کاربرد شبکه های عصبی مصنوعی در پزشکی
کاربرد شبکه های عصبی مصنوعی در پزشکی
فهرست مطالب
چکیده1
فصل اول : هوش مصنوعی
1-1 مقدمه 3
1-2 هوش مصنوعی چیست4
1-3 تاریخچه هوش مصنوعی 7
1-4 افق‌های هوش مصنوعی9
1-5 آزمون تورینگ 10
1-6 فلسفه هوش مصنوعی11
1-7 مدیریت پیچیدگی در هوش مصنوعی11
1-8 تکنیک‌ها وزبان‌های برنامه نویسی هوش مصنوعی12
1-9 عامل های هوشمند13
1-10 مقایسه هوش مصنوعی و هوش انسانی13
فصل دوم :شبکه هایعصبی مصنوعی
2-1 شبکه عصبی چیست 16
2-2 مدل ریاضی شبکه عصبی مصنوعی 17
2-3 نرون در شبکه عصبی 18
2-3-1 اجزای یک نرون 19
2-3-2 انواع نرون ها از نظر نوع کاربرد 20
2-4 تاریخچه شبکه های عصبی مصنوعی21
2-5 انواع یادگیری شبکه های عصبی22
2-6 چرا از شبکه های عصبی استفاده می کنیم؟ 24
2-7 مزیتهای شبکه های عصبی24
2-8مسائل مناسب برای یادگیری شبکه های عصبی 24
2-9 برخی زمینه های استفاده از شبکه های عصبی 25
2-10 شبکه عصبی پرسپترون 26
2-11 الگوریتم پس انتشار خطا 30
2-12الگوریتم gradient descent ـ 33
2-13 روند شبیه سازی مسائل در شبکه های عصبی 34
2-14 معایب شبکه های عصبی 36
فصل سوم :کاربردهایشبکه های عصبی در پزشکی
3-1 تشخیص مواد آلرژی زا با استفاده از شبکه های عصبی مصنوعی 38
3-1-1 داده های شبیه سازی 39
3-1-2 شیوه کدگذاری رشته های پروتئینی39
3-1-3 شبکه های عصبی مورد استفاده41
3-1-4 آموزش و آزمون شبکه های عصبی مورد استفاده42
3-1-5 مقایسه دو شبکه استفاده شده 44
3-2 کاربرد شبکه عصبی در تشخیص بیماری سل ریه 46
3-2-1 تشخیص بیماری ها 46
3-2-3 علائم بیماری سل(سرطان ریه)46
3-2-4 شایع‌ترین اشکال سرطان ریه 47
3-2-5 روشهای تشخیص بیماری 47
3-2-6 MMR 50
3-2-7 استخراج ویژگی ها50
3-2-8 مدل شبکه عصبی مورد استفاده و آموزش آن 51
3-3 پیش بینی نوسانات سطح قند خون در بیماران مبتلا به دیابت نوع 1 با استفاده از شبکه های عصبی خودبازگشتی المن52
3-3-1 داده های مورد استفاده شبکه عصبی53
3-3-2 روش مورد استفاده 54
3-3-3 نرمال سازی دادهها 55
3-3-4 شبکه های عصبی پرسپترون استفاده شده 55
3-3-5 شبکه های عصبی خود بازگشتی 58
3-3-6 مقایسه نتایج حاصل از شبکه پرسپترون و المن 61
3-4 تشخیص دوک خواب با استفاده از شبکه های عصبی مصنوعی63
3-4-1 مشخصات داده های مورد استفاده 65
3-4-2 ساختار شبکه عصبی مورد استفاده 65
3-4-3 روش آموزش و ارزیابی شبکه عصبی 66
3-4-4 پیاده سازی شبکه عصبی 66
3-4-5 نتایج بدست آمده 70
3-5 مقایسه ی مدل شبکه عصبی مصنوعی و رگرسیون کاکس در پیشبینی بقای بیماران مبتلا به سرطان معده 71
3-5-1 مواد و روش های مورد استفاده 72
3-5-2 نتایج حاصل از مقایسه دو مدل پیش بینی سرطان معده 73
3-5-3 کارهای انجام شده در زمینه پیش بینی سرطان معده 76
3-6 تشخیص دیابت نوع 1 با استفاده از ترکیب الگوریتم ANFISو GA-NN ـ 77
3-6-1 معیارهای رایج تشخیص بیماری دیابت و ویژگیهای داده های مورد استفاده 78
3-6-2 روش مورد استفاده 79
3-6-3 استخراج الگوهای بهینه با استفاده از الگوریتم تکاملی 79
3-6-4 الگوریتمANFIS ـ 81
3-6-5 نتایج بدست آمده از اجرای الگوریتم 84
فصل چهارم : نتیجه گیری
4-1 نتیجه گیری 89
منابع 90
چکیده لاتین91
چکیده:
