دانلود پاورپوينت کتاب هوش مصنوعی: رهیاتی نوین جهت رشته هوش مصنوعی در قالب 359 اسلايد و با فرمت pptx بصورت کامل و جامع و با قابليت ويرايش

تعاريفي از AI که به چهار قسمت تقسيم شده‌اند:
پردازش فکري و استدلالي
 پردازش رفتاري
 ايده‌آل هوشمندي (منطقي بودن)
 ارائه انساني

آزموني از کامپيوتر به عمل آيد، و آزمون گيرنده نتواند دريابد که در آن طرف انسان قرار دارد يا کامپيوتر.
براي اين کار کامپيوتر بايد قابليت‌هاي زير را داشته باشد:
پردازش زبان طبيعي = محاوره
بازنمايي دانش= ذخيره اطلاعات
استدلال خودکار= استدلال و استخراج
يادگيري ماشيني= کشف الگو و برون ريزي

تست تورينگ: اين آزمون از ارتباط فيزيکي مستقيم بين کامپيوتر و محقق اجتناب مي‌کند.
به منظور قبول شدن در تست تورينگ کلي، کامپيوتر به موارد زير احتياج دارد:
 بينايي ماشين براي درک اشياء
 روباتيک به منظور حرکت آنها

فهرست مطالب

فصل اول: علل مطالعه Al
AI چیست؟
1. انسان گونه عمل کردن: رهیافت آزمون تورینگ
2. انسانی فکر کردن: رهیافت مدل سازی شناختی
3. منطقی فکر کردن: قوانین رهیافت تفکر
4. منطقی عمل کردن: رهیافت عامل منطقی
مزایای مطالعه AI به عنوان طراحی عامل منطقی
زیربنای هوش مصنوعی
فلسفه (428 قبل از میلاد مسیح-تاکنون)
ریاضیات (800. C-تاکنون)
محاسبات
منطق
احتمالات
تئوری پیچیدگی
روان شناسی (1879-تاکنون)
مهندسی کامپیوتر (1940-تاکنون)
زبان شناسی (1975-تاکنون)
تاریخچه هوش مصنوعی
پیدایش هوش مصنوعی
اشتیاق زودهنگام، آرزوهای بزرگ (1952-1969)
مقداری واقعیت (1966-1974)
سیستم های مبتنی بر دانش: کلید قدرت؟ (1969-1979)
روش های ضعیف
MYCIN نسبت به DENDRAL دو تفاوت عمده دارد
AI به یک صنعت تبدیل می شود (1980-1988)
بازگشت شبکه های عصبی

فصل دوم: عامل های هوشمند
عامل
عامل نرم افزاری
عوامل انسانی
حس کردن: گوش، چشم، دیگر ارگان ها
اثرگذاری: دست، پا، بینی، اندام های دیگر
عوامل روباتیک
حس کردن: دوربین، یابنده های مادون قرمز
اثرگذاری: موتور
عامل ها چگونه باید عمل کنند؟
تفاوت میان منطقی بودن و دانش کل (omniscience)
نگاشت ایده آل از دنباله های ادراکی به عملیات
ساختار عامل های هوشمند
برنامه های عامل
تشابهات عامل های هوشمند
چرا تنها به پاسخ ها نگاه نمی کنیم
عامل های واکنشی ساده
عامل هایی که اثرات دنیا را حفظ می کنند
عامل های هدف گرا
تفاوت عامل های واکنشی و هدف گرا
عامل های سودمند
ارتباط بین عامل و محیط
خواص محیط
قابل دسترسی در مقابل غیر دسترسی
قطعی در برابر غیر قطعی
پپیزودیک در مقابل غیراپیزودیک
ایستا در مقابل پویا
گسسته در مقابل پیوسته
سخت ترین حالت در بین حالات موجود برای محیط
برنامه های محیط

فصل سوم: حل مسائل توسط جستجو
عامل های حل مسئله
مسائل تک حالته (Single-state)
مسائل چند حالته (Multiple-state)
مسائل احتمالی (Contingency)
مسائل اکتشافی (Exploration)
دانش و انواع مسئله
دنیای مکش (جاروبرقی)
مدل های مختلف برای مسئله جاروبرقی
مسائل و راه حل های خوب تعریف شده
اندازه گیری کارایی حل مسئله
انتخاب حالات و عملیات
انتزاع
مسائل نمونه
مسائل اسباب بازی
Cryptarithmetic
دنیای مکش
مسئله کشیش ها و آدمخوارها
مسائل دنیای واقعی
مسیریابی
مسائل فروشنده دوره گرد و تور
طرح VISI
هدایت ربات
خط تولید خودکار
جستجو برای راه حل
تولید دنباله های عمل
فرآیند گسترش حالت
اصل جستجو
ریشه درخت جستجو
گره های برگی درخت
ساختارهای داده برای درخت های جستجو
تفاوت بین گره ها و حالت ها
استراتژی جستجو
جستجوی سطحی
جستجوی با هزینه یکسان
جستجوی عمقی
جستجوی عمقی محدود شده
جستجوی عمیق کننده تکراری
جستجوی دوطرفه
مقایسه استراتژی های جستجو
اجتناب از حالات تکراری
سه راه برای حل مشکل حالات تکراری برای مقابله با افزایش مرتبه و سرریزی فشار کار کامپیوتر وجود دارد
جستجوی ارضاء محدودیت (Constraint Satisfaction Problem)
محدودیت ها به گونه های مختلفی ظاهر می شوند
محدودیت های یکتا
محدودیت های دودویی
محدودیت های مطلق
محدودیت های اولویت دار

