کتاب هوش مصنوعی

کتاب هوش مصنوعی
کتاب هوش مصنوعی به شکل گسترده از طریق دروس متعددی که توسط نویسنده در دهه گذشته تدریس شده سات حمایت می‌شود. سوالات متنوع مطرح شده که از سوی دانشجویان بر نحوه نگارش این کتاب تاثیر گذاشته است این کتاب، مقدمه‌ای بر حوزه هوش کامپیوتری است. کتاب هوش مصنوعی سیستم‌های خبره مبتنی بر قانون، سیستم‌های خبره فازی، سیستم‌های هوشمند هیبریدی و مهندسی دانش را پوشش می‌دهد.
هر ساله کتاب‌ها و رساله‌های دکترا، دانش ما از کامپیوتر یا هوش مصنوعی را افزایش می‌دهند. سیستم‌های خبره، شبکه‌های عصبی مصنوعی، سیستم‌های فازی و رایانش تکاملی، تکنولوژی‌های اصلی هستند که در سیستم‌های هوشمند استفاده می‌شوند. صدها ابزار وجود دارند که از این تکنولوژی‌ها حمایت می‌کنند و هزارن مقاله علمی نوشته شده‌اند که همچنان مرزهای این حوزه دانش را گسترده تر می‌کنند این کتاب ذر حقیقت می‌تواند موضوع یک مونوگراف باشد.
کتاب هوش مصنوعی برخلاف بسیاری از کتاب‌های که درباره هوش کامپیوتر نوشته شده‌اند نشان می‌دهد که اکر ایده‌های پشت سیستم‌های هوشمند به نحو شگفت انگیزی ساده و سرراست هستند.
فهرست مطالب هوش مصنوعی
این کتاب شامل ۹ فصل می‌شود.
۱- مقدمه ای بر سیستم‌های جهان دانش بنیان
تاریخچه هوش مصنوعی را از عصر ایده‌های بزرگ و انتظارات بزرگ در دهه ۱۹۶۰ تا توهم زدایی و کاهش منابع بودجه‌ای در اوایل ۱۹۷۰، از توسعه خبره مثل PROSPECTOR, MY, DENSDRAL در دهه ۷۰ تا بلوغ تکنولوژی سیستم خبره و کاربردهای آن در حوزه‌های متفاوت در دهه ۱۹۸۰ و ۱۹۹۰ از مدل باینری ساده نورون‌های پیشنهاد شده در دهه ۱۹۴۰ تا گسترش شدید حوزه شبکه‌های عصبی مصنوعی در دهه ۱۹۸۰، از معرفی تئوری مجموعه فازی و نادیده گرفتن آن در غرب در دهه ۱۹۶۰ تا مصرفی فازی و متعدد که توسط ژاپنی ها در دهه ۱۹۸۰ ارائه شدند و پذیرش جهانی رایانش نرم با کلمات د دهه ۱۹۹۰ را در برمی‌گیرد.
۲- سیستم‌های خبره مبتنی برقاعده
یک بررسی کلی از سیستم‌های خبره مبتنی بر قانون را ارائه می‌کنیم . مختصرا درباره این موضوع بحث می‌کنیم که دانش چیست و متخصصان چگونه دانش را به شکل تولید قوانین بیان می‌کنند. ما بازیگران اصلی در تیم توسعه سیستم خبره را شناسایی می‌کنیم و نشان می‌دهیم که ساختار سیستم مبتنی برقانون چگونه است. درباره خصوصیات بنیادی سیستم‌های خبره بحث می‌کنیم و نشان می‌دهیم که سیستم خبره می‌توانند اشتباه کنند.
۳- مدیریت ابهام بر سیستم‌های خبره مبتنی بر قاعده
دو تکنیک مدیریت ابهام که در سیستم‌های خبره استفاده می‌شوند را ارائه می‌کنیم: استدلال بیزی و فاکتورهای قطعیت، ما روش بیزی انباشته مدارک را بررسی می‌کنیم و یک سیستم خبره ساده بر اساس رویکرد بیزی توسعه می‌دهیم سپس نظریه یک سیستم خبره را براساس استدلال مدرکی توسعه می‌دهیم در نهایت استدلال بیزی و فاکتور قطعیت را مقایسه می‌کنیم و حیطه‌های مناسب برای کاربردشان را تعیین می‌کنیم.
