مقدمه
الگوريتم ها در كامپيوتر ها اعمال مشخص و واضحي هستند كه بصورت پي در پي و در جهت رسيدن به هدف خاصي انجام مي شوند.حتي در تعريف الگوريتم اين گونه آمده است كه الگوريتم عبارت است از مجموعه اي ازاعمال واضح كه دنبال اي از عمليات را براي رسيدن به هدف خاصي دنبال مي كنند.آنچه در اين تعريف خود نمايي مي كند كلمه دنباله مي باشد كه به معناي انجام كار ها بصورت گام به گام مي باشد. اين امر مشخص مي كند كه همه چيز در الگوريتم هاي سنتي بايد قدم به قدم براي كامپيوتر مشخص و قابل فهم و درك باشد.حتي در اولين الگوريتمهاي هوش مصنوعي نيز بر همين پايه و كار قدم به قدم بنا نهاده شده اند.
در اواخرقرن بيستم رويكرد به الگوريتم هاي جديد صورت گرفت كه علتهاي مختلفي داشت مثل حجيم بودن ميزان محاسبات برخي مسايل و بالا بودن مرتبه زماني الگوريتم هاي سنتي در مورد اين مسايل باعث شد نياز به الگوريتمهاي جديد احساس شود.همچنين برخي كارهاي انسان كه هنوز قابل انجام توسط كامپيوتر نبودندو يا به بخوبي توسط كامپيوتر انجام نمي شدند باعث اين رويكرد شد.
مهمترين الگوريتمهاي جديد عبارتند از :1- شبكه هاي عصبي 2- منطق فازي3- محاسبات تكاملي
شبكه عصبي چيست ؟
اين سوال كه آيا انسان توانا تر است يا كامپيوتر موضوعي است كه ذهن بشر را به خود مشغول كرده است.
اگر جواب اين سوال انسان است چرا كامپيوتر اعمالي مانند جمع و ضرب و محاسبات پيچيده را در كسري از ثانيه انجام مي دهد، حال آنكه انسان براي انجام آن به زمان زيادي نيازمند است. واگر جواب آن كامپيوتر است چرا كامپيوتر از اعمالي مانند ديدن و شنيدن كه انسان به راحتي آنها را انجام مي دهدعاجزاست.جواب اين مسئله را بايد در ذات اعمال جستجو كرد . اعمال محاسباتي اعمالي هستند سريالي و پي در پي به همين دليل توسط كامپيوتر به خوبي انجام مي شوند.حال آنكه اعمالي مانند ديدن وشنيدن كارهاي هستند موازي كه مجمو عه اي از داده هاي متفاوت و متضاد در آنها تفكيك و پردازش مي شوندو به همين دليل توسط انسان به خوبي انجام مي شوند. در واقع مغز انسان اعمال موازي را به خوبي درك و آنها را انجام مي دهدو كامپيوتر اعمال سريالي را بهتر انجام مي د هد.حال بايد ديدآيا مي توان اين اعمال موازي و در واقع ساختار مغز انسان را به نوعي در كامپيوتر شبيه سازي كرد و آيا مي توان امكان يادگيري كه از جمله توانايي هاي انسان است به نوعي در كامپيوتر مدل سازي نمود.اين كار به نوعي در انسان هم انجام مي شود و زمان انجام آن عمدتا در كودكي است.به عنوان مثال يك كودك ممكن است يك شي مانند چكش را نشناسد اما هنگامي كه آن را مي بيند واسم آن را ياد مي گيرد و سپس چند چكش متفاوت را مي بينداين شي را بخوبي مي شناسدو اگر بعداز مدتي چكشي را كه تا كنون آن را نديده است ببيند به راحتي تشخيص مي دهدكه شي مورد نظر يك چكش است و تنها از نظر جزئيات با چكش هاي مشابه كه قبلا ديده است تفاوت دارد.
لازم به ذكر است كه شبكه هاي عصبي تنها در يادگيري كاربرد ندارند، بلكه تمام مسائل جديد وكلاسيك توسط آنها قابل حل مي باشد.اما آنچه شبكه هاي عصبي بدان نيازمند است مثالها و نمونه هاي مفيد وكافي است كه بتواند به خوبي فضاي مسئله را پوشش دهند.حال بايد ديدچگونه مي توان شبكه عصبي انسان را به نوعي شبيه سازي نمود، براي اين كار نخست به ساختار مغز و سيستم عصبي انسان نگاهي گذرا مي اندازيم.
مغز انسان يكي از پيچيده ترين اعضاي بدن است كه تا كنون نيز به درستي شناخته نشده است و شايد اگر روزي به درستي شناخته شودبتوان شبيه سازي بهتري از آن انجام داد و به نتايج بهتري درباره هوش مصنوعي رسيد.تحقيقات در مورد شبكه هاي عصبي نيز از زماني آغاز شد كه رامون سگال درباره ساختار مغز و اجزاي تشكيل دهنده آن اطلاعات و نظراتي ارائه كرد. او در اوايل قرن بيستم مغز را به عنوان اجتماعي از اجزاي كوچك محاسباتي دانست و آنها را نرون ناميد.امروزه ما مي دانيم كه بيشتر فعاليتهاي انسان را نرونها انجام مي دهندو در كوچكترين فعاليتهاي حياتي انسان مانند پلك زدن نيز نقش حياتي و اساسي دارند.اين نكته هم بسيار جالب است بدانيد كه در بدن ما حدود نرون وجود دارد كه هر كدام از اين نرونها با نرون ديگر در ارتباط هستند.