https://virgool.io/feed/@mahmoud1375mardi دانشجوی مهندسی کامپیوتر ; علاقه مند به نکنولوژی های جدید ; هنوز اول راهم fa 2026-06-10 14:21:41 https://files.virgool.io/upload/users/203156/avatar/em0N6z.png?height=120&width=120 https://virgool.io/@mahmoud1375mardi https://virgool.io/@mahmoud1375mardi/%D8%AF%DB%8C%D8%B2%D8%A7%DB%8C%D9%86-%D9%BE%D8%AA%D8%B1%D9%86-design-pattern-%D8%AF%D8%B1-%D8%AC%D8%A7%D9%88%D8%A7-h0vcmkasjuxr دیزاین پترن از شهرت بالایی میان برنامه‌نویسان برخوردارند. دیزاین پترن، یک راه‌حل خوب‌ طراحی‌شده برای یک مسئله‌ی رایج نرم‌افزاری است.دیزاین پترن های جاوادر ادامه، برخی از مزایای استفاده از دیزاین پترن‌ها را عنوان می‌کنیم:1. دیزاین پترن‌ها از قبل تعریف‌شده‌اند و از یک رویکرد استاندارد برنامه‌نوسی برای حل یک مسئله‌ی رایج استفاده می‌کنند. درنتیجه با استفاده‌ی مناسب از دیزاین‌ پترن‌ها می‌توانیم در زمان صرفه‌جویی کنیم. جاوا دیزاین پترن‌های زیادی دارد که می‌توانیم از آنها در پروژه‌های جاوا استفاده کنیم.2. با استفاده از دیزاین پترن‌ها قابلیت استفاده‌ی مجدد (Reusability) کد بالاتر‌می‌رود. قابلیت استفاده‌ی مجدد بالاتر نیز منجر به کدی قوی‌تر با هزینه‌های نگه‌داری کمتر می‌شود. در نهایت، محصول نرم‌افزاری حاصل، هزینه‌ی کل مالکیت (TCO) کمتری دارد.3. دیزاین پترن‌ها از قبل تعریف‌شده‌اند و به همین دلیل فهم و دیباگ کد را ساده‌تر می‌کنند. سرعت توسعه‌ی کد بالاتر می‌رود و اعضای جدید تیم راحت‌تر می‌توانند کدهای نوشته‌شده را بفهمند.دیزاین پترن های جاوا به سه دسته تقسیم می‌شوند. دیزاین پترن‌های سازنده (Creational)، ساختاری (Structural) و رفتاری (Behavioral). در این مقاله به معرفی تمام دیزاین پترن‌های موجود در هر دسته می‌پردازیم. دیزاین پترن های سازندهدیزاین پترن‌های سازنده، بهترین راهکارِ موجودِ نمونه‌سازی از یک شئ (Instantiate) را در شرایطی خاص ارائه می‌دهند.Singleton (سینگلتون) این پترن نمونه‌سازی از یک کلاس را محدود می‌کند. با Singleton، تنها یک نمونه از یک کلاس می‌تواند در ماشین مجازی جاوا وجود داشته باشد. دیزاین پترن ساده‌ای به‌نظر می‌رسد، اما نگرانی‌های پیاده‌سازی بسیاری را هنگام پیاده‌سازی به همراه دارد. برنامه‌نویسان همیشه درباره‌ی استفاده از پترن Singleton با هم اختلاف نظر داشته‌اند.Singleton یکی از شناخته‌شده‌ترین دیزاین پترن‌های جاواست.Factory (فکتوری)از این Design Pattern در شرایطی استفاده می‌شود که یک کلاس پدر داریم که چند کلاس فرزند دارد و می‌خواهیم بر اساس ورودی یکی از کلاس‌های فرزند را به عنوان خروجی بفرستیم.با این پترن، مسئولیت ساخت یک نمونه از کلاس برعهده‌ی برنامه‌ی کلاینت نیست و کلاس Factory این مسئولیت را به‌عهده می‌گیرد.می‌توانیم پترن Singleton را روی کلاس Factory اعمال کنیم یا متد Factory را استاتیک تعریف کنیم.Abstract Factory (فکتوری انتزاعی)این Design Pattern شبیه Factory است. اگر با Design Pattern Factory جاوا آشنا باشید، می‌دانید که ما یک کلاس Factory داریم که بر اساس ورودی، کلاس‌های فرزند مختلفی را برمی‌گرداند. کلاس Factory برای انجام این کار از دستور if-else یا Switch استفاده می‌کند.در Abstract Factory، بلوک if-else را حذف و برای هر کلاس فرزند از یک کلاس Factory استفاده می‌کنیم. یک کلاس Abstract Factory بر اساس کلاس Factory ورودی، یک کلاس فرزند را برمی‌گرداند.Builder (بیلدر)وقتی Object در پترن‌های Factory و Abstract Factory دارای خصیصه‌های (Attribute) زیادی باشد، مشکلاتی رخ می‌دهد. Builder برای حل این مشکلات معرفی شد.Builder شئ را مرحله به مرحله می‌سازد و متدی برای برگرداندن شئ نهایی ارائه می‌کند. به این ترتیب مشکلات مرتبط با داشتنِ پارامترهای اختیاری زیاد و Inconsistent State را برطرف می‌کند.Prototype (پروتوتایپ)از این پترن زمانی استفاده می‌کنیم که ساخت یک شئ جدید هزینه، زمان و منابع زیادی می‌گیرد و یک شئ آماده‌ی مشابه آن نیز داریم.Prototype مکانیزمی دارد که شئ اصلی را در یک شئ جدید کپی می‌کنیم و بعد آن را طبق نیازمان تغییر می‌دهیم. این Design Pattern از Cloning جاوا برای کپی شی استفاده می‌کند.در پترن Prototype ضروری است شئ‌ای که قصد کپی کردن آن را داریم، قابلیت کپی را در اختیارمان قرار دهد. هیچ کلاس دیگری نباید این کار را انجام دهد.کپی سطحی (Shallow Copy) یا عمیق (Deep Copy (Propertyهای شئ هم بسته به شرایط است و یک تصمیم طراحی محسوب می‌شود. دیزاین پترن های ساختاریپترن‌های ساختاری روش‌هایی مختلف را برای ساختِ ساختار یک کلاس ارائه می‌کنند. مثلاً استفاده از شئ‌گرایی (Inheritance) و ترکیب (Composition) برای ساخت اشیاء بزرگ‌تر با استفاده از اشیاء کوچک‌تر.Adapter (آداپتور)این پترن نوعی Design Pattern ساختاری است و زمانی از آن استفاده می‌کنیم که دو واسط غیرمرتبط بخواهند با هم همکاری کنند.شئ‌ای که این دو واسط غیرمرتبط را به هم وصل می‌کند، Adapter نامیده می‌شود. یک مثال از دنیای واقعی شاید به درک بهتر این پترن کمک کند.یک شارژر موبایل یک Adapter است، چون باتری به 3 ولت نیاز دارد، اما برق شهری 120 (ایالات متحده) یا 240 ولت (هند) است. بنابراین شارژر موبایل یک Adapter بین برق شهری و باتری است.Compositeاین پترن یکی از Design Patternهای ساختاری است و زمانی از آن استفاده می‌کنیم که قصد نمایش یک سلسله‌مراتب جزء-کل را داشته باشیم. وقتی می‌خواهیم ساختاری بسازیم که با همه‌ی اشیاء موجود در آن به گونه‌ای یکسان رفتار شود، از Composite استفاده می‌کنیم.یک مثال از دنیای واقعی شاید به درک بهتر این پترن کمک کند. یک دیاگرام شامل اشیائی مثل دایره، خط، مثلث و … است و وقتی طرح را رنگ می‌کنیم (مثلا قرمز)، اشیاء درون آن نیز قرمز می‌شوند.در اینجا طرح از قسمت‌های مختلفی تشکیل شده است و همه‌ی آنها وظایفی یکسان دارند.Proxy (پروکسی)هدف Proxy این است که “جایگزین یا نماینده‌ای برای شئ دیگری ارائه کند تا دسترسی به آن کنترل شود”. تعریف بالا همه‌چیز را به خوبی عنوان می‌کند و از این Design Pattern برای کنترل دسترسی به یک عملکرد استفاده می‌کنیم.کلاسی را درنظر بگیرید که دستوراتی را روی سیستم اجرا می‌کند. حالا اگر خودمان بخواهیم از این کلاس استفاده کنیم، مسئله‌ای پیش نمی‌آید، اما اگر بخواهیم آن را به یک اپلیکیشن کلاینت بدهیم، ممکن است مشکلاتی بسیار بد رخ دهد.مثلاً برنامه‌ی کلاینت می‌تواند دستوراتی اجرا کند که برخی فایل‌های سیستمی پاک شوند یا تنظیمات سیستم را به‌گونه‌ای تغییر دهند که ما نمی‌خواهیم.Flyweightوقتی قصد ساخت تعداد زیادی شئ از یک کلاس را داریم، از این Design Pattern استفاده می‌کنیم.هر شئ فضای حافظه می‌گیرد و این مسئله می‌تواند برای دستگاه‌هایی با حافظه‌ی محدود، مثل گوشی‌های موبایل یا سیستم‌های تعبیه‌شده، مشکل‌ساز باشد.با استفاده از Flyweight می‌توانیم با به اشتراک گذاشتن اشیاء، بار حافظه را کم کنیم. پیاده‌سازی String Pool در جاوا یکی از بهترین مثال‌های دیزاین پترن Flyweight است.Façadeاین Design Pattern برای تعامل ساده‌تر اپلیکیشن‌های کلاینت با سیستم طراحی شده است. فرض کنید یک اپلیکیشن با مجموعه‌ای از واسط‌ها را داریم.این اپلیکیشن قصد استفاده از پایگاه داده‌ی MySql/Oracle را دارد و می‌خواهد انواع مختلف گزارش مثل HTML، PDF و … را تولید کند.پس مجموعه‌ای دیگر از واسط‌ها را برای کار با پایگاه داده‌های مختلف خواهیم داشت. حالا یک اپلیکیشن کلاینت می‌تواند از این واسط‌ها برای دریافت اتصال (Connection) لازم به پایگاه داده استفاده و یک گزارش تولید کند.اما وقتی پیچیدگی برنامه بیشتر یا اسامی رفتارهای واسط گیج‌کننده می‌شوند، اپلیکیشن کلاینت برای مدیریت آنها به مشکل برمی‌خورد.برای حل این مشکل می‌توانیم از دیزاین پترن Facade استفاده کنیم. در این صورت یک واسط Wrapper روی تمام واسط‌های موجود می‌نویسیم تا به اپلیکیشن کلاینت کمک کنیم.Bridgeوقتی هم در واسط‌ها و هم در پیاده‌سازی دارای سلسله‌مراتب هستیم، از این Design Pattern برای جداسازی واسط از پیاده‌سازی استفاده می‌کنیم.در این حالت جزئیات پیاده‌سازی را از برنامه‌های کلاینت مخفی نگه‌ می‌داریم. این پترن نیز، مثل 5 پترن قبلی، یک دیزاین پترن ساختاری است.پیاده‌سازی دیزاین پترن Bridge نشان‌دهنده‌ی این موضوع است که برنامه‌نویس ترکیب را به ارث‌بری ترجیح می‌دهد.Decoratorوقتی قصد تغییر عملکرد یک شئ را در زمان اجرا داریم، از این Design Pattern استفاده می‌کنیم. نمونه‌های دیگر کلاس با این روش تغییر نمی‌کنند و تنها رفتار همان شئ تغییر می‌یابد.Decorator نیز یکی از دیزاین پترن‌های ساختاری است و از کلاس یا واسط Abstract و ترکیب برای پیاده‌سازی استفاده می‌کند.ما برای گسترش رفتار یک شئ از ارث‌بری یا ترکیب استفاده می‌کنیم، اما این کار در زمان کامپایل صورت می‌گیرد و روی همه‌ی اشیاء کلاس اعمال می‌شود.نمی‌توانیم در زمان اجرا، عملکردی جدید را برای حذف رفتارهای موجود یک شئ، اضافه کنیم و این همان شرایطی است که Decorator به کارمان می‌آید. دیزاین پترن های رفتاریپترن‌های رفتاری راهکارهایی را برای ارتباط بهتر اشیاء با هم ارائه می‌کنند. این پترن‌ها برای Extend بهتر، روش‌هایی را برای Lose Coupling و انعطاف عرضه می‌کنند.Template MethodTemplate یک Design Pattern رفتاری است و از آن برای ساخت یک استاب متد (Stub) و انجام برخی از مراحل پیاده‌سازی در کلاس فرزند استفاده می‌شود.متد Template مراحل اجرای یک الگوریتم را تعیین می‌کند و می‌تواند یک روش پیاده‌سازی پیش‌فرضِ رایج را برای همه یا تعدادی از کلاس‌های فرزند ارائه کند.فرض کنید می‌خواهیم یک الگوریتم برای ساخت یک ساختمان داشته باشیم. مراحل ساخت یک ساختمان به صورت زیرند:ساخت پِی، ساخت ستون‌ها، ساخت دیوارها و پنجره‌ها.نکته‌ی مهم این است که نمی‌توانیم ترتیب اجرای مراحل را تغییر دهیم. مثلاً نمی‌توانیم قبل از ساخت پی، پنجره بسازیم. در این شرایط، از یک متد Template استفاده می‌کنیم که از متدهای مختلفی برای ساخت ساختمان استفاده می‌کند.Mediatorاز این Design Pattern برای ارائه‌ی یک واسط ارتباطی متمرکز بین اشیاء سیستم استفاده می‌شود. در شرایطی که در یک اپلیکیشن سازمانی، اشیاء مختلفی داریم که با هم تعامل دارند، این دیزاین پترن بسیار کاربرد دارد.اگر اشیاء مستقیماً با هم تعامل داشته باشند، اجزای سیستم Tightly Coupled می‌شوند و این موضوع هزینه‌ی نگه‌داری را افزایش می‌دهد و توسعه‌ی نرم‌افزار را سخت می‌کند.دیزاین پترن Mediator تلاش می‌کند یک واسط (Mediator) بین اشیاء قرار دهد تا از طریق آن با هم ارتباط داشته باشند و به پیاده‌سازی loose Coupling بین اشیاء کمک می‌کند.برجِ کنترلِ ترافیکِ هوایی، یکی از بهترین مثال‌ها برای دیزاین پترن Mediator است، که در آن برج کنترل به عنوان واسطی بین پروازهای مختلف عمل می‌کند.Mediator مسیری بین اشیاء مختلف است و می‌تواند منطق خود را در روش‌های ارتباط داشته باشد.Chain of Responsibility (زنجیره‌ی مسئولیت)وقتی درخواست کلاینت برای پردازش به زنجیره‌ای از اشیاء داده می‌شود، برای داشتن Loose Coupling از این Design Pattern استفاده می‌شود.سپس خود اشیاء موجود در زنجیره تصمیم می‌گیرند که چه شئ‌ای درخواست را پردازش کند و آیا لازم است که درخواست به شئ بعدی در زنجیره فرستاده شود یا خیر.می‌دانیم که در یک دستور try-catch می‌توانیم چند بلوک Catch داشته باشیم. در اینجا هر بلوک Catch نوعی پردازنده برای پردازش Exception موردنظر است.پس وقتی یک Exception در بلوک Try رخ داد، آن Exception برای پردازش به اولین بلوک Catch فرستاده می‌شود.اگر بلوک Catch نتواند آن را پردازش کند، آن را به شئ بعدی در زنجیره می‌فرستد، که در اینجا یک بلوک Catch است.در نهایت اگر آخرین بلوک Catch هم نتوانست آن را پردازش کند، Exception بیرون انداخته و به برنامه‌ی اجرا کننده‌ی کد فرستاده می‌شود.Observerوقتی State یک شئ برایمان اهمیت دارد و می‌خواهیم از هر تغییری در آن مطلع شویم، از این Design Pattern استفاده می‌کنیم.در دیزاین پترن Observer، آن شئ‌ای که مراقب State یک شئ دیگر است، Observer نامیده می‌شود و به شئ‌ای که مراقب State آن هستیم، Subject می‌گوییم.در جاوا می‌توانیم با استفاده از یک پلتفرم داخلی و از طریق کلاس java.util.Observable و واسط java.util.Observer پترن Observer را پیاده‌سازی کنیم.اگرچه از این گزینه‌ها استفاده‌ی چندانی نمی‌شود، چون بسیار ساده هستند و اغلب اوقات نمی‌خواهیم فقط به هدف پیاده‌سازی پترن Observer از یک کلاس ارث‌بری داشته باشیم، چون جاوا از ارث‌بری چندگانه پشتیبانی نمی‌کند.(Java Message Service (JMS از پترن‌های Mediator و Observer استفاده می‌کند تا به اپلیکیشن‌ها این امکان را بدهد که برای هم داده بفرستند و یکدیگر را Subscribe کنند.Strategy (استراتژی)وقتی چند الگوریتم برای انجام یک کار داریم و کلاینت در زمان اجرا تصمیم می‌گیرد از چه الگوریتمی استفاده کند، از این Design Pattern استفاده می‌کنیم.نام دیگر دیزاین پترن Strategy، Policy است. چند الگوریتم تعریف می‌کنیم و کلاینت می‌تواند الگوریتم موردنظرش را به صورت یک پارامتر انتقال دهد. یکی از بهترین مثال‌های این دیزاین پترن، متد Collection.sort() است که پارامتر Comparator را می‌گیرد. اشیاء با توجه به پیاده‌سازی‌های مختلفِ واسط‌های Comprator، به انواع مختلفی Sort می‌شوند.Commandاز این Design Pattern برای داشتن Loose Coupling در یک مدل Request-Response استفاده می‌کنیم.در دیزاین پترن Command، درخواست به Invoker فرستاده می‌شود و این Invoker  است که آن را به شئ Command کپسوله‌شده (Encapsulated) منتقل می‌کند.شئ Command درخواست را به متد مناسب Receiver می‌فرستد تا این متد عملی خاص را اجرا کند.