بسم الله الرحمن الرحیم
فهرست علوم
علوم کامپیوتر
هوش مصنوعي
هوش مصنوعي
فقه و هوش مصنوعی-پروژه نجف
تشابک شواهد-همیاری دانسته‌ها-تعاضد قرائن-تجمیع مؤیدات-تراکم ظنون
آنتولوژی
نظریه اطلاعات در فیزیک
اطلاعات-دیتا-مدیریت اطلاعات-مهندسی اطلاعات-معماری اطلاعات
آگاهی
بحثی راجع به تکنولوژي
الگوریتم ضمان-متلف-تالف-تلافي
شرح حال بدیع‌الزمان ابوالعز عبد العزيز بن إسماعيل أبو بكر ابن الرزاز الجزري(530 - 602 هـ = 1136 - 1206 م)
شرح حال عباس بن فرناس القرطبي المخترع(194 - 274 هـ = 810 - 887 م)
شرح حال أبو الحسن علاء الدين علي بن أبي الحزم القرشي الدمشقي-ابن النفيس(609 - 687 هـ = 1213 - 1288 م)
شرح حال فضل الله رشيد الدين ابن أبي الخير أبو الفضل الهمذاني(648 - 716 هـ = 1250 - 1316 م)
مقاله آیا کامپیوتر دارای ذهن است؟ رویکرد انتقادی جان سرل به تفسیر قوی از هوش مصنوعی-فصلنامه ذهن-رضا اکبری
دریفوس و هوش مصنوعی
هوش مصنوعی و فلسفه
هوش مصنوعی و حکمت متعالیه
فهرست جلسات فقه هوش مصنوعي
هوش ضعیف رفتارمحور-هوش قوی پایه محور-هوش قوی اشراق‌محور
افلاطونگرائي
شرح حال گئورگ کانتور(1261 - 1336 هـ = 1845 - 1918 م)
شرح حال داوید هیلبرت(1279 - 1362 هـ = 1862 - 1943 م)
شرح حال کورت گودل(1323 - 1398 هـ = 1906 - 1978 م)
گیاه شناسی
آگاهی
ادراک در حیوانات
هوش گیاهی
ماندگاری دید
زیست‌شناسی
ذهن خوانی هوش مصنوعی
پیوندگرایی- هوش مصنوعی
مقاله «بررسی فلسفی امکان تحقق هوش مصنوعی قوی با توجه به دیدگاه‌های مختلف در مسئلۀ ذهن و بدن»
مقاله فرضیه نفس‌مندی هوش مصنوعی-برایان کاتر
010-جلسات فقه هوش مصنوعي
یادگیری ماشین
محاسبات نرم و سخت
الگوریتم تکاملی
هوش مصنوعی- Artificial intelligence - ذكاء اصطناعي
آگاهی- Awareness - درایة
خودآگاهی consciousness - وعي
هوش- Intelligence -ذکاء
تشخیص- recognition - تمییز ---- تشخیص الگو-تمییز الانماط
سامانه خبره- expert systems - نظام خبیر
ماشین تورینگ-آزمون(آزمایش) تورینگ
آگاهی جانوران-Animal_consciousness - الوعي الحیواني
Philosophy of artificial intelligence
Physical symbol system
Computational intelligence
هوش محاسباتی
Chinese room
اتاق چینی
عیب‌یابی (هوش مصنوعی)
مسئله کنترل هوش مصنوعی
آزمون تورینگ
آیا “خودآگاهی” یکی از ویژگیهای بنیادی کیهان است؟
Is Consciousness a Fundamental Quality of the Universe?
خویشتن‌آگاهی (به انگلیسی: Self-awareness)، آگاهی از خویشتن، جدا از افکاری است که در نقطه‌ای از زمان در حال روی دادن هستند. بدون خویشتن‌آگاهی، فرد، افکاری را که در حال روی دادن هستند به‌عنوان خویشتن درک و باور میکند. خویشتن‌آگاهی به یک فرد امکان انتخاب افکاری که اندیشیده می‌شوند را به‌جای اندیشیدن افکار برانگیخته از رویدادهای انباشته‌شده که منجر به شرایط آن لحظه می‌شوند، میدهد. خویشتن‌آگاهی موجب لحظاتِ خاموشِ ظهور، با درک و آگاهی خویشتن از متفکربودن فکرها، به‌جای اندیشه‌هایی که لحظهٔ آگاهی را پر می‌کنند میشود. خویشتن‌آگاهی از خودآگاهی متمایز است. خود اگاهی به شناخت عمیق و احساس و ادراک اشاره می کند.
آگاهی[۱] (به انگلیسی: Awareness) توانایی دانا شدن و درک کردن (برای احساس کردن) یا کسب معرفت از رویدادها است. آگاهی به‌طور گسترده‌تر، حالت هشیار بودن کسی یا چیزی است. در فلسفهٔ ذهن، آگاهی با هوشیاری برابر نیست بلکه هر یک تعریف جداگانه‌ای دارد. برای نمونه، دیوید چالمرز تفاوت میان آگاهی و هوشیاری را این‌گونه بیان میکند.[۲][۳]
آگاهی، قرین روانشناختی هشیاری است.
بهرهٔ هوشی یا هوش‌بهر (IQ) (مخفف انگلیسی: Intelligence Quotient) روشی برای سنجش هوش انسان است. در فارسی گاهی به اشتباه آن را ضریب هوشی می‌نامند. ضریب (به انگلیسی:Coefficient)، یک عامل ضربی در برخی از جمله‌های یک عبارت ریاضی است که معمولاً یک عدد است؛ در حالی که بهره یا خارج قسمت (به انگلیسی:Quotient) حاصل تقسیم یک عدد (در اینجا سن ...
مستوى الذكاء (IQ)
بسمه تعالی
الزامات رفتن از هوش ضعیف به سوی هوش قوی به معنای هوش قوی ما دون الاشراق:
۱- استفاده از انبوه ذخائر تراث محاورات علمی علماء و دقت در عناصر جدید در جواب هر مجیب.
۲- استفاده از مطلب قبلی (بند ۱) در مهندسی اطلاعات به معنای اینکه ماشین بتواند آنچه داریم مناسب آن را پیدا کند یعنی اگر پیچ داریم مهره مناسب و اگر مهره داریم پیچ مناسب آن را پیدا کند.
۳- توسعه آنتولوژی به آنتولوژی نفس الامری که مناسب هر حوزه باشد، چون آنتولوژی فیزیکی با آنتولوژی حقوق و ریاضیات و.. تفاوت میکند، حتی آنتولوژی ممتنعات.
هوش مصنوعی ضعیف
هوش مصنوعی ضعیف (به انگلیسی Weak Artificial Intelligence یا Weak AI) که با نام هوش مصنوعی محدود (به انگلیسی Narrow AI) نیز شناخته میشود، هوش مصنوعی ای است که روی یک وظیفه محدود تمرکز کرده‌است. هوش مصنوعی ضعیف در مقابل هوش مصنوعی قوی (به انگلیسی Strong AI) (که عبارتست از ماشینی دارای خودآگاهی، ادراک و ذهن) و هوش عمومی مصنوعی (به انگلیسی Artificial General Intelligence) (ماشینی با قابلیت به کاربردن هوشمندی برای هر مسئله ای بجای اینکه تنها روی یک مسئله خاص متمرکز باشد). همه سیستم‌های حال حاضر هوش مصنوعی در این دسته قرار می‌گیرند.
هوش عمومی مصنوعی
از ویکی‌پدیا، دانشنامهٔ آزاد
پرش به ناوبری
پرش به جستجو
هوش عمومی مصنوعی (به انگلیسی: Artificial general intelligence) (مخفف انگلیسی: AGI) هوش ماشینی است که می‌تواند با موفقیت هر کار فکری‌ای را که یک انسان قادر به انجام آن باشد، اجرا کند. این مطلب هدف اصلی برخی از پژوهش‌های حوزهٔ هوش مصنوعی و موضوعی رایج در داستان‌های علمی و نیز آینده‌پژوهی است. به هوش مصنوعی عمومی، با عناوین «هوش مصنوعی قوی»[۱]، «هوش مصنوعی کامل»[۲] یا توانایی یک ماشین در انجام یک «عمل هوشمند عمومی» نیز اشاره شده است.[۳] منابع دانشگاهی «هوش مصنوعی قوی» را برای اشاره به ماشین‌های قادر به تجربهٔ آگاهی محفوظ نگاه داشته‌اند.
بعضی از مراجع بر تمایز میان هوش مصنوعی قوی و «هوش مصنوعی کاربردی» (که «هوش مصنوعی ناچیز»[۱] یا «هوش مصنوعی ضعیف»[۴] نیز نامیده میشود) تأکید دارند:[۵] استفاده از نرم‌افزار برای مطالعه یا انجام موفقیت‌آمیز وظایف تعیین شده‌ای شامل حل مسئله یا استدلال. هوش مصنوعی ضعیف، برخلاف هوش مصنوعی قوی، تلاشی بر انجام گسترهٔ کامل توانایی‌های شناختی انسان نمی‌کند.
