نمونه سوالات پیام نور
به فایل سون خوش آمدید

جهت استفاده بهتر از گوگل کروم استفاده نمایید.

منو كاربري
تبلیغات

سیلویکا

Image result for ‫سیویلیکا‬‎

نرم افزار آموزشی شهاب

فایل های بیشتر
آمار
تعداد دانلود فايل : 63 دانلود
امتیاز فایل : -7 امتیاز
بازدید : 2,075 مرتبه
گزارشات سايت

فايل هاي رايگان:
    1,657 فايل
فایل های غیر رایگان :
    5,442 فايل
فایل های ويژه:
    204 فايل
مجموع كاربران ويژه :
    0 كاربر
مجموع کاربران عادي :
    6,255 كاربر
adsads
کاربرد شبکه های عصبی مصنوعی در پزشکی
کاربرد شبکه های عصبی مصنوعی در پزشکی
تاریخ ارسال : 09 /12 /1392
دسته بندي: پابان نامه - پروژه - مقاله - تحقیق,فنی مهندسی,کامپیوتر
حجم فایل : 1.86 مگابايت
فرمت فايل هاي فشرده : WORD
تعداد صفحات : 103 صفحه
امتیاز : -7




قیمت : 9,900 تومان



توضیح :

پایان نامه آماده پرینت است

 

پایان نامه  کاربرد شبکه های عصبی مصنوعی در پزشکی

 

فهرست مطالب

چکیده   ...................................................................................................................................................                1

فصل اول : هوش مصنوعی

1-1  مقدمه‌   ............................................................................................................................................. 3

1-2  هوش مصنوعی چیست   ...................................................................................................................                4  

1-3  تاریخچه هوش مصنوعی   .................................................................................................................               7

1-4  افق‌های هوش مصنوعی   ..............................................................................               9

1-5  آزمون تورینگ   ..............................................................................................................................              10

1-6  فلسفه هوش مصنوعی   .....................................................................................................................              11

1-7  مدیریت پیچیدگی در هوش مصنوعی................................................................................................              11

1-8  تکنیک‌ها وزبان‌های برنامه نویسی هوش مصنوعی  ............................................................................              12

1-9  عامل های هوشمند   .........................................................................................................................              13

1-10          مقایسه هوش‌ مصنوعي‌ و هوش‌ انساني   .....................................................................................              13

فصل دوم :شبکه های  عصبی مصنوعی  

2-1 شبکه عصبی چیست   .......................................................................................................................               16

2-2 مدلرياضيشبكهعصبيمصنوعي   ...............................................................................................               17

2-3 نرون در شبکه عصبی   .....................................................................................................................               18

2-3-1 اجزای یک نرون   .......................................................................................................................               19

2-3-2 انواع نرون ها از نظر نوع کاربرد   .............................................................................................               20

2-4 تاريخچه شبکه های عصبی مصنوعی   ..........................................................................................               21

2-5 انواع یادگیری شبکه های عصبی   .................................................................................................              22

2-6 چرا از شبکه های عصبی استفاده می کنیم؟    ................................................................................               24

2-7 مزیتهای شبکه های عصبی   ..........................................................................................................               24

2-8  مسائلمناسببراييادگيريشبكههايعصبي   .........................................................................               24

2-9 برخيزمينههاي استفاده ازشبكههايعصبي   .............................................................................               25

2-10 شبکه عصبی پرسپترون   .................................................................................................................               26

2-11 الگوریتم پس انتشار خطا   ............................................................................................................                30

2-12الگوریتم gradient descent   .................................................................................................              33

2-13 روند شبيه سازي مسائل در شبکه های عصبی  ...............................................................................                34

2-14 معایب شبکه های عصبی   .............................................................................................................              36

فصل سوم :کاربردهای  شبکه های عصبی در پزشکی  

3-1 تشخيص مواد آلرژي زا با استفاده از شبكه هاي عصبي مصنوعي   .....................................................               38

3-1-1 داده هاي شبيه سازي   .................................................................................................................               39

3-1-2 شيوه كدگذاري رشته هاي پروتئيني   ...........................................................................................              39

3-1-3 شبكه هاي عصبي مورد استفاده   ..................................................................................................               41

3-1-4 آموزش و آزمون شبكه هاي عصبي مورد استفاده   .......................................................................              42

3-1-5 مقایسه دو شبکه استفاده شده   .....................................................................................................               44

3-2 کاربرد شبکه عصبی در تشخیص بیماری سل ریه   ............................................................................              46       

3-2-1 تشخيص بيماري ها   ....................................................................................................................              46

3-2-3 علائم بيماري سل(سرطان ریه)   ...................................................................................................              46

3-2-4 شایع‌ترین اشکال سرطان ریه   .......................................................................................................             47

3-2-5 روشهای تشخیص بیماری   ...........................................................................................................             47

3-2-6 MMR   .....................................................................................................................................             50

3-2-7 استخراج ویژگی ها   ....................................................................................................................             50

3-2-8 مدل شبكه عصبي مورد استفاده و آموزش آن   .............................................................................             51

3-3 پیشبیني نوسانات سطح قند خون در بیماران مبتلا به دیابت نوع 1 با استفاده از شبكه هاي عصبي خودبازگشتي المن  52

3-3-1 دادههای مورد استفاده شبکه عصبی   ............................................................................................             53

3-3-2 روش مورد استفاده    ....................................................................................................................             54

3-3-3 نرمالسازي دادهها   .......................................................................................................................             55

