اشاره‌ای به هوش مصنوعی
هوش مصنوعی یا هوش ماشینی را باید عرصه پهناور تلاقی و هم‌کناری 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 گوناگون و فراوان آن را در علوم رایانه، علوم مهندسی، علوم زیست‌شناسی و پزشکی، علوم ارتباطات و بسیاری از دیگر زمینه‌ها جست‌و‌جو کرد.

هوش مصنوعی، به هوشمندی یک ماشین و یا دانشی در کامپیو‌تر که سعی در ایجاد آن دارد، گفته می‌شود. بیشتر نوشته‌ها و مقاله‌های مربوط به هوش مصنوعی، آن را «دانش شناخت و طراحی عامل‌های هوشمند» تعریف کرده‌اند. یکی از عوامل هوشمندی، سیستمی است که با شناخت محیط اطراف خود، شانس موفقیت خویش را بالا می‌برد. «جان مکارتی» که واژه هوش مصنوعی را در 1956 به‌کار برد، آن را «دانش و مهندسی ساخت ماشین‌های هوشمند» تعریف کرده است.

هوش مصنوعی

اندیشه‌های پیش از پیدایش کامپیو‌تر؛ دوران ماشین‌های مکانیکی
پس از رسمی شدن دین مسیحیت در روم باستان، کشیش‌های مسیحی به‌تدریج قدرت جدیدی یافتند که همانا دخالت در حکومت بود. حدود 800سال، دورانی سیاه بر تاریخ اروپا حاکم بود که به قرون وسطی شهرت یافته است. این‌‌ همان دورانی است که «برونو» به‌خاطر افکار علمی خود، زنده‌زنده در آتش سوخت و «گالیله» از ترس، مجبور به عقب‌نشینی در نظریات علمی خود شد. از حدود قرن 14 میلادی، دورانی در اروپا آغاز شد که به عصر نوزایی یا رنسانس شهرت یافت. ناگفته پیداست که برای رشد و تعالی انسان‌ها، شرایطی باید فراهم شود تا نخبگان جامعه جرئت بیان عقاید خود را پیدا کنند و این امر، با پیدایش رنسانس آغاز شد. در چنین شرایطی بود که انقلاب صنعتی شروع شد و دنیا را به تسخیر خود درآورد. پیشرفت‌های پی‌در‌پی و اکتشافات مکانیکی آن دوران، منجر به ساخت ماشین‌های مکانیکی پیچیده‌ای شد که متفکران و بویژه فلاسفه آن زمان را مجذوب خود کرد. ماشین‌های عظیم مکانیکی و قابلیت‌های کارکردی غیرقابل تصور آن‌ها، اذهان متفکران را واداشت تا هر چیزی را در قالب مدل‌های مکانیکی، تصور کنند.

در چنین جوی، برخی دانشمندان این جرئت را به خود دادند تا به ساختار بدن انسان به‌عنوان یک ماشین بنگرند. در رأس این افراد، رنه دکارت فیلسوف بزرگ قرار داشت. از نظر او، موجودات زنده همانند ساعت، دارای قطعات پیچیده متعددی هستند که خداوند آن‌ها را در کنار یکدیگر قرار داده، پس کافی است این ماشین را همانند یک ساعت، مورد تجزیه و تحلیل قرار داده و با شناخت اجزای آن و ارتباط بین این اجزا، قادر به درک کل ماشین خواهیم شد. در قرن 18، فردی فرانسوی به‌نام «واکوانسون» 1 اردکی مصنوعی را تولید کرد که اردک قادر به تولید دوازده صدای متفاوت بود و می‌توانست انگشتان، لب‌ها و زبان خود را متناسب با موسیقی حرکت دهد.

تولد هوش مصنوعی
در تابستان 1956 تعدادی دانشمند جوان از دانشگاه‌های مختلف، با پیشنهاد جان مک کارتی تصمیم به برگزاری همایشی کردند که بعد‌ها تاریخ تولد هوش مصنوعی نیز نامیده شد. این کنفرانس که قرار بود در کالج دارتماف برگزار شود، اولین همایش رسمی با عنوان هوش مصنوعی بود.

در آن زمان، تخصص بزرگان هوش مصنوعی شرکت‌کننده در کنفرانس یادشده عبارت بود از:
- جان مک کارتی: از وی به‌عنوان فردی یاد می‌شود که برای اولین‌بار واژه هوش مصنوعی را بر سر زبان‌ها انداخت. در آن زمان، او استاد کالج دارتماف در ایالت نیوهمشایر بود. تخصص مک کارتی در آن زمان، محاسبات نرم‌افزاری، ارتباط مغز و ماشین و استفاده از زبان در ماشین بود.