یادگیری عمیق
از ویکی‌پدیا، دانشنامهٔ آزاد
پرش به ناوبری
پرش به جستجو
یادگیری عمیق (به انگلیسی: Deep learning) (به بیانی دیگر: یادگیری ژرف ماشین، یادگیری ساختار ژرف یا یادگیری سلسله مراتبی) یک زیر شاخه از یادگیری ماشینی و بر مبنای مجموعه‌ای از الگوریتم‌ها است که در تلاش هستند مفاهیم انتزاعی سطح بالا در دادگان را مدل نمایند که این فرایند را با استفاده از یک گراف عمیق که دارای چندین لایه پردازشی متشکل از چندین لایه تبدیلات خطی و غیر خطی هستند، مدل می‌کنند. به بیان دیگر پایهٔ آن بر یادگیری نمایش دانش و ویژگی‌ها در لایه‌های مدل است.[۱]
یک نمونه آموزشی (برای نمونه: تصویر یک گربه) می‌تواند به صورت‌های گوناگون بسان یک بردار ریاضی پر شده از مقدار به ازای هر پیکسل و در دید کلی تر به شکل یک مجموعه از زیرشکل‌های کوچک‌تر (نظیر اعضای صورت گربه) مدل سازی شود. برخی از این روشهای مدل سازی سبب ساده شدن فرایند یادگیری ماشین (برای نمونه: تشخیص تصویر گربه) می‌شوند. در یادگیری ژرف امید به جایگزینی استخراج این ویژگیهای تصویر به دست بشر (مانند اعضای گربه) با روشهای کامل خودکار بی‌نظارت و نیمه نظارتی وجود دارد.[۲]
انگیزهٔ نخستین در بوجود آمدن این ساختار یادگیری از راه بررسی ساختار عصبی در مغز انسان الهام گرفته شده‌است که در آن یاخته‌های عصبی با فرستادن پیام به یکدیگر درک را امکان‌پذیر می‌کنند.[۳] بسته به فرض‌های گوناگون در مورد نحوهٔ اتصال این یاخته‌های عصبی، مدل‌ها و ساختارهای مختلفی در این حوزه پیشنهاد و بررسی شده‌اند، هرچند که این مدل‌ها به صورت طبیعی در مغز انسان وجود ندارد و مغز انسان پیچیدگی‌های بیشتری را دارا است. این مدل‌ها نظیر شبکه عصبی عمیق، شبکه عصبی پیچیده ، شبکه باور عمیق پیشرفت‌های خوبی را در حوزه‌های پردازش زبان‌های طبیعی، پردازش تصویر ایجاد کردهاند.
در حقیقت عبارت یادگیری عمیق، بررسی روشهای تازه برای شبکه عصبی مصنوعی است.[۴][۵]
قابلیت هوش مصنوعی ساخته شده از کشت سلول مغزی انسان
کد خبر : ۳۵۷۶۴۲
انتشار : سه‌شنبه ۲۱ / ۰۹ /۱۴۰۲ | ساعت ۰۸:۳۲
شفقنا – هوش مصنوعی ساخته شده از سلول های زنده مغز انسان، تشخیص گفتار را انجام می دهد
به گزارش سرویس ترجمه شفقنا، یک سیستم محاسبات زیستی متشکل از سلول‌های مغز زنده یاد می‌گیرد که صدای یک فرد را از صدها کلیپ صوتی تشخیص دهد.
سلول‌های مغز انسان مرتبط با رایانه برای انجام یک شکل بسیار ابتدایی از تشخیص گفتار استفاده شده‌اند. امید این است که چنین سیستم هایی نسبت به تراشه های سیلیکونی انرژی بسیار کمتری برای کارهای هوش مصنوعی مصرف کنند.
فنگ گو از دانشگاه بلومینگتون ایندیانا می گوید: «این فقط اثبات مفهومی است که نشان می دهد ما می توانیم کار را انجام دهیم. “ما راه درازی در پیش داریم.”
ارگانوئیدهای مغزی توده هایی از سلول های عصبی هستند که هنگام رشد سلول های بنیادی در شرایط خاص تشکیل می شوند. گوئو می گوید: «آنها مانند مغزهای کوچک هستند.
او می‌گوید دو یا سه ماه طول می‌کشد تا ارگانوئیدها که چند میلی‌متر عرض دارند و از ۱۰۰ میلیون سلول عصبی تشکیل شده‌اند، رشد کنند. مغز انسان حدود ۱۰۰ میلیارد سلول عصبی دارد.
سپس ارگانوئیدها در بالای یک آرایه میکروالکترود قرار می گیرند که هم برای ارسال سیگنال های الکتریکی به ارگانوئید و هم برای تشخیص زمانی که سلول های عصبی در پاسخ شلیک می کنند استفاده می شود. این تیم سیستم خود را “Brainoware” نامیده است.
پایگاه نیو ساینس در ماه مارس گزارش داد که تیم Guo از این سیستم برای تلاش برای حل معادلات معروف به نقشه Hénon استفاده کرده است.
انتهای پیام | www.fa.shafaqna.com
اشتراکسلول انسانیکشت سلولمغز انسان
https://fa.shafaqna.com/?p=1703826
لینک کوتاه خبر :
شفقنا در شبکه های اجتماعی :
ساختار مغز انسان در ۱۱ بُعد کار می کند!
کد خبر : ۳۵۷۶۴۲
انتشار : دوشنبه ۱۱ / ۰۶ /۱۳۹۸ | ساعت ۱۳:۳۶
شفقنا- مغز انسان مملو از اشکال هندسی چند بُعدی است که در ۱۱ بُعد کار میکند.
محققان سوئدی Blue Brain، با استفاده از ریاضیات کلاسیک سعی کردند به کنه ساختار مغز انسان پی ببرند. مشخص شد که مغز انسان مملو از اشکال هندسی چند بُعدی است که در 11 بُعد کار میکند.
به گزارش شفقنا به نقل از اسپوتنیک، گروه نامبرده هدف ساخت مغز انسان بر اساس ابرکامپیوتر را در مقابل خود قرار داد. محققان بدین منظور یک مدل ویژه را ایجاد کردند و از شیوه توپولوژی جبری بهره گرفتند که بخشی از ریاضیات است که خصوصیات اشیاء و فضاها را بدون در نظر گرفتن تغییر در شکل آنها توصیف می کند.آنها به این نتیجه رسیدند که گروه‌های عصبی به یک «دسته» متصل می‌شوند و تعداد گروه های عصبی به اندازه شکل هندسی چند بُعدی ( از نظر مدل ریاضی و نه مفهوم زمانی-فضایی زمان) بستگی دارد.
محققان مقدار زیاد و متفاوت«دسته»ها و حفره‌های بزرگ را کشف کردند که قبلا در شبکه های عصبی و نه بیولوژیکی و مصنوعی نبودند.
می توان این پروسه را به این شکل تصور کرد که اگر مغز نسبت به یک محرک آزاردهنده واکنش نشان بدهد، برجی بسازد و بعد آن را از بین ببرد. برج می‌تواند از دسته و اشکال مختلفی ساخته شده باشد و به ترتیب آن را از بین ببرد. رشد فعالیت از طریق مغز یادآور برج هندسی ساخته شده از شن است که ابتدا ساخته و بعد از بین می رود.
انتهای پیام | www.fa.shafaqna.com
اشتراکابعاد مغز انسانساختار مغز انسانشگفتی های انسانمغز انسان
https://fa.shafaqna.com/?p=801728
لینک کوتاه خبر :
شفقنا در شبکه
۹ دانستنی جالب و مهم درباره مغز انسان
کد خبر : ۳۵۷۶۴۲
انتشار : یکشنبه ۲۵ / ۰۸ /۱۳۹۹ | ساعت ۱۷:۵۷
شفقنا زندگی- به احتمال زیاد مغز مرموزترین ارگان بدن است. دانشمندان دائماً حقایق جدیدی در مورد آن کشف می‌کنند، اما هنوز هم اسرار پنهانی زیادی دارد.
۱. کمبود خواب مزمن حافظه را ضعیف میکند
دانشمندان دانشگاه کالیفرنیا شواهد قانع‌کننده‌ای یافته‌اند که نشان میدهد کمبود خواب می‌تواند باعث بدتر شدن حافظه و حتی آلزایمر شود. در طول خواب کامل شبانه، سلول‌های مغزی ترکیبات سمی را که برای مغز خطرناک هستند حذف می‌کنند. اینکه شخصی دائم کمبود خواب داشته باشد، تأثیر مخربی بر سلول‌های مغزی‌اش خواهد داشت.
