هوش و هوش مصنوعی (قسمت دوم)

● فلسفۀ هوش مصنوعی

بطور کلی ماهیت وجودی هوش به مفهوم جمع آوری اطلاعات, استقرا و تحلیل تجربیات به منظور رسیدن به دانش و یا ارایه تصمیم میباشد . در واقع هوش به مفهوم به کارگیری تجربه به منظور حل مسایل دریافت شده تلقی میشود. هوش مصنویی علم و مهندسی ایجاد ماشینهایی با هوش با به کارگیری از کامپیوتر و الگوگیری از درک هوش انسانی و نهایتا دستیابی به مکانیزم هوش مصنوعی در سطح هوش انسانی میباشد.

در مقایسه هوش مصنوعی با هوش انسانی می توان گفت که انسان قادر به مشاهده و تجزیه و تحلیل مسایل در جهت قضاوت و اخذ تصمیم میباشد در حالی که هوش مصنوعی مبتنی بر قوانین و رویه هایی از قبل تعبیه شده بر روی کامپیوتر میباشد. در نتیجه علی رغم وجود کامپیوترهای بسیار کارا و قوی در عصر حاضر ما هنوز قادر به پیاده کردن هوشی نزدیک به هوش انسان در ایجاد هوشهای مصنوعی نبوده ایم.

بطور کلّی، هوش مصنوعی را می توان از زوایای متفاوتی مورد بررسی و مطالعه قرار داد. مابین هوش مصنوعی به عنوان یک هدف، هوش مصنوعی به عنوان یک رشته تحصیلی دانشگاهی، و یا هوش مصنوعی به عنوان مجموعۀ فنون و راه کارهایی که توسط مراکز علمی مختلف و صنایع گوناگون تنظیم و توسعه یافته است باید تفاوت قائل بود.

● مدیریت پیچیدگی

ایجاد و ابداع فنون و تکنیک‌های لازم برای مدیریّت پیچیدگی را باید به عنوان هستۀ بنیادین تلاش‌های علمی و پژوهشی گذشته، حال، و آینده، در تمامی زمینه‌های علوم رایانه، و به ویژه، در هوش مصنوعی معرّفی کرد. شیوه‌ها و تکنیک‌های هوش مصنوعی، در واقع، برای حلّ آن دسته از مسائل به وجود آمده است که به طور سهل و آسان توسط برنامه‌نویسی تابعی (Functional programming)، یا شیوه‌های ریاضی قابل حلّ نبوده‌اند.

در بسیاری از موارد، با پوشانیدن و پنهان ساختن جزئیّات فاقد اهمّیّت است که بر پیچیدگی فائق می‌آییم، و می‌توانیم بر روی بخش‌هایی از مسئله متمرکز شویم که مهم‌تر است. تلاش اصلی، در واقع، ایجاد و دستیابی به لایه‌ها و ترازهای بالاتر و بالاتر تجرید را نشانه می‌رود، تا آنجا که، سر‌انجام برنامه‌های کامپوتری درست در همان سطحی کار خواهند کرد که خود انسان‌ها به کار مشغولند.

به یاری پژوهش‌های گسترده دانشمندان علوم مرتبط، هوش مصنوعی از آغاز پیدایش تاکنون راه بسیاری پیموده‌است. در این راستا، تحقیقاتی که بر روی توانایی آموختن زبانها انجام گرفت و همچنین درک عمیق از احساسات، دانشمندان را در پیشبرد این علم، یاری کرده‌است. یکی از اهداف متخصصین، تولید ماشینهایی است که دارای احساسات بوده و دست کم نسبت به وجود خود و احساسات خود آگاه باشند. این ماشین باید توانایی تعمیم تجربیات قدیمی خود در شرایط مشابه جدید را داشته و به این ترتیب اقدام به گسترش دامنه دانش و تجربیاتش کند.