فصل چهارم: روش های جستجو آگاهانه
جستجوی بهترین
حداقل هزینه تخمین زده شده برای رسیدن به هدف: جستجوی حریصانه
ویژگی های جستجوی حریصانه
حداقل سازی مجموع هزینه مسیر: جستجوی
کشف کنندگی قابل قبول
جستجوی A*
رفتار جستجوی A*
نگاهی گذرا به اثبات کامل و بهینه بودن A*
توابع کشف کننده
اثر صحت کشف کنندگی بر کارایی
کشف کننده ها برای مسائل ارضا محدودیت
ما حداکثر از سه رنگ (قرمز، آبی، سبز) می توانیم استفاده کنیم
جستجوی SMA*
SMA* دارای خواص زیر است
الگوریتم های اصلاح تکراری
این الگوریتم ها به دو گره اصلی تقسیم می شوند:
الگوریتم های تپه نوردی (Hill-climbing)
Simulated annealing
کاربردها در مسائل ارضا محدودیت

فصل پنجم: تئوری بازی
بازی ها در نقش مسائل جستجو
دلایلی که محققین قدیم، شطرنج را به عنوان موضوعی در AI برگزیدند
پیچیدگی بازی ها
عدم قطعیت
تصمیمات کامل در بازی های دونفره
یک بازی به طور رسمی می تواند به عنوان نوعی از مسئله جستجو به همراه قسمت های زیر تعریف شود
الگوریتم MINMAX به منظور تعیین استراتژی بهینه برای MAX طراحی شده است و از این رو می توان بهترین حرکت را تصمیم گیری کرد. الگوریتم شامل 5 مرحله است:
تولید درخت کامل بازی، تمام راه تا مراحل پایانی
درخواست تابع سودمندی برای هر حالت پایانی به منظور بدست آوردن مقدارش
از سودمندی حالات پایانی به منظور تعیین سودمندی گره ها یک مرحله بالاتر دردرخت جستجو استفاده کنید.
بررسی مقادیر را از گره های برگی تا ریشه، یک لایه در هر لحظه، ادامه دهید.
احتمالاً مقادیر به بالای درخت می رسند، MAX حرکتی را انتخاب می کند که به بالاترین مقدار منتهی می شود.
تصمیمات ناقص
الگوریتم مینی ماکس، به دو راه تغییر یابد
تابع ارزیابی
چگونه به طور دقیق کیفیت را می توان اندازه گرفت؟
قطع جستجو
هرس آلفا-بتا
هرس درخت جستجو
درخت جستجوی آلفا-بتا
مزایای هرس آلفا-بتا
بازی هایی که شامل عنصر شانس هستند
ارزیابی موقعیت در بازی ها با گره های شانس
پیچیدگی

فصل ششم: عامل هایی که به طور منطقی استدلال می کنند
معرفی طراحی پایه ای برای یک عامل مبتنی بر دانش
عامل مبتنی بر دانش به موارد زیر نیاز دارد:
چه چیزهایی را بداند؟
وضعیت جاری دنیا؟
چطور توسط ادراک به خواص نادیده دنیا رجوع کند؟
چطور دنیا زمان را می گشاید؟
عامل به چیزی می خواهد برسد؟
فعالیت هایی که در شرایط مختلف انجام می دهد چیست؟
پایگاه دانش
دنیای WUMPUS
بازنمایی، استدلال و منطق
زبان بازنمایی دانش متوسط دو خاصیت تعریف می شود
تفاوت بین حقایق و بازنمایی های آن ها
استلزام
رویه استنتاج می تواند یکی از دو عامل ذیل را انجام ده
با داشتن پایگاه دانش KB می تواند جملات تازه ای از a تولید کند که مفهوم آن استلزام توسط KB باشد.
یا با داشتن یک پایگاه دانش KB و جمله a دیگری، این رویه می تواند گزارش دهد که a توسط KB مستلزم شده است یا خیر
کلید استنتاج صحیح
بازنمایی
مزایا و معایب زبان طبیعی
صدق پذیری
استنتاج در کامپیوترها
منطق گزاره ای: یک منطق بسیار ساده
علائم منطق گزاره ای:
ثابت های منطقی (true, False)
علائم گزره ای: Q, P
رابط های
پرانتز ()
تمام جملات توسط قرار دادن این علائم با هم و با استفاده از قوانین زیر، ساخته می شوند:
ثابت های منطقی (true, False) خودشان جمله محسوب می شوند.
علامات گزاره ای نظیر Q, P هر کدام به تنهایی یک جمله هستند.
پرانتزهای اطراف یک عبارت، آن عبارت را تبدیل به یک جمله واحد می سازند مثل (P ^ Q)
یک جمله می تواند توسط ترکیب جملات ساده تر با یکی از پنج رابط منطقی ایجاد می شود.
مدل ها Models
قوانین استنتاج برای منطق گزاره ای
یکنوایی
مشکل کند شدن رویه استنتاج