3-3-4 شبکه های عصبی پرسپترون استفاده شده   ....................................................................................              55

3-3-5 شبکه های عصبی خود بازگشتی   .................................................................................................             58

3-3-6 مقایسه نتایج حاصل از شبکه پرسپترون و المن   .............................................................................             61

3-4 تشخیص دوک خواب با استفاده از شبکه های عصبی مصنوعی   .......................................................              63

3-4-1 مشخصات داده های مورد استفاده   ...............................................................................................             65

3-4-2 ساختار شبکه عصبی مورد استفاده   ...............................................................................................             65

3-4-3 روش آموزش و ارزیابی شبکه عصبی   .........................................................................................             66

3-4-4 پیاده سازی شبکه عصبی   .............................................................................................................             66

3-4-5 نتایج بدست آمده   ......................................................................................................................              70

3-5  مقايسه ي مدل شبكه عصبي مصنوعي و رگرسيون كاكس در پيشبيني بقاي بيماران مبتلا به سرطان معده           71     

3-5-1 مواد و روش های مورد استفاده    .................................................................................................              72

3-5-2 نتایج حاصل از مقایسه دو مدل پیش بینی سرطان معده   ................................................................              73

3-5-3 کارهای انجام شده در زمینه پیش بینی سرطان معده   ....................................................................              76

3-6 تشخيص ديابت نوع 1 با استفاده از تركيب الگوريتم ANFISو GA-NN   ......................................              77

3-6-1 معيارهاي رايج تشخيص بيماري ديابت و ويژگيهاي داده هاي مورد استفاده  . ...............................              78

3-6-2 روش مورد استفاده  .....................................................................................................................              79

3-6-3 استخراج الگوهاي بهينه با استفاده از الگوريتم تكاملي   ................................................................              79

3-6-4 الگوريتمANFIS   .......................................................................................................................             81

3-6-5 نتايج بدست آمده از اجرای الگوریتم   .........................................................................................              84

فصل چهارم : نتیجه گیری

4-1 نتیجه گیری   ....................................................................................................................................              89

منابع     ....................................................................................................................................................              90

چکیده لاتین   .........................................................................................................................................              91 

 

 

 

چکیده:

 

 مجهز شدن علم پزشکی به ابزار های هوشمند در تشخیص و درمان بیماری ها می تواند اشتباهات پزشکان و خسارت جانی و مالی را کاهش می دهد. در این تحقیق کاربرد های نوعی شبکه های عصبی در پزشکی مورد بررسی قرار گرفته است تلاش ما بر این بوده است که تحقیق هم برای دانشجویان رشته کامپیوتر و هم برای دانشجویان پزشکی قابل استفاده باشد. بررسی پژوهش های علمی انجام شده در این تحقیق ایده های مناسبی برای تحقیقات بعدی ایجاد خواهد کرد. بخش 1 مقدمه ای بر هوش مصنوعی می باشد در بخش 2 به برسی انواع شبکه های عصبی و بخشی از الگوریتم های به کار رفته در این تحقیق می پردازیم همچنین در بخش 3 به کاربرد شبکه های عصبی در پزشکی خواهیم پرداخت ودر بخش 4 مقاله خاتمه می یابد .

 

فصل اول

هوش مصنوعی

 

هوش مصنوعی

1-1 مقدمه‌

دهه‌هاي‌ آغازين‌ سده‌ بيستم‌ ميلادي‌ و دوران‌ پيشرفت‌ شگرف صنعتي‌، همراه‌ با توليد خودرو بود كه‌ انقلاب‌ همه‌ جانبه‌اي‌ درترابري‌، افزايش‌ شتاب‌ جابجايي‌ و صدها كار و پيشه‌ جديد دررشته‌های بازرگاني‌ بوجود آورده‌ بود‌.

به‌ نظر مي‌رسد كه‌ سمبل‌ دوران‌ فراصنعتي‌ و نماد فرآورده‌هاي ‌بي‌همتاي‌ قرن‌ آينده‌«هوش‌ مصنوعي‌» است‌. امروزه‌ موضوع هوش‌ مصنوعي‌ داغ‌ترين‌ بحث‌ ميان‌ كارشناسان‌ دانش‌ رايانه‌ واطلاعات‌ و ديگر دانشمندان‌ و تصميم‌گيرندگان‌ است‌. در سراسرتاريخ‌ تا به‌ امروز انسان از جنبه‌ تن‌ و روان‌، مركز و محور بحث‌هاو پژوهش‌ها بوده‌ است‌. ولي‌ اكنون‌ موجودي‌ با رتبه‌اي‌ پائين‌تر،بي‌جان‌ و ساختگي‌ مي‌خواهد جانشين‌ او شود، امري‌ كه‌ بدون‌ شك‌ مي‌توان‌ ادعا نمود بيشتر انسان‌ها با آن‌ مخالفند.

هوش‌ مصنوعي‌ چنانچه‌ به‌ هدف‌هاي‌ والاي‌ خود برسد، جهش‌بزرگي‌ در راه‌ دستيابي‌ بشر به‌ رفاه‌ بيشتر و حتي‌ ثروت‌ افزون‌ترخواهد بود. هم‌ اكنون‌ نمونه‌هاي‌ خوب‌ و پذيرفته از هوش‌ مصنوعي‌در دنياي‌ واقعي‌ ما به‌ كار افتاده‌ است‌. چنين‌ دستاوردهايي‌، صرف‌منابع‌ لازم‌ در آينده‌ را همچنان‌ توجيه‌ خواهد كرد.

