استنتاج (Inference) به فرآیند استخراج جملات جدید از جملات قدیمی گفته میشود. این استنتاج از اصل حالت جایگزین (Successor State Axiom) ساخته شده است که نحوه تغییر هر Fluent را تعیین میکند. این ویروس هچنین باعث شد تا خیلیها مخاطبان خود را به صورت آنلاین دور هم جمع کنند و بعد از این هم این نشستهای عمومی موثر، ادامهدار خواهد بود و شاهد هرچه بیشتر شدن آن خواهیم بود. دنیای متاورس تطبیقپذیر با جهان ما است؛ یعنی از روی همین کاراکتری که در این جهان داریم، آواتاری ساخته میشود که در یک سرزمین جدید وجود خواهد داشت و تواناییهای ما را در جهان حاضر افزایش میدهد.البته جهان متاورس هنوز در مراحل ابتدایی و فاز اولیه قرار دارد، تا امروز برخی ویدیوگیمهای آنلاین ساخته شده که کاربر با آواتار خود در آنها بازی میکند. خلاصه اینکه در دنیای مدرن، فراگیری مهارتهای اینترنت، یکی از ملزومات ضروری به نظر میآید. این سرویس معمولا در مدار زمینایستا داده میشود، و در بعضی مناطق مانند مناطق قطبی، به علت کمشدن زاویه دید ماهواره از روی زمین، کیفیت خوبی ندارد. الگوریتمهای جستجوی CSP از ساختار حالتها به خوبی بهره میبرند و به جای استفاده از روشهای اکتشافی (ابتکاری) خاص مسئله، روشهای همهمنظوره را برای رسیدن به جواب مسائل پیچیده به کار میگیرند.
اکنون هیچ باند فرکانسی در کشور موجود نداریم تا برای ارتقا ظرفیت اپراتورها به آنها اختصاص بدهیم، باید به فکر باشیم. اینترنت هم اکنون دارای پروتکلهای ارتباطی گوناگون است، که بوسیله آنها نوع تبادل اطلاعات در سطح شبکه اینترنت تعیین میشود. بیماران دیگر نیازی به انتظار برای جایگزینی دندان از دست رفته خود ندارند – اکنون می توان ایمپلنت دندان ، پایه و تاج دندان را فقط در یک بازدید تنظیم کرد. برای ارسال نیز میتوان از سرویسهای دیگر استفاده کرد که بهکارگیری سرویس GPRS کلاً آن را بیسیم میکند GPRS میتواند از طریق موبایل باشد که این نوع از اینترنت ماهوارهای بر پایین بودن هزینههای آن کمک بسزایی میکند. پسگرد یا بازگشت به عقب زمانی اتفاق میافتد که نتوان هیچ تکلیف قانونی برای یک متغیر پیدا کرد. اگرچه این اتفاق در فیلمهای علمی-تخیلی رخ داده اما در دنیای واقعیت، غلبه کامل هوشمصنوعی بر حیطه سلامت هنوز امکانپذیر نیست. در افغانستان انتخابات این کشور در زمان دشواری اتفاق افتاده و برنده انتخابات برای مذاکره با طالبان به یک فرمان محکم احتیاج دارد. برای شرایط غیر اورژانسی، بیماران میتوانند با استفاده از سیستم AI بیمارستان علائم خود را تجزیهوتحلیل کنند، علائم حیاتی خود را وارد سیستم کنند و بررسی کنند که به مراقبت پزشکی احتیاج دارند یا نه.
این عاملها از اطلاعات هدف برای انتخاب میان اعمال ممکن در حالت فعلی استفاده میکنند. هدف اصلی هر بخش از فناوری، خودکارسازی است. حالت داخلی (Internal State): موثرترین راه برای مدیریت مشاهدهپذیرى ناقص این است که، عامل بر آن بخشی از جهان نظارت داشته باشد که امکان دیدنش را ندارد. با نظارت بر فعالیت های مشکوک ، حملات احتمالی را تجزیه و تحلیل کنید. تقریبا تمامی برنامه های موجود و تمامی کاربرد های فعلی هوش مصنوعی در این دسته جای دارند. ماهواره موجود در فضا نیز دادهها را در محلی روی زمین به نام «مرکز عملیات شبکه» (Network Operation Center | NOC) مبادله میکند. به عنوان مثال میتوان یک سیستم GPS را مثال زد که کوتاهترین، سریعترین و ایمنترین مسیر به یک مقصد خاص را پیدا میکند. ایلان ماسک در دوره دکترای دانشگاه استنفورد برای تحصیل در فیزیک انرژی ثبت نام کرد که پس از دو روز تحصیل در این دانشگاه، تصمیم به ترک تحصیل گرفت و شرکت Zip2 که شرکتی برای تبلیغات آنلاین کسب و کارها بر اساس موقعیت جغرافیایی آنها است را تاسیس کرد. از جمله سرفصلهای این دوره آموزشی میتوان به مروری بر مبانی علم ژنتیک و منشا الهام الگوریتمهای تکاملی و الگوریتمهای ژنتیک، بررسی جامع انواع روشهای انتخاب والدین، انتخاب رقابتی (Tournament Selection)، انواع اپراتورها برای مسائل مختلف و سایر موارد اشاره کرد.
