125-160-C212287

‫پودمان ‪ :5‬کاربرد هوش مصنوعی‬

‫پودمان پنجم‬
‫کاربرد هوش مصنوعی‬

‫هوش مصنوعی پدید‌های جذاب و مهیج است که در آن از توانای ‌یهای انسان در زمین ‌ههای‬
‫یادگیری‪ ،‬سازگاری‪ ،‬درک خودآگاهی‪ ،‬احساس‪ ،‬تعامل و الگوبرداری م ‌یشود‪ .‬امروزه انواع‬
‫عام ‌لهای هوشمند به دلیل دارا بودن جنب ‌ههای مختلف هوش مانند هوش منطقی‪ ،‬کلامی‪،‬‬
‫اندامی‪ ،‬دیداری و ارتباطی در حوز‌ههای مختلف شغلی از قبیل فرهنگی‪ ،‬اجتماعی‪ ،‬آموزشی‪،‬‬
‫سرگرمی و باز ‌یهای رایان ‌های به کار م ‌یروند‪ .‬در این پودمان با ویژگ ‌یهای عوامل هوشمند‪،‬‬
‫برخی الگوریت ‌مهای هوش مصنوعی و کاربرد آنها‪ ،‬کاربرد پردازش تصویر در حوز‌ههای‬
‫صنعت‪ ،‬پزشکی‪ ،‬امنیت و کشاورزی و همچنین شبکه عصبی مصنوعی و مباحث نظریه‬

‫فازی و هوش گروهی و کاربردهایش آشنا م ‌یشوید‪.‬‬
‫شایستگ ‌یهایی که در این پودمان کسب م ‌یکنید‪:‬‬

‫‪ -‬تحلیل تحولات انواع هوش مصنوعی‬
‫‪ -‬ایجاد تفکر الگوریتمی مبتنی بر هوش مصنوعی‬

‫‪125‬‬



‫پودمان ‪ :5‬کاربرد هوش مصنوعی‬

‫هوش مصنوعی‬

‫در سا ‌لهای اخیر تولیدکنندگان کالاها و محصولات سخ ‌تافزاری و نر ‌مافزاری‪ ،‬در نا ‌مگذاری برخی از محصولات‬
‫خود از واژۀ هوشمند مانند‪ :‬تلویزیون هوشمند‪ ،‬تلفن همراه هوشمند‪ ،‬لواز ‌مخانگی هوشمند یا برنامه هوشمند‬
‫حسابداری استفاده م ‌یکنند‪ .‬آنها ادعا م ‌یکنند در ساخت این نوع محصولات از هوش مصنوعی استفاد‌ه شده است‪.‬‬
‫برخی از لواز ‌مخانگی‌هوشمند ب ‌هوسیلة حسگرها اطلاعات محیط را م ‌یگیرند و ب ‌هطور خودکار اعمال مختلفی را‬
‫انجام م ‌یدهند‪ .‬ممکن است با برخی باز ‌یهای رایان ‌های نسل جدید آشنا باشید‪ ،‬در این باز ‌یها با رقیبان رایان ‌های‬
‫که هوش مصنوعی دارند به رقابت پرداخته و مشاهده م ‌یکنیم چه عملکرد هوشمندان ‌های نسبت به باز ‌یهای‬

‫قدیمی دارند‪.‬‬

‫قرار است گروه رباتیک هنرستانی که دانا در آن درس م ‌یخواند‪ ،‬در یک مسابقه شرکت کند‪ .‬نشانی محل‬ ‫فعالیت‬
‫برگزاری به صورت مختصات جغرافیایی برای رایانامۀ دانا ارسال شده است‪ .‬او با دریافت رایانامه و از طریق برنامه‬ ‫کلاسی‬

‫‪ ،Google Maps‬آدرس و مسیر محل برگزاری مسابقات را با استفاده از تلفن همراه روی نقشه پیدا کرد‪.‬‬
‫‪ -‬تلفن همراه او چه مزیت یا ویژگی خاصی نسبت به تلف ‌نهای دیگر دارد؟‬
‫‪ -‬عملکرد تلفن او را در این ویژگی خاص شرح دهید‪.‬‬

‫‪ -‬چند بازی هوشمند را نام ببرید که ممکن است در تلفن همراه دانا وجود داشته باشد‪.‬‬

‫شاید این سؤال برای شما پی ‌شآمده باشد که ب ‌هراستی هوش مصنوعی چیست؟‬

‫برای پاسخ به این سؤال‪ ،‬بهتر است ابتدا با توانای ‌یهای منحصرب ‌هفرد و‬

‫جنب ‌ههای هوش انسان ب ‌هعنوان باهو ‌شترین موجود خلقت آشنا شد‪.‬‬

‫طی ده ‌ههای گذشته بشر با توجه به خودشناسی و ماهیت کنجکاوی‬

‫و کما ‌لگرایی که داشت‪ ،‬در آرزوی خلق موجودی همسان و به مراتب‬

‫باهو ‌شتر از خود بود‪ .‬در این راستا قرار است در مسابقات بی ‌نالمللی‬

‫روبوکاپسال‪،2050‬تیمفوتبالربا ‌تهایانسا ‌ننماباقهرمانجامجهانی‬

‫شکل‌‪ -1‬ربات هوشمند‬ ‫فوتبال به رقابت بپردازند‪.‬‬

‫برخی افراد فکر م ‌یکنند هوشمندی در یادگیری سریع و حل مسائل ریاضی است؛ اما هوش مفهوم گسترد‌های‬

‫دارد و به تمام ابعاد مختلف زندگی انسا ‌نها مربوط م ‌یشود‪ .‬هنگام ‌یکه از هوش یک نفر سخن گفته م ‌یشود‬

‫درواقع به رفتار‪ ،‬کردار و توانای ‌یهای او در موارد گوناگون توجه م ‌یشود‪.‬‬

‫به عبارتی ساده م ‌یتوان گفت هوش انسانی ترکیبی از توانای ‌یهای اوست‪ .‬از مه ‌مترین این توانای ‌یها‬

‫م ‌یتوان به توانایی یادگیری (‪ )Learning‬و سازگاری (‪ )Adaptation‬انسان اشاره کرد(جدول‪.)1‬‬

‫جدول ‌‪ -1‬برخی توانای ‌یهای هوش انسانی‬

‫تعریف‬ ‫توانایی‬
‫دریافت قوانین و اطلاعات از محیط پیرامون و برای استفاده از آنها‬ ‫یادگیری‬
‫توانایی انطباق با محیط پیرامون ب ‌هصورت پویا و گذر از مشکلاتی که برای انسان پیش م ‌یآید‪.‬‬ ‫سازگاری‬

‫درک فرایندی که تجارب در آن‪ ،‬معنادار شده و انسان از این طریق روابط امور و معانی اشیا را درم ‌ییابد‪.‬‬

‫‪127‬‬

‫تعریف‬ ‫توانایی‬
‫آگاهی از افکار و عواطف خویش و یا توانایی شناخت و درک نیازها‪ ،‬امیال‪ ،‬نقاط ضعف و عادات خود‬ ‫خودآگاهی‬
‫احساس‬
‫دریافتن‪ ،‬آگاه شدن و درک چیزی با یکی از حواس پن ‌جگانه‬
‫توانایی برقراری ارتباط با انسا ‌نهای دیگر از طریق زبان طبیعی و یا زبان بدن‬ ‫تعامل‬
‫استدلال‬
‫استفاده از قواعد برای رسیدن به نتایج تقریبی یا قطعی‬

‫بشر در گذشته با هو ِش منطقی و ریاضی توانست به محاسبه بپردازد‪ .‬این هوش به توانایی ذهنی او در تفکر‬
‫منطقی و حل مسئله برم ‌یگردد‪ .‬در ادامه سعی کرد ماشینی بسازد که با سرعتی بیشتر و دقتی بالاتر ب ‌هجای او‪،‬‬
‫محاسبات ریاضی و حل مسئله را انجام دهد‪ .‬حتماً نام این ماشین را م ‌یدانید‪ .‬بله درست حدس زد‌هاید‪« :‬رایانه»‪.‬‬
‫اما بشر به همین مورد اکتفا نکرد‪ ،‬بلکه سعی در تکمیل این ماشین داشت تا آن را هوشمند سازد‪ .‬به همین منظور‬
‫جنب ‌ههای دیگری از هوش خود را شناسایی کرد تا بتواند آن را شبی ‌هسازی کند‪ .‬او ب ‌هتدریج توانست سیست ‌مهای‬
‫هوشمند را ارتقا ببخشد و از سیست ‌مهایی که فقط در یکی از جنب ‌ههای هوش مهارت داشتند به سیست ‌مهایی‬
‫برسد که جنب ‌ههای مختلفی از هوشمندی را از خود نشان م ‌یدهند و با استفاده از حسگرها‪ ،‬محیط پیرامون خود‬
‫را درک م ‌یکنند و در آن محیط اقدامی خاص انجام م ‌یدهند‪ .‬سیست ‌مهای هوشمند وظایف خود را به کمک‬
‫مفهومی به نام عامل (‪ )Agent‬انجام م ‌یدهند که این عامل م ‌یتواند یک شخص‪ ،‬یک ماشین و یا حتی یک‬

‫نر ‌مافزار باشد‪ .‬عام ‌لهای هوشمند دارای سطوح هوشمندی و ویژگ ‌یهای متفاوت هستند(جدول‪.)2‬‬

‫جدول‪ -2‬انواع عام ‌لهای هوشمند‬

‫مثال با خودروی خودران‬ ‫نوع عامل شرح‬

‫توقف هنگام رسیدن به چرا ‌غقرمز‪.‬‬ ‫واکنشی ساده در سطح پایینی از هوشمندی قرار دارد و فقط قادر است در برابر‬
‫قانون‪ :‬چراغ‌قرمز است پس توقف کن‪.‬‬ ‫(‪ Simple‬برخی از نشان ‌هها و پیا ‌مها‪ ،‬واکن ‌شهایی ساده از خود نشان دهد‪ .‬این‬

‫چراغ‌سبز است پس حرکت کن‪.‬‬ ‫‪ )Reflex‬عامل خواص ساده و هوش اندکی دارد‪.‬‬

‫مبتنی بر حافظه دارد و در آن مدلی از محیط برای خود م ‌یسازد تا بتواند از هنگام تغییر مسیر باید بداند سایر خودروها‬

‫در کجا قرار دارند تا مانع تصادف شود‪.‬‬ ‫مدل تغییر شرایط آگاه شده‪ ،‬تصمیمات بهتر و دقی ‌قتری بگیرد‪.‬‬

‫خودرویی که به چهارراه م ‌یرسد با داشتن‬ ‫علاوه بر داشتن اطلاعات گذشته و فعلی لازم است که اطلاعات وضعیت‬ ‫مبتنی بر‬
‫اطلاعات هدف م ‌یتواند تصمیم بگیرد که‬ ‫مطلوب یا اطلاعات هدف را نیز بداند تا تصمی ‌مهایی صحیح بگیرد‪.‬‬ ‫هدف‬
‫مستقیم برود یا به چپ و یا راست بپیچد‪.‬‬

‫برای رسیدن به یک هدف ممکن است را‌ههای مختلفی وجود داشته باشد‪ .‬برای رسیدن به مقصد از بین مسیرهای‬ ‫مبتنی بر‬
‫سودمندی‬
‫عاملی که بتواند بهترین روش رسیدن به هدف را برگزیند از این نوع است‪ .‬مختلف‪ ،‬مسیری را برگزیند که ام ‌نتر است و‬

‫یا کمترین ترافیک را داشته باشد‪.‬‬ ‫همچنین این عام ‌لم ‌یتواند از بین چند هدف بهترین هدف را برگزیند‪.‬‬

‫برنامه ماشین خودران یاد م ‌یگیرد روی‬ ‫در بالاترین سطح هوشمندی است‪ .‬قادر است برای رسیدن به خودمختاری‬ ‫یادگیرنده‬
‫سطح ی ‌خزده نباید ترمز کند و یا در‬ ‫و استقلال عمل از طریق کسب تجربه و بررسی نتایج عملکرد‪ ،‬با یادگیری‬
‫مطالب جدید‪ ،‬دانش خود را افزایش دهد و رفتار خود را در طول زمان‬ ‫(‪Learning‬‬
‫روزهای بارانی با سرعت کمتر حرکت کند‪.‬‬ ‫‪)Agent‬‬
‫اصلاح کند‪.‬‬

‫‪128‬‬

‫پودمان ‪ :5‬کاربرد هوش مصنوعی‬

‫تصور کنید در مهدکودک و یا پی ‌شدبستانی تصویر زیر را به کودکی نشان م ‌یدهند و از او م ‌یخواهند مسیر‬
‫درست را در مارپیچ (‪ )Maze‬بیابد‪ .‬آیا بچ ‌هها در مقطع پی ‌شدبستانی م ‌یتوانند این مسیر را بیابند؟ آیا آموزش‬
‫خاصی دید‌هاند؟ اگر آنها حل یک نمونه را مشاهده کنند‪‌،‬پس از آن م ‌یتوانند مسیرهای مارپیچ پیچید‌هتری را‬

‫حل کنند‪ .‬در اینجا کودک یک عامل یادگیرنده هوشمند است‪.‬‬
‫اخیراً یک عامل یادگیرنده هوشمند با نام ‪ DeepCube‬توانست بدون دخالت انسان و فقط پس از ‪ 44‬ساعت‬
‫بررسی حرک ‌تهای موفق قبلی و با سعی و خطا برای خود یک الگوریتم حل مکعب روبیک (شکل‪ )2‬را ابداع‬
‫کند‪ .‬این الگوریتم قادر است حداکثر با ‪ 30‬حرکت‪ ،‬مکعب روبیک را حل کند‪ .‬این عامل نیز در سطح بالایی‬

‫از هوشمندی قرار دارد‪.‬‬

‫شکل‪ -2‬مسیر مارپیچ و مکعب روبیک‬

‫در جدول زیر نام چند محصول‪ ،‬برنامه یا عامل آمده است‪ .‬با کمک جدول ‪ ،2‬نوع هر یک از این عام ‌لها‬ ‫فعالیت‬
‫را تعیین کنید‪.‬‬ ‫کلاسی‬

‫نوع عامل‬ ‫محصول‪ ،‬برنامه یا عامل‬ ‫نوع عامل‬ ‫محصول یا برنامه یا عامل‬
‫برنامه ترجمه واژه های انگلیسی‬
‫برنامه فیلتر رایانام ‌ههای تبلیغاتی ناخواسته‬
‫(‪)dictionary‬‬
‫خودروی خودران پیشرفته‬ ‫برنامه ساده ی بازی شطرنج‬
‫دستیار دیجیتالی صوتی هوشمند‬
‫ماشین لباسشویی هوشمند‬

‫طبیع ‌تگرا فضایی دیداری‬ ‫در یکی از تقسی ‌مبند ‌یها برای هوش انسان‪ 9 ،‬جنبه‬
‫مختلف معرفی شده است‪ .‬با شناخت این جنب ‌ههای‬
‫کلامی زبانی‬ ‫منطقی‬ ‫مختلف هوش‪ ،‬انسان توانست عام ‌لهای هوشمندی‬
‫ریاضی‬
‫بسازد که بیشتر شبیه خودش باشد(شکل‪.)3‬‬
‫هو ‌شهای چندگانه‬ ‫میا ‌نفردی‬ ‫هر یک از جنبه های هوش ویژگ ‌یهای متفاوتی دارند‬

‫درونی فردی‬ ‫(جدول‪.)3‬‬

‫اندامی جنبشی‬ ‫هست ‌یگرا‬

‫موسیقیایی‬

‫شکل‪ -3‬جنب ‌ههای مختلف هوش‬
‫‪129‬‬

‫جدول ‪ -3‬ویژگ ‌یهای جنب ‌ههای هوش‬

‫ویژگ ‌یها‬ ‫هوش‬

‫در استدلال‪ ،‬شناسایی الگوها و تحلیل منطقی مسائل قوی هستند ‪  .‬این افراد به تفکر درباره مفهوم‬ ‫منطقی  ‪ -‬ریاضی‬
‫اعداد‪ ،‬روابط و الگوها علاق ‌همندند‪.‬‬

‫کسانی که ب ‌هخوبی م ‌یتوانند از واژگان به هنگام نوشتن و حرف زدن استفاده کنند‪ .‬این افراد غالباً‬ ‫کلامی ‪ -‬زبانی‬
‫در نوشتن داستان‪ ،‬به خاطر سپردن اطلاعات و خواندن مهارت دارند‪.‬‬

‫توانایی ب ‌هکارگیری بدن برای برقراری ارتباط و مهار آن برای انجام حرکاتی سخت یا بسیار ظریف‬
‫اندامی  ‪ -‬جنبشی و منظم را دارند‪ .‬برای مثال یک فوتبالیست حرف ‌های استعدادی باورنکردنی در کنترل و تسلط بر‬

‫پاهای خود در مهار یک توپ دارد‪.‬‬

‫قدرت تشخیص تصاویر و تجسم فضایی اشیا را دارند‪ .‬این افراد معمولاً جه ‌تیابی خوبی دارند و با نقش ‌هها‪،‬‬ ‫فضایی‪ -‬دیداری‬
‫نمودارها‪ ،‬عک ‌سها و تصاویر ویدئویی مشکلی ندارند‪.‬‬