مجهز شدن علم پزشکی به ابزار های هوشمند در تشخیص و درمان بیماری ها می تواند اشتباهات پزشکان و خسارت جانی و مالی را کاهش می دهددر این تحقیق کاربرد های نوعی شبکه های عصبی در پزشکی مورد بررسی قرار گرفته است تلاش ما بر این بوده است که تحقیق هم برای دانشجویان رشته کامپیوتر و هم برای دانشجویان پزشکی قابل استفاده باشدبررسی پژوهش های علمی انجام شده در این تحقیق ایده های مناسبی برای تحقیقات بعدی ایجاد خواهد کردبخش 1 مقدمه ای بر هوش مصنوعی می باشد در بخش 2 به برسی انواع شبکه های عصبی و بخشی از الگوریتم های به کار رفته در این تحقیق می پردازیم همچنین در بخش 3 به کاربرد شبکه های عصبی در پزشکی خواهیم پرداخت ودر بخش 4 مقاله خاتمه می یابد
فصل اول
هوش مصنوعی
1-1 مقدمه
دهه‌های آغازین سده بیستم میلادی و دوران پیشرفت شگرف صنعتی، همراه با تولید خودرو بود که انقلاب همه جانبه‌ای درترابری، افزایش شتاب جابجایی و صدها کار و پیشه جدید دررشته‌های بازرگانی بوجود آورده بود
به نظر می‌رسد که سمبل دوران فراصنعتی و نماد فرآورده‌های بی‌همتای قرن آینده«هوش مصنوعی» است‌امروزه موضوع هوش مصنوعی داغ‌ترین بحث میان کارشناسان دانش رایانه واطلاعات و دیگر دانشمندان و تصمیم‌گیرندگان است‌در سراسرتاریخ تا به امروز انسان از جنبه تن و روان، مرکز و محور بحث‌هاو پژوهش‌ها بوده است‌ولی اکنون موجودی با رتبه‌ای پائین‌تر،بی‌جان و ساختگی می‌خواهد جانشین او شود، امری که بدون شک می‌توان ادعا نمود بیشتر انسانها با آن مخالفند.
هوش مصنوعی چنانچه به هدف‌های والای خود برسد، جهش‌بزرگی در راه دستیابی بشر به رفاه بیشتر و حتی ثروت افزون‌ترخواهد بودهم اکنون نمونه‌های خوب و پذیرفته از هوش مصنوعی‌در دنیای واقعی ما به کار افتاده است‌چنین دستاوردهایی، صرف‌منابع لازم در آینده را همچنان توجیه خواهد کرد. از سوی دیگر، منتقدین هوش مصنوعی چنین استدلال می‌کنندکه صرف زمان و منابع ارزشمند دیگر در راه ساخت فراورده‌ای که‌پر از نقص و کاستی ودست‌آوردهای مثبت اندکی است،مایه بدنام کردن و زیر پا گذاشتن‌توانمندی‌ها و هوشمندی‌های‌انسان می‌باشدتلخ‌ترین انتقادها بر این باور است که هوش‌مصنوعی، توهین آشکار به گوهر طبیعت و نقش انسان است
1-2 هوش مصنوعی چیست
« هوش مصنوعی، دانش ساختن ماشین ها یا برنامه‌های هوشمند است»همانگونه که از تعریف فوق که توسط یکی از بنیانگذاران هوش مصنوعی ارائه شده است برمی‌آید،حداقل به دو سؤال باید پاسخ داد:
1ـ هوشمندی چیست؟
2ـ برنامه‌های هوشمند، چه نوعی از برنامه‌ها هستند؟
تعریف دیگری که از هوش مصنوعی می‌توان ارائه داد به قرار زیر است:
« هوش مصنوعی، شاخه‌ایست از علم کامپیوتر که ملزومات محاسباتی اعمالی همچون ادراک (Perception)، استدلال(reasoning)و یادگیری(learning)را بررسی کرده و سیستمی جهت انجام چنین اعمالی ارائه میدهد »
و در نهایت تعریف سوم هوش مصنوعی از قرار زیر است:
«هوش مصنوعی، مطالعه روش‌هایی است برای تبدیل کامپیوتر به ماشینی که بتواند اعمال انجام شده توسط انسان را انجام دهد »به این ترتیب می‌توان دید که دو تعریف آخر کاملاً دو چیز را در تعریف نخست واضح کرده‌اند
1- منظور از موجود یا ماشین هوشمند چیزی است شبیه انسان
2- ابزار یا ماشینی که قرار است محمل هوشمندی باشد یا به انسان شبیه شود، کامپیوتر است