همچنین، منطق گزارهای با فناوریهای استنتاجی به خوبی توسعه یافته همراه است. در فصل هفتم درس هوش مصنوعی ، عاملهای مبتنی بر دانش معرفی شدهاند و نحوه تعریف یک منطق نشان داده شده است که چنین عاملهایی میتوانند با استفاده از آن درباره جهان استدلال کنند. زنجیرهسازی جلوسو (Forward chaining) و زنجیرهسازی رو به عقب (Backward Chaining) الگوریتمهای استدلال بسیار طبیعی برای مبانی دانش در فرم هورن (Horn Form) هستند. در واقع، «منطق» به عنوان سطح جامعی از بازنمایی برای پشتیبانی از عاملهای مبتنی بر دانش توسعه داده میشود. اسناد نشان میدهد که سال آژانس جاسوسی بریتانیا با دسترسی به بیش از ۲۰۰ کابل فیبر نوری قادر بوده حداقل دادههای ۴۶ مورد از آنها را در یک زمان پردازش کند.» اسم رمزی این پروژه TEMPORA بود که در سال ۲۰۰۸ به طور آزمایشی توسط بریتانیا شروع شد و زمستان ۲۰۱۱ به مرحله عملیاتی رسید.
وقتی که ما هر STM۱ را ۳۷ میلیون تومان به شرکتهای خصوصی میفروختیم حداکثر سهم این سرویس در هزینه کاربر نهایی ۲۵ درصد بود، اما وقتی ما این قیمت را به ۲۴ میلیون تومان رساندیم میزان هزینه پهنای باند در سرویس کاربر نهایی به ۱۹ درصد رسید. آزمون نهایی مشخص میکند که آیا بازی به اتمام رسیده است یا خیر. یک عامل مبتنی بر هدف عاملی است که اعمال خود را در راستای دستیابی به اهداف تعیین شده انتخاب میکند. وزیر اقتصاد درباره برگزاری نشستی برای تعیین افزایش حقوق بازنشستگان گفت: این جلسه برگزار شده است و سرپرست وزارت کار، تعاون و رفاه اجتماعی در این باره سخن خواهند گفت. طول مدت این دوره نزدیک به ۱۹ ساعت و مدرس آن، مهندس منوچهر بابایی است. دوره مقدماتی هوش مصنوعی فرادرس به مدت چهار ساعت و ۳۴ دقیقه توسط دکتر محمد صبری تدریس شده است.
برخی از سرفصلهای این دوره شامل مروری بر عملکرد سیستم عصبی طبیعی، پیادهسازی شبکه عصبی در متلب با استفاده از رابطهای گرافیکی (GUI) تولباکس شبکه عصبی، مروری بر کاربردهای مختلف شبکههای عصبی مصنوعی، شبکههای عصبی شعاعی پایه، ماشینهای بردار پشتیبان، یادگیری غیرنظارت شده و خوشهبندی با الگوریتم k-Means، شبکههای عصبی رقابتی و نگاشت خود سازمانده و سایر موارد است. انسانها در بسیاری از بازیهای با اطلاعات ناقص و بازیهایی که دارای ضریب انشعاب بسیار بزرگ و اطلاعات ابتکاری مفید اندکی هستند، همچنان با فاصله کمی برگ برنده را در اختیار دارند. از جمله بازیهای با اطلاعات ناقص میتوان به بازى جنگنما اشاره کرد. در حالتی که محیط مشاهدهپذیر ناقص باشد، حالت باور (Belief State) به بازنمایی از مجموعه حالات ممکن گفته میشود که احتمال دارد عامل در آن قرار داشته باشد. این رویکرد تنها برای محیطهای مشاهدهپذیر کامل یا بدون حسگر کار میکند. محیطهای کاری در چندین بعد قابل توجه متفاوت هستند. از آن جمله، در سال ۱۹۹۳، تفتی و نیکبخت به بحث در ارتباط با استفاده از این علم توسط سازمان ها و شرکت های مالی در جهت اهداف متفاوت امتیاز بندی اعتبار پرداختند. طرحها در میزان بازدهی، تراکم و انعطافپذیری متفاوت هستند. چنین عاملی یک عامل حل کننده مسئله است و نسبت به عامل واکنشی مبتنی بر مدل انعطافپذیری بیشتری دارد.