از سوي‌ ديگر، منتقدين‌ هوش‌ مصنوعي‌ چنين‌ استدلال‌ مي‌كنندكه‌ صرف‌ زمان‌ و منابع‌ ارزشمند ديگر در راه‌ ساخت‌ فراورده‌اي‌ كه‌پر از نقص‌ و كاستي‌ ودست‌آوردهاي‌ مثبت‌ اندكي‌ است‌،مايه‌ بدنام‌ كردن‌ و زير پا گذاشتن‌توانمندي‌ها و هوشمندي‌هاي‌انسان‌ مي‌باشد. تلخ‌ترين‌ انتقادها بر اين‌ باور است‌ كه‌ هوش‌مصنوعي‌، توهين‌ آشكار به‌ گوهر طبيعت‌ و نقش‌ انسان‌ است‌.

 

1-2 هوش مصنوعی چیست

« هوش مصنوعی، دانش ساختن ماشین‌‌ ها یا برنامه‌های هوشمند است. »  همانگونه كه از تعریف فوق كه توسط یكی از بنیانگذاران هوش مصنوعی ارائه شده است برمی‌آید،حداقل به دو سؤال باید پاسخ داد:

1ـ هوشمندی چیست؟

2ـ برنامه‌های هوشمند، چه نوعی از برنامه‌ها هستند؟

تعریف دیگری كه از هوش مصنوعی می‌توان ارائه داد به قرار زیر است:

  « هوش مصنوعی، شاخه‌ایست از علم كامپیوتر كه ملزومات محاسباتی اعمالی همچون ادراك (Perception)، استدلال(reasoning)و یادگیری(learning)را بررسی كرده و سیستمی جهت انجام چنین اعمالی ارائه می‌دهد.»

و در نهایت تعریف سوم هوش مصنوعی از قرار زیر است:

  «هوش مصنوعی، مطالعه روش‌هایی است برای تبدیل كامپیوتر به ماشینی كه بتواند اعمال انجام شده توسط انسان را انجام دهد.»  به این ترتیب می‌توان دید كه دو تعریف آخر كاملاً دو چیز را در تعریف نخست واضح كرده‌اند.

1-     منظور از موجود یا ماشین هوشمند چیزی است شبیه انسان.

2-     ابزار یا ماشینی كه قرار است محمل هوشمندی باشد یا به انسان شبیه شود، كامپیوتر است. 

 هردوی این نكات كماكان مبهم و قابل پرسش اند. آیا تنها این نكته كه هوشمندترین موجودی كه می‌شناسیم، انسان است كافی است تا هوشمندی را به تمامی اعمال انسان نسبت دهیم؟ حداقل این نكته كاملاً واضح است كه بعضی جنبه‌های ادراك انسان همچون دیدن و شنیدن كاملاً ضعیف‌تر از موجودات دیگر است.  علاوه بر این، كامپیوترهای امروزی با روش‌هایی كاملاً مكانیكی(منطقی) توانسته‌اند در برخی جنبه‌های استدلال، فراتر از توانایی‌های انسان عمل كنند.  بدین ترتیب، آیا می‌توان در همین نقطه ادعا كرد كه هوش مصنوعی تنها نوعی دغدغه علمی یا كنجكاوی دانشمندانه است و قابلیت تعمق مهندسی ندارد؟(زیرا اگر مهندسی، یافتن روش‌های بهینه انجام امور باشد، به هیچ رو مشخص نیست كه انسان اعمال خویش را به گونه‌ای بهینه انجام می‌دهد). اما همین سؤال را می‌توان از سویی دیگر نیز مطرح ساخت، چگونه می‌توان یقین حاصل كرد كه كامپیوترهای امروزین، بهترین ابزارهای پیاده‌سازی هوشمندی هستند؟

  رؤیای طراحان اولیه كامپیوتر از بابیج تا تورینگ، ساختن ماشینی بود كه قادر به حل تمامی مسائل باشد، البته ماشینی كه در نهایت ساخته شد(كامپیوتر) به جز دسته ای خاص از مسائل قادر به حل تمامی مسائل بود. اما نكته در اینجاست كه این «تمامی مسائل» چیست؟ طبیعتاً چون طراحان اولیه كامپیوتر، منطق‌دانان و ریاضیدانان بودند، منظورشان تمامی مسائل منطقی یا محاسباتی بود. بدین ترتیب عجیب نیست، هنگامی كه فون‌نیومان سازنده اولین كامپیوتر، در حال طراحی این ماشین بود، كماكان اعتقاد داشت برای داشتن هوشمندی شبیه به انسان، كلید اصلی، منطق(از نوع به كار رفته در كامپیوتر) نیست، بلكه احتمالاً چیزی خواهد بود شبیه ترمودینامیك!

     به هرحال، كامپیوتر تا به حال به چنان درجه‌ای از پیشرفت رسیده و چنان سرمایه‌گذاری عظیمی برروی این ماشین انجام شده است كه به فرض این كه بهترین انتخاب نباشد هم، حداقل سهل‌الوصول‌ترین و ارزان‌ترین و عمومی‌ترین انتخاب برای پیاده‌سازی هوشمندیست.