فرض کنید می‌خواهیم یک سیستم فایل (File System) داشته باشیم که دارای متدهای Open، Write و Close است و باید از چند سیستم عامل مختلف مثل ویندوز و یونیکس پشتیبانی کند.برای پیاده‌سازی این سیستم فایل، اول باید کلاس‌های Receiver را بسازیم که در واقع انجام تمام کارها برعهده‌ی آنهاست.چون کدهایمان را بر اساس واسط‌های جاوا می‌نویسیم، می‌توانیم واسط FileSystemReceiver را طراحی کنیم.سپس می‌توانیم کلاس‌هایی را، که آن را Implement می‌کنند، برای سیستم‌های عامل مختلف مثل ویندوز، یونیکس، سولاریس و … بنویسیم.Stateزمانی از این Design Pattern استفاده می‌کنیم که یک شئ رفتارش را بر اساس State داخلی خود تغییر دهد.اگر بخواهیم رفتار یک شئ را، براساس State آن عوض کنیم، می‌توانیم یک متغیر State داشته باشیم. برای انجام عمل‌های متفاوت نیز براساس این متغیر، می‌توانیم از بلوک شرطی if-else استفاده کنیم.دیزاین پترن State از طریق پیاده‌سازی Context و State، روشی سیستماتیک و Loosely Coupled را عرضه می‌کند.Visitorوقتی می‌خواهیم عملی را روی گروهی از اشیاء مشابه انجام دهیم، از این Design Pattern استفاده می‌کنیم. با کمک دیزاین پترن Visitor، می‌توانیم منطق عملیاتی اشیاء را به کلاسی دیگر ببریم.برای مثال یک سبدخرید را درنظر بگیرید که می‌توانیم آیتم‌های (Element) مختلفی را به آن اضافه کنیم. وقتی روی گزینه‌ی پرداخت کلیک می‌کنیم، هزینه‌ی نهایی محاسبه می‌شود.حالا می‌توانیم این منطق محاسبه‌ی هزینه را در کلاس‌های مربوط به هر آیتم قرار دهیم یا آن را با استفاده از دیزاین پترن Visitor به کلاس دیگری ببریم.Interpreterاز این Design Pattern برای نمایش گرامری یک زبان استفاده می‌شود. این پترن یک مفسر برای کار با این گرامر ارائه می‌کند.بهترین مثال برای دیزاین پترن Interpreter کامپایلر جاواست که سورس کد جاوا را به بایت کد قابل فهم برای JVM تبدیل می‌کند.گوگل ترنسلیتور نیز مثالی دیگر از یک الگوی Interpreter است که در آن ورودی می‌تواند به هر زبانی باشد و ما خروجی ترجمه‌شده به زبانی دیگر را تحویل می‌گیریم.Iteratorاین پترن نیز یک Design Pattern رفتاری است و زمانی از آن استفاده می‌شود که به دنبال روشی استاندارد برای گشتن در میان گروهی از اشیاء هستیم.از دیزاین پترن Iterator در Java Collection Framework بسیار استفاده شده است. واسط Iterator در این فریمورک، متدهایی را برای گشتن در میان یک Collection ارائه می‌کند.از دیزاین پترن Iterator فقط به منظور گشتن در مجموعه‌ها استفاده نمی‌شود. می‌توانیم بر اساس نیازمان انواع مختلفی از Iteratorها را داشته باشیم.این دیزاین پترن پیاده‌سازی اصلی را پنهان می‌کند و برنامه‌های کلاینت تنها از متدهای Iterator استفاده می‌کنند.Mementoوقتی به‌منظور استفاده‌های بعدی، قصد ذخیره‌ی State یک شئ را داریم، از این Design Pattern استفاده می‌کنیم.دیزاین پترن Memento به گونه‌ای این کار را انجام می‌دهد که داده‌ی State شئ از بیرون قابل دسترسی نباشد. این کار صحت داده‌ی استیتِ ذخیره‌شده را حفظ می‌کند.دیزاین پترن Memento با استفاده از دو شئ پیاده‌سازی می‌شود، Originator و Caretaker. می‌خواهیم استیت شئ Originator را ذخیره و بعداً از آن استفاده کنیم.این شئ از یک کلاس داخلی (Inner) برای ذخیره‌ی استیت شئ استفاده می‌کند. این کلاس داخلی Private است و اشیاء دیگر نمی‌توانند به آن دسترسی داشته باشند. دیزاین پتزن های متفرقهDesign Patternهای بسیاری هستند که جزو هیچ‌کدام از دیزاین‌ پترن‌های گروه GoF نیستند. در ادامه، برخی از این دیزاین پترن‌های معروف را با هم بررسی می‌کنیم.DAOاز این Design Pattern برای بردن منطق ماندگاری داده (Data Persistence Logic) به یک لایه‌ی دیگر استفاده می‌شود.وقتی می‌خواهیم سیستمی طراحی کنیم که با پایگاه داده کار می‌کند، دیزاین پترن DAO بسیار مفید است. ایده‌ی اصلی این است که لایه‌ی Service را از لایه‌ی Data Access جدا کنیم.در این صورت منطق‌های برنامه را از هم جدا کرده‌ایم.Dependency Injectionبا این Design Pattern می‌توانیم Dependencyهای استاتیک (Hard-Coded) را حذف کنیم و اپلیکیشنی Loosely Coupled، قابل توسعه و با هزینه‌ی نگداری پایین داشته باشیم.می‌توانیم با پیاده‌سازی Dependency Injection در جاوا Dependencyها را از زمان کامپایل، به زمان اجرا ببریم. فریمورک Spring بر مبنای اصل Dependency Injection بنا شده است.MVCاین پترن یکی از قدیمی‌ترین معماری‌های موجود برای ساخت اپلیکیشن‌های تحت وب است. کلمه‌ی MVC مخفف سه کلمه‌ی Model، View و Controller است.معرفی Design Patternهای جاوا در اینجا به پایان می‌رسد. در این مقاله تنها هدفمان معرفی ساده‌ و ارائه‌ی لیستی کامل از آنها بود. mahmoud1375mardi mahmoud1375mardi Wed, 16 Dec 2020 18:50:03 +0330 https://virgool.io/@mahmoud1375mardi/%D8%B7%D8%B1%D8%A7%D8%AD%DB%8C-%D8%A7%D9%84%DA%AF%D9%88-design-patterns-wblavadcgkdk الگوهای طراحی مانند دستورالعمل‌هایی برای توسعه‌دهندگان در برنامه‌نویسی شی‌گرا، و راه‌حل‌هایی برای حل مشکلات متداول در طراحی نرم‌افزار هستند. الگوهای طراحی برای اولین بار توسط یک گروه چهار نفره به نام GOF معرفی شدند. این گروه در کتابی به معرفی 23 الگوی طراحی پرداختند و این 23 الگو را در 3 دسته الگوهای ایجادی، الگوهای ساختاری و الگوهای رفتاری قرار دادند.دیزاین پترن‌ چیست؟دیزاین پترن‌ها، سلوشن‌هایی (راه‌کارهایی) بهینه و با قابلیت استفاده مجدد، برای مشکلات برنامه‌نویسی هستند که هر روز با آن‌ها سروکار داریم. هر دیزاین پترن در واقع یک الگو است که باید در شرایط درستی پیاده‌سازی شود. دیزاین پترن‌ها مختص زبان خاصی نیستند. یک دیزاین پترن خوب بسته به قابلیت‌های زبان‌های برنامه‌نویسی باید در اکثر زبان‌های برنامه‌نویسی -نه همه- قابل پیاده‌سازی باشد. مهم‌تر از همه اینکه، هر دیزاین پترن می‌تواند مانند یک شمشیر دو لبه عمل کند و اگر در محل اشتباهی پیاده‌سازی شود، منجر به فاجعه و ایجاد مشکلات زیادی برای شما خواهد شد. با این حال، اگر در زمان و مکان درست پیاده‌سازی شود، کمک زیادی به توسعه اپلیکیشن شما خواهد کرد.انواع دیزاین پترن‌هاهمانظور که در ابتدای پست گفتیم، دیزاین پترن‌ها بر اساس هدف در 3 دسته طبقه‌بندی می‌شوند:الگوهای ساختاری (Structural) به طور کلی با روابط بین موجودیت‌ها سروکار دارند، این الگوها کار موجودیت‌ها با یکدیگر را ساده‌تر می‌کنند.الگوهای ایجادی (Creational) مکانیزم‌های نمونه‌سازی (instantiation mechanisms) ارائه می‌کنند، ساخت آبجکت‌ها را به روشی مناسب شرایط ساده‌تر می‌کنند. الگوهای ایجادی به جای اینکه مستقیما از آبجکت‌ها نمونه‌سازی (instantiate) کنید، برای شما آبجکت می‌سازند. اینکار به برنامه شما انعطاف‌پذیری بیشتری در تصمیم‌گیری درباره اینکه کدامیک از آبجکت‌ها باید برای یک مورد خاص ایجاد شود را می‌دهد.الگوهای رفتاری (Behavioral) در ارتباطات بین موجودیت‌ها استفاده می‌شوند. ارتباط بین موجودیت‌ها را ساده‌تر و انعطاف‌پذیرتر می‌سازد. به طور کلی برای مدیریت الگوریتم‌ها، روابط و مسئولیت‌ها بین آبجکت‌ها استفاده می‌شود.مروری بر الگوهای طراحیدر این مطلب الگوی طراحی زیر بررسی می‌شوند:الگوی Factory: بیشتر در پروژه‌های بزرگ کاربرد دارد و یکی از مزیت‌های آن ساده‌سازی آبجکت در داخل آن است.الگوی Abstract Factory: مشابه الگوی Factory است، با این تفاوت که از یک کلاس Abstract مشتق می‌شود.الگوی Facade: نقش یک واسط را دارد. یکی از کاربردهای آن زمانی است که می‌خواهیم قبل از ارسال داده‌ها، پردازش‌هایی روی آن‌ها انجام شود.الگوی Decorator: یکی از کاربردهای آن رفع مشکل ارث‌بری کلاس از تنها یک کلاس است.الگوی Observer: نقش مسئول بازرسی یک کلاس را دارد و با تغییرات در یک کلاس، عمل خاصی را انجام می‌دهد.الگوی Singleton: از هر کلاس فقط یک آبجکت ساخته می‌شود و کاربرد آن زمانی است که نیاز داریم یک گلوبال آبجکت داشته باشیم.الگوی Iterator: با استفاده از این الگو مدیریت داده‌ها ساده‌تر می‌شود.الگوی Strategy: یک رابط داریم که برای حالت‌ها و عملیات مختلف برنامه، کلاس‌هایی نوشته شده که از آن ارث می‌برند.الگوی Active Record: رکوردهای داخل دیتابیس را به صورت یک آبجکت برمی‌گرداند.الگوی Adaptor: به عنوان تطبیق دهنده مسئول تطبیق برنامه با API سایر برنامه‌ها است. یک آبجکت می‌سازیم و آن را به متدهای یک آبجکت دیگر تبدیل می‌کنیم.الگوی Factoryهدف از الگوی Factory، انتقال یک آبجکت و از بین بردن پیچیدگی‌های آن است. ایده کلی این است که یک کلاس داریم و با یک متد نوع انتخاب را مشخص می‌کنیم و با یک متد دستور را اجرا می‌کنیم، مثلا کلاس مدیریت دیتابیس دارای یک متد برای انتخاب و تعیین نام درایور اتصال است، همچنین متد دیگری برای عملیات اتصال دارد و یک متد دیگر نیز اجرای کوئری و ... را انجام می‌دهد. نوع متدها استاتیک و درایور و کانکشن دارای فیلد خصوصی هستند.چه زمانی از این متد استفاده کنیم؟کلاس نمی‌تواند نوع آبجکت‌ها را قبل از ایجاد آن‌ها پیش‌بینی کند.می‌خواهیم منطق را برای جلوگیری از نمونه‌سازی از آبجکت‌های پیچیده، کپسوله (محصور) کنیم.می‌خواهیم جفت‌شدگی و اتصالات محکم میان کلاس برنامه را (که در اثر وابستگی کلاس‌ها به یکدیگر است) کاهش دهیممثالبه مثال بالا دقت کنید، بزرگترین مشکل کد بالا این است که اگر بخواهیم پروژه را بزرگتر و نوع دیتابیس‌ها را افزایش دهیم، پیچیده‌تر می‌شود، پس دستورات شرطی کد بالا را حذف کنید و کلاس Factory را اضافه کنید:در نهایت با ساخت یک آبجکت به راحتی از آن استفاده کنید:الگوی Abstract Factoryالگوی Abstract Factory مانند الگوی Factory است ولی از یک کلاس Abstract ارث‌بری می‌کنند.الگوی Facadeالگوی Facade یک رابط مشترک برای آبجکت‌های مختلف ایجاد می‌کند. در این الگو، کلاس‌های مورد نظرتان را می‌نویسید تا از طریق یک کلاس که نقش واسطه را دارد، با این کلاس‌ها کار کند. اسم این کلاس را Facade (هر اسمی دوست دارید) می‌گذاریم، فرض کنید کلاسی داریم که از سایر کلاس‌های مورد نیازش آبجکت می‌سازد، با یک متد داده‌ها را گرفته و با یک حلقه foreach پردازش می‌کند. در نهایت با کمک کلاس‌های دیگر دستورات و اعمال مورد نظرش را روی آن‌ها انجام می‌دهد. هنگام استفاده نیز ابتدا از کلاس Facade یک آبجکت می‌سازیم، سپس کارها را از طریق آبجکت مورد نظرمان انجام می‌دهیم.نکتهبرای اینکه نتوان از یک کلاس آبجکت ایجاد کرد، خصوصا برای استاتیک، راه اول private کردن متد سازنده است و راه دوم ایجاد خطا در متد سازنده (throw new Exception(‘Error message’)) است، در هنگام استفاده نیز از بلاک try catch استفاده می‌کنیم و حرفه‌ای‌تر از حالت اول است.الگوی Decoratorالگو decorator یک مشکل دیگر برنامه‌نویسان را حل کرده است. وقتی نتوانیم به هر دلیلی یک کد را ویرایش کنیم، مثلا کلاسی داریم که بنا به هر دلیلی (مانند کپی‌رایت، فاینال بودن یا غیره) نمی‌توانیم آن را ریفکتور (بازنویسی) کنیم، اگر بخواهیم متدی به آن کلاس اضافه کنیم، از این الگو استفاده می‌کنیم. نحوه پیاده‌سازی بدین صورت است که ابتدا یک کلاس ساخته و در این کلاس یک فیلد خصوصی تعریف می‌کنیم، آبجکت (این آبجکت از کلاس مورد نظر ما مشتق شده است) را به عنوان پارامتر متد سازنده کلاس در نظر می‌گیریم و در فیلد فوق قرار می‌دهیم. حالا متدی هم‌نام با نام متد کلاس مورد نظرمان می‌سازیم و عملیات مورد نظر را انجام می‌دهیم (اغلب تغییرات روی داده‌ها است) و در صورت نیاز مقادیری را برمی‌گردانیم که البته در این متد می‌توانیم متدهای دیگری را نیز برای اعمال تغییرات یا اجرای دستورات فراخوانی کنیم. به این تکنیک مضروب‌سازی (Containment) می‌گویند که شما یک آبجکت از یک کلاس دیگر می‌سازید و از خصوصیات public آن استفاده می‌کنید و یه سری خصوصیات دیگر نیز اضافه می‌کنید و این در جاهایی که خصوصا وراثت امکان‌پذیر نیست، خیلی مفید است، به خصوص در غلبه کردن بر این محدودیت که یک آبجکت نمی‌تواند همزمان بیش از یک کلاس والد داشته باشد.الگوی Observerالگوی Observer نیز مشکل دیگری را حل می‌کند، فرض کنید می‌خواهید برخی از آبجکت‌ها تغییرات آبجکت‌های دیگر را دنبال (Track) کنند، یعنی اگر تغییراتی در یک آبجکت دیگر داده شود، متوجه شوند و کار دیگری را انجام دهند. این الگو از دو نوع آبجکت تشکیل شده است Observable و Observer که یکی Event تولید می‌کند و یکی به Eventها پاسخ می‌دهد. هرگاه وضعیت آبجکت observable تغییر کند، تمام آبجکت‌های observer ثبت شده در آبجکت خود را فراخوانی می‌کند و می‌گوید وضعیت من تغییر کرده است. یکی از کاربردها گزارش‌گیری است که خطاها را اعلام می‌کند. باید برای استفاده از آن رابطی با نام observer را پیاده‌سازی کنیم که حاوی متد notify است. مثال استفاده از این الگو به صورت زیر است:الگوی Singletonتمامی کلاس‌های سینگلتون باید حداقل سه عنصر زیر را داشته باشند:یک متد سازنده با سطح دسترسی privateیک پراپرتی استاتیک که نمونه‌ای از کلاس (آبجکت) را نگه دارد.یک متد استاتیک با سطح دسترسی public برای دسترسی به آبجکتبرخلاف کلاس‌های معمولی، از کلاس سینگلتون نمی‌توان ارث‌بری کرد.یک مثال برای استفاده از این الگو، اتصال‌ها به دیتابیس و تنظیمات و اطلاعات فایل‌های config است. الگوی Singleton یکی از پرکاربردترین الگوها است و مشکلات زیادی را حل کرده است، هدف اصلی آن این است که در هر لحظه بیش از یک آبجکت از یک کلاس وجود نداشته باشد. برای پیاده‌سازی این روش، یک فیلد استاتیک خصوصی مثلا $instance می‌سازیم و داخل متد سازنده آبجکت، یک شرط قرار می‌دهیم که اگر if(self::$instance) آنگاه self::$instance = $this و در بیرون شرط نیز همین مقدار return self::$instance را برمی گردانیم. حالا حتی اگر یک میلیون آبجکت هم بسازیم، فقط یک نسخه وجود دارد و فقط همان آبجکت در حافظه قرار می‌گیرد، پس تا جایی که می‌شود باید از این الگو استفاده کنیم تا مصرف حافظه به شدت کاهش یابد.