چگونه يك شبكه عصبي‌ هوشمند بسازيم؟ - مثالي از برنامه‌نويسي شيء‌گرا در شبكه‌هاي عصبي و هوش مصنوعي

 

   


قدرت و سرعت كامپيوترهاي امروزي به راستي شگفت انگيز است؛ زيرا كامپيوترهاي قدرتمند مي‌توانند ميليون‌ها عمليات را در كمتر از يك ثانيه انجام دهند. شايد آرزوي بسياري از ما انسان‌ها اين باشد كه اي كاش مي‌شد ما نيز مانند اين دستگاه‌ها كارهاي خود را با آن سرعت انجام مي‌داديم، ولي اين نكته را نبايد ناديده بگيريم كه كارهايي هستند كه ما مي‌توانيم آن‌ها را به آساني و در كمترين زمان ممكن انجام دهيم، ولي قوي‌ترين كامپيوترهاي امروزي نيز نمي‌توانند آن‌ها را انجام دهند و آن قدرت تفكري است كه مغز ما انسان‌ها دارد. حال تصور كنيد كه دستگاهي وجود داشته باشد كه علا‌وه بر قدرت محاسبه و انجام كارهاي فراوان در مدت زمان كوتاه، قدرت تفكر نيز داشته باشد يا به قول معروف هوشمند باشد!اين تصور در حقيقت هدف فناوري هوش مصنوعي يا Artificial Intelligence) AI) است. يكي از راه‌حل‌هاي تحقق اين هدف، شبكه‌هاي عصبي است. شبكه‌هاي عصبي در واقع از شبكه‌هاي عصبي و سيستم عصبي انسان الگوبرداري مي‌كنند. برخي از محققان براين باورند كه هوش مصنوعي و شبكه‌هاي عصبي دو راه‌حل متفاوت و در دو جهت مختلف هستند، ولي اين باور را نمي‌توان كاملاً صحيح دانست؛ چرا كه در حقيقت علم شبكه‌هاي عصبي و هوش‌مصنوعي وابسته به هم هستند. بدين‌معنا كه قبل از اين‌كه Symbolها بتوانند توسط هوش مصنوعي شناسايي شوند، بايد مراحلي طي شود. مثلاً تصور كنيد كه Symbolهايي مانند خانه، انسان يا ميز وجود دارند. قبل از اين كه AI بتواند هر كدام از اين Symbolها را شناسايي كند، بايد از توانايي‌ها و صفات هر كدام از اين‌ها اطلاع كامل حاصل كند. مثلاً تصور كنيد كه يك روبات كه هوش مصنوعي دارد، يك انسان را مي‌بيند، ولي از كجا مي‌فهمد كه اين جسم يك انسان است؟ مثلاً بر اساس مشخصاتي مثل داشتن دو پا، دست، صورت، دهان و قدرت تكلم. اما شما وقتي يك انسان ديگر را مي‌بينيد، نيازي نداريد كه اول تعداد پاهاي او را بشماريد و بعد بگوييد كه اين جسم، انسان است. مغز انسان‌ها مي‌تواند با ديدن يك جسم فقط براي يك بار ياد بگيرد و اگر مجدداً آن جسم را مشاهده كرد، مي‌تواند سريع تشخيص دهد و قسمت‌هاي مختلف مغز مي‌توانند به صورت همزمان فعاليت كنند و از اطلاعات درون مغز استفاده نمايند. شبكه‌هاي عصبي در بسياري از پروژه‌هاي هوش مصنوعي به كار گرفته مي‌شود. مثلاً براي برنامه‌هاي تشخيص و الگوبرداري، شناسايي تصوير و كاراكتر، روبات‌ها و برنامه‌هاي فيلترينگ اطلاعات. اين شبكه‌ها امروزه حتي در اتومبيل‌هاي بي‌سرنشين نيز كاربرد دارد. به طوري‌كه با ديدن و بررسي رانندگي انسان‌ها، مي‌توانند رانندگي كنند. در اين مقاله اصول شبكه‌هاي عصبي در برنامه‌نويسي شيء‌گرا مورد بررسي قرار مي‌گيرد. با استفاده از زبان #C و انجام دادن عمليات X-OR ساده مي‌توانيد اولين برنامه ساده هوش مصنوعي خود را بنويسيد. لازم به ذكر است كه مثالي كه در اين مقاله از آن استفاده شده، از مقاله Matthew Cochran (سي شارپ كورنر) اقتباس شده است.

