درباره برنامه نویسی AI بیاموزید: آیا می توانید برنامه ها را دقیق تر از مردم بسازید؟

افشای: پشتیبانی شما به حفظ سایت کمک می کند! ما برای برخی از خدماتی که در این صفحه توصیه می کنیم هزینه ارجاع دریافت می کنیم.


هنگامی که اصطلاح هوش مصنوعی (AI) ذکر شده است ، بیشتر ما بلافاصله به ماشینهای خودآگاه که در کتابها یا فیلم های مورد علاقه ما به تصویر کشیده شده اند فکر می کنیم..

ما روبات هایی را تصور می کنیم که می توانند برای خود مانند R2-D2 فکر کنند ، ماشین هایی که با جرم مبارزه می کنند و مانند Astroboy از انسان دفاع می کنند. یا ما دنیایی را تصور می کنیم که این دستگاه های فکر در برابر ما قرار گرفته اند ، جایی که HAL 9000 به خدمه خود حمله می کند یا Skynet حمله ای را علیه همه بشریت انجام می دهد.

چه هوش مصنوعی را خوب و چه بد ببینیم ، بسیاری از ما هوش مصنوعی را پیشرفتی اجتناب ناپذیر در علم کامپیوتر می دانیم ، جایی که سیستم های رایانه ای در نهایت قادر به فکر کردن و حل مسئله هستند و یا بهتر از انسانها..

واقعیت هوش مصنوعی مدرن هم کمتر پر زرق و برق و جذاب تر است.

هوش مصنوعی به طرق فزاینده ای مورد استفاده قرار می گیرد ، از ارائه کمک آنلاین به تعبیر دست نویس گرفته تا ماشینهای رانندگی ، اما هیچکدام از اینها کاملاً با دیدگاه هالیوود مقایسه نمی شوند. به راحتی می توان از پیشرفت های فوق العاده ای که ما انجام داده ایم یا علم باورنکردنی در پشت این دستاوردها است.

در علم کامپیوتر ، برنامه نویسی هوش مصنوعی شامل طراحی سیستمهایی است که می توانند یک مسئله را “منطقی” کنند ، ارزیابی چندین نتیجه ممکن و انتخاب مسیری با بالاترین پتانسیل برای موفقیت.

هنگامی که یک برنامه هوش مصنوعی راه حل خود را انتخاب کرد ، باید بتواند نتایج حاصل از آن را ارزیابی کند ، و دفعه دیگر که مجبور به تصمیم گیری مشابه است ، به آن اطلاعات مراجعه کند. به این ترتیب ، یک سیستم هوش مصنوعی “می آموزد” و “حل مسئله” را در محدوده برنامه نویسی خود قرار می دهد.

بر خلاف برنامه نویسی سنتی ، که در درجه اول به ریاضیات و منطق متکی است ، برنامه نویسی هوش مصنوعی نیاز دارد تا دانشمندان رایانه رشته های مختلف دیگری مانند روانشناسی ، علوم اعصاب و زبانشناسی را در خود گنجانند تا بتواند سیستمهایی تولید کند که بتوانند روندها و رفتارهای تفکر مانند انسان را تکرار کنند..

تحقیقات هوش مصنوعی تمایل دارد تا روی زمینه های خاص هوش مانند استدلال ، برنامه ریزی ، ارتباطات ، خلاقیت و دستکاری شیء متمرکز شود. برای بسیاری ، این جایی است که هوش مصنوعی از انتظارات ما کاسته می شود.

برنامه های هوش مصنوعی به جای اینکه مانند انسان های کاملاً کارآمد عمل کنند ، تمرکز بسیار باریکی دارند ، مانند یادگیری بازی یک بازی خاص یا ارائه پاسخ های منطقی به سوالات تایپ شده یا پرسیده شده.

اما نباید از این دستاوردها غافل شد ، زیرا هر وظیفه کوچک پیشرفت ، هوش مصنوعی را یک قدم به هدف نهایی هوش عمومی نزدیک می کند.