الگوی Iteratorالگوی Iterator کمک می‌کند تا مجموعه‌ای از داده‌ها را راحت‌تر مدیریت کنید. رابط Iterator دارای 5 متد می‌باشد، rewind ایندکس آرایه را به اولین خانه برمی‌گرداند، current عنصر جاری را برمی‌گرداند، key کلید (اندیس) عنصر جاری را برمی‌گرداند، next اشاره‌گر (اندیس) را یک واحد به جلو می‌برد، valid می‌گوید که آیا عنصری (اندیسی) که اشاره‌گر به آن اشاره دارد، وجود داره یا نه. مثلا می‌توانیم پست‌های یک مطلب را به کلاسی بدهیم که از این رابط ارث‌بری کرده است و این کلاس پست‌ها را پردازش می‌کند، به صورت زیر:حالا فرض کنید کلاس مشابهی برای کامنت‌ها داریم، و این کلاس‌ها متدهای دیگری نیز دارند، نحوه استفاده از این کدها به صورت زیر است:اگر بخواهیم از foreach بتوانیم استفاده کنیم، باید رابط Iterator را پیاده‌سازی کرده باشیم. البته در آرایه‌های php این رابط به صورت پیش‌فرض پیاده‌سازی شده است اما می‌توانیم ساختارش را تغییر بدهیم.الگوی Strategyدر الگوی Strategy یک رابط می‌نویسیم و برای هر حالت مثلا ارسال sms و mail و fax یک کلاس به ازای هر کدام قرار می‌دهیم که همه یک متد هم نام برای اجرای دستور دارند و انتخاب استفاده از کدام کلاس تعیین کننده ادامه داستان است.الگوی Active Recordالگوی ActiveRecord یک الگوی فوق‌العاده کاربردی است. رکوردهای داخل دیتابیس به شکل آبجکت در می‌آیند، یعنی هر آبجکت ActiveRecord با یک رکورد در دیتابیس متناظر است. هدف اصلی این الگو این است که بتوانیم با روشی مانند $post->field به پراپرتی برای ساخت یا تغییر دسترسی داشته باشیم که با مقداردهی یک پراپرتی، یک رکورد متناظر در جدول ایجاد می‌شود و با خواندن یک پراپرتی نیز رکورد متناظر برمی‌گردد، البته ساخت با متدی مانند save انجام می‌شود ولی مقداردهی از روش گفته شده انجام می‌شود و روش پیاده‌سازی بدین صورت است که به نام هر تیبل (مفرد آن مثلا برای تیبل posts نام کلاس را post قرار می‌دهیم)، یک کلاس می‌سازیم، در این کلاس یک فیلد خصوصی قرار می‌دهیم و در متد سازنده نام ستون‌ها را بعنوان اندیس‌های این فیلد مقداردهی اولیه می‌نماییم، سپس با __GET و __SET مقداردهی و مقدارگیری را انجام می‌دهیم، حالا متدهای مورد نظرمان را به صورت استاتیک می‌نویسیم، مثلا متد findByPk($id) یک رکورد خاص از جدول را با استفاده از id آن برمی‌گرداند که این کار را به این صورت انجام می‌دهد که هر ستون رکورد را در یک اندیس پراپرتی کلاس قرار می‌دهیم و سپس می‌توانیم آن را فراخوانی کنیم.الگوی Adaptorالگوی Adapter یک آبجکت را به متدهای یک آبجکت دیگر تبدیل می‌کند. وقتی از api یک سرویس استفاده می‌کنیم و سپس به هر دلیلی مجبوریم از یک سرویس‌دهنده دیگر استفاده کنیم. فرض کنیم از سرویس Writely استفاده می‌کردیم و بعد از خرید آن توسط گوگل، مجبور خواهیم بود تا از گوگل‌داک استفاده کنیم، حالا اگر رابطی داریم که کلاس Writely از آن استفاده می‌کند، حالا باید از کلاس گوگل داک استفاده کنیم، برای استفاده از این کلاس نیز نیاز به یک کلاس از نوع Adapter داریم که این کلاس از رابط فوق استفاده می‌کند و در بدنه‌اش، دارای متدهایی است که هر کدام با اجرا بخشی از کد کلاس گوگل‌داک را اجرا می‌کنند، مثلا متد سازنده مسئول ساخت یک شی از کلاس فوق است که آن را در پراپرتی مربوط قرار می‌دهد و متدها نیز مقادیر مورد نظر را برمی‌گردانند.جمع‌بندیدر رابطه با دیزاین‌پترن، کتاب‌های بسیاری وجود دارد که از جمله بهترین آن‌ها ‌می‌توان کتاب Design Patterns: Elements of Reusable Object-Oriented Software، کتاب Head First Design Patterns و کتاب Patterns of Enterprise Application Architecture را نام برد. mahmoud1375mardi mahmoud1375mardi Wed, 16 Dec 2020 18:12:33 +0330 https://virgool.io/@mahmoud1375mardi/%D9%87%D9%88%D8%B4-%D9%88-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D9%82%D8%B3%D9%85%D8%AA-%D8%A2%D8%AE%D8%B1-a80ckpnmddes ● اشارهاین ادعا كه كامپیوتر فكر می‌كند یا تنها كامپیوتر می‌اندیشد، چه تأثیری در برخی از باورهای دینی دارد؟ و آیا تعارضی با مضمون متون دینی پیدا می‌كند؟ در هوش مصنوعی، دو ادعای مهم به چشم می‌خورد: برخی ادعا می‌كنند كه كامپیوتر به معنای حقیقی كلمه می‌اندیشد (فرضیه دستگاه نمادها). برخی دیگر هم ادعا می‌كنند تنها كامپیوتر می‌تواند بیندیشد، (فرضیه قوی دستگاه نمادها). متون دینی هم در پاره‌ای از موارد بر اندیشیدن و تعقل تكیه می‌كنند. آیا اندیشیدن به معنای واحدی در دو مورد به كار می‌رود؟ و آیا دین و متون دینی می‌تواند تفاوت‌هایی میان انسان و كامپیوتر را نشان دهد؟ نگارنده تلاش می‌كند پاسخ‌هایی برای این پرسشها بیابد و با توجه به متون دینی تفاوت‌هایی میان آنها را روش سازد.نخست باید مقصود متخصصان هوش مصنوعی را از اصطلاح "هوش" Intelligence روشن سازیم؛ چرا كه نگاه آنان نسبت به مقوله هوش و مفاهیم مرتبط مانند عقل، ذهن و غیره كاملاً متفاوت است. امروزه در میان دانش‌های موجود، اصطلاح هوش در روان¬شناسی بسیار كاربرد دارد. و روان¬شناسان از بهره‌هوشی افراد و امور مرتبط با آن بحث می‌كنند. ولی در هوش مصنوعی این اصطلاح كاربردی كاملاً متفاوت دارد. (Desouza, ۲۰۰۲:۲۷)در هوش مصنوعی برای شروع كار، تعریفی عملی از هوش ارائه می‌شود. معمولاً فلاسفه به تعاریف مفهومی بیش‌تر رغبت دارند و دوست دارند مفهوم هوش و عقل و غیره را روشن سازند. اما بنا به دلایلی، متخصصان هوش مصنوعی تعریف عملی را برگزیده‌اند. یك دلیل این گزینش به این نكته بر می‌گردد كه نزاع‌های مفهومی؛ یا نزاع برای تعریف مفاهیم فایدهٔ چندانی ندارد و غالباً بی‌نتیجه پایان می‌یابد. اگر بخواهیم با تعریف مفاهیم "هوش" و "تفكر" رابطهٔ آنها را بیابیم و ببینیم آیا هوش همان تفكر است یا نه، بیش‌تر در نزاعی لفظی درگیر خواهیم شد. زیرا، بی‌تردید دو واژهٔ مذكور از لحاظ مفهومی تفاوت دارند و یك چیز را نمی‌رسانند و ادعای آنان، تساوی مفهومی این دو واژه نیست. بلكه، چنان‌كه بعداً توضیح خواهیم داد، به نظر آنان این دو اصطلاح یك حقیقت قابل اندازه‌گیری را نشان می‌دهند.آلن تورینگ (Alan Turing)، یكی از پیشگامان بحث هوش مصنوعی، به خاطر اهداف عملی كه در هوش مصنوعی دنبال می‌شود، ملاكی نسبتاً مقبول برای همگان را برای تعیین هوش پیشنهاد داده است. انگیزه و دلیل طرح این ملاك، چنانكه در بالا اشاره كردیم، اجتناب از نزاع‌های لفظی و مباحث فلسفی بی‌نتیجه بوده است. تورینگ پی‌برده بود كه با پرداختن به مباحث رایج فلسفی دربار? این واژه، نمی‌تواند ارتباطی میان كاركرد ماشین‌ها و ذهن بشر را بیابد. از ا?ن رو او پیشنهاد كرد كه ما باید مسایل لفظی و مفهومی در این مورد را كنار بگذاریم و آزمون ساده‌ای را در این زمینه مطرح كنیم و سپس، خود ماشین‌ها را به نحو عینی و ملموس بررسی كنیم. همچنین، او پیش‌بینی كرد كه تا سال ۲۰۰۰، دستگاه‌های كامپیوتر از این آزمون سربلند بیرون خواهند آمد و تعاریف مخالف بی‌معنا جلوه خواهند كرد.آزمون تورینگ بر پایهٔ یك بازی استوار شده است كه "بازی تقلید" (imitation game) نام دارد. در این بازی سه فرد ناآشنا هستند كه دو نفر از آنان كه شاهد هستند جنسیت مخالف دارند و نفر سوم پرسشگر است. پرسشگر تلاش می‌كند تا جنسیت دو شاهد را صرفاً از راه طرح پرسش‌هایی تعیین كند یكی از دو شاهد، كه مرد است، تلاش می‌كند تا جنسیت‌اش را مخفی بدارد، ولی شاهد دیگر كه یك زن است، صادقانه به پرسش‌ها پاسخ می‌دهد. اگر پرسش‌گر به پاسخ درست دست بیابد شاهد زن موفق شده است و اگر به پاسخ درست دست نیابد، شاهد مرد پیروز شده است. برای اینكه، پرسشگر به هیچ سرنخ دیگری، مانند صدا، چهره و غیره، دسترسی نداشته باشد، پرسش‌ها و پاسخ‌ها از طریق دستگاه دور چاپگر مبادله می‌شوند. نظر تورینگ این است كه اگر اكنون به جای شاهد مرد یك كامپیوتر جایگزین سازیم و ببینیم كه این دستگاه می‌تواند پرسشگر ماهر را فریب دهد، در این صورت از آزمون سربلند بیرون آمده است. (Haugeland, ۱۹۸۵:۶)چرا چنین آزمون عجیب و غریبی، آزمون هوش می‌شود؟ درحقیقت، استفاده از دستگاه دور چاپگر و تصویر مردی كه می‌خواهد فریب دهد و غیره، همه صحنه‌آرایی برای آزمون است. اصل و اساس آزمون گفتگو است. آیا كامپیوتر می‌تواند مانند یك شخص صحبت كند؟ یا نه، تفاوت‌هایی هم وجود دارد؟● بررسی آزمونمشكل اصلی آزمون‌های از این قبیل در این نكته نهفته است كه هوش می‌تواند درجات مختلفی داشته باشد. آدمیان درجات متفاوتی از هوش دارند كه می‌توانیم آنها را اندازه‌گیری نماییم. اما خود این فرض هم كه كامپیوتر چنین هوشی دارد جای تردید است. در مورد كامپیوتر تنها می‌توانیم بگوییم كه می‌تواند براساس برنامه‌ریزی خاص دقیقاً عمل كند. به عبارت دیگر، آنها صرفاً براساس برنامه‌ریزی پیش می‌روند. امّا آیا واقعاً فكر می‌كنند؟ متخصصان هوش مصنوعی، مانند تورینگ، در پاسخ مفهوم "فكر" یا "هوش" را به‌گونه‌ای تعریف می‌كنند كه ماشین را هم دربر می‌گیرد. امّا آنها درواقع به جای حل مسأله، پیش‌فرض نادرستی وارد مسأله می‌كنند كه به مصادره به مطلوب می‌انجامد.● دستكاری نمادهاكامپیوتر دستگاهی است كه در نمادها دخل و تصرف می‌كند. كامپیوتر براساس برنامه‌ای كه به آن داده شده نمادها را جابجا و دستكاری می‌كند و برنامهٔ مورد نظر، گام به گام جز?یات دخل و تصرف را روشن می‌سازد و كامپیوتر هم دقیقاً مطابق آن عمل می‌كند. این نمادها با الكتر?س?ته در حافظهٔ كامپیوتر ساخته می‌شوند. فرض می‌كنیم این نمادها تركیبی از دو عدد صفر و یك هستند (درواقع هم برنامه‌های كامپیوتری با این دو رقم نوشته می‌شود) و به‌عنوان مثال، نمادهای مورد نظر را در چهار سطر زیر بر روی كاغذ نوشته‌ایم:۱۱۰۱۱۰۰۱۰۰۰۱۰۰۱۱كامپیوتر براساس برنامهٔ داده شده به آن بر روی نمادهای فوق (چهار سطر بالا) عملیاتی را انجام می‌دهد. مثال زیر برنامه‌ای برای دستكاری نمادها (symbol-manipulation) است:۱) محتوای سطر خاصی در سطر دیگری كپی كن۲) نمادهای سطر خاصی را حذف كن۳) رشته‌ای از نمادهای تعیین شده را در سطر خاصی بنویس۴) نمادهای دو سطر مشخص شده را با هم مقایسه كن.۵) نماد خاصی را برای نامگذاری سطری مشخص به‌كار ببر.در برنامهٔ مورد نظر تعیین می‌شود كه كامپیوتر باید چه عملی را و روی كدام سطر انجام دهد. این گونه عملیاتِ دستكاری نمادها، عملیات بنیادی نام دارند. كامپیوتر دستگاهی است كه می‌تواند تعدادی از عملیات بنیادی را انجام دهد.● دو فرضیه در هوش مصنوعیدر هوش مصنوعی فرضیه‌های بسیاری مورد بحث قرار می‌گیرد. در میان این فرضیه دو فرضیه نسبت به بقیه كلیدی‌ترند. فرضیه نخست نسبت به فرضیه دوم معتدل‌تر و ادعایی حداقلی دربر دارد. این دو فرضیه به ترتیب عبارت‌اند از:۱) فرضیه دستگاه‌ نمادها (The symbol system hypothesis): مفاد این فرضیه این است كه:"كامپیوتر را می‌توانیم به‌نحوی برنامه‌ریزی كنیم كه بیندیشد"تقریر دیگر از فرضیهٔ فوق این است كه: "كامپیوتر می‌تواند بیندیشد".۲) فرضیه قوی دستگاه نمادها (The strong symbol system hypothesis): مفاد این فرضیه هم چنین است:"تنها كامپیوتر می‌تواند فكر كند"پیدا است كه فرضیه دوم نسبت به فرضیه نخست افراطی‌تر است و ادعایی حداكثری دربر دارد. چراكه بر طبق آن، هر چیزی كه فكر می‌كند، حت? موجودات طبیعی، باید كامپیوتر باشد. از ا?ن رو ذهن بشر هم دستگاهی جامع از نمادها است و تفكر بشر هم از لحاظ ماهیت با تفكری كه در مورد كامپیوتر به‌كار می‌رود تفاوت ندارد؛ در هر دو مورد تفكر همان توانایی دستكاری و جابجا كردن نمادها است.● استدلال اتاق چینیاین پرسش مهم در ارتباط با ادعاهای هوش مصنوعی مطرح می‌شود كه آنها را با چه روشی باید پاسخ داد؟ آیا برای یافتن پاسخی مناسب برای آنها باید به تجربه متوسل شد و شواهدی را جمع نمود؟ یا اینكه این پرسش‌ها كاملاً ماهیت فلسفی دارند و پاسخ آنها را باید باروش فلسفی دنبال كرد؟ متخصصان هوش مصنوعی تلاش كرده‌اند با روش تجربی و با جمع‌آوری شواهد تجربی، آنها را اثبات كنند.به اعتقاد، جان سرل (John Searl)، یكی از ف?لسوفان برجستهٔ معاصر، متخصصان هوش مصنوعی در اینكه این پرسش‌ها و مسایل را تجربی دانسته‌اند به اشتباه رفته‌اند. این مسأله كه "دستگاهی كه نمادها را تكثیر می‌كند می‌اندیشد" مسأله‌ای تجربی نیست و جمع‌آوری شواهد نمی‌تواند پاسخی برای آن فراهم بیاورد. او ادعا می‌كند كه اكنون می‌توانیم بدون توجه به این شواهد فرضیهٔ دستگاه نمادها را ابطال كنیم. به نظر او، این فرضیه حقیقتی تحلیلی (مانند "مردها مذكرند") را انكار می‌كند؛ با این تفاوت كه فهم نادرستی این مثال ساده است و می‌توانیم با رجوع به فرهنگ لغت به راحتی كذب بودن آن را نشان دهیم. اما ابطال فرضیه دستگاه نمادها به بحث فلسفی دقیقی نیازمند است سرل استدلالی را برای رد آن مطرح می‌كند كه به "استدلال اتاق چینی" (Chinese room argument) مشهور شده است.گفتیم كامپیوتر تنها دستگاهی است كه نمادها را دستكاری می‌كند، و تمام كاری كه انجام می‌دهد این است كه نمادها را مقایسه می‌كند و یا حذف می‌كند و یا كپی كند و غیره. بی‌تردید، این پرسش مطرح می‌شود كه آیا كامپیوتر می‌تواند بفهمد؟ مثلا، آیا می‌تواند جمله‌ای را به زبان طبیعی خاصی (مانند زبان فارسی) بفهمد؟ سرل در پاسخ می‌گوید كه كامپیوتر نمی‌تواند جمله‌های زبان طبیعی را بفهمد. او با واژگان فنی در پاسخ می‌گوید:"دستگاهی كه در نمادها دستكاری می‌كند تنها در نحو (Syntax) مهارت دارد و مهارت در نحو برای مهارت در معناشناسی (semantics) كافی نیست" (Searl,۱۹۸۹:۳۱)مهارت داشتن در نحو به معنای مهارت داشتن در دستكاری نمادهای زبانی است و این امر به معنای مهارت داشتن در فهم آنها نیست. كامپیوتر استاد قواعد نحو است؛ برنامه‌های كامپیوتر چیزی جز راهنمای انجام دادن سلسله‌ای از كارهای نحوی نیست. از ا?ن رو هیچ¬گاه نمی‌تواند از زندان نحو خارج شود و به معناشناسی بپردازد.