۲. استرس طولانی مدت به مغز آسیب می‌زند
کاهش حافظه و توانایی یادگیری برخی از عواقبی است که استرس مزمن ایجاد میکند. به علاوه، استرس سبب تحریک‌پذیری، اضطراب، تنش و حواس‌پرتی فرد میشود.
۳. عشق و نفرت از مناطق یکسانی در مغز نشات می‌گیرند
دانشمندان انگلیسی دریافتند که عشق و نفرت از مناطق یکسانی در مغز نشات می‌گیرند. با این حال، بر خلاف نفرت، عشق به طور قابل‌توجهی فعالیت مناطق مسئول قضاوت و تفکر منطقی را کاهش میدهد.
۴. مغز به کمبود آب بدن حساس است
مغز ما تقریباً ۸۰٪ آب است. بنابراین، حتی کاهش متوسط مایعات (حدود ۲٪) باعث کاهش تمرکز و هوشیاری میشود و منجر به زوال حافظه کوتاه مدت و سایر مشکلات شناختی میشود.
۵. بارداری ساختار مغز را تغییر میدهد
دانشمندان ثابت کردند که بارداری میزان ماده خاکستری را در نواحی مغزی که مسئول شناخت اجتماعی و توانایی درک افراد دیگر است، کاهش میدهد. همه این‌ها برای تقویت ارتباط مادر و کودک، کمک به زنان در درک نیاز‌های فرزند و مشاهده خطرات احتمالی خارجی ضروری است.
۶. قند زیاد باعث ضعف حافظه و کاهش توانایی یادگیری میشود
فراوانی فروکتوز در رژیم غذایی مغز را کند میکند و توانایی یادگیری، به خاطر سپردن اطلاعات و تمرکز را کاهش میدهد، زیرا قند اضافی ارتباطات عصبی مغز را از بین می‌برد.
۷. روابط عاشقانه و احساسات مادرانه بسیار شبیه به هم هستند
روابط عاشقانه و احساسات مادرانه بسیار شبیه به هم هستند، اما تفاوت‌هایی نیز وجود دارد. مثلا در عشق پرشور احساس اضطراب و ترس کاهش یافته و احساس سرخوشی افزایش می‌یابد، اما عشق مادرانه مناطق مسئول شکل‌گیری محبت را فعال میکند.
۸. نقاشی باعث بهبود عملکرد مغز میشود
یک مطالعه نشان داد که نقاشی تعامل بین نواحی مغزی را افزایش داده و روند پیری آن را کاهش میدهد. دانشمندان تأثیر هنر را در افراد ۶۲ تا ۷۰ ساله بررسی کردند. نیمی از آنها دوره تاریخ هنر را گذراندند و نیمی دیگر دوره نقاشی را گذراندند که دوره‌های نقاشی نتیجه قوی‌تری نسبت به تاریخ هنر داشت.
۹. مطالعه مغز را به خوبی آموزش میدهد
دانشمندان آکسفورد ثابت کردند که مطالعه توانایی‌های شناختی مغز را بهبود میدهد و مناطقی را فعال میکند که در زمان‌های دیگر استفاده نمی‌شوند.
انتهای پیام | www.fa.shafaqna.com
اشتراکدانستنی هایی درباره مغزمغزمغز انسان
https://fa.shafaqna.com/?p=1046378
لینک کوتاه خبر :
شفقنا در ش
سامانه‌های خبره(expert systems)
کنشگر هوشمند یا کارگزار هوشمند یا عامل هوشمند (به انگلیسی: Intelligent agent)،
عامل‌های هوشمند
نوشتار اصلی: کارگزار هوشمند
عامل‌ها (Agents) قادر به شناسایی الگوها و تصمیم‌گیری بر اساس قوانین فکر کردن خود هستند. قوانین و چگونگی فکر کردن هر عامل در راستای دستیابی به هدفش، تعریف میشود. این سیستم‌ها بر اساس قوانین خاص خود فکر کرده و کار خود را به درستی انجام میدهند. پس عاقلانه رفتار می‌کنند، هر چند الزاماً مانند انسان فکر نمی‌کنند.
در بحث هوشمندی اصطلاح پیس (به انگلیسی: PEAS) سرنام واژه‌های "کارایی (Performance)"، "محیط (Environment)"، "اقدام گر (Agent)" و "حسگر (Sensor)" است.
سیستم‌های خبره
نوشتار اصلی: سیستم‌های خبره
سیستم‌های خبره زمینه‌ای پرکاربرد در هوش مصنوعی و مهندسی دانش است که با توجه به نیاز روزافزون جوامع بر اتخاذ راه حل‌ها و تصمیمات سریع در مواردی که دانش‌های پیچیده و چندگانهٔ انسانی مورد نیاز است و بر اهمیت نقش آنها نیز افزوده میشود. سیستم‌های خبره به حل مسائلی می‌پردازند که به‌طور معمول نیازمند تخصص‌های کاردانان و متخصّصان انسانی است. به منظور توانایی بر حل مسائل در چنین سطحی (ترازی)، دسترسی هرچه بیشتر این‌گونه سامانه‌ها به دانش موجود در آن زمینه خاص ضروری می‌گردد.
تفاوت سامانه‌های خبره با سایر سامانه‌های اطلاعاتی
سامانه‌های خبره برخلاف سامانه‌های اطلاعاتی که بر روی داده‌ها(Data) عمل می‌کنند، بر دانش (Knowledge) متمرکز شده‌است. همچنین دریک فرایند نتیجه‌گیری، قادر به استفاده از انواع مختلف داده‌ها عددی(Digital)، نمادی Symbolic و مقایسه‌ای (Analog) می‌باشند. یکی دیگر از مشخصات این سیستم‌ها استفاده از روشهای ابتکاری (Heuristic) به جای روشهای الگوریتمی می‌باشد. این توانایی باعث قرار گرفتن دامنهٔ گسترده‌ای از کاربردها در برد عملیاتی سامانه‌های خبره میشود. فرایند نتیجه‌گیری در سامانه‌های خبره بر روشهای استقرایی و قیاسی پایه‌گذاری شده‌است. از طرف دیگر این سامانه‌ها می‌توانند دلایل خود در رسیدن به یک نتیجه‌گیری خاص یا جهت و مسیر حرکت خود به سوی هدف را شرح دهند. با توجه به توانایی این سیستم‌ها در کار در شرایط فقدان اطلاعات کامل یا درجات مختلف اطمینان در پاسخ به پرسشهای مطرح‌شده، سامانه‌های خبره نماد مناسبی برای کار در شرایط عدم اطمینان(Uncertainty) یا محیطهای چند وجهی می‌باشند.
مدل سیستم خبره
یک مدل سیستم خبره مشتمل بر چهار بخش اصلی است:
پایگاه دانش (Knowledge Base)
موتور استنتاج (Inference Engine)
امکانات توضیح (Explanation Facilities)
رابط کاربر (User Interface)
به منظور آغاز به ساخت و گسترش وب معنی‌نگر، باید تا حدّ امکان قادر باشیم تمامی موجودات (entities) و مفاهیم (concepts) و نیز روابط و اتّصالات آنها با یکدیگر را به صورت مدل‌هایی مجرد به زبان‌هایی که برای رایانه‌ها قابل درک است بیان نماییم. در علوم رایانه این گونه مدل‌های مجرد ماشینی را پایگاه شناخت نامیده‌اند که برآمده از مفاهیم و ایده‌های قدیمی‌تر و ژرف‌تر آن در فلسفه‌است.
شبکه عصبی مرجانها
آناتومی
ابوریحان بیرونی اسفنج‌ها و مرجانها را به عنوان جانورانی که نسبت به تماس واکنش نشان میدهند، دسته‌بندی کرد.[۷] با این حال، اغلب مردم تا قرن ۱۸ میلادی باور داشتند که مرجانها گیاه هستند، در این زمان بود که ویلیام هرشل با استفاده از میکروسکپ نشان داد که مرجانها غشا سلولی جانوری دارند.[۸]
شکل کلنی
پولیپ‌های مرجانی از یک سیستم پیچیده و پیشرفته شامل کانال‌های معدی-عروقی برخوردارند که به آنها اجازه میدهد مواد غذایی و همزیست‌ها را به اشتراک بگذارند. در مرجان‌های نرم، این سیستم ۲۰ تا ۵۰۰ میکرومتر عرض دارد و انتقال متابولیت‌ها و ترکیبات سلولی را امکان‌پذیر میکند.[۹]
سیستم عصبی
سلول‌های اپیدرمی تغییر یافته یا نورون‌ها که حاوی اجسام بلند، نازک و رشته مانندی است که نئوریت نامیده میشود، با یکدیگر سیناپس تشکیل داده و یک شبکه عصبی ابتدایی تشکیل میدهند. مرجانها و سایر کینداریا دو شبکه مجزا دارند: شبکه انتقال سریع پیام و انتقال آهسته پیام. اعتقاد بر این است که مرجانها یکی از اولین جانورانی هستند که چنین شبکه‌ای را توسعه داده‌اند. اسفنج‌ها کانال‌های یونی دارند و DNA آنها در مورد تولید نورون‌ها غیرفعال است اما مرجانها این ساختارهای نورونی را به‌طور کامل شکل داده‌اند.