ادامه نوشته

ماشيني كه فكر مي‌كرد

 


بنا به تعريف دايره`‌المعارف آنلاين ويكي‌پديا، در علم آينده‌پردازي، <يكتايي فناوري> به نقطه پيش‌بيني شده‌اي در توسعه تمدن گفته مي‌شود كه در آن پيشرفت فناوري با سرعتي فراتر از توانايي‌هاي امروز بشر به سوي درك كامل و پيش‌بيني مسائل به پيش مي‌رود. يكتايي (Singularity) به‌ويژه به ظهور هوشي توانمندتر از هوشِ بشر و پيش‌بيني فرايند فناوري مربوط اشاره دارد. كامپيوترهاي باهوش همه جا حضور دارند. از ماشين چمن‌زن خودكار گرفته تا نورپرداز هوشمند، ماشين ظرفشويي و حتي موتور ماشين‌هايي كه سيستم عيب‌ياب مركزي دارند، يك مغز سيليكوني در تمام وسايل مدرني كه فكرش را بكنيد، وجود دارد. اما آيا شما مي‌توانيد يك تعريف ملموس از هوش ماشيني را ارايه دهيد؟ در يك بعد از ظهر باراني تصميم گرفتم چنين تعريفي را پيدا كنم. به اين منظور كامپيوترم را روشن كردم و براي پيدا كردن اطلاعات بروز در اين‌باره، وارد سايت يك چت‌بات به نام اينتلي‌بادي شدم كه يكي از جايگاه‌هاي اصلي مرتبط با هوش مصنوعي در كره زمين به شمار مي‌رود.

ادامه نوشته

جستاري در تاريخچه، مباني و شاخه‌هاي علم هوش مصنوعي‌

  



بيش از نيم قرن پيش، هنگامي كه هنوز هيچ تراشه سيليكوني‌اي ساخته نشده بود، آلن تورينگ، يكي از بحث‌انگيزترين پرسش‌هاي فلسفي تاريخ را پرسيد. او گفت <آيا ماشين مي‌تواند فكر كند؟> و اندكي بعد كوشيد به پيروي از اين قاعده كه <هر ادعاي علمي بايد از بوته آزمايش سربلند بيرون بيايد>، پرسش فلسفي خود را با يك آزمايش ساده و در عين حال پيچيده جايگزين كند. او پرسيد: آيا يك ماشين - يك كامپيوتر - مي‌تواند آزمون <بازي تقليد> را با موفقيت پشت سر بگذارد؟ آيا ماشين مي‌تواند از انسان چنان تقليد كند كه در يك آزمون محاوره‌اي نتوانيم تفاوت انسان و ماشين را تشخيص دهيم؟ او در سال1950 بر اساس محاسباتي تخمين زد كه پنجاه سال بعد، كامپيوتري با يك ميليارد بيت حافظه خواهد توانست به موفقيت‌هايي در اين زمينه دست پيدا كند. اكنون كه در آستانه سال 2007 ميلادي هستيم، حتي هفت سال بيشتر از زماني كه او لازم دانسته بود، هنوز هيچ ماشيني نتوانسته‌است از بوته آزمون تورينگ با موفقيت خارج شود. اما همين پرسش كافي بود تا بشر در نيم قرن اخير به دستاوردهاي شگرفي در زمينه هوش مصنوعي برسد. دست كم يكي از پيش‌بيني‌هاي تورينگ درست از آب درآمد: در سال 2000 مفهوم <هوش مصنوعي> براي هيچ‌كس غيرقابل‌باور نبود. در اين مقاله نگاهي داريم به سير تحولاتي كه پس از اين پرسش تاريخي در دنياي علم و مهندسي به وقوع پيوستند.

ادامه نوشته

منطق فازي چيست؟

 

حتماً بارها شنيده‌ايد كه كامپيوتر از يك منطق صفر و يك تبعيت مي‌كند. در چارچوب اين منطق، چيزها يا درستند يا نادرست، وجود دارند يا ندارند. اما انيشتين مي‌گويد: <آن‌جايي كه قوانين رياضيات (كلاسيك) به واقعيات مربوط مي‌شوند، مطمئن نيستند و آنجا كه آن‌ها مطمئن هستند، نمي‌توانند به واقعيت اشاره داشته باشند.> هنگامي كه درباره درستي يا نادرستي پديده‌ها و اشيايي صحبت مي‌كنيم كه در دنياي واقعي با آن‌ها سروكار داريم، توصيف انيشتين تجسمي است از ناكارآمدي قوانين منطق كلاسيك در علم رياضيات. از اين رو مي‌بينيم انديشه نسبيت شكل مي‌گيرد و توسعه مي‌يابد. در اين مقاله مي‌خواهيم به اختصار با منطق فازي آشنا شويم. منطقي كه دنيا را نه به صورت حقايق صفر و يكي، بلكه به صورت طيفي خاكستري از واقعيت‌ها مي‌بيند و در هوش مصنوعي كاربرد فراواني يافته‌است.