برای نمونه به رباتی هوشمند بیاندیشید که بتواند اعضای بدن خود را به حرکت درآورد، او نسبت به این حرکت خود آگاه بوده و با سعی و خطا، دامنه حرکت خود را گسترش می‌دهد، و با هر حرکت موفقیت آمیز یا اشتباه، دامنه تجربیات خود را وسعت بخشیده و سر انجام راه رفته و یا حتی می‌دود و یا به روشی برای جابجا شدن، دست می‌یابد، که سازندگانش، برای او، متصور نبوده‌اند.

هر چند مثال ما در تولید ماشینهای هوشمند، کمی آرمانی است، ولی به هیچ عنوان دور از دسترس نیست. دانشمندان، عموماً برای تولید چنین ماشینهایی، از تنها مدلی که در طبیعت وجود دارد، یعنی توانایی یادگیری در موجودات زنده بخصوص انسان، بهره می‌برند.

آنها بدنبال ساخت ماشینی مقلد هستند، که بتواند با شبیه‌سازی رفتارهای میلیونها یاخته مغز انسان، همچون یک موجود متفکر به اندیشیدن بپردازد.

هوش مصنوعی که همواره هدف نهایی دانش رایانه بوده‌است، اکنون در خدمت توسعه علوم رایانه نیز است. زبانهای برنامه نویسی پیشرفته، که توسعه ابزارهای هوشمند را ممکن می‌سازند، پایگاههای داده‌ای پیشرفته، موتورهای جستجو، و بسیاری نرم‌افزارها و ماشینها از نتایج پژوهش‌های هوش مصنوعی بهره می‌برند.

سیستمی که عاقلانه فکر کند. سامانه‌ای عاقل است که بتواند کارها را درست انجام دهد. در تولید این سیستم‌ها نحوه اندیشیدن انسان مد نظر نیست. این سیستم‌ها متکی به قوانین و منطقی هستند که پایه تفکر آنها را تشکیل داده و آنها را قادر به استنتاج و تصمیم گیری می‌نماید. آنها با وجودی که مانند انسان نمی‌اندیشند، تصمیماتی عاقلانه گرفته و اشتباه نمی‌کنند. این ماشینها لزوما درکی از احساسات ندارند. هم اکنون از این سیستم‌ها در تولید عامل‌ها در نرم افزارهای رایانه‌ای، بهره گیری می‌شود. عامل تنها مشاهده کرده و سپس عمل می‌کند.

● سیستم‌های خبره

سیستم‌های خبره زمینه‌ای پرکاربرد در هوش مصنوعی و مهندسی دانش ا‌ست که با توجّه به نیاز روز افزون جوامع بر اتخاذ راه ‌حل‌ها و تصمیمات سریع در مواردی که دانش‌های پیچیده و چندگانهٔ انسانی مورد نیاز است، بر اهمیت نقش آنها افزوده هم می‌شود. سیستم‌های خبره به حل مسائلی می‌پردازند که به طور معمول نیازمند تخصّص‌های کاردانان و متخصّصان انسانی‌ست. به منظور توانایی بر حل مسائل در چنین سطحی (ترازی)، دسترسی هرچه بیشتر اینگونه سامانه‌ها به دانش موجود در آن زمینه خاص ضروری می‌گردد.

● عامل‌های هوشمند

عامل‌ها (Agents) قادر به شناسایی الگوها، و تصمیم گیری بر اساس قوانین فکر کردن خود می باشند. قوانین و چگونگی فکر کردن هر عامل در راستای دستیابی به هدفش، تعریف می‌شود. این سیستم‌ها بر اساس قوانین خاص خود فکر کرده و کار خودرا به درستی انجام می‌دهند. پس عاقلانه رفتار می‌کنند، هر چند الزاما مانند انسان فکر نمی‌کنند.

آینده هوش مصنوعی

هوش مصنوعی علمی است بسیار جوان و روبه رشد. شروع هوش مصنوعی به سال ۱۹۵۰ بازمی گردد یعنی زمانی كه آلن تورینگ مقاله خود را درباره ساخت ماشین هوشمند به رشته تحریر درآورد.