‫به خوبی م ‌یتوانند با افراد دیگر ارتباط برقرار کرده‪ ،‬آنها را درک کنند‪ .‬این افراد در ارزیابی احساسات‪،‬‬ ‫میا ‌نفردی‪-‬‬
‫انگیز‌هها و مقاصد اطرافیان دانا هستند‪ .‬این جنبه از هوش در روان شناسان‪ ،‬مشاوران‪ ،‬فروشندگان و‬ ‫ارتباطی‬

‫سیاستمداران موفق بارز است‪.‬‬

‫بشر به دنبال شبی ‌هسازی مدلی هوشمند از خود بوده است و این کار را ب ‌همرور با شناخت خود تا حدی به‬
‫سرانجام رسانده است‪.‬‬

‫هوش مصنوعی شاخ ‌های از علم رایانه است که ضمن مطالعه و توسعة نر ‌مافزارها و دستگا‌ههای هوشمند با‬ ‫یادداشت‬
‫شبی ‌هسازی توانای ‌یهای انسان در ماشین‪ ،‬سعی در تقلید رفتارهای هوشمندانه انسان دارد‪.‬‬ ‫‪130‬‬

‫‪AB‬‬ ‫از ابتدای پیدایش رایان ‌هها این سؤالات مطرح شده است که چه‬
‫?‬ ‫ماشینی را م ‌یتوان هوشمند نامید و برای سنجش میزان هوشمندی‬
‫ماشین از چه روشی م ‌یتوان استفاده کرد؟ دانشمندان علوم رایانه‬
‫‪C‬‬ ‫در شاخۀ هو ‌شمصنوعی مواردی از این قبیل که انسان چگونه فکر‬
‫م ‌یکند‪ ،‬نحوۀ یادگیری و تصمی ‌مگیری در انسان چگونه رخ م ‌یدهد‬
‫شکل ‪ -4‬آزمون سنجش میزان‬ ‫را مطالعه کرد‌هاند و نتایج این مطالعات را ب ‌هعنوان پای ‌های برای توسعه‬
‫هوشمندیماشین‬ ‫نر ‌مافزارها و سیست ‌مهای هوشمند قرار داده و به این نتیجه رسید‌هاند‬
‫که باید آن ماشین در جنب ‌ههای مختلف هوش‪ ،‬مانند انسان باشد و‬
‫بتواند توانای ‌یهای انسان هوشمند را تقلید کند و برای سنجش میزان‬

‫هوشمندی یک ماشین‪ ،‬آزمونی پیشنهاد کردند‪.‬‬
‫آزمون به این صورت انجام م ‌یگیرد که یک شخص ب ‌هعنوان‬
‫قاضی(‪ ،)C‬با یک ماشین(‪ )A‬و یک انسان(‪ )B‬گف ‌توگو م ‌یکند‪ ،‬به‬
‫نحوی که قاضی‪ ،‬انسان و ماشین را نم ‌یبیند و سعی در تشخیص‬
‫ماشین از انسان دارد‪ .‬درصورت ‌یکه ماشین بتواند پس از گف ‌توگو با‬
‫قاضی‪ ،‬وی را ب ‌هگون ‌های فریب دهد که در قضاوت خود دچار اشتباه‬

‫پودمان ‪ :5‬کاربرد هوش مصنوعی‬

‫شود و او را ب ‌هعنوان انسان شناسایی کند‪ ،‬توانسته است آزمون را با موفقیت پشت سر بگذارد‪ .‬برای آسا ‌نتر و‬ ‫کنجکاوی‬
‫استانداردکردن شرایط برگزاری آزمون و پرهیز از پیچیدگ ‌یهای اضافی‪ ،‬آزمون به محاوره روی کاغذ محدود‬

‫شود تا مشکلاتی مانند تبدیل متن به گفتار شفاهی و تنظیم تُن صدا و لهجه در کار نباشد(شکل‪.)4‬‬

‫‪ -‬اگر شما جای قاضی باشید چه سؤالاتی را مطرح م ‌یکنید؟‬
‫‪ -‬اگر ماشینی این آزمون را با موفقیت پشت سر بگذارد‪ ،‬آیا م ‌یتوان گفت مانند انسان باهوش است؟‬

‫حال و آینده هوش مصنوعی‬ ‫فعالیت‬
‫در ده ‌ههای گذشته‪ ،‬هوش مصنوعی فقط بر مسئله و شرایط خاصی تمرکز داشت و در یک حوزه خاص م ‌یتوانست‬ ‫کلاسی‬
‫کاری را انجام دهد‪ .‬به این سطح هوش مصنوعی محدود (‪ )Narrow Artificial Intelligence‬یا هوش مصنوعی‬
‫ضعیف (‪ )Weak Artificial Intelligence‬م ‌یگویند‪ .‬هوش مصنوعی که سا ‌لها قبل توانست در بازی شطرنج‪ ،‬استاد‬
‫بزرگ و قهرمان جهان را شکست دهد‪ ،‬یکی از همین نمون ‌ههاست‪ .‬تعداد زیادی از تارنماها به مشتریان خود امکان‬
‫گف ‌توگو با یک ربات پشتیبانی از مشتری را م ‌یدهند‪ .‬این ربا ‌تهای نر ‌مافزاری دارای هوش مصنوعی محدود و قادر‬

‫به استخراج اطلاعات از تارنما و نمایش آنها به مشتری هستند‪.‬‬

‫چند نمونه دیگر از کاربردهای هوش مصنوعی محدود را نام ببرید‪.‬‬

‫دانشمندان علوم رایانه سعی دارند در ادامۀ پیشرف ‌تهای خود به یک سطح بالاتر از هوش مصنوعی یعنی هوش‬
‫مصنوعی عمومی (‪ )General Artificial Intelligence‬یا هوش مصنوعی قوی (‪)Strong Artificial Intelligence‬‬
‫دست یابند که در سطح انسان باشد‪ .‬این نوع هوش مصنوعی‪ ،‬باید توانایی دلیل آوردن‪ ،‬حل مشکل‪ ،‬فکر کردن‪ ،‬درک‬
‫اید‌ههای پیچیده‪ ،‬فراگیری سریع و کسب تجربه را داشته باشد تا همانند انسان استنتاج کرده و رفتار او را تقلید کند‪.‬‬
‫اگرچه ساخت این نوع هوش مصنوعی کار دشواری است ولی پی ‌شبینی م ‌یشود حدود بیست سال دیگر به این‬

‫سطح از هوش برسند‪.‬‬
‫یک سطح بالاتر از هوش مصنوعی‪ ،‬فراهوش (‪ )Super Intelligence‬است که در تمام زمین ‌هها از جمله خلاقیت‬
‫علمی‪ ،‬هوش عمومی و مهار ‌تهای اجتماعی از باهو ‌شترین انسا ‌نها‪ ،‬بسیار برتر است‪ .‬ویژگ ‌یهای این سطح از‬

‫هوش مصنوعی امروزه در این مرحله است‪.‬‬ ‫محدود‬ ‫هوش هنوز ب ‌هطور کامل مشخص نیست و اینکه پس از‬
‫عمومی‬ ‫رسیدن به این سطح چه اتفاقاتی خواهد افتاد هی ‌چکس‬
‫انسا ‌نها در این سطح از هوش هستند و‬ ‫فراهوش‬ ‫نم ‌یداند‪ .‬در حال حاضر‪ ،‬جهان مملو از هوش مصنوعی‬
‫هوش مصنوعی سعی دارد به این سطح برسد‪.‬‬ ‫محدود است‪ .‬پژوهشگران حوزه هوش مصنوعی اکنون‬
‫در مرحله انتقال از هوش مصنوعی محدود به هوش‬
‫هنوز موجودی به این سطح‬ ‫مصنوعی عمومی هستند‪ .‬آ ‌نها سعی دارند با تقلید از‬
‫از هوش نرسیده است‪.‬‬ ‫مغز انسان‪ ،‬هوشی مصنوعی طراحی کنند که ه ‌مسطح‬
‫هوش انسان باشد‪ .‬با ای ‌نحال این علم هنوز در اول راه‬

‫خود قرار دارد‪.‬‬

‫شکل ‪ -5‬سطوح هوش مصنوعی‬

‫‪131‬‬

‫در تحقق هوش مصنوعی تاکنون چه بخ ‌شهایی از هوش انسانی پیاد‌هسازی شده است؟‬ ‫کنجکاوی‬

‫تجارت‬ ‫آموزش‬ ‫کاربردهای هوش مصنوعی‬
‫حمل و نقل‬ ‫فرهنگ‬
‫مشاغل خطرناک‬ ‫به خاطر گستردگی تأثیر هوش مصنوعی بر جنب ‌ههای‬
‫درآمد‬ ‫مختلف زندگی بشر‪ ،‬در این پودمان نم ‌یتوان تمامی آنها‬
‫مشاغل جدید‬ ‫را بررسی و یا حتی معرفی کرد اما انتظار م ‌یرود در‬
‫دفاعی‬ ‫پایان این بخش آگاهی و تفکر شما تا حدی افزایش پیدا‬
‫کند و بتوانید به سایر جنب ‌ههایی که اشاره نشده است‬
‫حوز ‌ههای کاربردی محیط زیست‬ ‫نیز بیندیشید‪ .‬در شکل‪ 6‬برخی از حوز‌ههای کاربردی و‬
‫و‬
‫تأثیرات هوش مصنوعی معرفی شده است‪.‬‬
‫تاثیرات هو ‌شمصنوعی دوست مصنوعی‬ ‫حال به بررسی برخی از موارد فوق م ‌یپردازیم‪.‬‬

‫بهداشت‬

‫سایبورگ‬
‫کشاورزی‬
‫ورزشی‬
‫بهره وری‬

‫گردشگری‬

‫شکل‪ -6‬حوز ‌ههای کاربرد هوش مصنوعی‬ ‫‪ -‬حوزه شغلی‬
‫یکی از جنب ‌ههای مهمی که هوش مصنوعی بر آن تأثیر‬

‫ب ‌هسزایی خواهد داشت‪ ،‬حوزه شغلی است‪ .‬طبق پی ‌شبین ‌یهای صورت گرفته طی سا ‌لهای آینده‪ ،‬میلیو ‌نها‬

‫شغل از بین خواهند رفت و برخی نیز اهمیت خود را به میزان زیادی از دست خواهند داد؛ اما بعد از یک دوره‬

‫گذار و یا ب ‌هطور ه ‌مزمان هوش مصنوعی م ‌یتواند میلیو ‌نها شغل جدید در سراسر دنیا ایجاد کند‪ .‬توجه کنید‬

‫میلیو ‌نها شغل‪ ،‬نه میلیو ‌نها شاغل! تعداد مشاغلی که در صنایع مختلف به هوش مصنوعی وابست ‌هاند‪ ،‬متفاوت‬

‫است‪ .‬انتظار م ‌یرود در سا ‌لهای آینده بخ ‌شهای بهداشت و درمان‪ ،‬خدمات عمومی و آموزش بیشترین‬

‫میزان افزایش تقاضا برای این مشاغل را داشته باشند‪ .‬در واقع‬

‫هوش مصنوعی در بسیاری از مشاغل‪ ،‬ضمن کاهش یا حذف‬

‫شغ ‌لهایی که مناسب انسان نیستند‪ ،‬شغ ‌لهای رده‌بالاتر و‬

‫با بازدهی بهتری ایجاد م ‌یکند که به مهار ‌تهای خاصی نیاز‬

‫دارند و حتی ممکن است از انسان وقت کمتری بگیرند‪.‬‬

‫‪ -‬شغ ‌لهای خطرناک‬
‫ربا ‌تها از پیشرفت ‌هترین فناور ‌یهای هوش مصنوعی بهره م ‌یبرند‪ .‬امروزه ربا ‌تها کارهای بسیار سخت و خطرناکی را‬
‫انجام م ‌یدهند‪ .‬محققان معتقدند فهرست بزرگی از کارهای خطرناک وجود دارند که اگرچه انسا ‌نها قادر به انجام آنها‬
‫نیستند؛ اما نسل جدید ربا ‌تها در نقش یک ابرقهرمان ظاهر م ‌یشوند و ب ‌هراحتی از عهده انجام آنها برم ‌یآیند‪ .‬برای‬

‫نمونه م ‌یتوان به حضور این ربا ‌تها در عملیات آت ‌شنشانی و تلاش‬
‫برای خاموش کردن آت ‌شسوز ‌یها در جنگل‪ ،‬خنثی کردن بمب و‬
‫نجات انسا ‌نها از زیر آوار اشاره کرد‪ .‬شغل جوشکاری به تولید مواد‬
‫سمی‪ ،‬گرمای شدید و سروصدا شناخت ‌ه شده است‪ ،‬ربا ‌تها در‬

‫بسیاری از موارد م ‌یتوانند به افراد در این شغل کمک کنند‪.‬‬

‫شکل‪ -7‬ربات آت ‌شنشان‬

‫‪132‬‬

‫پودمان ‪ :5‬کاربرد هوش مصنوعی‬

‫نام چند ربات را بنویسید که برای انجام شغ ‌لهای خطرناک ساخته شد‌هاند‪.‬‬ ‫فعالیت‬
‫کلاسی‬
‫‪ -‬حم ‌لونقل‬
‫استفاده از هوش مصنوعی به میزان زیادی سبب کاهش‬
‫سفرها خواهد شد و جنب ‌ههای مختلفی از حوزه حم ‌لونقل‬
‫را تحت تأثیر قرار خواهد داد‪ .‬یکی از مه ‌مترین آنها‬

‫حم ‌لونقل خودکار و خودروهای خودران است‪.‬‬

‫شکل ‌‪ -8‬نمای داخلی خودروی خودران‬

‫مزایا و چال ‌شهای ب ‌هکارگیری خودروهای خودران را در جدول زیر تکمیل کنید‌‪.‬‬ ‫فعالیت‬
‫کلاسی‬

‫شرح‬ ‫جنب ‌ههای مؤثر‬
‫امنیت بالاتر به علت رعایت خودکار نکات امنیتی و همچنین قوانین راهنمایی و رانندگی‪،‬‬
‫امنیت سفر و‬
‫سرنشینان احساس امنیت و آسودگی خاطر بیشتری خواهند کرد‪.‬‬ ‫آسودگی خیال‬
‫افزایش ظرفیت‬
‫با مدیریت هوشمند ترافیک تا حد زیادی مشکل ترافیک از بین خواهد رفت‪.‬‬ ‫داخلی خودرو‬
‫مصرف سوخت‬
‫به علت ترافیک کمتر و انتخاب مسیر کوتا‌هتر‪ ،‬آلودگی هوا کمتر خواهد شد‪.‬‬
‫ترافیک‬
‫زمان رسیدن به‬

‫مقصد‬
‫آلودگی هوا‬

‫کرایه‬

‫شغ ‌لهایی که حذف راننده ‪ -‬پلیس راهنمایی و رانندگی حاضر در خیابا ‌نها و جاد‌هها‪ -‬شرک ‌تهای بیم ‌هگر‬
‫و یا کم م ‌یشوند‪ .‬خودرو به علت کاهش تصادفات و حوادث‬

‫شغ ‌لهایی که ایجاد‬

‫م ‌یشوند‪.‬‬

‫ب ‌همرور از بین خواهد رفت‪.‬‬ ‫ترس مردم از این‬
‫فناوری‬

‫اعلام خودکار‬

‫وضعیت خودرو‬

‫‪ -‬ربات دوست مصنوعی ما‬
‫دانشمندان و متخصصان رباتیک مدعی شدند ب ‌هزودی یک ربات هوشمند‪ ،‬مفهوم فلسفی عشق‪ ،‬علاقه و دوستی‬
‫را درک خواهد کرد‪ .‬این ربا ‌تها با دسترسی به شبک ‌ههای اجتماعی‪ ،‬پایگا‌ههای داده‪ ،‬ثبت و طبق ‌هبندی صحب ‌تها‬

‫‪133‬‬

‫و انتخا ‌بهای ما‪ ،‬خواهند توانست به دوستی ارزشمند برای ما تبدیل‬ ‫فعالیت‬
‫شوند‪ .‬آنها م ‌یتوانند با دریافت اطلاعات بیشتر از رسان ‌ههای اجتماعی‬ ‫کلاسی‬
‫و با دسترسی به موتورهای جس ‌توجو در اینترنت‪ ،‬اظهارنظر کرده‪،‬‬
‫مانند یک شخصیت زنده در مکالمات شرکت کنند‪ .‬با این اوصاف و‬
‫با نزدیکی بیشتر بین انسان و ربات ب ‌هعنوان دوست‪ ،‬باید کمی نگران‬
‫روابط اجتماعی و خانوادگی بود؛ اما اگر فناوری در جهت مثبت خود به‬
‫کار گرفته شود‪ ،‬م ‌یتواند تأثیرات بسیار مفیدی بر زندگی انسان بگذارد‪.‬‬

‫پس تصمیم نهایی با انسان است که چگونه از آن بهر‌همند شود‪.‬‬

‫ربا ‌تهای دوست مصنوعی در کدام سطح از هوش مصنوعی قرار دارند؟ چرا؟‬
‫‪ ‬هوش مصنوعی محدود ‪ ‬هوش مصنوعی عمومی ‪ ‬فراهوش‬

