هوش مصنوعی و علوم شناختی
یادگیری تقویتی - مدل پنهان مارکوف MDP
در یک تصمصم گیری شما تعدادی عمل (action) دارید که می تونید از بین اونا
یکی رو انتخاب کنید. انتخاب بهترین عمل مستلزم دونستن نتایج بعدی اون کار
هست و نه فقط نتایج آنی اون. درک نتایج دراز مدت معمولاْ می تونه به تصمیم
گیری بهتر خیلی کمک کنه. نکته اینجاست که تصمیم گیرنده باید بتونه بین
فواید کوتاه مدت و دراز مدت که لزوماْ باعث تقویت همدیگه نمی شن انتخاب
کنه. این مدل به مدل پنهان مارکوف معروفه و هر روز در کارهای روزمره مردم
از اون استفاده می کنن.
برای مسائلی به این شکل راه حل های استانداردی وجود داره که اگه بتونیم
اجزای مساله رو به خوبی مدل کنیم به راحتی می تونیم از اونا استفاده کنیم.
اجزای اصلی یک مدل مارکوف عبارتند از:
۱- من کجام؟ (مجموعه حالت ها)
وضعیتی که مساله شما در اون قرار داره حالت اون مساله گفته می شه. در واقع
اگه ما تمامی حالت هایی که ممکنه مساله به اون بره رو در نظر بگیریم٬ میشه
مجموعه حالات. مثال: در مساله پیدا کردن یک خونه هدف در یک جدول٬ هر خونه
جدول یک حالته
۲- چیکار می تونم بکنم؟ (مجموعه عمل ها)
تصمیمی که می تونه گرفته بشه یک عمله. تمامی مجموعه تصمیمات قابل اتخاذ
مجموعه اعمال رو تشکیل می ده. مثال: در مساله قبلی اعمال رفتن به چپ٬
راست٬ بالا و پایین
۳- این کارا منو به کجا می رسونه؟ (گذر)
یک گذر ازیک حالت مشخص کننده اینه که یک عمل در اون حالت به چه نتیجه ای
(حالت و پاداشی) منجر می شه. یکی از توسیع (extention) هایی که در مورد
مدل مارکوف هست اینه که گذرها احتمالاتی باشن. همچنین توسیع دیگه اینه که
از یک حالت با یک عمل ممکنه به حالتهای مختلف بریم. مثال: تغییر مختصات در
جهت هر یک از اعمال فوق
۳- چی گیرم میاد؟ (ارزش افزوده فوری هر عمل)
برای اینکه بتونیم بین اعمالمون ارزشی برای یکی و ترجیحی برای اون قایل
بشیم باید بتونیم ارزش افزوده ای براش تعیین کنیم. (پاداشی که از هر عمل
می گیریم. مثال: برای مساله فوق اگه پاداش هر حرکت ۰.۱- و پاداش خروج از
جدول ۰.۵- و پاداش رسیدن به هدف ۱+ گرفته بشه با روش Q-Learning جواب میده.
*آدم باید سیاست داشته باشه (حل مساله مدل مارکوفی)
حل یک مساله مارکوف سیاست حل اون نامیده می شه که برای هر حالت بهترین
حالت بعدی رو تعیین میکنه. در هر حال سیاست بصورت یک تابع ارزش
(value-function) نشون داده می شه که در هر حالتی بهترین حالت بعدی رو
میشه از روش حساب کرد.
* عوضی نیای
بعضی از مسایل هست که یک گذر بسته به چندین حالت قبلیه که دیگه این جزء مارکوف حساب نمیشه و باید برین یه جای دیگه حلش کنین.
کلاْ یک مساله رو زمانی مارکوفی به حساب میارن که رسیدن به یک حالت فقط بستگی به حالت قبلی و عمل انجام شده در اون حالت داشته باشه
سیستم خبره - دانش
سیستم های خبره
نمایش دانش (Knowledge Representation) – قسمت اول
در این قسمت ابتدا به مفهوم دانش، و سپس به نمایش دانش – یعنی روش های ذخیره سازی دانش در پایگاه دانش – می پردازیم.
کلمه ی دانش مانند کلمه عشق، از آن دسته کلماتی است که هر کسی معنای آن را
می داند ولی با این حال هنوز تعریف آن بسیار دشوار است. بعضی کلمات از
قبیل داده، واقعیات و اطلاعات به عنوان کلمات مترادف با دانش به کار می
روند.