- کلود شانون: ریاضیدان شرکت تلفن بل بود. تخصص وی در زمینه تئوری آماری اطلاعات، مدارات سوئیچینگ، یادگیری ماشینی و رمزنگاری بود.

- ماروین می‌نسکی: ریاضیدان و عصب‌شناس دانشگاه هاروارد بود که به‌عنوان تز دکترای خود ماشینی بر پایه نرون‌های عصبی ساخته بود تا قدرت یادگیری را بر روی آن شبیه‌سازی کند.

- ناتالین روچس‌تر: مدیر بخش تحقیقات در زمینه اطلاعات شرکت IBM بود. بخش مهمی از کار او مربوط به مسائل اجرایی ساخت کامپیو‌تر و تحقیقات در زمینه تولید رادار بود.

طرح اولیه مطرح شده توسط این 4 نفر مبتنی‌بر هر نوع زمینه یادگیری و یا هوشمندی بود که بتوان آن را توسط ماشین شبیه‌سازی کرد.

به‌طور خاص، هفت موضوع اصلی در این زمینه مطرح شده بود:

1. اگر فرض کنیم کامپیوتری با قدرت محاسباتی و حافظه قابل‌مقایسه با مغز انسان یا مهره‌داران ساده‌تر از انسان داشته باشیم، آیا می‌توان آن کامپیو‌تر را هوشمند کرد؟

2. چگونه می‌توان ماشینی داشت که قادر به استفاده از زبان باشد.

3. اگر مغز انسان متشکل از مجموعه‌ای از سلول‌های عصبی است، آیا می‌توان ماشینی ساخت که همانند آن، سازمان داده شده باشد؟ در صورت ساخت این ماشین آیا قادریم رفتارهای هوشمند را بر روی آن شبیه‌سازی کنیم؟

4. ساده‌ترین راه برای حل این مسئله، شاید آزمودن تمامی راه‌حل‌های ممکن و یافتن بهترین راه باشد. حاضران در همایش، نیاز به روشی را احساس کردند که براساس آن قادر به محاسبه پیچیدگی زمان اجرای حل یک مسئله از طریق محاسبات ریاضی باشیم.

5. چگونه می‌توان ماشینی ساخت تا قادر باشد همانند انسان به پیشرفت بدون سرپرست بپردازد؟

6. چگونه می‌توان ماشینی ساخت که خود قادر به انتزاع از اطلاعات دریافتی از محیط پیرامون خود باشد؟

7. چگونه می‌توان حدس‌های تصادفی منجر به کشفی جدید را در یک ماشین ممکن ساخت؟
هوش مصنوعی چیست؟
هوش مصنوعی، روشی است برای هوشمند کردن کامپیو‌تر تا قادر باشد در هر لحظه تصمیم‌گیری کرده و اقدام به بررسی یک مسئله کند. هوش مصنوعی، کامپیو‌تر را قادر به تفکر کرده و روش آموختن انسان را تقلید می‌کند، به‌همین علت، اقدام به جذب اطلاعات جدید برای به‌کارگیری مراحل بعدی خواهد کرد. مغز انسان به بخش‌هایی تقسیم شده است که هر یک وظیفه‌ای خاص خود و جدا از بقیه را انجام می‌دهد. اختلال در کار یک بخش، تأثیری در دیگر قسمت‌های مغز نخواهد گذاشت. در برنامه‌های هوش مصنوعی نیز این مسئله رعایت می‌شود، در حالی‌که در برنامه‌های غیر هوش مصنوعی مثل C یا Pascal تغییر در برنامه، بر دیگر قسمت‌های برنامه و اطلاعات تأثیر دارد.

جان مکارتی، مخترع یکی از زبان‌های برنامه‌نویسی هوش مصنوعی به‌نام Lisp است. با این نام می‌توان به هویت هوشمند یک ابزار مصنوعی اشاره کرد (ساخته دست بشر، غیرطبیعی، مصنوعی).

حال اینکه AI به‌عنوان اصطلاحی عمومی پذیرفته شده و شامل محاسبات هوشمندانه و ترکیبی (مرکب از مواد مصنوعی) است.

