عامل های هدف گرا
دانستن وضعیت کنونی همواره برای تصمیم گیری نمی تواند کافی باشد. برای مثال در یک چهارراه ، ماشین می تواند به چپ یا راست و یا مستقیم برود. تصمیم صحیح بستگی به مقصد ماشین دارد.
بنابراین همانگونه که عامل نیازمند دانستن وضعیت جاری است، نیازمند اطلاعات هدف ،که ما آن را Goal می نامیم، است.
گاهی عامل باید دنباله های طولانی را در نظر بگیرد تا راهی برای دستیابی به هدف پیدا کند. جستجو و برنامه ریزی(Planning) برای یافتن دنباله اعمال برای حصول اهداف عامل استفاده می شوند.
نکته:تصمیم گیری های این عامل با قوانین شرط-عمل متفاوت هستند.
زیرا در قوانین شرط-عمل ، طراح برای حالات متفاوت ، عملی درست را پیش بینی کرده است.
عامل هدف گرا بسیار انعطاف پذیر می باشد. اگر باران شروع شود، این عامل می تواند دانش خود را در مورد چگونگی کیفیت ترمز به هنگام سازی کند. این فرآیند به طور خودکار باعث می شود که تمامی رفتار های مربوط برای وفق دادن با شرایط جدید ، تغییر پیدا کنند. درحالی که برای عامل واکنشی ما مجبور به نوشتن دوباره بسیاری از قوانین خواهیم بود.
عامل های واکنشی برای زمانی تنها برای یک مقصد کار می کنند، عکس العمل نسبتا خوبی دارند. ولی با تغییر شرایط و یا هدف باید تغییر پیدا کنند. این در حالی است که عامل های هدف گرا برای رسیدن به مقاصد متفاوت و شرایط متفاوت بسیار انعطاف پذیرند و به سادگی به رفتار تازه ای می رسند.

عامل های سودمند
اهداف به تنهایی برای تولید رفتاری با کیفیت بالا کافی نیستند. برای مثال ، دنباله های عملیات زیادی وجود دارند که ماشین را به هدف می رسانند. اما برخی سریع تر ، امن تر ، مطمئن تر یا ارزان تر از دیگران هستند.
عامل سودمند بر اساس رضایت عامل در صورت حصول هدف، مقایسه و تصمیم گیری می کند.
به دلیل اینکه رضایت صحت علمی زیادی ندارد، بهتر است بگوییم هنگامی که یک وضعیت به دیگری ترجیح داده می شود ، آن گاه آن برای عامل سودمند است.
بنابراین سودمندی تابعی است که یک وضعیت را به عدد حقیقی تبدیل می کند(که درجه رضایت مربوطه را تعیین می کند). تابع سودمندی امکان تصمیم گیری های منطقی در دو حالت را ایجاد می کند.
· زمانی که اهداف متناقض وجود دارد، تنها برخی از آن ها قابل حصول خواهد بود، تابع سودمندی مورد مناسب را تعیین می کند.
· زمانی که چندین هدف وجود دارند که عامل می تواند آن ها را هدف قرار دهد و هیچ کدام از آن ها با قطعیت قابل حصول نیست، تابع سودمندی راهی را ایجاد می کند که در آن احتمال موفقیت در مقابل اهمیت هدف باید مقایسه شوند.

مطالب مرتبط
عامل های واکنشی ساده
در ماشین هنگامی که ماشین جلویی ترمز می کند و چراغ ترمز های آن روشن گردد، آن گاه راننده باید متوجه آن شده و ترمز کند. به عبارت دیگر هنگامی که شرایطی که ما آن را ترمز کردن ماشین جلویی می نامیم روی دهد، پردازش هایی که روی تصویر انجام می گیرد متوقف می شود، سپس این رویداد باعث فعال شدن برخی موارد در برنامه عامل خواهد شد که عمل اقدام به ترمز را فعال می سازد.
چنین اقدامی را یک قانون شرط-عمل(Condition-Action Rule) می نامیم.

این چنین عامل هایی می توانند کاملا کارا پیاده سازی شوند، ولی محدوده کاربردی آن ها بسیار محدود هستند.
