزایش دهد. به گونه ای مغلوب ناپذیر، این لوب کمکی سؤالات شما را با اطلاعاتی فراتر از قلمرو حافظه ی شما پاسخ می دهد، روش های شدنی و محتمل را پیشنهاد می کند، سؤالاتی را مطرح می کند که به روشن شدن حقایق کمک می کند. “هر جنبه ای از یادگیری یا هر مشخصه دیگری از هوش می تواند چنان موشکافانه شرح داده شود که بتوان ماشینی برای تقلید آن ساخت”. مقاله سال 1971 ایواخننکو یادگیری یک پرسپترون چندلایه ی پیش نگر عمیق با 8 لایه را شرح داد، که بسیار عمیق تر از شبکه های بعد از آن بود. پرسپترون ها، پرسپترون های چند لایه و شبکه های پایه شعاعی از جمله معروف ترین شبکه های feedforward هستند.شبکه های عصبی با تکنیک هایی چون نظریه هب، GMDH یا یادگیری رقابتی می توانند برای مشکل کنترل هوشمند (برای روباتیک) و یادگیری به کار برده شوند.

آنها چنین استدلال کردند که اساسی ساده و عمومی (مثل منطق) برای تصویر تمام نمادهای رفتار هوشمند وجود ندارد. عامل های پیچیده تر شامل انسان و سازمان های انسانی هستند (مثل شرکت ها). 4. کم تر از انسان (sub-human): از اکثر انسانها بدتر عمل می کند. ری کرزویل با استفاده از قانون مور محاسبه کرده است که قدرت پردازش کامپیوترهای رومیزی در سال 2029 به اندازه مغز انسانها خواهد بود و پیش بینی کرد در سال 2045 “تکینگی” بوقوع خواهد پیوست. بدین گونه هوش جدید به طور تصاعدی و حیرت آوری از انسانها پیشی می گیرد. الگوریتم های تبرید شبیه سازی شده (simulated annealing)، جست و جوی پرتو (beam search) و بهینه سازی تصادفی (random optimization) از دیگر الگوریتم های بهینه سازی هستند. آیا ماشین های هوشمند خطرناک هستند؟ آیا امکان دارد یک ماشین به طور عمدی صدمه زند؟ اما اگر عامل تنها عمل کننده نباشد، بایستی در فواصل معینی معلوم کند که آیا دنیای اطراف آن با پیش بینی هایش هم خوانی دارد، و هر جا لازم بود برنامه خود را تغییر دهد که این نیازمند استدلال عامل در شرایط عدم قطعیت است. زمان آن رسیده که یک بُعد اخلاقی، حداقل به برخی از ماشین ها افزوده شود. با این شیوه جهل و نادانی از اظهارات احتمالی متمایز گردیده که نتیجه ی آن ایجاد عاملی با اعتماد به نفس بالاست.