استدلال سِرل تا حدی دشوار است و به تقریری نسبتاً ساده نیازمند است. فرض كنید برنامه‌ای برای فهم داستان‌ها طراحی كرده‌ایم. این نوع برنامه‌ها در هوش مصنوعی Sam (كوته¬نوشتِ Script Applier Mechanism) نامیده شده‌اند. اگر داستانی را به این برنامه بدهیم و پرسش‌هایی دربارهٔ آن مطرح كنیم بی‌درنگ پاسخ‌های متناسب را ارائه می‌دهد. چنانچه پیشتر گفتیم، برنامه‌های كامپیوتر دردستگاه اعداد دوگانی (صفر و یك) نوشته می‌‌شوند. بنابراین، هر مرحله‌ای از این برنامه به صورت سطری از اعداد صفر و یك است و می‌توانیم آن را به صورت قاعده‌ای ترجمه كنیم. به‌عنوان مثال سطر:۱۱۰۰ ۰۱۱۱ ۰۰۰۰۰۰۱۱در این سطر ۰۱۱۱ كد عدد ۷ است و ۱۱۰۰ كد عدد ۱۲ است و ۰۰۰۰۰۰۱۱ شیوه‌ای برای این است كه به كامپیوتر بگوییم مقایسه كن. بنابراین، سطر فوق به این قاعده ترجمه می‌شود:"محتوای عدد ۷ را با محتوای عدد ۱۲ مقایسه كن و ۱ بنویس اگر آنها یكی هستند، و صفر بنویس اگر آنها متفاوتند"اگر كل برنامهٔ Sam را به این شیوه بنویسیم؛ یعنی همهٔ سطرهای آن را به صورت قواعدی در قالب زبان طبیعی بازنویسی كنیم، مجموعه‌ای از كتاب¬ها حاوی قواعد خواهیم داشت. این مجموعه مجلدات بسیاری را در برخواهد گرفت و اتمام این مجلدات به ماه¬ها، بلكه سال¬ها وقت و حوصله نیازمند است. حال فرض كنید كسی همهٔ این بازنویسی‌ها را با حوصله و صبر تمام انجام دهد. این قهرمان در اتاقی با كتابخانه‌ای از كتاب‌های مربوط به قواعد این بازنویسی زندانی شده است. همچنین در این اتاق برگه‌های سفید بسیاری و هزاران قلم وجود دارد. تنها ارتباطی كه او با جهان بیرون از اتاق دارد از راه دو سوراخ روی دیوار است كه یكی ورودی و دیگری خروجی است. آزمایشگران از ورودی داستانی را همراه با برگهٔ پرسش‌ها به اتاق می‌فرستند و پاسخ¬ها را از راه خروجی در زمانی بسیار كوتاه دریافت می‌كنند. این شخص در تهیهٔ پاسخ‌ها تقلب نمی‌كند. هم داستان و هم پرسش‌ها با الفبای زبان چینی نوشته شده‌اند و او با این زبان آشنا نیست و حتی نمی‌داند كه ورودی و خروجی در اصل جملاتی از یك زبان‌اند. برای او همهٔ‌ اینها الگوهایی بی‌معنا هستند. او به ‌محض اینكه از ورودی داستانی همراه با پرسش‌ها را دریافت می‌كند به كتاب قواعدش رجوع می‌كند و برای نمادهای مورد نظر رشته‌هایی مناسبی از اعداد صفر و یك را می‌یابد. او باید هزاران دستكاری را انجام دهد و برگه‌های سفید را با رشته‌هایی از اعدادِ صفر و یك پُر كند. بالاخره، او به آخرین صفحات كتاب قواعدش می‌رسد كه در برابر الفبای چینی ارقام خاصی را قرار داده است. او پاسخ كامل را از خروجی به بیرون می‌فرستد. این الفبا‌ برای آزمایشگران بسیار دقیق، امّا به نظر او، مجموعه‌ای از خط¬های كج و كوله و نامفهوم‌اند.به‌نظر سرل، این شخص نه داستان و نه پرسش‌ها را نمی‌فهمد. به‌نظر چنین شخصی، ورودی و خروجی صرفاً از نمادهای بی‌معنایی تشكیل شده است. در عین حال، او همهٔ كارهای یك كامپیوتر را انجام داده و دقیقاً به برنامهٔ Sam عمل كرده است. امّا از آنجا كه عمل به این برنامه موجب نمی‌گردد كه او این زبان را بفهمد، كامپیوتر هم با انجام دادن این برنامه آن را نمی‌فهمد.به‌طور كلی، استدلال اتاق چینی نشان می‌دهد كه دستگاهی كه صرفاً نمادها را دستكاری می‌كند نمی‌تواند چیزی را بفهمد و یا به چیزی باور داشته باشد و یا دربارهٔ چیزی بیندیشد. بنابراین، صدق این استدلال مستلزم كذب فرضیه دستگاه نمادها است.استدلال چینی مباحث بسیاری را در هوش مصنوعی برانگیخته است و مخالفان و موافقان بسیاری دربارهٔ آن سخن گفته‌اند. به‌عنوان مثال، كاپلند (Copeland) به نقد آن پرداخته است. به‌نظر او، این استدلال مغالطه‌ای ظریف (مغالطهٔ جزء و كل) دربر دارد. وقتی از شخصی كه در اتاق چینی است می‌پرسیم آیا دستكاری نمادها او را به فهم پرسش‌های ورودی توانا می‌سازد، او پاسخ منفی می‌دهد. سرل از این مقدمه نتیجه‌ می‌گیرد كه دستكاری نمادها هرگز برای پدید آمدن فهم كافی نیست. كاپلند مشكل اصلی استدلال سرل را در این نكته می‌بیند كه تنها یك نفر را در اتاق چینی در نظر می‌گیرد كه وظیفهٔ دستكاری نمادها را به عهده دارد. در حالی كه شخص دیگری هم در این ماجرا وجود دارد. این شخص درواقع در این ماجرا به‌صورت پنهانی وجود دارد و ثمره كارهای شخص اوّل است. او با دستكاری نمادها این شخص ناپیدا را به‌وجود می‌آورد. شخص اوّل خستگی‌ناپذیر است و دستكاری‌های بسیار زیادی را انجام می‌دهد، ولی شخص دوّم به زبان چینی به‌صورت زیبا و دلنشین سخن می‌گوید و این توانایی را دارد كه از محدودهٔ شخص اوّل پا را فراتر بگذارد و جزئیات زبان چینی را بفهمد. باید از سرل بپرسیم كه چرا از شخص اول دربارهٔ فهم نمادها می‌پرسد، او تنها بخشی از یك ماشین یا دستگاه است. امّا اگر از شخص دوم این سئوال را بپرسیم، خواهد گفت كارهایی كه شخص اوّل انجام می‌دهد او را به فهم آنها توانا می‌سازد. بنابراین، استدلال سرل به‌صورت زیر است:هرقدر هم شخص اول به دستكاری نمادها بپردازد باز نخواهد توانست خروجی را كه به زبان چینی است بفهمد (مقدمه)هرقدر كه این شخص به دستكاری نمادها بپردازد، دستگاهی را كه او بخشی از آن استقادر به فهم خروجی كه به زبان چینی است نخواهد ساخت.این استدلال معتبر نیست؛ زیرا رابطهٔ منطقی میان آن و نتیجه وجود ندارد. (Copeland, ۱۹۹۳: ۱۲۵-۶)كاپلند تلاش می‌كند تا نشان دهد هرچند بخشی از دستگاه نمی‌تواند زبان را بفهمد، كل آن زبان را می‌فهمد و سرل تنها نشان داده است كه بخش آن زبان را نمی‌فهمد. سخن كاپلند قانع‌كننده به‌نظر نمی‌رسد؛ زیرا باز این پرسش مطرح می‌شود كه چگونه دستكاری نمادها كل دستگاه را به فهم زبان قادر می‌سازد؟ از این گذشته، چه تفاوتی میان این كل و بخش وجود دارد كه موجب می‌گردد كل دستگاه زبان چینی، را بفهمد؟ استدلال كاپلند نوعی مصادره به مطلوب را دربر دارد. سرل نشان می‌دهد كه در كل دستگاه اتفاقی غیر از دستكاری نمادها رخ نمی‌دهد و این امر برای فهم زبان كافی نیست. امّا كاپلند ادّعا می‌كند همین امر، كل دستگاه را به فهم زبان توانا می‌سازد. خود این ادّعا باید اثبات شود.دین و برداشت مكانیكی از تفكرمباحث هوش مصنوعی در موارد زیادی با باورهای دینی ارتباط می‌یابد و پرسش‌هایی را در این زمینه برمی‌انگیزد؛ برخی از این پرسش‌ها عبارت‌اند از:۱) آیا برداشتی كه در هوش مصنوعی از تفكر دارد با دین سازگار است؟۲) آیا فرضیه‌های موجود در هوش مصنوعی در برتری انسان بر دیگر موجودات مناقشه ایجاد نمی‌كند؟۳) آیا بر طبق هوش مصنوعی عالی‌ترین فعالیت‌های بشر (تفكر) چهرهٔ مادّی و طبیعی پیدا نمی‌كند؟۴) آیا هوش مصنوعی نشان می‌دهد كه تمام فعالیت‌های عالی بشر قابل تبیین به‌صورت طبیعی‌اند؟به نظر می‌رسد كه پرسش‌هایی از این قبیل در نهایت با پرسش نخست ارتباط می‌یابند و این پرسش نسبت به بقیه بنیادی‌تر است. از ا?ن رو به طرح و بررسی آن از منظر دین بسنده می‌‌كنیم.اساس " هوش مصنوعی" برداشت مكانیكی از تفكر است؛ تفكر چیزی جز انجام دادن كارهایی مكانیكی (دستكاری نمادها) نیست. این كارها را ماشین انجام می‌دهد، و از ا?ن رو تفكر به‌معنای حقیقی به بشر اختصاص ندارد و یا تنها به ماشین اختصاص دارد.در جهان‌بینی دینی بشر امتیاز ویژه‌ای نسبت به دیگر موجودات به عالم دارد. این امتیاز تنها به قوای روحی و معنوی او مربوط نمی‌شود، بلكه با قوای فكری و عقلی او نیز ارتباط دارد. راه یافتن او به عالم غیب و پی بردن به نقش خداوند در سرنوشت‌اش تا حدّی ریشه در قوای ادراكی و عقلی او دارد.سرل تفاوت مهم هوش مصنوعی با هوش طبیعی بشر را در فهم زبان خلاصه كرد. توانایی فهم زبان به قوای ویژهٔ عقلی اختصاص دارد. زبان پدیدهٔ بسیار مهمی است تا جایی كه برخی از ف?لسوفان، انسان را به "حیوانی كه تكلم می‌كند" تعریف كرده‌اند. امّا با رجوع به آیات قرآن امتیازات دیگری برای بشر می‌یابیم كه می‌توانند وجه فارق مهم او از ماشین باشند. ما تنها به دو مورد اشاره می‌كنیم:۱) فهم تاریخ و عبرت‌گیری از آن: بشر می‌تواند پدیده‌های تاریخی را بفهمد و از آنها درس بگیرد. در سورهٔ یوسف آمده است:"و ما ارسلنا من قبلك الا رجالاً نوحی الیهم من اهل القری افلم یسیروا فی الارض فینظروا كیف كان عاقبهًْ الذین من قبلهم ولدار الآخرهًْ خیرٌ للذین اتقوا افلاتعقلون" (یوسف، ۱۰۹)این آیه بخش‌های گوناگونی دارد: اوّلاً، از سرگذشت پیامبر اسلام(ص) سخن می‌گوید ثانیاً، مخاطبان را دعوت به سیر بر روی زمین و عبرت گرفتن از عاقبت گذشتگان می‌كند. ثالثاً، دربارهٔ عالم آخرت و تقوا سخن می‌گوید و بالاخره، مخاطبان را توبیخ و سرزنش می‌كند كه چرا نمی‌اندیشند. دعوت به اندیشیدن با مضامین و بخش‌های گوناگون آیه ارتباط دارد. بخش دوم، به تامل در آثار باقی‌مانده بر روی زمین دعوت می‌كند. مخاطب با تامل در آثار گذشتگان و سیر بر روی زمین؛ یعنی حركت مكانی، به زمان گذشته بازمی‌گردد و از آنها عبرت می‌گیرد. (كمونی، ۲۰۰۵: ۲ ـ ۱۰۱)هیچ‌گونه فعالیت مكانیكی و دستكاری نمادها قدرت راه یافتن به چنین تفكری را ندارد. هوش مصنوعی نمی‌تواند میان مكان و اطلاعات به دست آمده از آثار مختلف بر روی زمین به بُعد زمانی بپردازد و نسبت به زمان گذشته اطلاعاتی عبرت‌انگیز را به دست بیاورد.۲) فهم قوانین طبیعت: عقل بشر از نظر دین قابل تحویل و تقلیل به دستكاری نمادها نیست و توانایی‌های بسیار دیگری دارد كه به‌طور مسلّم از هوش مصنوعی نباید آنها را انتظار داشت. او می‌تواند قوانین طبیعت را و ارتباط آنها با خداوند را بیابد. در سورهٔ حدید آمده است:"اعلموا ان الله یحیی الارض بعد موتها قد بیّنا لكم الآیات لعلكم تعقلون" (حدید، ۱۷)حیات و مرگ طبیعت، نوعی پدیده طبیعی و مرتبط با قوانین آن است. آیه همگان را به تامّل در این پدیده و معرفت داشتن به آن دعوت می‌كند. این پدیده جزو آیات الاهی است كه شایستهٔ تعقل است. همچنین، در سورهٔ حج آمده است:"و تری الارض هامدهًًْ فاذا انزلنا علیها الماء اهتزّت و رَبَت و انبتت من كل زوج بهیج" (حج، ۵)حیات زمین با بارش باران آغاز می‌شود و در ادامه گیاهان زیبا از آن می‌روید. این قوانین سادهٔ طبیعت‌اند كه از سویی دیگر جزو آیات الاهی‌اند كه قرآن همگان را به تفكر در آنها دعوت می‌كند.هوش مصنوعی تنها می‌تواند نمادها را دستكاری كند. پیدا است كه هر مسأله‌ای را هم بخواهد حلّ كند باید در ابتدا آن‌ را به‌نحو مناسبی به نمادهای قابل فهم برای آن؛ یعنی صفر و یك، ترجمه كرد. تأمل در قوانین طبیعت و فهم آیات الاهی همواره نوعی حیرت را به ‌دنبال می‌آورد و با سطح عالی‌تری از تفكر بشری مرتبط است. این نوع امور را نمی‌توانیم در قالب نمادها برای هوش مصنوعی قابل فهم سازیم.معمولاً اگزیستانسیالیست‌ها میان راز و مسأله فرق می‌گذارند. مسأله در حیطهٔ علوم می‌گنجد و با عقل محاسبه‌گر قابل حل می‌باشد هوش مصنوعی قادر به حل این مسایل است و ترجمه به زبان نمادها و دستكاری آنها در چنین موردی راهگشا است. امّا راز به مسایل بنیادی زندگی آدمی مانند مرگ، شادی و غم و غیره مربوط می‌شود. زمینه‌های تعقلی كه در دین با آنها مواجه می‌شویم از قبیل راز هستند و بی‌تردید، هوش مصنوعی توانایی ورود به آنها را ندارد. خداوند می‌فرماید:"و ما الحیاهًْ الدنیا الّا لعب و لهو و للدار الآخرهًْ خیر للذین یتقون افلا تعقلون" (انعام، ۳۲)بشر می‌تواند در زندگی دنیوی تأمل كند و جنبه‌های منفی آن‌ را دریابد. این جنبه‌ها، زندگی دنیوی را لعب و لهو می‌سازد. امّا عقل می‌تواند آنها را بفهمد و كنار بگذارد. این قبیل امور جزو رازها هستند؛ نمی‌توانیم آنها را به كمك هوش مصنوعی حل كنیم. یكی از مشكلات تفكر جدید تحویل و تقلیل عقل به عقل محاسبه‌گر است كه در هوش مصنوعی، حقیقتِ تفكر به حساب می‌آید. امّا متون دینی نوع دیگری از تفكر را مطرح می‌كند كه قابل تقلیل و تحویل به این عقل نیست.منابع :سایت اطلاع رسانی آفتاب www.aftab.irمنابع عربی۱. قرآن كریم۲. بوینه، الآن. الذكاء الاصطناعی، واقعه و مستقبله، ترجمهًْ علی صبری فرغلی، كویت: عالم المعرفهًْ، ۱۹۹۳ م.ترجمه‌ای است از:Bonnet, Alain. Artificial Intelligence, Prentic Hall, (۱۹۸۵)۳. كمونی، سعد. العقل العربی فی القرآن. بیروت: المركز الثقافی العربی، ۲۰۰۵ م.منابع انگلیسیCopeland, Jack, Artificial Intelligence: A Philosophical Introduction, New York: Blackwell (۱۹۹۳)Desouza, Kevin. Managing Knowledge With Artificial Intelligence, London: Westport, (۲۰۰۲)Haugeland, John. Artificial Intelligence; The Very Idea, Massachusetts, The MIT Press. (۱۹۸۵)Searl, John, Minds, Brains and Science, London: Penguin, (۱۹۸۹)Stillings, Neil & Weisler, Steven. Cognitive Science: An Introduction, New York: Massachusetts Institute of Technology, (۱۹۹۵)خبرگزاری فارس روزنامه ایران mahmoud1375mardi mahmoud1375mardi Sat, 13 Jun 2020 00:31:06 +0430 https://virgool.io/@mahmoud1375mardi/%D9%87%D9%88%D8%B4-%D9%88-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D9%82%D8%B3%D9%85%D8%AA-%D8%AF%D9%88%D9%85-naxoeskkcwbj ● فلسفۀ هوش مصنوعیبطور 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 پیچیدگیایجاد 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 خبرهسیستم‌های 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 هوشمندعامل‌ها (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 مصنوعیهوش 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 مصنوعیهوش 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 كارتیپروفسور 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.● LISPزبان 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 مصنوعیهمه 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 انسانیدر 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 مصنوعیماشین 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 مصنوعیاز 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 ترکیبیاز 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 مصنوعیهدف "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. mahmoud1375mardi mahmoud1375mardi Sat, 13 Jun 2020 00:28:24 +0430 https://virgool.io/@mahmoud1375mardi/%D9%87%D9%88%D8%B4-%D9%88-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D9%82%D8%B3%D9%85%D8%AA-%D8%A7%D9%88%D9%84-sul4m6rzq7bx تعریف هوشبطور کلی تعاریف متعددی را که توسط روان شناسان برای هوش ارائه شده است، می‌توان به سه گروه تربیتی (تحصیلی) ، تحلیلی و کاربردی تفسیم کرد.