فهرست مطالب :

چکیده

۱-مقدمه ای بر هوش مصنوعی

۱-۱ تازه های هوش مصنوعی

۲- تکنیک ها و زبانهای برنامه نویسی هوش مصنوعی

۲-۱ زبان، شناخت و خلاصه پردازی

۲-۲ خصوصیات مطلوب یک زبان AI

۲-۳ پشتیبانی از محاسبات سمبولیک

۲-۴ انعطاف پذیر بودن کنترل

۳- روش های جستجو در هوش مصنوعی

۳-۱ انواع مسایل در هوش مصنوعی

۳-۲ الگوریتم های جستجوی ناآگاهانه

۳-۲-۱ جستجوی عمقی

۳-۲-۲ جستجوی عمقی محدود شده

۳-۲-۳ جستجوی سطحی

۳-۲-۴ جستجوی هزینه یکنواخت

۳-۳ روش های جستجوی هیوریستیک

۳-۴ جستجوی حریصانه

۴- شاخه های و کاربردهای هوش مصنوعی

۴-۱ کاربرد هوش مصنوعی در کشاورزی

۴-۲ کاربرد هوش مصنوعی در صنعت

۴-۳ کاربرد هوش مصنوعی در عملیات نظامی

۵- آینده هوش مصنوعی

نتیجه گیری

منابع

چکیده :

هوش‌ مصنوعی‌ به‌ تعدادی‌ میدانهای‌ فرعی‌ تقسیم‌ شده‌ است‌ و سعی‌دارد تا سیستم‌ها و روشهایی‌ را ایجاد کند که‌ بطور تقلیدی‌ مانند هوش‌ ومنطق‌ تصمیم‌گیرندگان‌ عمل‌ نماید.
سه‌ شاخه‌ اصلی‌ هوش‌ مصنوعی‌ عبارتند از: سیستم‌های‌خبره‌، آدمواره‌هاو پردازش‌ زبان‌ طبیعی‌ .
سیستم‌های‌ خبره‌، برنامه‌های‌ کامیپوتری‌ هوشمندی‌ هستند که‌ دانش‌و روشهای‌ استنباط و استنتاج‌ را بکار می‌گیرند تا مسائلی‌ را حل‌ کنند که‌برای‌ حل‌ آن‌ها به‌ مهارت‌ انسانی‌ نیاز است‌. سیستم‌های‌ خبره‌ کاربر را قادر به‌ مشاوره‌ با سیستم‌های‌ کامپیوتری‌در مورد یک‌ مسئله‌ و یافتن‌ دلایل‌ بروز مسئله‌ و راه‌حل‌های‌ آن‌ می‌کند.در این‌ حالات‌ مجموعه‌ سخت‌افزار و نرم‌افزار تشکیل‌ دهنده‌ سیستم‌خبره‌، مانند فرد خبره‌ اقدام‌ به‌ طرح‌ سئوالات‌ مختلف‌ و دریافت‌پاسخ‌های‌ کاربر، مراجعه‌ به‌ پایگاه‌ دانش‌ (تجربیات‌ قبلی‌) و استفاده‌ ازیک‌ روش‌ منطقی‌ برای‌ نتیجه‌گیری‌ و نهایتا ارائه‌ راه‌حل‌ می‌نماید.همچنین‌ سیستم‌ خبره‌ قادر به‌ شرح‌ مراحل‌ نتیجه‌گیری‌ خود تا رسیدن‌ به‌هدف‌)چگونگی‌ نتیجه‌گیری‌(و دلیل‌ مطرح‌ شدن‌ یک‌ سئوال‌ اجرایی‌)روش‌ حرکت‌ تا رسیدن‌ به‌ هدف‌(خواهد بود. سیستم‌های‌ خبره‌ برخلاف‌ سیستم‌های‌ اطلاعاتی‌ که‌ بر روی‌ داده‌ها(Data) عمل‌ می‌کنند، بر دانش‌ (Knowledge) متمرکز شده‌ است‌. همچنین‌ دریک‌ فرآیند نتیجه‌گیری‌، قادر به‌ استفاده‌ از انواع‌ مختلف‌ داده‌ها )عددی‌Digital، نمادی‌ Symbolic و مقایسه‌ای‌ Analoge( می‌باشند. یکی‌ دیگر ازمشخصات‌ این‌ سیستم‌ها استفاده‌ از روشهای‌ ابتکاری‌ (Heuristic) به‌ جای‌روشهای‌ الگوریتمی‌ می‌باشد. این‌ توانایی‌ باعث‌ قرار گرفتن‌ محدودوسیعی‌ از کاربردها در برد عملیاتی‌ سیستم‌های‌ خبره‌ می‌شود.