Can a machine have a soul?
Finally, those who believe in the existence of a soul may argue that "Thinking is a function of man's immortal soul." Alan Turing called this "the theological objection". He writes
In attempting to construct such machines we should not be irreverently usurping His power of creating souls, any more than we are in the procreation of children: rather we are, in either case, instruments of His will providing mansions for the souls that He creates.[89]
The discussion on the topic has been reignited as a result of recent claims made by Google's LaMDA artificial intelligence system that it is sentient and had a "soul".[90]
آیا یک ماشین می تواند روح داشته باشد؟
در نهایت، کسانی که به وجود روح معتقدند ممکن است استدلال کنند که «تفکر تابعی از روح جاودانه انسان است». آلن تورینگ این را «ایراد الهیاتی» نامید. او می نویسد
در تلاش برای ساختن چنین ماشین‌هایی، ما نباید بی‌رحمانه از قدرت او در ایجاد روح غصب کنیم، بیشتر از اینکه در تولید فرزندان هستیم: بلکه در هر صورت، ما ابزار اراده او هستیم که خانه‌هایی را برای ارواح خلق میکند. [89]
بحث در مورد این موضوع در نتیجه ادعاهای اخیر سیستم هوش مصنوعی LaMDA گوگل مبنی بر حساس بودن و داشتن "روح" دوباره شعله ور شده است.
mathematical intuition
mathematical reality
Mathematical objects
mathematical consequences or objects
mathematical reality and mathematical intuition.
Gödel argues that there is no reason why this kind of mathematical perception should be less trustworthy than sense perception.
از ویکی پدیا فلسفه ریاضیات:
Kurt Gödel's Platonism[8] postulates a special kind of mathematical intuition that lets us perceive mathematical objects directly. (This view bears resemblances to many things Husserl said about mathematics, and supports Kant's idea that mathematics is synthetic a priori.) Davis and Hersh have suggested in their 1999 book The Mathematical Experience that most mathematicians act as though they are Platonists, even though, if pressed to defend the position carefully, they may retreat to formalism.
افلاطون گرایی کورت گودل[8] نوع خاصی از شهود ریاضی را فرض می کند که به ما امکان می دهد اشیاء ریاضی را مستقیماً درک کنیم. (این دیدگاه با بسیاری از چیزهایی که هوسرل در مورد ریاضیات گفته است، شباهت دارد و از ایده کانت مبنی بر اینکه ریاضیات ترکیبی پیشینی است، حمایت می کند.) دیویس و هرش در کتاب تجربه ریاضی خود در سال 1999 پیشنهاد کرده اند که اکثر ریاضیدانان به گونه ای رفتار می کنند که گویی افلاطونی هستند، اگرچه: اگر تحت فشار قرار گیرند تا با دقت از موقعیت دفاع کنند، ممکن است به سمت فرمالیسم عقب نشینی کنند.
Entity---موجودیت----كيان
موجودیت (به انگلیسی: Entity) به چیزی خیالی یا واقعی گفته میشود که به ذات خویش وجود دارد. پیش فرضی وجود ندارد که زندگی یک موجودیت است.
در اقتصاد، موجودیت به یک فرد، سازمان، گروه یا شرکا گفته میشود که ممکن است به فعالیت کسب و کار بپردازند.
Semantic symbols vs. dynamic signals---نمادهای معنایی در مقابل سیگنال های پویا
Those which identify who speaks Chinese---کسانی که تشخیص می دهند چه کسی چینی صحبت می کند
convertReplies
Replies to Searle's argument may be classified according to what they claim to show:[p]
Those which identify who speaks Chinese
Those which demonstrate how meaningless symbols can become meaningful
Those which suggest that the Chinese room should be redesigned in some way
Those which contend that Searle's argument is misleading
Those which argue that the argument makes false assumptions about subjective conscious experience and therefore proves nothing
Some of the arguments (robot and brain simulation, for example) fall into multiple categories.
پاسخ می دهد
پاسخ‌ها به استدلال سرل ممکن است بر اساس آنچه که ادعا می‌کنند نشان میدهند طبقه‌بندی شوند:[p]
کسانی که تشخیص می دهند چه کسی چینی صحبت می کند
آنهایی که نشان می دهند چگونه نمادهای بی معنی می توانند معنادار شوند
آنهایی که پیشنهاد می کنند اتاق چینی باید به نوعی دوباره طراحی شود
کسانی که ادعا می کنند که استدلال سرل گمراه کننده است
کسانی که استدلال می کنند که این استدلال در مورد تجربه آگاهانه ذهنی مفروضات نادرستی ایجاد می کند و بنابراین چیزی را ثابت نمی کند
برخی از استدلال ها (مثلاً شبیه سازی ربات و مغز) به چند دسته تقسیم می شوند.
«رویکرد» ترجمه کلمه approach انگلیسی است.
https://en.wikipedia.org/wiki/Romantic_orientation
راهبرد[۱] یا اِستراتِژی (به انگلیسی: Strategy)
Ontology (information science) --- أنطولوجية (علم المعلومات) --- پایگاه شناخت
Entity---موجودیت----كيان
Entity–relationship model---مدل موجودیت–رابطه---طريقة الكيانات والعلاقات
Semantic Web ---وب معنایی --- ويب دلالي
Artificial intelligence----هوش مصنوعی، هوش صناعی یا هوش ماشینی (به انگلیسی: Artificial Intelligence)----ذكاء اصطناعي
Data type----نوع بيانات----نوع داده
Problem solving
Abstract and concrete--انتزاعی و انضمامی
Resource Description Framework---إطار توصيف الموارد----آردی‌اف یا چارچوب توصیف منابع
Hyper-heuristic
ترجمه‌شده از انگلیسی-فراابتکاری یک روش جستجوی اکتشافی است که به دنبال خودکارسازی فرآیند انتخاب، ترکیب، تولید یا تطبیق چندین اکتشافی ساده‌تر برای حل مؤثر مسائل جستجوی محاسباتی است، اغلب با استفاده از تکنیک‌های یادگیری ماشین. ویکی‌پدیا (فارسی)
تفاوت پایگاه دانش و پایگاه داده
هدف از پایگاه داده، ذخیره ی داده های بزرگ به صورت جداول داده ای می باشد. ۲ نیازمندی اصلی برای ساخت یک پایگاه داده، ۱- پشتیبانی از چندین کاربر توزیع شده برای دسترسی به یک داده (multiple, distributed user)، و پشتیبانی از انجام تراکنش ها (Transaction) (دو حالت انجام قطعی یا بازگشت به حالت قبل) می باشد.
یک پایگاه دانش، این نیازمندی های طراحی را ندارد، در عوض به داده های ساختار یافته نیاز دارد که ممکن است نشانگر هایی(pointer) به شی های دیگر داشته باشند. قابل ذکر است که نمایش ایده آل برای یک پایگاه دانش مدل شیی (Object Model) می باشد، که در این مدل، کلاس، زیرکلاس و نمونه وجود دارد.
داده های پایگاه دانش برای سیستم های خبره، برای رسیدن به جواب خاصی استفاده می شدند: رسیدن به تشخیص پزشکی، طراحی یک ملکول، رسیدن به پاسخ در موارد اضطراری.
مثال تفاوت پایگاه دانش و پایگاه داده
از پایگاه دانش برای فهم واقعیت ها در مورد جهان استفاده می شود. برای مثال جمله ی «همه ی انسان ها فانی اند»، قابل نمایش در یک پایگاه داده نیست، در عوض یک پایگاه داده اطلاعات هزاران جدول را نگهداری می کند که اطلاعاتی در مورد انسان خاصی را نمایش می دهند.
این پایگاه دانش است که می تواند: ۱- نشان دهد «همه ی انسان ها فانی اند.» و ۲- در مورد انسان خاصی استنتاج می کند که او فانی است.
ارتباط پایگاه دانش و پایگاه داده
قابل ذکر است که فروشندگان نرم افزار های پایگاه داده(مثل اوراکل)، امروزه امکاناتی به محصولات خود اضافه کرده اند که امکان پشتیبانی از نیازمندی های «پایگاه دانش» (مثل قواعد و روابط کلاس-زیرکلاس) را فراهم می کنند. حتی پایگاه های داده ی شی گرا (مثل Versant) هستند که از ابتدا برای پشتیبانی از امکانات شی گرایی ساخته شده اند که از سرویس های استاندارد پایگاه داده نیز پشتیبانی می کنند.
