نمایش دانش در هوش مصنوعی

هوش مصنوعی

 نمایش دانش در هوش مصنوعی

متخصصین هوش مصنوعی انواع سیستم‌ها را با استفاده از برنامه‌های معمول کامپیوتری و تفاوت قایل‌شدن بین پردازش اطلاعات (Information) و پردازش دانش (Knowledge)، شناسایی می‌کنند. این‌کار منجر به ایجاد سیستم‌های مبتنی بر دانش که کاربرد بسیار زیادی در هوش مصنوعی دارد می‌شود.

ربات ما نیاز به داشتن اطلاعات یا “دانش” از دنیای اطراف خود دارد تا سیستم بینایی‌اش به درستی عمل کند. ما به‌طور خلاصه بعضی تکنیک‌هایی که توسط مهندسین دانش (Knowledgc Engineer) برای نمایش و پردازش این اطلاعات به‌کار می‌رود را آزمایش می‌کنیم.

یک شبکه معنایی (Semantic Network) یک تکنیک خوش ساخت برای نمایش اشیاء یا ماهیت موجود در یک دنیا و ارتباطاتی که بین‌شان موجود است، می‌باشد. مثلاً قسمتی از دنیای ربات ما آشپزخانه است.

استفاده از یک شبکه معنایی می‌تواند راه مناسبی برای نمایش اطلاعات باشد. بدین‌ترتیب آشپزخانه را تحت عنوان یک سری از اشیاء و روابط بین‌شان فرض کنیم. یک شبکه می‌تواند جزییات موجود را به‌خوبی نمایش داده و ما را قادر به کاوش بیشتر و بهتر در روابط موجود بین اشیاء کند. برای مثال، همان‌طور که از شکل شماره ۸ می‌‌توان دید، گوشت‌های سرد در یخچال‌ نگهداری می‌شوند. این آیتم‌ها تحت عنوان غذاها می‌توانند دسته‌بندی شوند. اگر چه همه غذاها در یخچال نگهداری نمی‌شوند، اما همه محصولات گوشتی ملزم به نگهداری یخچال هستند.

پایگاه دانش

مشخص است که این شبکه باید برای نمایش دنیای اطراف ربات ما به‌خوبی گسترش یابد و نیاز به نمایش دقیق‌تر و جزیی‌تری از اشیاء و ارتباطات وجود دارد و همچنین این شبکه باید اتاق‌ها، افراد، اشیاء موجود و غیره را هم نمایش دهد.پس از ساخته شدن شبکه معنایی ما قادر به ساخت یک پایگاه داده از دانش حاصل از شبکه معنایی در مورد اشیاء موجود در دنیای مربوطه هستیم. در مورد مثال ما، ورودی‌های مناسب می‌تواند به شکل زیر باشد:

(سیب – شکل – گرد) (سیب – رنگ – قرمز) (سیب –  نما – براق)

(همبرگر-  شکل – گرد) (همبرگر- رنگ – قهوه‌ای) (همبرگر نما – گوشتی)

(یخچال – شکل – مستطیل) (یخچال – رنگ- سفید) (یخچال –  نما – فلزی)

(ظرف‌میوه – شکل – بیضی) (ظرف‌میوه – رنگ- نقره‌ای) (ظرف میوه – نما – فلزی)

((میوه) نگهداری – در (ظرف میوه))

((سیب) هست –  یک (خوردنی))

توجه کنید که ورودی‌های این پایگاه دانش باید به‌گونه‌ای باشد که منجر به سردرگمی ماشین نشود. مثلاً در مورد مثال ما، سیب یک شی براق قرمز گرد معرفی شده است. اشیاء زیادی هستند که ممکن است چنین مشخصه‌ای داشته باشند و اگر مثلاً شما ربات خود را بفرستید که برای شما یک سیب تازه بیاورد امکان دارد ربات با یک توپ  نزد شما باز گردد.

این پایگاه دانش تحت عنوان حافظه کاریِ سیستم شناخته می‌شود. به منظور استفاده کارا و مناسب از اطلاعات موجود در این پایگاه، سیستم نیاز به داشتن تعدادی  قانون دارد. بدین‌ترتیب پس از ساخت پایگاه دانش نیاز به ساخت یک پایگاه از قوانین برای برخورد مناسب با اطلاعات موجود در پایگاه دانش هستیم. اگر شما از قبل با زبان‌های برنامه‌نویسی آشنایی داشته باشید، با عبارتی مثل If Statement Then  آشنا هستید مثلا If Cold Then Wear Coat ما از چنین ساختاری برای ایجاد پایگاه قوانین استفاده می‌کنیم. قسمت If عبارت تحت عنوان راس قانون و قسمت عملیات یعنی قسمت Then تحت عنوان بدنه قانون شناخته می‌شوند.

و بدین ترتیب ربات مثلاً می‌داند که یک سیب چیست و در کجا قرار دارد. مثلاً فرض کنید یکی از کارهایی که قرار است ربات انجام دهد رفتن به سمت یخچال و برداشتن چیزی از یخچال است، در این صورت می‌توانیم مجموعه‌ای از قوانین را به این منظور بسازیم.