عامل هایی که اثرات دنیا را حفظ می کنند
راننده ها برای تغییر لاین نیازمند استفاده از آینه ها برای تشخیص جای ماشین های دیگر هستند. ولی سنسور ها نمی توانند دسترسی کامل به وضعیت دنیا داشته باشند. عامل نیازمند دستکاری برخی از اطلاعات وضعیت داخلی است تا از طریق آن تمایز بین وضعیت های دنیا (که در ظاهر ورودی ادراکی یکسانی می کنند) را میسر سازد.
عامل به دو نوع دانش کد شده در برنامه نیاز دارد تا اطلاعات وضعیت داخلی را به هنگام کند.
اول نیازمند آن است که برخی اطلاعات درباره چگونگی تغییرات جهان مستقل از عامل را داشته باشد.(مثلا ماشین حلوی چند لحظه قبل نزدیک شده است.)
دوم نیازمند اطلاعاتی درباره اعمال خود عامل است که بر دنیا اثر می گذارند.(مثلا وقتی ماشین لاین خود را تغییر می دهد، حداقل برای مدت کمی فاصله ای در لاین قبلی ایجاد می شود.)

برنامه های عامل
ساده ترین فکر در مورد ساخت برنامه عامل، ذخیره کامل دنباله ادراکی و ساخت یک جدول که شامل عمل مناسب برای تمامی دنباله های ادراکی ممکن است، می باشد.
ولی این طرح، غیر ممکن است. زیرا :
· جدول مورد نیاز برای عامل ساده ای که تنها قادر به بازی شطرنج باشد 35100 سطر خواهد داشت.
· زمان بسیار طولانی لازم است تا طراح قادر به ساخت جدول گردد.
· عامل فاقد هر گونه خود مختاری است، زیرا محاسبه بهترین عمل کاملا درونی انجام می شود. بنابراین اگر شرایط محیطی به گونه ای غیر قابل پیش بینی تغییر کند ، عامل شکست خواهد خورد.
· حتی اگر به عامل روش یادگیری داده شود تا درجه از خودمختاری حاصل گردد، برای یادگیری مقدار صحیح از میان انبوه سطر های جدول ، به زمان بی نهایت نیاز خواهد داشت.
سیستم رانندگی هوشمند
برای ملموس تر شدن بحث برنامه ها، یک محیط خاص را در نظر می گیریم. نقش رانندگی ماشین را به راحتی می توان درک کرد . بنابر این این محیط را مورد مطالعه قرار می دهیم.
راننده به طور کلی نیازمند دانستن موارد زیر است:
· در کجا قرار دارد.
· سرعت او چقدر است.
· چه افراد و اجسام دیگری در خیابان هستند.
· اجسام و افراد دیگر با چه سرعتی حرکت می کنند.
اعمالی که باید راننده انجام بدهد:
· کنترل فرمان (وضعیت چرخ ها)
· کنترل سرعت
· کنترل وضعیت ماشین (گرمای موتور، روغن، دور موتور و ...)
معیار هایی که راننده نیازمند دانستن آن ها است :
· صحیح و سالم به مقصد رسیدن
· حداقل سازی مصرف سوخت
· حداقل سازی زمان
· حداقل سازی تخلفات رانندگی
مکانیزم های مورد نیاز برای انجام فعالیت های فوق:
· سیستم مکان یابی جهانی (GPS=Global Positioning System)
· دوربین های تصویر برداری دیجیتالی
· سنسورهای مادون قرمز و رادار
· میکروفون یا صفحه کلید برای دریافت مقصد توسط مسافران
· کیلومتر سنج، شمارش دور موتور و ...
· و...
در نهایت اگر این یک پروژه واقعی باشد، باید محیط های رانندگی متفاوت را برای برنامه تعیین کرد. (آیا در شهر رانندگی می کند یا در آزاد راه؟ در مناطق قطبی رانندگی می کند یا در مناطق استوایی؟ و ...)
برای ساخت برنامه عامل واقعی از چهار نوع برنامه عامل می توان استفاده کرد:
· عامل های واکنشی ساده
· عامل هایی که اثرات دنیا را حفظ می کنند.
