spow 44197 اشتراک گذاری ارسال شده در 17 شهریور، ۱۳۹۱ هوش مصنوعی ● زیر بنای هوش مصنوعی: در این فصل و فصل بعدی ، تاریخچه مختصری از AI را ذکر می کنیم. اگر چه AI زمینه تازه ای است ، اما بسیاری از ایده ها، نقطه نظرات و تکنیکها را از قوانین دیگر به ارث برده است. پس از گذشت ۲۰۰۰ سال از پیدایش فلسفه، تئوریهای بسیاری در رابطه با استدلال و یادگیری بوجود آمده اند؛ با این تصور که ذهن توسط عملیات یک سیستم فیزیکی جانشین می شود . پس از گذشت ۴۰۰ سال از علم ریاضی، ما تئوریهایی رسمی در مورد منطق، احتمال، تصمیم گیری و محاسبه پذیری داریم. از طریق علم روانشناسی ابزاری داریم که می توانیم در مورد ذهن انسان تحقیق کنیم و یک زبان علمی داریم که قادر است تئوریهای نتیجه شده را بیان کند. از زبان شناسی، تئوریهایی در رابطه با ساختار و مفهوم زبان داریم. بالاخره، از علم کامپیوتر، ابزارهایی داریم که با آن می توانیم AI را به واقعیت تبدیل کنیم. مشابه با هر تاریخی، AI نیز مجبور شده است تا بر روی تعداد محدودی از افراد و حوادث تمرکز کرده و از بقیه که شاید مهم هم بوده باشند، غافل بماند. می خواهیم با مرتب کردن حوادث داستان چگونگی پیدایش قسمتهای مختلف AI مدرن را بازگو کنیم. مطمئناً خواستار آن نیستیم که عقیده جدیدی را مطرح کنیم، اگر چه روشی که بر پایه آن مولفه ها تماماً در کنار هم کار خواهند کرد به سوی ماحصل نهایی خود یعنی AI مطرح می گردند. ● زیر بنای هوش مصنوعی: در این فصل و فصل بعدی ، تاریخچه مختصری از AI را ذکر می کنیم. اگر چه AI زمینه تازه ای است ، اما بسیاری از ایده ها، نقطه نظرات و تکنیکها را از قوانین دیگر به ارث برده است. پس از گذشت ۲۰۰۰ سال از پیدایش فلسفه، تئوریهای بسیاری در رابطه با استدلال و یادگیری بوجود آمده اند؛ با این تصور که ذهن توسط عملیات یک سیستم فیزیکی جانشین می شود . پس از گذشت ۴۰۰ سال از علم ریاضی، ما تئوریهایی رسمی در مورد منطق، احتمال، تصمیم گیری و محاسبه پذیری داریم. از طریق علم روانشناسی ابزاری داریم که می توانیم در مورد ذهن انسان تحقیق کنیم و یک زبان علمی داریم که قادر است تئوریهای نتیجه شده را بیان کند. از زبان شناسی، تئوریهایی در رابطه با ساختار و مفهوم زبان داریم. بالاخره، از علم کامپیوتر، ابزارهایی داریم که با آن می توانیم AI را به واقعیت تبدیل کنیم. مشابه با هر تاریخی، AI نیز مجبور شده است تا بر روی تعداد محدودی از افراد و حوادث تمرکز کرده و از بقیه که شاید مهم هم بوده باشند، غافل بماند. می خواهیم با مرتب کردن حوادث داستان چگونگی پیدایش قسمتهای مختلف AI مدرن را بازگو کنیم. مطمئناً خواستار آن نیستیم که عقیده جدیدی را مطرح کنیم، اگر چه روشی که بر پایه آن مولفه ها تماماً در کنار هم کار خواهند کرد به سوی ماحصل نهایی خود یعنی AI مطرح می گردند. ● فلسفه (۴۲۸ قبل از میلاد مسیح تاکنون ): مطمئنترین مشخصه سنت فلاسفه اروپایی شامل نوشتن پی نوشتهایی بر روی نظریات افلاطون است. ما با تولد افلاطون در سال ۴۲۸ قبل از میلاد آ غاز می