هردوی این نکات کماکان مبهم و قابل پرسش اندآیا تنها این نکته که هوشمندترین موجودی که می‌شناسیم، انسان است کافی است تا هوشمندی را به تمامی اعمال انسان نسبت دهیم؟ حداقل این نکته کاملاً واضح است که بعضی جنبه‌های ادراک انسان همچون دیدن و شنیدن کاملاً ضعیف‌تر از موجودات دیگر است علاوه بر این، کامپیوترهای امروزی با روش‌هایی کاملاً مکانیکی(منطقی) توانسته‌اند در برخی جنبه‌های استدلال، فراتر از توانایی‌های انسان عمل کنند بدین ترتیب، آیا می‌توان در همین نقطه ادعا کرد که هوش مصنوعی تنها نوعی دغدغه علمی یا کنجکاوی دانشمندانه است و قابلیت تعمق مهندسی ندارد؟(زیرا اگر مهندسی، یافتن روشهای بهینه انجام امور باشد، به هیچ رو مشخص نیست که انسان اعمال خویش را به گونه‌ای بهینه انجام میدهد)اما همین سؤال را می‌توان از سویی دیگر نیز مطرح ساخت، چگونه می‌توان یقین حاصل کرد که کامپیوترهای امروزین، بهترین ابزارهای پیاده‌سازی هوشمندی هستند؟
رؤیای طراحان اولیه کامپیوتر از بابیج تا تورینگ، ساختن ماشینی بود که قادر به حل تمامی مسائل باشد، البته ماشینی که در نهایت ساخته شد(کامپیوتر) به جز دسته ای خاص از مسائل قادر به حل تمامی مسائل بوداما نکته در اینجاست که این «تمامی مسائل» چیست؟ طبیعتاً چون طراحان اولیه کامپیوتر، منطق‌دانان و ریاضیدانان بودند، منظورشان تمامی مسائل منطقی یا محاسباتی بودبدین ترتیب عجیب نیست، هنگامی که فون‌نیومان سازنده اولین کامپیوتر، در حال طراحی این ماشین بود، کماکان اعتقاد داشت برای داشتن هوشمندی شبیه به انسان، کلید اصلی، منطق(از نوع به کار رفته در کامپیوتر) نیست، بلکه احتمالاً چیزی خواهد بود شبیه ترمودینامیک!
به هرحال، کامپیوتر تا به حال به چنان درجه‌ای از پیشرفت رسیده و چنان سرمایه‌گذاری عظیمی برروی این ماشین انجام شده است که به فرض این که بهترین انتخاب نباشد هم، حداقل سهل‌الوصول‌ترین و ارزان‌ترین و عمومی‌ترین انتخاب برای پیاده‌سازی هوشمندیست
بنابراین ظاهراً به نظر می‌رسد به جای سرمایه‌گذاری برای ساخت ماشین‌های دیگر هوشمند، می‌توان از کامپیوترهای موجود برای پیاده‌سازی برنامه‌های هوشمند استفاده کرد و اگر چنین شود، باید گفت که طبیعت هوشمندی ایجاد شده حداقل از لحاظ پیاده‌سازی، کاملاً با طبیعت هوشمندی انسانی متناسب خواهد بود، زیرا هوشمندی انسانی، نوعی هوشمندی بیولوژیک است که با استفاده از مکانیسم‌های طبیعی ایجاد شده، و نه استفاده از عناصر و مدارهای منطقیدر برابر تمامی استدلالات فوق می توان این نکته را مورد تاُمل و پرسش قرار داد که هوشمندی طبیعی تا بدان جایی که ما سراغ داریم، تنها برمحمل طبیعی و با استفاده از روش های طبیعت ایجاد شده استطرفداران این دیدگاه تا بدانجا پیش رفته‌اند که حتی ماده ایجاد کننده هوشمندی را مورد پرسش قرار داده اند، کامپیوتر از سیلیکون استفاده می کند، در حالی که طبیعت همه جا از کربن سود برده است مهم تر از همه، این نکته است که در کامپیوتر، یک واحد کاملاً پیچیده مسئولیت انجام کلیه اعمال هوشمندانه را بعهده دارد، در حالی که طبیعت در سمت و سویی کاملاً مخالف حرکت کرده استتعداد بسیار زیادی از واحدهای کاملاً ساده (بعنوان مثال از نورون‌های شبکه عصبی) با عملکرد همزمان خود (موازی) رفتار هوشمند را سبب می شوندبنابراین تقابل هوشمندی مصنوعی و هوشمندی طبیعی حداقل در حال حاضر تقابل پیچیدگی فوق العاده و سادگی فوق العاده استاین مساُله هم اکنون کاملاً به صورت یک جنجال(debate)علمی در جریان است
در هر حال حتی اگر بپذیریم که کامپیوتر در نهایت ماشین هوشمند مورد نظر ما نیست، مجبوریم برای شبیه‌سازی هر روش یا ماشین دیگری از آن سود بجوییم