از اصطلاح AI قوی و ضعیف نیز می‌توان تا حدودی برای معرفی رده‌بندی سیستم‌ها استفاده کرد. AI‌ها در رشته‌هایی مشترک نظیر علم کامپیو‌تر، روان‌شناسی و فلسفه مورد مطالعه قرار می‌گیرند. براساس این مطالعات، رفتاری هوشمندانه، یادگیری و سازش ایجاد شده و معمولاً از نوع پیشرفته آن در ماشین‌ها و کامپیوتر‌ها استفاده می‌شود.
مباحث کاربردی و مهم در تحقق یک سیستم هوش مصنوعی
1. سیستم‌های خبره
2. شبکه‌های عصبی
3. الگوریتم‌های ژنتیک
. سیستم‌های منطق فازی

الف- سامانه‌های خبره:

سامانه یا سیستم‌های خبره، دسته‌ای خاص از نرم‌افزارهای رایانه‌ای هستند که در راستای کمک به کاردانان و متخصصان انسانی و یا جایگزینی جزئی آنان در زمینه‌های محدود تخصصی، تلاش می‌کنند. این‌گونه سامانه‌ها، در واقع نمونه‌هایی ابتدایی و ساده‌تر از فناوری پیشرفته‌تر سامانه‌های مبتنی‌بر دانش تلقی می‌شوند. این سامانه‌ها، معمولاً اطلاعات را به شکل واقعیات و قواعد به‌صورتی ساختارمند در دادگانی به‌نام پایگاه دانش ذخیره کرده و با استفاده از روش‌هایی خاص، استنتاج از این داده‌ها نتایج موردنیاز حاصل می‌شود.
ب – شبکه‌های عصبی:
1. مدل‌سازی مغز و اعصاب: هدف علمی از مدل‌سازی شبکه‌های عصبی، دستیابی به چگونگی عملکرد مغز و اعصاب است. به این وسیله می‌توان درکی بهتر از چگونگی طبیعت هوشمندی انسان داشت و روش‌های آموزش بهتری را تدارک دید.

2. ساخت سیستم‌های مصنوعی: هدف مهندسان، ساخت سیستم‌های مؤثر برای کاربردهای حقیقی است. این امر می‌تواند زمینه‌ساز ساخت ماشین‌هایی با قدرت و توانایی بالا‌تر به‌منظور بالا بردن کارایی آن‌ها باشد.
پ – فناوری الگوریتم ژنتیک:
الگوریتم‌های ژنتیک، روشی قدرتمند برای توسعه اکتشافی مسائل بهینه‌سازی ترکیبی مقیاس بزرگ، فراهم آورده است. انگیزه اصلی مطرح کردن الگوریتم ژنتیک را می‌توان این‌گونه توضیح داد که «تکامل تدریجی» به شکلی قابل‌ملاحظه در توسعه انواع و گونه‌های پیچیده از طریق مکانیزم‌های نسبتاً ساده تکمیلی، نمود یافته است. یک الگوریتم ژنتیک، مسئله را به‌صورت مجموعه‌ای از رشته‌هایی که شامل ذرات ریز هستند، کدگذاری می‌کند. سپس برای تحریک فرایند تکامل تدریجی، تغییراتی را بر این رشته‌ها اعمال می‌کند. در مقایسه با الگوریتم‌های جست‌و‌جوی محلی، در جست‌و‌جوی عمومی که در آن تنها یک راه‌حل قابل‌قبول وجود دارد، الگوریتم‌های ژنتیک، جامعه‌ای از افراد را مدنظر می‌گیرند. کار با مجموعه‌ای از افراد، امکان مطالعه ساختار‌ها و ویژگی‌های اصلی افراد متفاوت را که منجر به شناسایی و کشف راه‌حل‌های کارامد‌تر می‌شود، فراهم می‌سازد. الگوریتم ژنتیک طی مطالعه، رشته‌های متناسب باارزش را برمی‌گزیند و آن دسته از رشته‌های دارای تناسب کمتر با جمعیت مورد بررسی را حذف می‌کنند.
ت- سیستم‌های منطق فازی:
به بیان روشن‌تر، برخی سیستم‌های خبره، از منطق فازی8 استفاده می‌کنند. در منطق غیرفازی، تنها دو ارزش درست (true) یا نادرست (false) وجود دارد.

