معنی artifical intelligence

مهندسی كامپيوتر و IT
artifical intelligence
هوش مصنوعی
اصلاح و بهبود
موارد مشابه با اصطلاح تخصصی انگلیسی artifical intelligence
Application intelligence
هوشمندی اپلیکیشن
Artifical DNA Sequence
دنباله مصنوعی DNA
artifical neural network
شبکه ی عصبی مصنوعی
artificial intelligence
هوش ساختگی ، هوش مصنوعی ، هوش مصنوعی هوش مصنوعی چیست ؟ « هوش مصنوعی ، دانش ساختن ماشین‌‌ ها یا برنامه‌های هوشمند است » همانگونه که از تعریف فوق-که توسط یکی از بنیانگذاران هوش مصنوعی ارائه شده است- برمی‌آید ، حداقل به دو سؤال باید پاسخ داد: هوشمندی چیست؟ برنامه‌های هوشمند ، چه نوعی از برنامه‌ها هستند؟تعریف دیگری که از هوش مصنوعی می‌توان ارائه داد به قرار زیر است:هوش مصنوعی ، شاخه‌ایست از علم کامپیوتر که ملزومات محاسباتی اعمالی همچون ادراک (Perception) ، استدلال(reasoning) و یادگیری(learning) را بررسی کرده و سیستمی جهت انجام چنین اعمالی ارائه می‌دهد »و در نهایت تعریف سوم هوش مصنوعی از قرار زیر است:وش مصنوعی ، مطالعه روش‌هایی است برای تبدیل کامپیوتر به ماشینی که بتواند اعمال انجام شده توسط انسان را انجام دهد » به این ترتیب می‌توان دید که دو تعریف آخر کاملاً دو چیز را در تعریف نخست واضح کرده‌اند منظور از موجود یا ماشین هوشمند چیزی است شبیه انسان ابزار یا ماشینی که قرار است محمل هوشمندی باشد یا به انسان شبیه شود ، کامپیوتر است هر دوی این نکات کماکان مبهم و قابل پرسشند آیا تنها این نکته که هوشمندترین موجودی که می‌شناسیم ، انسان است کافی است تا هوشمندی را به تمامی اعمال انسان نسبت دهیم؟ حداقل این نکته کاملاً واضح است که بعضی جنبه‌های ادراک انسان همچون دیدن و شنیدن کاملاً ضعیف‌تر از موجودات دیگر است علاوه بر این ، کامپیوترهای امروزی با روش‌هایی کاملاً مکانیکی(منطقی) توانسته‌اند در برخی جنبه‌های استدلال ، فراتر از توانایی‌های انسان عمل کنند بدین ترتیب ، آیا می‌توان در همین نقطه ادعا کرد که هوش مصنوعی تنها نوعی دغدغه علمی یا کنجکاوی دانشمندانه است و قابلیت تعمق مهندسی ندارد؟(زیرا اگر مهندسی ، یافتن روش‌های بهینه انجام امور باشد ، به هیچ رو مشخص نیست که انسان اعمال خویش را به گونه‌ای بهینه انجام می‌دهد) به این نکته نیز باز خواهیم گشت اما همین سؤال را می‌توان از سویی دیگر نیز مطرح ساخت ، چگونه می‌توان یقین حاصل کرد که کامپیوترهای امروزین ، بهترین ابزارهای پیاده‌سازی هوشمندی هستند؟ رؤیای طراحان اولیه کامپیوتر از بابیج تا تورینگ ، ساختن ماشینی بود که قادر به حل تمامی مسائل باشد ، البته ماشینی که در نهایت ساخته شد(کامپیوتر) به جز دسته ای خاص از مسائلقادر به حل تمامی مسائل بود اما نکته در اینجاست که این «تمامی مسائل» چیست؟ طبیعتاً چون طراحان اولیه کامپیوتر ، منطق‌دانان و ریاضیدانان بودند ، منظورشان تمامی مسائل منطقی یا محاسباتی بود بدین ترتیب عجیب نیست ، هنگامی که فون‌نیومان سازنده اولین کامپیوتر ، در حال طراحی این ماشین بود ، کماکان اعتقاد داشت برای داشتن هوشمندی شبیه به انسان ، کلید اصلی ، منطق(از نوع به کار رفته در کامپیوتر) نیست ، بلکه احتمالاً چیزی خواهد بود شبیه ترمودینامیک! به هرحال ، کامپیوتر تا به حال به چنان درجه‌ای از پیشرفت رسیده و چنان سرمایه‌گذاری عظیمی برروی این ماشین انجام شده است که به فرض این که 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 کامپیوترهای موجود برای پیاده‌سازی برنامه‌های هوشمند استفاده کرد و اگر چنین شود ، باید گفت که طبیعت هوشمندی ایجاد شده حداقل از لحاظ پیاده‌سازی ، کاملاً با طبیعت هوشمندی انسانی متناسب خواهد بود ، زیرا هوشمندی انسانی ، نوعی هوشمندی بیولوژیک است که