‫‪ -‬حوزه فرهنگی‪ ،‬اجتماعی و آموزشی‬ ‫فعالیت‬
‫با توجه به وسعت این حوزه‪ ،‬گوش ‌های از آن در قالب دو سؤال و پاسخ به آنها بیان م ‌یشود و بررسی و کنکاش‬ ‫منزل‬

‫در سایر قسم ‌تها به ذهن پرسشگر شما سپرده خواهد شد‪.‬‬
‫‪ -‬آیا م ‌یتوان برای حل برخی معضلات اجتماعی مانند مشکل تخصیص شغل به افراد بیکار از هوش مصنوعی‬

‫استفاده کرد؟‬
‫این کار را م ‌یتوان با ثبت اطلاعات شهروندی افراد در طول زندگی آنها در یک سیستم امن تحت مدیریت‬
‫برنام ‌ههای هوش مصنوعی اجرایی کرد‪ .‬همچنین یک بانک اطلاعاتی از مشاغل فعال و نیازمند به افراد تشکیل‬
‫شود تا هنگام ‌یکه افراد مختلف جامعه برای دریافت یک شغل خاص اقدام م ‌یکنند‪ ،‬همۀ آنها بر اساس‬
‫معیارهای متفاوت دست ‌هبندی شوند و دیگر تحصیلات و یا رابطه‪ ،‬تنها ملاک برای اخذ شغل نباشد‪ .‬در اینجا‬
‫هوش مصنوعی قادر به شناسایی شغل مناسب برای هر شهروند است و آن را بر اساس سابقه کاری فرد‪،‬‬

‫مهار ‌تها و ترجیحات شخص پیشنهاد خواهد کرد‪.‬‬
‫‪ -‬آیا م ‌یتوان برای اصلاح روش پذیرش دانشگا‌هها ب ‌هجای آزمون سراسری از هوش مصنوعی استفاده کرد؟‬
‫پذیرش دانشگا‌هها را م ‌یتوان به یک سیستم هوش مصنوعی سپرد تا رشته دانشگاهی متناسب با استعداد و‬
‫علاقه دان ‌شآموز را بر اساس عملکرد کل دوران تحصیل و علاق ‌همند ‌یهای دان ‌شآموز به وی پیشنهاد کند‪.‬‬
‫هوش مصنوعی در راستای هدایت تحصیلی و دادن مشاوره به دانش آموزان و والدین م ‌یتواند بسیار مفید باشد‪.‬‬

‫‪ -‬در مورد استفادۀ مربیان ورزشی از برنام ‌ههای هوشمند برای مرب ‌یگری‪ ،‬آموزش و کنترل بازیکنان تحقیق‬
‫کرده‪ ،‬نتایج خود را به کلاس ارائه دهید‪.‬‬

‫‪ -‬هوش مصنوعی چه جنب ‌ههای دیگری از زندگی ما را دس ‌تخوش تغییر خواهد کرد؟ محیط شهر و یا‬
‫محیط ادارات چه تغییراتی م ‌یتوانند داشته باشند؟ ب ‌هدلخواه در خصوص سایر حوز‌ههای کاربردی و تأثیرات‬

‫هوش مصنوعی تحقیق کرده‪ ،‬مطالب خود را ب ‌هاختصار در کلاس بیان کنید‪.‬‬

‫در مورد شهر هوشمند (‪ )Smart City‬و یا شهر سایبری (‪ )Cyber City‬تحقیق کنید‪.‬‬ ‫کنجکاوی‬

‫‪134‬‬

‫پودمان ‪ :5‬کاربرد هوش مصنوعی‬

‫زبا ‌نهای برنام ‌هنویسی هوش مصنوعی‬
‫اکنونممکناستاینسؤالذهنشمارابهخودمشغولکندکهآیاروشبرنام ‌هنویسیهوشمصنوعیبابرنام ‌هنویسی‬

‫عادی تفاوت دارد؟ برای پاسخ به این سؤال‪ ،‬به مسئل ‌ههای زیر و چگونگی نوشتن برنامه آنها توجه کنید‪.‬‬
‫‪ -‬برنام ‌های بنویسید که روی صفحه نمایش عبارت ‪ hello world‬را چاپ کند‪.‬‬

‫‪ -‬برنام ‌های بنویسید که ده عدد صحیح از کاربر گرفته‪ ،‬بزر ‌گترین آنها را تعیین کند‪.‬‬
‫‪ -‬برنام ‌های برای ثبت و سازما ‌ندهی شجر‌هنامه خانوادگی بنویسید که بتواند روابط خانوادگی بین افراد را از‬

‫برنامه استخراج کند‪.‬‬
‫‪ -‬برنام ‌های برای سیستم نظارت ویدیویی بنویسید که در مناطق حفاظ ‌تشده بتواند حرکت شکارچیان غیرمجاز را‬

‫از حرکت حیوانات ب ‌هصورت برخط تشخیص داده‪ ،‬پیام لازم را به اداره حفاظت از محی ‌طزیست بفرستد‪.‬‬
‫در برنامه ‪ hello world‬فقط یک خروجی ساده‪ ،‬روی صفح ‌هنمایش چاپ م ‌یشود و به دلیل همین سادگی‪،‬‬
‫این کار را م ‌یتوان با بیشتر زبا ‌نهای برنام ‌هنویسی انجام داد‪ .‬در برنامه یافتن بزر ‌گترین عدد‪ ،‬ورودی و خروجی‬
‫چیست؟ ورود ‌ی ده عدد صحیح و خروجی نیز یک عدد صحیح است‪ .‬این برنامه باوجود آنکه ماهیت الگوریتمی‬
‫پیچید‌هتری نسبت به برنامه اول دارد‪ ،‬ولی در صورت داشتن الگوریتم مناسب‪ ،‬با بیشتر زبا ‌نهای برنام ‌هنویسی‬
‫قابل پیاد‌هسازی است‪ .‬در این برنامه‪ ،‬ورودی و خروجی از یک نوع هستند و عملیات پردازشی روی داد‌ههای‬

‫ورودی سخت نیست‪ .‬چنین مسئل ‌ههایی را م ‌یتوان در نوع برنام ‌ههای تابعی طبق ‌هبندی کرد‪.‬‬
‫ورود ‌یها و خروج ‌یهای برنامه شجر‌هنامه خانوادگی از چه نوعی هستند (شکل‪)9‬؟ چه پردازشی روی اطلاعات‬
‫صورت م ‌یگیرد؟ آیا م ‌یتوانید زبان برنام ‌هنویسی مناسب برای این برنامه را تعیین کنید؟ با توجه به نوع‬
‫ورود ‌یهای متفاوت و نوع پردازش منطقی‪ ،‬برنامه شجر‌هنامه خانوادگی را م ‌یتوان از نوع برنام ‌ههای منطقی‬
‫طبق ‌هبندی کرد‪ .‬عملیات پردازشی که روی ورود ‌یها صورت م ‌یگیرد پیچیدگی منطقی خاصی دارد بنابراین‬

‫زبا ‌نهای برنام ‌هنویسی رایج نم ‌یتوانند ب ‌هراحتی از عهده آنها برآیند‪.‬‬

‫درخت فامیلی‬ ‫ورودی برنامه نظارت ویدیویی‪ ،‬تصاویر زنده‬
‫ویدیویی است‪ .‬چه پردازشی روی این تصاویر‬
‫من‬ ‫انجام م ‌یگیرد؟ آیا م ‌یتوانید زبان برنام ‌هنویسی‬
‫مناسب برای این برنامه را تعیین کنید؟ برای‬
‫مادر پدر‬ ‫این مورد نیز با زبا ‌نهای برنام ‌هنویسی رایج‬
‫نم ‌یتوان به راحتی برنام ‌هنویسی کرد‪ .‬برای حل‬
‫پدربزرگ‬ ‫مادربزرگ‬ ‫پدربزرگ‬ ‫مادربزرگ‬ ‫ای ‌نگونه مسائل بهتر است از زبا ‌نهای مخصوص‬
‫برنام ‌هنویسی هوش مصنوعی مانند لیسپ‬

‫(‪ )Lisp‬و پرولوگ (‪ )Prolog‬استفاده کرد‪.‬‬

‫شکل ‪ -9‬شجر ‌هنامه خانوادگی‬

‫بررسی کنید ب ‌هجز موارد فوق چه زبا ‌نهای برنام ‌هنویسی دیگری برای برنام ‌هنویسی هوش مصنوعی وجود دارد؟‬ ‫پژوهش‬

‫برای شناخت بهتر زبا ‌نهای برنام ‌هنویسی هوش مصنوعی لازم است با نوع ورود ‌یها‪ ،‬خروج ‌یها و دستگا‌ههای ورودی‬
‫مناسب آنها آشنا شوید‪.‬‬

‫‪135‬‬

‫‪ -‬انواع داد‌های که ب ‌هعنوان ورودی برای برنام ‌ههای هوش مصنوعی استفاده م ‌یشوند‪ ،‬در جدول زیر آمده‬ ‫فعالیت‬
‫است‪ .‬جدول را تکمیل کنید‪.‬‬ ‫منزل‬

‫نمون ‌هها‬ ‫نوع داده ورودی‬

‫نماد ی ‌کبعدی مانند حروف متنی‪ ،‬تصاویر دوبعدی‪ ،‬مناظر س ‌هبعدی‪ ،‬تصاویر ویدیویی‬ ‫نشانه‬

‫صدا‬

‫داد‌ههای دما‪ ،‬نرمی‪ ،‬زبری و مقاومت در برابر فشار‬ ‫لامسه‬

‫بوی موجودات جاندار و ب ‌یجان مانند دود یا عطر‬ ‫بو‬

‫مزه‬

‫‪ -‬در برنام ‌هنویسی هوش مصنوعی برای ورود انواع داد‌ه از چه دستگا‌ههایی م ‌یتوان استفاده کرد؟‬

‫دستگاه ورودی‬ ‫نوع داده ورودی‬
‫نشانه‬
‫صدا‬

‫لامسه‪ ،‬بو‪ ،‬مزه‬

‫خروجی حاصل از اجرای برنام ‌ههای هوش مصنوعی نیز مانند داده ورودی‪ ،‬متفاوت هستند(جدول‪.)4‬‬

‫جدول‪ -‌4‬انواع خروج ‌یهای برنام ‌‌ههای هوش مصنوعی‬

‫نوع خروجی مثال‬

‫چاپ س ‌هبعدی ماک ‌تها ‪ -‬چاپ سه بعدی تجهیزات پزشکی‬ ‫چاپ‬

‫پاسخ دستیار صوتی ‪ -‬تولید موسیقی‬ ‫صوتی‬

‫تصویری شناسایی پلاک خودرو ‪ -‬تفکیک تصاویر مختلف از هم ‪ -‬شناسایی چهره‬

‫حرکتی حرکت ربا ‌تها ‪ -‬کنترل حرکتی خودروهای خودران‬

‫در برنام ‌هنویسی هوش مصنوعی برنامه تولید شده م ‌یتواند به سؤالات کلی مرتبط با کاربرد آن برنامه و حتی‬
‫سؤالاتی که از قبل پی ‌شبینی نشد‌هاند‪ ،‬پاسخ دهد؛ اما برنام ‌ههای نوشته شده بدون هوش مصنوعی فقط‬

‫م ‌یتوانند به سؤالات خاصی که از قبل پی ‌شبینی شد‌هاند پاسخ دهند‪ .‬به مثال واقعی زیر توجه کنید‪.‬‬
‫اخیراً یکی از ربا ‌تهای دستیار صوتی توانسته است با تماس تلفنی با یک آرایشگاه ضمن گف ‌توگو با مسئول‬
‫پذیرش‪ ،‬یک وقت برای کوتاه کردن مو بگیرد‪ .‬همچنین زمانی که با یک رستوران برای رزرو میز‪ ،‬تماس‬
‫م ‌یگیرد م ‌یتواند ب ‌هراحتی با مسئول رزرو صحبت کرده‪ ،‬مفهوم صحب ‌تهای او که با سرعت صحبت م ‌یکند را‬
‫نیز درک کند‪ .‬همه ای ‌نها در حالی است که طرف مقابل متوجه نم ‌یشود که در حال صحبت با یک دستیار‬
‫دیجیتالی هوشمند است‪ .‬توجه کنید که این دستیار صوتی دیجیتالی باید بتواند به تمام پرس ‌شهایی که از او‬

‫‪136‬‬

‫پودمان ‪ :5‬کاربرد هوش مصنوعی‬

‫پرسیده م ‌یشود‪ ،‬پاسخ دهد‪ .‬با این مثال‪ ،‬کدام مطلب از در ‌سهای گذشته یادآوری م ‌یشود؟ اکنون م ‌یبینید‬ ‫فیلم‬
‫که چگونه یک برنامه هوشمند م ‌یتواند انسا ‌نها را فریب دهد‪.‬‬

‫فیلم «معرفی دستیار صوتی گوگل»‬

‫در برنام ‌هنویسی هوش مصنوعی م ‌یتوان قوانین و حقایق را مستقیم برای برنامه تعریف کرد‪ ،‬یا برنامه طوری نوشته‬
‫شود که خودش قوانین را از میان حجم زیادی از اطلاعات استخراج کند و این زمینه یکی از مه ‌مترین زیرشاخ ‌ههای‬
‫هوش مصنوعی با نام یادگیری ماشین (‪ )Machine Learning‬است‪ .‬ساختار برنام ‌هنویسی هوش مصنوعی تفاوت‬

‫چشمگیری با سایر زبا ‌نها دارد و دیگر از ساختارهای رایج زبا ‌نهایی مانند سی شارپ خبری نیست‪.‬‬

‫زبا ‌ن برنام ‌هنویسی پرولوگ (‪)Prolog‬‬
‫با استفاده از زبان برنام ‌هنویسی پرولوگ‪ ،‬م ‌یتوان در یک سط ِح خلاصه و نزدیک به مشخصات مسئله‬
‫برنام ‌هنویسی کرد‪ .‬این زبان‪ ،‬با وجود قدمتش هنوز هم مه ‌مترین زبان برنام ‌هنویسی منطقی است و در بیشتر‬
‫زمین ‌ههای هوش مصنوعی مانند سیست ‌مهای خبره‪ ،‬پردازش زبان طبیعی و سیست ‌مهای مدیریت پایگاه داده‬

‫ب ‌هطور موفقی ‌تآمیزی استفاده شده است‪.‬‬
‫مسئل ‌هها در پرولوگ ب ‌هصورت حقایق (‪ )Fact‬و قواعد (‪ )Rule‬منطقی‪ ،‬برای استنباط حقایق جدید بیان‬
‫م ‌یشوند‪ .‬در قسمت بیان حقایق‪ ،‬باید خواص اشیا و روابط صریح بین اشیا با‌دقت توصیف شوند‪ ،‬برای بیان‬
‫قواعد‪ ،‬روابط ضمنی بین اشیا بیان م ‌یشود و در نهایت در قسمت پر ‌سوجو‪ ،‬سؤالاتی در مورد این روابط‬
‫پرسیده خواهد شد‪ ،‬سپس مفسر پرولوگ نتایج یا پاس ‌خها را بر اساس حقایق و قواعد ارائه م ‌یکند‪ .‬برای روشن‬

‫شدن مطلب به مثال ساده زیر توجه کنید‪:‬‬
‫برنامه پرولوگ زیر‪ ،‬یکی از ساد‌هترین برنام ‌ههاست که شامل دو حقیقت و یک قاعده است‪ .‬برنامه در دو خط‬
‫این حقیقت را بیان م ‌یکند که بوعلی و فارابی دانشمند هستند‪ .‬همچنین قاعد‌های فرضی تعریف م ‌یکند که‬

‫بر پایه آن رابطه بین منط ‌قدان و دانشمند بیان شده است‪.‬‬

‫‪1 scientist(buali).‬‬ ‫بوعلی یک دانشمند است ‪-‬‬
‫‪2 scientist(farabi).‬‬ ‫حقایق‬

‫فارابی یک دانشمند است ‪-‬‬

‫‪3 logician(X):- scientist(X).‬‬ ‫‪-‬‬ ‫‪ X‬یک منط ‌قدان است اگر ‪ X‬یک‬ ‫قاعده‬
‫دانشمند باشد‪.‬‬

‫‪4 ?- scientist(buali).‬‬ ‫آیا بوعلی یک دانشمند است؟ خروجی‪True :‬‬

‫‪5 ?- scientist(X).‬‬ ‫خروجی‪ buali :‬و ‪farabi‬‬ ‫چه کسی دانشمند است؟‬

‫‪6 ?- logician (farabi).‬‬ ‫پر ‌سوجو آیا فارابی یک منط ‌قدان است؟ خروجی‪True :‬‬

‫‪7 ?- logician (X).‬‬ ‫خروجی‪ buali :‬و ‪farabi‬‬ ‫چه کسی منط ‌قدان است؟‬

‫‪8 ?- logician (reza).‬‬ ‫آیا رضا یک منط ‌قدان است؟ خروجی ‪................... :‬‬