تاریخ برنامه نویسی هوش مصنوعی

در حالی که داستان ها ایجاد شده اند و تئوری هایی در مورد امکان هوش مصنوعی برای قرن ها ارائه شده اند ، اما مطالعه رسمی کمی درباره هوش مصنوعی وجود نداشته است تا اینکه پروژه تحقیقات تابستانی Dartmouth در تابستان در مورد هوش مصنوعی ، هوش مصنوعی را به عنوان یک زمینه تحقیق مشروعیت تأسیس کرد..

برای پانزده سال آینده ، تحقیقات هوش مصنوعی چندین جهش اساسی را به جلو برد ، در این مدت رایانه ها به پیروزی در چك ها ، حل مسائل ریاضی پیشرفته و حتی صحبت كردن آموزش داده شدند..

هنگامی که بودجه دولت در اواسط دهه 1970 خشک شد ، تحقیقات AI برای چندین سال کاهش یافت. اما در دهه 1980 ، علاقه ما به هوش مصنوعی احیا شد ، که عمدتا بر اساس موفقیت سیستم های خبره ، رایانه های اصلی ساخته شده برای کارهای تصمیم گیری بود..

این دستگاه های خبره به منظور استفاده از دانش قبلی از موجود برای استنباط واقعیت جدید ، از پایگاه دانش قواعد و حقایق شناخته شده به همراه موتور استنتاج استفاده كرده اند..

در همان زمان ، ظهور کامپیوتر عرصه ای کاملاً جدید را برای تحقیقات AI ایجاد کرد.

مدل سرویس دهنده سرویس دهنده این امکان را برای برنامه نویسان فراهم می کند که از فریم ورک های گسترده استفاده کنند – صرفه جویی قابل توجهی از نظر زمان و بودجه.

و با اتصال بیشتر رایانه ها در طول دهه 1980 و 1990 ، محققان هوش مصنوعی توانستند از قدرت محیط های رایانه ای مشترک استفاده کنند.

در تمام این مدت ، زمینه هوش مصنوعی در حال گسترش و بدست آوردن شهرت بود. یکی از قابل تشخیص ترین تحولات در سال 1997 رخ داد ، هنگامی که Deep Blue IBM قهرمان شطرنج جهان ، گری کاسپاروف را شکست داد.

این رویداد نقطه عطف قابل توجهی برای هوش مصنوعی محسوب می شود ، زیرا نشان داد كه رایانه نه تنها می تواند یك بازی را بیاموزد بلكه می تواند به سطح تسلطی كه قبلاً فقط برای انسانها در دسترس بود ، برسد..

امروز ، زمینه هوش مصنوعی بسیاری از برنامه های واقعی را از کمک های شخصی رایانه ای در تلفن های هوشمند ما گرفته تا اتومبیل های رانندگی مشاهده کرده است و تقاضا برای اتوماسیون بیشتر در حال افزایش است.

در حالی که هوش عمومی هنوز هم ممکن است برای فیلمهای علمی تخیلی محفوظ باشد ، رایانه ها قادرند هر روز فرایندهای تصمیم گیری پیچیده تری را حل کنند..

برنامه نویسی AI را از کجا یاد بگیریم

این که آیا شما یک برنامه نویس باتجربه هستید که می خواهید در AI کار کنید یا تازه کار را شروع کرده اید ، این سایت ها می توانند به شما کمک کنند مفاهیم هوش مصنوعی را در برنامه های خود گنجانید.

  • مقدمه ای برای برنامه نویسی AI برای بازی ها: این معرفی آسان برای برنامه نویسی AI به شما می آموزد که عناصر AI را به یک بازی هیولا ساده اضافه کنید. از طریق کد نمونه و توضیحات مفصل برای تمام منطق اضافه شده ، می توانید به سرعت انواع مفاهیم اساسی را در برنامه نویسی هوش مصنوعی بیاموزید.
  • Lisp Tutorials: این سایت حاوی مجموعه ای از آموزش ها برای یادگیری Lisp ، یکی از محبوب ترین زبان ها برای برنامه نویسی هوش مصنوعی ، به ویژه در دهه های ابتدایی تحقیقات هوش مصنوعی است..
  • برنامه نویسی هوش مصنوعی در Prolog: رئوس مطالب و نکات سخنرانی برای این دوره از سطح کارشناسی ارشد ، مقدمه ای برای Prolog ، یکی از زبان های اصلی در تحقیقات هوش مصنوعی ، و همچنین مفاهیم پیشرفته برنامه نویسی Prolog و پیاده سازی هوش مصنوعی را ارائه می دهد..
  • الگوریتم های C #: بخش هوش مصنوعی این سایت منابع زیادی را برای توسعه دهندگان C # که به دنبال پیاده سازی مفاهیم هوش مصنوعی در کار خود هستند ، از جمله کد نمونه ، آموزش و نظریه های مدرن در مورد توسعه هوش مصنوعی فراهم می کند..