به هر نحو هنوز تعریف دقیقی که مورد قبول همه دانشمندان این علم باشد برای هوش مصنوعی ارائه نشده‌است، و این امر، به هیچ وجه مایه تعجّب نیستچرا که مقوله مادر و اساسی‌تر از آن، یعنی خود هوش هم هنوز بطور همه‌جانبه و فراگیر تن به تعریف نداده‌استدر واقع، می‌توان نسل‌هایی از دانشمندان را سراغ گرفت که تمام دوران زندگی خود را صرف مطالعه و تلاش در راه یافتن جوابی به این سؤال عمده نموده‌اند که هوش چیست؟
اما اکثر تعریف‌هایی که در این زمینه ارایه شده‌اند بر پایه یکی از ۴ باور زیر قرار می‌گیرند:
1سیستم‌هایی که به طور منطقی فکر میکنند
2سیستم‌هایی که به طور منطقی عمل میکنند
3سیستم‌هایی که مانند انسان فکر میکنند
4سیستم‌هایی که مانند انسان عمل میکنند
شاید بتوان هوش مصنوعی را این گونه توصیف کرد:«هوش مصنوعی عبارت است از مطالعه این که چگونه کامپیوترها را می‌توان وادار به کارهایی کرد که در حال حاضر انسانها آنها را بهتر انجام می‌دهند»
1-3 تاریخچه هوش مصنوعی
هوش مصنوعی به خودی خود علمی است کاملاً جواندر واقع بسیاری شروع هوش مصنوعی را 1950می دانند زمانی که آلن تورینگ مقاله دوران‌ساز خود را در باب چگونگی ساخت ماشین هوشمند نوشت (آنچه بعدها به تست تورینگ مشهور شد) تورینگ درآن مقاله یک روش را برای تشخیص هوشمندی پیشنهاد می‌کرداین روش بیشتر به یک بازی شبیه بود
فرض کنید شما در یک سمت یک دیوار (پرده یا هر مانع دیگر) هستید و به صورت تله تایپ باآن سوی دیوار ارتباط دارید و شخصی از آن سوی دیوار از این طریق با شما در تماس استطبیعتاً یک مکالمه بین شما و شخص آن سوی دیوار می‌تواند صورت پذیردحال اگر پس از پایان این مکالمه، به شما گفته شود که آن سوی دیوار نه یک شخص بلکه (شما کاملاً از هویت شخص آن سوی دیوار بی‌خبرید) یک ماشین بوده که پاسخ شما را می‌داده، آن ماشین یک ماشین هوشمند خواهد بود، در غیر این صورت(یعنی در صورتی که شما در وسط مکالمه به مصنوعی بودن پاسخ پی ببرید) ماشین آن سوی دیوار هوشمند نیست و موفق به گذراندن تست تورینگ نشده است باید دقت کرد که تورینگ به دو دلیل کاملاً مهم این نوع از ارتباط(ارتباط متنی به جای صوت) را انتخاب کرداول این که موضوع ادراکی صوت را کاملاً از صورت مساُله حذف کند و این تست هوشمندی را درگیر مباحث مربوط به دریافت و پردازش صوت نکند و دوم این که بر جهت دیگری هوش مصنوعی به سمت نوعی از پردازش زبان طبیعی تاکید کند
در هر حال هر چند تاکنون تلاش‌های متعددی در جهت پیاده سازی تست تورینگ صورت گرفته مانند برنامه Elizaو یا AIML(زبانی برای نوشتن برنامه‌‌‌‌هایی که قادر به chatکردن اتوماتیک باشند) اما هنوز هیچ ماشینی موفق به گذر از چنین تستی نشده است
همانگونه که مشخص است، این تست نیز کماکان دو پیش فرض اساسی را در بردارد:
1- نمونه کامل هوشمندی انسان است
2- مهمترین مشخصه هوشمندی توانایی پردازش و درک زبان طبیعی است
درباره نکته اول به تفصیل تا بدین جا سخن گفته ایم؛ اما نکته دوم نیز به خودی خود باید مورد بررسی قرارگیرداین که توانایی درک زبان نشانه هوشمندی است تاریخی به قدمت تاریخ فلسفه دارداز نخستین روزهایی که به فلسفه(Epistemology)پرداخته شده زبان همیشه در جایگاه نخست فعالیتهای شناختی قرار داشته استاز یونانیان باستان که لوگوس را به عنوان زبان و حقیقت یکجا به کار می‌بردند تا فیلسوفان امروزین که یا زبان را خانه وجود می‌دانند، یا آن را ریشه