کتاب هوش مصنوعی سهراب جلوه گر
آیا هدف هوش مصنوعی پیاده سازی افکار انسان در کامپیوتر است؟
برخی از پژوهشگران گفته اند که می خواهند افکار انسان را با استفاده از هوش مصنوعی در کامپیوتر پیاده سازی نمایند. البته دراین مورد باید بگوییم که افکار انسان دارای موردهای زیادی می باشد و هر فردی به طور کامل نمی تواند همه آن را شبیه سازی کند.
آیا هدف هوش مصنوعی در سطح هوش انسانی است؟
بله . نهایت تلاش این است که برنامه های کامپیوتری ای که می توانند مسائل را حل کنند و به اهداف دسترسی پیدا کنند را به خوبی انسان ها بسازند.
[alert type=”info”]با دانلود جزوه هوش مصنوعی می توانید به رایگان به کاملترین جزوه هوش مصنوعی برای دانشجویان مهندسی کامپیوتر در وب سایت جزوه دسترسی داشته باشید.[/alert]
چکیده فصل های جزوه هوش مصنوعی
فصل اول
هوش مصنوعی دانش و مهندسی ساخت ماشین های هوشمند و مخصوصا برنامه های کامپیوتری هوشمند می باشد. هوش مصنوعی ضعیف، برخلاف هوش مصنوعی قوی، قصد رسیدن به سطح هوش انسانی یا فراتر از سطح هوش انسانی را ندارد.
فصل دوم
آلن تورینگ در مقاله ی ماشین آلات محاسبه گر و هوش گفته است که: اگر ماشین بتواند کاملا وانمود کند که مانند انسان می باشد، آنگاه شما می توانید مطمئن باشید که هوشمند است. از استدلال اتاق چینی برای نشان دادن اینکه آزمایش تورینگ ناقص است هم استفاده شده است.
فصل سوم
عامل ها روی محیط ها با استفاده از عمل کننده ها و حسگرها اثر می گذارند. تابع عامل چگونگی عملکرد عامل را در همه ی شرایط تشریح می کند.
دردسرسازترین محیط ها، محیط های غیرقابل دسترس، غیرقطعی، پویا و پیوسته هستند.
یک عامل عقلانی بی عیب، کارآیی مورد انتظار را بیشینه می کند.
برنامه های عامل، برخی از توابع عامل را اجرا می کند.
توضیحات PEAS محیط های کاری را تعریف می کند.
محیط ها در چند بعد طبقه بندی می شوند: قابل مشاهده؟ قطعی؟ دوره ای؟ پویا؟ گسسته؟ تک عاملی؟
چند معماری موجود عامل های پایه عبارتند از : عامل های بازتابی ساده – عامل هایی که وضعیت چهان را حفظ می نمایند – عامل های هدف گرا – عامل های سودمند
عامل های بازتابی یعنی عامل های بازتابی ساده و عامل هایی که وضعیت جهان را حفظ می نمایند، بلافاصله به ادراک ها پاسخ می دهند.
عامل های هدف گرا برای رسیدن به هدف یا هدف هایشان تلاش می کنند.
عامل های سودمند، تابع سودمندی خود را بیشینه می کنند.
تمام عامل های می توانند کارآیی خود را با استفاده از یادگیری افزایش دهند.
فصل چهارم
فرمول بندی مساله معمولا به در کنار هم قر اردادن جزئیات دنیای واقعی برای تعریف یک فضای حالت که بتواند به طور عملی کاوش شود، نیاز دارد.
فرمول بندی یکی مساله ی جستجو، با استفاده از وضعیت اولیه، آزمون هدف، عملیاتی که باید انجام شوند، تابع جانشین مولد و هزینه ی مسیر، منجر به جستجو در یک فضای حالت با استفاده از یک درخت جستجو می شود.
درخت جستجو، برابر با فضای حالت نمی باشد. فضای حالت، از حالت وضعیت ها و عملگرها درست شده است و یک گراف است. درخت جستجو، کاوشی معین از فضای جستجو است.
الگوریتم های جستجوی ناآگاهانه عبارتند از: جستجوی اول سطح ، جستجوی اول عمق، جستجوی با هزینه ی یکسان ، جستجوی با عمق محدود شده و جستجوی عمیق شونده ی تکراری
در مساله هایی که دارای تعداد زیادی حالت های تکرار شده هستند ولی فضای حالت کوچکی دارند، جستجوی گرافی می تواند به مراتب موثرتر از جستجوی درختی باشد.
فصل ششم
الگوریتم های تپه نوردی فقط وضعیت جاری را در حافظه نگه می دارند، اما ممکن است در بیشینه ی محلی گیر بیفتند. روش شبیه سازی گرم و سرد کردن، از بیشینه ی محلی می گریزد و در صورت داشتن یک زمانبندی خنک کننده ی به اندازه کافی طولانی، کامل و بهینه است.
الگوریتم های ژنتیکی می توانند فضایی بزرگ را با الهام گرفتن از تئوری تکامل زیستی جستجو کنند.