انجمن های آنلاین

تعداد زیادی از علاقه مندان به هوش مصنوعی در وب وجود دارد. اگر علاقمند به کسب اطلاعات بیشتر در مورد هوش مصنوعی یا نظریه های بسیاری در مورد تحولات مدرن هستید ، این سایت های انجمن AI را بررسی کنید.

  • انجمن های هوش مصنوعی: این مجموعه از انجمن های مرتبط با هوش مصنوعی موضوعاتی از جمله پیامدهای فلسفی هوش مصنوعی ، تحقیقات فعلی ، چت بابات ها ، HAL و دیدگاه های جدید در مورد زبان و اندیشه را در بر می گیرد..
  • انجمن هوش مصنوعی: به میزبانی دانشگاه تگزاس ، این انجمن آنلاین دو هفته ای برگزار می شود تا درمورد موضوعات فعلی در زمینه هوش مصنوعی بحث کند. در طول هر جلسه ، یک سخنران برجسته میهمان سخنرانی در مورد منطقه برجسته هوش مصنوعی را ارائه می دهد. نسخه های مذاکرات گذشته در بخش بایگانی آنها موجود است.
  • Game-AI Forum: این انجمن به طور خاص روی پیاده سازی های AI برای توسعه بازی متمرکز شده است.

کتابها

کتابهای مربوط به هوش مصنوعی از راهنماهای برنامه نویسی قانونی تا پروازهای شدید داستانهای علمی برخوردار هستند. به خاطر این راهنما ، ما فهرست متن خود را محدود می کنیم تا شیوه های برنامه نویسی فعلی و نظریه های تثبیت شده را پوشش دهد.