مسائل فلسفی می‌خوانند؛ زبان، همواره شان خود را به عنوان ممتازترین توانایی هوشمندترین موجودات حفظ کرده است با این ملاحظات می‌توان درک کرد که چرا آلن تورینگ تنها گذر از این تست متظاهرانه زبانی را شرط دستیابی به هوشمندی می‌داند تست تورینگ اندکی کمتر از نیم‌قرن هوش مصنوعی را تحت تاثیر قرار داد اما شاید تنها در اواخر قرن گذشته بود که این مسئله بیش از هر زمان دیگری آشکار شد که متخصصین هوش مصنوعی به جای حل این مسئله باشکوه ابتدا باید مسائل کم‌اهمیت‌تری همچون درک تصویر (بینایی ماشین) درک صوت و…را حل کنند به این ترتیب با به محاق رفتن آن هدف اولیه، اینک گرایش‌های جدیدتری در هوش مصنوعی ایجاد شده‌انددر سال‌های آغازین AIتمرکز کاملاً برروی توسعه سیستم‌هایی بود که بتوانند فعالیتهای هوشمندانه(البته به زعم آن روز) انسان را مدل کنند، و چون چنین فعالیت‌هایی را در زمینه‌های کاملاً خاصی مانند بازی‌های فکری، انجام فعالیتهای تخصصی حرفه ای، درک زبان طبیعی، و…می‌دانستند طبیعتاً به چنین زمینه‌هایی بیشتر پرداخته شد
در زمینه توسعه بازی‌ها، تا حدی به بازی شطرنج پرداخته شد که غالباً عده‌ای هوش مصنوعی را با شطرنج همزمان به خاطر می‌آورندمک‌کارتی که پیشتر اشاره شد، از بنیانگذاران هوش مصنوعی است این روند را آنقدر اغراق‌آمیز می‌داند که می‌گوید:
«محدود کردن هوش مصنوعی به شطرنج مانند این است که علم ژنتیک را از زمان داروین تا کنون تنها محدود به پرورش لوبیا کنیم » به هر حال دستاورد تلاش مهندسین و دانشمندان در طی دهه‌های نخست را می‌توان توسعه تعداد بسیار زیادی سیستمهای خبره در زمینه‌های مختلف مانند پزشکی عمومی، اورژانس، دندانپزشکی، تعمیرات ماشین،… توسعه بازی‌های هوشمند، ایجاد مدلهای شناختی ذهن انسان، توسعه سیستمهای یادگیری و دانستدستاوردی که به نظر می‌رسد برای علمی با کمتر از نیم قرن سابقه قابل قبول باشد
1-4 افق‌های هوش مصنوعی
در 1943،Mcclutch(روانشناس، فیلسوف و شاعر) و Pitts(ریاضیدان) طی مقاله‌ای، دیده‌های آن روزگار درباره محاسبات، منطق و روانشناسی عصبی را ترکیب کردندایده اصلی آن مقاله چگونگی انجام اعمال منطقی به وسیله اجزای ساده شبکه عصبی بوداجزای بسیار ساده (نورون‌ها) این شبکه فقط از این طریق سیگنال های تحریک(exitory)و توقیف(inhibitory)با هم درتماس بودنداین همان چیزی بود که بعدها دانشمندان کامپیوتر آن را مدارهای(And)و (OR)نامیدند و طراحی اولین کامپیوتر در 1947توسط فون نیومان عمیقاً از آن الهام می‌گرفتامروز پس از گذشته نیم‌قرن از کار Mcclutchو Pittsشاید بتوان گفت که این کار الهام بخش، گرایشی کاملاً پویا و نوین در هوش مصنوعی است پیوندگرایی (Connectionism)هوشمندی را تنها حاصل کار موازی و همزمان و در عین حال تعامل تعداد بسیار زیادی اجزای کاملاً ساده به هم مرتبط می‌داند شبکه‌های عصبی که از مدل شبکه عصبی ذهن انسان الهام گرفته‌اند امروزه دارای کاربردهای کاملاً علمی و گسترده تکنولوژیک شده‌اند و کاربرد آن در زمینه‌های متنوعی مانند پزشکی، سیستمهای کنترلی، رباتیک، تشخیص متون، پردازش تصویر،…مورد بررسی قرار گرفته است
