‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬

‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬

 ‫‪ ‬مقدمهای بر هوش مصنوعی ‪:‬‬

‫‪ ‬سیستم های کامپیوتری امروزی‪ ،‬عالوه بر‬

‫محاسبات عددی با استدالل بر مبنای دانش‬
‫نیز درگیرند‪ .‬امروزه فناوری هوش مصنوعی‬
‫(‪ )Aritificial Intelligence‬کامپیوتر‬
‫را از وسیله ای مفید به عاملی ضروری و‬
‫حیاتی تبدیل کرده است‪.‬‬

‫‪ ‬هدف ‪ AI‬این است تا کامپیوتر بتواند اموری‬

‫را انجام دهد که انسان تمایل دارد در آن ها‬
‫خبره باشد‪.‬‬

‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬

 ‫جان‬
‫مک کارتی‬

‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬

‫“ ‪ AI‬فاصله میان دانشمندان علوم رفتاری و دانشمندان علوم کامپیوتر را پر می کند‪” .‬‬

‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬

 ‫‪ ‬تعریف یادگیری ‪:‬‬

‫‪ ‬بدست آوردن دانش و یا فهم آن از طریق‬

‫مطالعه‪ ،‬آموزش و یا تجربه‬

‫‪ ‬بهبود عملکرد از طریق تجربه‬

‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬

 ‫‪ ‬یادگیری ماشینی چیست ؟‬

‫‪ ‬تنظیم و اکتشاف الگوریتم هایی که‬

‫بر اساس آن ماشین توانایی یادگیری‬
‫پیدا می کند‪.‬‬

‫‪ ‬برنامهای که از طریق تجربه یاد بگیرد‬

‫و عملکرد خود را بهبود بخشد‪.‬‬

‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬

 ‫‪ ‬یادگیری انسان و ماشین ‪:‬‬

‫یادگیری انسان چگونه است؟‬ ‫‪‬‬

‫‪ -‬تعامل با محیط بیرونی‬

‫‪ -‬وجود یک عامل‬

‫یادگیری ماشین چگونه است؟‬ ‫‪‬‬

‫‪ -‬نوشتن برنامه‬
‫‪ -‬نمایش مثالهای متعدد‬
‫‪ -‬تجربهی محیط واقعی‬
‫‪ -‬مشاهده‬

‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬

 ‫‪ ‬چرا یادگیری ؟!‬

‫چرا ماشین را برنامهنویسی نکنیم ؟‬ ‫‪‬‬

‫‪ -‬توصیف ناپذیر بودن مسائل‬

‫‪ -‬تغییر محیط در طول زمان‬

‫‪ -‬عدم توانایی داده کاوی‬

‫‪ -‬سختی برنامه نویسی برای تمامی مسائل‬

‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬

 ‫‪ ‬اهداف‪ ،‬انگیزه ها و برخی از کاربردهای یادگیری ماشین ‪:‬‬

‫‪ ‬هدف ‪ :‬بهبود بازدهی ماشین در انجام وظایف به تدریج و با افزایش داده ها‬

‫پردازش متن‬
‫(‪)Text Processing‬‬

‫کنترل ربات‬
‫(‪)Robot Control‬‬

‫پردازش گفتار‬
‫(‪)Speech Processing‬‬

‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬

‫‪ ‬اهداف‪ ،‬انگیزه ها و برخی از کاربردهای یادگیری ماشین ‪:‬‬

‫داده کاوی‬ ‫بازی های کامپیوتری‬

‫(‪)Data Mining‬‬ ‫(‪)Computer Games‬‬

‫بیوانفورماتیک‬ ‫پردازش دادههای اینترنتی‬

‫(‪)Bioinformatics‬‬ ‫(‪)IDP‬‬

‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬

‫‪ ‬روش های ایجاد هوش در یادگیری ماشینی ‪:‬‬

‫برنامهریزی سیستم های خبره (‪)Expert Systems‬‬ ‫‪‬‬

‫شبکه های عصبی (‪)Neural Networks‬‬ ‫‪‬‬

‫الگوریتم های تکاملی (‪)Evolutionary Algorithms‬‬ ‫‪‬‬

‫سیستم های استدالل فازی (‪)Fuzzy reasoning‬‬ ‫‪‬‬

‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬

 ‫‪ ‬سیستم های خبره (‪: )Expert Systems‬‬

‫‪ ‬در این سیستم های با استفاده از قوانین اولیه موجود و تجربه افراد متخصص‪ ،‬دستورالعمل هایی‬
‫نوشته و به شکل برنامه هایی تولید می شود که ماشین خبره در شرایطی که در محدوده دستورات‬
‫باشد‪ ،‬به آن ها عمل می کند‪.‬‬

‫سیستم ‪ Autopilot‬هواپیما‬ ‫‪‬‬

‫نرم افزار ‪MYCIN‬‬ ‫‪‬‬

‫ربات های سنگ شناس‬ ‫‪‬‬

‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬

 ‫‪ ‬شبکه های عصبی (‪: )Neural Networks‬‬

‫‪ ‬استخراج الگوها و شناسایی روشهایی که آگاهی از آنها برای انسان و دیگر تکنیکهای کامپیوتری‬
‫بسیار پیچیده و دشوار است‪.‬‬

‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬

‫‪ ‬تقسیم بندی مسایل در یادگیری ‪:‬‬

‫یادگیری با نظارت‬
‫(‪)Supervised Learning‬‬

‫یادگیری نیمه نظارتی‬

‫(‪)Semi-Supervised Learning‬‬

‫یادگیری بدون نظارت‬

‫(‪)Unsupervised Learning‬‬

‫یادگیری تقویتی‬
‫(‪)Reinforcement Learning‬‬

‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬

‫‪ ‬یادگیری با نظارت (‪: )Supervised Learning‬‬

‫‪ ‬مجموعه جفتهای ورودی خروجی‬

‫به ماشین داده می شود‪.‬‬

‫‪ ‬ماشین تابعی از ورودی به خروجی‬

‫را پیدا می کند‪.‬‬

‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬

 ‫‪ ‬یادگیری با نظارت (‪: )Supervised Learning‬‬

‫الگوریتم‬ ‫تابع‬
‫ورودی ‪ /‬خروجی‬ ‫یادگیری‬ ‫ورودی به خروجی‬
‫ماشین‬

‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬

‫‪ ‬یادگیری نیمه نظارتی (‪: )Semi-Supervised Learning‬‬

‫‪ ‬همواره داده را از محیط بیرون دریافت می کند‪.‬‬

‫‪ ‬می تواند به خودی خود یاد بگیرد‪.‬‬

‫‪ ‬می تواند از طریق آموزش مستقیم بیاموزد‪.‬‬

‫‪ ‬به کمک تجربه از آموزش بهتر بهره می گیرد‪.‬‬

‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬

 ‫‪ ‬یادگیری نیمه نظارتی (‪: )Semi-Supervised Learning‬‬

‫دریافت داده ها‬

‫الگوریتم‬ ‫تابع ورودی به خروجی‬

‫ورودی ‪ /‬خروجی‬ ‫یادگیری‬
‫قوانین دسته بندی‬
‫ماشین‬

‫کالس پیش بینی شده‬

‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬

‫‪ ‬یادگیری بدون نظارت (‪: )Unsupervised Learning‬‬

‫‪ ‬ورودی خروجی ها به صورت جفت به ماشین‬

‫ارائه نشده اند‪.‬‬

‫‪ ‬هدف دسته بندی ورودی خروجی هاست‪.‬‬

‫‪ ‬ورودی های بدون برچسب باید شناخته شوند‪.‬‬

‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬

 ‫‪ ‬یادگیری بدون نظارت (‪: )Unsupervised Learning‬‬

‫الگوریتم‬
‫دریافت داده ها‬ ‫یادگیری‬ ‫قوانین دسته بندی‬
‫ماشین‬

‫کالس پیش بینی شده‬

‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬

‫‪ ‬یادگیری تقویتی (‪: )Reinforcement Learning‬‬

‫‪ ‬نحوه انجام وظیفه به عامل ارائه نمی شود‪.‬‬

‫‪ ‬ماشین خودش کاوش کرده و به نتیجه می رسد‪.‬‬

‫‪ ‬تقابالت در یک محیط پویا انجام می شود‪.‬‬

‫‪ ‬ماشین به کمک تکنیک آزمایش و خطا بهینه‬

‫می شود‪.‬‬

‫‪ ‬پس از هر واکنش حالت بعدی بالفصل به عامل‬

‫ارائه می شود‪.‬‬

‫‪ ‬عملکرد عامل به کمک تکنیک تنبیه و تشویق‬

‫بهینه می شود‪.‬‬

‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬

 ‫‪ ‬تکنیک هایی در یادگیری ‪:‬‬

‫درخت های تصمیم‬ ‫‪ ‬تکنیک استتنتاجی )‪(Inductive‬‬

‫شبکه های عصبی مصنوعی‬ ‫‪ ‬تکنیک پیوندگرا (‪)Connectionist‬‬

‫ارائه فرضیه های متعدد‬ ‫‪ ‬تکنیک بیزی (‪)Bayesian‬‬

‫استفاده از تجربه‬ ‫‪ ‬تکنیک تقویتی (‪)Reinforcement‬‬

‫الگوریتم ژنتیک‬ ‫‪ ‬تکنیک تکاملی (‪)Evolutionary‬‬

‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬

 ‫‪ ‬برخی کاربردهای موفق یادگیری ماشین ‪:‬‬

‫شناسایی چهره و حاالت آن‬

‫شناسایی حروف دست نویس‬ ‫شناسایی الگو‬

‫شناسایی گفتار‬

‫قیمت سهام‬
‫پیش بینی‬
‫پیش بینی قیمت ارز‬

‫تشخیص خرابی سیگناهای سنسور ها‬ ‫شناسایی رفتار های‬

‫تشخیص سو استفاده از کارت های اعتباری‬ ‫نادرست‬

‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬

‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬
‫درس هوش مصنوعی ‪ /‬محمدرضا فدوی امیری‬