رؤیای طراحان اولیه رایانه از بابیج تا تورینگ، ساخت ماشینی بود كه توانایی حل همه مسائل را داشته باشد. ماشینی كه در نهایت ساخته شد و به نام رایانه در دسترس همگان قرار گرفت تنها توانایی حل دسته ای از مسائل خاص و محدود را داشت، اما نكته اینجاست كه همه مسائل از نظر طراحان اولیه رایانه چه می توانست باشد؟

به طبع چون طراحان اولیه رایانه همگی منطق دان و ریاضیدان بودند، منظورشان همه مسائل منطقی و محاسباتی بود از این رو عجیب به نظر نمی رسد كه فون نیومان سازنده نخستین رایانه، در حال ساخت این ماشین اعتقاد داشت كه برای داشتن ماشینی هوشمند شبیه به انسان راه حل نهایی استفاده از منطق نیست بلكه كلید نهایی حل این مشكل رازی نهفته در دانش ترمودینامیك است.

● تاریخ هوش مصنوعی

هوش مصنوعی علمی است بسیار جوان و روبه رشد. شروع هوش مصنوعی به سال ۱۹۵۰ بازمی گردد یعنی زمانی كه آلن تورینگ مقاله خود را درباره ساخت ماشین هوشمند به رشته تحریر درآورد. در این مقاله تورینگ روشی را برای تشخیص هوشمندی ماشین ها پیشنهاد داد.

روش پیشنهادی تورینگ بیشتر شبیه به یك بازی بود بدین نحو كه یك انسان و یك ماشین روبروی هم و پشت پرده ای قرار می گرفتند.

ماشین باید با طرح سؤالاتی از انسان او را وادار به پذیرش هوشمند بودن خود می كرد. روش پیشنهادی تورینگ به شرح زیر است: فرض كنید كه انسانی در یك سمت دیواری قرار دارد و توانایی برقرار كردن ارتباط به صورت تله تایپ با آن سوی دیگر دیوار را دارا باشد. مكالمه ای میان دو نفر انجام می شود اگر پس از پایان مكالمه به آن شخص گفته شود كه در طرف مقابلش نه یك انسان بلكه یك ماشین قرار داشته كه پاسخ او را می داده است و این امر بدون پی بردن شخص نسبت به هویت واقعی طرف مقابل انجام شود می توان آن ماشین را ماشینی هوشمند قلمداد كرد.

نقطه آغاز علم هوش مصنوعی را می توان به بعد از جنگ جهانی دوم نسبت داد، در آن زمان واینر با توجه به مسائل سایبرنتیك زمینه را برای پیشرفت هوش مصنوعی به وجود آورد و سپس در سال ۱۹۵۰ تورینگ آزمایش بالا را برای اثبات هوشمند بودن یك ماشین پیشنهاد داد و سپس در سال ۱۹۵۶ گروهی از علاقه مندان به هوش مصنوعی در كالج دارتموت گرد هم آمدند و تحقیقات وسیعی را برای هوش مصنوعی آغاز كردند.

دهه ۱۹۶۰ را می توان دهه توسعه و پیشرفت تحقیقات در زمینه هوش مصنوعی نامید. در این سال ها بود كه با تلاش های دانشمندان هوش مصنوعی، برنامه های بازی شطرنج و ربات های هوشمند پا به عرصه گذاشتند و پس از آن هر سال پله های پیشرفت و ترقی خود را پیمودند.

● جان مك كارتی

پروفسور جان مك كارتی در سال ۱۹۲۷ در شهر بوستون متولد شد. وی درجه كارشناسی ارشد خود را در رشته ریاضی در سال ۱۹۴۸ از انستیتو كالیفرنیا و مدرك دكترای خود را از دانشگاه پرینستون در سال ۱۹۵۱ دریافت كرد. او با ادامه تحصیل در رشته علوم كامپیوتر موفق به دریافت درجه استادی در این رشته، از دانشگاه استنفورد شد و از سال ۱۹۶۵ تا ۱۹۸۰ سرپرستی آزمایشگاه هوش مصنوعی دانشگاه استنفورد را برعهده داشت.