‫‪137‬‬

‫جمله اول و دوم حقایق برنامه و جمله سوم از نوع قاعده است‪ .‬برای آزمودن این برنامه باید عبارات پر ‌سوجو‬ ‫فعالیت‬
‫یا قضایایی را مشخص کرد که پرولوگ سعی م ‌یکند با استفاده از برنامه به آنها جواب دهد‪ .‬چهارمین جمله‪،‬‬ ‫کلاسی‬
‫پر ‌س‌وجویی بسیار ساده است که خروجی ‪ True‬را چاپ م ‌یکند یعنی بوعلی دانشمند است‪ .‬پنجمین جمله‬
‫یک پر ‌س‌وجو است و خروجی آن نام دانشمندان ایران یعنی ‪ buali‬و ‪ farabi‬است که در قسمت حقایق بیان‬
‫شده است؛ اما ششمین جمله دیگر یک پر ‌سوجوی ساده نیست بلکه با استفاده از قواعد و حقایق موجود برنامه‬
‫م ‌یتواند تشخیص دهد که فارابی یک منط ‌قدان است‪ .‬توجه کنید هی ‌چگاه در قسمت حقایق به طور مستقیم‬
‫گفته نشده است که فارابی منط ‌قدان است؛ اما برنامه م ‌یتواند این نتیج ‌هگیری را انجام دهد‪ .‬همچنین وقتی‬
‫در هفتمین جمله پرسیده م ‌یشود چه کسانی منط ‌قدان هستند‪ ،‬برنامه م ‌یتواند ای ‌نگونه فرض کند که تمام‬

‫دانشمندان‪ ،‬منط ‌قدان هستند و درنتیجه اسامی آنها را چاپ کند‪.‬‬
‫تذکر‪ :‬هنگام برنام ‌هنویسی به حروف بزرگ و کوچک دقت شود‪.‬‬

‫مفهوم و خروجی پر ‌س‌وجوی خط هشتم چیست؟ جدول را تکمیل کنید‪.‬‬

‫برای حل مسائل مربوط به روابط خانوادگی یا شجر‌هنامه خانوادگی‪ ،‬م ‌یتوان ب ‌هآسانی از پرولوگ استفاده کرد‪.‬‬ ‫پژوهش‬
‫برای آشنایی بیشتر‪ ،‬م ‌یتوانید نمون ‌ههای ب ‌یشماری از برنام ‌ههای نوشت ‌هشده برای این مسئله و یا مسائل مرتبط‬

‫با هوش مصنوعی را از اینترنت دریافت کنید‪.‬‬

‫در مورد دو زبان برنام ‌هنویسی لیسپ (‪ )Lisp‬و پایتون (‪ )Python‬تحقیق کنید‪.‬‬

‫شکل ‪ -10‬پیشرفت بازی سوپر ماریو در گذر زمان‬ ‫تأثیر هوش مصنوعی در باز ‌یهای رایان ‌های‬
‫یکی از گف ‌توگوهای دانا با عموی خود در مورد باز ‌یهای‬
‫رایان ‌های است‪ .‬دید و بازدید عید زمان مناسبی بود که دانا در‬
‫مورد باز ‌یهای سال گذشته با عموی خود صحبت کند‪ .‬در‬
‫این گف ‌توگو‪ ،‬عموی دانا از باز ‌یهای قدیمی و زمان جوانی‬
‫خود نام برد و گفت باز ‌یهای قدیمی اگرچه تک نفره یا‬
‫دونفره بودند و رقبای رایان ‌های نقش خاصی در آن نداشتند‬
‫و همچنین از نظر گرافیکی و عملکرد بسیار ضعیف بودند‬

‫ولی بازی با آنها لذ ‌تبخش و هیجا ‌نانگیز بود(شکل‪.)10‬‬

‫دانا‪ :‬درست است‪ ،‬ولی درحال حاضر علاوه بر بازیکنان واقعی‪ ،‬تعدادی بازیکن رایان ‌های با هوش مصنوعی خوب‬
‫نیز در برخی باز ‌یها وجود دارند که بازی را جذا ‌بتر م ‌یکنند‪ .‬برای مثال در باز ‌یهای ورزشی مانند ‪FIFA‬‬
‫که در هر لحظه نم ‌یتوان همة بازیکنان را کنترل کرد‪ ،‬وقتی کنترل یکی از بازیکنان را در اختیار م ‌یگیرم‪،‬‬
‫بازیکنان دیگر ب ‌هوسیله برنامه به بهترین وجه در کنار من بازی م ‌یکنند(شکل‪ .)11‬همچنین در باز ‌یهای‬
‫استراتژیک نیز شخصی ‌تهای رایان ‌های بازی‪ ،‬اغلب ب ‌هوسیله خود برنامه هدایت م ‌یشوند و من در هر لحظه فقط‬
‫کنترل یک یا چند بازیکن را برعهد‌ه دارم‪ .‬جالب است که برخی شخصی ‌تهای رایان ‌های بازی مثل سربازها‬
‫هنگام احساس خطر ب ‌هجای حمله یا دفاع‪ ،‬از دشمن فرار م ‌یکنند‪ ،‬در حالی که برخی مواقع کارگرها وظیفه‬

‫‪138‬‬

‫پودمان ‪ :5‬کاربرد هوش مصنوعی‬

‫اصلی خود یعنی تأمین منابع را هنگام حمله دشمن رها م ‌یکنند و به دفاع در برابر دشمن م ‌یپردازند و این‬
‫فرار و دفاع هر دو برای رسیدن به پیروزی است‪.‬‬

‫شکل‪ -1‌ 1‬پیشرفت گرافیک بازی ‪FIFA‬‬

‫عموی دانا‪ :‬از ویژگ ‌یهای باز ‌یهای جدید‪ ،‬گرافیک س ‌هبعدی و کنترل بازی به بهترین شکل است‪.‬‬
‫هوشمندی بازیکنان حریف ب ‌هقدری ارتقا یافته است که نم ‌یتوان برخلاف گذشته به‌راحتی در برابر بازیکنان‬
‫رایان ‌های پیروز شد‪ .‬امروزه با استفاده از هوش مصنوعی رویدادگرا‪ ،‬رقبای رایان ‌های به کوچ ‌کترین جزئیات‬
‫بازی حساس هستند و از این جزئیات علیه شما استفاده م ‌یکنند‪ .‬برای مثال در برخی باز ‌یهای جنگی‪ ،‬دشمن‬
‫نسبت به صدای پای شما حساس است و م ‌یتواند صدای دویدن شما را هم بشنود و با آگاهی از نزدیک شدن‬
‫شما بسته به موقعیت خود در بازی‪ ،‬به آهستگی پنهان‌شود یا ضمن عق ‌بنشینی استراتژیک از راه دیگری‬
‫ب ‌هسوی شما آمده‪ ،‬شلیک کند‪ .‬همچنین به لطف هوش مصنوعی هد ‌فگرا‪ ،‬برنامه بازی با دانستن وضعیت‬
‫جاری و اطلاعات هدف (‪ ،)Goal‬با برنام ‌هریزی (‪ )Planning‬دقیق اما منعطف به دنبال راهی برای غلبه بر‬
‫شما م ‌یگردد و حتی م ‌یتواند در صورت تغییر شرایط و یا تغییر هدف‪ ،‬ضمن برنام ‌هریزی جدید با روشی‬

‫جدید به پیروزی دست یابد‪.‬‬
‫دانا‪ :‬با توجه به مطالبی که شما گفتید‪ ،‬برنام ‌هنویسی این باز ‌یها باید نسبت به گذشته تغییراتی کرده باشد‪.‬‬

‫هوش مصنوعی در ساخت و برنام ‌هنویسی باز ‌یهای رایان ‌های جدید چه نقشی دارد؟‬
‫عموی دانا‪ :‬هوش مصنوعی در ساخت محتوای بازی و یا نقشه بازی‪ ،‬نقشی اساسی دارد ب ‌هطور ‌یکه در‬
‫باز ‌یهای راهبردی(‪ )strategic‬نقشه بازی ب ‌هصورت تصادفی تولید م ‌یشود و برنام ‌هنویسان لازم نیست نقش ‌ههای‬
‫بازی را از قبل طراحی کنند‪ .‬در مد ‌لسازی شخصی ‌تها و باورپذیرکردن آنها و درنهایت در بهین ‌هسازی‬
‫فرایند بازی مانند کنترل بهتر بازی از رو ‌شهای نوین هوش مصنوعی استفاده م ‌یشود‪ .‬برای مثال در برخی‬
‫باز ‌یها برای تیراندازی قابلیت هد ‌فگیری خودکار اضافه شده‌است‪ .‬برای افزایش جذابیت در برخی باز ‌یها‬
‫حتی شرایط آب و هوایی در محیط بازی نیز تغییر م ‌یکند‪ .‬درمجموع استفاده از هوش مصنوعی در صنعت‬
‫باز ‌یسازی به برنام ‌هنویسان باز ‌یها کمک م ‌یکند تا در زمان کوتا‌هتر و به سهولت باز ‌یهایی جذاب و جدید‬
‫بسازند‪ .‬در سا ‌لهای اخیر برنام ‌هنویسان کشور ما موفق به ساخت باز ‌یهای زیادی شدند که از فناور ‌یهای‬
‫هوش مصنوعی بهره م ‌یبرند‪ .‬تولید و صادرات باز ‌یهای رایان ‌های نه تنها برای تولیدکنندگان آن درآمد قابل‬
‫توجهی فراهم م ‌یکند‪ ،‬بلکه برای کمک به اقتصاد کشور نیز بسیار مفید است‪ .‬تولید و رواج باز ‌یهای بومی‬

‫م ‌یتواند از فرهنگ کشور ما در برابر آسی ‌بهای باز ‌یهای خارجی پاسداری کند‪.‬‬
‫دانا‪ :‬با توجه به مطالبی که گفتید در صنعت باز ‌یسازی شاهد رشدی سریع هستیم‪ .‬در چند سال آینده‪،‬‬

‫باز ‌یهای رایان ‌های چه تفاوتی م ‌یکنند؟‬

‫‪139‬‬

‫شکل‪ -12‬بازی واقعیت مجازی‬ ‫عموی دانا‪ :‬با رواج باز ‌یهای واقعیت مجازی (‪)Virtual Reality‬‬
‫باز ‌یهای جذا ‌بتری معرفی خواهند شد و احتمالاً باز ‌یهایی با‬
‫ترکیب محیط واقعی و محتوای شبی ‌هساز ‌یشده که به آنها واقعیت‬
‫افزوده (‪ )Augmented Reality‬گفته م ‌یشود‪ ،‬رواج بیشتری خواهند‬
‫یافت و شاید در آینده شاهد باز ‌یهایی باشیم که ما را به تحرک‬
‫بیشتری وادارد‪ .‬همچنین باز ‌یهای تلفن همراه رشد چشمگیری‬

‫خواهند داشت‪.‬‬

‫‪ -‬سه مورد از اهداف ب ‌هکارگیری هوش مصنوعی در ساخت باز ‌یهای رایان ‌های را بنویسید‪.‬‬ ‫فعالیت‬
‫‪ -‬مزیت نسل جدید باز ‌یهای رایان ‌های بر باز ‌یهای قدیمی چیست؟‬ ‫گروهی‬

‫‪ -‬با مراجعه به تارنمای بنیاد ملی باز ‌یهای رایان ‌های و دریافت نام باز ‌یهای ایرانی‪ ،‬درخصوص ویژگ ‌یها و‬ ‫پژوهش‬
‫برتر ‌یهای برخی از آنها تحقیق کنید‪.‬‬

‫‪ -‬با مراجعه به تارنمای آکادمی باز ‌یسازی در قسمت فیل ‌مهای آموزشی آن م ‌یتوانید فیلم آموزشی‬
‫مسیریابی در هوش مصنوعی و یا دیگر فیل ‌مهای آموزشی مرتبط با باز ‌یسازی را دریافت و مشاهده کنید‪.‬‬
‫‪ -‬با مراجعه به تارنم‌اهای اینترنتی درمورد تفاوت باز ‌یهای واقعیت مجازی و واقعیت افزوده تحقیق کنید‪.‬‬

‫انسان با شناخت توانای ‌یهای خود در راستای رسیدن به هوش مصنوعی حوز‌ههایی از علوم جدید را ابداع کرد‪.‬‬

‫یادگیری و تفکر با مغز‬

‫شبک ‌ههای عصبی مصنوعی‬

‫‪Artificial Neural‬‬

‫شنیدن و صحبت کردن‬ ‫‪Networks‬‬
‫تشخیص گفتار‬
‫مشاهده تصاویر از طریق چشم‬
‫پردازش تصویر‬

‫‪Speech Recognition‬‬ ‫‪Image Processing‬‬

‫صحبت با زبان محاوره‬ ‫درک تصاویر دیده شده‬
‫پردازش زبان طبیعی‬ ‫بینایی ماشین‬

‫‪Natural Language‬‬ ‫‪Machine Vision‬‬
‫‪Processing‬‬

‫حرکت در تمام جهات‬ ‫دیدن الگوها و گرو ‌هبندی اشیا‬
‫رباتیک‬ ‫تشخیص الگو‬

‫‪Robotic‬‬ ‫‪Pattern Recognition‬‬

‫‪140‬‬

‫پودمان ‪ :5‬کاربرد هوش مصنوعی‬

‫پردازش تصویر و بینایی ماشین‬ ‫فیلم‬
‫پویانمایی «یک روز از زندگی آینده»‬

‫پی ‌شبینی م ‌یشود وقایع این داستان ب ‌هزودی و ب ‌هطور کامل برای همۀ مردم محقق شود‪ .‬تقریباً همه فناور ‌یهایی‬
‫که در آن نام برده شده است‪ ،‬هم‌اکنون وجود دارند‪ .‬با مشاهده پویانمایی ممکن است سؤالاتی در ذهن شما پدیدار‬

‫شده باشد مانند‪ :‬پردازش تصویر دیجیتالی چیست؟ یا منظور از بینایی ماشین چیست؟‬

‫به تصویر مقابل نگاه کنید و بگویید که اجزا و اشیای درون تصویر چیست و‬
‫شما چه برداشتی از تصویر دارید؟ سعی کنید تا حد ممکن آن را ب ‌هگون ‌های‬

‫شرح دهید که اگر کسی عکس را ندیده باشد بتواند آن را تجسم کند‪.‬‬
‫با مشاهده دقیق تصویر م ‌یتوان اشیاء و جزئیاتی در تصویر یافت مانند‬
‫دوربین و س ‌هپایه‪ ،‬مردی با موهای مشکی که دستکش و پالتو پوشیده‬
‫است‪ .‬در نهایت برای شرح تصویر م ‌یتوان گفت این تصویر یک مرد‬
‫میا ‌نسال است که احتمالاً در یک روز سرد‪ ،‬در فضای باز بیرون از شهر‬
‫مشغول فیل ‌مبرداری است‪ .‬با دقت بیشتر‪ ،‬م ‌یتوان برای همین تصویر‬
‫ساده‪ ،‬جزئیات بیشتری بیان کرد؛ اما هرگز نم ‌یتوان یک توصیف متنی ارائه کرد که دربرگیرندۀ تمام جزئیات‬
‫تصویر باشد‪ .‬در اصطلاح م ‌یگوییم «یک عکس ارزش هزاران کلمه را دارد»‪.‬‬
‫چش ‌مها و مغز ما قادر به استخراج اطلاعاتی بسیار دقیق هستند‪ .‬اطلاعاتی فراتر از آنکه در یک متن بتوان نوشت‪.‬‬
‫این عملیات پردازش تصویر (‪ )Image Processing‬نام دارد‪ .‬دانشمندان علوم رایانه توانست ‌هاند با شبی ‌هسازی‬
‫این توانایی و بهر‌هگیری از قابلی ‌تهای رایان ‌هها مانند سرعت پردازش‪ ،‬دقت و ظرفیت ذخیر‌هسازی بالا‪ ،‬در‬
‫حوزه پردازش تصویر به موفقی ‌تهای چشمگیری دست یابند که موجب کاربردهای وسیعی در دیگر حوز‌هها‬
‫شده‌است‪ .‬برای شبی ‌هسازی این فرایند‪ ،‬دوربین جایگزین چشم و نر ‌مافزار پردازش تصویر یا ویدئو جایگزین مغز‬
‫انسان شد‌ه است‪ .‬بدین ترتیب حوزه بینایی ماشین (‪ )Machine Vision‬پدیدار شد‪ .‬بینایی ماشین سعی دارد‬
‫از طریق پردازش تصاویر دوبعدی‪ ،‬جهان س ‌هبعدی پیرامون را بازسازی کرده‪ ،‬اطلاعات لازم را از آن استخراج‬
‫کند‪ .‬بینایی ماشین به بیان ساده یعنی اینکه رایان ‌هها بتوانند جهان را به کمک دوربی ‌نها ببینند‪ ،‬بفهمند و‬

‫حتی از بینایی انسان فراتر بروند‪.‬‬
‫پردازش تصویر را م ‌یتوان بر اساس اهدافی که از آن انتظار م ‌یرود در سه سطح طبق ‌هبندی کرد‪.‬‬