تقریبا از سال 1383 فعالیتم رو تو سایت 1biti اینترنت شروع کردم. شبکه ملی اطلاعات یا اینترنت ملی، یکی از همین طرح ها است که در سال های اخیر بسیار مورد بررسی قرار گرفته است و بحث های زیادی در مورد آن وجود دارد. اطلاعات فراگیر و کنترل آزاد نیز الزاما نیازی به ساختار های بین شبکه ای ندارند. پیچیدگی حل یک مسئله CSP به شدت با ساختار گراف محدودیت آن در ارتباط است. الگوریتمهای جستجوی یکنواخت الگوریتمهایی هستند که هیچ اطلاعاتی به غیر از تعریف مسئله به آنها داده نمیشود. به عاملهایی که از بازنماییهای پیشرفتهتر موردی (Factored) یا ساختیافته (Structured) استفاده میکنند، معمولاً «عاملهای برنامهریز» (Planning Agent) گفته میشود که در فصل هفتم و دهم کتاب هوش مصنوعی راسل و نورویگ راجع به آنها بحث شده است.
برخی از سرفصلها و رئوس مطالب این دوره آموزشی شامل مبانی تئوری تبرید و الگوریتم شبیه سازی تبرید، مولفه ها و بخش های سازنده الگوریتم شبیه سازی تبرید در حالت پایه، بررسی تئوری مساله فروشنده دوره گرد (TSP)، معرفی اپراتورها (عملگرهای) ایجاد همسایه در حل مسائل جایگشتی و مساله فروشنده دوره گرد و سایر موارد است. شبکههای عصبی مصنوعی انواع مختلفی دارند که برای حل اکثر مسائل یادگیری ماشین از جمله طبقهبندی، خوشهبندی، تشخیص الگو و سایر موارد به کار گرفته میشوند. اگرچه، از دیدگاه الگوریتم جستجو، هر حالت، اتمی یا غیرقابل تقسیم است. یک بازنمایی موردی هر حالت را به یک مجموعه ثابت از متغیرها و ویژگیها (صفتها) تقسیم میکند.
روشهای ابتکاری مقادیر کمینه باقیمانده و درجه (Degree)، روشهای مستقل از دامنه برای تصمیمگیری در این خصوص هستند که چه مقدار بعدی برای یک متغیر داده شده در یک جستجوی پسگرد انتخاب شود. ساختمان داده ها یکی از دروس مهم و پایه رشته کامپیوتر به حساب میآید که پیشنیاز درس هوش مصنوعی است. از دیگر عوامل مهم و تأثیرگذار، نهاد خانواده است. در خانواده الگوریتمهای جستجوی محلی از روشهایی استفاده میشود که از فیزیک آماری (شبیهسازی تبریدی) و زیستشناسی تکاملی (الگوریتمهای ژنتیک) الهام گرفته شدهاند. قوانین استنتاجی الگوهایی از استنتاج دقیق هستند که میتوانند برای رسیدن به اثبات استفاده شوند.
بهروزرسانی تخمینهای ابتکاری با استفاده از تجربه، یک روش موثر برای اجتناب از رسیدن به کمینه محلی فراهم میکند. این روش تقریباً کارآمد خواهد بود، در صورتی که بتوان یک مجموعه برش را پیدا کرد. رباتیک علمی است که با طراحی، ساخت و برنامه نویسی انواع ربات ها سر و کار دارد و تنها بخش کوچکی از زیر مجموعه آن است که به هوش مصنوعی مربوط می شود و با آن ادغام شده و تشکیل ربات های دارای هوش مصنوعی را می دهد. از این رو که ماشینها نمیتوانند فکر کنند و از گذشته درس بگیرند آنها تنها میتوانند از طریق اطلاعات جدید یا از طریق آموزش منظم بیاموزند؛ هوش مصنوعی هرگز نمیتوانند به صورت منحصر به فرد مانند انسان تفکر کند.