با استفاده از مکانیسم‌های طبیعی ایجاد شده ، و نه استفاده از عناصر و مدارهای منطقی در برابر تمامی استدلالات فوق می توان این نکته را مورد تاُمل و پرسش قرار داد که هوشمندی طبیعی تا بدان جایی که ما سراغ داریم ، تنها برمحمل طبیعی و با استفاده از روش های طبیعت ایجاد شده است طرفداران این دیدگاه تا بدانجا پیش رفته‌اند که حتی ماده ایجاد کننده هوشمندی را مورد پرسش قرار داده اند ، کامپیوتر از سیلیکون استفاده می کند ، در حالی که طبیعت همه جا از کربن سود برده است مهم تر از همه ، این نکته است که در کامپیوتر ، یک واحد کاملاً پیچیده مسئولیت انجام کلیه اعمال هوشمندانه را بعهده دارد ، در حالی که طبیعت در سمت و سویی کاملاً مخالف حرکت کرده است تعداد بسیار زیادی از واحدهای کاملاً ساده (بعنوان مثال از نورون‌های شبکه عصبی) با عملکرد 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 اکنون کاملاً به صورت یک جنجال(debate) علمی در جریان است در هر حال حتی اگر بپذیریم که کامپیوتر در نهایت ماشین هوشمند مورد نظر ما نیست ، مجبوریم برای شبیه‌سازی هر روش یا ماشین دیگری از آن سود بجوییم تاریخ هوش مصنوعی هوش مصنوعی به خودی خود علمی است کاملاً جوان در واقع بسیاری شروع هوش مصنوعی را 1950 می‌ دانند زمانی که آلن تورینگ مقاله دوران‌ساز خود را در باب چگونگی ساخت ماشین هوشمند نوشت (آنچه بعدها به تست تورینگ مشهور شد) تورینگ درآن مقاله یک روش را برای تشخیص هوشمندی پیشنهاد می‌کرد این روش بیشتر به یک بازی شبیه بود فرض کنید شما در یک سمت یک 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 یک مکالمه بین شما و شخص آن سوی دیوار می‌تواند صورت پذیرد حال اگر پس از پایان این مکالمه ، به شما گفته شود که آن سوی دیوار نه یک شخص بلکه (شما کاملاً از هویت شخص آن سوی دیوار بی‌خبرید) یک ماشین بوده که پاسخ شما را می‌داده ، آن ماشین یک ماشین هوشمند خواهد بود ، در غیر این صورت(یعنی در صورتی که شما در وسط مکالمه به مصنوعی بودن پاسخ پی ببرید) ماشین آن سوی دیوار هوشمند نیست و موفق به گذراندن تست تورینگ نشده است باید دقت کرد که تورینگ به دو دلیل کاملاً مهم این نوع از ارتباط(ارتباط متنی به جای صوت) را انتخاب کرد اول این که موضوع ادراکی صوت را کاملاً از صورت مساُله حذف کند و این تست هوشمندی را درگیر مباحث مربوط به دریافت و پردازش صوت نکند و دوم این که بر جهت دیگری هوش مصنوعی به سمت نوعی از پردازش زبان طبیعی تاکید کند در هر حال هر چند تاکنون تلاش‌های متعددی در جهت پیاده سازی تست تورینگ صورت گرفته مانند برنامه Eliza و یا AIML (زبانی برای نوشتن برنامه‌‌‌‌هایی که قادر به chat کردن اتوماتیک باشند) اما هنوز هیچ ماشینی موفق به گذر از چنین تستی نشده است همانگونه که مشخص است ، این تست نیز کماکان دو پیش فرض اساسی را در بردارد: نمونه کامل هوشمندی انسان است مهمترین مشخصه هوشمندی توانایی پردازش و درک زبان طبیعی است درباره نکته اول به تفصیل تا بدین جا سخن گفته ایم؛ اما نکته دوم نیز به خودی خود باید مورد بررسی قرارگیرد این که توانایی درک زبان نشانه هوشمندی است تاریخی به قدمت تاریخ فلسفه دارد از نخستین روزهایی که به فلسفه(Epistemology) پرداخته شده زبان همیشه در جایگاه نخست فعالیت‌های شناختی قرار داشته است از یونانیان باستان که لوگوس را به عنوان زبان و حقیقت یکجا به کار می‌بردند تا فیلسوفان امروزین که یا زبان را خانه وجود می‌دانند ، یا آن را ریشه مسائل فلسفی می‌خوانند؛ زبان ، همواره شاُن خود را به عنوان ممتازترین توانایی هوشمندترین موجودات حفظ کرده است با این ملاحظات می‌توان درک کرد که چرا آلن تورینگ تنها گذر از این تست متظاهرانه زبانی را شرط دست‌یابی به هوشمندی می‌داند