مك كارتی كه از جمله بنیان گذاران هوش مصنوعی به حساب می آید، در زمان مطالعات خود درباره این علم زبانی را برای توصیف و توسعه هوش مصنوعی با عنوان list processing یا همان LISP ابداع نمود. این زبان تا سال ۱۹۵۸ از سوی همكاران كارتی در دانشگاه MIT توسعه داده شده و در این سال به عنوان یك زبان كامل وارد دنیای برنامه نویسان شد.

مك كارتی و همكارانش معتقد بودند كه می توان كاری كرد كه ماشین نیز دارای هوش باشد و این هوش همانند هوش انسانی باشد و LISP زبانی است كه می تواند این هوش را به وجود بیاورد.

● LISP

زبان های lispو prolog زبان هایی هستند كه برای طراحی و برنامه نویسی هوش مصنوعی بر روی ماشین ها، بیش از دیگر زبان ها كاربرد دارند. Lispزبانی است كه بیش از دیگر زبان ها در آمریكا رواج دارد و prolog بیش تر به وسیله اروپایی ها و ژاپنی ها مورد استفاده قرار می گیرد. Lisp دارای انعطاف بیشتری نسبت به زبان prologاست و در مقابل طراحی prolog سطحی بالاتر نسبت به Lisp دارد.

● هدف هوش مصنوعی

همه افرادی كه نخستین گام ها را در راه معرفی و شناخت هوش مصنوعی برداشتند به دنبال یك هدف بودند و آن نیز رساندن سطح هوش مصنوعی به سطح هوش انسانی بود. اما امروزه می دانیم كه مطالعه و بررسی در زمینه هوش و درك مكانیزم آن بسیار پیچیده است، هم اكنون می توان موضوع هوش را از دو دیدگاه متفاوت مورد بررسی قرار داد:

۱) آگاهی از جهان اطراف چگونه حاصل می شود و چه طور می توان از حقایق و كشفیات نتیجه گیری هوشمندانه ای به عمل آورد؟

۲) كشف و شهود آگاهانه به این معنا كه برای رسیدن به هدفی مشخص هزاران راه و بیراهه وجود دارد كه با استفاده از هوش مصنوعی می توان راه را از بیراهه تشخیص داد.

● هوش مصنوعی و هوش انسانی

در شبكه ارتباطی مغز انسان سیگنال های ارتباطی به صورت پالس های الكتریكی وجود دارد. جزء اصلی مغز نرون است كه از ساختمانی سلولی و مجموعه ای از شیارها و خطوط به وجود می آید كه این شیارها محل ورود اطلاعات به نرون هاست و خطوط نیز محل خروج اطلاعات از نرون است.

محل اتصال نرون ها به یكدیگر را سیناپس می گویند كه مانند دروازه ای برای ورود و خروج اطلاعات (Data) عمل می كند، اگر واكنش های نرون ها به پالس های متفاوت هماهنگی كامل داشته باشند اتفاق های مهمی در مغز انسان رخ داده است.

گروهی از دانشمندان هوش مصنوعی كه رویكرد مدل مغزی را دنبال می كنند، شكلی از مدارهای الكترونیكی را طراحی كرده اند كه تاحدودی شبیه شبكه مغز انسان است ، در این ساختار هر گروه به تنهایی خود یك پردازنده (CPU) است ولی رایانه های معمولی تنها توانایی داشتن بیش از چند CPU را به صورت هم زمان ندارند. هدف از راه اندازی این شبكه عصبی رایانه ای طراحی مكانیسمی است كه مانند مغز انسان توانایی یادگیری داشته باشد. سامانه شبكه عصبی این كار را از راه ارزش گذاری كمی برای ارتباطات سیگنال ها بین نرون ها انجام می دهد كه این مكانیسم ارزش گذاری به وسیله مقاومت ها با تقویت یا تضعیف پالس ها انجام می شود.