· عامل های هدف گرا
· عامل های سودمند
مطالب مرتبط:
GPS چیست ؟

سیستم محل یابی جهانی (Global Positioning Systems)، بک سیستم راهبری و مسیریابی ماهواره ای است که از شبکه ای با
خدمات این مجموعه در هر شرایط آب و هوایی و در هر نقطه از کره زمین در تمام ساعت شبانه روز در دسترس است. پدید آوردنگان این سیستم، هیچ حق اشتراکی برای کاربران در نظر نگرفته اند و استفاده از آن رایگان است.
GPS چگونه کار می کند؟
ماهواره های این سیستم، در مداراتی دقیق هر روز 2 بار بدور زمین می گردند و اطلاعاتی را به زمین مخابره می کنند. گیرنده های GPS این اطلاعات را دریافت کرده و با انجام محاسبات هندسی، محل دقیق گیرنده را نسبت به زمین محاسبه می کنند. در واقع گیرنده زمان ارسال سیگنال توسط ماهواره را با زمان دریافت آن مقایسه می کند. از اختلاف این دو زمان فاصله گیرنده از ماهواره تعیین می گردد. حال این عمل را با داده های دریافتی از چند ماهواره دیگر تکرار می کند و بدین ترتیب محل دقیق گیرنده را با اختلافی ناچیز، معین می کند.
گیرنده به دریافت اطلاعات همزمان از حداقل 3 ماهواره برای محاسبه 2 بعدی و یافتن طول و عرض جغرافیایی، و همچنین دریافت اطلاعات حداقل
ماهواره های GPS
در اینجا به برخی مشخصه های جالب این سیستم اشاره می کنیم:
• اولین ماهواره GPS در سال
• در سال
• عمر هر ماهواره حدود
• هر ماهواره حدود
• انرژی مصرفی هر ماهواره، کمتر از
گیرنده GPS
بسته به نوع مصرف و بودجه می توانید از طیف وسیع گیرنده های GPS بهره ببرید. همچنین، باید از در دسترس بودن نقشه مناسب و بروزجهت ناحیه مورد استفاده تان، اطمینان حاصل کنید. امروزه بهای گیرنده های GPS بطور چشمگیری کاهش پیدا کرده است و هم اکنون در کشور ما با بهایی معادل یک عدد گوشی متوسط موبایل نیز می توان گیرنده GPS تهیه کرد. در کشورهای توسعه یافته از این سیستم جهت کمک به راهبری خودرو، کشتی و انواع وسایل نقلیه بهره گیری می شود.
هر چه نقشه های منطقه ای که در حافظه گیرنده بارگذاری می شود دقیق تر باشد، سرویسهایی که از GPS می توان دریافت داشت نیز ارتقا می یابد. برای مثال، می توان از GPS مسیر نزدیکنرین پمپ بنزین، تعمیرگاه و یا ایستگاه قطار را سوال نمود و مسیر پیشنهادی را دنبال کرد. دقت مکانیابی این سیستم در حد چند متر می باشد، که بسته به کیفیت گیرنده تغییر می کند. از سیستم محلیابی جهانی می توان در کارههایی چون نقشه برداری و مساحی، پروژه های عمرانی، کوهنوردی، کایت سواری، سفر در مناطق ناشناخته، کشتی رانی و قایقرانی، عملیات نجات هنگام وقوع سیل و زمینلرزه و هر فعالیت دیگر که نیازمند محلیابی باشد، بهره برد.
هر کس که بخواهد بداند کجاست و بکجا می رود به این سیستم نیازمند است، با توجه به نزول شدید بهای گیرنده های این سیستم، و افزایش امکانات آنها، این تکنولوژی در آینده نزدیک بیش از پیش در اختیار همگان قرار خواهد گرفت.
ساختار عامل های هوشمند
تا کنون رفتار عامل ها را بررسی کردیم. حال به آن می پردازیم که یک عامل چگونه کار می کند. به عبارت دیگر ساختار داخلی عامل چگونه است.
ساختار داخلی عامل به صورت زیر است :
عامل = برنامه + معماری
معماری
معماری ساختاری است که برنامه بر روی آن اجرا می شود. عموما ، معماری ادراک از طریق حس گرها را برای برنامه آماده ساخته ، برنامه را اجرا نموده و اعمال انتخابی برنامه را به عمل کننده های سیستم منتقل خواهد کرد.