تست تورینگ اندکی کمتر از نیم‌قرن هوش مصنوعی را تحت تاُثیر قرار داد اما شاید تنها در اواخر قرن گذشته بود که این مسئله بیش از هر زمان دیگری آشکار شد که متخصصین هوش مصنوعی به جای حل این مسئله باشکوه ابتدا باید مسائل کم‌اهمیت‌تری همچون درک تصویر (بینایی ماشین) درک صوت و… را حل کنند به این ترتیب با به محاق رفتن آن هدف اولیه ، اینک گرایش‌های جدیدتری در هوش مصنوعی ایجاد شده‌اند در سال‌های آغازین AI تمرکز کاملاً برروی توسعه سیستم‌هایی بود که بتوانند فعالیت‌های هوشمندانه(البته به زعم آن روز) انسان را مدل کنند ، و چون چنین فعالیت‌هایی را در زمینه‌های کاملاً خاصی مانند بازی‌های فکری ، انجام فعالیت‌های تخصصی حرف‌های ، درک زبان طبیعی ، و… می‌دانستند طبیعتاً به چنین زمینه‌هایی بیشتر پرداخته شد در زمینه توسعه بازی‌ها ، تا حدی به بازی شطرنج پرداخته شد که غالباً عده‌ای هوش مصنوعی را با شطرنج همزمان به خاطر می‌آورند مک‌کارتی که پیشتر اشاره شد ، از بنیان‌گذاران هوش مصنوعی است این روند را آنقدر اغراق‌آمیز می‌داند که می‌گوید:حدود کردن هوش مصنوعی به شطرنج مانند این است که علم ژنتیک را از زمان داروین تا کنون تنها محدود به پرورش لوبیا کنیم » به هر حال دستاورد تلاش مهندسین و دانشمندان در طی دهه‌های نخست را می‌توان توسعه تعداد بسیار زیادی سیستم‌های خبره در زمینه‌های مختلف مانند پزشکی عمومی ، اورژانس ، دندانپزشکی ، تعمیرات ماشین ، … توسعه بازی‌های هوشمند ، ایجاد مدل‌های شناختی ذهن انسان ، توسعه سیستمهای یادگیری ، … دانست دستاوردی که به نظر می‌رسد برای علمی با کمتر از نیم قرن سابقه قابل قبول به نظر می‌رسد 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 ترکیب کردند ایده اصلی آن مقاله چگونگی انجام اعمال منطقی به وسیله اجزای ساده شبکه عصبی بود اجزای بسیار ساده (نورون‌ها) این شبکه فقط از این طریق سیگنال های تحریک (exitory) و توقیف (inhibitory) با هم درتماس بودند این همان چیزی بود که بعدها دانشمندان کامپیوتر آن را مدارهای (And) و (OR) نامیدند و طراحی اولین کامپیوتر در 1947 توسط فون نیومان عمیقاً از آن الهام می‌گرفت امروز پس از گذشته نیم‌قرن از کار Mcclutch و Pitts شاید بتوان گفت که این کار الهام بخش گرایشی کاملاً پویا و نوین در هوش مصنوعی است پیوندگرایی (Connectionism) هوشمندی را تنها حاصل کار موازی و هم‌زمان و در عین حال تعامل تعداد بسیار زیادی اجزای کاملاً ساده به هم مرتبط می‌داند شبکه‌های عصبی که از مدل شبکه عصبی ذهن انسان الهام گرفته‌اند امروزه دارای کاربردهای کاملاً علمی و گسترده تکنولوژیک شده‌اند و کاربرد آن در زمینه‌های متنوعی مانند سیستم‌های کنترلی ، رباتیک ، تشخیص متون ، پردازش تصویر ، … مورد بررسی قرار گرفته است علاوه بر این کار بر روی توسعه سیستم‌های هوشمند با الهام از طبیعت (هوشمندی‌های ـ غیر از هوشمندی انسان) اکنون از زمینه‌های کاملاً پرطرفدار در هوش مصنوعی است الگوریتم ژنیتک که با استفاده از ایده تکامل داروینی و انتخاب طبیعی پیشنهاد شده روش بسیار خوبی برای یافتن پاسخ به مسائل بهینه سازیست به همین ترتیب روش‌های دیگری نیز مانند استراتژی‌های تکاملی نیز (Evolutionary Algorithms) در این زمینه پیشنهاد شده اند دراین زمینه هر گوشه‌ای از سازو کار طبیعت که پاسخ بهینه‌ای را برای مسائل یافته است مورد پژوهش قرار می‌گیرد زمینه‌هایی چون سیستم امنیتی بدن انسان (Immun System) که در آن بیشمار الگوی ویروس‌های مهاجم به صورتی هوشمندانه ذخیره می‌شوند و یا روش پیدا کردن کوتاه‌ترین راه به منابع غذا توسط مورچگان (Ant Colony) همگی بیانگر گوشه‌هایی از هوشمندی بیولوژیک هستند گرایش دیگر هوش مصنوعی بیشتر بر مدل سازی اعمال شناختی تاُکید