کلمات کلیدی :
هوش مصنوعی – تاریخچه – شاخه های هوش مصنوعی – برنامه نویسی – کاربردهای هوش مصنوعی –سیتمهای خبره-AI

۱- مقدمه ای بر هوش مصنوعی
آیا بشر قادر خواهد بود موجودی هوشمند مانند خود به وجود آورد؟ آیا زمانی فرا خواهد رسید که ربات ها به خانه ما رفت و آمد کنند; کنار ما بنشینند و با ما به تبادل نظر بپردازند؟ شاید سوالاتی این چنین را بتوان زمینه ظهور دانش نوین، با عنوان هوش مصنوعی دانست، نخستین جرقه های هوش مصنوعی به سالهای بعد از جنگ جهانی دوم باز می گردد. زمانی که آلن تورینگ در سال ۱۹۵۰ میلادی، با روی کار آمدن برنامه های بازی شطرنج و ساخت اولین ربات ها و استفاده از زبان های برنامه نویسی در اروپا و آمریکا تحقیقات در زمینه هوش مصنوعی به جنبه های انسانی نزدیک تر شد. اما هوش مصنوعی چیست؟ و هوشمندی به چه معنی است؟به زبانی ساده هوش مصنوعی، دانش ساختن ماشین ها یا برنامه های هوشمند است، هوش مصنوعی، شاخه ای از علم کامپیوتر است و در واقع تلفیقی از سه فناوری و گرایش مطرح; یعنی شبکه های عصبی، تیم های استدلال فازی و الگوریم تکاملی می باشد.اما آلن تورینگ هوشمندی را به گونه ای دیگر تعریف کرده است. وی با انجام آزمایشی که سالها بعد با نام تست تورینگ مشهور شد و بیشتر همانند یک بازی بود، توانست روشی برای تشخیص هوشمندی ماشین ارایه دهد.فرض کنید شما در آزمایش تورینگ شرکت کرده اید. در این صورت، بایستی در یک سوی یک دیوار حایل قرار گیرید; به گونه ای که تنها از طریق یک دستگاه تله تایپ (بدون استفاده از صوت)، با شخصی که در آن سوی دیوار قرار دارد و هویت او برای شما مشخص نیست، قادر به برقراری ارتباط باشید.در مدت زمان انجام آزمایش، میان شما و آن شخص مکالماتی صورت می گیرد. حال اگر پس از انجام آزمایش به شما گفته شود شخصی که در آن سوی دیوار قرار داشته و به سوالات شما پاسخ می داده، یک ماشین بوده است، در آن صورت، ماشین مورد نظر، یک ماشین هوشمند خواهد بود، اما چنانچه در طول انجام آزمایش، به مصنوعی بودن آن پی ببرید، مطابق دیدگاه تورینگ، ماشین، هوشمند نیست.بدین ترتیب، تورینگ در این آزمایش، مشخصه مهم هوشمندی را توانایی پردازش و درک زبان طبیعی مطرح نمود.در تعریف دیگر، هوش مصنوعی، مطالعه روش هایی برای تبدیل کامپیوتر به ماشینی است که بتواند اعمال انجام شده توسط انسان را انجام دهد. باتوجه به تعریف فوق منظور از موجود هوشمند، موجودی شبیه انسان یا ابزار یا ماشینی است که می تواند به انسان شبیه باشد. باتوجه به تعرف فوق، منظور از موجو هوشمند، موجودی شبیه انسان و یا ابزار یا ماشینی است که می تواند به انسن شبیه شود.هر چند انسان، هوشمندترین موجودی است که می شناسیم، اما لزوما تنها موجود هوشمند عالم نخواهد بود. از طرفی تمامی اعمال انسان نیز هوشمندانه و برتر از موجودات دیگر نیست; به طوری که در بسیاری از جنبه های ادراکی و حسی، همچون قدرت بینایی و شنوایی، موجودات دیگر کاملا قوی تر از انسان می باشند.از سوی دیگر، برخی بر این باورند که کامپیوترهای امروزی را می توان جز» ابزارهای هوشمند به حساب آورد; حال آن که این کامپوترها فعلا بهترین ابزار، برای پیاده سازی هوشمندی هستند. همچنین هوشمندی کامپیوترها برخلاف هوشمندی طبیعی انسان است.در کامپیوتر، یک واحد کاملا پیچیده، مسئولیت انجام تمام اعمال هوشمندانه را بر عهده دارد; در حالی که در طبیعت، تعداد بسیار زیادی از واحدهای کاملا ساده (به عنوان مثال، نورون های شبکه عصبی) با عملکرد همزمان خود، رفتاری هوشمند را سبب می شوند. بنابراین، تفاوت هوشمندی مصنوعی و هوشمندی طبیعی، میان پیچیدگی فوق العاده و سادگی فوق العاده است.