NBIC may refer to:
Acronym for the fields of Nanotechnology, Biotechnology, Information technology and Cognitive science
https://pantheon.world/data/faq
نتیجه ترجمه
چه کسی پانتئون را ساخت؟
پانتئون یک همکاری بین چند نفر است. Pantheon 1.0 (2013-2018) به عنوان یک پروژه توسط گروه یادگیری جمعی MIT، تحت نظارت پروفسور سزار ا. هیدالگو آغاز شد. Pantheon 1.0 توسط امی یو و با حمایت کوین هو، علی الموساوی و شاهار رونن و دیگران ساخته شد. Pantheon 2.0 (2019-امروز) توسط Datawheel (عمدتا توسط Alex Simoes با پشتیبانی Marcio Porto) توسعه یافته است. اسکریپت جمع آوری داده Pantheon 2.0 (Johnny 5)، توسط کریستین خارا-فیگوئروآ در گروه یادگیری جمعی MIT ایجاد شد. Pantheohn 2.0 نیز تحت نظارت Cesar A. Hidalgo توسعه یافت.
https://en.wikipedia.org/wiki/Historical_figure#Ranking
Ranking
There have been rankings of the significance of major historical figures. For example, Cesar A. Hidalgo and colleagues at the MIT Media Lab has calculated the memorability of historical figures using data such as the number of language editions for which there are articles for each person, the pageviews received, and other factors. These lists are available at MIT's Pantheon project.
رتبه‌بندی‌هایی از اهمیت شخصیت‌های مهم تاریخی وجود داشته است. برای مثال، Cesar A. Hidalgo و همکارانش در آزمایشگاه رسانه MIT با استفاده از داده‌هایی مانند تعداد نسخه‌های زبانی که برای هر فرد مقاله‌هایی برای آنها وجود دارد، تعداد بازدید از صفحه دریافت‌شده، و عوامل دیگر، خاطره‌انگیز بودن شخصیت‌های تاریخی را محاسبه کردهاند. این لیست ها در پروژه پانتئون MIT موجود است.
https://en.wikipedia.org/wiki/Computational_intelligence
عبارت هوش محاسباتی (CI) معمولاً به توانایی رایانه برای یادگیری یک کار خاص از داده ها یا مشاهده تجربی اشاره دارد. حتی اگر معمولاً مترادف محاسبات نرم در نظر گرفته می شود، هنوز هیچ تعریف پذیرفته شده ای از هوش محاسباتی وجود ندارد.
به طور کلی، هوش محاسباتی مجموعه‌ای از روش‌ها و رویکردهای محاسباتی الهام‌گرفته از طبیعت برای پرداختن به مسائل پیچیده دنیای واقعی است که مدلسازی ریاضی یا سنتی می‌تواند به چند دلیل برای آنها بی‌فایده باشد: فرآیندها ممکن است برای استدلال ریاضی بیش از حد پیچیده باشند، ممکن است شامل برخی موارد باشد. عدم قطعیت ها در طول فرآیند، یا فرآیند ممکن است به سادگی ماهیت تصادفی داشته باشد.[1][صفحه مورد نیاز] در واقع، بسیاری از مشکلات واقعی را نمی توان به زبان باینری (مقادیر منحصر به فرد 0 و 1) برای رایانه ها ترجمه کرد تا آن را پردازش کنند. بنابراین، هوش محاسباتی راه حل هایی برای چنین مسائلی ارائه می دهد.
روش های مورد استفاده به روش استدلال انسان نزدیک است، یعنی از دانش ناقص و ناقص استفاده می کند و قادر است اعمال کنترلی را به صورت تطبیقی ایجاد کند. بنابراین CI از ترکیبی از پنج تکنیک اصلی مکمل استفاده می کند.[1] منطق فازی که کامپیوتر را قادر می‌سازد زبان طبیعی را بفهمد، [2][صفحه مورد نیاز] [3] شبکه‌های عصبی مصنوعی که به سیستم اجازه میدهد تا داده‌های تجربی را با عمل کردن مانند محاسبات بیولوژیکی، که مبتنی بر فرآیند انتخاب طبیعی، نظریه یادگیری و روشهای احتمالاتی که به مقابله با عدم قطعیت کمک میکند.[1]
به جز این اصول اصلی، رویکردهای رایج در حال حاضر شامل الگوریتم های الهام گرفته شده از بیولوژیک مانند هوش ازدحام [4] و سیستم های ایمنی مصنوعی است که می تواند به عنوان بخشی از محاسبات تکاملی، پردازش تصویر، داده کاوی، پردازش زبان طبیعی و هوش مصنوعی دیده شود. تمایل دارد با هوش محاسباتی اشتباه گرفته شود. اما اگرچه هم هوش محاسباتی (CI) و هم هوش مصنوعی (AI) به دنبال اهداف مشابهی هستند، تمایز واضحی بین آنها وجود دارد [بر اساس چه کسی؟] [نیاز به منبع].
بنابراین، هوش محاسباتی روشی برای عملکرد مانند انسان است [نیاز به منبع]. در واقع، ویژگی «هوش» معمولاً [از سوی چه کسی؟] به انسان نسبت داده می شود. اخیراً، بسیاری از محصولات و اقلام نیز ادعا می‌کنند که «هوشمند» هستند، ویژگی که مستقیماً با استدلال و تصمیم‌گیری مرتبط است[توضیحات بیشتری لازم است].
تاریخ
منبع:[5] مفهوم هوش محاسباتی اولین بار توسط شورای شبکه های عصبی IEEE در سال 1990 مورد استفاده قرار گرفت. این شورا در دهه 1980 توسط گروهی از محققان علاقه مند به توسعه شبکه های عصبی بیولوژیکی و مصنوعی تاسیس شد. در 21 نوامبر 2001، شورای شبکه‌های عصبی IEEE به انجمن شبکه‌های عصبی IEEE تبدیل شد تا دو سال بعد با گنجاندن حوزه‌های مورد علاقه جدید مانند سیستم‌های فازی و محاسبات تکاملی، که در سال 2011 به هوش محاسباتی مربوط می‌شدند، به انجمن هوش محاسباتی IEEE تبدیل شد. (دوت و اواسکا).
اما اولین تعریف واضح از هوش محاسباتی توسط بزدک در سال 1994 ارائه شد:[1] سیستمی از نظر محاسباتی هوشمند نامیده میشود که با داده‌های سطح پایین مانند داده‌های عددی سروکار داشته باشد، دارای یک جزء تشخیص الگو باشد و از دانش در سیستم استفاده نکند. حس هوش مصنوعی، و همچنین زمانی که شروع به نمایش محاسباتی تطبیقی میکند، تحمل خطا، سرعت نزدیک شدن به چرخش انسان‌مانند و نرخ‌های خطا که عملکرد انسان را تقریب میکند.
بزدک و مارکس (1993) به وضوح CI را از هوش مصنوعی متمایز کردند، با این استدلال که اولین روش مبتنی بر روشهای محاسباتی نرم است، در حالی که هوش مصنوعی مبتنی بر روشهای محاسباتی سخت است.
Difference between Computational and Artificial Intelligence
اگرچه هوش مصنوعی و هوش محاسباتی به دنبال یک هدف بلند مدت مشابه هستند: رسیدن به هوش عمومی، که هوش ماشینی است که می تواند هر وظیفه فکری را که یک انسان می تواند انجام دهد. تفاوت واضحی بین آنها وجود دارد به گفته بزدک (1994)، هوش محاسباتی زیرمجموعه ای از هوش مصنوعی است.
دو نوع هوش ماشینی وجود دارد: هوش مصنوعی مبتنی بر تکنیک‌های محاسباتی سخت و نوع محاسباتی مبتنی بر روشهای محاسباتی نرم که امکان سازگاری با بسیاری از موقعیت‌ها را فراهم میکند.
تکنیک‌های محاسبات سخت بر اساس منطق باینری کار می‌کنند که تنها بر اساس دو مقدار (Booleans true یا false، 0 یا 1) که رایانه‌های مدرن بر اساس آنها ساخته شده‌اند، کار می‌کنند. یکی از مشکلات این منطق این است که زبان طبیعی ما همیشه نمی تواند به راحتی به عبارات مطلق 0 و 1 ترجمه شود. تکنیک های محاسبات نرم، مبتنی بر منطق فازی می توانند در اینجا مفید باشند.[6] بسیار نزدیکتر به روشی که مغز انسان با جمع‌آوری داده‌ها به حقایق جزئی (سیستم‌های واضح/فازی) کار میکند، این منطق یکی از جنبه‌های انحصاری اصلی CI است.