پیش از طراحی عامل نیاز است دنباله ادراکی، عملیات ، معیار کارایی مورد نظر و نوع محیطی که عامل در آن فعالیت می کند را به خوبی بشناسیم.
مثال :
مثالی از عامل و مشخصات آن در یک مدرسه :
|
محیط |
اهداف |
عملیات |
ادراکات |
نوع عامل |
|
مجموعه دانش آموزان |
افزایش سطح اطلاعات و نمرات دانش آموزان |
تمرین های چاپ شده ، پیشنهادات ، اصلاحات |
کلمات تایپ شده صحبت ها |
آموزش زبان انگلیسی |
بعضی از عامل ها در محیطی کاملا مصنوعی و بعضی در محیطی واقعی فعالیت می کنند. مسئله مهم پیچیدگی ارتباط رفتار عامل و دنباله ي ادراکی تولید شده توسط محیط و اهداف مورد نظر است.
برخی محیط ها هم تمایز بین محیط واقعی و مصنوعی را محو می کنند.
مثال : در محیط ALIVE (Maes et
مشهور ترین محیط مصنوعی محیط تست تورینگ است که در پست های قبلی در مورد آن توضیحات لازم داده شد.
مطالب مرتبط:
در چند پست قبل گفتم که آن چه که در هر زمانی منطقی است به چهار چیز بسته است :
· معیار کارایی که درجه موفقیت را تعیین می کند.
· هر چیزی که تا کنون عامل ادراک نموده است. این تاریخچه ادراکی را دنباله ادراکی می نامیم.
· آن چه که عامل درباره محیط خود می داند.
· اعمالی که عامل می تواند صورت دهد.
این عوامل راهنمای تعریف یک عامل منطقی ایده آل هستند :
«برای هر دنباله ادراکی ممکن ، عامل منطقی ایده آل باید هر کاری را که انتظار می رود باعث حداکثر سازی معیار کارایی می شود، انجام دهد و این عمل بر پایه شواهدی که از طریق دنباله ادراکی آماده شده و هر آنچه که دانش درونی عامل است ، انجام می گردد.»
ابتدا به نظر می رسد که یک عامل منطقی ایده آل می تواند در بعضی موارد نیمه هوشمند ، زیاده روی کند.
مثال : عاملی برای رد شدن از یک خیابان شلوغ ، به خیابان نگاه نمی کند. آن گاه دنباله ي ادراکی او به او نمی گوید که کامیونی با سرعت زیاد در حال نزدیک شدن است . طبق تعریف ، همه چیز برای رد شدن از خیابان درست است.
ولی این تفسیر از دو نظر اشتباه است.
1- منطقی نیست که بدون نگاه کردن از خیابان رد شویم.
2- عامل منطقی واقعی باید نگاه کردن به خیابان برای رد شدن از آن را انتخاب کند. زیرا نگاه کردن به حداکثر سازی کارایی مورد انتظار کمک می کند.
خود مختاری (Autonomy)
مورد دیگری که در تعریف عامل منطقی ایده آل باید لحاظ شود ، بخش دانش درونی است. اگر اعمال عامل ها کاملا بر پایه دانش درونی باشد، چنان چه هیچ توجهی به ادراک خود نکنند ، می گوییم که عامل فاقد خود مختاری است.
مثال : اگر سازنده ي ساعتی پیش بینی کند که صاحب ساعت در چه تاریخی از کالیفرنیا به استرالیا سفر می کند و مکانیزمی در ساعت تعبیه کند که در آن تاریخ 6 ساعت جا به جا شود ، این رفتار به طور عمومی موفقیت عامیز است. اما هوشمندی متعلق به ساعت ساز است.
عاملی که بر مفروضات درونی خود عمل می کند تنها زمانی می تواند موفق باشد که مفروضات درونی او بر قرار باشند و این یعنی فقدان انعطاف پذیری.
مثال : اگر چنین عاملی را که آن را A می نامیم ، برای کار لوله گذاری تعیین کنند و A شامل سه قسمت حفاری ، لوله گذاری و خاکریزی باشد. هنگامی که قسمت لوله گذاری از کار بیافتد ، عامل A به کار خود ادامه می دهد. در نتیجه کاری انجام نمی شود.