۱-۱ تازه های هوش مصنوعی

آنگونه که در روزگاران گذشته اندیشه پرواز در آسمان، قدم زدن در فضا، روشن شدن محیطی وسیع تنها به کمک یک کلید، اینترنت، پشرفت های پزشکی و بسیاری چیزهای دیگر بیشتر به یک رویا می مانست تا یک حقیقت امروزی، به زودی وسایل هوشمند نیز در فروشگاه ها و مراکز خرید، به صورت انبوه به راحتی در اختیار ما قرار خواهند گرفت.
لباس های هوشمند
با توسعه نانو تکنولوژی و استفاده از مواد مولکولی سبک، امکان ساخت لباس هوشمند فراهم شده است. اینگونه لباسها، قابلیت تغییر رنگ جهت استتار در محیط های مختلف را داشته، شخص را در برابر صلاح بیولوژیکی و شیمیایی محافظت می کند. امکان مجهز نمودن این گونه لباسها به تجهیزات مخابراتی، انتقال علائم حیاتی درمان از راه دور در مناطق جنگی و یا آسیب دیده از دیگر مزایای این لباس ها به شما می آید.

۲-تکنیک ها وزبانهای برنامه نویسی هوش مصنوعی
ما در عصری زندگی می کنیم که جامعه شناسان آن را عصر انقلاب کامپیوتر نام نهاده اند و مانند هر انقلاب واقعی دیگر، انقلابی است گسترده و فراگیر و تأثیر پایداری برجامعه خواهد داشت.
این انقلاب در اقتصاد امروز و نظم جامعه، به همان میزان انقلاب صنعتی در قرن ۱۹ تأثیر دارداین تحولات قادر است الگوی فکری و فرم زندگی هر فرد را تغییر دهد.
انقلاب کامپیوتر توان ذهنی ما را گسترش می دهد.
عملکرد اولیه برنامه نویسی هوش مصنوعی (AI) ایجاد ساختار کنترلی مورد لزوم برای محاسبه سمبولیک است خصوصیات این ساختارها به مقدار زیادی موجب تشخیص خصوصیاتی می شود که یک زبان کاربردی می بایستی فراهم کند.