فصل هفتم
مساله های برآورده سازی محدودیت ، نوع خاصی از مساله ها هستند که در آنها حالت ها، به وسیله ی مقدارهای یک مجموعه ی ثابت از متغیرها تعریف می شوند و آزمایش هدف، به وسیله ی محدودیت هایی بر مقدار متغیرها تعریف می شود.
بیان مساله به صورت مساله ی برآورده سازی محدودیت، تحلیل ساختار مساله را اجازه می دهد.
پیمایش معکوس، جستجوی اول عمق، با یک متغیر انتساب داده شده به هر گره می باشد. در این مورد، مرتب کردن متغیر و انتخاب ابتکاری مقدارها، به طور بسیار مطلوبی به ما کمک می کند. بررسی مستقیم، از مقداردهی هایی که عدم موفقیت را در آینده به وجود می آورند، جلوگیری می کند. پخش محدودیت، به عنوان مثال، سازگاری قوس، کاری تکمیلی را برای مقدارهای محدود و کشف ناسازگاری ها انجام می دهد.
فصل نهم
عامل های منطقی (برمبنای دانش، مبتنی بر دانش، براساس دانش) پیش از انتخاب عملکردها، دانش را با ادراک های جاری، برای پی بردن به جنبه های پنهان وضعیت ترکیب می کنند. یک عامل مبتنی بر دانش، از یک پایگاه دانش و یک مکانیزم استنتاج تشکیل شده است. با نگهداری جملات درباره ی جهان در پایگاه دانش و استفاده از مکانیزم استنتاج، برای پی بردن به استنتاج کردن جملات جدید و استفاده از این جملات برای تصمیم گیری در مورد این که چه عملکردی باید اجرا شود، کار می کند.
فصل دوازدهم
متغیری که دارای سور عمومی است، می تواند با هر مقدار ممکن جایگزین شود.
متغیری که دارای سور وجودی است، باید دست کم برای یک مقدار درست باشد، می توانیم این مقدار را K بنامیم، که در این صورت به k یک ثابت اسکلم می گوییم.
هر پایگاه دانش منط مرتبه اول می تواند به صورت گزاره بندی شده بیان شود. در این مورد، مساله ای که وجود دارد این است که گزاره بندی می تواند تعداد زیادی جمله های نامربوط را به وجود آورد.
یکی سازی این است که برخلاف گزاره بندی، فقط برای عباراتی که به ما کمک می کنند تا چیزهایی را ثابت نماییم، می خواهیم جایگزین هایی پیدا کنیم.
اگر بیش از یک جانشین وجود داشته باشد که بتوانند دو عبارت که به نظر می رسد یکسان هستند را بسازند، کلی ترین یکی کننده ها را در نظر می گیریم.
در روش زنجیره ی پیشرو، اثبات ها با واقعیت ها یا مقدم ها شروع می شوند و جمله های جدید با استفاده از روش تعمیم قیاس استثنایی به دست می آیند تا زمانی که جمله هدف یاپرسش به وجود آید.
در روش زنجیره ی پسرو، به طور معکوس، از هدف به طرف واقعیت هایی که باید برای هدف نشان داده شوند، حرکت می کنیم.
فهرست کتاب هوش مصنوعی سهراب جلوه گر
هوش مصنوعی
Artificial Intelligence
عاملهای هوشمند
Intelligent Agents
حلّ مسأله و جستجو
Problem solving and search
جستجوی آگاهانه یا مکاشفهای
Heuristic search
الگوریتمهای جستجوی محلّی
Local search algorithms
مسائل برآوردهسازی یا ارضای محدودیّت
Constraint Satisfaction Problems or CSPs
تئوری بازیها
Game playing
عاملهای منطقی
Logical Agents
منطق گزارهای
Propositional logic
منطق مرتبهی اوّل
First Order Logic or FOL
استنتاج در منطق مرتبهی اوّل
Inference in First-Order Logic
نامعلومی یا عدم قطعیّت
Uncertainty
شبکههای بیزی
Bayesian networks
استنتاج در شبکههای بیزی
Inference in Bayesian networks
شناخت سخن یا سخن شناسی
Speech Recognition
شبکههای عصبی
Neural networks
الگوریتمهای ژنتیکی
Genetic algorithms
سیستمهای خبره
Expert systems
سیستمهای طبقهبندیکننده
Classifier systems
یادگیری با استفاده از مشاهدهها؛ و درختهای تصمیمگیری
Learning from observations and Decision trees
برنامهریزی
Planning
آشنایی با روبوتیک
Introduction to Robotics
آشنایی با زبان برنامه نویسی پرولوگ
Introduction to Prolog programming language
آشنایی با زبان برنامه نویسی پایتون
Introduction to Python programming language
2 نظر در “دانلود جزوه هوش مصنوعی”
جزوه هوش مصنوعی استاد جلوه گر رو توی دانشگاه آزاد قزوین بهمون پیشنهاد دادن کخ خیلی جامع و کامله. مرسی که pdf رو در اختیارمون گذاشتین🙏
خواهش می کنم خانم بروایه .. براتون آرزوی موفقیت دارم