کنیم. نوشته های او در مورد سیاست، ریاضیات، فیزیک، نجوم و شاخه های متعددی از علم فلسفه بوده است. افلاطون و استادش سقراط و شاگردش ارسطو همگی پایه های تفکر و فرهنگ غرب را تشکیل می دهند. فیلسوف Deryfus Herbert می گوید که "داستان هوش مصنوعی در اصل در حدود سال ۴۵۰ قبل از میلاد آغاز شده است." زمانی که افلاطون گفتگویی را گزارش می کند که در آن سقراط از اپیکور می پرسد، "می خواهم بدانم که ویژگی تقوا چیست که تمامی اعمال را پرهیزگار می سازد...که من ممکن است آن را داشته باشم تا به کار بندم و از آن به عنوان استانداردی برای قضاوت اعمال شما و دیگر مردمان استفاده کنم." به عبارت دیگر، از سقراط الگوریتمی به منظور تشخیص تقوا از بی تقوایی خواسته شده است. ارسطو سعی کرد تا قوانینی که بر قسمت منطقی ذهن حاکم است را فرموله سازد. او سیستمی غیر رسمی از قیاس برای استدلال مناسب توسعه داد که در اساس اجازه می دهد بر پایه فرضیات اولیه نتایج به طور مکانیکی تولید شوند. ارسطو به این باور اعتقاد نداشت که تماماً قسمتهای ذهن توسط پردازشهای منطقی پوشیده شده و همچنین تصوری از استدلال شهودی داشت. حال که ما ایده ای از مجموعه قوانینی که طرز کار ذهن را (قسمت کوچکی از آن) بیان می کنند، داریم، قدم بعدی در نظر گرفتن ذهن به عنوان سیستمی فیزیکی است. در اینجا باید منتظر رنه دکارت(۱۶۵۰ ۱۵۹۶) برای بحث در مورد تمییز ذهن از ماده و مسائل مربوط به آن باشیم. یکی از مشکلات درک فیزیکی خالص ذهن آنست که اگر ذهن تنها با قوانین فیزیکی مدیریت شود به نظر می رسد که ذهن برای رها شدن جای کوچکی را ترک خواهد کرد و در این شرایط همانند سنگی خواهد بود که تصمیم گرفته به مرکز زمین سقوط کند. اگر چه دکارت مدافع سرسخت قدرت استدلال بود، همچنین طرفدار مکتب دوالیسم نیز بود. او معتقد بود که قسمتی از ذهن (روح یا جان) که خارج از طبیعت قرار دارد، معاف از قوانین فیزیکی است. از سوی دیگر، او تصور نمود که حیوانات فاقد چنین کیفیت دوگانگی هستند، آنها را می توان همچون یک ماشین در نظر گرفت. در مقابل دوالیسم ، ماتریالیسم مطرح می شود که معتقد است تمامی جهان (شامل مغز و ذهن) مطابق قوانین فیزیکی عمل می کنند. ویلهم لایبنیز (۱۷۱۶ ۱۶۴۶) اولین کسی بود که موقعیت ماتریالیستی را به نتایج منطقی اش تبدیل کرد و ابزاری مکانیکی برای انجام عملیات منطقی ساخت. متأسفانه، فرموله نمودن منطق او چنان ضعیف بود که ماشین تولید مفهوم او نمی توانست نتایج جالبی تولید کند. همچنین می توان وضعیت بینابینی را قبول کرد که در آن فرد قبول کند که ذهن پایه ای فیزیکی دارد، اما اینکه ذهن می تواند توسط پردازشهای فیزیکی تعریف شود را منکر شویم. بنابراین فرایندهای روانی و هوشیاری بخشی از دنیای فیزیکی هستند اما ذاتاًَ ناشناخته هستند یعنی ماوراء ادراک منطقی قرار دارند. برخی از فلاسفه منتقد AI، دقیقاً این موقعیت را قبول کردند. به استثنای این اعتراضات ممکن به اهداف AI، فلسفه عقیده ای را ایجاد نموده که ذهن به عنوان یک ابزار فیزیکی تصور شده و قانونمندانه