باتوجه به تعداد زیاد نرون ها در شبكه عصبی خرابی تعدادی از آنها تأثیر چندانی بر عملكرد سامانه ندارد تاكنون چند سیستم آزمایشی با استفاده از این اصول طراحی و ساخته شده اند.

● ویژگی های هوش مصنوعی

ماشین هایی كه به عنوان ماشین های هوشمند شناخته می شوند توانایی فكر كردن بدون نیاز به انسان را دارد و این به دلیل وجودخصلت هوش مصنوعی Artificial Intelligenceدراین گونه ازماشین هاست.

ماشین ها تنها در صورتی یك ماشین باهوش شناخته می شوند كه دارای قابلیت های خاصی باشد كه یكی از این ویژگی ها شناخت از وجود خود است كه تاكنون ماشینی كه این توانایی را به طور كامل داشته باشد به وجود نیامده است، ویژگی بعدی ماشین های هوشمند توانایی شناخت محیط پیرامون خود است كه این امكان در برخی از ماشین های هوشمند امروزی كه با نام «ربات های امدادگر» شناخته می شوند وجود دارد، ویژگی بعدی در ماشین هایی كه دارای هوش مصنوعی هستند توانایی نشان دادن عكس العمل در مقابل كنش های حاصل از محیط است كه این امكان نیز در ربات های هوشمند امروزی و در دسته خاصی از آن ها باعنوان «ربات های كاوشگر» فراهم آمده است.

● كاربردهای هوش مصنوعی

از كاربردهای هوش مصنوعی می توان به موارد زیر اشاره كرد:

۱) طراحی نرم افزارهای هوشمند:

این گروه از نرم افزارها برای انجام كارهای تخصصی طراحی شده اند و دارای توانمندی های بالایی نیز هستند، پشتوانه این گونه از برنامه ها وجود یك بانك اطلاعاتی (Data Base) قوی برای پاسخگویی به پرسش های مختلف كاربران است. نمونه هایی از این گونه از نرم افزارها نیز، نرم افزارهایی است كه در آزمون های استخدامی و دانشگاهی مورد استفاده قرار می گیرد.

۲) طراحی بازی های هوشمند:

زمانی كه شما در حال انجام یك بازی رایانه ای هستید، دشمنان شما از هوش كافی برخوردارند. اگر شما به آن ها شلیك كنید آن ها اقدام به فرار كرده و یا با مقابله به سوی شما شلیك خواهند كرد. این فرآیند نیز به دلیل وجود هوش مصنوعی در دشمنان شماست كه آن ها را به واكنش نسبت به شما برمی انگیزاند.

۳) طراحی ربات های هوشمند:

كاربرد عمده دیگر هوش مصنوعی در طراحی ماشین ها به نسبت هوشمند است. ماشین هایی مانند ربات های كاوشگر و ربات های امدادگر. در ربات های امدادگر، ربات باید در محدوده مورد نظر به دنبال مصدومان حادثه بگردد و پس از یافتن آن ها كمك های مورد نیاز را در اختیار آن ها قرار دهد كه این خود نیاز به داشتن شناخت از محیط دارد. دسته دیگر ربات ها یعنی ربات های كاوش گر باید به دنبال قطعه مورد نظر در مكانی خاص باشند و یا مسیری را كه از پیش تعریف شده است دنبال كنند كه این نیز نیازمند داشتن هوش مصنوعی در این دسته از ربات ها است.

هوش مصنوعی ترکیبی

از بدو مطرح شدن هوش مصنوعی به عنوان یک Dicipline در علوم رایانه، دو طرز تفکر در تحقق سیستم های هوشمند مطرح بوده است، شاید بتوان آن دو را در پردازش نمادین و پردازش عددی تعریف نمود.