‫پردازش سطح بالا به جهت فهمیدن موضوع تصویر‬

‫خروجی‪ :‬توصیف سطح بالای تصویر‬ ‫ورودی‪ :‬صفاتی از اشیا‬

‫پردازش سطح میانی برای تحلیل تصویر‬

‫خروجی‪ :‬صفاتی از اشیا و یا تشخیص آنها‬ ‫ورودی‪ :‬تصویر‬

‫پردازش سطح پایین تصویر‬

‫خروجی‪:‬تصویر‬ ‫ورودی‪ :‬تصویر‬

‫‪141‬‬

‫برای آشنایی بیشتر با حیطه پردازش تصویر‪ ،‬چند مورد از عملیاتی که روی تصاویر صورت م ‌یگیرد‪ ،‬معرفی م ‌یشود‪.‬‬
‫‪ -‬تبدیل یک تصویر رنگی به سیا ‌ه وسفید و یا خاکستری (پردازش سطح پایین)‬

‫برای مثال روزنام ‌ههایی که غیررنگی چاپ م ‌یشوند باید تصاویر رنگی را به رنگ سیاه‌وسفید و یا مقیاس‬
‫خاکستری (‪ )Gray/Scale‬تبدیل کنند(شکل‪.)13‬‬

‫شکل‪ -13‬تبدیل تصویر رنگی به مقیاس خاکستری‬

‫‪ -‬اعمال جلو ‌ههای ویژه به تصاویر(پردازش سطح پایین)‬
‫مانند شفاف کردن‪ ،‬مات کردن‪ ،‬تغییر مقیاس‪ ،‬افزایش و یا کاهش تضاد (‪)Contrast‬‬

‫‪ -‬حذف نویز از تصاویر (پردازش سطح پایین)‬
‫برای مثال‪ ،‬گاهی نقاط کوچک و نق ‌صهای بصری در تصاویر دیده م ‌یشوند و بیشتر م ‌یتوان آنها را ب ‌هطور‬

‫خودکار حذف کرد(شکل‪.)14‬‬

‫شکل ‪-14‬کاربرد پردازش تصویر سطح پایین در حذف نویز تصویر‬

‫‪ -‬تشخیص ویژگ ‌یهای تصویر مانند چهره ها و یا متن (پردازش سطح میانی)‬
‫بسیاری از دوربی ‌نهای دیجیتال و یا گوش ‌یهای همراه هوشمند یک نر ‌مافزار تشخیص چهره دارند که یک‬

‫کادر را در اطراف چهر‌هها قرار م ‌یدهد‪.‬‬
‫‪ -‬قطع ‌هبندی تصاویر (‪( )Image Segmentation‬پردازش سطح میانی)‬
‫تصویر را به نواحی و اشیای مختلف تقسی ‌مبندی م ‌یکند‪ ،‬برای مثال محل یک متن در تصویر را مشخص م ‌یکند‪.‬‬

‫‪ -‬تشخیص تصویر (پردازش سطح بالا)‬
‫اشیا را در یک تصویر تشخیص دهد تا بتواند نام آن اشیا را گزارش کند که این مورد یکی از بالاترین‬
‫سط ‌حهای فرایند پردازش تصویر است‪ .‬مانند برچس ‌بگذاری خودکار نام افراد در برخی دوربی ‌نهای عکاسی و‬

‫یا نر ‌مافزارهای پردازش تصویر‪.‬‬

‫‪142‬‬

‫پودمان ‪ :5‬کاربرد هوش مصنوعی‬

‫مثال‪ :‬فرض کنید در یک اردوی علمی تعدادی عکس دست ‌هجمعی انداخت ‌هاید و م ‌یخواهید اسامی افراد داخل‬ ‫پژوهش‬
‫عکس را برچس ‌بگذاری کنید یعنی با بردن اشار‌هگر ماوس روی تصویر هر شخص یک برچسب متنی دربرگیرنده‬
‫نام آن شخص ظاهر شود‪ .‬این کار چنانچه بخواهد ب ‌هصورت دستی صورت گیرد‪ ،‬بسیار وق ‌تگیر است؛ اما نر ‌مافزارهای‬
‫هوشمند تشخیص تصویر م ‌یتوانند با استفاده از اطلاعات قبلی شما و یا دسترسی به پایگا‌ههای داده موجود در‬

‫شبک ‌ههای اجتماعی‪ ،‬ب ‌هصورت خودکار اسامی افراد را تشخیص داده‪ ،‬برچس ‌بگذاری را انجام دهند‪.‬‬

‫در مورد معرو ‌فترین نر ‌مافزارهایی که برای برچس ‌بگذاری خودکار نام افراد استفاده م ‌یشوند‪ ،‬تحقیق کنید‪.‬‬

‫کاربردهای بینایی ماشین و پردازش تصویر‬

‫پردازش تصویر و بینایی ماشین در حوز‌هها و علوم مختلف کاربرد دارد‪ .‬به نمون ‌ههای زیر توجه کنید‪:‬‬

‫حوزه صنعت‬

‫امروزه بخشی از خط تولید کارخان ‌ههای پیشرفته ب ‌هوسیله برنام ‌ههای هوشمند بینایی ماشین کنترل م ‌یشوند‪.‬‬

‫خطای بسیار کم‪ ،‬سرعت زیاد‪ ،‬هزینه نگهداری بسیار پایین‪ ،‬ب ‌ینیاز به حضور ‪ ۲۴‬ساعته اپراتور و مزایای دیگری‬

‫باعث شده است که صنایع و کارخان ‌هها ب ‌هسرعت به سمت پردازش تصویر و بینایی ماشین روی بیاورند‪.‬‬

‫برای مثال در خطوط تولید‪ ،‬محصولات معیوب با سیست ‌مهای هوشمند بینایی ماشین شناسایی و از خط‬

‫تولید خارج م ‌یشوند و در صنعت تولید نان ماشینی دستگاهی ساخت ‌ه م ‌یشود که قادر است نا ‌نهای پخته‬

‫را از نا ‌نهایی که نیاز به پخت مجدد دارند‪ ،‬تشخیص دهد و آنها را ب ‌هصورت خودکار به بست ‌هبندی بفرستد و‬

‫نا ‌نهایی را که نیاز به پخت دارند دوباره برای پختن بفرستد‪ .‬همچنین در بست ‌هبندی محصولات کشاورزی از‬

‫سیست ‌مهای مرت ‌بسازی میو‌هها بر اساس اندازه (‪ )sorting‬استفاده م ‌یشود که این سیست ‌مها از برنام ‌ههای‬

‫هوشمند بینایی ماشین بهره م ‌یبرند‪.‬‬

‫حوزه پزشکی‬

‫پردازش تصویر کاربردهای وسیعی در زمین ‌ههای مختلف پزشکی پیدا کرده است‪ .‬در زیر به چند مورد اشاره‬
‫شده است‪.‬‬

‫‪ -‬افزایش کیفیت تصاویر ‪ MRI‬یا ‪X-Ray‬‬
‫از آنجای ‌یکه باف ‌تهای مختلف دارای مشخصات‬

‫مختلف ازجمله نفوذپذیری متفاوت هستند‪ ،‬م ‌یتوان با‬

‫تکنی ‌کهای بخ ‌شبندی تصویر‪ ،‬باف ‌تهای مختلف را در‬

‫تصویر تشخیص داد‪ .‬ازجمله م ‌یتوان باف ‌تهای سرطانی‬

‫یا محل دقیق تومورهای مغزی را تشخیص داد‪.‬‬

‫‪ -‬ساخت تصویر س ‌هبعدی از یکی از اعضای بدن‬

‫مدل دوبعدی یا س ‌هبعدی بافت یا عضوی که قرار است‬

‫شکل ‪ -15‬تشخیص خودکار محدوده تومور‬ ‫جراحی شود مانند تصویر س ‌هبعدی کلیه یا دیگر اعضای‬
‫به کمک پردازش تصویر‬ ‫داخلی بدن با تکنی ‌کهای پردازش تصویر ب ‌هدس ‌تآمده‪،‬‬

‫جراح را در طول عمل راهنمایی م ‌یکند‪.‬‬

‫‪143‬‬

‫حوزه امنیت‬ ‫فعالیت‬
‫بینایی ماشین در این حوزه نقش چشمگیری دارد‪ .‬از سیست ‌مهای امنیتی م ‌یتوان‪ ،‬سیستم خودکار تشخیص‬ ‫گروهی‬
‫اثرانگشت را نام برد‪ .‬به گوش ‌یها و رایان ‌ههای قابل حمل جدید قابلیت ‪ finger print‬اضافه شده است که‬

‫م ‌یتوانند صاحب خود را ب ‌هوسیله اثرانگشت شناسایی کنند‪.‬‬
‫کد امنیتی دیگری که همیشه همراه انسان حمل م ‌یشود‪ ،‬چشم انسان است‪ .‬دانشمندان ثابت کرد‌هاند که‬
‫الگوی باف ‌تهای موجود در عنبیه چشم هر انسان منحصرب ‌هفرد است و الگوهای بافتی عنبیه چشم هیچ دو‬
‫فردی در دنیا دقیقاً مثل هم نیست‪ .‬از همین روش برای شناخت افراد و سیست ‌مهای امنیتی استفاده م ‌یشود‪.‬‬

‫چند نمونه دیگر از کاربردهای بینایی ماشین و پردازش تصویر را برای حوزه امنیت بنویسید‪.‬‬

‫حوزه راهنمایی و رانندگی‬ ‫فعالیت‬
‫‪ -‬با تشخیص پلاک خودروها هنگام بنزین زدن و پارک خودرو در پارکین ‌گها دیگر نیازی به پرداخت پول نقد‬ ‫گروهی‬

‫و یا حتی استفاده از کارت اعتباری نیست‪.‬‬
‫‪ -‬با استفاده از پردازش ویدیویی تصاویر دوربی ‌نهای مداربسته در خیابا ‌نها به صورت خودکار‪ ،‬خودروهای‬

‫سرقت شده شناسایی م ‌یشود‪.‬‬
‫‪ -‬با پردازش تصاویر دوربی ‌نهای نص ‌بشده در تقاط ‌عها م ‌یتوان زمان‪ ،‬سرعت‪ ،‬جهت حرکت و پلاک خودروها‬
‫را به دست آورد و بدین ترتیب تخلفات متنوعی ازجمله عبور از چرا ‌غقرمز‪ ،‬توقف روی خط عابر پیاده و تخطی‬

‫از سرعت مجاز هنگام عبور از تقاطع را ثبت و اعمال قانون کرد‪.‬‬

‫برای حوزه راهنمایی و رانندگی چند نمونه دیگر از کاربردهای پردازش تصویر را بنویسید‪.‬‬

‫شکل ‪-16‬کاربرد تشخیص چهره در تلفن همراه هوشمند‬ ‫حوزه تشخیص چهره (‪)Face Recognition‬‬
‫‪ -‬باز شدن د‌رهای امنیتی در ورودی ساختما ‌نها‬

‫ب ‌هصورت خودکار‬
‫‪ -‬باز شدن قفل گوشی تلفن همراه‬
‫‪ -‬ب ‌ینیازی به کارت اعتباری در فروشگا‌هها برای‬

‫پرداخت پول‬
‫‪ -‬شناسایی مجرمین در حال تردد در خیابا ‌نها‪،‬‬
‫ایستگا‌ههای قطار‪ ،‬اتوبوس و فرودگا‌هها ب ‌هصورت‬

‫خودکار‬
‫‪ -‬حضور و  غیاب دان ‌شآموزان و کارمندان‬

‫برای حوزه تشخیص چهره چند نمونه دیگر از کاربردهای پردازش تصویر را بنویسید‪.‬‬ ‫فعالیت‬
‫گروهی‬

‫‪144‬‬

‫پودمان ‪ :5‬کاربرد هوش مصنوعی‬

‫شکل ‪ -17‬کوادکوپتر‬ ‫حوزه کشاورزی‬
‫کشاورزان م ‌یتوانند با استفاده از تصاویر ماهوار‌های یا تصاویری‬
‫که با استفاده از پهپادها یا کوادکوپترهای کنترلی از مزرعه‬
‫خود م ‌یگیرند و پردازش این تصاویر با یک برنامه نر ‌مافزاری‬
‫ب ‌هراحتی وجود آفت‪ ،‬نیاز به آبیاری و رسیدگی در قسمتی از‬
‫مزرعه و یا باغات را تشخیص دهند(شکل‪ .)17‬همچنین با این‬
‫فناوری م ‌یتوان محل عل ‌فهای هرز را در مزرعه تشخیص داد‬
‫و از بین برد و با پهپادهای مخصوص کشاورزی که ب ‌هتازگی‬

‫تولید شده اند به س ‌مپاشی نیز پرداخت‪.‬‬

‫‪ -‬در مورد پهپادهای کشاورزی و نوع پردازش تصویری که انجام م ‌یدهند تحقیق کنید‪.‬‬ ‫پژوهش‬
‫‪ -‬در خصوص رو ‌شهای تشخیص علف هرز و از بین بردن خودکار آنها تحقیق کنید‪.‬‬

‫در جدول ‪ 5‬نام برخی حوز‌هها و کاربردهای بینایی ماشین در آنها آمده است‪ .‬جدول را تکمیل کنید‪.‬‬ ‫فعالیت‬
‫منزل‬

‫جدول ‌‪ -5‬حوز‌ههای کاربرد بینایی ماشین‬ ‫نام حوزه‬
‫سینما‬
‫اولین حوز‌های که پردازش تصویر در آن استفاده شد‪ ،‬هنر و سینما بود‪ .‬یکی از فناور ‌یهای برتر دنیا‬
‫‪ Motion Capture‬است که در آن یک شخصیت پویانمایی قادر است حرکات انسان یا یک موجود‬
‫واقعی را تقلید کند‪ .‬امروزه این سیستم برای ساخت فیل ‌مها و باز ‌یهای رایان ‌های استفاده م ‌یشود‪.‬‬

‫اقتصاد‬

‫با پردازش تصویر م ‌یتوان کان ‌یهای مختلف را از روی رنگ و اندازه آنها شناسایی و دست ‌هبندی‬ ‫زمی ‌نشناسی‬
‫کرد‪ .‬همچنین در زمی ‌نشناسی برای پی بردن به مواد تشکی ‌لدهنده کان ‌یها از روش پرتونگاری‬
‫(‪ )Tomography‬استفاده م ‌یکنند و پردازش تصویر در این بخش م ‌یتواند سرعت و دقت این‬

‫روش را بسیار بالا ببرد‪.‬‬

‫رباتیک‬

‫ستار‌هشناسی‬
‫ورزش‬

‫‪145‬‬

‫شبکۀ عصبی مصنوعی‬

‫رشتۀ عددی مقابل از چه رق ‌مهایی تشکیل شده است؟‬
‫این رق ‌مها با شک ‌لها و قل ‌مهای مختلفی نوشته شد‌هاند‪ .‬با اینکه هر قلم برای نمایش یک رقم‪ ،‬الگوی خاصی‬
‫دارد‪ ،‬اما به احتمال زیاد همۀ افراد م ‌یتوانند ت ‌کتک ارقام را تشخیص دهند‪ .‬برخی از قل ‌مهای این رشتۀ عددی‬
‫را درگذشته دید‌هاید و با آنها آشنا هستید و برخی را امروز برای اولین بار م ‌یبینید‪ ،‬با این وجود مشکلی در‬
‫تشخیص ارقام نوشته شده با قل ‌مهای جدید ندارید‪ .‬چگونه این امر برای انسا ‌نها ممکن شده است؟ چگونه‬

‫شکل ‪ -18‬سلول عصبی مغز انسان‬ ‫م ‌یتوان الگوهایی که قبل ًا دیده نشده است را شناسایی‬
‫کرد و اینکه اساساً انسا ‌نها چگونه یاد م ‌یگیرند؟‬

‫ای ‌نها پرس ‌شهایی است که سا ‌لها فکر دانشمندان را به‬
‫خود مشغول کرده بود و در نهایت برای آنها پاس ‌خهای‬
‫تقریبی یافتند‪ .‬آنها در تحقیقات خود به این نتیجه‬
‫رسیدند که مغز انسان از حدود ‪ 100‬میلیارد سلول‬
‫عصبی به نام نورون تشکیل شده است که هر یک تقریباً‬
‫با ‪ 10000‬نورون دیگر در ارتباط است(شکل‪ .)18‬آنها‬
‫ب ‌همرور دریافتند که ارتباط بین نورو ‌نها چگونه است‬

‫و مغز انسان با استفاده از آنها چگونه یاد م ‌یگیرد‪ ،‬به خاطر م ‌یآورد‪ ،‬فراموش م ‌یکند و محاسبه م ‌یکند‪.‬‬

‫به دنبال این شناخت نسبی سعی شد تا با شبی ‌هسازی مغز انسان ب ‌هوسیلۀ رایانه‪ ،‬شبکۀ عصبی مصنوعی‬

‫(‪ )Artificial Neural Network‬ساخته شود‪ .‬شبک ‌ههای عصبی مصنوعی را م ‌یتوان تا حدودی‪ ،‬مشابه ساختار‬
‫عصبی مغز انسان فرض کرد و هدف از ایجاد آن‪ ،‬شبی ‌هسازی سلو ‌لهای مغزی به وسیلۀ رایانه است تا بتواند‬