دارد (مدل سازی نمادین یا سمبولیک) این گرایش چندان خود را به قابلیت تعمق بیولوژیک سیستم‌های ارائه شده مقید نمی‌کند CASE-BASED REASONING یکی از گرایش‌های فعال در این شاخه می‌باشد بعنوان مثال روند استدلال توسط یک پزشک هنگام تشخیص یک بیماری کاملاً شبیه به CBR است به این ترتیب که پزشک 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 CBR به عنوان یک چارچوب کلی پژوهش در هوش مصنوعی مورد توجه قرارگرفته است البته هنگامی که از گرایش‌های آینده سخن می‌گوییم ، هرگز نباید از گرایش‌های ترکیبی غفلت کنیم گرایش‌هایی که خود را به حرکت در چارچوب شناختی یا بیولوژیک یا منطقی محدود نکرده و به ترکیبی از آنها می‌اندیشند شاید بتوان پیش‌بینی کرد که چنین گرایش‌هایی فرا ساختارهای (Meta –Structure) روانی را براساس عناصر ساده بیولوژیک بنا خواهند کرد 1- Jon MccarthyNP-Complete ProblemsVon NeumenArtificial Intelligence Markup Language برگرفته از سایت www srco ir ، [هوش مصنوعی] با حروف اختصاری ‎ AI ، شاخه ای از علم کامپیوتر است که توانایی کامپیوتر در شبیه سازی جنبه های مختلف هوش از جمله تشخیص صدا ، استنباط ، پاسخ خلاقانه ، توانایی یادگیری از تجربیات قبلی و توانایی نتیجه گیری از اطلاعات ناقص را مورد بحث و بررسی قرار میدهد هوش مصنوعی حیطه پیچیده ای است که دو مبحث مرتبط را شامل میشود: درک نحوه تفکر موجودات زنده و یافتن روشهایی برای بخشیدن تواناییهای مشابه به برنامه های کامپیوتری برخی از کارهایی که در گذشته انجام آن توسط کامپیوتر مشکل مینمود ، مانند بازی شطرنج ، اینک برای آن به شکل ساده ای در آمده است‎ ; و برخی از اموری که در گذشته برای برنامه نویسی آسان مینمود ، مانند تشخیص صدا و ترجمه زبان ، بسیار مشکل از آب درآمده است از جمله این برنامه ها ، میتوان بازی شطرنج کامپیوتری و تشخیص طبی را نام برد که سیستمهای خبره نامیده میشوند نیز نگاه کنید به ‎ expert system ، ‎ fuzzy logic ، ‎ LISP ، ‎ Logo ، ‎ network neural ، ‎ Prolog ، ‎ Turing test
business intelligence
هوش تجاری
custumer data driven intelligence
هوش مبتنی بر داده های بدست آمده از مشتری
dispersed intelligence
یک سیستم شبکه که در ان قدرت محاسباتی در کل شبکه کامپیوتری توزیع یا پخش شده است ، یک سیستم شبکه در آن قدرت محاسباتی در کل شبکه کامپیوتری توزیع یا پخش شده است ، یک سیستم شبکه که در آن قدرت محاسباتی در کل شبکه کامپیوتری توزیع یا پخش شده است
distributed intelligence
هوشمندی توزیع شده
intelligence
هوش ، [هوش ، هوشمندی] در رابطه با سخت افزارها ، توانایی پردازش اطلاعات است هوش ، خصوصیت تمام کامپیوترها و وسایل جانبی دارای قابلیتهای پردازشی توکار میباشد ابزارهای بدون هوش قابلیت پردازشی ندارند ، مانند یک ترمینال بدون ریز پردازنده که به کامپیوتر بزرگی متصل است و ورودی را دریافت کرده و خروجی را به نمایش درمیآورد اما قادر به پردازش مستقل اطلاعات نیست در رابطه با نرم افزارها ، توانایی برنامه در نظارت بر محیط و سرگیری اقدامات مناسب جهت حصول به یک وضعیت مورد نظر میباشد به عنوان مثال ، برنامه ای که منتظر خواندن داده ها از روی دیسک است ، ممکن است در این بین کار دیگری انجام دهد تا قابلیت عملیاتی بهتری پیدا کند در رابطه با استدلال و منطق ، توانایی برنامه در تقلید و شبیه سازی فکر انسان ، یا توانایی ماشین (روبات) در پاسخگویی مناسب به ورودی متغیر است نیز نگاه کنید به ‎ artificial intelligence
local intelligence
هوش محلی
machine intelligence
هوش ماشین
Marketing Intelligence
هوش بازاریابی
strategic intelligence
هوش استراتژیک
Swarm Intelligence
هوش ازدحامی
thread intelligence
درک و فهم تهدیدات

