هوش مصنوعی
هوش مصنوعی Artificial intelligence شاخه‌ای از علوم کامپیوتر است که در آن به ساخت ماشین‌هایی هوشمند پرداخته می‌شود که مانند انسان‌ها عمل می‌کنند و واکنش انجام می‌دهند.یک عامل هوشمند، سیستمی است که با شناخت محیط اطراف خود، شانس موفقیت خود را پس از تحلیل و بررسی افزایش می‌دهد.
1.هوش مصنوعی
1_1. سطوح هوش مصنوعی
2_1. هوش مصنوعی بر اساس کاربرد
3_1. شاخه های هوش مصنوعی
1_3_1. یادگیری ماشین
سطوح هوش مصنوعی
هوش مصنوعی در حالت کلی سه سطح متفاوت دارد:
۱-هوش مصنوعی محدود (Artificial Narrow Intelligence)
۲-هوش مصنوعی عمومی (Artificial General Intelligence)
۳-هوش مصنوعی سوپر (Artificial Super Intelligence)
هوش مصنوعی بر اساس کاربرد
تقسیم‌بندی دیگری از هوش مصنوعی را بر اساس کاربردهایش به صورت زیر خواهد بود:
- ماشین‌های هوش مصنوعی واکنش‌گر (Reactive Machines AI)
- هوش مصنوعی با حافظه محدود (Limited Memory AI)
- هوش مصنوعی مبتنی بر تئوری ذهن (Theory Of Mind AI)
- هوش مصنوعی خودآگاه (Self-aware AI)
شاخه های هوش مصنوعی
۱-یادگیری ماشینی (machine learning)
۲-یادگیری عمیق و شبکه های عصبی (deep learning)
۳-پردازش زبان طبیعی (natural language processing)
۴-رباتیک (robotics)
۵-سیستم‌های متخصص (expert systems)
۶-منطق فازی (fuzzy logic)
یادگیری ماشین
يکي از شاخه هاي اصلي هوش مصنوعي و اصول پايه نسل 5 ام بحث يادگيري ماشين مي باشد. که به دسته های زیر تقسیم بندی می شود:
یادگیری با ناظر
در این نوع آموزش داده ها با برچسب کلاس از هم دیگر تفکیک شده اند و بر اساس خطای پس انتشارروند آموزش میسر می شود.
یادگیری بدون ناظر
این نوع آموزش بدون برچسب گذاری انتظار می رود که با توجه به میزان شباهت داده ها به خوشه های مختلف بخش بندی شوند.
یادگیری تقویتی
ادر این مدل آموزشی با تعامل با محیط و تعیین جایزه خود الگوریتم سعی در پیدا کردن قوانین حاکم خواهد داشت.
براي پياده سازي انواع الگوريتم ها و درخت هاي تصميم متلب توابع و ابزار هاي متنوعي در اختيار دانش پژوه قرار مي دهد.
در جهت آشنايي دانشجو با موراد مختلف کاربردي متلب در بحث يادگيري ماشين، سعي شده است که مثال هاي کاربردي از پياده سازي الگوريتم ها در اين بخش شگجانده شود.