وبلاگ سهراب جلوه گر جلوه‌گر؛ هوش مصنوعی

██ چکیده‌ی مطلب‌های فصل هفتم نسخه‌ی پولی ایبوک هوش مصنوعی ██

مترجم: سهراب جلوه گر جلوه‌گر

چکیده‌ی مطلب‌های فصل هفتم- مسأله‌های برآورده‌سازی‌(‌ارضای‌) محدودیّت(قیود)

مسأله‌های برآورده‌سازی محدودیّت‌، نوع خاصی از مسأله‌ها هستند که در آنها حالت‌ها‌، به وسیله‌ی مقدارهای یک مجموعه‌ی ثابت از متغیّر‌ها تعریف می‌شوند‌ و آزمایش(آزمون) هدف‌، به وسیله‌ی محدودیّت‌هایی بر مقدار متغیّرها تعریف می‌شود‌.

بیان مسأله به صورت مسأله‌ی برآورده‌سازی محدودیّت‌، تحلیل ساختار مسأله را اجازه می‌دهد‌.

پیمایش معکوس‌، جستجوی اوّل‌-‌عمق، با یک متغیّر انتساب داده شده به هر گره می‌باشد‌؛ در این مورد، مرتّب کردن متغیّر و انتخاب ابتکاری مقدارها‌، به طور بسیار مطلوبی به ما کمک می‌کند‌. برّرسی مستقیم‌، از مقداردهی‌هایی که عدم موفّقيّت را در آینده به وجود می‌آورند‌، جلوگیری می‌کند‌. پخش محدودیّت‌، به عنوان مثال، سازگاری قوس، کاری تکمیلی را برای مقدارهای محدود و کشف ناسازگاری‌ها‌ انجام می‌دهد‌.توا÷÷تاتت

██ چکیده‌ی مطلب‌های فصل ششم نسخه‌ی پولی ایبوک هوش مصنوعی ██

مترجم: سهراب جلوه گر جلوه‌گر

چکیده‌ی مطلب‌های فصل ششم- الگوریتم‌های جستجوی محلّی

الگوریتم‌های تپّه‌نوردی فقط وضعیّت جاری را در حافظه نگه می‌دارند، امّا ممکن است در بیشینه‌ی محلّی گیر بیفتند.

روش شبیه‌سازی گرم و سرد کردن، از بیشینه‌ی محلّی می‌گریزد و در صورت داشتن یک زمانبندی خنک کننده‌ی به اندازه‌ی کافی طولانی، کامل و بهینه است.

الگوریتم‌های ژنتیکی می‌توانند فضایی بزرگ را با الهام گرفتن از تئوری تکامل زیستی جستجو کنند.توا÷÷تاتت

██ چکیده‌ی مطلب‌های فصل پنجم نسخه‌ی پولی ایبوک هوش مصنوعی ██

مترجم: سهراب جلوه گر جلوه‌گر

چکیده‌ی مطلب‌های فصل پنجم- جستجوی آگاهانه‌(مکاشفه‌ای)

توابع مکاشفه‌ای هزینه‌های کوتاه‌ترین مسیرها را تخمین می‌زنند.

ابتکارات(مکاشفه‌های) خوب می‌توانند به طور چشمگیری هزینه‌ی جستجو را کاهش دهند.

روش جستجوی اوّل- بهترین، یک روش جستجوی کلّی است، که در آن، اوّل، کم هزینه‌ترین گره‌ها، با توجّه به برخی از معیارها، توسعه داده می‌شوند.

روش جستجوی حریصانه(حریصانه‌ی اوّل- بهترین)، کم هزینه‌ترین h(n) تخمین زده شده برای رسیدن به مقصد را به عنوان معیار در نظر می‌گیرد؛ این روش، زمان جستجو را کاهش می‌دهد، امّا کامل نیست و همیشه هم بهینه نیست‌.

روش جستجوی A^*، روش‌های جستجوی با هزینه‌ی یکسان و حریصانه را با هم ترکیب می‌کند: f(n)= g(n)+h(n).

اگر h(n) قابل قبول(admissible) باشد، جستجوی A^*‌ی که از جستجوی درختی استفاده می‌کند، جستجویی بهینه است‌.

اگر h(n) سازگار باشد، A^*ی که از جستجوی گرافی استفاده می‌کند، بهینه است.

روش‌های A^* عمیق شونده‌ی تکراری، اوّل بهترین بازگشتی و A^* با حافظه‌ی محدود شده‌ی(کراندار) ساده شده، حافظه‌ی مورد نیاز روش A^* را کاهش می‌دهند.توا÷÷تاتت

██ چکیده‌ی مطلب‌های فصل چهارم نسخه‌ی پولی ایبوک هوش مصنوعی ██

مترجم: سهراب جلوه گر جلوه‌گر

چکیده‌ی مطلب‌های فصل چهارم- حلّ مسأله و ‌جستجو

فرمول‌بندی مسأله معمولاً به در کنار هم قرار دادن جزئیّات دنیای واقعی برای تعریف یک فضای حالت که بتواند به طور عملی کاوش شود‌، نیاز دارد.