توسط استدلال و دانش که در آن وجود دارد، کار می کند. مسئله بعدی ایجاد منبع دانش است . جنبش آزمون گرایان با فرانسیس بیکن (۱۶۲۶ ۱۵۶۱) آغاز شد و با شعار جان لاک (۱۷۰۴ ۱۶۳۲) مفهوم یافت: "هیچ چیز قابل فهم نیست اگر ابتدا در حس نباشد." کتاب دیوید هیوم (۱۷۷۶ ۱۷۱۱) با عنوان رساله ای از طبیعت انسان چیزی را پیشنهاد نمود که امروزه به عنوان اصل استقرا شهرت یافته است. قوانین عمومی توسط تکرار ارتباطات بین عناصر آنها بوجود می آیند . این تئوری توسط برتراندراسل (۱۹۷۰ ۱۸۷۲) شکل رسمی تری به خود گرفت، کسی که پایه گذار پوزیوتیزم منطقی است. این نظریه می گوید که تمامی دانشها می توانند بوسیله تئوریهای منطقی مرتبط شده بیان گردند، حتی جملات مشاهده ای که با ورودیهای حسی مطابقت دارند. تئوری تأیید رودلف کارنپ و کارل همپل سعی دارد تا ارتباط طبیعی بین جملات مشاهده ای و تئوریهای عمومی تر را ایجاد نماید، به عبارت دیگر، تلاش می کنند تا دریابند چگونه دانش قادر است از تجربه اخذ گردد. 1 لینک به دیدگاه
spow 44197 مالک اشتراک گذاری ارسال شده در 17 شهریور، ۱۳۹۱ آخرین عنصر در تصویر فلسفه ای ذهن، ارتباط بین دانش و عمل است. این ارتباط چه شکلی خواهد داشت و چطور عملیات ویژه ای می توانند توجیه شوند؟ این سوالات برای AI حیاتی هستند چرا که تنها از طریق درک است که اعمال تصدیق می شوند و ما می توانیم پی ببریم که چطور عاملی ساخته می شود تا عملیاتش منطقی و قابل تصدیق باشد. ارسطو پاسخ مناسبی را در کتاب Nicomachean Ethics بیان می کند: ما در مورد عاقبت و انتها نمی اندیشیم بلکه در مورد معانی فکر می کنیم. برای پزشک شفا دادن را، برای سخنران تشویق را، برای وکیل وضع قانون و برای هیچکس دیگر به عاقبت کار نمی اندیشیم. آنها عاقبت را در نظر می گیرند و فکر می کنند چگونه و با چه معانی به دست خواهد آمد، اگر آسان به نظر آید و به نحو احسن حاصل شود. رهیافت ارسطو ۲۳۰۰ سال بعد توسط سیمون و نویل در برنامه GPS پیاده سازی شد و چیزی که آنها نوشتند: روشهای اصلی GPSخاصیت شهودی آنالیز mean ends را مجسم می کند. آنالیز mean ends به وسیله توافق حس مشترک دنبال می شود: من می خواهم پسرم را به دبستان ببرم. چه تفوتی میان خواستن و داشتن وجود دارد؟ یک نوع فاصله. چه چیزی فاصله را تغییر می دهد؟ اتومبیل من. اتومبیل من کار نمی کند. چه چیز لازم است تا آن کار کند؟ باطری تازه. باطریهای تازه کجا هستند؟ یک فروشگاه لوازم یدکی. من از فروشگاه لوازم یدکی می خواهم که یک باطری جدید برایم نصب کند اما فروشگاه خبر ندارد که من باطری لازم دارم. مشکل چیست؟ یک نوع ارتباط. چه چیزی باعث ارتباط می شود؟ یک تلفن و ... برو جلو. این نوع تحلیل اشیا را بر حسب عملکرد آنها دسته بندی نموده و در اطراف آنها کارکرد مورد نیازشان نوسان نموده و بدین ترتیب پایه سیستم مکاشفه ای GPS را بنیان می گذارد. آنالیز mean ends مفید است، اما به ما نمی گوید زمانی که فعالیتهای زیادی ما را به هدف برسانند، چه کنیم و یا زمانی که هیچ عملی برای رسیدن به هدف وجود نداشته باشد. آرنائولد، به درستی فرمولی کمی برای تصمیم گیری در چنین شرایطی را توصیف نموده است. جان استوارت میل (۱۸۷۳ ۱۸۰۶) در کتاب Utilitarianism این ایده را گسترش داده است. در بخش بعدی تئوری رسمی تری از تصمیم گیری ارائه می گردد. ● ریاضیات (۸۰۰.C تاکنون): فلاسفه بیشتر ایده های مهم AI را ذکر کرده اند، اما برای ارتباط آنها با دانش نظری نیاز به فرمول سازی ریاضی در سه زمینه اصلی است: محاسبات، منطق و احتمالات. نظریه اظهار محاسبات به عنوان الگوریتمی رسمی به خوارزمی برمی گردد، ریاضیدان عربی قرن نهم که نوشته های وی جبر و تئوری اعداد عربی را به اروپا معرفی کرد. منطق حداقل به زبان ارسطو برمی گردد، اما تا قبل از جورج بول (۱۸۶۴ ۱۸۱۸) بیشتر نگرش فلسفی بر آن بود تا ریاضی. او کسی بود که زبان رسمی اش برای ساخت استنتاج منطقی در سال ۱۸۴۷ معرفی شد. رهیافت بول کامل نبود اما به اندازه کافی مفید بود تا خلأهای بقیه را پر کند. در سال ۱۸۷۹ Frege (۱۹۲۵ ۱۸۴۷) منطقی را به وجود آورد که به جز برخی تغییرات نگارشی، منطق مرتبه اول را به شکلی مطرح نمود که امروزه در بیشتر سیستمهای نمایش دانش پایه استفاده می شود. آلفرد تارسکی (۱۹۸۳ ۱۹۰۲) تئوری اساسی را به وجود آورد که چگونه اشیا موجود در محیط منطقی را به اشیا موجود در دنیای واقعی مرتبط کنیم. قدم بعدی تعیین محدودیتهای منطق و محاسبه بود. دیوید هیلبرت (۱۹۴۳ ۱۸۶۲) ریاضیدان بزرگی بود که همه او را به خاطر مسائلی که نتواست حل کند به خاطر دارند. در سال ۱۹۰۰ او لیستی حاوی ۲۳ مسئله ارائه نمود که به درستی پیش بینی نمود یک قرن ذهن ریاضیدانان را به خود مشغول خئاهد کرد. در آخرین مسئله می پرسد که آیا الگوریتمی برای تصمیم گیری درست منطقی گزاره ها شامل اعداد طبیعی وجود دارد که آن را مسئله تصمیم گیری نامید. عبارت درست در منطق مرتبه اول فریگه و راسل وجود دارد، اما منطق مرتبه اول نتوانست اصل استقرا ریاضی مورد نیاز برای تشخیص اعداد طبیعی را شامل گردد. در ۱۹۳۱، او نشان داد که محدودیتهای واقعی وجود دارند. قضیه کامل نبودن وی نشان داد که در هر زبانی هر چند پر معنا برای بیان خواص اعداد طبیعی، عبارات درستی وجود دارند که غیرقابل تصمیم گیری هستند و درستی آنها توسط هیچ الگوریتمی نمی تواند ایجاد شود. این نتیجه بنیادی می تواند بدین گونه نیز تفسیر گردد که توابعی بر روی اعداد صحیح وجود دارند که به وسیله الگوریتم غیر قابل بیان هستند، بنابراین نمی توانند محاسبه گردند. این قضیه آلن تورینگ (۱۹۵۴ ۱۹۱۲) را ترغیب کرد تا به دنبال راه حلی باشد تا بتواند توابعی را بیابد که محاسبه پذیر باشند. این موضوع در عمل کمی مشکل آفرین است چرا که مفهوم محاسبه یا روال موثر حقیقتاً نمی تواند توسط تعریفی رسمی داده شود. به هر حال نظریه چرچ ـ تورینگ بیان می کند که ماشین تورینگ قادر به محاسبه هر تابع محاسبه پذیری است، به طور عمومی پذیرفته شد تا تعریف کافی مهیا گردد. تورینگ همچنین نشان داد که توابعی وجود دارند که هیچ ماشین تورینگی قادر به محاسبه