  بنابراین ظاهراً به نظر می‌رسد به جای سرمایه‌گذاری برای ساخت ماشین‌های دیگر هوشمند، می‌توان از كامپیوترهای موجود برای پیاده‌سازی برنامه‌های هوشمند استفاده كرد و اگر چنین شود، باید گفت كه طبیعت هوشمندی ایجاد شده حداقل از لحاظ پیاده‌سازی، كاملاً با طبیعت هوشمندی انسانی متناسب خواهد بود، زیرا هوشمندی انسانی، نوعی هوشمندی بیولوژیك است كه با استفاده از مكانیسم‌های طبیعی ایجاد شده، و نه استفاده از عناصر و مدارهای منطقی. در برابر تمامی استدلالات فوق می توان این نكته را مورد تاُمل و پرسش قرار داد كه هوشمندی طبیعی تا بدان جایی كه ما سراغ داریم، تنها برمحمل طبیعی و با استفاده از روش های طبیعت ایجاد شده است. طرفداران این دیدگاه تا بدانجا پیش رفته‌اند كه حتی ماده ایجاد كننده هوشمندی را مورد پرسش قرار داده اند، كامپیوتر از سیلیكون استفاده می كند، در حالی كه طبیعت همه جا از كربن سود برده است.  مهم تر از همه، این نكته است كه در كامپیوتر، یك واحد كاملاً پیچیده مسئولیت انجام كلیه اعمال هوشمندانه را بعهده دارد، در حالی كه طبیعت در سمت و سویی كاملاً مخالف حركت كرده است. تعداد بسیار زیادی از واحدهای كاملاً ساده (بعنوان مثال از نورون‌های شبكه عصبی) با عملكرد همزمان خود (موازی) رفتار هوشمند را سبب می شوند. بنابراین تقابل هوشمندی مصنوعی و هوشمندی طبیعی حداقل در حال حاضر تقابل پیچیدگی فوق العاده و سادگی فوق العاده است. این مساُله هم اكنون كاملاً به صورت یك جنجال(debate)علمی در جریان است.

  در هر حال حتی اگر بپذیریم كه كامپیوتر در نهایت ماشین هوشمند مورد نظر ما نیست، مجبوریم برای شبیه‌سازی هر روش یا ماشین دیگری از آن سود بجوییم.

به هر نحو هنوز تعریف دقیقی که مورد قبول همه دانشمندان این علم باشد برای هوش مصنوعی ارائه نشده‌است، و این امر، به هیچ وجه مایه تعجّب نیست. چرا که مقوله مادر و اساسی‌تر از آن، یعنی خود هوش هم هنوز بطور همه‌جانبه و فراگیر تن به تعریف نداده‌است. در واقع، می‌توان نسل‌هایی از دانشمندان را سراغ گرفت که تمام دوران زندگی خود را صرف مطالعه و تلاش در راه یافتن جوابی به این سؤال عمده نموده‌اند که هوش چیست؟

اما اکثر تعریف‌هایی که در این زمینه ارایه شده‌اند بر پایه یکی از ۴ باور زیر قرار می‌گیرند:

1.             سیستم‌هایی که به طور منطقی فکر می‌کنند .

2.             سیستم‌هایی که به طور منطقی عمل می‌کنند.

3.             سیستم‌هایی که مانند انسان فکر می‌کنند.

4.             سیستم‌هایی که مانند انسان عمل می‌کنند.

شاید بتوان هوش مصنوعی را این گونه توصیف کرد:«هوش مصنوعی عبارت است از مطالعه این که چگونه کامپیوترها را می‌توان وادار به کارهایی کرد که در حال حاضر انسان‌ها آنها را بهتر انجام می‌دهند»

 

1-3 تاریخچه هوش مصنوعی

  هوش مصنوعی به خودی خود علمی است كاملاً جوان. در واقع بسیاری شروع هوش مصنوعی را 1950می‌ دانند زمانی كه آلن تورینگ مقاله دوران‌ساز خود را در باب چگونگی ساخت ماشین هوشمند نوشت (آنچه بعدها به تست تورینگ مشهور شد) تورینگ درآن مقاله یك روش را برای تشخیص هوشمندی پیشنهاد می‌كرد. این روش بیشتر به یك بازی شبیه بود.

 

فرض كنید شما در یك سمت یك دیوار (پرده یا هر مانع دیگر) هستید و به صورت تله تایپ باآن سوی دیوار ارتباط دارید و شخصی از آن سوی دیوار از این طریق با شما در تماس است. طبیعتاً یك مكالمه بین شما و شخص آن سوی دیوار می‌تواند صورت پذیرد. حال اگر پس از پایان این مكالمه، به شما گفته شود كه آن سوی دیوار نه یك شخص بلكه (شما كاملاً از هویت شخص آن سوی دیوار بی‌خبرید) یك ماشین بوده كه پاسخ شما را می‌داده، آن ماشین یك ماشین هوشمند خواهد بود، در غیر این صورت(یعنی در صورتی كه شما در وسط مكالمه به مصنوعی بودن پاسخ پی ببرید) ماشین آن سوی دیوار هوشمند نیست و موفق به گذراندن تست تورینگ نشده است.  باید دقت كرد كه تورینگ به دو دلیل كاملاً مهم این نوع از ارتباط(ارتباط متنی به جای صوت) را انتخاب كرد. اول این كه موضوع ادراكی صوت را كاملاً از صورت مساُله حذف كند و این تست هوشمندی را درگیر مباحث مربوط به دریافت و پردازش صوت نكند و دوم این كه بر جهت دیگری هوش مصنوعی به سمت نوعی از پردازش زبان طبیعی تاكید كند.