از بدو مطرح شدن هوش مصنوعی به عنوان یک Dicipline در علوم رایانه، دو طرز تفکر در تحقق سیستم های هوشمند مطرح بوده است، شاید بتوان آن دو را در پردازش نمادین و پردازش عددی تعریف نمود. برای درک پردازش نمادین می توانیم به یک مثال اشاره داشته باشیم. فرض کنید از یک نوازنده پیانو سوال می کنیم که چگونه پیانو می نوازی؟! این نوازنده با استفاده از یک سری بیانات و شاید حرکات، روش کار خود را به ما نشان می دهد و به احتمال زیاد شیوه عمل او را هم درک می کنیم و اگر کمی جدیت به خرج دهیم شاید حتی بتوانیم چند نت را هم به گونهء جمیع تکرار نماییم. حال فرض کنید، می خواهیم این رفتار را با استفاده از یک فرمول ریاضی( پردازش عددی) مدل کرده و مثلا با استفاده از یک ربات تکرار کنیم.

ـ سوال این خواهد بود که آیا مدل ریاضی که منحصر به روابط بین یک سری کیفیتهای رقمی است، قادر به انجام این عمل خواهد بود؟

فکر می کنم جواب شما منفی باشد. در ادامه به یک وضعیت دیگر اشاره می کنم. فرض کنید می خواهید از یک خیابان که ماشین ها با سرعت عبور می کنند، بگذرید. آیا روش تصمیم گیری شما در رابطه با عبور کردن بر مبنای پردازش یک سری اندازه گیری انجام شده است؟ برای مثال آیا سرعت ماشین را تخمین زده و با در نظر گرفتن عرض خیابان، سرعت خود را محاسبه می کنید؟ به احتمال زیاد در این صورت مطمئناً شانس رسیدن شما به آن طرف خیابان بسیار پایین می باشد و یا زمان بسیار زیادی طول خواهد کشید که تصمیم به عبور از خیابان را به مرحله اجرا در آورید. در این گونه شرایط ، روش برخورد ما به این صورت خواهد بود که: " به نظر می رسد ماشین آهسته حرکت می کند؛ به آن طرف خیابان خواهم رسید" در این نوع پردازش انسان مواجه با تعداد زیادی نماد symbols می باشد و با استفاده از این نمادها برای تصمیم گیری اقدام می کند. این نوع تصمیم گیریها به طور واضح در رفتار آدمی مشاهده می شود و طبیعی است که پردازش نمادین از جایگاهی ویژه در علم هوش مصنوعی برخوردار است.

در کنار پردازش نمادین در انسان می دانیم که مغز انسان از یک مجموع منسجم سلول های عصبی تشکیل شده است و مدل های ارائه شده برای این سیستم عصبی بر مبنای پردازش عددی عمل می کند. چگونگی عمل سیستم طبیعی عصبی به طور واضح برای انسان مشخص نشده است و از آنجا که مدل های ارائه شده ، از قابلیتهای بسیار بالایی برخوردار هستند و در کاربردهای زیادی از خود کارآیی خوبی ارائه کرده اند، به نظر می رسد از واقعیت امر زیاد دور نباشند. بنا براین، شاید بتوان گفت، انسان به طور کلی در سطح بالای تصمیم گیری از پردازش نمادین استفاده می کند و در سطوح حسی و واکنشهای عصبی خود یک نوع پردازش عددی را به کار می گیرد. بنابراین، رفتار هوشمندانه آدمی ناشی از یک روش نمادین تفکر در کنار محاسبات عصبی مغز می باشد.

همانگونه که مطرح شد، این دو محور در هوش انسان از بدو پیدایش هوش مصنوعی، به صورت دو دیدگاه معرفی شده اند.

از یک دید، هدف ساختن مغز مصنوعی(شبکه های عصبی مصنوعی) است که در صورت وجود این سخت افزار می توان توقع داشت ماشینی که به این وسیله مجهز شود، رفتار هوشمندانه از خود نشان دهد.