آن نیست. برای مثال، هیچ ماشینی در حالت کلی نمی تواند بگوید که یک برنامه داده شده به ازای ورودی داده شده پاسخی باز می گرداند یا بینهایت بار اجرا خواهد شد. اگر چه تصمیم ناپذیری و محاسبه ناپذیری برای درک محاسبات اهمیت دارند، مفهوم انجام ناپذیری تأثیر بیشتری را داشته است. گروهی از مسائل انجام ناپذیر نامیده می شوند اگر زمان حل نمونه های گروه نرخ رشدی نمایی نسبت به اندازه نمونه داشته باشند. تمایز بین رشد نمایی و چند جمله ای اولین بار در نیمه دهه ۱۹۶۰ میلادی تأکید شد. این مسئله مهم است چرا که رشد نمایی بدین معناست که حتی در اندازه متوسط، نمونه ها نمی توانند در زمان قابل قبولی حل شوند. بنابراین کسی باید تلاش کند تا مسئله را از تولید رفتار هوشمندانه به زیر مسائل حل شدنی تقسیم کند تا به انواع غیرقابل حل شدن. دومین مفهوم در تئوری پیچیدگی مفهوم استحاله است که در همان دهه ۱۹۶۰ حاصل شده است. استحاله تبدیلی عمومی از یک گروه مسائل به دیگری است چنانچه راه حلهای گروه اول با استحاله آنها به مسائل گروه دوم و حل مسائل آخری پیدا شود. چگونه می توانیم مسئله انجام ناپذیر را تشخیص دهیم؟ تئوری NP completeness که به وسیله استیون کوک (۱۹۷۱) و ریچارد کارپ (۱۹۷۲) مطرح شد چنین روشی را مهیا می کند. کوک و کارپ نشان دادند وجود گروههای بزگی از مسائل جستجوی ترکیبی تمرکزی و استدلالی، NP complete هستند. هر گروه مسئله ای که به گروه NP complete تقلیل یابد خود نیز مسائل انجام ناپذیر شناخته می شود.این نتایج به وضوح با " ابر مغزهای الکترونیکی" در تضاد هستند. به رغم افزایش سرعت کامپیوترها، استفاده دقیق از منابع، مشخصه سیستمهای هوشمند خواهد بود. اما باید توجه داشت که جهان یک نمونه از مسئله به غایت بزرگ است! علاوه بر منطق محاسبات، سومین شاخه بزرگ ریاضیات برای AI تئوری احتمال است. جوردانو گاردنیوی ایتالیایی (۱۵۷۶ ۱۵۰۱) اولین کسی بود که ایده احتمال را مطرح کردو آنرا به صورت نتایج ممکن در رویدادهای بازیهای شانسی تعریف نمود. قبل از زمان حیات وی، نتایج بازیهای شانسی به خواست خدایان دیده می شد تا شانس افراد. احتمالات به سرعت بخش باارزشی از علوم کمی را تشکیل داد و کار با اندازه گیریهای نامطمئن و تئوریهای ناقص را سهل نمود. برنولی همچنین دیدگاهی از احتمالات را به وجود آورد که به عنوان درجه باور ذهنی در مقایسه با نرخ نتایج عینی مطرح شد. بنابراین احتمالات ذهنی می توانند در جایی که مدرک تازه ا ی به دست آید به روز درآورده شوند. توماس بیس (۱۷۶۱ ۱۷۰۲) قانونی برای به هنگام سازی احتمالات ذهنی را با وجود شواهد تازه به وجود آورد. قانون بیس و حیطه بعدی آنالیز بیسی، زیربنای رهیافت نوین به استدلال غیر قطعی در سیستمهای AI است. هنوز بحث بین هواداران ایده های عینی و ذهنی احتمالات شدت دارد. اما یک چیز مشخص نیست که این اختلاف نظرها اهمیت زیادی برای AI دارند یا خیر. هر دو طرف از همان مجموعه اصل موضوعهای یکسان پیروی می کنند. مطابق با منطق باید ارتباطی بین استدلال احتمالاتی و عمل برقرار گردد. تئوری تصمیم گیری که با کار جان ون نیومن و اسکار مورگنسترن (۱۹۴۴) آغاز شد، تئوری احتمال و تئوری سودمندی را ترکیب کرده تا اولین تئوری عمومی که تمایز بین عمل خوب و بد را معین می کند، ایجاد نماید. لینک به دیدگاه