  در هر حال هر چند تاكنون تلاش‌های متعددی در جهت پیاده سازی تست تورینگ صورت گرفته مانند برنامه Elizaو یا AIML  (زبانی برای نوشتن برنامه‌‌‌‌هایی كه قادر به chatكردن اتوماتیك باشند) اما هنوز هیچ ماشینی موفق به گذر از چنین تستی نشده است.

همانگونه كه مشخص است، این تست نیز كماكان دو پیش فرض اساسی را در بردارد:

1-     نمونه كامل هوشمندی انسان است.

2-     مهمترین مشخصه هوشمندی توانایی پردازش و درك زبان طبیعی است.

درباره نكته اول به تفصیل تا بدین جا سخن گفته ایم؛ اما نكته دوم نیز به خودی خود باید مورد بررسی قرارگیرد. این كه توانایی درك زبان نشانه هوشمندی است تاریخی به قدمت تاریخ فلسفه دارد. از نخستین روزهایی كه به فلسفه(Epistemology)پرداخته شده زبان همیشه در جایگاه نخست فعالیت‌های شناختی قرار داشته است. از یونانیان باستان كه لوگوس را به عنوان زبان و حقیقت یكجا به كار می‌بردند تا فیلسوفان امروزین كه یا زبان را خانه وجود می‌دانند، یا آن را ریشه مسائل فلسفی می‌خوانند؛ زبان، همواره شان خود را به عنوان ممتازترین توانایی هوشمندترین موجودات حفظ كرده است.  با این ملاحظات می‌توان درك كرد كه چرا آلن تورینگ تنها گذر از این تست متظاهرانه زبانی را شرط دست‌یابی به هوشمندی می‌داند.  تست تورینگ اندكی كمتر از نیم‌قرن هوش مصنوعی را تحت تاثیر قرار داد اما شاید تنها در اواخر قرن گذشته بود كه این مسئله بیش از هر زمان دیگری آشكار شد كه متخصصین هوش مصنوعی به جای حل این مسئله باشكوه ابتدا باید مسائل كم‌اهمیت‌تری همچون درك تصویر (بینایی ماشین) درك صوت و…را حل كنند.به این ترتیب با به محاق رفتن آن هدف اولیه، اینك گرایش‌های جدیدتری در هوش مصنوعی ایجاد شده‌اند. در سال‌های آغازین AIتمركز كاملاً برروی توسعه سیستم‌هایی بود كه بتوانند فعالیت‌های هوشمندانه(البته به زعم آن روز) انسان را مدل كنند، و چون چنین فعالیت‌هایی را در زمینه‌های كاملاً خاصی مانند بازی‌های فكری، انجام فعالیت‌های تخصصی حرفه ای، درك زبان طبیعی، و…. می‌دانستند طبیعتاً به چنین زمینه‌هایی بیشتر پرداخته شد.

  در زمینه توسعه بازی‌ها، تا حدی به بازی شطرنج پرداخته شد كه غالباً عده‌ای هوش مصنوعی را با شطرنج همزمان به خاطر می‌آورند. مك‌كارتی كه پیشتر اشاره شد، از بنیان‌گذاران هوش مصنوعی است این روند را آنقدر اغراق‌آمیز می‌داند كه می‌گوید:

  «محدود كردن هوش مصنوعی به شطرنج مانند این است كه علم ژنتیك را از زمان داروین تا كنون تنها محدود به پرورش لوبیا كنیم.» به هر حال دستاورد تلاش مهندسین و دانشمندان در طی دهه‌های نخست را می‌توان توسعه تعداد بسیار زیادی سیستم‌های خبره در زمینه‌های مختلف مانند پزشكی عمومی، اورژانس، دندانپزشكی، تعمیرات ماشین،….. توسعه بازی‌های هوشمند، ایجاد مدل‌های شناختی ذهن انسان، توسعه سیستمهای یادگیری و...دانست. دستاوردی كه به نظر می‌رسد برای علمی با كمتر از نیم قرن سابقه قابل قبول باشد.

1-4 افق‌های هوش مصنوعی  

در 1943،Mcclutch(روانشناس، فیلسوف و شاعر) و Pitts(ریاضیدان) طی مقاله‌ای، دیده‌های آن روزگار درباره محاسبات، منطق و روانشناسی عصبی را تركیب كردند. ایده اصلی آن مقاله چگونگی انجام اعمال منطقی به وسیله اجزای ساده شبكه عصبی بود. اجزای بسیار ساده (نورون‌ها) این شبكه فقط از این طریق سیگنال های تحریك(exitory)و توقیف(inhibitory)با هم درتماس بودند. این همان چیزی بود كه بعدها دانشمندان كامپیوتر آن را مدارهای(And)و (OR)نامیدند و طراحی اولین كامپیوتر در 1947توسط فون نیومان عمیقاً از آن الهام می‌گرفت. امروز پس از گذشته نیم‌قرن از كار Mcclutchو Pittsشاید بتوان گفت كه این كار الهام بخش، گرایشی كاملاً پویا و نوین در هوش مصنوعی است.  پیوندگرایی (Connectionism)هوشمندی را تنها حاصل كار موازی و هم‌زمان و در عین حال تعامل تعداد بسیار زیادی اجزای كاملاً ساده به هم مرتبط می‌داند.  شبكه‌های عصبی كه از مدل شبكه عصبی ذهن انسان الهام گرفته‌اند امروزه دارای كاربردهای كاملاً علمی و گسترده تكنولوژیك شده‌اند و كاربرد آن در زمینه‌های متنوعی مانند پزشکی، سیستم‌های كنترلی، رباتیك، تشخیص متون، پردازش تصویر،…مورد بررسی قرار گرفته است.