‫یادگیری‪ ،‬شناسایی الگوها و تصمی ‌مگیری انسا ‌نگونه را انجام دهد‪.‬‬

‫کودکی را تصور کنید که اگر یک گربه را ببیند و به او بگوییم نام این حیوان گربه است‪ ،‬اولین یادگیری او اتفاق‬

‫م ‌یافتد؛ ولی اگر چند روز بعد سگی را ببیند‪ ،‬چون هنوز آموزش او کامل نشده است‪ ،‬آن حیوان را گربه صدا‬

‫م ‌یزند‪ .‬وقتی به او م ‌یگوییم نه این گربه نیست بلکه یک سگ است‪ ،‬ب ‌یدرنگ تفاو ‌تها و شباه ‌تهای این دو‬

‫موجود را در نظر گرفته‪ ،‬به خاطر م ‌یسپرد‪ .‬برای کامل شدن یادگیر ِی او کافی است چند گربه و یا تصویر آنها‬
‫را به او نشان دهیم‪ .‬از آن پس او قادر است تقریباً هر نوع گرب ‌های را شناسایی کند‪ .‬یادگیری در انسا ‌نها به‬

‫همین راحتی و با مشاهدۀ مثال اتفاق م ‌یافتد‪ .‬با وجود این پیاد‌هسازی فرایند یادگیری‪ ،‬حتی در پیشرفت ‌هترین‬

‫سیست ‌مهای رایان ‌های م ‌یتواند بسیار سخت باشد‪.‬‬
‫آیا ما م ‌یتوانیم در بازی شطرنج تمام حالات ممکن‬
‫را برای رایانه برنام ‌هریزی کنیم؟ مسلماً این کار شدنی‬

‫نیست‪ ،‬ب ‌هجای این کار ما فقط الگوهای اولیه و قوانین‬

‫ابتدایی بازی را برای رایانه معرفی م ‌یکنیم‪ ،‬سپس به‬

‫رایانه اجازه م ‌یدهیم خودش بازی کند و ب ‌همرور حرکات‬

‫مناسب را بیابد و با دریافت و مشاهده باز ‌یهایی که‬
‫قبل ًا انجام‌شده است‪ ،‬با استفاده از شبک ‌ههای عصبی‬

‫مصنوعی‪ ،‬یاد بگیرد که در آینده چگونه بازی کند‪.‬‬

‫‪146‬‬

‫پودمان ‪ :5‬کاربرد هوش مصنوعی‬

‫اگر کمی فکر کنیم م ‌یبینیم که ما انسا ‌نها نیز به همین صورت یاد م ‌یگیریم‪ .‬لازم است بدانیم شبک ‌ۀ عصبی‬
‫مصنوعی‪ ،‬خود یکی از رو ‌شهای معروف در حوزه یادگیری ماشین (‪ )Machine Learning‬است‪.‬‬

‫شبکۀ عصبی نمونه برای انتخاب اغذی ‌هفروشی‬

‫دانا برای انتخاب اغذی ‌هفروشی شرایط را بررسی م ‌یکند‪ .‬هر کدام‬
‫از این شرایط برای شبکۀ عصبی مغز او ب ‌هعنوان یک ورودی است‬
‫و براساس این ورود ‌یها و ارزشی که به آنها م ‌یدهد‪ ،‬تصمی ‌م‬

‫خواهد گرفت آن اغذی ‌هفروشی را انتخاب کند یا نه‪.‬‬
‫‪ -‬اولین شرط تمیزی ظاهری محیط است که ‪ X1‬را برای آن‬

‫در نظر م ‌یگیرد‪.‬‬
‫‪ -‬برای شرط قیمت مناسب‪ ،‬ورودی ‪ X2‬را در نظر م ‌یگیرد‪.‬‬
‫‪ -‬برای داشتن سل ‌فسرویس‪ ،‬ورودی ‪ X3‬را در نظر م ‌یگیرد‪.‬‬
‫‪ -‬ورودی ‪ X4‬نیز برای بررسی این موضوع است که اغذی ‌هفروشی‬

‫فقط غذای فوری داشته باشد‪.‬‬
‫همه ورود ‌یهای فوق م ‌یتواند صفر و یا یک باشد‪ .‬حالا نوبت ارز ‌شگذاری هر یک از ورود ‌یها است‪.‬‬

‫‪ -‬به تمیزی رستوران (‪ )X1‬ارزش یا وزن ‪ 3‬م ‌یدهد‪.‬‬
‫‪ -‬به قیمت مناسب (‪ )X2‬ارزش یا وزن ‪ 2‬م ‌یدهد‪.‬‬

‫‪ -‬چون برای او داشتن سل ‌فسرویس (‪ )X3‬خیلی مهم است به آن ارزش ‪ 6‬م ‌یدهد‪.‬‬
‫‪ -‬اما برای او داشتن غذاهای سنتی خیلی مهم است و دوست ندارد غذای فوری (‪ )Fast Food‬بخورد؛ بنابراین‬
‫اگر اغذی ‌هفروشی فقط غذای فوری داشته باشد به آن ارزش منفی پنج (‪ )-5‬م ‌یدهد‪ .‬توجه کنید که این ورودی‬

‫ارزش منفی دارد و چنانچه اغذی ‌هفروشی غذای سنتی نداشته باشد ارزش کل کاهش خواهد یافت‪.‬‬
‫حال دانا م ‌یخواهد این شبکه عصبی فرضی را امتحان کند‪ .‬او یک اغذی ‌هفروشی پیدا کرد که نسبتاً تمیز است‪،‬‬
‫سل ‌فسرویس با قیمتی مناسب دارد و علاوه بر غذاهای فوری‪ ،‬غذاهای سنتی نیز دارد‪ .‬مطابق جدول زیر امتیاز‬
‫را محاسبه کرد‪ .‬در این مثال نمره ‪‌X‬ها برای سه مورد اول یک است یعنی شرط برقرار است؛ اما چون شرط‬
‫آخر برقرار نیست برای آن نمره صفر م ‌یگذارد‪ .‬وز ‌نها و نمرات را در جدول زیر وارد کرده آن را تکمیل م ‌یکند‪.‬‬

‫شرایط‬ ‫نمره شرایط ‪X‬‬ ‫‪ W‬وزن یا ارزش‬ ‫‪X×W‬‬
‫تمیزی رستوران‬ ‫‪3‬‬
‫قیمت مناسب‬ ‫‪X1 1‬‬ ‫‪W1 3‬‬ ‫‪2‬‬
‫سل ‌فسرویس‬ ‫‪W2 2‬‬ ‫‪6‬‬
‫فقط غذای فوری‬ ‫‪X2 1‬‬ ‫‪W3 6‬‬ ‫‪0‬‬
‫‪W4 -5‬‬ ‫‪11‬‬
‫‪X3 1‬‬

‫‪X4‬‬ ‫‪0‬‬

‫جمع‬

‫ستون آخر از حاص ‌لضرب وز ‌نها در نمرات به دست م ‌یآید و برابر عدد ‪ 11‬م ‌یشود‪ .‬دانا با داشتن این عدد‬
‫باید تصمیم بگیرد که رستوران را انتخاب کند (یک) یا رستوران را انتخاب نکند (صفر) به عبارتی خروجی باید‬
‫دودویی باشد‪ .‬در این مثال م ‌یبینید که عدد ب ‌هدس ‌تآمده یعنی ‪ 11‬برای دانا به معنی انتخاب آن اغذی ‌هفروشی‬

‫‪147‬‬

‫است؛ اما اگر شرایط تغییر کند‪ ،‬چه م ‌یشود‪ .‬فرض کنید دانا یک اغذی ‌هفروشی دیگری پیدا کند که خیلی تمیز‬
‫نیست‪ ،‬سل ‌فسرویس با قیمتی مناسب دارد و فقط غذای فوری دارد‪ .‬دقت کنید که چون اغذیه فروشی‬
‫فقط غذای آماده دارد نمره شرایط برای ‪ X4‬یک م ‌یشود‪ .‬اگر این اطلاعات را به شبکه دهید مطابق جدول زیر به‬
‫عدد ‪ 3‬خواهید رسید‪ .‬دانا با توجه به پایین بودن این عدد تصمیم م ‌یگیرد که این اغذی ‌هفروشی را انتخاب نکند‪.‬‬

‫شرایط‬ ‫نمره شرایط ‪X‬‬ ‫‪ W‬وزن یا ارزش‬ ‫‪X×W‬‬
‫تمیزی رستوران‬ ‫‪0‬‬
‫قیمت مناسب‬ ‫‪X1 0‬‬ ‫‪W1 3‬‬ ‫‪2‬‬
‫سل ‌فسرویس‬ ‫‪X2 1‬‬ ‫‪W2 2‬‬ ‫‪6‬‬
‫فقط غذای فوری‬ ‫‪X3 1‬‬ ‫‪W3 6‬‬ ‫‪-5‬‬
‫‪X4 1‬‬ ‫‪W4 -5‬‬ ‫‪3‬‬

‫جمع‬

‫‪ -‬مطابق شرایط جدول‪ ،‬شما نیز به صورت فرضی اطلاعات و شرایط یک اغذی ‌هفروشی را در جدول وارد‬ ‫فعالیت‬
‫کرده‪ ،‬در خصوص تصمیم خود بحث کنید‪.‬‬ ‫کلاسی‬

‫شرایط‬ ‫‪ W X×W‬وزن یا ارزش نمره شرایط ‪X‬‬

‫تمیزی رستوران‬ ‫‪X1‬‬ ‫‪W1 3‬‬

‫قیمت مناسب‬ ‫‪X2‬‬ ‫‪W2 2‬‬

‫سل ‌فسرویس‬ ‫‪X3‬‬ ‫‪W3 6‬‬

‫فقط غذای فوری‬ ‫‪X4‬‬ ‫‪W4 -5‬‬

‫جمع‬

‫‪ -‬حاصل جمع از چه عددی بزر ‌گتر باشد باید اغذی ‌هفروشی را انتخاب کنیم؟ اگر وز ‌نهای دیگری را انتخاب‬
‫کنیم چطور؟‬

‫در یک جدول دیگر با وز ‌نهای دلخواه شبکه عصبی مصنوعی خود را امتحان کنید و پاسخ این پرس ‌شها‬
‫را بیابید‪.‬‬

‫پس از بررسی نتایج فعالیت فوق‪ ،‬احتمالاً به عددی رسید‌هاید که اگر حاصل‪ ،‬کمتر از آن عدد باشد خروج ِی‬
‫صفر را تولید م ‌یکند و به معنی انتخاب نکردن اغذی ‌هفروشی است و اگر نتیجۀ حاصل‪ ،‬عددی بزر ‌گتر از آن‬
‫باشد خروجی یک را تولید م ‌یکند و به معنی انتخاب اغذی ‌هفروشی است‪ .‬البته ممکن است دانا ب ‌ه مرور وز ‌نها‬
‫را عوض کند و برای مثال اهمیت داشتن سل ‌فسرویس‪ W3‬برای او کمتر شود و وزن ‪ 6‬را به ‪ 3‬تغییر دهد؛ و‬
‫یا در شرایط گرسنگی شدید وزن آخرین شرط را کمتر در نظر بگیرد‪ .‬بدین ترتیب شبکۀ عصبی یاد م ‌یگیرد‬
‫که در شرایط مختلف خودش را با تجربیات جدید هماهنگ کند‪ .‬پس م ‌یتوان گفت یادگیری همان تغییر‬

‫وزن است‪.‬‬

‫‪148‬‬

‫پودمان ‪ :5‬کاربرد هوش مصنوعی‬

‫مثال بالا یک پیاد‌هسازی ساده از شبکۀ عصبی است که به‬

‫ورود ‌یها‬ ‫خروج ‌یها‬ ‫آن شبکۀ عصبی پرسپترون (‪ )Perceptron‬م ‌یگویند‪.‬‬

‫در شکل ‪ 19‬که نمایشی از این نوع شبکه است‪X‌ ،‬ها همان‬

‫جمع‬ ‫ورود ‌یهای الگوریتم و ‌‪W‬ها وزن هر ورودی هستند‪ .‬هر ورودی‬
‫تابع فعا ‌لساز‬ ‫در وزن خودش ضرب خواهد شد‪ .‬عنصر بعدی در شبکه عصبی‪،‬‬

‫شکل ‪ -19‬شبکه عصبی پرسپترون‬ ‫تابع جمع (سیگما) است که حاص ‌لضرب ‌‪X‬ها در ‌‪W‬ها را با هم‬

‫جمع م ‌یکند‪ .‬عنصر بعدی یک تابع فعا ‌لسازی است که فعل ًا به دلیل ساد‌هسازی مطلب به آن پرداخته نشده‬

‫است‪ .‬آخرین عنصر نیز خروجی شبکه عصبی است که درواقع نتیجه این شبکه را مشخص م ‌یکند‪ .‬در شبکه‬

‫پرسپترون ورود ‌یها و خروجی م ‌یتوانند از نوع دودویی یعنی صفر و یک باشند‪ .‬هنگام ‌یکه خروجی یک‬

‫م ‌یشود به معنی فعال شدن شبکه پرسپترون است‪ .‬شما م ‌یتوانید با مراجعه به کتب معتبر و مراجع اینترنتی‬

‫در خصوص شبک ‌ههای عصبی مصنوعی اطلاعات کام ‌لتر و دقی ‌قتری به دست آورید‪.‬‬

‫حوز‌ههای کاربردی شبک ‌ههای عصبی مصنوعی بسیار وسیع است‪.‬‬

‫خلبان خودکار یک هواپیما برای هدایت خودکار‪ ،‬کنترل فرایند تولید در خطوط تولید کارخان ‌هها‪ ،‬شناسایی‬

‫و گزارش معاملات برخط بانکی مشکوک به کلا‌هبرداری‪ ،‬شناسایی دستخط روی صفحۀ لمسی تلف ‌نهای‬

‫هوشمند‪ ،‬نر ‌مافزارهای تشخیص صدا و برنام ‌ههای خودکار شناسایی رایانام ‌ههای تبلیغاتی جهت فیلتر کردن‬

‫نام ‌ههای ناخواسته نمون ‌ههایی از کاربرد شبکۀ عصبی مصنوعی هستند‪ .‬درمجموع شبک ‌ههای عصبی مصنوعی‪،‬‬

‫رایان ‌هها را نسبت به گذشته مفیدتر و کارآمدتر کرد‌هاند‪.‬‬

‫فیلم «کاربرد یادگیری ماشین»‬ ‫فیلم‬

‫در مورد فیلم با ه ‌مکلاس ‌یهای خود بحث و گف ‌توگو کنید‪.‬‬ ‫فعالیت‬
‫گروهی‬

‫هوش گروهی‬
‫بسیاری از پیشرف ‌تهایی که در زمینۀ هوش مصنوعی بوده‬
‫است‪ ،‬نتیجۀ الگویابی از هوش انسان و یا تقلید از توانای ‌یهای‬
‫انسان است و دانشمندان علوم رایانه با شبی ‌هسازی مغز‬
‫انسان‪ ،‬سعی در ساخت شبکۀ عصبی مصنوعی دارند‪.‬‬
‫در ادامۀ پیشرف ‌تها با شناخت خلقت موجودات زنده و‬
‫الگوگیری از رفتار آنها‪ ،‬حوز‌ههای جدیدی از شبی ‌هسازی‬
‫هوش مصنوعی به وجود آمد و الگوریت ‌مهای جدیدی ابداع‬
‫شد‪ .‬این الگوریت ‌مها به رفتارهای گروهی و هوش جمعی‬
‫یک مجموعه از موجودات م ‌یپردازد که با نام الگوریت ‌مهای هوش ازدحامی و یا هوش گروهی (‪Swarm‬‬
‫‪ )Intelligence‬شناخته م ‌یشوند‪ .‬در سا ‌لهای اخیر مبحث مهم منطق فازی (‪ )Fuzzy Logic‬نیز مطرح شده‬

‫‪149‬‬

‫است تا بتوان ب ‌هجای استفاده از منطق دودویی در رایان ‌هها‪ ،‬از منطق فازی استفاده کرد‪ .‬با استفاده از منطق فازی‬
‫م ‌یتوان هوش مصنوعی را بیشتر به هوش انسانی و یا هوش جمعی موجودات شبیه کرد‪.‬‬

‫احتمالا در فصل مهاجرت پرندگان مشاهده کرد‌هاید که دست ‌ههایی بزرگ از پرندگان هنگام رسیدن به نواحی‬
‫شهری روی درختان استراحت م ‌یکنند و یا در نواحی جلگ ‌های و دریاچ ‌ههای مختلف فرود م ‌یآیند تا ضمن‬
‫تغذیه و استراحت برای ادامه مهاجرت آماده شوند‪ .‬اگر کمی دقت کنید‪ ،‬م ‌یبینید که نظم و هماهنگی خاصی‬
‫در پرواز این پرندگان وجود دارد‪ .‬تاکنون این سؤال را از خود پرسید‌هاید که چرا پرندگان در دست ‌ههای بزرگ‬
‫مهاجرت م ‌یکنند؟ برای پاسخ به این سؤال م ‌یتوان عل ‌تهای زیادی را برشمرد‪ .‬یکی از دلایل مهم آن است‬
‫که هر یک از پرندگان موجود در گروه‪ ،‬به تنهایی به دنبال بهترین محل استراحت و یا بهترین نقطه برای‬
‫تغذیه م ‌یگردد و اطلاعات به دست آمده را در گروه به اشتراک م ‌یگذارد تا گروه بتواند از بین اطلاعات‬
‫دریافتی بهترین گزین ‌هها را انتخاب کند‪ .‬حتی برای فرار از دست شکارچ ‌یها نیز این حرکت گروهی و فرار‬
‫گروهی م ‌یتواند باعث کمک قاب ‌لتوجهی به گروه شود‪ .‬با الگوگیری از رفتار پرندگان در جس ‌توجو‪ ،‬الگوریتم‬