عامل هوشمند واقعا خود مختار باید قادر به عمل موفقیت آمیز در دامنه وسیعی از محیط ها باشد و البته باید زمان کافی برای تطبیق نیز به آن داده شود.
مطالب مرتبط : عامل های هوشمند (1)
پردازش زبانهاي طبيعي (NLP)
پردازش زبانهاي طبيعي بعنوان زيرمجموعهاي از هوش مصنوعي،ميتواند توصيهها و بيانات را با استفاده از زباني كه شما به طور طبيعي درمكالمات روزمره بكار ميبريد، بفهمد و مورد پردازش قرار دهد. به طوركلي نحوه كار اين شاخه از هوش مصنوعي اين است كه زبانهاي طبيعيانسان را تقليد ميكند. در اين ميان، پيچيدگي انسان از بعد روانشناسي برروي ارتباط متعامل تاثير ميگذارد.
در پردازش زبانهاي طبيعي، انسان و كامپيوتر ارتباطي كاملا نزديكبا يكديگر دارند. كامپيوتراز لحاظ رواني در مغز انسان جاي داده مي شود. بدين ترتيب يك سيستم خلاق شكل مي گيرد كه انسان نقش سازمان دهنده اصلي آن را برعهاده دارد. اگر چه هنوز موانع روانشناختي و زبانشناختي بسياري بر سر راه سبستمهاي محاوره اي وجود دارد. اما چشم اندهزهاي پيشرفت آنها يقيناً نويدبخش است. در حقيقت، توقعات يكسان از محاوره انسان- ماشني و محاوره انسان- انسان، معقول نيست.
ربات
كلمه ربات بعد از به صحنه درآمدن يك نمايش در سال1920 ميلادي در فرانسه متداول و مشهور گرديد. در اين نمايش كه اثر«كارل كپك» بود، موجودات مصنوعي شبيه انسان، وابستگي شديدينسبت به اربابان خويش از خود نشان ميدادند. اين موجودات مصنوعيشبيه انسان در آن نمايش، ربات نام داشتند.
در حال حاضر رباتهايي را كه در شاخههاي مختلف صنايع مورداستفاده ميباشند، ميتوان به عنوان «ماشينهاي مدرن، خودكار، قابلهدايت و برنامهريزي»تعريف كرد. اين رباتها قادرند در محلهايمتفاوت خطوط توليد، به طور خودكار، وظايف گوناگون توليدي را تحتيك برنامه از پيش نوشته شده انجام دهند. گاهي ممكن است يكربات، جاي اپراتور در خط توليد بگيرد و زماني اين امكان هم وجوددار كه يك كار مشكل و يا خطرناك به عهده ربات واگذار شود.همانطور كه يك ربات ميتواند به صورت منفرد يا مستقل به كاربپردازد، اين احتمال نيز وجود دارد كه چند ربات به صورت جمعي و بهشكل رايانهاي در خط توليد به كار گرفته شوند.
رباتها عموماً داراي ابزار و آلاتي هستند كه به وسيله آنهاميتوانند شرايط محيط را دريابند.اين آلات و ابزار «حس كننده» نام دارند، رباتها ميتوانند در چارچوب برنامه اصلي خود، برنامههايجديد عملياتي توليد نمايند. اين رباتها داراي سيستمهاي كنترل وهدايت خودكار هستند.
رباتهاي صنايع علاوه بر اين كه داراي راندمان، سرعت، دقت وكيفيت بالاي عملياتي ميباشند، از ويژگيهاي زير نيز برخوردارند:
· بسياري از عمليات طاقت فرسا و غيرقابل انجام توسط متصديان راميتوانند انجام دهند.
· آنها، برخلاف عامل انساني يعني متصدي خط توليد، قادر هستند سهشيفت به كار بپردازند و در اين خصوص نه منع قانوني وجود دارد و نهمحدوديتهاي فيزيولوژيكي نيروي كار.
· هزينههاي مربوط به جلوگيري از آلودگي صوتي، تعديل هوا و فراهمآوردن روشنايي لازم براي خط توليد، ديگر بر واحد توليد تحميلنخواهد شد.