علاوه بر این کار بر روی توسعه سیستمهای هوشمند با الهام از طبیعت (هوشمندی‌هایغیر از هوشمندی انسان) اکنون از زمینه‌های کاملاً پرطرفدار در هوش مصنوعی استالگوریتم ژنیتک که با استفاده از ایده تکامل داروینی و انتخاب طبیعی پیشنهاد شده روش بسیار خوبی برای یافتن پاسخ به مسائل بهینه سازیستبه همین ترتیب روشهای دیگری نیز مانند استراتژی‌های تکاملی نیز (EvolutionaryAlgorithms)در این زمینه پیشنهاد شده انددراین زمینه هر گوشه‌ای از سازو کار طبیعت که پاسخ بهینه‌ای را برای مسائل یافته است مورد پژوهش قرار می‌گیردزمینه‌هایی چون سیستم امنیتی بدن انسان (Immun System)که در آن بیشمار الگوی ویروس‌های مهاجم به صورتی هوشمندانه ذخیره می‌شوند و یا روش پیدا کردن کوتاه‌ترین راه به منابع غذا توسط مورچگان (Ant Colony)همگی بیانگر گوشه‌هایی از هوشمندی بیولوژیک هستند گرایش دیگر هوش مصنوعی بیشتر بر مدل سازی اعمال شناختی تاُکید دارد (مدل سازی نمادین یا سمبولیک) این گرایش چندان خود را به قابلیت تعمق بیولوژیک سیستمهای ارائه شده مقید نمی‌کندCASE-BASED REASONINGیکی از گرایش‌های فعال در این شاخه می‌باشدبعنوان مثال روند استدلال توسط یک پزشک هنگام تشخیص یک بیماری کاملاً شبیه به CBRاست به این ترتیب که پزشک در ذهن خود تعداد بسیار زیادی از شواهد بیماریهای شناخته شده را دارد و تنها باید مشاهدات خود را با نمونه‌های موجود در ذهن خویش تطبیق داده، شبیه‌ترین نمونه را به عنوان بیماری بیابد به این ترتیب مشخصات، نیازمندی‌ها و توانایی‌های CBRبه عنوان یک چارچوب کلی پژوهش در هوش مصنوعی مورد توجه قرارگرفته است
البته هنگامی که از گرایش‌های آینده سخن می‌گوییم، هرگز نباید از گرایش‌های ترکیبی غفلت کنیمگرایش‌هایی که خود را به حرکت در چارچوب شناختی یا بیولوژیک یا منطقی محدود نکرده و به ترکیبی از آنها می‌اندیشندشاید بتوان پیشبینی کرد که چنین گرایش‌هایی فرا ساختارهای (Meta –Structure) روانی را براساس عناصر ساده بیولوژیک بنا خواهند کرد
5-1 آزمون تورینگ
آزمون تورینگآزمونی است که توسط آلن تورینگدر سال ۱۹۵۰ در نوشته‌ای به نام «محاسبات ماشینی و هوشمندی» مطرح شددر این آزمون شرایطی فراهم می شود که شخصی با ماشین تعامل برقرار کند و پرسش های کافی برای بررسی هوشمندی او بپرسدچنانچه در پایان آزمایش نتواند تعیین کند که با انسان در تعامل بوده است یا با ماشین، تست تورینگ با موفقیت انجام شده استتا کنون هیچ ماشینی از این آزمون با موفقیت بیرون نیامده استکوشش این آزمون برای تشخیص درستی هوشمندی یک سیستم است که سعی در شبیه سازی انسان دارد
6-1 فلسفه هوش مصنوعی
بطور کلی ماهیت وجودی هوش به مفهوم جمع آوری اطلاعات، استقرا و تحلیل تجربیات به منظور رسیدن به دانشو یا ارایه تصمیم می‌باشددر واقع هوش به مفهوم به کارگیری تجربه به منظور حل مسائل دریافت شده تلقی می‌شودهوش مصنوعی علم و مهندسی ایجاد ماشینهایی با هوش با به کارگیری از کامپیوتر و الگوگیری از درک هوش انسانی و یا حیوانی و نهایتاً دستیابی به مکانیزم هوش مصنوعی در سطح هوش انسانی می‌باشد
در مقایسه هوش مصنوعی با هوش انسانی می‌توان گفت که انسان قادر به مشاهده و تجزیه و تحلیلمسایل در جهت قضاوت و اخذ تصمیم می‌باشد در حالی که هوش مصنوعی مبتنی بر قوانین و رویه‌هایی از قبل تعبیه شده بر روی کامپیوتر می‌باشددر نتیجه علی رغم وجود کامپیوترهای بسیار کارا و قوی در عصر حاضر ما هنوز قادر به پیاده کردن هوشی نزدیک به هوش انسان در ایجاد هوشهای مصنوعی نبوده‌ایم