  علاوه بر این كار بر روی توسعه سیستم‌های هوشمند با الهام از طبیعت (هوشمندی‌های ـ غیر از هوشمندی انسان) اكنون از زمینه‌های كاملاً پرطرفدار در هوش مصنوعی است. الگوریتم ژنیتك كه با استفاده از ایده تكامل داروینی و انتخاب طبیعی پیشنهاد شده روش بسیار خوبی برای یافتن پاسخ به مسائل بهینه سازیست. به همین ترتیب روش‌های دیگری نیز مانند استراتژی‌های تكاملی نیز (EvolutionaryAlgorithms)در این زمینه پیشنهاد شده اند.   دراین زمینه هر گوشه‌ای از سازو كار طبیعت كه پاسخ بهینه‌ای را برای مسائل یافته است مورد پژوهش قرار می‌گیرد. زمینه‌هایی چون سیستم امنیتی بدن انسان (Immun System)كه در آن بیشمار الگوی ویروس‌های مهاجم به صورتی هوشمندانه ذخیره می‌شوند و یا روش پیدا كردن كوتاه‌ترین راه به منابع غذا توسط مورچگان (Ant Colony)همگی بیانگر گوشه‌هایی از هوشمندی بیولوژیك هستند.  گرایش دیگر هوش مصنوعی بیشتر بر مدل سازی اعمال شناختی تاُكید دارد (مدل سازی نمادین یا سمبولیك) این گرایش چندان خود را به قابلیت تعمق بیولوژیك سیستم‌های ارائه شده مقید نمی‌كند.   CASE-BASED REASONINGیكی از گرایش‌های فعال در این شاخه می‌باشد. بعنوان مثال روند استدلال توسط یك پزشك هنگام تشخیص یك بیماری كاملاً شبیه به CBRاست به این ترتیب كه پزشك در ذهن خود تعداد بسیار زیادی از شواهد بیماری‌های شناخته شده را دارد و تنها باید مشاهدات خود را با نمونه‌های موجود در ذهن خویش تطبیق داده، شبیه‌ترین نمونه را به عنوان بیماری بیابد.  به این ترتیب مشخصات، نیازمندی‌ها و توانایی‌های CBRبه عنوان یك چارچوب كلی پژوهش در هوش مصنوعی مورد توجه قرارگرفته است.

  البته هنگامی كه از گرایش‌های آینده سخن می‌گوییم، هرگز نباید از گرایش‌های تركیبی غفلت كنیم. گرایش‌هایی كه خود را به حركت در چارچوب شناختی یا بیولوژیك یا منطقی محدود نكرده و به تركیبی از آنها می‌اندیشند. شاید بتوان پیش‌بینی كرد كه چنین گرایش‌هایی فرا ساختارهای (Meta –Structure) روانی را براساس عناصر ساده بیولوژیك بنا خواهند كرد.

5-1 آزمون تورینگ

آزمون تورینگ  آزمونی است که توسط آلن تورینگدر سال ۱۹۵۰ در نوشته‌ای به نام «محاسبات ماشینی و هوشمندی» مطرح شد. در اين آزمون شرايطي فراهم مي شود كه شخصي با ماشين تعامل برقرار كند و پرسش هاي كافي براي بررسي هوشمندي او بپرسد. چنانچه در پايان آزمايش نتواند تعيين كند كه با انسان در تعامل بوده است يا با ماشين، تست تورينگ با موفقيت انجام شده است. تا كنون هيچ ماشيني از اين آزمون با موفقيت بيرون نيامده است. کوشش این آزمون برای تشخیص درستی هوشمندی یک سیستم است که سعی در شبیه سازی انسان دارد.

 

6-1 فلسفه هوش مصنوعی

بطور کلی ماهیت وجودی هوش به مفهوم جمع آوری اطلاعات، استقرا و تحلیل تجربیات به منظور رسیدن به دانشو یا ارایه تصمیم می‌باشد. در واقع هوش به مفهوم به کارگیری تجربه به منظور حل مسائل دریافت شده تلقی می‌شود. هوش مصنوعی علم و مهندسی ایجاد ماشینهایی با هوش با به کارگیری از کامپیوتر و الگوگیری از درک هوش انسانی و یا حیوانی و نهایتاً دستیابی به مکانیزم هوش مصنوعی در سطح هوش انسانی می‌باشد.

در مقایسه هوش مصنوعی با هوش انسانی می‌توان گفت که انسان قادر به مشاهده و تجزیه و تحلیلمسایل در جهت قضاوت و اخذ تصمیم می‌باشد در حالی که هوش مصنوعی مبتنی بر قوانین و رویه‌هایی از قبل تعبیه شده بر روی کامپیوتر می‌باشد. در نتیجه علی رغم وجود کامپیوترهای بسیار کارا و قوی در عصر حاضر ما هنوز قادر به پیاده کردن هوشی نزدیک به هوش انسان در ایجاد هوشهای مصنوعی نبوده‌ایم.

بطور کلّی، هوش مصنوعی را می‌توان از زوایای متفاوتی مورد بررسی و مطالعه قرار داد. اما بین هوش مصنوعی به عنوان یک هدف، هوش مصنوعی به عنوان یک رشته تحصیلی دانشگاهی، و یا هوش مصنوعی به عنوان مجموعه فنون و راه کارهایی که توسط مراکز علمی مختلف و صنایع گوناگون تنظیم و توسعه یافته‌است باید تفاوت قائل بود.