‫بهین ‌هسازی ازدحام ذرات یا ب ‌هاختصار روش (‪ PSO(Particle Swarm Optimization‬به وجود آمد‪.‬‬
‫در اینجا‪ ،‬از هوش ازدحامی و گروهی موجوداتی مانند مورچ ‌هها‪ ،‬زنبورها‪ ،‬موریان ‌هها‪ ،‬ماه ‌یها و پرندگان برای‬
‫کاربردهای محاسبات الگوبرداری م ‌یشود‪ .‬در این نوع اجتماعات هر یک از موجودات ساختار نسبتاً ساد‌های‬
‫دارند ولی رفتار گروهی آنها پیچیده به نظر م ‌یرسد‪ .‬برای نمونه در کلونی مورچ ‌هها‪ ،‬هر یک از مورچ ‌هها یک‬
‫کار ساده ویژ‌های را انجام م ‌یدهد؛ اما ب ‌هطور گروهی اعمال و رفتار مورچ ‌هها‪ ،‬ساختن لانه‪ ،‬نگهبانی از ملکه و‬

‫نوزادان‪ ،‬پا ‌کسازی لانه‪ ،‬یافتن بهترین منابع خوراکی و بهین ‌هسازی راهبرد جنگی را تضمین م ‌یکند‪.‬‬

‫الگوریتم بهین ‌هسازی کلونی مورچه (‪)Ant Colony Optimization‬‬
‫مورچ ‌هها مانند پرندگان و زنبور عسل‪ ،‬برای پیدا کردن غذا ب ‌هصورت گروهی حرکت م ‌یکنند‪ .‬مورچ ‌هها موجوداتی‬
‫نابینا‪ ،‬ب ‌یحافظه و بسیار ک ‌مهوش هستند؛ با این حال همیشه بهین ‌هترین و کوتا‌هترین مسیر از لانه تا محل غذا را پیدا‬
‫م ‌یکنند‪ .‬مورچ ‌هها ابتدا ب ‌هطور تصادفی برای پیداکردن غذا به ای ‌نسو و آ ‌نسو م ‌یروند‪ ،‬سپس به لانه برم ‌یگردند و‬
‫ر ّدی از فرومون (‪ )Pheromone‬ب ‌هجا م ‌یگذارند‪ .‬مورچ ‌ههای دیگر هنگام ‌یکه این مسیر را م ‌ییابند‪ ،‬پرسه زدن را رها‬
‫کرده‪ ،‬آن را دنبال م ‌یکنند‪ .‬اگر به غذا برسند به خانه برم ‌یگردند و رد دیگری از خود در کنار رد قبل م ‌یگذارند و به‬
‫عبارتی رد فرومون مسیر قبل را تقویت م ‌یکنند‪ .‬یکی از ویژگ ‌یهای مهم فرومون آن است که ب ‌همرور تبخیر م ‌یشود‬
‫ولی اگر در یک مسیر تعدادی مورچه بین لانه و منبع غذایی حرکت کنند‪ ،‬میزان معینی فرومون برای ادامه فعالیت‬

‫غذا غذا غذا‬ ‫مورچ ‌هها باقی م ‌یماند و چنانچه منبع غذایی تمام شود با کم‬
‫شدن رف ‌توآمد مورچ ‌هها ب ‌همرور فرومون موجود در مسیر‬
‫لانه لانه لانه‬
‫شکل ‪ -20‬بهین ‌هسازی کلونی مورچگان‬ ‫تبخیر شده‪ ،‬دیگر مورچ ‌هها به آن مسیر باز نخواهند گشت‪.‬‬
‫در صورت وجود را‌ههای متعدد بین لانه و منبع غذایی‬
‫مسیری که کوتا‌هتر است و در نتیجه فرومون قو ‌یتری دارد‬
‫انتخاب م ‌یشود‪ .‬اگر فرومون اصل ًا تبخیر نم ‌یشد‪ ،‬مسیرهایی‬
‫که چند بار طی م ‌یشدند‪ ،‬چنان بیش ‌از حد جذاب‬
‫م ‌یشدند که جستجوی تصادفی برای غذا را بسیار محدود‬

‫م ‌یکردند(شکل‪.)20‬‬
‫شناخت این رو ‌شها‪ ،‬سبب پیدایش الگوریتم بهین ‌هسازی‬

‫‪150‬‬

‫پودمان ‪ :5‬کاربرد هوش مصنوعی‬

‫کلونی مورچه شد‪ .‬این الگوریتم در رتبه دوم پراهمی ‌تترین الگوریت ‌مها و در دسته الگوریت ‌مهای تکاملی قرار‬
‫م ‌یگیرد‪ .‬از کاربردهای آن م ‌یتوان به موارد زیر اشاره کرد‪:‬‬
‫‪ -‬مسیریابی درو ‌نشهری و بی ‌نشهری‬
‫‪ -‬مسیریابی بین پس ‌تهای شبک ‌ههای توزیع برق ولتاژ بالا‬
‫‪ -‬مسیریابی شبک ‌ههای رایان ‌های‬
‫‪ -‬مسیریابی شبک ‌ههای مخابراتی‬

‫منطق فازی (‪)Fuzzy Logic‬‬
‫دنیای رایانه بر اساس منطق دودویی شک ‌لگرفته است‪ .‬یعنی همه چیز را به صورت صفر و یک م ‌یبیند؛ اما‬
‫دنیای واقعی متفاوت از این دیدگاه است و به دلیل همین تفاوت ماهیت‪ ،‬گاهی برای پیاد‌هسازی سیست ‌مهای‬

‫طبیعی در رایانه مشکلات خاصی ایجاد م ‌یشود‪.‬‬
‫برای مثال شیر آبی را تجسم کنید که دارای تنظیم آب سرد و گرم است‪ .‬اگر ما بخواهیم بر اساس تفکر‬

‫دودویی آن را باز و دمای آب خروجی را تنظیم کنیم باید‬

‫عقیده داشته باشیم که دمای آب فقط م ‌یتواند سرد یا گرم‬

‫باشد‪ .‬درصورت ‌یکه ما برای بیان دمای آب از اصطلاحاتی‬

‫مانند خیلی داغ‪ ،‬داغ‪ ،‬گرم‪ ،‬ولرم‪ ،‬خنک‪ ،‬سرد‪ ،‬خیلی سرد و‬

‫‪True‬‬ ‫‪False‬‬ ‫یخ استفاده م ‌یکنیم‪ .‬وقتی هنگام استحمام در حال تنظیم‬
‫آب سرد و گرم هستیم‪ ،‬منطق دودویی دیگر به کار نم ‌یآید‪،‬‬
‫گرم سرد‬ ‫بلکه ما با استفاده از منطق دیگری! در حال تنظیم دمای‬

‫آب به میزان دلخواه هستیم(شکل‪ .)21‬این در حالی است‬

‫که دمای مطلوب آب برای هر شخص و در شرایط فصلی‬

‫مختلف م ‌یتواند متفاوت باشد‪ .‬حال اگر بخواهیم سیستمی خیل ‌یداغ ‪ -‬داغ ‪ -‬گرم ‪ -‬ولرم ‪ -‬خنک ‪ -‬سرد ‪ -‬خیلی سرد ‪ -‬یخ‬

‫رایان ‌های طراحی کنیم که دمای آب خروجی را تنظیم کند شکل ‪ -21‬توصیف دمای آب در منطق دودویی و فازی‬

‫و فقط بتوانیم با یک کلید‪ ،‬آب را سرد یا گرم کنیم این کار شدنی نیست؛ اما اگر بخواهیم دمای مناسب خود‬

‫را با عباراتی به زبان ساده توصیف کنیم‪ ،‬سیستم رایان ‌های تنظیم دما قادر خواهد بود کارش را به نحو بهتری‬

‫انجام دهد‪ .‬هما ‌نگونه که ما انسا ‌نها هنگام تنظیم دمای آب با استفاده از تنظیم میزان خروج ِی آب گرم و‬

‫سرد م ‌یتوانیم به دمای مناسب برسیم‪.‬‬

‫در مثالی دیگر‪ ،‬فرض کنید یک مربی برای انتخاب اعضای تیم خود بخواهد افراد قدبلند را انتخاب کند‪ .‬این‬

‫کار را چگونه انجام م ‌یدهد؟ از نظر او شخص قدبلند چه کسی است؟ آیا آن مربی در کشوری که غالب افراد‪،‬‬

‫کوتا‌هقد هستند و کشوری که اغلب افراد‪ ،‬قدبلند هستند یک ملاک را در نظر م ‌یگیرد؟‬

‫اگر بخواهیم برای بلندقد بودن یک شخص ملاکی داشته باشیم‪ ،‬در سیست ‌مهای دودویی فقط م ‌یتوانیم بگوییم‬

‫یک شخص قدبلند است یا نه‪ .‬اما در دنیای واقعی برای بیان قدبلندی‪ ،‬ما از اصطلاحات زبانی خاصی استفاده‬

‫م ‌یکنیم مانند خیلی قدبلند‪ ،‬نسبتاً قدبلند‪ ،‬کمی قدبلند؛ اما اگر بخواهیم مدلی ریاضی برای آن بیابیم در‬

‫منطق دودویی این کار ب ‌هراحتی امکا ‌نپذیر نیست‪.‬‬

‫برای حل این مشکل‪ ،‬دانشمند ایرانی دان ‌شآموخته دانشگاه تهران پروفسور لطف ‌یزاده در حدود ‪ 50‬سال پیش‬

‫نظریه منطق فازی را مطرح کرد‪ .‬وی منطق دودویی را بسط داد و فضای نامحدود عددی بین صفر و یک را‬

‫‪151‬‬

‫نیز در منطق و استدلال خود مطرح کرد‪.‬‬

‫برای درک بیشتر منطق فازی‪ ،‬مشکل مربی بسکتبال‬

‫را با استفاده از آن حل خواهیم کرد‪:‬‬

‫در شکل ‪ 22‬قرار است ارزش قدبلندی هر یک از افراد‬

‫با شمار‌ههای یک تا پنج را با منطق فازی ب ‌هسادگی‬

‫بیان کنیم‪ .‬نفر شماره یک با قد ‪ 150‬سانتیمتر به‬

‫شکل ‪ -22‬تعیین میزان بلن ‌دقدی افراد با منطق فازی‬ ‫میزان ‪ 0/٢‬به دسته افراد قدبلند تعلق دارد و نفر‬
‫شماره پنج با قد ‪ 205‬سانت ‌یمتر به میزان ‪ ،1‬یعنی‬

‫ب ‌هطور کامل به دسته افراد قدبلند تعلق دارد‪ .‬هما ‌نطور که م ‌یبینید باوجود کوتاه بودن قد نفر شماره یک‪ ،‬به‬

‫او نیز ارزشی بیش از صفر تعلق گرفته و بدین معنی است که او نیز تا حدودی به دسته افراد قدبلند تعلق دارد‬

‫اما نه ب ‌هاندازه دیگر افراد قدبلندتر از خود‪.‬‬

‫جدول زیر را برای تعیین میزان عددی عضویت بر اساس قد تنظیم کنید‪.‬‬ ‫فعالیت‬
‫کلاسی‬

‫میزان عضویت‬ ‫قد برحسب سانت ‌یمتر‬ ‫ردیف‬
‫‪0‬‬ ‫کمتر از ‪130‬‬ ‫‪1‬‬
‫‪0/2‬‬ ‫‪2‬‬
‫بین ‪ 131‬و ‪150‬‬ ‫‪3‬‬
‫‪1‬‬ ‫بین ‪ 151‬و ‪170‬‬ ‫‪4‬‬
‫بین ‪ 171‬و ‪190‬‬ ‫‪5‬‬
‫بین ‪ 191‬و ‪200‬‬ ‫‪6‬‬
‫بیش از ‪200‬‬

‫به یاد داشته باشید که میزان عضوی ‌تها و تقسی ‌مبند ‌یهای جدول بالا‪ ،‬بر اساس یک قرارداد از پیش تعیین شده‬
‫نیست‪ .‬برای مثال ممکن است در یک کشور که میانگین قد افراد خیلی کوتاه است شخصی با قد ‪170‬‬
‫سانت ‌یمتر دارای میزان عضویت ‪ 1‬یعنی قدبلند کامل باشد‪ .‬اما در کشوری دیگر همین شخص را به عنوان یک‬

‫شخص با قد متوسط و میزان عضویت ‪ 0/5‬در نظر بگیرند‪.‬‬

‫با توجه به جدول فعالیت قبل نام و میزان قد دو نفر دیگر از افراد کلاس را در جدول زیر وارد کرده و میزان‬ ‫فعالیت‬
‫عضویت آنها به گروه افراد قدبلند را تعیین کنید‪ .‬بهتر است از بین افراد با قدهای متفاوت انتخاب کنید‪.‬‬ ‫کلاسی‬

‫میزان عضویت‬ ‫قد براساس سانتی متر‬ ‫ردیف نام و نام خانوادگی‬ ‫‪152‬‬

‫‪0/4‬‬ ‫‪145‬‬ ‫دانا رضایی‬ ‫‪1‬‬

‫‪2‬‬
‫‪3‬‬
‫‪4‬‬

‫پودمان ‪ :5‬کاربرد هوش مصنوعی‬

‫مربی بسکتبال با داشتن جدول فعالیت بالا م ‌یتواند در انتخاب بازیکنان مورد نظر خود راح ‌تتر عمل کند‪.‬‬

‫مزایای استفاده از منطق فازی عبار ‌تاند از‪:‬‬

‫‪ -‬منطق فازی را‌هحلی معتبر برای اغلب مسائل پیچیده است؛ چرا که شبیه فرایند تصمی ‌مگیری و استدلال‬

‫انسان است‪.‬‬

‫‪ -‬مفاهیم ریاضی را م ‌یتوان ب ‌هسادگی با این منطق بیان کرد‪.‬‬

‫‪ -‬ساخت و درک سیست ‌مهای مبتنی بر این منطق بسیار راحت است‪.‬‬

‫کاربردهای منطق فازی در زندگی روزمره و اطراف ما به فراوانی مشاهده م ‌یشوند‪ .‬ب ‌هطور خلاصه م ‌یتوان به‬

‫چند مورد از کاربردها اشاره کرد‪:‬‬

‫دستگا ‌ههای کنترلی‬

‫‪ -‬لوازم برقی آشپزخانه‪ :‬پلوپز‪ ،‬ماشین لباسشویی‬

‫‪ -‬سیست ‌مهای کنترلی خودرو ‪ :‬ترمز ‪ ABS‬خودرو‪ ،‬گیربک ‌سهای خودکار‬

‫‪ -‬آسانسور‪ ،‬جرثقیل‬

‫‪ -‬خلبان خودکار‪ ،‬خودروهای خودران‬

‫‪ -‬کنترل تأسیسات سی تی اسکن‪ CCU،‬و ‪ ICU‬دستگاه ضربا ‌نساز قلب‬

‫پردازشتصویر‬

‫‪ -‬دوربی ‌نهای عکاسی و فیل ‌مبرداری‬

‫شکل ‪ -23‬نماد منطق فازی در لوازم‬ ‫‪ -‬پردازش تصویر پزشکی‬
‫برقی خانگی‬ ‫کنتر ‌لکنند‌ههایمحیطی‬

‫‪ -‬سیست ‌مهای تهویه هوا‬

‫‪ -‬مرطوب کنند‌ههای محیط‬

‫مطالب بالا‪ ،‬فقط گوشۀ کوچکی از کاربردهای دنیای منطق فازی بود‪ .‬منطق فازی و پژوه ‌شهای پروفسور‬

‫لطف ‌یزاده آغازگر موج جدیدی از تحقیقات در این زمینه شد که هزاران مقاله و اختراع را در کشورهای مختلف‬

‫جهان در پی داشت‪ .‬منطق فازی بیان پیچیدگ ‌یهای دنیای انسان به زبان ریاضی و به شکلی ساده است‪ .‬این‬

‫علم پیشرفتی عجیب در پای ‌ههای هوش مصنوعی ایجاد کرده است‪.‬‬

‫‪ -‬با تکمیل جدول زیر تعیین کنید که هر یک از حوز‌ههای هوش مصنوعی زیر مرتبط با کدام یک از‬ ‫فعالیت‬
‫جنب ‌ههای هوش انسان است‪.‬‬ ‫کلاسی‬