از منطق فازی در مواردی استفاده می‌شود که با مفاهیمی مبهم همچون «سنگینی»، «سرما»، «ارتفاع» و نظایر آن‌ها روبه‌رو می‌شویم. این پرسش را درنظر بگیرید: «وزن یک شیء، 500 کیلوگرم است. آیا این شیء سنگین است؟» چنین سوالی، معمولاً پرسشی مبهم تلقی می‌شود زیرا این سوال مطرح می‌شود که «سنگین از چه نظر؟» اگر برای حمل توسط یک انسان بگوییم، بله سنگین است. اگر برای حمل توسط یک خودرو مطرح شود، کمی سنگین است، اما اگر برای حمل توسط یک هواپیما مطرح شود، خیر، سنگین نیست. در اینجاست که با استفاده از منطق فازی می‌توان نوعی «درجه درستی» برای چنین پرسشی درنظر گرفت و بسته به شرایط گفت که این شیء کمی سنگین است. یعنی در چنین مواردی گفتن اینکه این شیء سنگین نیست (false) یا سنگین است (true) پاسخی دقیق نیست.
مزایای هوش مصنوعی
به‌رغم محدودیت‌های هوش مصنوعی، مدل‌های طراحی شده برای آن بسیار ارزشمند و مفید هستند. منافع و مزایا هوش مصنوعی عبارتند از:
- سرعت و انسجام برخی رویه‌های حل مسئله را به‌صورتی قابل‌ملاحظه افزایش می‌دهد.
- می‌تواند مسائل و مواردی را که حل آن‌ها از طریق محاسبات سنتی ممتنع یا مشکل است، تا حدودی حل کند.
- به حل مسائل دارای داده‌های ناکافی یا غیرشفاف، کمک می‌کند.
- با انجام جست‌و‌جوهای مناسب به مهار داده‌ها و اطلاعات فراوان و حجیم یا خلاصه‌سازی و یا تفسیر داده‌ها و اطلاعات کمک می‌کند.
- کارایی انجام فعالیت‌های زیاد را به‌صورتی قابل‌ملاحظه افزایش می‌دهد.
- بسیاری از برنامه‌های عملیاتی رایانه‌ای را دوستانه‌تر می‌کند.
فلسفه هوش مصنوعی
ماهیت وجودی هوش، به‌طور کلی عبارت است از: جمع‌آوری اطلاعات، استقراء و تحلیل تجربیات، با هدف رسیدن به دانش و یا ارائه تصمیم. در واقع، هوش به‌معنای به‌کارگیری تجربه برای حل مسائل دریافت شده است. هوش مصنوعی، علم و مهندسی ایجاد ماشین‌هایی هوشمند از طریق به‌کارگیری از کامپیو‌تر و الگوگیری از درک هوش انسانی و یا حیوانی و در ‌‌نهایت دستیابی به مکانیزم هوش مصنوعی در سطح هوش انسانی است.

در مقایسه هوش مصنوعی با هوش انسانی، می‌توان گفت که انسان قادر به مشاهده و تجزیه و تحلیل مسایل به‌منظور قضاوت و اخذ تصمیم است، اما هوش مصنوعی مبتنی‌بر قوانین و رویه‌هایی از قبل تعبیه شده در کامپیو‌تر است. در نتیجه، به‌رغم وجود کامپیوترهای بسیار کارا و قوی در عصر حاضر، هنوز در ایجاد هوش‌های مصنوعی، موفق به پیاده‌سازی هوشی نزدیک به هوش انسان نشده‌ایم.

به‌طور کلی، هوش مصنوعی را می‌توان از زوایایی متفاوت مورد بررسی و مطالعه قرار داد. بین هوش مصنوعی به‌عنوان هدف، هوش مصنوعی به‌عنوان رشته تحصیلی دانشگاهی و یا هوش مصنوعی به‌عنوان مجموعه‌ای از فنون و راهکارهایی که توسط مراکز علمی مختلف و صنایع گوناگون تنظیم و توسعه یافته است، باید تفاوت قائل بود.
مدیریت پیچیدگی
ایجاد و ابداع فنون و تکنیک‌های لازم برای مدیریت پیچیدگی را باید به‌عنوان هسته بنیادین تلاش‌های علمی و پژوهشی گذشته، حال و آینده در تمامی زمینه‌های علوم رایانه بویژه در هوش مصنوعی، معرفی کرد. شیوه‌ها و تکنیک‌های هوش مصنوعی، در واقع، برای حل دسته‌ای از مسائل به‌وجود آمده است که به‌طور سهل و آسان توسط برنامه‌نویسی تابعی9 و یا شیوه‌های ریاضی، قابل حل نبوده‌اند.