7-1 مدیریت پیچیدگی در هوش مصنوعی

ایجاد و ابداع فنون و تکنیک‌های لازم برای مدیریّت پیچیدگیرا باید به عنوان هستهٔبنیادین تلاش‌های علمی و پژوهشی گذشته، حال، و آینده، در تمامی زمینه‌های علوم رایانه، و به ویژه، در هوش مصنوعی معرّفی کرد. شیوه‌ها و تکنیک‌های هوش مصنوعی، در واقع، برای حلّ آن دسته از مسائل به وجود آمده‌است که به طور سهل و آسان توسط برنامه‌نویسی تابعی (Functional programming)، یا شیوه‌های ریاضی قابل حلّ نبوده‌اند.

در بسیاری از موارد، با پوشانیدن و پنهان ساختن جزئیّات فاقد اهمیتت است که بر پیچیدگی فائق می‌آییم و می‌توانیم بر روی بخش‌هایی از مسئله متمرکز شویم که مهم‌تر است. تلاش اصلی در واقع، ایجاد و دستیابی به لایه‌ها و ترازهای بالاتر از هوشمندی تجریدرا نشانه می‌رود، تا آنجا که، سرانجام برنامه‌های کامپوتری درست در همان سطحی کار خواهند کرد که خود انسان‌ها رسیده‌اند.

به یاری پژوهش‌هایگسترده دانشمندان علوممرتبط، هوش مصنوعی تاکنون راه بسیاری پیموده‌است. در این راستا، تحقیقاتی که بر روی توانایی آموختن زبانها انجام گرفت و همچنین درک عمیق از احساسات، دانشمندان را در پیشبرد این دانش کمک زیادی کرده‌است. یکی از اهداف متخصصین، تولید ماشینهایی است که دارای احساسات بوده و دست کم نسبت به وجود خود و احساساتخود آگاه باشند. این ماشین باید توانایی تعمیم تجربیات قدیمی خود در شرایط مشابه جدید را داشته و به این ترتیب اقدام به گسترش دامنهدانش و تجربیاتش کند.

برای نمونه روباتیهوشمند که بتواند اعضای بدن خود را به حرکت درآورد، این روبات نسبت به این حرکت خود آگاه بوده و با آزمون و خطا، دامنه حرکت خود را گسترش می‌دهد و با هر حرکت موفقیت آمیز یا اشتباه، دامنه تجربیات خود را وسعت بخشید و سر انجام راه رفته و یا حتی می‌دود و یا به روشی برای جابجا شدن دست می‌یابد، که سازندگانش برای او متصور نبوده‌اند.

هر چند نمونه بالا ممکن است کمی آرمانیبه نظر برسد، ولی به هیچ عنوان دور از دسترس نمی‌باشد. دانشمندان, عموماً برای تولید چنین ماشینهایی، از وجود مدلهای زنده‌ای که در طبیعت وجود، به ویژه آدمی نیز سود برده‌اند.

هوش مصنوعی اکنون در خدمت توسعه علوم رایانه نیز می‌باشد. زبانهای برنامه نویسی پیشرفته، که توسعه ابزارهای هوشمند را ممکن ساخته اند, پایگاه‌های داده‌ای پیشرفته، موتورهای جستجو، و بسیاری نرم‌افزارهاو ماشینها از نتایج پژوهش‌هایی در راستای هوش مصنوعی بوده‌اند.

8-1 تکنیک‌ها وزبان‌های برنامه نویسی هوش مصنوعی

عملکرد اولیه برنامه نویسی هوش مصنوعی ایجاد ساختار کنترلی مورد لزوم برای محاسبه سمبولیک است زبانهای برنامه نویسی  LISP، PROLOGعلاوه بر اینکه از مهمترین زبانهای مورد استفاده در هوش مصنوعی هستند خصوصیات نحوی ومعنایی انها باعث شده که انها شیوه‌ها و راه حل‌های قوی برای حل مسئله ارایه کنند. تاثیر قابل توجه این زبانها بر روی توسعه AIاز جمله توانایی‌های آنها بعنوان«ابزارهای فکرکردن»می باشد . در حقیقت همانطور که هوش مصنوعی مراحل رشد خود را طی می‌کند زبانهای   LISP، PROLOGبیشتر مطرح می‌شوند این زبانها کار خود را در محدوده توسعه سیستم‌های AIدر صنعت ودانشگاه‌ها دنبال می‌کنند وطبیعتاً اطلاعات در مورد این زبانها بعنوان بخشی از مهارت هر برنامه نویس  AIمی‌باشد.  PROLOGیک زبان برنامه نویسی منطقی است .یک برنامه منطقی دارای یک سری ویژگیهای قانون ومنطق است . در حقیقت خود این نام از برنامه نویسی  PROدر LOGICمی‌آید . در این زبان یک مفسر برنامه را بر اساس یک منطق می‌نویسد .ایده استفاده توصیفی محاسبه اولیه برای بیان خصوصیات حل مسئله یکی از محوریتهای مشارکت PROLOGمی باشد که برای علم کامپیوتر بطورکلی وبطور اخص برای زبان برنامه نویسی هوشمند مورد استفاده قرار می‌گیرند . LISPیک زبان کامل است که دارای عملکردها ولیست‌های لازمه برای توصیف عملکردهای جدید و تشخیص تناسب وارزیابی معانی می‌باشد LISPبه برنامه نویس قدرت کامل برای اتصال به ساختارهای اطلاعاتی را می‌دهد گر چه LISPیکی از قدیمی ترین زبانهای محاسباتی است که هنوز فعال است ولی دقت کافی در برنامه نویسی وطراحی توسعه باعث شده که این یک زبان برنامه نویسی فعال باقی بماند . در حقیقت این مدل برنامه نویسی طوری موثر بوده‌است که تعدادی از دیگر زبانها براساس عملکرد برنامه نویسی آن بنا شده‌اند : مثلFP،ML، SCHEMEیکی از مهمترین برنامه‌های مرتبط با LISPبرنامه SCHEMEمی‌باشد که یک تفکر دوباره در باره زبان در آن وجود دارد که بوسیله توسعه AIوبرای آموزش واصول علم کامپیوتر مورد استفاده قرار می‌گیرد.