‫هوش انسانی مرتبط‬ ‫حوز ‌ههای هوش مصنوعی‬

‫شبک ‌ههای عصبی مصنوعی‬
‫پردازش تصویر‬
‫بینایی رایان ‌های‬
‫تشخیص الگو‬
‫رباتیک‬

‫پردازش زبان طبیعی‬
‫تشخیص گفتار‬

‫‪153‬‬

‫‪ -‬در جدول ‪ 6‬و ‪ 7‬برخی مزایا و چال ‌شهای استفاده از هوش مصنوعی نوشت ‌هشده است‪ ،‬آنها را تکمیل کنید‪.‬‬

‫جدول ‌‪ -6‬مزایای استفاده از هوش مصنوعی‬

‫شرح‬ ‫مزایا‬ ‫ردیف‬
‫حذف کارهای تکراری روزمره‬ ‫‪1‬‬
‫با استفاده از فناور ‌یهای پیشرفته م ‌یتوان تصمی ‌مهای سری ‌عتری‬
‫اتخاذ کرد که موجب تسریع در اجرای کارها م ‌یشود‪ .‬برای مثال‬ ‫تصمی ‌مگیری سریع‬ ‫‪2‬‬

‫در حوزه دفاعی و حوزه ناوبری هوایی‬

‫پرهیز از خطای انسانی‬ ‫‪3‬‬
‫‪4‬‬
‫پرهیز از خطرپذیری روی زندگی‬ ‫‪5‬‬
‫انسا ‌نها‬ ‫‪6‬‬
‫‪7‬‬
‫نتایج بهتر تحقیقات پژوهشی‬

‫جذابیت بیشتر در حوزه سرگرمی‬
‫و باز ‌یها‬

‫دقت بالا در انجام کارها‬

‫دستیار شخصی هوشمند‬ ‫‪8‬‬

‫‪ 9‬کم شدن تماس حضوری انسا ‌نها بیمار ‌یهای واگیردار دیگر ب ‌هراحتی گسترش پیدا نم ‌یکنند‪.‬‬

‫جدول ‌‪ -7‬معایب استفاده از هوش مصنوعی‬

‫شرح‬ ‫معایب‬ ‫ردیف‬
‫از بین رفتن برخی شغ ‌لها‬ ‫‪1‬‬
‫کشورهایی که از این علم بیشترین بهره را م ‌یبرند‪ ،‬از قدرت‬ ‫‪2‬‬
‫بیشتر و پیشرف ‌تهای چشمگیری در حوز‌ههای نظامی و اقتصادی‬ ‫تصمی ‌مگیری سریع‬
‫‪3‬‬
‫برخوردارند که موجب سلط ‌هگری آن کشورها خواهد شد‪.‬‬ ‫قضاوت منطقی به جای‬ ‫‪4‬‬
‫قضاوت انسانی‬
‫تماس حضوری افراد یک جامعه و یک خانواده ممکن است‬ ‫کم شدن تماس‬
‫ب ‌هشدت کم شده‪ ،‬باعث مشکلات رفتاری شود‪.‬‬ ‫حضوری انسا ‌نها‬

‫‪154‬‬

‫پودمان ‪ :5‬کاربرد هوش مصنوعی‬

‫جدول ارزشیابی پایانی‬

‫ارزشیابی پیشرفت تحصیلی مبتنی بر شایستگی درس دانش فنی تخصصی‬

‫شاخص تحقق نمره‬ ‫نتایج‬ ‫تکالیف عملکردی استاندارد‬ ‫عنوان‬
‫مورد‬ ‫(واحدهای یادگیری) عملكرد‬ ‫پودمان‬
‫‪ -‬تحلیل تأثیر فراهوش بر زندگی بشر در آینده‬ ‫انتظار‬
‫‪-‬تعیین جنب ‌ههای شبی ‌هساز ‌یشده هوش انسانی به وسیله هوش‬ ‫‌‪ -1‬تحلیل تحولات‬
‫بالاتر‬ ‫انواع هوش مصنوعی‬
‫مصنوعی و تحلیل آنها‬ ‫ازحد‬ ‫تحلیل هوش مصنوعی و الگوریت ‌مهای آن از نظر کاربرد در حوز ‌ههای مختلف شغلی و زندگی‬
‫‪ -‬تحلیل آینده شغلی خود با توسعه هوش مصنوعی‬ ‫انتظار‬ ‫با تاکید بر ب ‌هکارگیری ملاحظات اخلاقی‬
‫‪ -‬تحلیل آینده حوزه آموزش و فرهنگ و پزشکی با توجه به هوش‬
‫مصنوعی ‪3‬‬
‫‪ -‬پی ‌شبینی آینده باز ‌یهای رایان ‌های با توجه به هوش مصنوعی‬
‫‪ -‬تحلیل تفاوت باز ‌یهای واقعیت مجازی و واقعیت افزوده‬
‫‪ -‬ارایه کاربردهایی نوین در حوز‌ههای بینایی ماشین‬

‫‪ -‬تحلیل شبکه عصبی پرسپترون‬

‫‪ -‬ارایه مصداق برای انواع عام ‌لهای هوشمند‬ ‫درحد‬ ‫کاربرد‬
‫‪ -‬ارایه مصداق برای هوش مصنوعی محدود و جنب ‌ههای هوش‬ ‫انتظار‬ ‫هوش‬
‫مصنوعی‬
‫‪ -‬تحلیل اثرات هوش مصنوعی در حوزه حمل و نقل‬
‫‪ -‬تحلیل تفاو ‌تهای برنام ‌هنویسی با هوش مصنوعی و بدون آن‬
‫‪ -‬ارایه کاربردهای واقعی پردازش تصویر در حوز‌ههای کشاورزی‪،‬‬
‫تشخیص چهره‪ ،‬راهنمایی و رانندگی و تحلیل مزیت استفاده از ‪2‬‬

‫پردازش تصویر در آنها‬
‫‪-‬تحلیلچگونگییادگیریدرمغزانسانوشبک ‌ههایعصبیمصنوعی‬
‫و کاربرد هوش ازدحامی و کاربرد منطق فازی در دستگا‌ههای کنترلی‪،‬‬

‫پردازش تصویروکنتر ‌لکنند‌ههایمحیطی‬
‫‪ -‬تحلیل مزایای استفاده از هوش مصنوعی در حل مسایل زندگی‬

‫‪ -‬دست ‌هبندی انواع و جنب ‌ههای هوش‬

‫‪ -‬تعیین دستگاه ورودی مناسب برای هر نوع داده در برنام ‌هنویسی‬ ‫‪ -‌2‬ایجاد تفکر‬
‫الگوریتمی مبتنی بر‬
‫هوشمصنوعی‬
‫هوش مصنوعی‬
‫‪ -‬تعیین اهداف ب ‌هکارگیری هوش مصنوعی در ساخت باز ‌یهای‬
‫پايي ‌نتر از رایان ‌های‬
‫‪1‬‬ ‫حدانتظار ‪ -‬تشریح حوز‌ههای کاربرد بینایی ماشین‬

‫‪ -‬تعیین شباه ‌تهای مغز انسان و شبکه عصبی مصنوعی‬

‫‪ -‬تعیین ویژگ ‌یهای هوش ازدحامی‬

‫‪ -‬دسته بندی عام ‌لهای هوشمند‬

‫نمره مستمر از ‪5‬‬

‫نمره واحد یادگیری از ‪3‬‬

‫نمره واحد یادگیری از ‪20‬‬

‫‪155‬‬

‫منابع‬

‫‪ .1‬دفتر تألیف کتا ‌بهای درسي فني و حرف ‌های و کاردانش (‪ ،)1395‬برنامه درسي درس دانش فنی تخصصی‬
‫رشته شبكه و نر ‌مافزار رايانه‪.‬‬

‫‪ .2‬خو ‌شرو‪ ،‬آرشین و شاهین‪ ،‬محمدعلی و ضیایی‪ ،‬سید حمیدرضا‪ .)1394( .‬شبک ‌ههای رایان ‌های کد ‪.451/4‬‬
‫تهران‪ :‬سازمان پژوهش و برنام ‌هریزی آموزشی‪ .‬دفتر تألیف کتا ‌بهای درسی فنی و حرف ‌های و کاردانش‪.‬‬
‫‪ .3‬نوروزی‪ ،‬حسین‪.‬اسدی‪ ،‬امیررضا‪ )1397( .‬بازاریابی محتوا‪ .‬تهران‪ :‬سیته ‪.‬‬

‫‪ .4‬تقی پور‪ ،‬فائزه و زمانی‪ ،‬عباس‪ .)1396( .‬واکاوی شبکه های اجتماعی مجازی ‪ .‬چاپ اول ‪ .‬اصفهان‪ :‬جهاد‬
‫دانشگاهی‪.‬‬

‫‪ .5‬توربان‪ ،‬افرایم و استراوس‪ ،‬جودی و لی‪ ،‬لیندا ‪ . )2017( .‬تجارت اجتماعی بازاریابی‪ ،‬فناوری و مدیریت (جلد‬
‫اول) ترجمه‪ :‬ساناز شفیعی و سودابه قلمباز(‪ )1396‬اصفهان‪:‬جهاد دانشگاهی‬

‫‪ .6‬بری‪ ،‬جیم‪ .‬بازاریابی محتوایی در رسانه های اجتماعی‪ . )2017( .‬ترجمه‪ :‬سجاد خزائی‪ ،‬مریم نجفی‪.)1396( .‬‬
‫تهران‪ :‬نسل روشن‪.‬‬

‫‪ .7‬زاهای‪ ،‬دبرا ‪ . )2017( .‬مدیریت بازاریابی دیجیتال‪ .‬ترجمه‪ :‬کامبیز حیدرزاده‪ ،‬رضا رادفر‪ . )1396( .‬تهران‪:‬‬
‫نشر علم ‪.‬‬

‫‪ .8‬دیویس‪ ،‬رابرت‪ .‬برندیگ در رسانه های اجتماعی(‪ .)2013‬ترجمه‪ :‬حمیدرضا سعید نیا و سجاد خزائی و محمد‬
‫نافعی‪ .)1395( .‬تهران‪ :‬نسل روشن‪.‬‬

‫‪ .9‬درﯽﻧﺎﺘﺳ‪ ،‬ﻢﯾﺮﻣ و روﯽﻧﺎﺣ‪ ،‬ﺪﻬﻣي‪ .)1393(.‬پدﺪﯾه ﻫﺎي ﺪﯾﺪﺟ ﻓﻀﺎي ﺎﺠﻣزي در اﺮﯾان از دﺎﮔﺪﯾه ﺎﮐرﺎﺳﺎﻨﺷن‬
‫ارﺎﺒﺗﻃﺎت‪ .‬فصلنامه مطالعات رسانه ای‪ .‬دوره‪ .9‬شماره‪.26‬‬

‫‪ .10‬اسدپور‪ ،‬مسعود و غفاری‪ ،‬جلال‪ .)1392( .‬مجموعه مقالات همایش تخصصی بررسی ابعاد شبکه های‬
‫اجتماعی‪ .‬تهران‪ :‬پژوهشکده فناوری اطلاعات و ارتباطات جهاد دانشگاهی ‪.‬‬

‫‪ .11‬ولوی‪ ،‬حسن‪ .)۱۳۷۴(.‬فرهنگ اختصارات کامپیوتری‪.‬چاپ دوم‪.‬تهران ‪:‬ناشر مهر‬
‫‪ .12‬اینترنت اشیا ‪.‬مرکز ملی فضای مجازی‪)1396(.‬‬

‫‪13.Sequeira,A. (2018). CompTIA Network+ N10007- Cert Guide. United States of America:‬‬
‫‪Pearson IT Certification.‬‬
‫‪14.Turban, E .( 2018 ).Electronic Commerce . A Managerial and Social Networks Perspective.‬‬
‫‪Springer Texts in Business and Economics 9th.‬‬
‫‪15.Conklin, W .A. , & White, G. (2015). CompTIA Security+ exam guide. 4nd edition. New‬‬
‫‪york : McGraw Hill Education CompTIA.‬‬
‫& ‪16.Mason, M. (2015). Computing security & cryptography handbook Computing security‬‬
‫‪cryptography handbook. USA: CLANRYE INTERNATIONAL.‬‬
‫‪17.Vacca, J.R. (2013). Computer and information security handbook. 2nd edition. Ohio: Morgan‬‬
‫‪Kaufmann.‬‬
‫‪18. Ackermann, T. (2013). IT security risk management: perceived IT security risks in the context‬‬
‫‪of cloud computing. Wiesbaden: Springer Gabler.‬‬

‫‪156‬‬

19. Gregg, M. (2012). CASP: CompTIA advanced security practitioner study guide. Indianapolis:
John Wiley & Sons.
20.Zacker,c.( 2012). CompTIA Network+: Exam N10005-.California:O’Reilly Media, Inc.
21.Stallings, W., & Brown, L. (2012). Computer security: principles and practice.2nd ed. Boston:
Pearson.
22.Gonzalez, R.C. , & Woods,R.E (2010). Artificial Intelligence: A Modern Approach Digital
Image Processing. 3rd Edition .USA: Prentice-Hall.
23.Bruen, A., & Wehlau, D .(2010). Error-correcting codes, finite geometries, and cryptography.
American: Mathematical Society.
24.Busche ,L.(2017).Powering Content Building, a Nonstop Content Marketing Machine .UK:
O’Reilly .
25.TANENBAUM, A. S., & WETHERALL, D. J. (1994).COMPUTER NETWORKS 5th ed.
Boston: PRENTICE HALL.
26.artificial intelligence.(2018).https://www.tutorialspoint.com/artificial_intelligence/index.
htm.
27.Neuman,G.(2002). Programming Languages in Artificial Intelligence.
28.Fausett,L.V.(1993). Fundamental of Neural Networks: Architectures, Algorithms, and
Applications. Edition 1. UAS: Prentice-Hall.
29.What is artificial intelligence understand ai in 5 minutes.(2018).https://www.leewayhertz.
com/what-is-artificial-intelligence-understand-ai-in-5-minutes/
30. Dickson. Ben.(2017). What is Narrow, General and Super Artificial Intelligence. what-is-
narrow-general-and-super-artificial-intelligence/
31.What Is The "Internet of Things"?(2018). Postscapes.what-exactly-is-the-internet-of-things-
infographic/

157

‫سازمان پژوهش و برنامه ریزی آموزشی جهت ایفای نقش خطیر خود در اجرای سند تحول بنیادین در آموزش و پرورش و برنامه درسی ملی‬
‫جمهوری اسلامی ایران‪ ،‬مشارکت معلمان را به عنوان یک سیاست اجرایی مهم دنبال می کند‪ .‬برای تحقق این امر در اقدامی نوآورانه سامانه‬
‫تعاملی بر خط اعتبارسنجی کتاب های درسی راه اندازی شد تا با دریافت نظرات معلمان دربارۀ کتاب های درسی نونگاشت‪ ،‬کتاب های درسی‬
‫را در اولین سال چاپ‪ ،‬با کمترین اشکال به دانش آموزان و معلمان ارجمند تقدیم نماید‪ .‬در انجام مطلوب این فرایند‪ ،‬همکاران گروه تحلیل‬
‫محتوای آموزشی و پرورشی استان ها‪ ،‬گروه های آموزشی و دبیرخانۀ راهبری دروس و مدیریت محترم پروژه آقای محسن باهو نقش سازنده ای‬
‫را بر عهده داشتند‪ .‬ضمن ارج نهادن به تلاش تمامی این همکاران‪ ،‬اسامی دبیران و هنرآموزانی که تلاش مضاعفی را در این زمینه داشته و با‬

‫ارائۀ نظرات خود سازمان را در بهبود محتوای این کتاب یاری کرده اند به شرح زیر اعلام می شود‪.‬‬

‫اسامی هنرآموزان شرکت کننده در اعتبارسنجی کتاب دانش فنی تخصصی کد ‪212287‬‬

‫استان محل خدمت ردیف نام و نام خانوادگی استان محل خدمت‬ ‫نام و نام خانوادگی‬ ‫ردیف‬
‫‪1‬‬
‫کرمان ‪ 10‬نادر شیری همدان‬ ‫بتول نخعي‬ ‫‪2‬‬
‫جواد اربابی‬ ‫‪3‬‬
‫سيستان وبلوچستان ‪ 11‬رضوان یوسفی حاجی آباد خوزستان‬ ‫حمید بهادری‬ ‫‪4‬‬
‫نغمه اقتداری‬ ‫‪5‬‬
‫آذربايجان غربي ‪ 12‬محمدرضا ابدی يزد‬ ‫مهدیه مهدی پور‬ ‫‪6‬‬
‫سیدمحمدصادق حسینی‬ ‫‪7‬‬
‫هرمزگان‬ ‫خراسان رضوی ‪ 13‬شیما موقوفه ای‬ ‫عاطفه طولابی‬ ‫‪8‬‬
‫سارا غایی‬ ‫‪9‬‬
‫‪ 14‬علیرضا حمیدی سيستان وبلوچستان‬ ‫کرمان‬ ‫نیکی کمالیان‬

‫کهگيلويه وبويراحمد‬ ‫حسین تاوانه‬ ‫‪15‬‬ ‫مازندران‬

‫شهر تهران‬ ‫‪ 16‬محمد صادق حامدي‬ ‫مرکزي‬

‫فارس‬ ‫‪ 17‬محمود صفاییان فر‬ ‫اصفهان‬

‫خراسان رضوی‬

159

160