فصل هفتم: منطق مرتبه اول
منطق گزاره ای
منطق مرتبه اول First-Order_logic)
اجزایی که در این منطق وجود دارند:
تعریف دقیق هر عنصر به صورت زیر است
سیمبول های ثابت (Constant Symbols)
سیمبول های گزاره (Predicate Symbols)
سیمبول های تابع (Function Symbols)
ترم ها (Terms)
جملات اتمی (Atomic sentences)
جملات پیچیده
سورها (Quantifires)
منطق مرتبه اول دو سور استاندارد دارد
سور عمومی (Universal Quantification)
سور وجودی (Existential)
سورهای لانه ای (Nested Quantifiers)
تساوی (Equality)
سیمبول تساوی
توسعه ها و تمایزات نگارشی
1-منطق مرتبه بالاتر
2-1 عبارات تابعی و گزاره ای با استفاده از عملگر λ
2-2 سور یکتایی
2-3 عملگر یکتایی
3-انواع علائم
استفاده از منطق مرتبه اول
دامنه Kinship
اصل موضوعات، تعاریف و قضایا
دامنه مجموعه ها
علائم خاص برای مجموعه ها، لیست ها و محاسبات
طرح پرسش و گرفتن پاسخ
عامل های منطق برای دنیای Wumpus
عامل واکنشی ساده
محدودیت های عامل های واکنشی ساده:
وجود مسائلی که باید به عامل از طریق بازنمایی دنیا فهمانده شود.
عامل های واکنشی نمی توانند از حلقه های نامحدود اجتناب ورزند.
بازنمایی تغییر در دنیا
محاسبه موقعیت
استنتاج خواص پنهانی دنیا
دو نوع اصلی از قوانین همزمان وجود دارند
قوانین Causal
قوانین تشخیصی (Diagnostic rules)
اولویت بین عملیات
سیستم مقدار عملیاتی
به سوی یک عامل هدف دار
استنتاج
جستجو
برنامه ریزی

فصل هشتم: استنتاج در منطق مرتبه اول
قوانین استنتاج مربوط به سورها
قوانین استنتاج برای منطق گزاره ای
Modus Ponens
And – Elimination
And – Introduction
Or – Introduction
Resolution
سه قانون استنتاجی جدید
1-حذف سور عمومی (Universal Elimination)
2-حذف سور وجودی
3-(Existential Introduction)
Modus Ponens تعمیم یافته
فرم Canonical
یکسان سازی (Unificaiton)
زنجیره سازی به جلو و عقب (Forward AND Backward Chaining):
زنجیره سازی به جلو (forward chaining)
زنجیره سازی به عقب (Backward Chaining)
الگوریتم زنجیره سازی به جلو
الگوریتم زنجیره سازی به عقب
کامل بودن Completeness
Resolution: یک رویه استنتاج کامل
قانون استنتاج resolution
Resolution تعمیم یافته (ترکیبات فصلی)
Resolution تعمیم یافته (ترکیبات شرطی)
فرم های Canonical برای resolution
تبدیل به فرم نرمال
رویه ای برای تبدیل به فرم نرمال
1) حذف ترکیب شرطی
2) حذف
3) استاندارد کردن متغیرها
4) انتقال سورها به سمت چپ
5) Skolemize
6) توزیع Λ بر ν
7) ترکیبات فصلی و عطفی لانه ای مسطح شده
8) تبدیل ترکیبات فصلی به ترکیب شرطی
برخورد با مسئله تساوی
دو روش برای انجام این امر:
1) بدیهی نمودن تساوی به وسیله ذکر خواص آن
2) استفاده از یک قانون استنتاج از یک قانون استنتاج
استراتژی های Resolution:
Unit preference
2) مجموعه Support
3) Resolution ورودی
4) Subsumption

فصل نهم: برنامه ریزی
تفاوت عامل برنامه ریزی با عامل حل مسئله در سه چیز است
بازنمایی اهداف، حالات و عملیات
یک عامل ساده برنامه ریزی
از حل مسئله به برنامه ریزی
عناصر اولیه یک حل مسئله مبتنی بر جستجو
بازنمایی عملیات
بازنمایی حالات
بازنمایی اهداف
بازنمایی برنامه ها
اولین ایده کلیدی در ورای برنامه ریزی
دومین ایده کلیدی در ورای برنامه ریزی
سومین ایده کلیدی در ورای برنامه ریزی

فصل دهم: عدم قطعیت
مسئله کیفیت
برخورد با دانش غیرقطعی
عدم قطعیت و تصمیمات عقلانی
تئوری سودمندی
طراحی برای یک عامل تصمیم گیری نظری