  • هوش مصنوعی: یک رویکرد مدرن (2009) توسط راسل و نورویگ: این متن مروری گسترده درباره تئوری های مدرن و اجرای هوش مصنوعی ارائه می دهد. این بخش به مفاهیمی مانند تئوری هوش ، استدلال منطقی و بازی بازی می پردازد تا نشان دهد چگونه می توان آنها را برای برنامه نویسی ، روباتیک و حتی انسانها به کار برد. در حالی که این کتاب در درجه اول برای دانشمندان رایانه نوشته شده است ، این کتاب همچنین ممکن است به زبان شناس یا هر کسی علاقه مند به روند فعلی هوش مصنوعی باشد.
  • آموزش ماشین برای Dummies (2016) توسط مولر و ماسارون: اثبات اینكه AI به جریان اصلی ضربه خورده است ، حتی دامادها نیز درگیر می شوند! این راهنمای ورود به سطح هوش مصنوعی ، مروری اساسی در مورد چگونگی و چرایی استفاده از هوش مصنوعی امروز ، ارائه مفاهیم اساسی در هوش مصنوعی ، و ارائه یک مرور کلی درباره زبانها و ابزارهای برنامه نویسی که برای اجرای هوش مصنوعی مورد استفاده قرار می گیرد ، با تأکید ویژه بر پایتون و ر.
  • ملزومات یادگیری عمیق جاوا (2016) توسط Yusuke Sugomori: این متن پیشرفته برای توسعه دهندگان با تجربه یا دانشمند جاوا در نظر گرفته شده است که به دنبال پیاده سازی مفاهیم هوش مصنوعی در برنامه نویسی جاوا هستند. این کتاب خوانندگان را از طریق یک مرور کلی از الگوریتم های یادگیری ماشین مرور می کند و سپس آنها را به صورت مرحله به مرحله از طریق یک سری تمرینات که شامل بسیاری از مفاهیم فعلی و هوش مصنوعی Deep Learning است ، همه با تأکید بر برنامه نویسی جاوا انجام می دهد..
  • پارادایمهای برنامه نویسی هوش مصنوعی: مطالعات موردی در رایج عمومی (1991) توسط پیتر نورویگ: این متن برنامه نویسی پیشرفته چندین برنامه پیچیده هوش مصنوعی را در بر می گیرد و خوانندگان را از طریق روند بازنویسی آنها با استفاده از Common Lisp راهنمایی می کند. این کتاب بیشتر بر برنامه های دنیای واقعی و نه تئوری ، با تأکید ویژه بر توسعه برنامه های بزرگ و پیچیده تمرکز دارد. فراتر از اجرای AI ، یک راهنمای عالی برای بهبود کارآیی و عیب یابی برنامه های پیچیده Lisp است.
  • برنامه نویسی Prolog برای هوش مصنوعی(2000) توسط ایوان براتکو: این متن هم مقدمه ای برای Prolog است و هم راهنمای مفاهیم مشترک AI. نویسنده پس از ارائه مقاله در زبان Prolog ، از چندین تمرین مبتنی بر Prolog و مثالهایی برای نشان دادن چگونگی ادغام هوش مصنوعی در برنامه نویسی مدرن استفاده می کند..
  • Unity AI Programming Game (2015) توسط Ray Barrera و همکاران: این راهنمای برنامه نویسی پیشرفته برای برنامه نویسان با درک اساسی C # و تجربه با استفاده از ویرایشگر Unity در نظر گرفته شده است. این برنامه مفاهیم اساسی را در برنامه نویسی هوش مصنوعی ارائه می دهد و چگونگی استفاده از آنها می تواند در توسعه بازی برای ایجاد یک سیستم حسی ، توسعه سیستم های جستجوی مسیر ، ایجاد شلوغی مصنوعی ، ساختن رفتارهای شخصیتی و اجرای مفاهیم منطق فازی برای واقعی تر شدن جهان و شخصیت ها ایجاد شود..

نتیجه

یک برنامه نویسان مدرن هوش مصنوعی ممکن است به اندازه داشتن روبات سبک خانه جتسون خیلی جالب نباشد. اما اتخاذ سریع فناوری های تلفن همراه و ظهور اینترنت اشیا ، هوش مصنوعی را مجبور به بازگشت به مرکز توجه کرده است.

حال ما به دنبال توسعه دهندگان کد هستیم تا دستیاران شخصی قدرتمند تری ، اتومبیل های خودران رانندگی ، نرم افزار تطبیقی ​​تشخیص صدا ، ابزار ترجمه ، سیستم های کمک خودکار و البته بازی های ویدیویی واقع بینانه تر ایجاد کنیم..

آینده نهایی هوش مصنوعی ممکن است نامشخص باشد ، اما واضح است که از این نقطه به بعد هوش مصنوعی نقش مهمی در توسعه کامپیوتر و ماشین بازی خواهد کرد.

مطالعه بیشتر و منابع

ما راهنماهای ، آموزش ها و اینفوگرافیک های بیشتری در رابطه با کد نویسی و توسعه AI داریم:

  • منابع Prolog: این زبان مخصوصاً برای پردازش زبان ساخته شده است.
  • Lisp: یکی از اولین زبانهای سطح بالا ، در برنامه نویسی هوش مصنوعی بسیار مهم بوده است. مقالات ما را در مورد انواع Lisp بررسی کنید: AutoLISP ، Clojure ، Common Lisp ، Emacs Lisp و Scheme.
  • نحوه جلوگیری از عاشق شدن با یک Chatbot: با وجود عنوان زیرکانه ، این اینفوگرافیک تاریخچه بزرگی در مورد صحبت کردن در رایانه ها را فراهم می کند.

ابر رایانه ها آینده بشر را شکل می دهند

آیا می خواهید بدانید که AI واقعاً در حال خاموش شدن است؟ ابر رایانه ها در حال شکل دادن به آینده بشریت هستند

ابر رایانه ها آینده بشر را شکل می دهند
ابر رایانه ها آینده بشر را شکل می دهند

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me
    Like this post? Please share to your friends:
    Adblock
    detector
    map