برخلاف عاملهای هوشمند که بر اساس اطلاعات فراهم شده توسط یک برنامهنویس عمل میکنند، عاملهای یادگیرنده میتوانند وظایفی را انجام دهند، عملکرد را ارزیابی کنند و به دنبال راههای جدید برای بهبود آن وظایف باشند. عامل یادگیرنده با کمی دانش اولیه شروع میکند و سپس قادر است خود را تطبیق داده و از طریق یادگیری برای بهبود عملکرد خود به صورت خودکار عمل کند. یک بازی میتواند به وسیله حالت اولیه (چگونگی چینش تخته بازی)، اعمال قانونی در هر حالت، نتیجه هر عمل، یک آزمون نهایی (Terminal Test) و یک تابع مطولبیت (Utility Function) تعریف شود. در چنین مواردی، عامل میتواند دنبالههایی از اعمال را بسازد که منجر به دستیابی به اعمالش خواهند شد.
روشهای جستجوی ناآگاهانه (uniformed Search) تنها به صورت مسئله دسترسی دارند. روشهای تجزیه درخت، CSP را به درختی از زیر مسئلهها تبدیل میکنند و در صورتی که پهنای درخت گراف محدودیت کوچک باشد، بهینه خواهند بود. شرطگذاری مجموعه بُرش (Cutset Conditioning) میتواند یک CSP جامع را به یک مسئله با ساختار درختی تقلیل دهد. در فصل سوم درس هوش مصنوعی ، پرداختن به حل مسئله با تعریف دقیق مسئله و جواب آن آغاز شده است و مثالهای بسیاری برای به تصویر کشیدن این تعاریف ارائه میشود. به این ترتیب، خلاصهای از فصل سوم درس هوش مصنوعی در این بخش شرح داده شد. فصل سوم درس هوش مصنوعی از پیچیدگی مجانبی (Asymptotic Complexity) و NP کامل استفاده شده است. برای اینکار دو نیاز اساسی وجود داشت: یک فرمت استاندارد برای مبادله آنها از طریق اینترنت. موادی که اندازه آنها حدودا ۱۰۰ نانومتر است. در ادامه، خلاصهای از فصل هفتم درس هوش مصنوعی ارائه شده است. شخص اوّل خستگیناپذیر است و دستكاریهای بسیار زیادی را انجام میدهد، ولی شخص دوّم به زبان چینی بهصورت زیبا و دلنشین سخن میگوید و این توانایی را دارد كه از محدودهٔ شخص اوّل پا را فراتر بگذارد و جزئیات زبان چینی را بفهمد. در حالی که اینترنت اشیا، ظرفیت های زیادی را در تمامی صنایع به ارمغان می آورد، بسیاری از قابلیت های جدید را به بسیاری از اشیاء مختلف می دهد.
در برخی از پروژهها نیازی به مجموعه اعتبارسنجی نیست. «تخمین حالت منطقی» شامل حفظ یک جمله منطقی است که مجموعه حالتهای ممکن مطابق با تاریخچه مشاهده را توصیف میکند. عاملهای مبتنی بر دانش میتوانند وظایف جدید را در قالب اهداف صریحاً توصیف شده بپذیرند. یک عامل مبتنی بر دانش، از یک پایگاه دانش و یک سازِکار استنباطی تشکیل میشود. بعنوان مثال روند استدلال توسط يك پزشك هنگام تشخيص يك بيماری كاملاً شبيه به CBR است به اين ترتيب كه پزشك در ذهن خود تعداد بسيار زيادی از شواهد بيماریهای شناخته شده را دارد و تنها بايد مشاهدات خود را با نمونههای موجود در ذهن خويش تطبيق داده، شبيهترين نمونه را به عنوان بيماری بيابد. بايد دقت كرد كه تورينگ به دو دليل كاملاً مهم اين نوع از ارتباط (ارتباط متنی به جای صوت) را انتخاب كرد. تا اینجا، مفاهیم مهم فصل دوم درس هوش مصنوعی شرح داده شدند. در ادامه آموزش درس هوش مصنوعی ، به شرح مباحث مطرح شده در فصل پنجم این درس پرداخته شده است. بارسلونا یکی از مهمترین شهرهای اسپانیا و مرکز ایالت کاتالونیا است که رتبه سی ام پیشرفتهترین شهرها را به خود اختصاص داده است. در واقع این اپلیکیشن انتظاراتی را که از یک مرورگر عالی دارید، برطرف میکند.