روش ها

اکنون هم دانش و هم قوانین مربوطه را داریم که نیاز به روش‌هایی برای تفسیرشان داریم. این کار توسط سیستم مفسر انجام می‌شود. مفسر برنامه‌ای است که قوانین را پردازش می‌کند. وظیفه آن خواندن هر قانون  و بررسی این‌که موقعیت‌ها با هم همخوانی دارند یا نه می‌باشد. اگر همخوانی داشتند عمل موردنظر را انجام می‌دهد. این عمل آن‌قدر انجام می‌شود تا به عملی که دستور پایان  داده‌است،  برسد.

گفتیم برای استفاده از تکنیک همسان‌سازی الگو (Template Matching) نیاز به ذخیره مقادیر بسیار زیادی از دانش در رابطه با هر آیتم موجود در دنیای ربات وجود دارد. با استفاده از قوانین می‌توانیم استفاده از این اطلاعات را از بین ببریم و دیگر نیازی به آن‌ها حس نمی‌شود. مثلاً در مورد یک صندلی، به‌جای ذخیره یک صندلی از تعدادی  زوایا و اندازه‌ها می‌توانیم اطلاعاتی راجع‌به برخی خواص و ظواهر صندلی نظیر جنس، دسته‌ها، پایه‌ها و … که یک سیستم مبتنی بر دانش از آن‌ها به منظور تشخیص صندلی استفاده می‌کند، ذخیره کنیم. یک صندلی دارای چهار پایه، یک نشیمنگاه و یک تکیه‌گاه است.

از طرف دیگر میز هم چهار پایه و یک رویه دارد. بدین‌ترتیب به‌جای ذخیره تعداد زیادی عدد برای هر شی، از خواص آن شی برای توصیفش استفاده کنیم. بدین‌ترتیب نیاز به یک پایگاه دانش هست که چیزهایی نظیر اجزا (دسته‌ها، پایه‌ها، دیواره‌ها و…) خواصی که این اجزا را توصیف می‌کند (ظاهر و غیره)، و حقایقی در رابطه با اشیایی که توسط این اجزا ساخته می‌شوند (آشپزخانه چهار دیوار و یک در دارد و غیره) و همچنین یک سری قوانین به منظور پردازش این اطلاعات را نگهداری نماید.

اطلاعات تصویری

همان‌طور که دیدیم، عملیات زیادی باید به منظور پردازش اطلاعات تصویری انجام شود. تصاویر غالباً دارای نویز هستند که باعث خرابی و تحریفشان می‌شود. هر چند این مشکل چندان حادی برای سیستم بینایی انسان به حساب نمی‌آید اما برای سیستم‌های بینایی ماشین این نویزها به‌طور کامل باید فیلتر و پاکسازی شوند که این عمل با استفاده از  تعدادی الگوریتم انجام می‌شود.

همچنین دیدیم که اشیاء چگونه با استفاده از تکنیک همسا‌ن‌سازی الگو دیده می‌شوند هر چند پس از این‌که اشیاء داخل صحنه توسط سیستم بینایی مشخص شدند هنوز کار تمام شده است. اطلاعات حاصل باید به یک نمایش دانش مناسب‌ ترجمه شوند به‌طوری که قابل پردازش باشند.

سیستم‌های بینایی اولیه روز به روز در حال گسترش هستند و هر روز کاربرد جدیدی برای آن‌ها یافت می‌شود. با توسعه این سیستم‌ها، کاربردهایی برای سایر محیط‌ها نظیر توسعه پردازش نیز یافت می‌شود. سیستم‌های بینایی مصنوعی از کاربردهای پزشکی و نظامی گرفته تا کاربردهای ساده و معمول روزمره مورد استفاده هستند. و این شاخه از هوش مصنوعی از کاربردی‌ترین شاخه‌ها می‌باشد که هنوز مسایل حل‌نشده زیادی در خود دارد.

از شما دوستان عزیز که این مطلب آموزشی را دنبال نموده اید تشکر می کنیم و شما را دعوت میکنیم که برای فراگیری هوش مصنوعی مطالب ما را دنبال کنید.این مطالب برای افزایش دانش شما در سایت قرار داده شده و کمک زیادی در یادگیری شما در انجام پروژه هوش مصنوعی خواهد نمود.

فریلنسر هستم و مهارت انجام پروژه ای را دارم!

اگر شما فریلنسر هستید و توانایی انجام پروژه ای را در یک رشته یا حوزه ای خاص دارید برای فعالیت در سایت کافه پروژه و کسب درآمد می توانید در سایت ثبت نام کنید و پروژه هایی با مهارت انتخاب خود را مشاهده کنید.جهت ثبت نام و ثبت رزومه خود در سایت از طریق دکمه پایین صفحه در سایت عضو شوید:

نحوه سفارش پروژه در سایت کافه پروژه :

اگر پروژه ای دارید که میخواهید آن را برون سپاری کنید کافی است در سایت کافه پروژه ثبت نام کنید و پروژه خود را ثبت نمایید.پروژه شما هر چه که باشد حتما مجری برای آن وجود دارد.جهت ثبت نام و ثبت سفارش پروژه خود برروی دکمه زیر کلیک نمایید.

بدون دیدگاه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

ایمیل

[email protected]

شماره تماس

021-55414864

آدرس

تهران ، تهرانسر ، بلوار یاس ، مسکن ویژه ، یاس 6 ، یاس 3 ، بلوک ad3  ، واحد 2

پیام های خود را از طریق فرم زیر ارسال کنید