پرش به محتوای اصلی
رزرو مشاوره تلفنی تک جلسه‌ای با استاد رضویمشاوره با استاد رضوی
رزرو مشاوره تلفنی
کنکور کامپیوتر
0
اشتراک
 

درس هوش مصنوعی رشته کامپیوتر؛ دانشگاه و کنکور ارشد

این صفحه عالی به معرفی درس هوش مصنوعی از جمله پیش نیازهای درس هوش مصنوعی، سرفصل و منابع درس هوش مصنوعی و فیلم‌های آموزشی درس هوش مصنوعی پرداخته شده

در فیلم زیر به تحلیل و بررسی درس هوش مصنوعی پرداخته شده است، در این فیلم توضیح داده شده که فیلم درس هوش مصنوعی برای چه افرادی مناسب است و همین طور در خصوص فصول مختلف درس هوش مصنوعی و اهمیت هر کدام از فصول آن صحبت شده است. تعداد تست هر فصل و حتی هر مبحث هوش مصنوعی در کنکورهای ۲۵ سال گذشته را هم در بخش بودجه‌بندی مبحثی پلتفرم آزمون و بانک تست ببینید.

در ادامه این مقاله فیلم های رایگان هوش مصنوعی که به آنها نیاز دارید نیز در اختیارتان قرار گرفته است.

فیلم های رایگان آموزش هوش مصنوعی که به آنها نیاز دارید

در حال حاضر فیلم آموزش هوش مصنوعی استاد رضوی پرطرفدارترین و پرفروش‌ترین فیلم آموزشی هوش مصنوعی کشور است و هر سال اکثر دانشجویان کامپیوتر کشور این فیلم را تهیه می‌کنند.

هوش مصنوعی جلسه 1 1:31:39

هوش مصنوعی جلسه 1

جلسه اول هوش مصنوعی، ویژه کنکور ارشد کامپیوتر و کنکور ارشد آی‌تی و دانشجویان رشته کامپیوترو داوطلبان آزمون‌های استخدامی و افرادی که به هوش مصنوعی علاقه‌مندند.

هوش مصنوعی جلسه 2 1:51:34

هوش مصنوعی جلسه 2

جلسه دوم هوش مصنوعی، ویژه کنکور ارشد کامپیوتر و کنکور ارشد آی‌تی و دانشجویان رشته کامپیوترو داوطلبان آزمون‌های استخدامی و افرادی که به هوش مصنوعی علاقه‌مندند.

هوش مصنوعی جلسه 3 1:48:52

هوش مصنوعی جلسه 3

جلسه سوم هوش مصنوعی، ویژه کنکور ارشد کامپیوتر و کنکور ارشد آی‌تی و دانشجویان رشته کامپیوترو داوطلبان آزمون‌های استخدامی و افرادی که به هوش مصنوعی علاقه‌مندند.

هوش مصنوعی جلسه 4 1:36:50

هوش مصنوعی جلسه 4

جلسه چهارم هوش مصنوعی، ویژه کنکور ارشد کامپیوتر و کنکور ارشد آی‌تی و دانشجویان رشته کامپیوترو داوطلبان آزمون‌های استخدامی و افرادی که به هوش مصنوعی علاقه‌مندند.

نکته و تست هوش مصنوعی جلسه 1 2:03:07

نکته و تست هوش مصنوعی جلسه 1

جلسه اول نکته و تست هوش مصنوعی، ویژه کنکور ارشد کامپیوتر و کنکور ارشد آی‌تی و دانشجویان رشته کامپیوترو داوطلبان آزمون‌های استخدامی و افرادی که به هوش مصنوعی علاقه‌مندند.

جواب تشریحی هوش مصنوعی کنکور ارشد کامپیوتر 1403 58:45

جواب تشریحی هوش مصنوعی کنکور ارشد کامپیوتر 1403

جلسه اول نکته و تست هوش مصنوعی، ویژه کنکور ارشد کامپیوتر و کنکور ارشد آی‌تی و دانشجویان رشته کامپیوترو داوطلبان آزمون‌های استخدامی و افرادی که به هوش مصنوعی علاقه‌مندند.