در این مقدمه به یک سری خصوصیات مورد نظر برای زبان برنامه نویسی سمبولیک می پردازیم و زبانهای برنامه نویسی LISP و PROLOG را معرفی خواهیم کرد.
این دو زبان علاوه بر این که از مهمترین زبانهای مورد استفاده در هوش مصنوعی هستند، خصوصیات semantic و syntactic آنها نیز باعث شده که آنها شیوه ها و راه حل های قوی برای حل مسئله ارئه کنند.
تأثیر قابل توجه این زبانها بر روی توسعه AI از جمله توانائی آنها به عنوان «ابزارهای فکر کردن» می باشد که از جمله نقاط قوت آنها در زبانهای برنامه نویسی می باشد.
همان طور که هوش مصنوعی مراحل رشد خود را طی می کند زبانهای LISP و PROLOG بیشتر مطرح می شوند.
این زبانها کار خود را در محدوده توسعه و prototype سازی سیستم های AI در صنعت و دانشگاهها دنبال می کنند.
اطلاعات در مورد این زبانها به عنوان بخشی از مهارت هر برنامه نویس AI می باشد ما به بررسی این دو زبان در هوش مصنوعی می پردازیم.
آنــــچه را کـــه نمی دانیم موجب دردسر و گرفتاری ما نخواهد شد، بلکه دردسرها از دانسته ها سرچشمه می گیرند.

۲-۱ -زبان ، شناخت و خلاصه پردازی
توانایی شکل گیری خلاصه برداری از تجربیات از توانمند ترین و اساسی ترین توانائی های ذهن انسان است خلاصه پردازی به ما این اجازه را می دهد که به فهم جزئیات از یک محدوده ی کلی اطلاعات مربوط به یک خصوصیت کلی سازمان و رفتار برسیم . این خلاصه ها به ما اجازه شناخت و درک کامل موارد دریافت شده در حوزه خاص را می دهند . اگر ما وارد یک خانه شویم که به خوبی ساخته شده باشد ، راههای خود را به اطراف پیدا خواهیم کرد . ساختار خصوصیات اطاق نشیمن ، اطاق خواب ،‌آشپزخانه و حمام عموماً از ویژگیهای یک مدل خانه استاندارد می باشد .
خلاصه پردازی به ما حس شناخت خانه های متفاوت را می دهد . یک تصویر ممکن است بیانی قوی تر از هزاران کلمه داشته باشد ، اما یک خلاصه مشخصاً بیان کننده خصوصیات مهم یک کلیت از نوع تصویر است .

وقتی که ما به تئوری برای توصیف کلاس های یک پدیده می پردازیم ، خصوصیات و ویژگیهای کمی و کیفی مربوط به کلاس از کل جزئیات خلاصه می شود .
که اعضاء به خصوص خود را مشخص می کند . این کاهش جزئیات به وسیله قدرت توصیف و پیش بینی یک نظریه ارزشمند جبران می شود .
خلاصه سازی یکی از ابزارهای اساسی شناخت و ارزیابی کلیت های جهان اطراف ما و همچنین ساختار ذهنی ما است . در حقیقت این پروسه به طور مداوم براساس دانش و اطلاعات صورت می گیرد . دانش و اطلاعا نیز در لایه ها و بخش هایی از خلاصه پردازی ساخته می شود که از مکانیسم هایی که ساختار را فشرده ساخته و از حس اولیه به سمت یک سری تئوری های علمی سوق داده می شود و در نهایت بیشتر این ایده ها درباره ایده های دیگر و نشأت گرفته از آنها می باشد .

