در مورد هوش مصنوعی شایدم فلسفه (یکم تفکر)

همانطور که می دانید اطلاعات ورودی به دستگاه عصبی به وسیله گیرنده های حسی تامین می شود ؛ این گیرنده های محرک حسی نظیر لمس ، صدا ، نور ، درد ، سرما و گرما و موارد مشابه را از محیط خارج از بدن می گیرند.هر گیرنده به یک نوع محرک خاص که برای آن طراحی شده است بیشترین حساسیت را دارد و به سایر محرک ها کمتر حساس می شود .مثلا چشم به کمک سلول های استوانه ای و مخروطی به نور پاسخ عالی دارد اما کمتر ویا اصلا به صدا تحریک نشان نمی دهد . سوال مهم این است که چطور رشته های عصبی مختلف انواع مختلف حس را منتقل می کنند ؟ می توان گفت که هر رشته عصبی به یکی از نقاط خاص در دستگاه عصبی مرکزی (مغز ) منتهی میشود ، به این معنا که اگر رشته عصبی لمس تحریک الکتریکی شود شخص احساس لمس می کند .سیناپس ها محل اتصال یک نرون به نرون دیگر است و وظیفه ی انتشار سیگنال های عصبی به دستگاه عصبی و مغز را دارند این سیگنال های عصبی از طریق سیناپس به نرون وارد می شوند.تخمین زده شده این است که 99 درصد کل اطلاعات وارده به مغز نامربوط و غیر مهم تلقی می شود.هر بار که نوع خاصی از سیگنال های حسی از یک توالی سیناپسی عبور می کند این سیناپس دفعه بعد برای انتقال همان نوع سیگنال قدرتمند تر می شود و به آن روند تسهیل می گویند.پس از تکرار متوالی این پروسه این سیگنال های به طور محرک حسی در مغز تولید می شوند .این موضوع برای شخص درکی از تجربه احساسات را فراهم می کند و می توان نام آن را خاطره تجربه حسی گذاشت . وقتی خاطرات در دستگاه عصبی ذخیره شدند(روند تسهیل ) در واقع به جزئی از مکانیزم پردازش مغز برای تفکر در آینده تبدیل می شوند.به این ترتیب در حین روند تفکر ، مغز تجربیات حسی جدید را با خاطرات ذخیره شده مقایسه می کند ؛ خاطرات کمک می کنند که مغز اطلاعات حسی جدید مهم را انتخاب کند و آنها را برای استفاده آتی به مناطق ذخیره حافظه بفرستد که ذخیره حافظه منظور قشر مخ(معمولا) است.سیگنال های خروجی از طریق یک آکسون از نرون خارج می شود ، سپس این آکسون ها به سایر قسمت های عصبی و یا محیط بدن اثر می گذارند.

با این تفاسیر همین کار رو در شبکه های عصبی مصنوعی هم پیاده کرده اند.
دقیقا در اونجا هم همین بحث وجود داره. همون طور که در کتاب آقای منهاج هم دیده می شه معمولا فصل اول همه کتاب های شبکه های عصبی به همین مبانی فیزیولوژی و یادگیری مغر اختصاص داره.
بعد میاد و یواش یواش مفهوم نرون رو پیاده سازی می کنه.
در حقیقت مطلبی که گفتید در شرطی کردن هم بسیار حایز اهمیت هست. جالبه بدونید که به فیل ها به همین روش رقص یاد می دند.

پایانه های متعدد یک رشته عصبی به یک نرون ختم می شود . یعنی اینکه نرون ها درصورتی به آستانه تخلیه می رسند که از چند منبع سیگنال ورودی دریافت کنند.منظور اینکه نرون با جمع آوری اطلاعات درنهایت پاسخ خود را می دهد. ورودی های مدارگونه نورون به این نحو عمل می کند که از فیدبک های مثبت نورون تحریک مجدد می شود هرچند که در بارهای اول باید سیگنالها وارد این مدار شوند این مکانیزم در نورون های مخچه (کارهای ارادی ) و بسیاری از نورون های واسطه ای نخاع رخ می دهد . سیگنال های خروجی موزون : بسیاری از مدارهای نورونی ، سیگنال های خروجی موزون ارسال می کنند برای مثال سیگنالهای تنفسی که موزون است در ناحیه از مغز به نام بصل النخاع تولید می شود که باعث می شود ما در طول زندگی مان یک روند متعادل در تنفس کردن را داشته باشیم و همچنین به وسیله سیگنال های تحریکی دامنه سیگنال های خروجی را کاهش و یا افزایش دهیم مثلا موقع دویدن دامنه این سیگنال های به شدت به سمت دامنه کاهش پذیر میل می کند . (تابع sin را در نظر بگیرید که در حالت شروع با دوره تناوب 2p حرکت می کند اما به تدریج به واسطه سیگنال های تحریک پذیر دامنه تناوب آن به ضمیمه 104289 میل می کند و از حالت موزون بودن همیشگی خارج می شود )