تعریف تربیتی هوشبه اعتقاد روانشناسان تربیتی ، هوش کیفیتی است که مسبب موفقیت تحصیلی می‌شود و از این رو یک نوع استعداد تحصیلی به شمار می‌رود. آنها برای توجیه این اعتقاد اشاره می‌کنند که کودکان باهوش نمره‌های بهتری در دروس خود می‌گیرند و پیشرفت تحصیلی چشم گیری نسبت به کودکان کم هوش دارند. مخالفان این دیدگاه معتقدند کیفیت هوش را نمی‌توان به نمره‌ها و پیشرفت تحصیلی محدود کرد، زیرا موفقیت در مشاغل و نوع کاری که فرد قادر به انجام آن است و به گونه کلی پیشرفت در بیشتر موقعیتهای زندگی بستگی به میزان هوش دارد.تعریف تحلیلی هوشبنابه اعتقاد نظریه پردازان تحلیلی ، هوش توانایی استفاده از پدیده‌های رمزی و یا قدرت و رفتار موثر و یا سازگاری با موقعیتهای جدید و تازه و یا تشخیص حالات و کیفیات محیط است. شاید بهترین تعریف تحلیلی هوش به وسیله « دیوید وکسلر » ، روان شناس امریکایی ، پیشنهاد شده باشد که بیان می‌کند: هوش یعنی تفکر عاقلانه ، عمل منطقی و رفتار موثر در محیط.تعریف کاربردی هوشدر تعاریف کاربردی ، هوش پدیده‌ای است که از طریق تستهای هوش سنجیده می‌شود و شاید عملی‌ترین تعریف برای هوش نیز همین باشد.تاریخچه مطالعات مربوط به هوشمساله هوش به عنوان یک ویژگی اساسی که تفاوت فردی را بین انسانها موجب می‌شود، از دیرباز مورد توجه بوده است. زمینه توجه به عامل هوش را در علوم مختلف می‌توان مشاهده کرد. برای مثال زیست شناسان ، هوش را به عنوان عامل سازش و بقا مورد توجه قرار داده‌اند. فلاسفه بر اندیشه‌های مجرد به عنوان معنای هوش و متخصصان تعلیم و تربیت ، بر توانایی یادگیری تاکید داشته‌اند.در مقاله‌ای معتبر که در سال 1904 منتشر شد، « چارلز اسپیرمن » ، روان شناس بریتانیایی ، نخستین کوشش برای تحقیق در ساختمان هوش را با روشهای تجربی و کمی تشریح کرد. پیدایش مقیاس هوشی بینه سیمون ، در سال 1905 و به دنبال آن تهیه و استاندارد شدن مقیاس استنفرد _ بینه ، در سال 1916 در امریکا ، از فعالیتهای اولیه به منظور تهیه ابزار اندازه گیری هوش بوده است. البته در سال 1838 « اسکیرول » به منظور تهیه ضوابطی برای تشخیص و طبقه بندی افراد عقب مانده ذهنی ، روشهای مختلفی را آزمود و به این نتیجه رسید که مهارت کلامی فرد بهترین توانش ذهنی اوست. جالب آن که بعدها نیز مهارت کلامی از عوامل اساسی توانش ذهنی شناخته شد و امروز نیز محتوای اکثر تستهای هوش را مواد کلامی تشکیل می‌دهد.ترستون ، ثرندایک ، سیریل برت ، گیلفورد ، فیلیپ ورنون ، از دیگر افرادی بودند که در زمینه هوش به تحقیق و بررسی پرداختند.عوامل موثر بر هوشاز عوامل مهم موثر بر هوش ، تغذیه و دیگر شرایط دوران بارداری است. تغذیه مناسب در این دوران و رعایت بهداشت جسمی و روحی مادر ، تاثیر مهمی در هوش نوزاد خواهد داشت. سطح هوشی والدین ، تغذیه دوران کودکی و نوزادی ، شرایط و امکانات محیطی ، نوع ارتباط والدین با کودک از دیگر عوامل موثر در رشد و شکوفایی هوش به شمار می‌روند. عوامل محیطی مثل وجود محرکات مناسب در محیط پرورش کودک که او را به کنجکاوی و کنکاش وا می‌دارد، در بروز و ظهور و شکوفایی هوش وی نقش اساسی دارد.انواع آزمونهای هوشتست بینه به عنوان قدیمی‌ترین آزمون برای سنجش هوش شناخته می‌شود که آزمون استنفرد _ بینه شکل تجدید نظر شده است که به فارسی نیز برگردانده شده است. تست ریون از دیگر آزمونهای هوش است که به لحاظ سهولت اجرا معروف است. آزمون وکسلر که آزمونی پیشرفته برای سنجش ابعاد مختلف هوش است، آزمون دقیقی است که برای گروههای سنی خردسالان و کودکان و بزرگسالان فرمهای مجزایی دارد.طبقات هوشبا توجه به نمرات حاصل از اجزای آزمونهای هوشی و تعیین بهره هوشی ، افراد در طبقات مختلفی قرار می‌گیرند. در طبقه بندیهای گذشته افراد دارای هوش پایین در طبقات کودن ، کانا و کامیو قرار می‌گرفتند. امروزه دیگر این طبقه بندی رایج نیست و از طبقه بندی عقب مانده ذهنی ، بهره هوشی پایین ، متوسط و بالا استفاده می‌شود.هوش چندگانهبرای اینکه از نظر هوشی تقویت شوید، روش های زیر را به کار گیرید. با تقویت هوش بصری، زبانی، گفتاری و... در کارها و زندگی تان موفق تر خواهید بود.● پوستراین روش هوش بصری فضایی، زبانی را فعال می کند.▪ تعریف: افراد اگر نمایش منطقی مفاهیم کلیدی را به صورت بصری ببینند اطلاعات را بهتر جذب می کنند. این پوسترها حتی فراگیران را قادر می سازد تا تلفیق سازی و دستیابی اطلاعات بهتر صورت گیرد. با نشانه گذاری، بزرگنمایی و عکس دار کردن مفاهیم می توانید از این روش بهره بگیرید.● صوتاین روش هوش گفتاری و گفتار درون فردی را فعال می کند.با این روش که امروزه استفاده از آن بسیار آسان تر شده است افکار، احساسات و عکس العمل ها سریع تر و دقیق تر صورت می گیرد.● نمایش دادناین روش تمام هوش ها را فعال می کند. این روش را می توان برای تمام موضوعات به کار برد، به دلیل پویا و اکتیو بودن این روش برای افراد بسیار جذاب تر نیز هست. این روش در استفاده از کامپیوتر، طرز استفاده از یک دستگاه آموزش هنر و... به کار می رود.● موسیقیاین روش هوش موسیقی را فعال می کند. تقریباً همه افراد تجربه کرده اند که با شنیدن یک موسیقی خاص یک تصویر، فکر و یا خاطره برای آنها زنده می شود. موسیقی می تواند احساسات را برانگیزد و باعث افزایش یادگیری شود. می توانید با گوش دادن به یک قطعه موسیقی ملایم هنگام فعالیت و یا کار، بهره وری را افزایش داد و به یادآوری مجدد کمک می کند.هوش هیجانیهوش هیجانی (Emotional Intelligence) که به اختصار EI گفته می‌شود و معمولاً معیار ارزیابی آن را «ضریب هوش هیجانی» یا EQ می‌نامند، به توانایی، ظرفیت یا مهارت ادراک، سنجش و مدیریت هیجانات خود و دیگران، دلالت دارد. البته به دلیل تازه بودن نسبی این ایده، تعریف دقیق آن هنوز در بین روان‌شناسان مورد اختلاف است.در سال ۱۹۲۰، «تورن دایک» در دانشگاه کلمبیا از عبارت هوش اجتماعی برای تشریح مهارت کنار آمدن با سایر مردم استفاده کرد. در سال ۱۹۷۵، «هاوارد گاردنر» ایده هوش چندگانه را مطرح کرد. او هشت نوع هوش را در دو دسته کلّی هوش میان فردی (interpersonal) و هوش درون فردی (intrapersonal) برشمرد. بسیاری از روان‌شناسان از جمله گاردنر اعتقاد دارند که معیارهای سنتی ارزیابی هوش، مثل آزمون‌های ضریب هوشی (IQ) قادر به تشریح توانائی‌های شناختی نیستند.عبارت هوش هیجانی ابتدا در سال ۱۹۸۵ توسط «وین پین» مطرح شد امّا توسط «دانیل گلمن» در سال ۱۹۹۵ محبوبیت یافت. بیشترین پژوهش‌ها در این زمینه توسط «پیتر سالووی» و «جان مایر» در دهه ۹۰ صورت گرفته است. آن‌ها به این نتیجه رسیدند که ظرفیت ادراک و فهم هیجانات، عامل جدیدی را در شخصیت افراد تشکیل می‌دهند. مدل سالووی- مایر، هوش هیجانی را به صورت ظرفیت درک اطلاعات هیجانی و استدلال در هنگام وجود هیجان تعریف می‌کند.▪ آن‌ها توانائی‌های هوش هیجانی را به چهار زمینه زیر تقسیم می‌کنند:ـ توانایی درک و تشخیص دقیق هیجانات (یا عواطف) خود و دیگرانـ توانایی استفاده از هیجانات (یا عواطف) برای تسهیل تفکرـ توانایی درک معانی هیجانات (یا عواطف)ـ توانایی مدیریت و اداره کردن هیجانات (یا عواطف)● اندازه‌گیری هوش هیجانیتفاوت بین هوش و دانش در زمینه شناخت کاملاً روشن است. در پژوهش‌های روان‌شناسی عموماً نشان داده شده است که ضریب هوشی (IQ)، معیار قابل اطمینانی برای سنجش ظرفیت و توانایی شناختی افراد است و در طول زمان تغییر نمی‌کند. امّا در زمینه هیجانات (یا عواطف)، تفاوت بین هوش و دانش چندان مشخص نیست و رخی ناسازگاری‌ها در تعاریف فعلی از هوش هیجانی و معیارهای آن وجود دارد. برخی از روان‌شناسان معتقدند که هوش هیجانی پویاست و قابل یادگیری و افزایش می‌باشد، در حالی که برخی دیگر هوش هیجانی را نیز ثابت و غیرقابل افزایش می‌دانند.هوش معنویهوش معنوی یا SQرا می توان همان توانایی دانست که به ما قدرتی می دهد و رویاها و تلاش و کوشش برای به دست آوردن آن رویاها را می دهد.هوش معنوی یا SQرا می توان همان توانایی دانست که به ما قدرتی می دهد و رویاها و تلاش و کوشش برای به دست آوردن آن رویاها را می دهد.این هوش زمینه تمام آن چیزهایی است که ما به آنها معتقدیم و نقش باورها، هنجارها، عقاید و ارزش ها را در فعالیت هایی را که بر عهده می گیریم در بر می گیرد.هوشی که به واسطه آن سوال سازی در ارتباط با مسائل اساسی و مهم در زندگی مان می پردازیم و به وسیله آن در زندگی خود تغییراتی را ایجاد می کنیم.با استفاده از هوش معنوی به حل مشکلات با توجه به جایگاه، معنا و ارزش آن مشکلات می پردازیم. هوشی که قادریم توسط آن به کارها و فعالیت هایمان معنا و مفهوم بخشیده و با استفاده از آن بر معنای عملکردمان آگاه شویم و دریابیم که کدامیک از اعمال و رفتارهایمان از اعتبار بیشتری برخوردارند و کدام مسیر در زندگی مان بالاتر و عالی تر است تا آن را الگو و اسوه زندگی خود سازیم.یکی از نمادهایی که معمولا در توضیح این هوش به کار گرفته می شود، نماد گل نیلوفر است که در آن با تلفیق سنت و عقاید موجود در شرق و غرب و با استعانت از مسائل علمی، مدلی قابل لمس و زیبا برای SQ ارائه داد.در این مدل هر سطح از گلبرگ ها یکی از سه توان پایه ای در بشر هستند. بیرونی ترین گلبرگ ها، نشانگر شش نوع «خود» است. همان طور که اشاره شد هوش معنوی یکی از توانایی های ذاتی و فطری در انسان است که همانند سایر هوش ها چنانچه مورد توجه قرار گیرد می تواند پرورش یافته و توسعه یابد.به عبارتی SQقابل توصیف و توضیح و اندازه گیری است. برای اندازه گیری این هوش می توان به سنجش مهارت ها و توانایی هایی که ناشی از این هوش است بپردازیم.▪ افرادی که دارای هوش معنوی هستند دارای این صفات می باشند:- قدرت مقابله با سختی ها، دردها و شکست ها- بالا بودن خودآگاهی در این افراد- حسی که این افراد را هدایت درونی می کند- درس گرفتن از تجربیات و شکست ها- از دشواری های زندگی فرصتی می سازد برای دانستن- توانایی ایستادگی در برابر جمع و هم رای نشدن با عامه مردم- گفتن «چرا؟»- پرداختن به سجایای اخلاقی و اهمیت دادن به آنها- توانمند بودن در خودداری و کنترل خویش- برخوردار بودن از حس انعطاف پذیری بالابرای روشن تر شدن هوش معنوی مثالی از هوش هایی می زنیم که نشانگر هوش چندگانه است که با هوش جسمی آغاز می شود با PQ نمایش می دهند.این هوش ابتدایی ترین کانون توجه ما را به خود اختصاص می دهد در واقع PQ آگاهی جسمی و نحوه استفاده ماهرانه از آن را شامل می شود. قسمت بعدی هوش منطقی یا عقلا نی IQ است. هوشی که در حال حاضر بیش از سایر هوش ها در سیستم های آموزشی مورد توجه قرار می گیرد.پس از IQسطح دیگری است که به EQاختصاص دارد این هوش در زمینه کسب موفقیت در بازار کار نقش مهمی دارد و ما را در حین برقراری ارتباط یاری می دهد و از این بابت مهم تر بوده و تا حدی از قابلیت پیشگویی برخوردار است.آخرین لا یه SQاست که هدایت و معرفت درونی، حفظ تعادل فکری، آرامش درونی و بیرونی و عملکرد همراه با بصیرت، ملا یمت و مهربانی را شامل می شود.IQ به منزله دروازه برای ورود است. در صورت برخوردار نبودن از حداقل لا زم IQ قادر به ورود در فضای دلخواه برای مطالعه رشته مورد علا قه مان نخواهیم بود، اما آن چه ما را در زمره بهترین ها در شغلمان و رشته مورد علا قه مان جای می دهد میزانEQ در ماست.EQ و SQ به هم مرتبطند. اما در عین حال دو هوش متفاوت و جدا از هم به حساب می آیند.بهره مندی از حداقل EQمی تواند شروع مناسبی را در سفرهای روحانی و معنوی فرد در پی داشته باشد، چرا که کمی خودآگاهی و همدلی برای شروع این روند لا زم است، اما به محض آغاز تمرینات معنوی، هوش معنوی خود می تواند در رشد EQ نقش بسیار تقویت کننده و فعال کننده داشته باشد.از طرف دیگر رشد EQنیز می تواند در رشد و ارتقای SQ موثر باشد. در واقع EQ و SQتاثیری مستقیم و مثبت بر یکدیگر دارند و رشد و توسعه هر یک باعث پرورش وتوسعه دیگری می شود.باید دانست که کامپیوترها نیز از میزان IQ بالا یی برخوردارند و اغلب حیوانات دارای EQ بالا یی هستند اما این تنها انسان است که از هوش معنوی SQ برخوردارند، هوشی تحول پذیر، توانایی ای که به او قدرت می دهد تا خلا ق باشد و قوانین و نقش ها را دستخوش تغییرات خودنماید، بتواند تحولا ت اساسی ایجاد کند و دنیای اطرافش را به بهترین شکل متحول سازد.هوش مصنوعیهوش مصنوعی (artificial intelligence) را باید عرصهٔ پهناور تلاقی و ملاقات بسیاری از دانشها، علوم، و فنون قدیم و جدید دانست.هوش مصنوعی (artificial intelligence) را باید عرصهٔ پهناور تلاقی و ملاقات بسیاری از دانشها، علوم، و فنون قدیم و جدید دانست. ریشه‌ها و ایده‌های اصلی آن را باید در فلسفه، زبان‌شناسی، ریاضیات، روان‌شناسی، نورولوژی، و فیزیولوژی نشان گرفت و شاخه‌ها، فروع، و کاربردهای گونه‌گونه و فراوان آن را در علوم رایانه، علوم مهندسی، علوم زیست‌شناسی و پزشکی، علوم ارتباطات و زمینه‌های بسیار دیگر.هدف هوش مصنوعی بطور کلی ساخت ماشینی است که بتواند «فکر» کند. اما برای دسته بندی و تعریف ماشینهای متفکر، می‌بایست به تعریف «هوش» پرداخت. همچنین به تعاریفی برای «آگاهی» و «درک» نیز نیازمندیم و در نهایت به معیاری برای سنجش هوش یک ماشین نیازمندیم.با وجودی که برآورده سازی نیازهای صنایع نظامی، مهم‌ترین عامل توسعه و رشد هوش مصنوعی بوده‌است، هم اکنون از فراورده‌های این شاخه از علوم در صنایع پزشکی، رباتیک، پیش بینی وضع هوا، نقشه‌برداری و شناسایی عوارض، تشخیص صدا، تشخیص گفتار و دست خط و بازی‌ها و نرم افزارهای رایانه‌ای استفاده می‌شودمباحث هوش مصنوعی پیش از بوجود آمدن علوم الکترونیک، توسط فلاسفه و ریاضی دانانی نظیر بول (Boole) که اقدام به ارائه قوانین و نظریه‌هایی در باب منطق نمودند، مطرح شده بود. در سال ۱۹۴۳، با اختراع رایانه‌های الکترونیکی، هوش مصنوعی، دانشمندان را به چالشی بزرگ فراخواند. بنظر می‌رسید، فناوری در نهایت قادر به شبیه سازی رفتارهای هوشمندانه خواهد بود.