خلاصه پردازی طبقه بندی شده (سلسله مراتبی )
ساختار و سازمان آزمایش و تجربه در ارتباط با توصیفات کلاس های خلاصه سازی یکی از ابزارهای شناخت رفتار و ساختار سیستم های مرکب است که شامل برنامه های کامپیوتر می شوند .
همانند رفتار یک حیوان که ممکن است بدون توجه به فیزیولوژی سیستم عصبی نهفته در پشت آن مورد مطالعه قرار گیرد
یک الگوریتم دارای خصوصیات مربوط به خود می باشد که کاملاً آن را از برنامه ای که آن را به کار می برد جدا می سازد
به عنوان مثال دو نوع کاربر متفاوت جستجوی باینری را در نظر بگیرید .
یکی از آنها یعنی Fortran از محاسبات و طبقه بندی استفاده می کند و دیگری یعنی Ctt از Pointer استفاده می کند که بتواند در جستجوی درون شاخه های binary کاربرد داشته باشد .
اگر دقیق تر نگاه کنیم این برنامه ها مثل هم می باشند چون اگر جز این باشد کاربردهای آنها نیز تفاوت خواهد شد . جداسازی الگوریتم از که مورد استفاده در کاربرد آن یکی از نمونه های خلاصه سازی سلسله مراتبی می باشد .
Allen New ell بین سطح دانش و سطح نشانه ها برای توصیف یک سیستم هوشمند تفاوت قائل شده است.
سطح نشانه ها همراه سازماندهی به خصوصی مورد توجه قرار گرفته که برای بیان اطلاعات حل مسئله مورد استفاده قرار می گیرد. بحث مربوط به توجه به منطق به عنوان یک زبان یک نمونه از مواردی است که به سطح نشانه پرداخته است.
علاوه بر سطح نشانه سطح دانش است که توجه آن به مقدار و محتوی اطلاعات یک برنامه و شیوه استفاده از آن اطلاعات می باشد.
این نوع تمایز در ساختار و معماری سیستم هایی که بر اساس دانش و اطلاعات و سبک توسعه ای که آن را پشتیبانی می کتد منعکس می گردد.
به دلیل اینکه کاربرها برنامه ها را در قالب دانش و توانایی خودشان می شناسند بنابراین حائز اهمیت است که برنامه های AI دارای یک سطح خصوصیات اطلاعاتی باشند.
جداسازی اصل دانش و اطلاعات از ساختار کنترل این نظریه را آشکار می سازد و توسعه رفتار سطح دانش را ساده می سازد.
همانند این نیز سطح نشانه ای یک زبان توصیفی را تشریح می کند که شبیه قوانین و روشهای تولید یا منطق براساس دانش و اطلاعات می باشد.
جداسازی آن از سطح و دانش و اطلاعات نه برنامه نویس این اجازه را می دهد که به سمت خلاصه پردازی ت،ثیر پذیری و راحتی برنامه نویسی سوق پیدا کندکه در ارتباط با رفتار و عملکرد بالای برنامه نمی باشد.
کاربرد بیان سطح نشانه ای شامل یک سطح دوره پائین تر از ساختار برنامه می شود و بیانگر یک سری ملاحظات طراحی اضافی می شود.
اهمیت نظریه چند مرحله ای نسبت به طراحی سیستم نمی تواند بیش از این مورد توجه قراار گیرد.
یعنی اینکه به برنامه نویس اجازه می دهد که با پیچیدگی نهفته شده در سطوح پائین تر خود را درگیر نکند و توجه و تاکیدش بر روی منابع مناسب با سطح فعلی خلاصه پردازی کند.
همچنین موجب می شود که اصول تئوری هوش مصنوعی عاری از کاربردهای خاص یا زبان برنامه نویسی باشد . این همچنین به ما قدرت توصیف یک کاربرد را می دهد و تاثیر گذاری خود را بر روی ماشین دیگر اثبات می کند بدون اینکه بر رفتارش در سطوح بالاتر تاثیر بگذارد .
سطح اطلاعات توصیف کننده توانائی های یک سیستم هوشمند است. محتوی دانش و اطلاعات مستقل از شکل پذیری مورد استفاده برای بیان آن است به همان اندازه که زبان بیان کاملا مؤثر می باشد .
توجه به سطح دانش شامل سؤالاتی از این قبیل است:
از این سیستم چه چیزی ساخته خواهد شد؟ چه اشیا و چه ارتباطی در آن محدوده مؤثر و مفید است ؟ چگونه یک اطلاعات جدید به سیستم اضافه می گردد؟
آیا واقعیات در طی زمان تغییر می کنند؟ چگونه و چطور سیستم نیازمند است که دلائل اطلاعات خود را ثابت کند؟ آیا محدوده ارتباطی دارای یک طبقه بندی درست و شناخته شده است؟
آیا این محدوده شامل یک سری اطلاعات نادرست و غیر ممکن است؟
تجزیه و تحلیل دقیق در این سطح یک گام مبهم در طراحی کلی ساختار یک برنامه می باشد.
در سطح نشانه تصمیمات درباره ساختارها صورت می گیرد که برای بیان و ایجاد دانش مورد استفادده قرار می گیرند. انتخاب یک زبان برای بیان یک مورد مربوط به سطح نشانه می باشد.
منطق یکی از چندین نوع اشکال است که اصولا در حال حاضر برای بیان دانش و اطلاعات در دسترس می باشد.
زبان بیان نه تنها می بایستی توانایی بیان اطلاعات مورد لزوم برای کاربر را داشته باشد بلکه می بایستی خلاصه و قابل توصیف و دارای کاربرد مؤثر باشد و می بایستی به برنامه نویس برای دستیابی و سازماندهی اصل و اساس اطلاعات کمک کند.
وقتی که بین سطح اطلاعات و سطح نشانه یک برنامه تمایز به وجود آمد ما می توانیم بین سطح نشانه و الگوریتم و ساختمان داده ها مورد استفاده برای کاربرد آن نیز تمایز قایل شویم. به عنوان مثال بدون تاثیرگذاری رفتار و عملکرد یک تحلیل گر برنامه که اساس منطقی داشته باشد می بایستی تاثیر ناپذیر از انتخاب بین یک سری جزئیات و یک مجموعه و دسته بایزی باشد تا بتواند یک جدول مربوط به نشانه ها را به کار برد.
این تصمیمات کاربردی هستند و می بایستی در سطح نشانه قابل رؤیت باشند . بسیاری از الگوریتم و ساختمان داده ها در کاربرد بیان زبان AI به کار می روند که از روشهای معمول علم کامپیوتر می باشند مثل شاخه ها و جداول بایزی.
دیگر موارد در رابطه با AI بسیار تخصصی هستند و به گونه یک که مستعار بیان می شوند که از طریق متن و بخش های مربوط به LISP و PROLOG بیان می شوند .
در سطح پائین تر مربوط به الگوریتم و ساختمان داده ها ( سطح زبان ) واقع شده است در این جا ست که زبان کاربردی برای برنامه مشخص می شود
با این حال سبک برنامه نویسی مطلوب احتیاج به این دارد که ما یک خلاصه داده ای بسازیم که بین خصوصیات ویژه یک زبان برنامه نویسی و لایه های بالای آن قرار گیرد . نیازهای منحصر به فرد برنامه نویسی سطح نشانه ای تأثیر به روی طراحی و استفاده از زبانهای برنامه نویسی AI ایجاد می کند . علاوه بر این طراحی زبان می بایستی در برگیرنده و مطابق با ساختار آن که بر گرفته از سطوح پائین تر ساختمان کامپیوتر که شامل زبان اسمبلی و سیستم عامل و دستور العملهای ماشین و سطوح سخت افزار ی باشد
و محدودیت های فیزیکی کامپیوتر می بایستی بر روی منابعی همچون حافظه و سرعت پردازشگر تأ کید کند . روش های PROLOG , LISP در جهت مستعاذل کردن نیازهای سطح نشانه و نیازهای نهفته در ساختار هر دو منبع مورد استفاده می باشند و هم چنین یک هدف هوشمند و ذهنی با اهمیت می باشند . در دنباله ما از ساختارهای سطح اطلاعات در محیطهای برنامه نویسی بر روی یک زبان کاربردی صحبت خواهیم کرد و سپس به مصزفی زبانهای عمده AI یعنی PROLOG , LISP می پردازیم .