فرمول‌بندی یک مسأله‌ی جستجو، با استفاده از وضعیّت اوّلیّه، آزمون هدف، عملیّاتی که باید انجام شوند، تابع جانشین(‌مولّد‌) و هزینه‌ی مسیر، منجر به جستجو در یک فضای حالت با استفاده از یک درخت جستجو می‌شود.

درخت جستجو، برابر با فضای حالت نمی‌باشد. فضای حالت، از حالت(وضعیّت)‌ها و عملگرها درست شده است و یک گراف است. درخت جستجو، کاوشی معیّن از فضای جستجو است.

الگوریتم‌های جستجوی ناآگاهانه عبارتند از: جستجوی اوّل سطح، جستجوی اوّل عمق، جستجوی با هزینه‌ی یکسان، جستجوی با عمق محدود شده و جستجوی عمیق شونده‌ی تکراری.

در مسأله‌هایی که دارای تعداد زیادی حالت‌های تکرار شده هستند، ولی فضای حالت کوچکی دارند، جستجوی گرافی می‌تواند به مراتب مؤثرتر از جستجوی درختی باشد.توا÷÷تاتت

██ چکیده‌ی مطلب‌های فصل سوّم نسخه‌ی پولی ایبوک هوش مصنوعی ██

مترجم: سهراب جلوه گر جلوه‌گر

چکیده‌ی مطلب‌های فصل سوّم- عامل‌های هوشمند

عامل‌ها روی محیط‌ها با استفاده از عمل‌کننده‌ها و حسگرها اثر می‌گذارند.

تابع عامل چگونکی عملکرد عامل را در همه‌ی شرایط تشریح می‌کند.

دردسرسازترین محیط‌ها، محیط‌های غیرقابل دسترس، غیرقطعی، پویا و پیوسته هستند.

یک عامل عقلانی بی‌عیب‌، کارآیی مورد انتظار را بیشینه می‌کند‌.

برنامه‌های عامل، برخی از توابع عامل را اجرا می‌کنند.

توضیحات PEAS‌ محیط‌های کاری را تعریف می‌کند.

محیط‌ها در چند بعد طبقه‌بندی می‌شوند: قابل مشاهده؟ – قطعی؟ - دوره‌ای؟ – پویا؟ – گسسته؟ - تک عاملی‌؟.

چند معماری موجود عامل‌های پایه عبارتند از: عامل‌های بازتابی ساده – عامل‌هایی که وضعیّت جهان را حفظ می‌نمایند – عامل‌های هدف‌گرا‌ - عامل‌های سودمند

عامل‌های بازتابی؛ یعنی، عامل‌های بازتابی ساده و عامل‌هایی که وضعیّت جهان را حفظ می‌نمایند، بلافاصله به ادراک‌ها پاسخ می‌دهند.

عامل‌های هدف‌گرا برای رسیدن به هدف یا هدف‌هایشان تلاش می‌کنند.

عامل‌های سودمند، تابع سودمندی خود را بیشینه(ماکزیمم) می‌کنند.

تمام عامل‌ها می‌توانند کارآیی خود را با استفاده از یادگیری افزایش دهند.توا÷÷تاتت

██ چکیده‌ی مطلب‌های فصل دوّم نسخه‌ی پولی ایبوک هوش مصنوعی ██

مترجم: سهراب جلوه گر جلوه‌گر

چکیده‌ی مطلب‌های فصل دوّم- هوش مصنوعي

آلن تورینگ در مقاله‌ی «ماشین‌آلات محاسبه‌گر و هوش» گفته است که‌:«اگر ماشین بتواند کاملاً وانمود کند که مانند انسان می‌باشد‌، آنگاه شما می‌توانید مطمئن باشید که هوشمند است‌.»

از استدلال اتاق چینی برای نشان دادن اینکه آزمایش تورینگ ناقص است هم استفاده شده است.توا÷÷تاتت

██ چکیده‌ی مطلب‌های فصل اوّل نسخه‌ی پولی ایبوک هوش مصنوعی ██

مترجم: سهراب جلوه گر جلوه‌گر

چکیده‌ی مطلب‌های فصل اوّل- آشنايي با هوش مصنوعی

هوش مصنوعی، دانش و مهندسی ساخت ماشین‌های هوشمند و مخصوصاً برنامه‌های کامپیوتری هوشمند می‌باشد‌.

هوش مصنوعی ضعیف، برخلاف هوش مصنوعی قوی، قصد رسیدن به سطح هوش انسانی یا فراتر رفتن از سطح هوش انسانی را ندارد.توا÷÷تاتت