در بسیاری موارد، با پوشاندن و پنهان‌سازی جزئیات فاقد اهمیت، بر پیچیدگی‌ها فائق آمده و می‌توان بر بخش‌های مهم‌تر مسئله متمرکز شد. در واقع تلاش اصلی، ایجاد و دستیابی به لایه‌ها و ترازهای بالا‌تر از هوشمندی تجرید را نشانه می‌رود، تا آنجا که سرانجام برنامه‌های کامپیوتری، درست در‌‌ همان سطحی کار خواهند کرد که خود انسان‌ها به آن رسیده‌اند.

هوش مصنوعی، اکنون در خدمت توسعه علوم رایانه‌ای است. زبان‌های برنامه‌نویسی پیشرفته که توسعه ابزارهای هوشمند را ممکن ساخته‌اند، پایگاه‌های داده‌ای پیشرفته، موتورهای جست‌و‌جو و بسیاری از نرم‌افزار‌ها و ماشین‌ها، نتایج عینی پژوهش‌هایی هستند که در زمینه هوش مصنوعی صورت گرفته‌اند.

افق‌های هوش مصنوعی
در 1943، «مک لوچ» 10 روان‌شناس، فیلسوف و شاعر و «پیتس» 11ریاضیدان، طی مقاله‌ای دیده‌های آن روزگار درباره محاسبات، منطق و روان‌شناسی عصبی را ترکیب کردند. ایده اصلی آن مقاله چگونگی انجام اعمال منطقی توسط اجزای ساده شبکه عصبی بود. اجزای بسیار ساده (نورون‌ها) این شبکه، تنها از طریق سیگنال‌های تحریک و توقیف با هم در تماس بودند. این‌‌ همان چیزی بود که بعد‌ها دانشمندان کامپیو‌تر آن را مدارهای (And) و (OR) نامیدند و طراحی اولین کامپیو‌تر در 1947 توسط فون نیومان، عمیقاً‌ از آن الهام می‌گرفت. امروز پس از گذشت نیم قرن از کار «مک لوچ» و «پیتس»، شاید بتوان گفت که این کار، الهام‌بخش گرایشی کاملاً پویا و نوین در هوش مصنوعی است. پیوندگرایی12، هوشمندی را تنها حاصل کار موازی و هم‌زمان و در عین حال تعامل تعداد بسیار زیادی اجزای کاملاً ساده به‌هم مرتبط می‌داند.

شبکه‌های عصبی که از مدل شبکه عصبی ذهن انسان الهام گرفته‌اند، امروزه دارای کاربردهای کاملاً علمی و گسترده تکنولوژیک شده و کاربرد آن در زمینه‌هایی متنوع مانند سیستم‌های کنترلی، رباتیک، تشخیص متون، پردازش تصویر و… مورد بررسی قرار گرفته است.

علاوه‌بر این، کار در زمینه توسعه سیستم‌های هوشمند، با الهام از طبیعت (هوشمندی‌های – بجز هوشمندی انسان) اکنون از زمینه‌های کاملاً پرطرفدار در هوش مصنوعی است. الگوریتم ژنتیک که با استفاده از ایده تکامل داروینی و انتخاب طبیعی پیشنهاد شده، روشی بسیار خوب برای یافتن پاسخ به مسائل بهینه‌سازی است. به‌همین‌ ترتیب، روش‌هایی دیگر مانند استراتژی‌های تکاملی نیز در این زمینه پیشنهاد شده‌اند. در این زمینه، هر گوشه‌ای از سازوکار طبیعت که پاسخ بهینه‌ای را برای مسائل یافته است، مورد پژوهش قرار می‌گیرد. زمینه‌هایی همچون سیستم امنیتی بدن انسان که در آن، بیشمار الگوی ویروس‌های مهاجم به‌صورتی هوشمندانه ذخیره می‌شوند و یا روش یافتن کوتاه‌ترین راه به منابع غذا توسط مورچگان، بیانگر گوشه‌هایی از هوشمندی بیولوژیک هستند. دیگر گرایش هوش مصنوعی، بیشتر بر مدل‌سازی اعمال‌شناختی تأکید دارد (مدل‌سازی نمادین) این گرایش خود را چندان به قابلیت تعمق بیولوژیک سیستم‌های ارائه شده، مقید نمی‌کند. دلیل‌یابی موردی13 یکی از گرایش‌های فعال در این شاخه است. مثلاً، روند استدلال توسط یک پزشک هنگام تشخیص بیماری، کاملاً مشابه CBR است، به این‌ترتیب که پزشک در ذهن خود تعداد بسیار زیادی از شواهد بیماری‌های شناخته شده را دارد و تنها باید مشاهدات خود را با نمونه‌های موجود در ذهن خویش تطبیق داده، شبیه‌ترین نمونه را به‌عنوان بیماری بیابد. به این‌ترتیب، مشخصات، نیازمندی‌ها و توانایی‌های CBR به‌عنوان چارچوب کلی پژوهش در هوش مصنوعی، موردتوجه قرار گرفته است.