با وجود مخالفت گروهی از متفکرین با هوش مصنوعی که با دیده تردید به کارآمدی آن می‌نگریستند تنها پس از چهار دهه، شاهد تولد ماشینهای شطرنج باز و دیگر سامانه‌های هوشمند در صنایع گوناگون هستیم.نام هوش مصنوعی در سال ۱۹۶۵ میلادی به عنوان یک دانش جدید ابداع گردید. البته فعالیت درزمینه این علم از سال ۱۹۶۰ میلادی شروع شده بود.(مرجع۱)بیشتر کارهای پژوهشی اولیه در هوش مصنوعی بر روی انجام ماشینی بازی‌ها و نیز اثبات قضیه‌های ریاضی با کمک رایانه‌ها بود. در آغاز چنین به نظر می‌آمد که رایانه‌ها قادر خواهند بود چنین اموری را تنها با بهره گرفتن از تعداد بسیار زیادی کشف و جستجو برای مسیرهای حل مسئله و سپس انتخاب بهترین آن‌ها به انجام رسانند.هنوز تعریف دقیقی که مورد قبول همهٔ دانشمندان این علم باشد برای هوش مصنوعی ارائه نشده‌است، و این امر، به هیچ وجه مایهٔ تعجّب نیست. چرا که مقولهٔ مادر و اساسی‌تر از آن، یعنی خود هوش هم هنوز بطور همه‌جانبه و فراگیر تن به تعریف نداده‌است. در واقع، می‌توان نسل‌هایی از دانشمندان را سراغ گرفت که تمام دوران زندگی خود را صرف مطالعه و تلاش در راه یافتن جوابی به این سؤال عمده نموده‌اند که: هوش چیست؟اما اکثر تعریف‌هایی که در این زمینه ارایه شده‌اند بر پایه یکی از ۴ باور زیر قرار می‌گیرند:۱) سیستم‌هایی که به طور منطقی فکر می‌کنند۲) سیستم‌هایی که به طور منطقی عمل می‌کنند۳) سیستم‌هایی که مانند انسان فکر می‌کنند۴) سیستم‌هایی که مانند انسان عمل می‌کنند(مرجع۱)شاید بتوان هوش مصنوعی را این گونه توصیف کرد:«هوش مصنوعی عبارت است از مطالعه این که چگونه کامپیوترها را می‌توان وادار به کارهایی کرد که در حال حاضر انسان‌ها آنها رابهتر انجام می‌دهند»(مرجع۲). mahmoud1375mardi mahmoud1375mardi Sat, 13 Jun 2020 00:24:50 +0430 https://virgool.io/applymag/%D9%87%D9%88%D8%B4-%D9%88-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-itgmxwalnnsb تعریف هوشبطور کلی تعاریف متعددی را که توسط روان شناسان برای هوش ارائه شده است، می‌توان به سه گروه تربیتی (تحصیلی) ، تحلیلی و کاربردی تفسیم کرد.تعریف تربیتی هوشبه اعتقاد روانشناسان تربیتی ، هوش کیفیتی است که مسبب موفقیت تحصیلی می‌شود و از این رو یک نوع استعداد تحصیلی به شمار می‌رود. آنها برای توجیه این اعتقاد اشاره می‌کنند که کودکان باهوش نمره‌های بهتری در دروس خود می‌گیرند و پیشرفت تحصیلی چشم گیری نسبت به کودکان کم هوش دارند. مخالفان این دیدگاه معتقدند کیفیت هوش را نمی‌توان به نمره‌ها و پیشرفت تحصیلی محدود کرد، زیرا موفقیت در مشاغل و نوع کاری که فرد قادر به انجام آن است و به گونه کلی پیشرفت در بیشتر موقعیتهای زندگی بستگی به میزان هوش دارد.تعریف تحلیلی هوشبنابه اعتقاد نظریه پردازان تحلیلی ، هوش توانایی استفاده از پدیده‌های رمزی و یا قدرت و رفتار موثر و یا سازگاری با موقعیتهای جدید و تازه و یا تشخیص حالات و کیفیات محیط است. شاید بهترین تعریف تحلیلی هوش به وسیله « دیوید وکسلر » ، روان شناس امریکایی ، پیشنهاد شده باشد که بیان می‌کند: هوش یعنی تفکر عاقلانه ، عمل منطقی و رفتار موثر در محیط.تعریف کاربردی هوشدر تعاریف کاربردی ، هوش پدیده‌ای است که از طریق تستهای هوش سنجیده می‌شود و شاید عملی‌ترین تعریف برای هوش نیز همین باشد.تاریخچه مطالعات مربوط به هوشمساله هوش به عنوان یک ویژگی اساسی که تفاوت فردی را بین انسانها موجب می‌شود، از دیرباز مورد توجه بوده است. زمینه توجه به عامل هوش را در علوم مختلف می‌توان مشاهده کرد. برای مثال زیست شناسان ، هوش را به عنوان عامل سازش و بقا مورد توجه قرار داده‌اند. فلاسفه بر اندیشه‌های مجرد به عنوان معنای هوش و متخصصان تعلیم و تربیت ، بر توانایی یادگیری تاکید داشته‌اند.در مقاله‌ای معتبر که در سال 1904 منتشر شد، « چارلز اسپیرمن » ، روان شناس بریتانیایی ، نخستین کوشش برای تحقیق در ساختمان هوش را با روشهای تجربی و کمی تشریح کرد. پیدایش مقیاس هوشی بینه سیمون ، در سال 1905 و به دنبال آن تهیه و استاندارد شدن مقیاس استنفرد _ بینه ، در سال 1916 در امریکا ، از فعالیتهای اولیه به منظور تهیه ابزار اندازه گیری هوش بوده است. البته در سال 1838 « اسکیرول » به منظور تهیه ضوابطی برای تشخیص و طبقه بندی افراد عقب مانده ذهنی ، روشهای مختلفی را آزمود و به این نتیجه رسید که مهارت کلامی فرد بهترین توانش ذهنی اوست. جالب آن که بعدها نیز مهارت کلامی از عوامل اساسی توانش ذهنی شناخته شد و امروز نیز محتوای اکثر تستهای هوش را مواد کلامی تشکیل می‌دهد.ترستون ، ثرندایک ، سیریل برت ، گیلفورد ، فیلیپ ورنون ، از دیگر افرادی بودند که در زمینه هوش به تحقیق و بررسی پرداختند.عوامل موثر بر هوشاز عوامل مهم موثر بر هوش ، تغذیه و دیگر شرایط دوران بارداری است. تغذیه مناسب در این دوران و رعایت بهداشت جسمی و روحی مادر ، تاثیر مهمی در هوش نوزاد خواهد داشت. سطح هوشی والدین ، تغذیه دوران کودکی و نوزادی ، شرایط و امکانات محیطی ، نوع ارتباط والدین با کودک از دیگر عوامل موثر در رشد و شکوفایی هوش به شمار می‌روند. عوامل محیطی مثل وجود محرکات مناسب در محیط پرورش کودک که او را به کنجکاوی و کنکاش وا می‌دارد، در بروز و ظهور و شکوفایی هوش وی نقش اساسی دارد.انواع آزمونهای هوشتست بینه به عنوان قدیمی‌ترین آزمون برای سنجش هوش شناخته می‌شود که آزمون استنفرد _ بینه شکل تجدید نظر شده است که به فارسی نیز برگردانده شده است. تست ریون از دیگر آزمونهای هوش است که به لحاظ سهولت اجرا معروف است. آزمون وکسلر که آزمونی پیشرفته برای سنجش ابعاد مختلف هوش است، آزمون دقیقی است که برای گروههای سنی خردسالان و کودکان و بزرگسالان فرمهای مجزایی دارد.طبقات هوشبا توجه به نمرات حاصل از اجزای آزمونهای هوشی و تعیین بهره هوشی ، افراد در طبقات مختلفی قرار می‌گیرند. در طبقه بندیهای گذشته افراد دارای هوش پایین در طبقات کودن ، کانا و کامیو قرار می‌گرفتند. امروزه دیگر این طبقه بندی رایج نیست و از طبقه بندی عقب مانده ذهنی ، بهره هوشی پایین ، متوسط و بالا استفاده می‌شود.هوش چندگانهبرای اینکه از نظر هوشی تقویت شوید، روش های زیر را به کار گیرید. با تقویت هوش بصری، زبانی، گفتاری و... در کارها و زندگی تان موفق تر خواهید بود.● پوستراین روش هوش بصری فضایی، زبانی را فعال می کند.▪ تعریف: افراد اگر نمایش منطقی مفاهیم کلیدی را به صورت بصری ببینند اطلاعات را بهتر جذب می کنند. این پوسترها حتی فراگیران را قادر می سازد تا تلفیق سازی و دستیابی اطلاعات بهتر صورت گیرد. با نشانه گذاری، بزرگنمایی و عکس دار کردن مفاهیم می توانید از این روش بهره بگیرید.● صوتاین روش هوش گفتاری و گفتار درون فردی را فعال می کند.با این روش که امروزه استفاده از آن بسیار آسان تر شده است افکار، احساسات و عکس العمل ها سریع تر و دقیق تر صورت می گیرد.● نمایش دادناین روش تمام هوش ها را فعال می کند. این روش را می توان برای تمام موضوعات به کار برد، به دلیل پویا و اکتیو بودن این روش برای افراد بسیار جذاب تر نیز هست. این روش در استفاده از کامپیوتر، طرز استفاده از یک دستگاه آموزش هنر و... به کار می رود.● موسیقیاین روش هوش موسیقی را فعال می کند. تقریباً همه افراد تجربه کرده اند که با شنیدن یک موسیقی خاص یک تصویر، فکر و یا خاطره برای آنها زنده می شود. موسیقی می تواند احساسات را برانگیزد و باعث افزایش یادگیری شود. می توانید با گوش دادن به یک قطعه موسیقی ملایم هنگام فعالیت و یا کار، بهره وری را افزایش داد و به یادآوری مجدد کمک می کند.هوش هیجانیهوش هیجانی (Emotional Intelligence) که به اختصار EI گفته می‌شود و معمولاً معیار ارزیابی آن را «ضریب هوش هیجانی» یا EQ می‌نامند، به توانایی، ظرفیت یا مهارت ادراک، سنجش و مدیریت هیجانات خود و دیگران، دلالت دارد. البته به دلیل تازه بودن نسبی این ایده، تعریف دقیق آن هنوز در بین روان‌شناسان مورد اختلاف است.در سال ۱۹۲۰، «تورن دایک» در دانشگاه کلمبیا از عبارت هوش اجتماعی برای تشریح مهارت کنار آمدن با سایر مردم استفاده کرد. در سال ۱۹۷۵، «هاوارد گاردنر» ایده هوش چندگانه را مطرح کرد. او هشت نوع هوش را در دو دسته کلّی هوش میان فردی (interpersonal) و هوش درون فردی (intrapersonal) برشمرد. بسیاری از روان‌شناسان از جمله گاردنر اعتقاد دارند که معیارهای سنتی ارزیابی هوش، مثل آزمون‌های ضریب هوشی (IQ) قادر به تشریح توانائی‌های شناختی نیستند.عبارت هوش هیجانی ابتدا در سال ۱۹۸۵ توسط «وین پین» مطرح شد امّا توسط «دانیل گلمن» در سال ۱۹۹۵ محبوبیت یافت. بیشترین پژوهش‌ها در این زمینه توسط «پیتر سالووی» و «جان مایر» در دهه ۹۰ صورت گرفته است. آن‌ها به این نتیجه رسیدند که ظرفیت ادراک و فهم هیجانات، عامل جدیدی را در شخصیت افراد تشکیل می‌دهند. مدل سالووی- مایر، هوش هیجانی را به صورت ظرفیت درک اطلاعات هیجانی و استدلال در هنگام وجود هیجان تعریف می‌کند.▪ آن‌ها توانائی‌های هوش هیجانی را به چهار زمینه زیر تقسیم می‌کنند:ـ توانایی درک و تشخیص دقیق هیجانات (یا عواطف) خود و دیگرانـ توانایی استفاده از هیجانات (یا عواطف) برای تسهیل تفکرـ توانایی درک معانی هیجانات (یا عواطف)ـ توانایی مدیریت و اداره کردن هیجانات (یا عواطف)● اندازه‌گیری هوش هیجانیتفاوت بین هوش و دانش در زمینه شناخت کاملاً روشن است. در پژوهش‌های روان‌شناسی عموماً نشان داده شده است که ضریب هوشی (IQ)، معیار قابل اطمینانی برای سنجش ظرفیت و توانایی شناختی افراد است و در طول زمان تغییر نمی‌کند. امّا در زمینه هیجانات (یا عواطف)، تفاوت بین هوش و دانش چندان مشخص نیست و رخی ناسازگاری‌ها در تعاریف فعلی از هوش هیجانی و معیارهای آن وجود دارد. برخی از روان‌شناسان معتقدند که هوش هیجانی پویاست و قابل یادگیری و افزایش می‌باشد، در حالی که برخی دیگر هوش هیجانی را نیز ثابت و غیرقابل افزایش می‌دانند.هوش معنویهوش معنوی یا SQرا می توان همان توانایی دانست که به ما قدرتی می دهد و رویاها و تلاش و کوشش برای به دست آوردن آن رویاها را می دهد.هوش معنوی یا SQرا می توان همان توانایی دانست که به ما قدرتی می دهد و رویاها و تلاش و کوشش برای به دست آوردن آن رویاها را می دهد.این هوش زمینه تمام آن چیزهایی است که ما به آنها معتقدیم و نقش باورها، هنجارها، عقاید و ارزش ها را در فعالیت هایی را که بر عهده می گیریم در بر می گیرد.هوشی که به واسطه آن سوال سازی در ارتباط با مسائل اساسی و مهم در زندگی مان می پردازیم و به وسیله آن در زندگی خود تغییراتی را ایجاد می کنیم.با استفاده از هوش معنوی به حل مشکلات با توجه به جایگاه، معنا و ارزش آن مشکلات می پردازیم. هوشی که قادریم توسط آن به کارها و فعالیت هایمان معنا و مفهوم بخشیده و با استفاده از آن بر معنای عملکردمان آگاه شویم و دریابیم که کدامیک از اعمال و رفتارهایمان از اعتبار بیشتری برخوردارند و کدام مسیر در زندگی مان بالاتر و عالی تر است تا آن را الگو و اسوه زندگی خود سازیم.یکی از نمادهایی که معمولا در توضیح این هوش به کار گرفته می شود، نماد گل نیلوفر است که در آن با تلفیق سنت و عقاید موجود در شرق و غرب و با استعانت از مسائل علمی، مدلی قابل لمس و زیبا برای SQ ارائه داد.در این مدل هر سطح از گلبرگ ها یکی از سه توان پایه ای در بشر هستند. بیرونی ترین گلبرگ ها، نشانگر شش نوع «خود» است. همان طور که اشاره شد هوش معنوی یکی از توانایی های ذاتی و فطری در انسان است که همانند سایر هوش ها چنانچه مورد توجه قرار گیرد می تواند پرورش یافته و توسعه یابد.به عبارتی SQقابل توصیف و توضیح و اندازه گیری است. برای اندازه گیری این هوش می توان به سنجش مهارت ها و توانایی هایی که ناشی از این هوش است بپردازیم.▪ افرادی که دارای هوش معنوی هستند دارای این صفات می باشند:- قدرت مقابله با سختی ها، دردها و شکست ها- بالا بودن خودآگاهی در این افراد- حسی که این افراد را هدایت درونی می کند- درس گرفتن از تجربیات و شکست ها- از دشواری های زندگی فرصتی می سازد برای دانستن- توانایی ایستادگی در برابر جمع و هم رای نشدن با عامه مردم- گفتن «چرا؟»- پرداختن به سجایای اخلاقی و اهمیت دادن به آنها- توانمند بودن در خودداری و کنترل خویش- برخوردار بودن از حس انعطاف پذیری بالابرای روشن تر شدن هوش معنوی مثالی از هوش هایی می زنیم که نشانگر هوش چندگانه است که با هوش جسمی آغاز می شود با PQ نمایش می دهند.این هوش ابتدایی ترین کانون توجه ما را به خود اختصاص می دهد در واقع PQ آگاهی جسمی و نحوه استفاده ماهرانه از آن را شامل می شود. قسمت بعدی هوش منطقی یا عقلا نی IQ است. هوشی که در حال حاضر بیش از سایر هوش ها در سیستم های آموزشی مورد توجه قرار می گیرد.پس از IQسطح دیگری است که به EQاختصاص دارد این هوش در زمینه کسب موفقیت در بازار کار نقش مهمی دارد و ما را در حین برقراری ارتباط یاری می دهد و از این بابت مهم تر بوده و تا حدی از قابلیت پیشگویی برخوردار است.آخرین لا یه SQاست که هدایت و معرفت درونی، حفظ تعادل فکری، آرامش درونی و بیرونی و عملکرد همراه با بصیرت، ملا یمت و مهربانی را شامل می شود.IQ به منزله دروازه برای ورود است. در صورت برخوردار نبودن از حداقل لا زم IQ قادر به ورود در فضای دلخواه برای مطالعه رشته مورد علا قه مان نخواهیم بود، اما آن چه ما را در زمره بهترین ها در شغلمان و رشته مورد علا قه مان جای می دهد میزانEQ در ماست.EQ و SQ به هم مرتبطند. اما در عین حال دو هوش متفاوت و جدا از هم به حساب می آیند.