اصول هوش مصنوعی: از حل مسئله تا یادگیری ماشین

آنچه یاد خواهید گرفت:

• آشنایی با تکنیک‌های اولیه برای ساخت سیستم‌های کامپیوتری هوشمند
• درک روش‌های تکنیک‌های جستجو اعمال شده در مسائل واقعی
• شناخت انواع منطق و طرح‌های نمایش دانش
• درک چگونگی کاربرد هوش مصنوعی در مسائل مختلف

پیش‌نیازهای دوره

• این دوره هیچ پیش‌نیازی ندارد. دانشجویان می‌توانند درس‌های دوره «هوش مصنوعی از پایه» را مشاهده کنند.

توضیحات دوره

هوش مصنوعی (AI) به‌عنوان یکی از فناوری‌های تحول‌آفرین زمان حال مطرح شده که صنایع را دگرگون و شیوه زندگی و کار ما را بازتعریف کرده است. با ریشه در مفهوم توسعه ماشین‌هایی که قادرند هوش انسانی را تقلید کنند، هوش مصنوعی امکانات بسیار گسترده‌ای را در حوزه‌های مختلف از جمله بهداشت و درمان، مالی، حمل‌ونقل و سرگرمی باز کرده است.

این دوره یک معرفی جامع از زمینه هوش مصنوعی ارائه می‌دهد که شامل استراتژی‌های اولیه حل مسئله، تحلیل مبتنی بر عامل، مسائل رضایت محدودیت‌ها، الگوریتم‌های جستجو و نمایش دانش است.

استراتژی‌های اولیه حل مسئله: دوره با معرفی رویکردهای مختلف حل مسئله که در هوش مصنوعی کاربرد دارند شروع می‌شود. این روش‌ها شامل تکنیک‌هایی مانند تقسیم و غلبه، الگوریتم‌های حریصانه، برنامه‌ریزی پویا و بازگشت به عقب هستند. برای درک بهتر، مثال‌های ساده و آموزشی به‌کار گرفته می‌شوند.

تحلیل مبتنی بر عامل: در هوش مصنوعی، عامل موجودیتی است که محیط خود را درک می‌کند و برای رسیدن به اهداف خاص اقدام می‌کند. این دوره به مفهوم عوامل و ویژگی‌هایی مانند عقلانیت و استقلال آن‌ها می‌پردازد. دانشجویان یاد می‌گیرند چگونه عوامل با محیط تعامل داشته و رفتار خود را بر اساس بازخورد و مشاهدات تنظیم می‌کنند.

مسائل رضایت محدودیت‌ها: مسائل رضایت محدودیت‌ها (CSP) دسته‌ای از مسائل هستند که هدف پیدا کردن راه‌حلی است که یک سری محدودیت‌ها را برآورده کند. دوره به نحوه مدل‌سازی مسائل واقعی به صورت CSP و کاربرد الگوریتم‌هایی مانند بازگشت به عقب و انتشار محدودیت‌ها برای یافتن راه‌حل‌های کارآمد می‌پردازد.

فضای جستجو و الگوریتم‌های جستجو: یکی از جنبه‌های اساسی هوش مصنوعی جستجو در فضای گسترده‌ای از راه‌حل‌های ممکن برای یافتن بهترین آن‌ها است. دوره مفهوم فضای جستجو که تمام حالت‌های ممکن مسئله را نشان می‌دهد و مرور نظام‌مند آن را آموزش می‌دهد. همچنین، دانشجویان با الگوریتم‌های جستجوی بدون آگاهی مانند جستجوی پهنای اول و عمق اول و الگوریتم‌های جستجوی آگاه مانند جستجوی A* و تکنیک‌های مبتنی بر هورستیک آشنا می‌شوند.

نمایش دانش: نمایش دانش برای سیستم‌های هوش مصنوعی جهت استدلال و اتخاذ تصمیم اهمیت فراوانی دارد. دوره به دو نوع اصلی نمایش دانش می‌پردازد: منطق گزاره‌ای و منطق گزاره‌ای پیشرفته 

منطق گزاره‌ای: این بخش به دانشجویان می‌آموزد چگونه با استفاده از گزاره‌ها که جملاتی ساده هستند و می‌توانند درست یا نادرست باشند، دانش را نمایش دهند. همچنین با اتصالات منطقی (AND ،OR ،NOT و غیره) و چگونگی ساخت عبارات پیچیده برای نمایش روابط و قوانین آشنا می‌شوند.

منطق گزاره‌ای پیشرفته: این منطق با معرفی متغیرها و کمیت‌گذارها، منطق گزاره‌ای را گسترش می‌دهد. دانشجویان یاد می‌گیرند چگونه روابط و خواص مربوط به چند موجودیت را بیان کنند و از کمیت‌گذارهایی مانند «برای همه» و «وجود دارد» برای استدلال درباره مجموعه‌ای از آبجکت ها استفاده کنند.

استنتاج و استدلال: پس از نمایش دانش، دانشجویان با فرآیند استنتاج آشنا می‌شوند که شامل استخراج اطلاعات جدید از دانش موجود با استفاده از قواعد منطقی و فنون قیاسی است. آنها یاد می‌گیرند چطور از مکانیزم‌های استنتاج برای رسیدن به نتایج مبتنی بر دانش داده شده بهره ببرند.

در مجموع، این دوره اصول قوی در زمینه حل مسئله، الگوریتم‌های جستجو و نمایش دانش ارائه می‌دهد که برای فهم تکنیک‌ها و کاربردهای مختلف هوش مصنوعی حیاتی است. در پایان دوره، دانشجویان قادر خواهند بود این مفاهیم را برای مدل‌سازی و حل مسائل واقعی با استفاده از تکنیک‌های هوش مصنوعی به کار ببرند.

این دوره برای چه کسانی مناسب است؟

• دانشجویان رشته علوم کامپیوتر
• دانشجویان در حال آماده‌سازی برای آزمون‌های Gate
• کسانی که قصد شرکت در آزمون‌های دولتی با محوریت علوم کامپیوتر دارند.
• علاقه‌مندان به درک عملکرد اولیه هوش مصنوعی
• هر کسی که تمایل به یادگیری کارکرد هوش مصنوعی دارد.