انواع دسته بندی های دانش :
1- دانش پیشین و پسین : دانش پیشین به دانشی گفته می شود از قبل وجود دارد
و مستقل از دانش بدست امده از طریق حواس می باشد. دانش پیشین همیشه درست
فرض می شود مگر اینکه با دانش درست دیگری در تناقض باشد. به عنوان مثال
عبارت "مجموع زوایای همه مثلث ها 180 درجه می باشد" نمونه ای از دانش های
پیشین می باشد. دانش پسین به دانشی گفته می شود که از طریق حواس به دست می
آید. مثلا دانش به اینکه "چراغ راهنمایی سبز است"
2- دانش رویه ای ، دانش اظهاری و دانش ضمنی : دانش رویه ای دانستن چگونگی
انجام یک کار است. مثل دانستن طریق به جوش آمدن یک ظرف آب. دانش اظهاری به
آگاهی از درستی یا نادرستی برخی چیزها اشاره می کند. دانش ضمنی، یا همان
دانش نا خود آگاه به دانشی گفته می شود که نمی توان آن را با زبان بیان
کرد. مثلا دانش به طریقه حرکت دادن دست ها.
دانش بیشترین اهمیت را در سیستم های خبره دارد :
برنامه های کامپیوتری = ساختار داده ها + الگوریتم ها
سیستم های خبره = استنتاج + دانش
سلسله مراتب دانش :
اغتشاش شامل داده های مبهمی است که هیچ استفاده ای از آن ها نمی توان کرد.
سطح بعدی، داده است که بطور بالقوه می توان از آن ها استفاده کرد. داده
های پردازش شده، اطلاعات را تشکیل می دهند که کاملا مفید هستند. مرحله ی
بعدی یعنی دانش، شامل اطلاعات بسیار تخصصی می باشد. در مبحث سیستم های
خبره ی مبتنی بر قاعده، دانش به صورت قواعدی تعرف شده که توسط واقعیات
فعال می شوند تا واقعیات جدید و یا اقدام خاصی را انجام دهند.
به عنوان یک مثال از مفاهیم فوق، رشته 24عددی زیر را در نظر بگیرید.
1347178766832525156430015
اگر هیچ دانشی در باره ی این رشته نداشته باشیم، ممکن است نوعی اغتشاش به
نظر بیاید. ولی اگر بدانیم این رشته معنی دار است، در این صورت این رشته
یک داده خواهد بود.
برای تبدیل داده به اطلاعات ممکن است یک دانش قطعی و مشخص وجود داشته باشد. مثل الگوریتم زیر برای تبدیل داده ی فوق به اطلاعات :
اعداد را دو تا دو تا از هم جدا کنید.
از کلیه اعداد دو رقمی که کمتر از 32 هستند چشم پوشی کنید.
کاراکتر های اسکی را جایگزین اعداد دو رقمی کنید.
با الگوریتم فوق بر روی داده فوق اطلاعاتی به صورت زیر به دست خواهد آمد :
GOLD 438 +
یعنی اینکه قیمت طلا 438 می باشد و در حال افزایش می باشد.
فوق دانش دانشی در باره ی دانش ها می باشد. مثلا سیستم خبره ممکن است
دارای فوق دانشی در باره ی چند دانش داشته باشد و هنگام برخورد با مساله
بتواند تشخیص دهد که باید از کدام پایگاه دانش استفاده کند.
کاربردهای هوش مصنوعی در کشاورزی
کاربردهای کشاورزی:
۱- استفاده برای استخراج اطلاعات کشاورزی و نقشه های سطح زمین٬ وضعیت آبی
و زراعی زمین٬ وضعیت جنگلها و مراتع و ... از تصاویر ماهواره ای
۲- تحلیل اطلاعات استخراجی از تصاویر ماهواره ای و تطبیق با اطلاعات موجود با سیستم سنتی
۳- نگهداری این اطلاعات در بانکهای اطلاعاتی جغرافیایی و بهره برداری معنایی و استخراج اطلاعات مفهومی
۴- خودکار سازی سیستم های ماشینی کاشت٬ داشت٬ برداشت و عرضه محصول و کنترل
کیفیت آن نظیر سیستم های خودکار داشت محصولات هیدروپونیک٬ یا سیستم های
خودکار برداشت و بسته بندی چای و هزاران مورد دیگر
کاربردهای صنعتی:
کلیه سیستم های خودکار جهت برش قطعات مختلف٬ سرهم کردن و فیکس کردن قطعات داخل هم٬ اتصال آنها به هم و کنترل کیفیت محصول.
از جمله موارد می توان به سیستم کنترل کوره ها٬ رباتهای مختلفی که در
برشکاری ورق٬ اتصال و جوشکاری استفاده می شود و همچنین سیستم های هوشمند
بینایی که در کنترل کیفیت انواع محصولات بکار می رود نام برد.
کاربردهای نظامی:
بسیار زیاد
سیستم های هوشمند شناسایی مناطق جنگی اعم از هوایی و یا زمینی٬ سیستم بمب
ها و راکتهای هوشمندی که اهداف خود را ضمن شناسایی و دنبال کردن ماهواره
ای٬ الگوهای سطح زمین راهم برای اطمینان چک می کنند..
استاد ما می گفت در آمریکا که بودم داشتند روی یکسری بمب کار می کردند که
وقتی از هواپیما بصورت دسته جمعی رها می شوند٬ از سطح زمین عکس برداری
کنند و اهداف روی سطح زمین را بین خودشان تقسیم کنند که هیچ کدام بیهوده
هدر نرود.