9-1 عامل‌های هوشمند

عامل‌ها (Agents)قادر به شناسایی الگوها، و تصمیم گیری بر اساس قوانین فکر کردن خود می‌باشند. قوانین و چگونگی فکر کردن هر عامل در راستای دستیابی به هدفش، تعریف می‌شود. این سیستم‌ها بر اساس قوانین خاص خود فکر کرده و کار خود را به درستی انجام می‌دهند. پس عاقلانه رفتار می‌کنند، هر چند الزاما مانند انسان فکر نمی‌کنند.

10-1 مقایسه هوش‌ مصنوعي‌ و هوش‌ انساني

براي‌ شناخت‌ هوش‌ مصنوعي‌ شايسته‌ است‌ تا تفاوت‌ آن‌ را با هوش‌انساني‌ به‌ خوبي‌ بدانيم‌. مغز انسان‌ از ميلياردها سلول‌ يا رشته‌ عصبي‌درست‌ شده‌ است‌ و اين‌ سلول‌ها به‌ صورت‌ پيچيده‌اي‌ به‌ يكديگرمتصل‌اند. شبيه‌سازي‌ مغز انسان‌ مي‌تواند از طريق‌ سخت‌افزار يا نرم‌افزارانجام‌ گيرد. تحقيقات‌ اوليه‌ نشان‌ داده‌ است‌ شبيه‌سازي‌ مغز، كاري‌مكانيكي‌ و ساده‌ مي‌باشد. براي‌ مثال‌، يك‌ كرم‌ داراي‌ چند شبكه‌ عصبي‌است‌. يك‌ حشره‌ حدود يك‌ ميليون‌ رشته‌ عصبي‌ دارد و مغز انسان‌ از هزار ميليارد رشته‌ عصبي‌ درست‌ شده‌ است‌. با تمركز و اتصال‌ رشته‌هاي‌عصبي‌ مصنوعي‌ مي‌توان‌ واحد هوش‌ مصنوعي‌ را درست‌ كرد.

هوش‌ انساني‌ بسيار پيچيده‌تر و گسترده‌تر از سيستم‌هاي‌ رايانه‌اي‌است‌ و توانمنديهاي‌ برجسته‌اي‌ مانند: استدلال‌، رفتار، مقايسه‌، آفرينش‌و بكار بستن‌ مفهومها را دارد.

هوش‌ انساني‌ توان‌ ايجاد ارتباط ميان‌ موضوع‌ها و قياس‌ ونمونه‌ سازيهاي‌ تازه‌ را دارد. انسان‌ همواره‌ قانون‌هاي‌ تازه‌اي‌ مي‌سازد و يا قانون‌ پيشين‌ را در موارد تازه‌ بكار مي‌گيرد. توانايي‌ بشر در ايجاد مفهوم‌هاي‌ گوناگون‌ در دنياي‌ پيرامون‌ خود، از ويژگي‌هاي‌ ديگر اوست‌.مفهوم‌هاي‌ گسترده‌اي‌ همچون‌ روابط علت‌ و معلولي‌، زمان‌ و يا مفهوم‌هاي‌ ساده‌تري‌ مانند گزينش‌ وعده‌هاي‌ خوراك‌ (صبحانه‌، ناهار وشام) را انسان‌ ايجاد كرده‌ است‌. انديشيدن‌ در اين‌ مفهوم‌ها و بكاربستن‌آنها، ويژه‌ رفتار هوشمندانه‌ انسان‌ است‌.

هوش‌ مصنوعي‌ در پي‌ ساخت‌ دستگاههايي‌ است‌ كه‌ بتوانند توانمندهاي‌ ياد شده‌ (استدلال‌، رفتار، مقايسه‌ و مفهوم‌ آفريني‌) را از خود بروز دهند. آنچه‌ تاكنون‌ ساخته‌ شده‌ نتوانسته‌ است‌ خود را به‌ اين‌ پايه ‌برساند، هر چند سودمندي‌هاي‌ فراواني‌ به‌ بار آورده‌ است‌.

 

 

این پایان نامه با فرمت Word و همچنین قابل ویرایش می باشد

 

 

 



نظرات کاربران :

نظری توسط کاربران ثبت نشده است.
شما هم می توانید در مورد این فایل نظر دهید.
کاربر گرامی، لطفاً توجه داشته باشید که این بخش صرفا جهت ارائه نظرات شما درباره ی این محصول در نظر گرفته شده است. در صورتی که سوالی در رابطه با این محصول دارید یا نیازمند مشاوره هستید، فقط از طریق تماس تلفنی با بخش مشاوره اقدام نمایید.
کاربر گرامی چنانچه تمایل دارید، نقد یا نظر شما به نام خودتان در سایت ثبت شود، لطفاً لاگین نمایید.