فهرست ویدیوها ۶ ویدیو

هوش مصنوعی در جهان با نام آلن تورینگ گره‌خورده است. اولین‌بار در سال 1950 آلن تورینگ آزمایشی تعریف کرد که آزمایش تورینگ نام گرفت. قبل از ساخته‌شدن این آزمایش، آلن تورینگ ابتدا مقاله‌ای را ارائه داد که در آن مقاله از بازی ای با نام Imitation یا تقلید نام‌برده بود. هدف از طراحی این آزمایش، پاسخ‌دادن به سؤال آیا ماشین‌ها می‌توانند فکر کنند بود. به عقیده آلن تورینگ، ماشینی هوشمند است که وقتی افراد با آن ارتباط برقرار می‌کنند، نتوانند تشخص دهند که فردی که در تعامل با آن هست یک ماشین است یا یک انسان. بعد از گذشت بیش از 70 سال از این آزمایش، هنوز هم آزمایش تورینگ از آزمایش‌هایی است که در تمامی دروس و مباحث هوش مصنوعی یاد می‌شود.

تصویری از تست تورینگ هوش مصنوعی

امروزه هوش مصنوعی به یکی از مباحث جدایی‌ناپذیر از روزمرگی ما انسان‌ها تبدیل شده است. از دوربین‌های مداربسته در خیابان‌ها گرفته تا سایت‌های فروشگاهی، ماشین‌ها، ابزارآلات کارخانه‌ها و... همگی به نحوی باهوش مصنوعی در ارتباط هستند. درس هوش مصنوعی یکی از دروس چالشی در دوره کارشناسی است که عمدتاً شامل مباحث جستجو و منطق است. ازآنجاکه این درس در کنکور ضریب بالایی دارد، یادگیری دقیق و اصولی این درس از اهمیت بالایی برخوردار است.

خرید فیلم های کامل هوش مصنوعی

برای مشاهده فیلم نظر دانشجویان در خصوص فیلم‌های استاد رضوی به انتهای همین صفحه مراجعه کنید.

Ramin Razavi 1
فیلم درس هوش مصنوعی

تخفیف تا ۲۸ آبان

2,100,000 تومان 1,575,000 تومان
رامین رضوی 60 ساعت
Ramin Razavi 1
فیلم نکته و تست هوش مصنوعی

تخفیف تا ۲۸ آبان

2,100,000 تومان 1,575,000 تومان
رامین رضوی ۳۰ ساعت

هوش مصنوعی چیست و کجا مورداستفاده قرار می‌گیرد؟

هوش مصنوعی یا Artificial Intelligence از دوکلمه "هوش" و "مصنوعی" تشکیل شده است و به چیزی اطلاق می‌شود که واقعی نیست (مصنوعی است) اما باهوش هم هست و قادر است تفکر کند و تجربه کسب کند و همچنین بر اساس این تجربیات یاد بگیرد و تصمیم‌گیری‌های بهتری انجام دهد. اکثر مردم وقتی کلمه هوش مصنوعی را می‌شنوند به یاد ربات‌های نابودکننده و ابزارهای ابرانسانی فیلم‌های هالیوودی می‌افتد که هیچ هدفی جز نابودکردن نسل انسان‌ها ندارند! درحالی‌که ربات‌ها تنها بخش کوچکی از هوش مصنوعی هستند و اهدافی غیر از نابودکردن هم دارند.

آنالیزکردن داده‌ها، داده کاوی،یادگیری ماشین، یادگیری عمیق، شبکه های عصبی و خیلی از زمینه‌های دیگر هوش مصنوعی وجود دارند که کاملاً درون کامپیوتر قرار گرفته‌اند و دارای هیچ ماهیت فیزیکی نمی‌باشند. در این بخش، مشاغل و صنعت‌های جدیدی که از هوش مصنوعی استفاده می‌کنند را معرفی کرده و در مورد آنها بحث می‌کنیم:

  • تعلیم ربات‌ها به‌وسیله هوش مصنوعی برای کارهای مختلف: یکی از موارد هیجان‌انگیز هوش مصنوعی، ربات‌های خبره هستند. به‌وسیله هوش مصنوعی می‌توان ربات‌هایی ساخت که تجربه کسب کنند و از تجربیات خود موارد مختلفی را یاد بگیرند. به‌عنوان‌مثال بازوهای الکترونیکی که امروزه جایگزین کارگران در کارخانه‌ها شده و کارهای محول شده را بادقت بیشتر و سریع‌تر از انسان انجام می‌دهد. یا به‌عنوان‌مثالی دیگر که امروزه جزء مباحث داغ قرار دارد، می‌توان به ربات‌های جراح اشاره کرد. این ربات‌ها باظرافت هرچه بیشتر و بدون خستگی می‌توانند عمل‌های حیاتی جراحی را به نحو احسن انجام دهند و هر روزه بر توانایی این ربات‌ها نیز افزوده می‌شود.
  • هوش مصنوعی در تجارت الکترونیک: استفاده از هوش مصنوعی در تجارت الکترونیک، یکی از دستاوردهای مهم متخصصان هوش مصنوعی بود که امروزه همه ما با آن سروکار داریم. شاید اگر از کاربران قدیمی اینترنت باشید به‌خاطر دارید که تبلیغاتی که قبلاً مشاهده می‌کردید در اکثر مواقع بی‌ربط با نیازهای ما بود و یا پست‌هایی که در شبکه‌های اجتماعی مثل فیس‌بوک برایمان ظاهر می‌شد، ربطی به علاقه‌های ما نداشت. امروزه با مباحث هوش مصنوعی و یادگیری، امورات انجام شده کاربران مثل جستجوها و خریدها ثبت شده و توسط ابزارهای هوش مصنوعی مورد بررسی قرار می‌گیرند، تا محصولات و محتواهایی در خور نیاز ما در صفحات اول فروشگاه‌ها، در تبلیغات و شبکه‌های اجتماعی مثل اینستاگرام برایمان آورده شود.

تصویری از  تعلیم ربات ها به وسیله ی هوش مصنوعی برای کار های مختلف

  • ساخت خودرو های خودران: امروزه شرکت‌های مختلفی مثل تسلا، آئودی، تویوتا و ولوو وجود دارند که با استفاده از یادگیری عمیق و یادگیری ماشین، برای آموزش سیستم‌های تعبیه شده درون خودرو ها استفاده می‌کنند تا این خودرو ها بدون نیاز به سرنشین مسافت‌های طولانی را حرکت کنند و موانع مختلف را تشخیص دهند. این ماشین‌ها کمک شایانی به انسان‌ها می‌کند، جلوگیری از تصادف، پیمایش مسیرهای طولانی بدون نیاز به استراحت و خواب، رعایت‌کردن دقیق قوانین رانندگی از جمله مزایای این خودرو ها هستند.

تصویری از ساخت خودرو های خودران توسط هوش مصنوعی

  • موارد بسیار دیگری وجود دارد که مباحث هوش مصنوعی را وارد عرصه کار خودکرده‌اند مانند حوزه پزشکی، هوش مصنوعی در هواشناسی، دربازی‌های کامپیوتری، در امور کشاورزی، در ساخت خانه هوشمند، حوزه نویسندگی و...

تاریخچه هوش مصنوعی و درس هوش مصنوعی

همان‌طور که در ابتدای صفحه گفتیم، ایده‌ی ماشین هوشمند با آزمایش تورینگ در سال ۱۹۵۰ جدی شد. چند سال بعد، در کارگاه دانشگاه دارتموث در سال ۱۹۵۶، جان مک‌کارتی و همکارانش اصطلاح «هوش مصنوعی» را به کار بردند و این حوزه رسماً به یک رشته‌ی علمی تبدیل شد. مهم‌ترین مراحل تاریخ هوش مصنوعی از آن زمان این‌هاست:

  • دهه‌ی ۱۹۵۰ و ۱۹۶۰: برنامه‌های اولیه‌ی حل مسئله، اثبات قضیه و بازی، که پایه‌ی مباحث جستجو و منطق در درس امروزی هوش مصنوعی هستند.
  • دهه‌ی ۱۹۷۰ و اواخر دهه‌ی ۱۹۸۰: «زمستان‌های هوش مصنوعی»؛ دوره‌هایی که وعده‌های بزرگ محقق نشد و بودجه‌ی پژوهش کم شد.
  • دهه‌ی ۱۹۸۰: رونق سیستم‌های خبره در صنعت؛ نام قدیمی این درس در دانشگاه‌های ایران، «هوش مصنوعی و سیستم‌های خبره»، یادگار همین دوره است. در برنامه‌ی درسی مرجع بازنگری‌شده‌ی کارشناسی مهندسی کامپیوتر وزارت علوم، نام درس به «هوش مصنوعی» تغییر کرده است.
  • دهه‌ی ۱۹۹۰: رشد روش‌های احتمالاتی و یادگیری ماشین، و پیروزی کامپیوتر Deep Blue شرکت IBM بر گری کاسپاروف، قهرمان شطرنج جهان، در سال ۱۹۹۷.
  • سال ۲۰۱۲ به بعد: جهش یادگیری عمیق در تشخیص تصویر، و پس از آن پیروزی AlphaGo بر قهرمان بازی گو در سال ۲۰۱۶.
  • از سال ۲۰۲۲: فراگیر شدن مدل‌های زبانی بزرگ مانند ChatGPT.

کتاب «هوش مصنوعی: رویکردی نوین» راسل و نورویگ، که برنامه‌ی درسی مرجع وزارت علوم ویرایش چهارم آن (۲۰۲۰) را تنها منبع پیشنهادی این درس معرفی کرده است، هم همین مسیر را دنبال کرده است: ویرایش اول آن در سال ۱۹۹۵ منتشر شد و ویرایش چهارم در سال ۲۰۲۰، با فصل‌های تازه درباره‌ی یادگیری عمیق و اخلاق و ایمنی هوش مصنوعی. اولین سرفصل رسمی درس هم «مقدمه‌ای بر هوش مصنوعی و تاریخچه‌ی آن» است و فصل اول کتاب به همین موضوع می‌پردازد.

درس هوش مصنوعی

درس هوش مصنوعی از دروس تخصصی الزامی کارشناسی مهندسی کامپیوتر و علوم کامپیوتر است و در کنکور ارشد مهندسی کامپیوتر و مهندسی فناوری اطلاعات (آی‌تی) ضریب ۴ دارد و جزو دروس کنکور دکتری هر دو رشته هم هست؛ رشته‌ی آی‌تی در ایران دوره‌ی کارشناسی ندارد و فقط در ارشد و دکتری وجود دارد. این درس جزء دروس مهم رشته مهندسی کامپیوتر به‌حساب می‌آید، به‌ویژه برای دانشجویانی که قصد ادامه‌دادن این رشته در کارشناسی ارشد را دارند. نام قدیمی این درس در دانشگاه‌های ایران «هوش مصنوعی و سیستم‌های خبره» بود؛ در برنامه‌ی درسی مرجع بازنگری‌شده‌ی وزارت علوم نام آن «هوش مصنوعی» است و از جستجو و منطق تا فرایند تصمیم مارکوف، یادگیری تقویتی و مقدمه‌ی یادگیری ماشین را در بر می‌گیرد.

دروسساختمان داده و طراحی الگوریتم از دروس مهمی هستند که پیش از مطالعه این درس لازم به گذراندن آنها است؛ همچنین آشنایی با برخی از مباحث ریاضیات مثل جبر خطی و ریاضی گسسته، به یادگیری و درک بهتر درس هوش مصنوعی کمک شایانی می‌کند. این درس معمولاً در نیمه دوم تحصیلی توسط دانشجویان اخذ می‌شود (ترم 4 تا ترم 6). درس هوش مصنوعی همچنین یکی از دروس مهم برای فارغ‌التحصیلان مقطع کارشناسی که قصد دارند در رشته هوش مصنوعی به ادامه تحصیل بپردازند به‌حساب می‌آید. چه از لحاظ یادگیری مبانی هوش مصنوعی و چه از لحاظ تست‌های کنکوری.