spow 44197 مالک اشتراک گذاری ارسال شده در 17 شهریور، ۱۳۹۱ ● روانشناسی (۱۸۷۹ تاکنون): روانشناسی به علمی گفته می شود که با کار فیزیکدان آلمانی هرمن ون هلمولتز (۱۸۹۴ ۱۸۲۱) و شاگرد وی ویلهم وندت (۱۹۲۰ ۱۸۳۲) آغاز شده است. هلمولتز روش علمی را برای مطالعه بینایی انسان به کار برد و کتاب مرجع بینایی فیزیولوژیک وی حتی هم اکنون به عنوان مهمترین رساله فیزیکی و روانشناختی بینایی انسان تا به امروز شناخته می شود. در سال ۱۸۷۹ یعنی همان سالی که منطق مرتبه اول مطرح شد، وندت اولین آزمایشگاه روانشناسی تجربی را در دانشگاه لایپزیت راه انداخت. وندت بر روی تجارب به دقت کنترل شده پافشاری می کرد که در آن کارکنانش زمانی که پردازشهای فکری آنها را بررسی می کرد، یک عمل ادراکی را ارائه می کردند. کنترلهای دقیق راه طولانی را طی کردند تا روانشناسی را به یک علم تبدیل نمود. امام همانگونه که متدولوژی انتشار می یافت، پدیده ای جدی نیز مطرح می شد. هر آزمایشگاه داده هایی را گزارش می داد که با تئوریهای متداول در آن آزمایشگاه مطابقت داشت. حرکت رفتارگرایی جان داتسن (۱۹۵۸ ۱۸۷۵) و ادوارد تورن دایک (۱۹۴۹ ۱۸۷۴) در مقابل ذهنی گرایی طغیان کرد و هر تئوری که مبتنی بر پردازشهای ذهن بود را رد کرد و اظهار داشت که درون گرایی شواهد قابل اطمینانی را تولید نخواهد کرد. رفتارگرایان تنها بر روی مطالعه اندازه گیری محرکها اعمال شده به یک حیوان و عملکرد اثر آن پافشاری می کردند. ساختارهای ذهنی همانند دانش، باورها، اهداف و مراحل استدلال به عنوان روانشناسی محلی غیر عملی مطرح شدند. رفتارگرایان مطابل زیادی در مورد موشها و کبوتران کشف کردند اما برای درک انسان چندان موفق نبودند. با این وجود در حدود سالهای ۱۹۲۰ تا ۱۹۶۰ نفوذ زیادی بر روانشناسی به ویژه در ایالات متحده داشتند. این نگرش که مغز دارنده و پردازش کننده اطلاعات است و اساس مشخصه روانشناسی شناختی راتشکیل می دهد، به زمان کارهای ویلیام جیمس (۱۹۱۰ ۱۸۲۴) برمی گردد. هلمهولتز همچنین اصرار داشت که ادراک شامل شکلی از استنتاج منطقی غیرآگاهانه است. نقطه نظر شناختی تا سال ۱۹۴۳ وسیعاً توسط رفتارگرایان تحت الشعاع قرار داده شده بود، زمانی که کنت کریک کتاب ماهیت بیان را منتشر نمود. کریک قدم ذهنی گم شده بین محرکها و پاسخها را قرار داد. او ادعا کرد که باورها، اهداف و مراحل استدلال می توانند مولفه های معتبری از تئوری رفتار انسانی باشند. کریک سه مرحله کلیدی را برای عامل مبتنی بر دانش معین کرد: (۱) محرکها باید به شکل درونی تبدیل شوند (۲) بازنمایی توسط پردازشهای شناختی بازنمایی های داخلی جدیدی را مشتق کند و (۳) اینها دوباره ب صورت عمل برگردند. او به روشنی توضیح داد چرا این طرحی خوب برای یک عامل است. عاملی که بدین گوه طراحی