۲-۲ – خصوصیات مطلوب یک زبان AI
یکی از خصوصیات و ویژگیهای مهم خلاصه سازی سلسله مراتبی در ساختار برنامه غیر حساس بودن سطوح بالاتر نهفته در کاربرد زبان می باشد .
این مشاهده در عمل سنجیده می شود که همراه با سیستم های موفق دانش مدار می باشد که در زبانهای برنامه نویسی مختلفی مثل Pascal , C , Ctt , Java , PROLOG , LISP و حتی Fortran به کار می رود .
برنامه های مختلفی اصولاً در PROLOG , LISP و سپس در C به کار گرفته می شوند تا بتواند تاثیرپذیری و انتقال پذیری بهتر ایجاد کنند. در هر دوی این موارد رفتار و عملکرد در سطح نشانه به طور قطع بی اثر می باشد.
با این حال محدودیتهای خلاصه سازی در یک برنامه جامع بیان می شود که کامل نمی باشد . ساختار سطح بالاتر باعث ایجاد ساختارهای قوی بر روی لایه های زیرین می شود و نیاز به این دارد که برنامه نویسی AI بر روی سطح نشانه ای قرار گیرد که در سطح زبان تکرار می شوند.
به عنوان مثال ساختارهای اطلاعاتی مورد لزوم برای ادغام سمبولیک خود را مقید به اشکال تکراری مثل فلش ها و لیست ها نمی کنند.
اهداف و پیش بینی های منطقی ابزارهای کاربردی طبیعی تر و انعطاف پذیرتر خواهند بود.
علاوه بر این به دلیل مشکلات موجود در بسیاری از مسائل مربوط به AI اغلب توسعه را قبل از اینکه یک شناخت کامل از نهایت فرم برنامه داشته باشیم شروع می کنیم.
توسعه AI لزوما در طبیعت به صورت کشف و تجزیه و آزمایش است.
این نیاز هم چنین وابسته به یک زبان و ابزارهایی است که باید فراهم ساخت . یک زبان نه تنها می بایستی متناسب با کاربرد ساختارهای سطح بالا باشد بلکه می بایستی یک ابزار مناسب برای انتقال کل چرخه نرم افزار از آنالیز و تجزیه و تحلیل تا حصول برنامه باشد.