در چارچوب همان اصول منطق فازی و باینری از سیستم های ترد و فازی پیروی می کنند.[7] منطق واضح بخشی از اصول هوش مصنوعی است و شامل یک عنصر در یک مجموعه است یا نه، در حالی که سیستم‌های فازی (CI) عناصر را قادر می‌سازند تا حدی در یک مجموعه باشند. با پیروی از این منطق، به هر عنصر می توان درجه ای از عضویت (از 0 تا 1) و نه منحصراً یکی از این 2 مقدار داد.[8]
یادگیری ماشین
یادگیری ماشین- سایت فرادرس
یادگیری ماشین- سایت کافه تدریس
یادگیری با نظارت
یادگیری با نظارت یا یادگیری تحت نظارت (به انگلیسی: Supervised learning) یکی از زیرمجموعه‌های یادگیری ماشینی است. در این روش مدل با دریافت اطلاعات برچسب زده شده آموزش می‌بیند و سعی میکند الگوی بین داده‌ها و برچسب‌هایشان را به صورت یک تابع یاد گرفته و برچسب داده‌های جدید و دیده نشده را پیشبینی کند. از این روش هم در مسائل طبقه‌بندی و هم در مسائل رگرسیون استفاده میشود.
روش کار
به طور کلی، الگوریتم‌های یادگیری با نظارت یک پروسه‌ی آموزش (training) دارند که طی آن داده‌های برچسب‌گذاری شده به الگوریتم داده میشود و الگوریتم سعی میکند پارامترهای خودش را با استفاده از این داده‌ها بروزرسانی کند و بتواند برچسب داده‌های جدید را تشخیص دهد. روش کلی این کار به این صورت است که الگوریتم سعی میکند پارامترها را در جهتی تغییر دهد که خطای ایجاد شده در پیشبینی داده‌ها کمینه شود. این خطا با استفاده از تابعی که تابع هزینه نامیده میشود محاسبه می‌گردد.
یادگیری تحت نظارت نیازمند تعدادی داده ورودی به منظور آموزش سیستم است. با این حال رده‌ای از مسائل وجود دارند که خروجی مناسب که یک سیستم یادگیری تحت نظارت نیازمند آن است، برای آنها موجود نیست. این نوع از مسائل چندان قابل جوابگویی با استفاده از یادگیری تحت نظارت نیستند. یادگیری تقویتی مدلی برای مسائلی از این قبیل فراهم می‌آورد. در یادگیری تقویتی[۱]، سیستم تلاش میکند تا تقابلات خود با یک محیط پویا را از طریق آزمون و خطا بهینه نماید. یادگیری تقویتی مسئله‌ای است که یک عامل که می‌بایست رفتار خود را از طریق تعاملات آزمون و خطا با یک محیط پویا فرا گیرد، با آن مواجه است. در یادگیری تقویتی هیچ نوع زوج ورودی- خروجی ارائه نمی‌شود. به جای آن، پس از اتخاذ یک عمل، حالت بعدی و پاداش بلافصل به عامل ارائه میشود. هدف اولیه برنامه‌ریزی عامل‌ها با استفاده از تنبیه و تشویق است بدون آنکه ذکری از چگونگی انجام وظیفه آنها شود.
الگوریتم‌های مهم
از الگوریتم‌های مهم یادگیری بانظارت میتوان به موارد زیر اشاره کرد:
رگرسیون خطی:
رگرسیون خطی (Linear Regression) نوعی تابع پیش‌بینی‌کننده خطی است که برای پیشبینی یک متغیر از روی یک یا چند متغیر دیگر آموزش داده میشود. به متغیرهایی که پیشبینی بر روی آن انجام میشود متغیر وابسته و به متغیرهایی که پیشبینی به کمک آنها انجام میشود متغیرهای مستقل می‌گویند. متغیرهای وابسته را معمولاً با و متغیرهای مستقل را با نمایش میدهند. اگر تنها یک متغیر مستقل وجود داشته باشد مدل رگرسیون خطی را ساده و در غیر این صورت چندگانه می‌نامند.
درخت تصمیم:
درخت تصمیم (Decision Tree) مدلی است که برای حل مسائل دسته‌بندی و رگرسیون (تخمین مقدار یک متغیر وابسته از روی تعدادی متغیر مستقل) استفاده میشود. در درخت تصمیم از روی داده‌های آموزش یک درخت دودویی ساخته میشود و مقادیر داده‌های جدید با استفاده از این درخت تعیین میشود.
ماشین بردار پشتیبان:
ماشین‌های بردار پشتیبان (Support vector machines - SVMs) مدل‌هایی هستند که برای مسائل دسته‌بندی و رگرسیون بکار می‌روند. در مسائل دسته‌بندی، هدف ماشین‌های پشتیبان یافتن یک ابرصفحه‌ی جداکننده به نحوی است که بیشترین حاشیه (margin) را با نقاط هر دسته داشته باشد.
شبکه‌های عصبی:
شبکه‌های عصبی (Neural Networks) سیستم‌هایی پیچیده هستند که از تعداد نسبتا زیادی واحدهای پردازشی که نورون نامیده می‌شوند تشکیل شده‌اند. ایدهٔ اصلی این گونه شبکه‌ها تا حدودی الهام‌گرفته از شیوهٔ کارکرد سیستم عصبی موجودات زنده می‌باشد. شبکه‌های عصبی قادرند الگوهای نسبتا پیچیده را در داده‌های ورودی شناسایی کنند و امروزه در بسیاری از حوزه‌های یادگیری ماشین کاربرد دارند.
کاربردها
الگوریتم‌های یادگیری با نظارت در بسیاری از حوزه‌های علوم کامپیوتر و داده‌کاوی کاربرد دارند. چند مورد عبارتند از:
پردازش تصویر و بینایی کامپیوتر
از مسائل مهم مطرح در بینایی کامپیوتر میتوان به تشخیص چهره، تشخیص اشیا و طبقه‌بندی تصاویر بر اساس محتوایشان اشاره کرد. شبکه‌های عصبی که از روشهای یادگیری با نظارت هستند از راه حل‌های مدرن این مسائل به شمار می‌روند که امروزه در عمل استفاده‌ی گسترده‌ای دارند.
تشخیص دست خط
از تکنیک‌های مدرن در تشخیص دست‌خط و استخراج ویژگیهای نوشته استفاده از شبکه‌های عصبی می‌باشد.
تشخیص هرزنامه
سپم (به انگلیسی: Spam) یا هرزنامه، به معنی پیام یا نامه الکترونیکی است که بدون درخواست گیرنده و به صورت انبوه فرستاده میشود. بهترین تکنولوژی که در حال حاضر برای توقف اسپم وجود دارد، استفاده از نرم‌افزارهای فیلترینگ است. این نوع برنامه‌ها، وجود کلید واژه‌های خاصی را در خط موضوع پیام، بررسی و در صورت شناسائی آنان، نامه الکترونیکی مورد نظر را حذف می‌نمایند. برخی از برنامه‌های فیلترینگ پیشرفته، با استفاده از روشهای متعدد آماری (مانند فیلترینگ اسپم بیزی) اقدام به شناسائی اسپم بر اساس الگوهایی خاص می‌نمایند.
محاسبات نرم و سخت
محاسبات نرم چیست-سایت فردارس
جزوه محاسبات نرم دکتر محمد توتونچی
"Philosophy of mind – The computational-representational theory of thought (CRTT)". Encyclopedia Britannica. Retrieved 21 October 2021.
Fodor was the most explicit and influential advocate of the computational-representational theory of thought, or CRTT—the idea that thinking consists of the manipulation of electronic tokens of sentences in a “language of thought.” Whatever the ultimate merits or difficulties of this
No one shall be able to drive us from the paradise that Cantor has created for us. (David Hilbert). I would say, `I wouldn't dream of trying to drive anyone ...
Uncertainty
Ambiguity
Indeterminacy
سیستم خاکستری (Grey system)
definitic
definite integrals
Specificity
specific
particular
Continuum hypothesis
definitional
definitical
specific (comparative more specific, superlative most specific)
explicit or definite.
(bioscience, taxonomy) pertaining to a species, as a taxon or taxa at the rank of species.
Coordinate terms: subspecific, infraspecific, generic, familial
special, distinctive or unique.
intended for, or applying to, a particular thing.
Serving to identify a particular thing (often a disease or condition), with little risk of mistaking something else for it.
a highly specific test, specific and nonspecific symptoms
being a remedy for a particular disease on a deeper level, rather than just masking the symptoms
Quinine is a specific medicine in cases of malaria.
Any improvement in secondary sciatica is probably due to the analgesic action of the sodium salicylate, but in primary sciatica, in all likelihood “rheumatic,” the effect of the sodium salicylate appears to be specific rather than symptomatic.
(immunology) limited to a particular antibody or antigen.
(physics) of a value divided by mass (e.g. specific orbital energy)
(physics) similarly referring to a value divided by any measure which acts to standardize it (e.g. thrust specific fuel consumption, referring to fuel consumption divided by thrust)
(physics) a measure compared with a standard reference value by division, to produce a ratio without unit or dimension (e.g. specific refractive index is a pure number, and is relative to that of air)
خودآگاهی در مغز انسان چگونه عمل میکند؟
نویسنده: تیم محتوایی آنلایف
تاریخ انتشار: شنبه, 30 اردیبهشت 1402
دسته‌بندی: بدون دسته بندی
برای درک چگونگی عملکرد خودآگاهی در مغز انسان
ابتدا مقدمه‌ای خواهیم داشت. کامپیوتر، گوشی‌های هوشمند و وسایل الکتریکی که از آنها استفاده می‌کنیم، مغزی ابتدایی دارند. این وسایل دارای مدارهای الکتریکی سازمان‌یافته‌ای هستند که اطلاعات را ذخیره کرده و به روشهای خاص و قابل پیشبینی رفتار می‌کنند، دقیقاً مانند سلول‌های متصل به‌هم در مغز.