بهره مندی از حداقل EQمی تواند شروع مناسبی را در سفرهای روحانی و معنوی فرد در پی داشته باشد، چرا که کمی خودآگاهی و همدلی برای شروع این روند لا زم است، اما به محض آغاز تمرینات معنوی، هوش معنوی خود می تواند در رشد EQ نقش بسیار تقویت کننده و فعال کننده داشته باشد.از طرف دیگر رشد EQنیز می تواند در رشد و ارتقای SQ موثر باشد. در واقع EQ و SQتاثیری مستقیم و مثبت بر یکدیگر دارند و رشد و توسعه هر یک باعث پرورش وتوسعه دیگری می شود.باید دانست که کامپیوترها نیز از میزان IQ بالا یی برخوردارند و اغلب حیوانات دارای EQ بالا یی هستند اما این تنها انسان است که از هوش معنوی SQ برخوردارند، هوشی تحول پذیر، توانایی ای که به او قدرت می دهد تا خلا ق باشد و قوانین و نقش ها را دستخوش تغییرات خودنماید، بتواند تحولا ت اساسی ایجاد کند و دنیای اطرافش را به بهترین شکل متحول سازد.هوش مصنوعیهوش مصنوعی (artificial intelligence) را باید عرصهٔ پهناور تلاقی و ملاقات بسیاری از دانشها، علوم، و فنون قدیم و جدید دانست.هوش مصنوعی (artificial intelligence) را باید عرصهٔ پهناور تلاقی و ملاقات بسیاری از دانشها، علوم، و فنون قدیم و جدید دانست. ریشه‌ها و ایده‌های اصلی آن را باید در فلسفه، زبان‌شناسی، ریاضیات، روان‌شناسی، نورولوژی، و فیزیولوژی نشان گرفت و شاخه‌ها، فروع، و کاربردهای گونه‌گونه و فراوان آن را در علوم رایانه، علوم مهندسی، علوم زیست‌شناسی و پزشکی، علوم ارتباطات و زمینه‌های بسیار دیگر.هدف هوش مصنوعی بطور کلی ساخت ماشینی است که بتواند «فکر» کند. اما برای دسته بندی و تعریف ماشینهای متفکر، می‌بایست به تعریف «هوش» پرداخت. همچنین به تعاریفی برای «آگاهی» و «درک» نیز نیازمندیم و در نهایت به معیاری برای سنجش هوش یک ماشین نیازمندیم.با وجودی که برآورده سازی نیازهای صنایع نظامی، مهم‌ترین عامل توسعه و رشد هوش مصنوعی بوده‌است، هم اکنون از فراورده‌های این شاخه از علوم در صنایع پزشکی، رباتیک، پیش بینی وضع هوا، نقشه‌برداری و شناسایی عوارض، تشخیص صدا، تشخیص گفتار و دست خط و بازی‌ها و نرم افزارهای رایانه‌ای استفاده می‌شودمباحث هوش مصنوعی پیش از بوجود آمدن علوم الکترونیک، توسط فلاسفه و ریاضی دانانی نظیر بول (Boole) که اقدام به ارائه قوانین و نظریه‌هایی در باب منطق نمودند، مطرح شده بود. در سال ۱۹۴۳، با اختراع رایانه‌های الکترونیکی، هوش مصنوعی، دانشمندان را به چالشی بزرگ فراخواند. بنظر می‌رسید، فناوری در نهایت قادر به شبیه سازی رفتارهای هوشمندانه خواهد بود.با وجود مخالفت گروهی از متفکرین با هوش مصنوعی که با دیده تردید به کارآمدی آن می‌نگریستند تنها پس از چهار دهه، شاهد تولد ماشینهای شطرنج باز و دیگر سامانه‌های هوشمند در صنایع گوناگون هستیم.نام هوش مصنوعی در سال ۱۹۶۵ میلادی به عنوان یک دانش جدید ابداع گردید. البته فعالیت درزمینه این علم از سال ۱۹۶۰ میلادی شروع شده بود.(مرجع۱)بیشتر کارهای پژوهشی اولیه در هوش مصنوعی بر روی انجام ماشینی بازی‌ها و نیز اثبات قضیه‌های ریاضی با کمک رایانه‌ها بود. در آغاز چنین به نظر می‌آمد که رایانه‌ها قادر خواهند بود چنین اموری را تنها با بهره گرفتن از تعداد بسیار زیادی کشف و جستجو برای مسیرهای حل مسئله و سپس انتخاب بهترین آن‌ها به انجام رسانند.هنوز تعریف دقیقی که مورد قبول همهٔ دانشمندان این علم باشد برای هوش مصنوعی ارائه نشده‌است، و این امر، به هیچ وجه مایهٔ تعجّب نیست. چرا که مقولهٔ مادر و اساسی‌تر از آن، یعنی خود هوش هم هنوز بطور همه‌جانبه و فراگیر تن به تعریف نداده‌است. در واقع، می‌توان نسل‌هایی از دانشمندان را سراغ گرفت که تمام دوران زندگی خود را صرف مطالعه و تلاش در راه یافتن جوابی به این سؤال عمده نموده‌اند که: هوش چیست؟اما اکثر تعریف‌هایی که در این زمینه ارایه شده‌اند بر پایه یکی از ۴ باور زیر قرار می‌گیرند:۱) سیستم‌هایی که به طور منطقی فکر می‌کنند۲) سیستم‌هایی که به طور منطقی عمل می‌کنند۳) سیستم‌هایی که مانند انسان فکر می‌کنند۴) سیستم‌هایی که مانند انسان عمل می‌کنند(مرجع۱)شاید بتوان هوش مصنوعی را این گونه توصیف کرد:«هوش مصنوعی عبارت است از مطالعه این که چگونه کامپیوترها را می‌توان وادار به کارهایی کرد که در حال حاضر انسان‌ها آنها رابهتر انجام می‌دهند»(مرجع۲).● فلسفۀ هوش مصنوعیبطور 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 پیچیدگیایجاد 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 خبرهسیستم‌های 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 هوشمندعامل‌ها (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 مصنوعیهوش 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 مصنوعیهوش 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 كارتیپروفسور 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.● LISPزبان 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 مصنوعیهمه 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 انسانیدر 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 مصنوعیماشین 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 مصنوعیاز 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 ترکیبیاز 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 مصنوعیهدف "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.● اشارهاین ادعا كه كامپیوتر فكر می‌كند یا تنها كامپیوتر می‌اندیشد، چه تأثیری در برخی از باورهای دینی دارد؟ و آیا تعارضی با مضمون متون دینی پیدا می‌كند؟ در هوش مصنوعی، دو ادعای مهم به چشم می‌خورد: برخی ادعا می‌كنند كه كامپیوتر به معنای حقیقی كلمه می‌اندیشد (فرضیه دستگاه نمادها). برخی دیگر هم ادعا می‌كنند تنها كامپیوتر می‌تواند بیندیشد، (فرضیه قوی دستگاه نمادها). متون دینی هم در پاره‌ای از موارد بر اندیشیدن و تعقل تكیه می‌كنند. آیا اندیشیدن به معنای واحدی در دو مورد به كار می‌رود؟ و آیا دین و متون دینی می‌تواند تفاوت‌هایی میان انسان و كامپیوتر را نشان دهد؟ نگارنده تلاش می‌كند پاسخ‌هایی برای این پرسشها بیابد و با توجه به متون دینی تفاوت‌هایی میان آنها را روش سازد.نخست باید مقصود متخصصان هوش مصنوعی را از اصطلاح "هوش" Intelligence روشن سازیم؛ چرا كه نگاه آنان نسبت به مقوله هوش و مفاهیم مرتبط مانند عقل، ذهن و غیره كاملاً متفاوت است. امروزه در میان دانش‌های موجود، اصطلاح هوش در روان¬شناسی بسیار كاربرد دارد. و روان¬شناسان از بهره‌هوشی افراد و امور مرتبط با آن بحث می‌كنند. ولی در هوش مصنوعی این اصطلاح كاربردی كاملاً متفاوت دارد. (Desouza, ۲۰۰۲:۲۷)در هوش مصنوعی برای شروع كار، تعریفی عملی از هوش ارائه می‌شود. معمولاً فلاسفه به تعاریف مفهومی بیش‌تر رغبت دارند و دوست دارند مفهوم هوش و عقل و غیره را روشن سازند. اما بنا به دلایلی، متخصصان هوش مصنوعی تعریف عملی را برگزیده‌اند. یك دلیل این گزینش به این نكته بر می‌گردد كه نزاع‌های مفهومی؛ یا نزاع برای تعریف مفاهیم فایدهٔ چندانی ندارد و غالباً بی‌نتیجه پایان می‌یابد. اگر بخواهیم با تعریف مفاهیم "هوش" و "تفكر" رابطهٔ آنها را بیابیم و ببینیم آیا هوش همان تفكر است یا نه، بیش‌تر در نزاعی لفظی درگیر خواهیم شد. زیرا، بی‌تردید دو واژهٔ مذكور از لحاظ مفهومی تفاوت دارند و یك چیز را نمی‌رسانند و ادعای آنان، تساوی مفهومی این دو واژه نیست. بلكه، چنان‌كه بعداً توضیح خواهیم داد، به نظر آنان این دو اصطلاح یك حقیقت قابل اندازه‌گیری را نشان می‌دهند.آلن تورینگ (Alan Turing)، یكی از پیشگامان بحث هوش مصنوعی، به خاطر اهداف عملی كه در هوش مصنوعی دنبال می‌شود، ملاكی نسبتاً مقبول برای همگان را برای تعیین هوش پیشنهاد داده است. انگیزه و دلیل طرح این ملاك، چنانكه در بالا اشاره كردیم، اجتناب از نزاع‌های لفظی و مباحث فلسفی بی‌نتیجه بوده است. تورینگ پی‌برده بود كه با پرداختن به مباحث رایج فلسفی دربار? این واژه، نمی‌تواند ارتباطی میان كاركرد ماشین‌ها و ذهن بشر را بیابد. از ا?ن رو او پیشنهاد كرد كه ما باید مسایل لفظی و مفهومی در این مورد را كنار بگذاریم و آزمون ساده‌ای را در این زمینه مطرح كنیم و سپس، خود ماشین‌ها را به نحو عینی و ملموس بررسی كنیم. همچنین، او پیش‌بینی كرد كه تا سال ۲۰۰۰، دستگاه‌های كامپیوتر از این آزمون سربلند بیرون خواهند آمد و تعاریف مخالف بی‌معنا جلوه خواهند كرد.آزمون تورینگ بر پایهٔ یك بازی استوار شده است كه "بازی تقلید" (imitation game) نام دارد. در این بازی سه فرد ناآشنا هستند كه دو نفر از آنان كه شاهد هستند جنسیت مخالف دارند و نفر سوم پرسشگر است. پرسشگر تلاش می‌كند تا جنسیت دو شاهد را صرفاً از راه طرح پرسش‌هایی تعیین كند یكی از دو شاهد، كه مرد است، تلاش می‌كند تا جنسیت‌اش را مخفی بدارد، ولی شاهد دیگر كه یك زن است، صادقانه به پرسش‌ها پاسخ می‌دهد. اگر پرسش‌گر به پاسخ درست دست بیابد شاهد زن موفق شده است و اگر به پاسخ درست دست نیابد، شاهد مرد پیروز شده است. برای اینكه، پرسشگر به هیچ سرنخ دیگری، مانند صدا، چهره و غیره، دسترسی نداشته باشد، پرسش‌ها و پاسخ‌ها از طریق دستگاه دور چاپگر مبادله می‌شوند. نظر تورینگ این است كه اگر اكنون به جای شاهد مرد یك كامپیوتر جایگزین سازیم و ببینیم كه این دستگاه می‌تواند پرسشگر ماهر را فریب دهد، در این صورت از آزمون سربلند بیرون آمده است. (Haugeland, ۱۹۸۵:۶)چرا چنین آزمون عجیب و غریبی، آزمون هوش می‌شود؟ درحقیقت، استفاده از دستگاه دور چاپگر و تصویر مردی كه می‌خواهد فریب دهد و غیره، همه صحنه‌آرایی برای آزمون است. اصل و اساس آزمون گفتگو است. آیا كامپیوتر می‌تواند مانند یك شخص صحبت كند؟ یا نه، تفاوت‌هایی هم وجود دارد؟● بررسی آزمونمشكل اصلی آزمون‌های از این قبیل در این نكته نهفته است كه هوش می‌تواند درجات مختلفی داشته باشد. آدمیان درجات متفاوتی از هوش دارند كه می‌توانیم آنها را اندازه‌گیری نماییم. اما خود این فرض هم كه كامپیوتر چنین هوشی دارد جای تردید است. در مورد كامپیوتر تنها می‌توانیم بگوییم كه می‌تواند براساس برنامه‌ریزی خاص دقیقاً عمل كند. به عبارت دیگر، آنها صرفاً براساس برنامه‌ریزی پیش می‌روند. امّا آیا واقعاً فكر می‌كنند؟ متخصصان هوش مصنوعی، مانند تورینگ، در پاسخ مفهوم "فكر" یا "هوش" را به‌گونه‌ای تعریف می‌كنند كه ماشین را هم دربر می‌گیرد. امّا آنها درواقع به جای حل مسأله، پیش‌فرض نادرستی وارد مسأله می‌كنند كه به مصادره به مطلوب می‌انجامد.● دستكاری نمادهاكامپیوتر دستگاهی است كه در نمادها دخل و تصرف می‌كند. كامپیوتر براساس برنامه‌ای كه به آن داده شده نمادها را جابجا و دستكاری می‌كند و برنامهٔ مورد نظر، گام به گام جز?یات دخل و تصرف را روشن می‌سازد و كامپیوتر هم دقیقاً مطابق آن عمل می‌كند. این نمادها با الكتر?س?ته در حافظهٔ كامپیوتر ساخته می‌شوند. فرض می‌كنیم این نمادها تركیبی از دو عدد صفر و یك هستند (درواقع هم برنامه‌های كامپیوتری با این دو رقم نوشته می‌شود) و به‌عنوان مثال، نمادهای مورد نظر را در چهار سطر زیر بر روی كاغذ نوشته‌ایم:۱۱۰۱۱۰۰۱۰۰۰۱۰۰۱۱كامپیوتر براساس برنامهٔ داده شده به آن بر روی نمادهای فوق (چهار سطر بالا) عملیاتی را انجام می‌دهد. مثال زیر برنامه‌ای برای دستكاری نمادها (symbol-manipulation) است:۱) محتوای سطر خاصی در سطر دیگری كپی كن۲) نمادهای سطر خاصی را حذف كن۳) رشته‌ای از نمادهای تعیین شده را در سطر خاصی بنویس۴) نمادهای دو سطر مشخص شده را با هم مقایسه كن.۵) نماد خاصی را برای نامگذاری سطری مشخص به‌كار ببر.در برنامهٔ مورد نظر تعیین می‌شود كه كامپیوتر باید چه عملی را و روی كدام سطر انجام دهد. این گونه عملیاتِ دستكاری نمادها، عملیات بنیادی نام دارند. كامپیوتر دستگاهی است كه می‌تواند تعدادی از عملیات بنیادی را انجام دهد.● دو فرضیه در هوش مصنوعیدر هوش مصنوعی فرضیه‌های بسیاری مورد بحث قرار می‌گیرد. در میان این فرضیه دو فرضیه نسبت به بقیه كلیدی‌ترند. فرضیه نخست نسبت به فرضیه دوم معتدل‌تر و ادعایی حداقلی دربر دارد. این دو فرضیه به ترتیب عبارت‌اند از:۱) فرضیه دستگاه‌ نمادها (The symbol system hypothesis): مفاد این فرضیه این است كه:"كامپیوتر را می‌توانیم به‌نحوی برنامه‌ریزی كنیم كه بیندیشد"تقریر دیگر از فرضیهٔ فوق این است كه: "كامپیوتر می‌تواند بیندیشد".۲) فرضیه قوی دستگاه نمادها (The strong symbol system hypothesis): مفاد این فرضیه هم چنین است:"تنها كامپیوتر می‌تواند فكر كند"پیدا است كه فرضیه دوم نسبت به فرضیه نخست افراطی‌تر است و ادعایی حداكثری دربر دارد. چراكه بر طبق آن، هر چیزی كه فكر می‌كند، حت? موجودات طبیعی، باید كامپیوتر باشد. از ا?ن رو ذهن بشر هم دستگاهی جامع از نمادها است و تفكر بشر هم از لحاظ ماهیت با تفكری كه در مورد كامپیوتر به‌كار می‌رود تفاوت ندارد؛ در هر دو مورد تفكر همان توانایی دستكاری و جابجا كردن نمادها است.● استدلال اتاق چینیاین پرسش مهم در ارتباط با ادعاهای هوش مصنوعی مطرح می‌شود كه آنها را با چه روشی باید پاسخ داد؟ آیا برای یافتن پاسخی مناسب برای آنها باید به تجربه متوسل شد و شواهدی را جمع نمود؟ یا اینكه این پرسش‌ها كاملاً ماهیت فلسفی دارند و پاسخ آنها را باید باروش فلسفی دنبال كرد؟ متخصصان هوش مصنوعی تلاش كرده‌اند با روش تجربی و با جمع‌آوری شواهد تجربی، آنها را اثبات كنند.به اعتقاد، جان سرل (John Searl)، یكی از ف?لسوفان برجستهٔ معاصر، متخصصان هوش مصنوعی در اینكه این پرسش‌ها و مسایل را تجربی دانسته‌اند به اشتباه رفته‌اند. این مسأله كه "دستگاهی كه نمادها را تكثیر می‌كند می‌اندیشد" مسأله‌ای تجربی نیست و جمع‌آوری شواهد نمی‌تواند پاسخی برای آن فراهم بیاورد. او ادعا می‌كند كه اكنون می‌توانیم بدون توجه به این شواهد فرضیهٔ دستگاه نمادها را ابطال كنیم. به نظر او، این فرضیه حقیقتی تحلیلی (مانند "مردها مذكرند") را انكار می‌كند؛ با این تفاوت كه فهم نادرستی این مثال ساده است و می‌توانیم با رجوع به فرهنگ لغت به راحتی كذب بودن آن را نشان دهیم. اما ابطال فرضیه دستگاه نمادها به بحث فلسفی دقیقی نیازمند است سرل استدلالی را برای رد آن مطرح می‌كند كه به "استدلال اتاق چینی" (Chinese room argument) مشهور شده است.