این موارد عبارتند از :
۱٫ پشتیبانی از محاسبه سمبولیک
۲٫ انعطاف پذیری کنترل
۳٫ پشتیبانی از متدولوژی و روش های برنامه نویسی جستجویی
۴٫ پویایی
۵٫ مستنند سازی خوب و واضح

۲-۳`-پشتیبانی از محاسبات سمبولیک
گرچه روش های زیادی برای سازماندهی اطلاعات در یک سطح نشانه وجود دارد . ولی تمامی آنها نهایتاً به عنوان عملکردهایی بر روی نشانه ها به کار می روند .
این روش در تئوری نشانه های آقای Simon , Newell آمده است . تئوری های سیستم فیزیکی نشانه نیاز اصلی برای زبان برنامه نویسی است که کاربردهای یک سری از عملیات سمبولیک را آسان می کند .
حتی شبکه های عصبی و دیگر شکل های ضروری محاسبه می بایستی شامل اطلاعات سمبولیک در ورودیها و خروجی هایشان باشند . انواع کاربردها و اطلاعات دادهای عددی تاکید شان بر روی زبانهای برنامه نویسی معمول است که برای کاربردهای جستجوی الگوریتمی یا بیان زبان AI مناسب نمی باشند.
علاوه بر این یک زبان AI می بایستی ساختار ایجاد نشانه های اولیه را ساده سازد و بر روی آنها کار کند. این یکی از مهمترین نیازهای یک زبان برنامه نویسی AI می باشد.
محاسبات و پیش بینی یکی از قوی ترین و عمومی ترین ابزارهای ایجاد ساختار کیفی یک محدوده از مسئله می باشد.
خصوصیات بارز یک محدوده ممکن است به گونه یک سری واقعیات منطقی بیان شود. از طریق استفاده از متغیرها امکان ایجاد واقعیات کلی درابره ارتباط بین اهداف در یک محدوده به وجود می آید.
PROLOG یک زبان برنامه نویسی کلی است که بر اساس پیش بینی محاسباتی است.

به عنوان یک کاربرد رسمی منطق PROLOG بعضی اوقات مستقیما به عنوان یک زبان در سطح نشانه مورد استفاده قرار می گیرد.
با این حال قدرت واقعی آن به عنوان یک زبان برای کاربرد دقیق تر و کامل همانند چهارچوب ها و شبکه ها در یک روش سیستماتیک و فشرده می باشد بسیاری از ساختارهای سطح نشانه ای به سادگی با استفاده از ساختارهای سطح بالای PROLOG ساخته می شوند.