هنگامی که از گرایش‌های آینده سخن می‌گوییم، هرگز نباید از گرایش‌های ترکیبی غفلت کنیم. گرایش‌هایی که خود را به حرکت در چارچوب‌شناختی یا بیولوژیک یا منطقی محدود نکرده و به ترکیبی از آن‌ها می‌اندیشند. شاید بتوان پیش‌بینی کرد که چنین گرایش‌هایی، فراساختارهای14 روانی را براساس عناصر ساده بیولوژیک بنا خواهند کرد.
تکنیک‌ها و زبان‌های برنامه‌نویسی هوش مصنوعی
عملکرد اولیه برنامه‌نویسی هوش مصنوعی، ایجاد ساختار کنترلی موردنیاز برای محاسبه نمادین است. زبان‌های برنامه‌نویسی PROLOG و LISP علاوه‌بر اینکه مهم‌ترین زبان‌های مورد استفاده در هوش مصنوعی هستند، خصوصیات نحوی و معنایی خاصی دارند که باعث شده است شیوه‌ها و راه‌حل‌هایی قوی برای حل مسئله ارائه دهند. تأثیر قابل‌توجه این زبان‌ها بر توسعه AI از جمله توانایی‌های آن‌ها به‌عنوان «ابزارهای فکر کردن» است. در واقع، همان‌طور که هوش مصنوعی مراحل رشد خود را طی می‌کند، زبان‌های PROLOG، LISP بیشتر مطرح می‌شوند این زبان‌ها کار خود را در محدوده توسعه سیستم‌های AI در صنعت و دانشگاه‌ها دنبال می‌کنند و طبیعتاً اطلاعات در مورد آن‌ها به‌عنوان بخشی از مهارت هر برنامه‌نویس AI شناخته می‌شود.
PROLOG:
زبان برنامه‌نویسی منطقی است. یک برنامه منطقی، دارای یک سری ویژگی‌های قانون و منطق است. در واقع خود این نام از برنامه‌نویسی PRO در LOGIC گرفته شده است. در این زبان، یک مفسر، برنامه را براساس منطقی خاص می‌نویسد. ایده استفاده توصیفی محاسبه اولیه برای بیان خصوصیات حل مسئله، یکی از محوریت‌های مشارکت PROLOG است که برای علم کامپیو‌تر به‌طور کلی و برای زبان برنامه‌نویسی هوشمند به‌طور اخص مورد استفاده قرار می‌گیرند.
LISP:

اصولاً زبانی کامل است که عملکرد‌ها و لیست‌های لازم برای توصیف عملکردهای جدید، تشخیص تناسب و ارزیابی معانی دارد. LISP، قدرت کامل برای اتصال به ساختارهای اطلاعاتی را به برنامه‌نویس می‌دهد. گرچه LISP یکی از قدیمی‌ترین زبان‌های محاسباتی هنوز فعال است، ‌اما دقت کافی در برنامه‌نویسی و طراحی توسعه، باعث شده که زبان برنامه‌نویسی فعال باقی بماند. در واقع این مدل برنامه‌نویسی به‌گونه‌ای مؤثر بوده است که تعدادی از دیگر زبان‌ها براساس عملکرد برنامه‌نویسی آن بنا شده‌اند (SCHEME، ML، FP) یکی از مهم‌ترین برنامه‌های مرتبط با LISP برنامه SCHEME است که یک تفکر دوباره درباره زبان در آن وجود دارد که توسط AI و برای آموزش و اصول علم کامپیو‌تر مورد استفاده قرار می‌گیرد.
عامل‌های هوشمند
عامل‌ها15 بر اساس قوانین فکر کردن خود قادر به شناسایی الگو‌ها و تصمیم‌گیری هستند. قوانین و چگونگی فکر کردن هر عامل در راستای دستیابی به هدف آن تعریف می‌شود. این سیستم‌ها، براساس قوانین خاص خود فکر کرده و کار خود را بدرستی انجام می‌دهند؛ پس، عاقلانه رفتار می‌کنند، هرچند الزاماً مانند انسان فکر نمی‌کنند.