شبکه عصبی مصنوعی در واقع تلاشی برای شبیه سازی عملکرد مغز در ثبت تجربیات گذشته و استفاده از آنها در آینده و با سرعت بالاست.
مثلا مغز با دیدن یک تصویر، بلافاصله تشخیص می دهد که تصویر مربوط به یک انسان است یا یک اتومبیل و ... . ولی همین کار به ظاهر ساده برای کامپیوتر و با الگوریتمهای معمولی، بسیار پیچیده و وقت گیر هست. ولی با روش شبکه عصبی می تونیم تعداد زیادی تصویر رو به کامپیوتر داده و به اون آموزش بدیم که محتوای این تصاویر چیست. حالا با نشون دادن یک تصویر جدید، کامپیوتر می تونه با سرعت نوع اون رو تشخیص بده.
یکی از عللی که حتی با این روش هم کامپیوتر بسیار کند تر از مغز هست اینه که در مغز پردازش توسط میلیاردها نورون بصورت موازی و هم زمان انجام میشه ولی در کامپیوتر باید پردازش هر نورون تک تک و به نوبت انجام بشه.
در آینده ممکنه کامپیوترهایی با قدرت پردازش بسیار بیشتر، این ضعف رو برطرف کنن. مثلا کامپیوترهای کوانتومی که امروزه در مرحله تحقیقاتی قرار دارن، در حل برخی مسائل خاص، سرعتی هزاران برابر کامپیوتر های معمولی دارن.
البته ضعف دیگر کامپیوتر در برابر مغز، منطق هست. مغز با استفاده از منطق خودش میتونه هر چیزی رو درک کنه. ولی در کامپیوتر های کنونی هنوز منطق همه جانبه ای تعریف نشده و فقط برای حل برخی مسائل، الگوریتمهایی یافته شده و برنامه نویسی شده است.

اصلاح می کنم.
کامپیوترهای کوانتومی ، در حل برخی مسائل خاص، سرعتی میلیاردها برابر کامپیوتر های معمولی دارن.

سلام دوستان!
متاسفانه الان حوصله ندارم توضیحات مفصل بدم! اما در باب حرف هایی که در این تاپیک زده شد، این ها رو مطالعه کنید... خیلی جالب هستن و طرز تفکر شما رو احتمالا تغییر بدن:

Gödel's incompleteness theorems
قضایای ناتمامیت گودل
Holonomic brain theory
نظریه مغز هولونومیکی
Free will theorem
?Do subatomic particles have free will
...

حالا شما چی فکر می کنید؟!

در اولین فرصت نگاه می کنم ولی یک کتاب دستم اومد به نام جهان هولوگرافیک، داغون شدم آقا داغون :)

بحت جالبی بود.
به نظر من هیچ چیزی نمی تونه مثل خودش رو بسازه. چون درک صحیحی از خودش نداره و فقط خالقش میدونه چی ساخته. فکر نمیکنم سیستم مغز انسان رو بطور کامل بشه شبیه سازی کرد. ولی امکان ساختن رباتی که اطلاعاتش رو ارتقا بده هست ولی به خاطر محدودیت های سخت افزاریش نمیتونه به کمال برسه.

هر چیز محدودی در زمان محدود قابل شناسایی هست. مگر این که قائل به نامحدودیت انسان باشیم.

هوش مصنوعی خیلی رشته خوبیه، مخصوصا رشته پردازش تصویرش
در کل کاربرد هوش مصنوعی کلا گستردس و مثل یک ابزار هست که هر شخصی می تونه ازش استفاده خوب یا بد کنه
در رابطه با هوش مصنوعی آکادمی همراه اول یک مقاله خوب نوشته که واقعا عالی بود
بهتون پیشنهاد میدم که بخونید ...
اینم لینکش:
https://hamrah.academy/blog/artificial-intelligence/