PROLOG ممکن است برای کاربرد در جستجوی الگوریتم ها یک سیستم محافظ و یک شبکه سمانتیکی مورد استفاده قرار گیرد.
یک ابزار مهم دیگر برای ساخت ساختارهای نشانه لیست می باشد یک لیست شامل یک سری عناصر می شود که در آن هر عنصر ممکن است حتی یک لیست و یک نشانه باشد.

چند نمونه از لیست ها با استفاده از ساختار برنامه نویسی LISP عبارتند از :

)این یک لیست است(
)این هست) (یک لیست) (از لیست ها(
)زمانها (بعلاوه ۱۳)(بعلاوه ۲۳))
((۱۲۳)(۴۵۶)(۷۸۹))

توجه داشته باشیم که اینها نمونه هایی می باشند که شامل لیستهای درون لیست های دیگر می شود این موجب می شود که ارتباطات ساختاری ایجاد گردد. قدرت لیست ها عمدتا در نتیجه توانایی بیان هر نوع ساختار نشانه ای بدون در نظر گرفتن پیچیدگی یا عملکردهایی که می باید از آن پشتیبانی کند می باشد.

این شامل شاخه ها گراف های اولیه یک سری مشخصه های منطقی جهت ها اصول اطلاعاتی کلیدی می شود. به طور خلاصه هر نوع ساختار ممکن است بر اساس یک ترکیب مناسب متشکل از لیست ها و عملکردهای واقع شده بر روی آنها حاصل شوند.

لیست ها یک سری بلوک های مهم می باشند که PROLOG , LASP که موجب می شود که کاربر را با عناصر اطلاعاتی و عملیاتی برای دستیابی و تاکید بر آنها در درون یک سری ساختارهای پیچیده مهیا سازد. در حالیکه PROLOG مستقیما به محاسبات پیش بینی شده وابسته است و شامل یک سری لیست به عنوان ابزارهای بیان می شود.

LISP لیست را به عنوان اصول انواع داده ها و برنامه ها مورد استفاده قرار می دهد. تمامی ساختارهای LISP از لیست ها ساخته می شوند و زبان فراهم کردن یک سری ابزارهای قوی برای ترکیب اینها (ساختارها) را به عهده دارد و توصیف کننده عملیات جدید برای ایجاد توسعه و تغییر آنها است. یک شکل کردن ساختار LISP و توانائی توسعه آن توصیف هر نوع زبانی را برای ساختار آن ساده می سازد . بوسیله پرداختن به نظریه جمع آوری اطلاعات فشرده برنامه نویس LISP می تواند ساختارهای نشانه را توصیف کند و عملیات مورد نیاز هر نوع شکل گیری سطح بالا شامل کنترل کننده های جستجو حل کننده های تئوریهای منطقی و دیگر اظهارات سطح بالا می باشد.

۲-۴ – انعطاف پذیر بودن کنترل
یکی از مشخصه های اساسی رفتار هوشمند قابلیت انعطاف پذیری آن می باشد . در حقیقت مشکل بتوان تصور کرد که هوشمندی می تواند از طریق توسعه گام به گام مراحل ثابت که بوسیله برنامه های معمول کامپیوتری نشان داده می شود حاصل شود. خوشبختانه این تنها راه سازماندهی محاسبات نمی باشد.
یکی از مهمترین و در عین حال قدیمی ترین نمونه های مربوط به ساخت یک برنامه AI سیستم تولید می باشد.
در سیستم تولیدی برنامه شامل یک سری قوانین می شود. در منطق اطلاعات این قوانین به گونه ای تنظیم می شود که بوسیله الگوی اطلاعات در یک نوع مسئله داده شده قابل تشخیص باشد.

فایل کامل این تحقیق ۵۱ صفحه بصورت ورد WORD می باشد.
در تمامی ساعات شبانه روز >> پرداخت آنلاین و دانلود آنلاین پروژه