معنای رفتار هوشمند چیست؟ چندین قابلیت، موردتوجه قرار گرفته‌اند که می‌توانند نشانه هوش باشند:

- یادگیری و یا فهمیدن چیزی از تجربه‌ها
- فهمیدن و درک کردن چیزهای مبهم و یا پیام‌های متضاد و متناقض
- پاسخ و واکنش سریع و موفقیت‌آمیز به هر موقعیت و مسئله جدید
- استفاده از منطق برای حل مشکلات و عمل مؤثر مستقیم انجام دادن
- درگیر شدن با مسائل پیچیده
- فهمیدن و استنتاج کردن با روش‌های منطقی و معمولی
- استفاده از اطلاعات، برای دست‌کاری و جست‌و‌جوهای پیرامون
- فهم ارتباط مهم عوامل مختلف در یک مسئله و یا موفقیت

گرچه اهداف اصلی AI، ساختن ماشین‌هایی است که هوش انسان را تقلید خواهند کرد، اما سیستم‌های هوشمند امروزی یافته شده در محصولات اقتصادی AI از اراده هوش مخصوص، بسیار دور هستند. همچنین، سیستم‌های هوشمند هنوز برای انجام بسیاری از کار‌ها به هوش انسانی نیازمندند (پیشرفت و توسعه مناسب فعالیت، کیفیت و چرخه زمان).

هوش مصنوعی، شاخه‌ای از علوم کامپیوتری است که با روش‌های ارائه اطلاعات ارتباط دارد. داده‌هایی که از نماد‌ها (علاوه‌بر اعداد) استفاده می‌کنند و از عملیات ذهنی به‌جای الگوریتم‌ها در عملیات داده‌ها استفاده می‌کند.

دانش و AI، اغلب با ویژگی‌های اطلاعات مرتبط است. کامپیو‌تر نمی‌تواند تجربه کسب کند، مطالعه کند و یا چیزی را یاد بگیرد. این در حالی است که مغز انسان تمامی این کار‌ها را انجام می‌دهد. کامپیو‌تر می‌تواند از اطلاعاتی استفاده کند که توسط افراد حرفه‌ای وارد آن می‌شود. این اطلاعات، شامل حقایق، ویژگی‌ها، تئوری‌ها، رویشی‌های ذهنی، محصولات و روابط است. اطلاعات، داده‌هایی سازمان‌یافته و تجزیه و تحلیل شده هستند تا زمینه‌ساز فهمیدن و کاربردی شدن آن در حل مشکلات و یا تصمیم‌گیری‌ها باشند و به محصولات، ایده‌ها و تجربه‌های انسانی پیوند خورده و مشترک شوند.

مجموع اطلاعات مرتبط با مشکلی که باید در یک سیستم هوشمند استفاده شود، در چیزی که ما به آن پایگاه اطلاعاتی می‌گوییم، ذخیره و سازماندهی می‌شود و برای هر مشکل، مخصوص و ویژه است.
مقایسه هوش مصنوعی و ذاتی
مقدار ذخیره‌ای و نهایی AI را توسط مقایسه آن با هوش ذاتی انسان بهتر می‌توان فهمید. AI چندین مزیت اقتصادی نسبت به هوش ذاتی دارد.

AI نفوذ‌کننده‌تر است، اما هوش ذاتی ممکن است از جنبه اقتصادی فناشدنی باشد زیرا افرادی که اطلاعات دارند ممکن است آن را با خود منتقل کنند و یا حتی داده‌ها را بفروشند، ‌ در حالی‌که AI تا زمانی‌که سیستم در برنامه‌های کامپیوتری تغییر نکند، باقی می‌ماند.

AI می‌تواند نسبت به هوش ذاتی، کم‌هزینه‌تر باشد. موقعیت‌های بسیاری وجود دارد که در آن، به‌کارگیری و یا خرید یک سیستم هوشمند، هزینه کمتری نسبت به نیروی انسانی برای انجام کاری مشابه است.

AI مستحکم و کامل و حسابی است. هوش طبیعی خارج از قاعده و سرگردان است. زیرا انسان‌ها این‌چنین هستند. آن‌ها ممکن است، کاری را مداوم انجام ندهند.

AI می‌تواند جمع‌بندی شود. تصمیم‌هایی که با کامپیو‌تر اخذ یا اجرا می‌شوند براحتی توسط یک‌سری برنامه‌های کامپیوتری، جمع‌بندی و ذخیره شوند، اما جمع‌بندی اطلاعات ذهن ذاتی، مشکل است.