· براي اضافه كاري اين رباتها، هزينه اضافي پرداخت نميشود.حق بيمه، حق مسكن و هزينه اياب و ذهاب پرداخت نميشود. احتياج بهافزايش حقوق ندارند و هزينهاين نيز از بابت بهداشت و درمان بر واحدتوليدي تحميل نميكنند.
ويژگيهاي ذكر شده سبب ميشوند كه سهم هزينه كار مستقيم نيرويانساني در هزينه محصولات توليدي، واحدهاي توليدي كاهش پيداكند.
در سال 1950 آلن تورینگ (Alain Turing) ، ریاضی دان انگلیسی، معیار سنجش رفتار یک ماشین هوشمند را چنین بیان داشت:
"سزاوارترین معیار برای هوشمند شمردن یک ماشین، اینست که آن ماشین بتواند انسانی را توسط یک پایانه (تله تایپ) به گونه ای بفریبد که آن فرد متقاعد گردد با یک انسان روبروست."
در این آزمایش شخصی از طریق 2 عدد پایانه (کامپیوتر یا تله تایپ) که امکان برقراری ارتباط (Chat) را برای وی فراهم می کنند با یک انسان و یک ماشین هوشمند، بطور همزمان به پرسش و پاسخ می پردازد. در صورتی که وی نتواند ماشین را از انسان تشخیص دهد، آن ماشین، هوشمند است.
مدل سازی نحوه تفکر انسان، تنها راه تولید ماشینهای هوشمند نیست. هم اکنون دو هدف برای تولید ماشینهای هوشمند، متصور است، که تنها یکی از آن دو از الگوی انسانی جهت فکر کردن بهره می برد:
· سیستمی که مانند انسان فکر کند. این سیستم با مدل کردن مغز انسان و نحوه اندیشیدن انسان تولید خواهد شد و لذا از آزمون تورینگ سر بلند بیرون می آید. از این سیستم ممکن است اعمال انسانی سر بزند.
عامل (Agent)قادر به شناسایی الگوها، و تصمیم گیری بر اساس قوانین فکر کردن خود است. قوانین و چگونگی فکر کردن هر عامل در راستای دستیابی به هدفش، تعریف می شود. این سیستمها بر اساس قوانین خاص خود فکر کرده و کار خودرا به درستی انجام می دهند. پس عاقلانه رفتار می کنند، هر چند الزاما مانند انسان فکر نمی کنند.
اول از خود کلمه AI شروع می کنیم. AI مخفف Artificial Intelligence است یعنی «هوش مصنوعی».
· تعریف اول هوش مصنوعی
**«هوش مصنوعی دانش ساختن ماشین ها یا برنامه های هوشمند است!»
-John McCartyجان مک کارتی
این تعریف را که یکی از بنیانگذاران هوش مصنوعی کرده است ، در ذهن دو سوال دیگر اتجاد می کند.
1-هوشمندی چیست؟
2-برنامه های هوشمند چه نوع برنامه هایی هستند؟
· تعریف دیگر هوش مصنوعی:
**« هوش مصنوعی شاخه ایست از علم کامپیوتر که ملزومات محاسباتی اعمالی چون ادراک ((Perception استدلال (Reasoning) و یادگیری (Learning) را بررسی کرده و سیستمی جهت انجام چنین اعمالی را ارایه می دهد.»
· تعریف سوم هوش مصنوعی:
**« هوش مصنوعی مطالعه روش هایی است برای تبدیل کامپیوتر به ماشینی که بتواند اعمال انجام شده توسط انسان را انجام دهد.»
به این ترتیب می توان دید که دو تعریف آخر کاملا دو چیز را در تعریف نخست واضح کرده اند:
1- هوشمندی چیست؟
پاسخ: منظور از موجود یا ماشین هوشمند چیزی است شبیه انسان.
2--برنامه های هوشمند چه نوع برنامه هایی هستند؟
برنامه، ابزار یا ماشینی که قرار است محمل هوشمندی باشد یعنی به انسان شبیه باشد، کامپیوتر است.





عکس های تیم ما