می شود، می تواند سفری طولانی را با در نظر گرفتن مسیرهای ممکن متفاوت و مقایسه آنها و انتخاب بهترین آنها، قبل از شروع سفر برنا ریزی کند. تا سال ۱۹۶۰ دیدگاه پردازش اطلاعات بر روانشناسی غالب بود. اما اکنون اکثریت روانشناسان اعتقاد دارند که یک تئوری ادراکی باید مانند برنامه ای کامپیوتری باشد. از این رو تئوری باید شناخت را به عنوان فرایندهای تبدیل درست تعریف شده ای شرح دهد که در سطح اطلاعات سیگنال ورودی را حمل می کنند. ● مهندسی کامپیوتر (۱۹۴۰ تاکنون): برای پیشرفت هوش مصنوعی، به دو چیز احتیاج داریم: هوش و محصول مصنوعی. کامپیوتر می تواند محصول مصنوعی باشد که بهترین شانس نمایش هوش را دارد. کامپیوتر الکترونیک دیجیتال مدرن همزمان توسط دانشمندان سه کشور که در جنگ جهانی دوم صف آرایی کرده بودند، ساخته شده است. اولین کامپیوتر مدرن عملیاتی Health Robinson نام داشت که در سال ۱۹۴۰ توسط تیم آلن تورینگ برای هدف کدگشایی پیامهای آلمانها ساخته شد. زمانی که آلمانها به کد پیچیده تری روی آوردند، ثابت شد که رله های الکترومکانیکی رابینسون بسیار کند هستند و ماشین جدیدی به نام Colossus با تیوپهای مکنده ساخته شد. این ماشین در سال ۱۹۴۳ کامل شد و در انتهای جنگ، ده ماشین Colossus مورد استفاده روزانه قرار می گرفت. اولین کامپیوتر قابل برنامه ریزی نام داشت که اختراع کنراد زوس در سال ۱۹۴۱ در آلمان بود. زوس اعداد با ممیز شناور را برای اختراع کرد و در سال ۱۹۴۵ زبان Plankalkul را به عنوان اولین زبان برنامه نویسی سطح بالا توسعه داد. اگرچه زوس از طرف رایش سوم برای به کارگیری ماشینش در طراحی هواپیما مورد حمایت قرار گرفت اما سلسله مراتب نظامی اهمیت چندانی برای استفاده از آن نداد همان طور که رقیب انگلیسی نیز این کار را نکرد. در ایالات متحده، اولین کامپیوتر الکترونیک یعنی ABC توسط جان آتاناسف و دانشجوی کارشناسی ارشدش کلیفورد بری بین سالهای ۱۹۴۰ تا ۱۹۴۲ در دانشگاه ایالتی ایوا ساخته شد. این پروژه از حمایتهای اندکی برخوردار بود و با رفتن آتاناسف به صنایع نظامی در واشنگتن به تعلیق درآمد. دو پروژه کامپیوتری دیگر در تحقیقات سری آتش آغاز شدند: III و II و I MARK که در هاروارد توسط تیمی زیر نظر هوراد ایکن توسعه داده شد و ENIAC که در دانشگاه پنسیلوانیا توسط تیمی به سرپرستی جان ماچلی و جان اکرت ساخته شد. ENIAC اولین کامپیوتر دیجیتال الکترونیک چند منظوره بود. یکی از اولین کاربردهای آن محاسبه جداول آتشبار توپخانه بود. EDVAC که بر پایه پیشنهاد ون نیومن برای استفاده برنامه ذخیره شده ساخته شده بود و تکنسینها را قادر ساخته برای اجرای برنامه ای جدید نیازمند جابجایی سیم بندیها نباشد. اما شاید مهمترین اتفاق ساخت در سال ۱۹۵۲ توسط ناتانیل روچتر و گروه وی بود. این اولین کامپیوتری بود که برای سازندگان آن سودی به ثمر رساند. رفت که تبدیل به یکی از بزرگترین شرکتها شود و فروش کامپیوترهایش به سالانه ۱۵۰ میلیارد دلار برسد. در ایالات متحده صنعت کامپیوتر در حال حاضر در حدود ۱۰% از