ادامه نوشته

 

 

یکسال با هم بدور خورشید چرخیدیم.

امید است به یاری حق، شاهد همکاریها و تعاملات بیشتری باشیم.

 

 " صابری "

بهينه‌سازي فايل‌هاي PDF

 
يكي از پركاربردترين فرمت‌ها براي ارائه مطالب، مقالا‌ت، فايل‌هاي راهنما و ...،PDF است. فرض‌كنيد مي‌خواهيد مطلبي را كه خودتان تهيه كرده‌ايد با فرمت PDF در اختيار عموم قرار دهيد. اگر قصد داريد تنها كاربران كامپيوتر، مخاطبان شما باشند كار مشكلي پيش‌رو نداريد. اما تلا‌ش‌كنيد يك قدم فراتر نهيد و كاربران تجهيزات همراهي مانند Pocket PC ،Mobile Phone و ... را نيز جذب مطلب خود نماييد. در ادامه مواردي را براي رسيدن به اين هدف مرور خواهيم كرد و از ابزارهاي متداول بهره‌خواهيم‌برد؛ البته با كمي دقت بيشتر.

ادامه نوشته

اترنت ده گيگابايتي‌ روي كابل مسي - استاندارد10GBase-T كابل رده 6A را وارد بازار مي‌كند

 

 تا چندي پيش، بحث استفاده از اترنت گيگابيت در رايانه‌هاي خانگي داغ بود. اين فناوري پر سرعت، بازار را به سوي استفاده از كابل‌هاي رده 5e و 6 سوق داد. كارت‌هاي واسط شبكه سه سرعتي 1000.100.10 به مديران شبكه امكان داد سرمايه‌گذاري موجود خود را تنظيم كنند. با كاهش قيمت اين كارت‌ها، استفاده از اترنت گيگابيت به سرعت رو به افزايش گذاشت. در سرعت‌هاي گيگابيت و بالاتر، از ظرفيت كابل‌هاي رده 5e به طور كامل استفاده شد و زمان آن فرا رسيد كه رده جديدي از كابل‌ها معرفي شوند: كابل‌هاي رده 6. اين كابل‌ها مشخصاتي داشتند كه كاربران را از يك ارتباط قدرتمند و قابل اطمينان در سرعت گيگابيت مطمئن مي‌كرد. با حركت پرشتاب بازار به سمت اين فناوري پيشرفته‌تر، 10Gbit/sec روي كابل مسي، به چالشي اساسي براي توسعه‌دهندگان چنين شبكه‌ها و كابل‌هايي تبديل شد. امروزه استاندارد چنين كابل‌هايي در مشخصه IEEE 802.3an 10GBase-T آمده است.

ادامه نوشته

همه چيز درباره‌ ASP.NET 2.0

 

 

فناوري ASP.NET يك بستر برنامه‌نويسي است كه بر اساس سيستم CLR در چارچوب دات نت كار مي‌كند. اين فناوري امكاني را فراهم مي‌آورد تا در سايه آن برنامه‌نويس بتواند با استفاده از هريك از زبان‌هاي برنامه‌نويسي موجود در چارچوب دات نت، صفحات دايناميك و نرم‌افزارهاي تحت وب توليد كند. نسخه اول ASP.NET توانست با فراهم ساختن قابليت‌هاي پيشرفته زبان‌هاي برنامه‌نويسي شي‌گرا، همچون ويژوال بيسيك دات نت و سي شارپ، تحول بزرگي را نسبت به نسل قبلي (ASP) ايجاد كند. نسخه دوم ASP.NET همان مسير را با بهبود عملكرد موتور ASP.NET در زمينه مديريت و توسعه نرم‌افزار و نيز آسان‌تر كردن روند برنامه‌نويسي طي كرده است. در اين مقاله مهم‌ترين تغييرات و قابليت‌هاي جديد ASP.NET2.0 را بررسي خواهيم كرد. مخاطب اين مقاله برنامه‌نويساني هستند كه قبلاً با فناوريASP.NET آشنايي پيدا كرده‌اند و اكنون مايلند به تدريج به پلتفرم جديد مهاجرت كنند.

ادامه نوشته