گفتیم كامپیوتر تنها دستگاهی است كه نمادها را دستكاری می‌كند، و تمام كاری كه انجام می‌دهد این است كه نمادها را مقایسه می‌كند و یا حذف می‌كند و یا كپی كند و غیره. بی‌تردید، این پرسش مطرح می‌شود كه آیا كامپیوتر می‌تواند بفهمد؟ مثلا، آیا می‌تواند جمله‌ای را به زبان طبیعی خاصی (مانند زبان فارسی) بفهمد؟ سرل در پاسخ می‌گوید كه كامپیوتر نمی‌تواند جمله‌های زبان طبیعی را بفهمد. او با واژگان فنی در پاسخ می‌گوید:"دستگاهی كه در نمادها دستكاری می‌كند تنها در نحو (Syntax) مهارت دارد و مهارت در نحو برای مهارت در معناشناسی (semantics) كافی نیست" (Searl,۱۹۸۹:۳۱)مهارت داشتن در نحو به معنای مهارت داشتن در دستكاری نمادهای زبانی است و این امر به معنای مهارت داشتن در فهم آنها نیست. كامپیوتر استاد قواعد نحو است؛ برنامه‌های كامپیوتر چیزی جز راهنمای انجام دادن سلسله‌ای از كارهای نحوی نیست. از ا?ن رو هیچ¬گاه نمی‌تواند از زندان نحو خارج شود و به معناشناسی بپردازد.استدلال سِرل تا حدی دشوار است و به تقریری نسبتاً ساده نیازمند است. فرض كنید برنامه‌ای برای فهم داستان‌ها طراحی كرده‌ایم. این نوع برنامه‌ها در هوش مصنوعی Sam (كوته¬نوشتِ Script Applier Mechanism) نامیده شده‌اند. اگر داستانی را به این برنامه بدهیم و پرسش‌هایی دربارهٔ آن مطرح كنیم بی‌درنگ پاسخ‌های متناسب را ارائه می‌دهد. چنانچه پیشتر گفتیم، برنامه‌های كامپیوتر دردستگاه اعداد دوگانی (صفر و یك) نوشته می‌‌شوند. بنابراین، هر مرحله‌ای از این برنامه به صورت سطری از اعداد صفر و یك است و می‌توانیم آن را به صورت قاعده‌ای ترجمه كنیم. به‌عنوان مثال سطر:۱۱۰۰ ۰۱۱۱ ۰۰۰۰۰۰۱۱در این سطر ۰۱۱۱ كد عدد ۷ است و ۱۱۰۰ كد عدد ۱۲ است و ۰۰۰۰۰۰۱۱ شیوه‌ای برای این است كه به كامپیوتر بگوییم مقایسه كن. بنابراین، سطر فوق به این قاعده ترجمه می‌شود:"محتوای عدد ۷ را با محتوای عدد ۱۲ مقایسه كن و ۱ بنویس اگر آنها یكی هستند، و صفر بنویس اگر آنها متفاوتند"اگر كل برنامهٔ Sam را به این شیوه بنویسیم؛ یعنی همهٔ سطرهای آن را به صورت قواعدی در قالب زبان طبیعی بازنویسی كنیم، مجموعه‌ای از كتاب¬ها حاوی قواعد خواهیم داشت. این مجموعه مجلدات بسیاری را در برخواهد گرفت و اتمام این مجلدات به ماه¬ها، بلكه سال¬ها وقت و حوصله نیازمند است. حال فرض كنید كسی همهٔ این بازنویسی‌ها را با حوصله و صبر تمام انجام دهد. این قهرمان در اتاقی با كتابخانه‌ای از كتاب‌های مربوط به قواعد این بازنویسی زندانی شده است. همچنین در این اتاق برگه‌های سفید بسیاری و هزاران قلم وجود دارد. تنها ارتباطی كه او با جهان بیرون از اتاق دارد از راه دو سوراخ روی دیوار است كه یكی ورودی و دیگری خروجی است. آزمایشگران از ورودی داستانی را همراه با برگهٔ پرسش‌ها به اتاق می‌فرستند و پاسخ¬ها را از راه خروجی در زمانی بسیار كوتاه دریافت می‌كنند. این شخص در تهیهٔ پاسخ‌ها تقلب نمی‌كند. هم داستان و هم پرسش‌ها با الفبای زبان چینی نوشته شده‌اند و او با این زبان آشنا نیست و حتی نمی‌داند كه ورودی و خروجی در اصل جملاتی از یك زبان‌اند. برای او همهٔ‌ اینها الگوهایی بی‌معنا هستند. او به ‌محض اینكه از ورودی داستانی همراه با پرسش‌ها را دریافت می‌كند به كتاب قواعدش رجوع می‌كند و برای نمادهای مورد نظر رشته‌هایی مناسبی از اعداد صفر و یك را می‌یابد. او باید هزاران دستكاری را انجام دهد و برگه‌های سفید را با رشته‌هایی از اعدادِ صفر و یك پُر كند. بالاخره، او به آخرین صفحات كتاب قواعدش می‌رسد كه در برابر الفبای چینی ارقام خاصی را قرار داده است. او پاسخ كامل را از خروجی به بیرون می‌فرستد. این الفبا‌ برای آزمایشگران بسیار دقیق، امّا به نظر او، مجموعه‌ای از خط¬های كج و كوله و نامفهوم‌اند.به‌نظر سرل، این شخص نه داستان و نه پرسش‌ها را نمی‌فهمد. به‌نظر چنین شخصی، ورودی و خروجی صرفاً از نمادهای بی‌معنایی تشكیل شده است. در عین حال، او همهٔ كارهای یك كامپیوتر را انجام داده و دقیقاً به برنامهٔ Sam عمل كرده است. امّا از آنجا كه عمل به این برنامه موجب نمی‌گردد كه او این زبان را بفهمد، كامپیوتر هم با انجام دادن این برنامه آن را نمی‌فهمد.به‌طور كلی، استدلال اتاق چینی نشان می‌دهد كه دستگاهی كه صرفاً نمادها را دستكاری می‌كند نمی‌تواند چیزی را بفهمد و یا به چیزی باور داشته باشد و یا دربارهٔ چیزی بیندیشد. بنابراین، صدق این استدلال مستلزم كذب فرضیه دستگاه نمادها است.استدلال چینی مباحث بسیاری را در هوش مصنوعی برانگیخته است و مخالفان و موافقان بسیاری دربارهٔ آن سخن گفته‌اند. به‌عنوان مثال، كاپلند (Copeland) به نقد آن پرداخته است. به‌نظر او، این استدلال مغالطه‌ای ظریف (مغالطهٔ جزء و كل) دربر دارد. وقتی از شخصی كه در اتاق چینی است می‌پرسیم آیا دستكاری نمادها او را به فهم پرسش‌های ورودی توانا می‌سازد، او پاسخ منفی می‌دهد. سرل از این مقدمه نتیجه‌ می‌گیرد كه دستكاری نمادها هرگز برای پدید آمدن فهم كافی نیست. كاپلند مشكل اصلی استدلال سرل را در این نكته می‌بیند كه تنها یك نفر را در اتاق چینی در نظر می‌گیرد كه وظیفهٔ دستكاری نمادها را به عهده دارد. در حالی كه شخص دیگری هم در این ماجرا وجود دارد. این شخص درواقع در این ماجرا به‌صورت پنهانی وجود دارد و ثمره كارهای شخص اوّل است. او با دستكاری نمادها این شخص ناپیدا را به‌وجود می‌آورد. شخص اوّل خستگی‌ناپذیر است و دستكاری‌های بسیار زیادی را انجام می‌دهد، ولی شخص دوّم به زبان چینی به‌صورت زیبا و دلنشین سخن می‌گوید و این توانایی را دارد كه از محدودهٔ شخص اوّل پا را فراتر بگذارد و جزئیات زبان چینی را بفهمد. باید از سرل بپرسیم كه چرا از شخص اول دربارهٔ فهم نمادها می‌پرسد، او تنها بخشی از یك ماشین یا دستگاه است. امّا اگر از شخص دوم این سئوال را بپرسیم، خواهد گفت كارهایی كه شخص اوّل انجام می‌دهد او را به فهم آنها توانا می‌سازد. بنابراین، استدلال سرل به‌صورت زیر است:هرقدر هم شخص اول به دستكاری نمادها بپردازد باز نخواهد توانست خروجی را كه به زبان چینی است بفهمد (مقدمه)هرقدر كه این شخص به دستكاری نمادها بپردازد، دستگاهی را كه او بخشی از آن استقادر به فهم خروجی كه به زبان چینی است نخواهد ساخت.این استدلال معتبر نیست؛ زیرا رابطهٔ منطقی میان آن و نتیجه وجود ندارد. (Copeland, ۱۹۹۳: ۱۲۵-۶)كاپلند تلاش می‌كند تا نشان دهد هرچند بخشی از دستگاه نمی‌تواند زبان را بفهمد، كل آن زبان را می‌فهمد و سرل تنها نشان داده است كه بخش آن زبان را نمی‌فهمد. سخن كاپلند قانع‌كننده به‌نظر نمی‌رسد؛ زیرا باز این پرسش مطرح می‌شود كه چگونه دستكاری نمادها كل دستگاه را به فهم زبان قادر می‌سازد؟ از این گذشته، چه تفاوتی میان این كل و بخش وجود دارد كه موجب می‌گردد كل دستگاه زبان چینی، را بفهمد؟ استدلال كاپلند نوعی مصادره به مطلوب را دربر دارد. سرل نشان می‌دهد كه در كل دستگاه اتفاقی غیر از دستكاری نمادها رخ نمی‌دهد و این امر برای فهم زبان كافی نیست. امّا كاپلند ادّعا می‌كند همین امر، كل دستگاه را به فهم زبان توانا می‌سازد. خود این ادّعا باید اثبات شود.دین و برداشت مكانیكی از تفكرمباحث هوش مصنوعی در موارد زیادی با باورهای دینی ارتباط می‌یابد و پرسش‌هایی را در این زمینه برمی‌انگیزد؛ برخی از این پرسش‌ها عبارت‌اند از:۱) آیا برداشتی كه در هوش مصنوعی از تفكر دارد با دین سازگار است؟۲) آیا فرضیه‌های موجود در هوش مصنوعی در برتری انسان بر دیگر موجودات مناقشه ایجاد نمی‌كند؟۳) آیا بر طبق هوش مصنوعی عالی‌ترین فعالیت‌های بشر (تفكر) چهرهٔ مادّی و طبیعی پیدا نمی‌كند؟۴) آیا هوش مصنوعی نشان می‌دهد كه تمام فعالیت‌های عالی بشر قابل تبیین به‌صورت طبیعی‌اند؟به نظر می‌رسد كه پرسش‌هایی از این قبیل در نهایت با پرسش نخست ارتباط می‌یابند و این پرسش نسبت به بقیه بنیادی‌تر است. از ا?ن رو به طرح و بررسی آن از منظر دین بسنده می‌‌كنیم.اساس " هوش مصنوعی" برداشت مكانیكی از تفكر است؛ تفكر چیزی جز انجام دادن كارهایی مكانیكی (دستكاری نمادها) نیست. این كارها را ماشین انجام می‌دهد، و از ا?ن رو تفكر به‌معنای حقیقی به بشر اختصاص ندارد و یا تنها به ماشین اختصاص دارد.در جهان‌بینی دینی بشر امتیاز ویژه‌ای نسبت به دیگر موجودات به عالم دارد. این امتیاز تنها به قوای روحی و معنوی او مربوط نمی‌شود، بلكه با قوای فكری و عقلی او نیز ارتباط دارد. راه یافتن او به عالم غیب و پی بردن به نقش خداوند در سرنوشت‌اش تا حدّی ریشه در قوای ادراكی و عقلی او دارد.سرل تفاوت مهم هوش مصنوعی با هوش طبیعی بشر را در فهم زبان خلاصه كرد. توانایی فهم زبان به قوای ویژهٔ عقلی اختصاص دارد. زبان پدیدهٔ بسیار مهمی است تا جایی كه برخی از ف?لسوفان، انسان را به "حیوانی كه تكلم می‌كند" تعریف كرده‌اند. امّا با رجوع به آیات قرآن امتیازات دیگری برای بشر می‌یابیم كه می‌توانند وجه فارق مهم او از ماشین باشند. ما تنها به دو مورد اشاره می‌كنیم:۱) فهم تاریخ و عبرت‌گیری از آن: بشر می‌تواند پدیده‌های تاریخی را بفهمد و از آنها درس بگیرد. در سورهٔ یوسف آمده است:"و ما ارسلنا من قبلك الا رجالاً نوحی الیهم من اهل القری افلم یسیروا فی الارض فینظروا كیف كان عاقبهًْ الذین من قبلهم ولدار الآخرهًْ خیرٌ للذین اتقوا افلاتعقلون" (یوسف، ۱۰۹)این آیه بخش‌های گوناگونی دارد: اوّلاً، از سرگذشت پیامبر اسلام(ص) سخن می‌گوید ثانیاً، مخاطبان را دعوت به سیر بر روی زمین و عبرت گرفتن از عاقبت گذشتگان می‌كند. ثالثاً، دربارهٔ عالم آخرت و تقوا سخن می‌گوید و بالاخره، مخاطبان را توبیخ و سرزنش می‌كند كه چرا نمی‌اندیشند. دعوت به اندیشیدن با مضامین و بخش‌های گوناگون آیه ارتباط دارد. بخش دوم، به تامل در آثار باقی‌مانده بر روی زمین دعوت می‌كند. مخاطب با تامل در آثار گذشتگان و سیر بر روی زمین؛ یعنی حركت مكانی، به زمان گذشته بازمی‌گردد و از آنها عبرت می‌گیرد. (كمونی، ۲۰۰۵: ۲ ـ ۱۰۱)هیچ‌گونه فعالیت مكانیكی و دستكاری نمادها قدرت راه یافتن به چنین تفكری را ندارد. هوش مصنوعی نمی‌تواند میان مكان و اطلاعات به دست آمده از آثار مختلف بر روی زمین به بُعد زمانی بپردازد و نسبت به زمان گذشته اطلاعاتی عبرت‌انگیز را به دست بیاورد.۲) فهم قوانین طبیعت: عقل بشر از نظر دین قابل تحویل و تقلیل به دستكاری نمادها نیست و توانایی‌های بسیار دیگری دارد كه به‌طور مسلّم از هوش مصنوعی نباید آنها را انتظار داشت. او می‌تواند قوانین طبیعت را و ارتباط آنها با خداوند را بیابد. در سورهٔ حدید آمده است:"اعلموا ان الله یحیی الارض بعد موتها قد بیّنا لكم الآیات لعلكم تعقلون" (حدید، ۱۷)حیات و مرگ طبیعت، نوعی پدیده طبیعی و مرتبط با قوانین آن است. آیه همگان را به تامّل در این پدیده و معرفت داشتن به آن دعوت می‌كند. این پدیده جزو آیات الاهی است كه شایستهٔ تعقل است. همچنین، در سورهٔ حج آمده است:"و تری الارض هامدهًًْ فاذا انزلنا علیها الماء اهتزّت و رَبَت و انبتت من كل زوج بهیج" (حج، ۵)حیات زمین با بارش باران آغاز می‌شود و در ادامه گیاهان زیبا از آن می‌روید. این قوانین سادهٔ طبیعت‌اند كه از سویی دیگر جزو آیات الاهی‌اند كه قرآن همگان را به تفكر در آنها دعوت می‌كند.هوش مصنوعی تنها می‌تواند نمادها را دستكاری كند. پیدا است كه هر مسأله‌ای را هم بخواهد حلّ كند باید در ابتدا آن‌ را به‌نحو مناسبی به نمادهای قابل فهم برای آن؛ یعنی صفر و یك، ترجمه كرد. تأمل در قوانین طبیعت و فهم آیات الاهی همواره نوعی حیرت را به ‌دنبال می‌آورد و با سطح عالی‌تری از تفكر بشری مرتبط است. این نوع امور را نمی‌توانیم در قالب نمادها برای هوش مصنوعی قابل فهم سازیم.معمولاً اگزیستانسیالیست‌ها میان راز و مسأله فرق می‌گذارند. مسأله در حیطهٔ علوم می‌گنجد و با عقل محاسبه‌گر قابل حل می‌باشد هوش مصنوعی قادر به حل این مسایل است و ترجمه به زبان نمادها و دستكاری آنها در چنین موردی راهگشا است. امّا راز به مسایل بنیادی زندگی آدمی مانند مرگ، شادی و غم و غیره مربوط می‌شود. زمینه‌های تعقلی كه در دین با آنها مواجه می‌شویم از قبیل راز هستند و بی‌تردید، هوش مصنوعی توانایی ورود به آنها را ندارد. خداوند می‌فرماید:"و ما الحیاهًْ الدنیا الّا لعب و لهو و للدار الآخرهًْ خیر للذین یتقون افلا تعقلون" (انعام، ۳۲)بشر می‌تواند در زندگی دنیوی تأمل كند و جنبه‌های منفی آن‌ را دریابد. این جنبه‌ها، زندگی دنیوی را لعب و لهو می‌سازد. امّا عقل می‌تواند آنها را بفهمد و كنار بگذارد. این قبیل امور جزو رازها هستند؛ نمی‌توانیم آنها را به كمك هوش مصنوعی حل كنیم. یكی از مشكلات تفكر جدید تحویل و تقلیل عقل به عقل محاسبه‌گر است كه در هوش مصنوعی، حقیقتِ تفكر به حساب می‌آید. امّا متون دینی نوع دیگری از تفكر را مطرح می‌كند كه قابل تقلیل و تحویل به این عقل نیست.منابع :سایت اطلاع رسانی آفتاب www.aftab.irمنابع عربی۱. قرآن كریم۲. بوینه، الآن. الذكاء الاصطناعی، واقعه و مستقبله، ترجمهًْ علی صبری فرغلی، كویت: عالم المعرفهًْ، ۱۹۹۳ م.ترجمه‌ای است از:Bonnet, Alain. Artificial Intelligence, Prentic Hall, (۱۹۸۵)۳. كمونی، سعد. العقل العربی فی القرآن. بیروت: المركز الثقافی العربی، ۲۰۰۵ م.منابع انگلیسیCopeland, Jack, Artificial Intelligence: A Philosophical Introduction, New York: Blackwell (۱۹۹۳)Desouza, Kevin. Managing Knowledge With Artificial Intelligence, London: Westport, (۲۰۰۲)Haugeland, John. Artificial Intelligence; The Very Idea, Massachusetts, The MIT Press. (۱۹۸۵)Searl, John, Minds, Brains and Science, London: Penguin, (۱۹۸۹)Stillings, Neil & Weisler, Steven. Cognitive Science: An Introduction, New York: Massachusetts Institute of Technology, (۱۹۹۵)خبرگزاری فارس روزنامه ایران https://www.aparat.com/v/gv2so #هوش_مصنوعی mahmoud1375mardi mahmoud1375mardi Sun, 31 May 2020 10:55:44 +0430