دیکشنری تخصصی انگلیسی به فارسی مهندسی كامپيوتر و IT بر اساس حروف الفبا

A | B | C | D | E | F | G | H | I | J | K | L | M | N | O | P | Q | R | S | T | U | V | W | X | Y | Z

دیکشنری تخصصی فارسی به انگلیسی مهندسی كامپيوتر و IT بر اساس حروف الفبا

آ | ا | ب | پ | ت | ث | ج | چ | ح | خ | د | ذ | ر | ز | ژ | س | ش | ص | ض | ط | ظ | ع | غ | ف | ق | ک | گ | ل | م | ن | و | ه | ی |
اگر این اصطلاح تخصصی مهندسی كامپيوتر و IT از انگلیسی به فارسی مفید بود آن را با دوستان خود به اشتراک بگذارید

دیکشنری تخصصی به تفکیک دپارتمان ها و رشته ها

دیکشنری تخصصی فنی مهندسی

مهندسی برق مهندسی عمران مهندسی كامپيوتر و IT مهندسی مکانیک مهندسي شيمی مهندسی صنايع مهندسی پليمر مهندسی پزشکی مهندسی نفت مهندسی معدن مهندسی مواد مهندسی شهرسازی مهندسي نساجی مهندسی هوافضا مهندسی ایمنی صنعتی مهندسی اپتیک و لیزر مکاترونیک مهندسی دریا علوم مهندسی مهندسی خودرو

دیکشنری تخصصی علوم انسانی

حسابداری مديريت روانشناسی حقوق علوم اقتصادی تربيت بدنی و علوم ورزشی علوم تربيتی فلسفه زبان و ادبيات فارسی علوم ارتباطات اجتماعی مديريت جهانگردی مديريت اجرايی علوم سياسی تاريخ علوم اجتماعی علوم جغرافيايی مجموعه محيط زيست باستان شناسی زبانشناسی الهیات و معارف اسلامی علوم قضایی

دیکشنری تخصصی علوم پایه

زيست شناسی شيمی فیزیک ریاضی و آمار زمين شناسی ژئوفيزيك و هواشناسی نانوفناوری علوم کامپیوتر

دیکشنری تخصصی علوم پزشکی

پزشكی بيوتكنولوژی پرستاری داروسازی علوم آزمايشگاهی دامپزشكی دندانپزشكی

دیکشنری تخصصی هنر

معماری معماری داخلی

دیکشنری تخصصی کشاورزی

مجموعه مهندسی كشاورزی مجموعه مهندسی منابع طبيعی

درباره دیکشنری تخصصی برساد

دیکشنری تخصصی برساد برای استفاده دانشجویان، پژوهشگران و استادان رشته های مختلف طراحی شده است. استفاده از خدمات دیکشنری تخصصی برساد کاملا رایگان است.

تماس با ما


Telegram: @Barsadic
وبلاگ برساد

×
می خوای متن تخصصی مهندسی كامپيوتر و IT رو برات ترجمه کنیم؟ سریع کلیک کن