از دیدگاه دوم، هدف، مدل سازی روش تفکر انسان است که با استفاده از آن انسان تصمیم گیریهای هوشمندانه می کند. در دهه های ۵۰ و ۶۰ محور اول به عنوان محور اصلی در مخلوقات هوش مصنوعی مطرح بوده است ولی در دهه ۷۰، پردازش نمادین به عنوان فهم روش تفکر در طراحی سیستم های هوشمندان مطرح شد. خوشبختانه، در ده سال اخیر محققان به این نتیجه رسیده اند که برای ساختن یک سیستم هوشمند که بتواند در حوزه های (Domains) مختلف عمل کند، و با یک مساله پیچیده را حل کند، اعتماد کردن به یک روش(یا بینش) کافی نخواهد بود و از اینرو فلسفه هوش مصنوعی ترکیبی (Hybrid Artificial Intelligence) مطرح شده است.

▪ به طور کلی سه روش ترکیب تکنیکهای هوش مصنوعی در جهت ساخت یک سیستم هوشمند ارائه شده است که در ذیل به اختصار به آنها می پردازیم.

ـ در روش اول از یک تکنیک خاص جهت اجرای یک function در یک تکنیک دیگر هوش مصنوعی استفاده می کنیم. برای مثال در طراحی یک سیستم کنترلی فازی چندین بلوک وجود دارد که هر کدام کار مشخصی را انجام می دهند. یکی از این بلوکها جهت انجام Fuzzification طراحی می شود. در یک سیستم ترکیبی می توان از شبکه های عصبی در انجام این کار استفاده نمود. البته در اینجا در مورد مزایا یا معایب این ترکیب سخنی گفته نخواهد شد. در یک مثال دیگر می توان به کاربرد روشهای ژنتیکی در امر یادگیری شبکه های عصبی اشاره نمود.

ـ در روش دوم جهت ساخت یک سیستم پیچیده، آن سیستم را تجزیه نموده( به زیر سیستم های کوچکتر تقسیم نموده) و بعد از آن هر زیر سیستم را با یک روش مناسب هوشمند پیاده سازی می کنیم. برای مثال جهت کنترل یک فرآیند پیچیده صنعتی از شبکه های عصبی جهت پیشگویی و مدل سازی یک سری از پارامترهای کلیدی استفاده می شود و نتایج به دست آمده جهت تصمیم گیریهای کلی به یک سیستم خبره داده می شود. سیستم خبره در اصل حکم یک مدیر پروسه متخصص را دارد که با استفاده از پارامترهای تولید شده در سطح پایین تر تصمیم گیری می کند. بسیاری از مسائل پیچیده از این طبیعت برخوردار هستند و شکستن آن به مسائل کوچکتر و به کارگیری روش مناسب برای حل هر کدام به صورت مجزا و در نهایت ادغام کردن نتایج به دست آمده، به حل درست مساله اصلی کمک خواهد نمود.

ـ روش آخر استفاده از یک روش هوشمند در پیاده سازی یک روش دیگر می باشد. برای مثال می توان به پیاده سازی یک سیستم خبره با استفاده از شبکه های عصبی اشاره نمود. در اینجا هر نرون در شبکه عصبی یک قانون در پایگاه دانش می باشد و با استفاده از محاسبات عصبی روش استنتاج را پیاده می کنیم. مثال دیگر به کارگیری گرامرها در تحلیل و نمایش دانش آموخته شده در شبکه های عصبی می باشد.

البته توجه به این نکته لازم می باشد که یک سیستم ترکیبی هوشمند نباید الزا ما از روشهای هوشمند در پیاده سازی استفاده کند. در پیاده سازی یک سیستم شاید نیاز به بکارگیری روشهای آماری، ریاضی و تحلیلی... نیز وجود داشته باشد.

دین و هوش مصنوعی

هدف "هوش مصنوعی" فهم سرشت هوش بشری از راه بررسی ساختار برنامه‌های كامپیوتری و نحوهٔ حل مسائل توسط كامپیوتر است. به اعتقاد متخصصان این رشته، این بررسی می‌تواند نحوهٔ عمل و جزئیات هوش بشر را نشان دهد.