پیش‌نیازهای درس هوش مصنوعی

باتوجه‌به الگوریتم‌های مختلف و بررسی پیچیدگی زمانی و فضا در الگوریتم‌های درس هوش مصنوعی، طبق برنامه‌ی درسی مرجع کارشناسی مهندسی کامپیوتر وزارت علوم پیش‌نیاز این درس «داده‌ساختارها و الگوریتم‌ها» و «آمار و احتمال مهندسی» است و هم‌نیاز ندارد. جبر خطی پیش‌نیاز رسمی نیست، اما برای مباحثی مثل کاهش گرادیان و مدل‌های خطی کمک زیادی می‌کند. ازآنجایی‌که درس‌های پیش‌نیاز به نوبه خود پیش‌نیازهای دیگری دارند، سلسله‌مراتبی از دروس پیش‌نیاز به وجود می‌آید.

پیش‌نیاز درس هوش مصنوعی: داده‌ساختارها و الگوریتم‌ها، آمار و احتمال مهندسی

پیش‌نیاز درس داده‌ساختارها و الگوریتم‌ها: ریاضیات گسسته (برنامه‌سازی پیشرفته هم‌نیاز آن است؛ پایه‌ی همه‌ی این دروس، برنامه نویسی است)

پیش‌نیاز درس آمار و احتمال مهندسی: ریاضی عمومی ۱

پیش‌نیاز درس برنامه نویسی پیشرفته و ریاضیات گسسته: درس مبانی‌ برنامه‌ نویسی 

پیش‌نیاز درس جبر خطی: ریاضی عمومی 2

پیش‌نیاز درس ریاضی عمومی 2: ریاضی عمومی 1

  • ریاضی عمومی 2
  • ریاضیات گسسته
  • آمار و احتمال مهندسی
  • مبانی برنامه نویسی
  • برنامه نویسی پیشرفته
  • کارگاه مبانی برنامه نویسی
  • کارگاه برنامه نویسی پیشرفته
  • ساختمان داده و الگوریتم‌ها

منابع درس هوش مصنوعی در دانشگاه‌ها

منبع درس اصلی هوش مصنوعی، کتاب هوش مصنوعی با عنوان Artificial Intelligence: A Modern Approach که توسط استوارت راسل (Stuart Russell) و پیتر نورویگ (Peter Norvig) نوشته شده است. در اکثر دانشگاه‌های ایران این کتاب تدریس می‌شود و مرجع سؤالات کنکور نیز همین کتاب است. این کتاب باهدف شروع مبانی هوش مصنوعی و تدریس در دانشگاه‌ها منتشر شده است. کتاب هوش مصنوعی با رویکردی نوین، توسط مترجم‌های مختلفی به زبان فارسی ترجمه شده است. در برنامه‌ی درسی مرجع کارشناسی مهندسی کامپیوتر وزارت علوم هم ویرایش چهارم همین کتاب (۲۰۲۰) تنها منبع پیشنهادی درس است. این کتاب ۲۸ فصل دارد و سرفصل رسمی درس بیشتر بر فصل‌های جستجو و منطق تکیه دارد، اما فرایند تصمیم مارکوف، یادگیری تقویتی و مقدمه‌ی یادگیری ماشین را هم شامل می‌شود.

تصویری از منابع درس هوش مصنوعی در دانشگاه ها

سرفصل رسمی و مشخصات درس هوش مصنوعی در برنامه‌ی وزارت علوم

درس هوش مصنوعی در کارشناسی مهندسی کامپیوتر و علوم کامپیوتر درس الزامی است. مشخصات رسمی آن طبق برنامه‌ی درسی مرجع کارشناسی مهندسی کامپیوتر وزارت علوم و برنامه‌های علوم کامپیوتر دانشگاه تهران و دانشگاه فردوسی مشهد این است:

مشخصهمهندسی کامپیوتر (برنامه‌ی مرجع وزارت علوم)علوم کامپیوتر (دانشگاه تهران، مصوب ۱۴۰۰)علوم کامپیوتر (دانشگاه فردوسی مشهد، ۱۴۰۳)
نوع درستخصصی الزامیتخصصی الزامیتخصصی الزامی
تعداد واحد۳ واحد نظری (۴۸ ساعت)۳ واحد نظری (۴۸ ساعت)۳ واحد نظری (۴۸ ساعت)
پیش‌نیازداده‌ساختارها و الگوریتم‌ها، آمار و احتمال مهندسیساختمان داده‌ها و الگوریتم‌هامبانی منطق، طراحی و تحلیل الگوریتم‌ها
هم‌نیازنداردنداردندارد
منبع رسمیراسل و نورویگ، ویرایش چهارم (۲۰۲۰)راسل و نورویگ، به‌همراه کتاب‌های Winston، Rowe و Pattersonراسل و نورویگ، ویرایش چهارم (۲۰۲۰)، و جزوه‌های درس CS188 دانشگاه برکلی

در برنامه‌ی پیشنهادی نیمسال‌های مهندسی کامپیوتر، جای این درس نیمسال پنجم است. سرفصل رسمی آن در برنامه‌ی مرجع وزارت علوم این است:

فصلمباحث
مقدمه و عامل‌هامقدمه‌ای بر هوش مصنوعی و تاریخچه‌ی آن، معرفی عامل‌های هوشمند
جستجوی ناآگاهانهجستجوی اول‌سطح و اول‌عمق، عمیق‌کننده‌ی تکراری، جستجوی هزینه‌ی یکنواخت
جستجوی آگاهانهتوابع ابتکاری قابل قبول و سازگار، اول‌بهترین حریصانه، الگوریتم *A و اثبات بهینگی
جستجوی محلیتپه‌نوردی، شبیه‌سازی ذوب، جستجوی شعاعی محلی، الگوریتم ژنتیک، کاهش در راستای گرادیان
مسائل ارضای محدودیتجستجوی عقب‌گرد، MRV و LCV، بررسی پیشرو، AC3 و MAC، حل CSP با جستجوی محلی
جستجوی مقابله‌ایالگوریتم minimax و هرس آلفا-بتا، expectiminimax
فرایند تصمیم مارکوفارزیابی و بهبود سیاست، تکرار ارزش و تکرار سیاست
یادگیری تقویتیروش‌های مبتنی بر مدل، یادگیری تفاضل زمانی و Q-learning
منطقمنطق گزاره‌ای و استنتاج در آن (رزولوشن)، منطق مرتبه اول و استنتاج در آن
مقدمه‌ی یادگیری ماشینمدل‌های خطی، قاعده‌ی بیز، معرفی شبکه‌های بیزی، شبکه‌های عصبی
کاربردهاپردازش زبان طبیعی، بینایی ماشین، رباتیک

سرفصل علوم کامپیوتر فردوسی مشهد تقریباً همین جستجوها و یادگیری تقویتی را دارد، ولی به‌جای منطق، شبکه‌های بیزی، مدل مخفی مارکوف و دسته‌بند بیز ساده را مفصل‌تر می‌آورد؛ سرفصل دانشگاه تهران هم نمایش دانش، سیستم‌های خبره و نظریه‌ی بازی را دارد. در برنامه‌ی مرجع مهندسی کامپیوتر، هوش مصنوعی در بسته‌های درسی «هوش مصنوعی»، «رباتیک»، «بیوانفورماتیک» و «بازی‌های رایانه‌ای» آمده و پیش‌نیاز درس اختیاری «مبانی هوش محاسباتی» است. رشته‌ی فناوری اطلاعات در ایران دوره‌ی کارشناسی ندارد و هوش مصنوعی از دروس کنکور ارشد و دکتری آی‌تی است.

برنامه‌ی درسی همه‌ی رشته‌ها، از جمله مهندسی کامپیوتر و علوم کامپیوتر، را می‌توانید رایگان از سایت وزارت علوم دانلود کنید.