تولید ناخالص ملی را تشکیل می دهد. هر نسلی از سخت افزار کامپیوتر به سرعت و ظرفیت خود افزایش داده است و از سوی دیگر قیمتها نیز کاهش یافته اند. مهندسی کامپیوتر به طور قابل ملاحظه ای موفقیت آمیز بوده است و هر دو سال یکبار کارایی آن دو برابر می شود و در این فرایند افزایش نمی توان پایانی را متصور بود. ماشینهای موازی می توانند محاسبات بسیار سنگین و پیچیده تری را برای حصول خروجی بهتر انجام دهند. همچنین دینی دارد که باید به بخش نرم افزاری علوم کامپیوتر ادا کند که سیستمها عامل، زبانهای برنامه نویسی و ابزارهای مورد نیاز برای تهیه برنامه های مدرن را مهیا نموده است. اما زمینه ای است که در آن دینها پرداخته شده است: کار در زمینه منجر به ایده های بسیار متعددی شد که به علوم کامپیوتر برگشت همانند اشتراک زمانی، مفسرهای دوسویه، نوع داده لیست پیوندی، مدیریت حافظه خودکار و برخی نکات کلیدی برنامه نویسی شیی ـ گرا و محیطهای توسعه برنامه مجتمع با واسط کاربر گرافیکی. ● زبان شناسی (۱۹۵۷ تاکنون): در سال ۱۹۵۷ فرانک اسکینر کتاب رفتار زبانی را منتشر کرد. این یک کتاب مشروح در نگرش رفتارگرایان برای یادگیری زبان بود که توسط پیشگامان این علم نوشته شد. اما چاپ تجدید نظر شده این کتاب به شهرتی همانند اصل کتاب رسید و باعث عدم تمایل وسیعی نسبت به نظریه رفتارگرایان شد. نویسنده این تجدیدنظر نوآم چامسکی بود که این کتاب را براساس تئوری خودش یعنی ساختارهای ترکیبی منتشر ساخت. چامسکی نشان داد که چگونه تئوری رفتارگرایان نمی تواند مفهوم خلاقیت در زبان را توجیه کند چرا که قادر به توجیه نیست چگونه یک کودک می تواند بفهمد و جمله بسازد در حالی که او هرگز آن جملات را قبلاً نشنیده است. تئوری چامسکی بر پایه مدلهای نحوی قرار دارد که به پانینی زبان شناس هندی (۳۵۰ قبل از میلاد مسیح) برمی گردد. تئوری چامسکی برخلاف تئوریهای قبلی به اندازه کافی رسمی بود تا قابل برنامه نویسی گردد. پیشرفتهای بعدی در زبان شناسی نشان داد که مسئله نسبت به آنچه که در سال ۱۹۵۷ به نظر می رسید، می بایست به طور قابل ملاحظه ای پیچیده تر باشد. زبان دارای ابهامات و ناگفته های زیادی است . این بدان معنی است که فهم زبان نیاز به فهم موضوع و زمینه آن دارد و نه تنها یک فهم ساده از ساختار جملات. این به نظر واضح می آید اما به اندازه کافی تا اول دهه ۱۹۶۰ میلادی قابل تحسین نبود. بیشتر کارهای گذشته بر روی بازنمایی معرفت (مطالعه اینکه چگونه دانش را به گونه ای تبدیل می کنند که قابل استفاده کامپیوتر برای استدلال گردد) با زبان گره خورده بود و همچنین با تحقیقات در زبان شناسی که منجر به کار در چند دهه به روی آنالیز فلسفی زبان شد. زبان شناسی مدرن و در یک زمان متولد شدند، بنابراین زبان شناسی نقش مهمی در رشد بازی نمی کند. منتها این دو در یک زمینه مشترک به نام زبان شناسی محاسباتی یا پردازش زبان طبیعی به هم تنیده شده اند که در آن بر روی مسئله استفاده زبان تمرکز شده است. محمدرضا گرامی لینک به دیدگاه
ارسال های توصیه شده