بطور کلّی، هوش مصنوعی را می‌توان از زوایای متفاوتی مورد بررسی و مطالعه قرار داداما بین هوش مصنوعی به عنوان یک هدف، هوش مصنوعی به عنوان یک رشته تحصیلی دانشگاهی، و یا هوش مصنوعی به عنوان مجموعه فنون و راه کارهایی که توسط مراکز علمی مختلف و صنایع گوناگون تنظیم و توسعه یافته‌است باید تفاوت قائل بود
7-1 مدیریت پیچیدگی در هوش مصنوعی
ایجاد و ابداع فنون و تکنیک‌های لازم برای مدیریّت پیچیدگیرا باید به عنوان هستهٔبنیادین تلاش‌های علمی و پژوهشی گذشته، حال، و آینده، در تمامی زمینه‌های علوم رایانه، و به ویژه، در هوش مصنوعی معرّفی کردشیوه‌ها و تکنیک‌های هوش مصنوعی، در واقع، برای حلّ آن دسته از مسائل به وجود آمدهاست که به طور سهل و آسان توسط برنامه‌نویسی تابعی (Functional programming)، یا شیوه‌های ریاضی قابل حلّ نبوده‌اند
در بسیاری از موارد، با پوشانیدن و پنهان ساختن جزئیّات فاقد اهمیتت است که بر پیچیدگی فائق می‌آییم و می‌توانیم بر روی بخش‌هایی از مسئله متمرکز شویم که مهم‌تر استتلاش اصلی در واقع، ایجاد و دستیابی به لایه‌ها و ترازهای بالاتر از هوشمندی تجریدرا نشانه می‌رود، تا آنجا که، سرانجام برنامه‌های کامپوتری درست در همان سطحی کار خواهند کرد که خود انسانها رسیده‌اند
به یاری پژوهش‌هایگسترده دانشمندان علوممرتبط، هوش مصنوعی تاکنون راه بسیاری پیموده‌استدر این راستا، تحقیقاتی که بر روی توانایی آموختن زبانها انجام گرفت و همچنین درک عمیق از احساسات، دانشمندان را در پیشبرد این دانش کمک زیادی کرده‌استیکی از اهداف متخصصین، تولید ماشینهایی است که دارای احساسات بوده و دست کم نسبت به وجود خود و احساساتخود آگاه باشنداین ماشین باید توانایی تعمیم تجربیات قدیمی خود در شرایط مشابه جدید را داشته و به این ترتیب اقدام به گسترش دامنهدانش و تجربیاتش کند
برای نمونه روباتیهوشمند که بتواند اعضای بدن خود را به حرکت درآورد، این روبات نسبت به این حرکت خود آگاه بوده و با آزمون و خطا، دامنه حرکت خود را گسترش میدهد و با هر حرکت موفقیت آمیز یا اشتباه، دامنه تجربیات خود را وسعت بخشید و سر انجام راه رفته و یا حتی می‌دود و یا به روشی برای جابجا شدن دست می‌یابد، که سازندگانش برای او متصور نبوده‌اند
هر چند نمونه بالا ممکن است کمی آرمانیبه نظر برسد، ولی به هیچ عنوان دور از دسترس نمی‌باشددانشمندان, عموماً برای تولید چنین ماشینهایی، از وجود مدلهای زنده‌ای که در طبیعت وجود، به ویژه آدمی نیز سود برده‌اند
هوش مصنوعی اکنون در خدمت توسعه علوم رایانه نیز می‌باشدزبانهای برنامه نویسی پیشرفته، که توسعه ابزارهای هوشمند را ممکن ساخته اند, پایگاههای داده‌ای پیشرفته، موتورهای جستجو، و بسیاری نرم‌افزارهاو ماشینها از نتایج پژوهش‌هایی در راستای هوش مصنوعی بوده‌اند
8-1 تکنیک‌ها و زبانهای برنامه نویسی هوش مصنوعی
عملکرد اولیه برنامه نویسی هوش مصنوعی ایجاد ساختار کنترلی مورد لزوم برای محاسبه سمبولیک است زبانهای برنامه نویسیLISP، PROLOGعلاوه بر اینکه از مهمترین زبانهای مورد استفاده در هوش مصنوعی هستند خصوصیات نحوی ومعنایی انها باعث شده که انها شیوه‌ها و راه حل‌های قوی برای حل مسئله ارایه کنندتاثیر قابل توجه این زبانها بر روی توسعه AIاز جمله توانایی‌های آنها بعنوان«ابزارهای فکرکردن»می باشد در حقیقت همانطور که هوش مصنوعی مراحل رشد خود را طی میکند زبانهای LISP، PROLOGبیشتر مطرح می‌شوند این زبانها کار خود را در محدوده توسعه سیستمهای AIدر صنعت ودانشگاه‌ها دنبال میکنند وطبیعتاً اطلاعات در مورد این