در سطح پایه، مدارهای الکتریکی و سلول‌های عصبی در مغز از اتم‌ها و ذرات بنیادی تشکیل شده‌اند. مغز انسان هوشیار است اما ابزارهای ساخته‌شده توسط انسان، از این هوشیاری برخوردار نیستند. به گفته دانشمندان، خودآگاهی ویژگی اکثر موجودات جهان نیست و تنها عده محدودی از آنها که مغز نسبتا پیچیده‌ای دارند، خودآگاه‌اند.
دانشمندانی که رفتار حیوانات و آناتومی مغز را مطالعه می‌کنند، معتقدند که مغزی به اندازه مغز انسان برای برخورداری از ویژگی هوشیاری لازم نیست. گروهی از دانشمندان علوم مغز و اعصاب دانشگاه کمبریج اعلام کردند که حیوانات غیرانسان، از جمله تمام پستانداران و پرندگان، و بسیاری از موجودات دیگر، از جمله هشت پا، هوشیار هستند. این مسئله به این معناست که وجود خودآگاهی در مغز، محدود به گونه انسان نیست.
چگونه میتوان از فعالیت درون مغز آگاه شد؟
برای اینکه بفهمیم انسان در ذهن و مغزش، خود را چگونه درک میکند، تکنیک‌های متنوعی وجود دارد. یکی از رایج‌ترین روشهای تعیین مناطق مغزی و شناسایی فرآیندهای مختلف مغز، استفاده از MRI است. این دستگاه با توجه به تغییرات جریان خون در مغز، فعالیت آن را اندازه‌گیری و مطالعه میکند.
توموگرافی انتشار پوزیترون (PET) یک تکنیک تصویربرداری عملکردی دیگر در زمینه مطالعه خودآگاهی در مغز است که از مواد رادیواکتیو معروف به رادیوتراکرها برای مطالعه و اندازه‌گیری تغییرات فرآیندهای متابولیک و سایر فعالیت‌های فیزیولوژیکی از جمله جریان خون و ترکیب شیمیایی مناطق مختلف مغز استفاده میکند.
مورد دیگر، توموگرافی کامپیوتری (CT) است. پرتو اشعه ایکس به صورت دوار اطراف بدن حرکت میکند. با این کار نماهای مختلف از یک عضو بدن یا ساختار داخلی بدن دیده میشود. اطلاعات به دست‌آمده به وسیله اشعه ایکس به یک کامپیوتر ارسال می‌شوند که دیتاهای اشعه ایکس را تفسیر کرده و آنها را به صورت دوبعدی در مانیتور نشان میدهد. سی تی اسکن ممکن است با استفاده از ماده‌ای که به صورت خوراکی یا وریدی وارد بدن شده و باعث واضح‌تر شدن بخش‌های داخلی بدن در تصویر شده است، انجام شود.
سی تی اسکن مغز نسبت به عکس‌برداری از سر به وسیله اشعه ایکس اطلاعات مفصل‌تری در مورد بافت و ساختار مغز به دست میدهد. بنابراین از طریق به کارگیری این روش، اطلاعات بیشتری در مورد آسیب‌دیدگی یا بیماری‌های مغزی به دست می‌آید.
این موارد از جمله راه‌های مطالعه عملکرد خودآگاهی در مغز است.
تفاوت هوشیاری و خودآگاهی
انسان فقط یک موجود هوشیار نیست، او همچنین از خود، آگاه است. دانشمندان هوشیاری و خودآگاهی را دو مقوله جدا می‌دانند. هوشیاری یعنی از بدن و محیط اطراف خود آگاهیم، اما خودآگاهی یعنی این آگاهی را درک می‌کنیم. مثلا می‌دانیم وجود داریم. هوشیار بودن یعنی فکر کردن؛ خودآگاهی این است که بدانید شما موجودی متفکر هستید و به افکار خود فکر می‌کنید. احتمالاً نوزاد، فقط هوشیار است نه خودآگاه. او افراد و چیزهای اطراف خود را درک میکند و به آنها عکس‌العمل نشان میدهد، اما هنوز خودآگاهی در مغز او شکل نگرفته است. در سالهای اول زندگی، نوزادان حسی که درباره خود دارند را رشد میدهند، یاد می‌گیرند که خود را در آینه تشخیص دهند و زاویه دید اطرافیان را نسبت به خود درک کنند.
جایگاه خودآگاهی در مغز
فلاسفه یونان باستان شناختن خود را اوج بشریت می‌دانستند. اکنون هزاران سال بعد، دانشمندان علوم مغز و اعصاب در تلاش‌اند که به طور دقیق رمزگشایی کنند که چگونه مغز انسان توانایی خودآگاهی دارد.
دانشمندان بر این باورند که سه منطقه مغزی برای خودآگاهی بسیار حیاتی است: قشر اینسولار، قشر انقباضی قدامی و قشر جلوی پیشانی داخلی.
با این حال، یک تیم تحقیقاتی به سرپرستی دانشگاه آیووا این تئوری را به چالش کشیده است که نشان میدهد خودآگاهی در مغز بیش از آنکه محدود به مناطق خاصی باشد، بیشتر پراکنده در مسیرهای مغزی است.
آیا افرادی که قسمت بزرگی از مغز خود را از دست داده‌اند هوشیارند؟
مطالعات متعدد تصویربرداری عصبی از نورون‌های مغزی، حاکی از آن است که فکر کردن در مورد خود، شناخت تصویر خود و تأمل درباره افکار و احساسات خود -یعنی جنبه‌های مختلف خودآگاهی در مغز- همه در قشر مغز اتفاق می‌افتد، که بیرونی‌ترین و پیچیده‌ترین قسمت مغز است. این واقعیت که انسان دارای قشر مخ بزرگ نسبت به اندازه بدن است، ظاهرا توضیح میدهد که چرا به‌نظر می‌رسد ما نسبت به بیشتر حیوانات خودآگاهی بیشتری داریم.
فیلیپی و رودروف در مطالعه جدید خود به یک نتیجه جالب در مورد کودکان مبتلا به هیدروآنسفالی، یک بیماری نادر که در آن کیسه‌های پر از مایعات جایگزین نیمکره‌های مغزی می‌شوند، اشاره کردند. کودکان مبتلا به هیدروآنسفالی اساساً هر قسمت از مغز خود را به‌جز ساقه مغز و مخچه و چند ساختار دیگر، از دست میدهند. نگه‌داشتن چراغی نزدیک سر چنین کودکی، جمجمه را مانند یک فانوس دریایی روشن میکند. اگرچه بسیاری از کودکان مبتلا به هیدروآنسفالی در بدو تولد نسبتاً طبیعی به نظر می‌رسند، اما آنها اغلب به سرعت دچار مشکلات رشد، تشنج و اختلال بینایی می‌شوند.
بیشتر آنها در اولین سال زندگی خود می‌میرند. با این حال در برخی موارد، کودکان مبتلا به هیدروآنسفالی، سال‌ها یا حتی دهه‌ها زندگی می‌کنند. چنین کودکانی فاقد قشر مخ هستند، یعنی بخشی از مغز که برای آگاهی و خودآگاهی در مغز از اهمیت بیشتری برخوردار است. اما، همان‌طور که این مطالعه نشان میدهد، حداقل برخی از کودکان هیدروآنسفالیک ظاهرا نشان میدهند که خودآگاهی دارند. آنها به افراد و چیزهای موجود در محیط‌‌‌شان پاسخ میدهند. وقتی کسی تماس می‌گیرد یا هدیه می‌گیرد، لبخند می‌زنند و یا گریه می‌کنند. آنها تفاوت بین افراد آشنا و غریبه را می‌دانند، خود را به سمت اشیایی که می‌خواهند، حرکت میدهند و برخی از انواع موسیقی را به برخی دیگر ترجیح میدهند.
این نشان میدهد که تنها بخش مخ مغز منجر به خودآگاهی نمی‌شود. البته با قطعیت نمیتوان گفت، زیرا این کودکان نمی‌توانند صحبت کنند تا ما بدانیم تا چه حد خودآگاه‌اند.
تاثیر شبکه پارالیمبیک بر خودآگاهی در مغز
تغییر الگوهای مغزی با تغییر محتویات هوشیاری در هنگام مدیتیشن، مراقبه، یوگا و در حالت آگاهی طبیعی مثل حالت استراحت، رخ میدهد. مجموعه‌ای از مناطق پارالیمبیک داخلی به‌طور مداوم فعال هستند، از جمله قشر جلوی مغز داخلی و جانبی، قشر آهیانه داخلی راست و جسم مخطط راست.