AI، انتقال و نگهداری اطلاعات را آسان‌تر کرده است. انتقال اطلاعات از شخصی به شخص دیگر، معمولاً نیازمند یک دوره طولانی کارآموزی است. بعضی تجربیات هرگز قابل‌انتقال نیستند، ‌اما اطلاعات موجود در کامپیو‌تر براحتی از یک کامپیو‌تر به کامپیو‌تر دیگر (در هر زمان و در هر مکان) منتقل و یا کپی می‌شود. برای مثال، امروزه اطلاعات مربوط به سفارشات تطابقی مشتریان با محصولات دستگاه‌های آنالوگ، در شبکه‌های داخلی موجود است و هر مشتری در هر روز می‌تواند برطبق نیاز خود از آن استفاده کند. جمع‌بندی اطلاعات می‌تواند، به سرعت و با کمترین هزینه برای هزاران مشتری در سرتاسر دنیا فراهم شود.

با این حال، هوش ذاتی چندین مزیت نسبت به AI دارد:
هوش ذاتی خلاق است، اما AI بیشتر گیرنده دستورات است. قابلیت فهم و جذب اطلاعات در انسان، ذاتی است اما در هوش مصنوعی باید برطبق دستوراتی خاص بارگذاری شود.

- هوش ذاتی، باعث می‌شود افراد از تجربیات حسی خود به‌طور مستقیم سود ببرند و چیزی فرابگیرند، اما در بسیاری از سیستم‌ها AI، ابتدا اطلاعات جمع‌آوری شده، توسط حسگر‌ها تفسیر می‌شوند، سپس با ضوابطی خاص برای کاربران آماده می‌شوند.

-هوش ذاتی، باعث می‌شود افراد قادر به درک ارتباطات بین چیز‌ها باشند و کیفیت‌ها را احساس کنند و الگو‌ها را تشخیص دهند تا چگونگی آیتم‌های متنوع با مناسبات مشترک را توضیح دهند.

- شاید مهم‌ترین تفاوت این است که منطق انسان همیشه قادر است از محتوای تجربیات خود در حل مشکلات شخصی خویش استفاده کند، اما سیستم‌های AI عموماً قدرت و نیروی خود را با تمرکز بسیار جدی، به‌دست می‌آورند.

برخلاف محدودیت‌های روش‌های AI، این روش‌ها باعث می‌شوند تا استفاده از کامپیو‌تر آسان‌تر شده و اطلاعات و داده‌ها در سراسر جهان مورد استفاده قرار گیرند. علاوه‌بر این، با گذشت زمان، حجم و وسعت این محدودیت‌ها کاهش می‌یابد.

هوش مصنوعی، نه‌تن‌ها سیستم‌های مصنوعی بلکه شامل نوع انسان و بسیاری از موجودات زنده است که به جمع‌آوری، مدیریت، ذخیره‌سازی و انتقال اطلاعات می‌پردازند و یا حتی تحت‌تأثیر این اطلاعات قرار می‌گیرند. مثلاً ممکن است با شنیدن خبری خوشحال و با خبر دیگر غمگین شوند و با رسیدن به اطلاعاتی خاص، رفتاری خاص از خود بروز دهند. براساس این دیدگاه، تعجبی ندارد که در سال‌های اخیر، مطالعه در زمینه هوش مصنوعی از اهمیت زیادی برخوردار شده است. به‌طور کلی هدف نهایی هوش مصنوعی ساخت ماشینی است که بتواند رفتار انسان را تقلید کند.
نتیجه‌گیری
هوش مصنوعی، مفهومی است که نیم‌قرن از پیدایش آن می‌گذرد و از ابتدا ناظر بر تلاش انسان برای ساختن سیستمی برگرفته از انسان، بوده تا بتواند رفتارهای انسانی را تقلید کرده و در شرایط مختلف با استفاده از کامپیو‌تر، سیستم‌های خبره و الگوریتم‌ها و داده‌ها، تصمیماتی حرفه‌ای و هوشمند بگیرد و با تکیه بر مزایای خود، از اشتباهات نیروی انسانی جلوگیری کرده و از تجمع مهارت‌های خبرگان بهره‌برداری کند. با پیشرفت علم، دانش و گسترش این نوع هوش تلاش می‌شود تا از هوش مصنوعی در رشته‌ها و زمینه‌های بیشتری استفاده شود.