۴- سیستم‌های خبره فازی
منطق فازی را معرفی می‌کنیم و درباره ایده‌های فلسفی پشت آن صحبت می‌کنیم سپس مفهوم مجموعه‌های فازی را ارائه می‌کنیم و نحوه نمایش یک مجموعه فازی در کامپیوتر را معرفی می‌کنیم و نحوه نمایش یک مجموعه فازی در کامپیوتر را معرفی می‌کنیم و عملیات‌های مجموعه فازی را بررسی می‌کنیم. همچنین متغیرهای و هیچ زبانی را تعریف می‌کنیم. پس از آن قوانین فازی را ارائه می‌کنیم و تفاوت‌های اصلی بین قوانین کلاسیک و فازی را معرفی می‌کنیم.
۵-سیستم‌های خبره مبتنی بر ساختار
بررسی کلی سیستم‌های خبره مبتنی بر فریم را ارائه می‌کنیم. ما مفهوم فریم را بررسی می‌کنیم و درباره این صحیت می‌کنیم که چگونه برای نمایش دانش باید از فریم‌ها استفاده کرد. در این فصل متوجه می‌شویم که وراثت یک خصوصیت ضروری در سیستم‌های مبتنی بر فریم است. ضمنا کاربرد روش‌ها، افسانه و قوانین را بررسی می‌کنیم درنهایت توسعه سیستم خبره مبتنی بر فریم را از طریق یک مثال بررسی می‌کنیم.
۶-شبکه‌های عصبی
شبکه‌های عصبی مصنوعی را معرفی می‌کنیم و درباره ایده‌های پایه زیربنایی یادگیری ماشینی صحیت می‌کنیم. در این فصل، ادراک را به صورت یک عنصر رایانشی ساده معرفی می‌کنیم و قانون یادگیری ادراک را بررسی می‌کنیم و شبکه های عصبی چند لایه را بررسی می‌کنیم و اینکه چگونه میتوان کارایی محاسباتی الگوریتم یادگیری پس بخش را بهبود داد پس از آن شبکه‌های بازگشتی صحیت می‌شود و شبکه هوپفیلد و الگوریتم تمرینی آن حافظه مرتبط دو جهته را بررسی می‌کنیم.
۷-محاسبات تکاملی
نیز یک بررسی کلی از رایانش تکاملی ارائه می‌کنیم. ما الگوریتم‌های ژنتیکی، استراتژی‌های تکاملی و برنامه نویسی ژنتیکی را مد نظر قرار می‌دهیم. ما مراحل اصلی توسعه یک الگوریتم ژنتیکی را معرفی می‌کنیم و درباره این بحث می‌کنیم که چرا الگوریتم‌های ژنتیکی موثر هستند و این تئوری را از طریق کاربردهای واقعی الگوریتم‌های ژنتیکی را معرفی می‌کنیم درباره این بحث می‌کنیم که چرا الگوریتم‌های ژنتیکی موثر هستند و این تئوری را از طریق کاربردهای واقعی الگوریتم‌های ژنتیکی نشان م‌یدهم. پس از آنکه یک مفهوم پایه از استراتژی‌های تکاملی ارائه می‌کنیم و تفاوت‌های بین استراتژی تکاملی را مشخص می‌کنیم در نهایت به برنامه نویسی ژنتیکی و کاربرد آن در مسائل واقعی را بررسی می‌کنیم.
۸-سیستم هوشمند هیبرید
سیستم‌های هوشمند هیبرید را به صورت ترکیبی از تکنولوژی‌های هوشمند متفاوت بررسی می‌کنیم. در ابتدا گونه جدیدی از سیستم‌های خبره عصبی را معرفی می‌کنیم که شبکه‌های عصبی و سیستم های قانون را باهم ترکیب می‌کنند.
۹-مهندسی دانش و داده‌کاوی
در این فصل مهندسی دانش و داده کاوی را بررسی می‌کنیم. در ابتدا درباره صحبت می‌کنیم که چه نوع مسائلی را می‌توان با سیستم‌های هوشمند بررسی کرد و شش مرحله اصلی فرآیند مهندسی دانش را معرفی می‌کنیم.