تعدادی از رویکردهای تجربی، راه‌های عصبی خودآگاهی در مغز را به طور کامل‌تری مشخص می‌کنند. علی‌رغم استفاده از روشهای مختلف در بررسی جنبه‌های مختلف خودآگاهی مانند کلامی، فضایی، احساسی و چهره، آزمایش‌ها شواهد همگرایی را نشان میدهند که مناطق پارالیمبیک پیش‌پیشانی انقباضی قدامی و آهیانه‌ای خلفی با خودآگاهی در مغز در ارتباط هستند. بر این اساس میتوان این چنین نتیجه‌گیری کرد که شبکه پارالیمبیک داخلی یک امضای عصبی رایج برای خودآگاهی است. شبکه پارالیمبیک در خودآگاهی و بازیابی قضاوت قبلی درباره خود تاثیر دارد.
جمع‌بندی
اگر مغز ما نمی‌توانست نقاط قوت و نقاط ضعف خود را بشناسد، ما دیگر نمی‌توانستیم بگوییم خودآگاه هستیم. اگر ما نمی‌توانستیم خاطرات را در حافظه خود نگه داریم یا اگر تصویری از بدن خود نداشتیم، خودآگاهی در مغز ما مختل می‌شد. خودآگاهی اولین و به قولی ضروری‌ترین نیاز برای زندگی کردن است. در این مقاله به مناطقی از مغز که به خودآگاهی مربوط هستند اشاره شد اما همان طور که گفته شد، خودآگاهی می‌تواند ترکیبی از فعالیت تمام مناطق مغزی باشد.
نظرات
برای ثبت نظر باید ابتدا وارد شوید
نظری وجود ندارد، شما اولین نظر را قرار دهید
برنامه‌نویسی ژنتیک
****************
ارسال شده توسط:
حسن خ
Thursday - 19/10/2023 - 9:58
سایت مؤسسه هوش مصنوعی و تمدن اسلامی«همتا»
به دنبال تهیه دستیاران هوشمند در خدمت دین:
محصولات:
جستجوی هوشمند جهد
هستان نگار علوم اسلامی برهان
سامانه پاسخگویی سؤالات پارسا
گراف موجودیت های اسلامی قم نت
****************
ارسال شده توسط:
حسن خ
Thursday - 19/10/2023 - 10:2
معرفی برخی کتب در حوزه هوش مصنوعی
مقاله سیر مطالعاتی هوش مصنوعی
هوش مصنوعی یکی از موضوعات جذاب در سالهای اخیر است که در علوم مختلف از قبیل، روان شناسی، علوم شناختی، پزشکی، جامعه شناسی، فلسفه، حقوق و ... در مورد آن بحث می شود. لیست زیر یک سیر مطالعاتی در ابعاد روان شناختی، اجتماعی و فلسفی هوش مصنوعی در اختیار شما قرار می دهد.
درباره علم شناختی: هوش مصنوعی، روانشناسی، زبان‌شناسی، علم اعصاب و فلسفه ذهن / مؤلف: جواد حاتمی / ناشر: موسسه انتشارات امیرکبیر
زندگی 3.0: انسان بودن در عصر هوش مصنوعی / مؤلف: مکس تگمارک / مترجم: میثم محمدامینی / ناشران: فرهنگ نشر نو، آسیم
هوش مصنوعی (قدم اول) / مؤلف: هنری برایتون / مترجم: ابراهیم اسکافی / ناشر: پردیس دانش
مقایسه تطبیقی ذهن و هوش مصنوعی / مؤلف: محمد عباس‌زاده‌جهرمی / ناشر: پیمان غدیر
علوم شناختی: مقدمه‌ای بر مطالعه‌ی ذهن / مؤلفان: جی فردنبرگ، گوردون سیلورمن / مترجمان: محسن افتاده‌حال / ناشران: شرکت پیشرو فناوری قائد، موسسه آموزشی و تحقیقاتی صنایع دفاعی
علوم شناختی: مقدمه‌ای بر علم ذهن / مؤلف: خوسه‌لوئیس برمودس / مترجم: تورج بنی‌رستم / ناشر: کیان افراز
علوم شناختی: مقدمه‌ای بر ذهن و مغز / مؤلفان: دنیل کالک، ویلیام هیرشن، پیت مندیک، جاناتان واسکان / مترجمان: شهره صادقی، الهه کمری / ناشر: نویسه پارسی
روانشناسی شناختی / مؤلفان: محمدحسین عبداللهی، حسین زارع / ناشر: سمت
ذهن: درآمدی بر علوم شناختی / مؤلف: پل تاگارد / مترجم: رامین گلشائی / ناشر: سمت
قلمرو تازه علوم شناختی: آنچه مقوله‌ها درباره ذهن فاش می‌کنند / مؤلف: جرج لاکوف / مترجم: جهانشاه میرزابیگی ناشر: آگاه / دو جلد
درآمدی تاریخی به علوم شناختی: مطالعات میان رشته‌ای ریاضیات، روانشناسی، سایبرنتیک ... / مؤلف: محمدمحسن بیاتانی / ناشر: دانشگاه تفرش / دو جلد
مقدمه‌ای بر علوم و فناوری‌های شناختی و کاربردهای آن / مؤلف: سیدکمال خرازی / ناشر: سمت
علم شناخت یا شناخت‌پژوهی: مقدمه‌ای بر رویکردها، نظریه‌ها و پژوهش‌های علمی درباره ذهن / مؤلفان: جی فریدنبرگ، گوردون سیلورمن / مترجم: حبیب‌الله قاسم‌زاده / ناشر: کتاب ارجمند / دو جلد
مقدمه‌ای فلسفی بر علوم شناختی / مؤلف: رم هره / مترجمان: مجید داودی‌بنی، حسین شیخ‌رضایی / ناشران: فرهنگ نشر نو، آسیم
فلسفه علم شناختی / مؤلف: ام.ج. کین / مترجم: مصطفی تقوی / ناشر: ترجمان علوم انسانی
مسوولیت کیفری ربات‌ها: هوش مصنوعی در قلمرو حقوق کیفری / مؤلف: گابریل هالوی / مترجمان: فرهاد شاهیده، طاهره قوانلو / ناشر: میزان
عصر چهارم ربات‌های هوشمند، کامپیوترهای هوشیار و آینده بشریت / مؤلف: بایرون ریس / مترجم: مرتضی شانی / ناشر: شرکت چاپ و نشر بازرگانی
روابط عمومی در عصر هوش مصنوعی / مؤلفان: مهدی باقریان، حنانه باقریان / ناشر: کارگزار روابط عمومی
آدن و آدم / مؤلف: عبدالرضا جغتایی / ناشر: دانشگاه صنعتی شریف، موسسه انتشارات علمی
ذهن و کامپیوتر: مقدمه‌ای بر فلسفه هوش مصنوعی / مؤلف: تورج بنی‌رستم / ناشر: تورج بنی رستم
مبانی فلسفی هوش مصنوعی / مؤلف: علی‌اکبر ضیایی / ناشر: امین
عصر ماشین‌های معنوی: وقتی رایانه‌ها از هوش انسان پیشی می‌گیرند / مؤلف: ری کورزویل / مترجم: سیمین موحد / ناشر: پیکان
آینده شبیه‌سازی مغز: چگونگی خلق یک مغز غیربیولوژیک / مؤلف: ری کورزویل / مترجم: حسین کاشفی‌امیری / ناشر: آینده‌پژوه
راهنمای هوش مصنوعی: کاربرد هوش مصنوعی در پیشرفت کسب و کارها / مؤلف: اندرو برجس / مترجمان: مهدی ابراهیمی، رضا اسدی، رضا عسگری / ناشر: آینده‌پژوه
ابرقدرت‌های هوش مصنوعی: چین، سیلیکون ولی و نظم نوین جهانی / مؤلف: کای‌فو. لی / مترجمان: میرجواد سیدحسینی، مژگان محمدی / ناشر: بنگاه ترجمه و نشر کتاب پارسه
تاثیر فناوری‌های پیشرفته بر آینده دولت‌ها و کشورها / مؤلفان: کانر گریفین، مایکل مارتینز / مترجمان: فرزان مجیدفر، فرشید مجیدفر، عباسعلی کارشناس / ناشر: رسا
****************
ارسال شده توسط:
حسن خ
Saturday - 23/12/2023 - 10:13
مقاله «بررسی توان رقابت هوش مصنوعی با ذهن انسان از منظر قرآن»
****************
ارسال شده توسط:
حسن خ
Saturday - 20/1/2024 - 10:39
مقاله «معانی چهارگانه آگاهی»
****************
ارسال شده توسط:
حسن خ
Sunday - 14/1/2024 - 10:11
مدخل هوش مصنوعی در دائرة المعارف اینترنتی استنفورد