زبانها بعنوان بخشی از مهارت هر برنامه نویسAIمی‌باشد PROLOGیک زبان برنامه نویسی منطقی استیک برنامه منطقی دارای یک سری ویژگیهای قانون ومنطق است در حقیقت خود این نام از برنامه نویسیPROدر LOGICمی‌آید در این زبان یک مفسر برنامه را بر اساس یک منطق می‌نویسدایده استفاده توصیفی محاسبه اولیه برای بیان خصوصیات حل مسئله یکی از محوریتهای مشارکت PROLOGمی باشد که برای علم کامپیوتر بطورکلی وبطور اخص برای زبان برنامه نویسی هوشمند مورد استفاده قرار می‌گیرند LISPیک زبان کامل است که دارای عملکردها ولیست‌های لازمه برای توصیف عملکردهای جدید و تشخیص تناسب وارزیابی معانی می‌باشد LISPبه برنامه نویس قدرت کامل برای اتصال به ساختارهای اطلاعاتی را میدهد گر چه LISPیکی از قدیمی ترین زبانهای محاسباتی است که هنوز فعال است ولی دقت کافی در برنامه نویسی وطراحی توسعه باعث شده که این یک زبان برنامه نویسی فعال باقی بماند در حقیقت این مدل برنامه نویسی طوری موثر بوده‌است که تعدادی از دیگر زبانها براساس عملکرد برنامه نویسی آن بنا شده‌اند : مثلFP،ML، SCHEMEیکی از مهمترین برنامه‌های مرتبط با LISPبرنامه SCHEMEمی‌باشد که یک تفکر دوباره در باره زبان در آن وجود دارد که بوسیله توسعه AIوبرای آموزش واصول علم کامپیوتر مورد استفاده قرار می‌گیرد
9-1 عامل‌های هوشمند
عامل‌ها (Agents)قادر به شناسایی الگوها، و تصمیم گیری بر اساس قوانین فکر کردن خود می‌باشندقوانین و چگونگی فکر کردن هر عامل در راستای دستیابی به هدفش، تعریف می‌شوداین سیستم‌ها بر اساس قوانین خاص خود فکر کرده و کار خود را به درستی انجام می‌دهندپس عاقلانه رفتار میکنند، هر چند الزاما مانند انسان فکر نمی‌کنند
10-1 مقایسه هوش مصنوعی و هوش انسانی
برای شناخت هوش مصنوعی شایسته است تا تفاوت آن را با هوش‌انسانی به خوبی بدانیم‌مغز انسان از میلیاردها سلول یا رشته عصبی‌درست شده است و این سلول‌ها به صورت پیچیده‌ای به یکدیگرمتصل‌اندشبیه‌سازی مغز انسان می‌تواند از طریق سخت‌افزار یا نرم‌افزارانجام گیردتحقیقات اولیه نشان داده است شبیه‌سازی مغز، کاری‌مکانیکی و ساده می‌باشدبرای مثال، یک کرم دارای چند شبکه عصبی‌است‌یک حشره حدود یک میلیون رشته عصبی دارد و مغز انسان از هزار میلیارد رشته عصبی درست شده است‌با تمرکز و اتصال رشته‌های‌عصبی مصنوعی می‌توان واحد هوش مصنوعی را درست کرد .هوش انسانی بسیار پیچیده‌تر و گسترده‌تر از سیستمهای رایانه‌ای‌است و توانمندیهای برجسته‌ای مانند: استدلال، رفتار، مقایسه، آفرینش‌و بکار بستن مفهوم ها را دارد
هوش انسانی توان ایجاد ارتباط میان موضوع‌ها و قیاس ونمونه سازیهای تازه را داردانسان همواره قانون‌های تازه‌ای می‌سازد و یا قانون پیشین را در موارد تازه بکار می‌گیردتوانایی بشر در ایجاد مفهوم‌های گوناگون در دنیای پیرامون خود، از ویژگیهای دیگر اوست مفهوم‌های گسترده‌ای همچون روابط علت و معلولی، زمان و یا مفهوم‌های ساده‌تری مانند گزینش وعده‌های خوراک (صبحانه، ناهار وشام) را انسان ایجاد کرده است‌اندیشیدن در این مفهوم‌ها و بکاربستن‌آنها، ویژه رفتار هوشمندانه انسان است
هوش مصنوعی در پی ساخت دستگاههایی است که بتوانند توانمندهای یاد شده (استدلال، رفتار، مقایسه و مفهوم آفرینی) را از خود بروز دهندآنچه تاکنون ساخته شده نتوانسته است خود را به این پایه برساند، هر چند سودمندی‌های فراوانی به بار آورده است