سرفصل‌های کتاب هوش مصنوعی: رویکردی نوین

همان‌طور که گفته شد، کتاب هوش مصنوعی راسل ۲۸ فصل دارد و در یک ترم فقط بخشی از آن تدریس می‌شود. در این قسمت ۱۰ فصل اول کتاب را، که مباحث جستجو و منطق درس را می‌سازند، مرور کوتاهی می‌کنیم تا با کلیات درس آشنا شوید؛ مباحث دیگری را که در سرفصل رسمی آمده‌اند، مثل فرایند تصمیم مارکوف و یادگیری تقویتی، در جدول پایین همین بخش می‌بینید:

  • فصل اول؛ مقدمه (Introduction): در این فصل به‌طورکلی تاریخچه هوش مصنوعی، نیاز بشر به هوش مصنوعی و چالش‌های آن مورد بررسی قرار گرفته است.
  • فصل دوم؛ عامل‌های هوشمند (Intelligent Agents): این فصل به بحث و گفتگو در مورد عامل‌های هوشمند و محیط کارکرد آنها پرداخته است. همچنین اصطلاحات مربوط به بحث‌های هوش مصنوعی مانند خرد، عقلانیت، انواع محیط‌ها و طبیعت هوش مصنوعی در این فصل مطرح گردیده است.
  • فصل سوم؛ حل مسئله به‌وسیله جستجو (Solving Problems by Searching): یکی از مباحث مهم در رشته هوش مصنوعی، مباحث جستجو یا به‌اصطلاح searching است. در این فصل راجع به عامل‌هایی حل‌کننده مسئله و جستجوکردن برای حل مسئله و رسیدن به جواب نهایی، انواع الگوریتم‌های جستجو (ناآگاهانه) و ویژگی‌های آنها بحث می‌شود. مانند جستجوها و توابع ابتکاری (Heuristic)، جستجوی یکپارچه و...
  • فصل چهارم؛ جستجوهای آگاهانه (Search in Complex Environments): این فصل حول محور الگوریتم‌های جستجوی محلی برای حل مسائل بهینه‌سازی می‌گردد. جستجوهای محلی، جستجو با اعمال غیرقطعی، جستجوهای محیط ناشناخته و روی خط نیز از مباحث دیگری هستند که در این فصل مطرح می‌گردد.
  • فصل پنجم؛ جستجوهای خصمانه یا رقابتی (Adversarial Search and Games): همان‌طور که از نام این فصل پیداست، این فصل در مورد جستجوهای رقابتی که رد پای آن در اکثر بازی‌ها قابل‌مشاهده است بحث می‌کند. انواع الگوریتم‌های تصمیم‌گیری بهینه و کسب بیشترین امتیاز در بازی‌ها مانند هرس‌کردن آلفا - بتا، بازی‌های تصادفی و بسیاری موارد دیگر در این فصل مورد بررسی قرار می‌گیرند.
  • فصل ششم؛ مسائل ارضا محدودیت (Constraint Satisfaction Problems): مسائل ارضای محدودیت یا به‌اختصار CSP، یکی از مبحث‌های هوش مصنوعی است. بسیاری از مسائل مطرح شده در هوش مصنوعی، قابلیت این را دارند که به‌صورت یک مسئله ارضای محدودیت تعریف شوند، در مسائل CSP، یک مجموعه متغیری تعریف می‌شود و سپس تعدادی محدودیت برای مقادیری که این متغیرها می‌توانند اختیار کنند قرار داده می‌شود. حل این مسائل شامل مجموعه‌ای از مقادیر منحصربه‌فرد یا unique برای تمامی متغیرها است به‌طوری‌که تمامی محدودیت‌ها ارضا شده باشند. یک مثال ساده برای مسائل CSP، بازی سودوکو است که در آن خانه‌های مربعی می‌توانند عددهای مختلفی داشته باشند، اما به علت اینکه در هر سطر و ستون تنها هر عدد یکبار باید ظاهر شود، بنابراین محدودیت‌هایی برای انتخاب عدد در هر خانه در نظر گرفته می‌شود. در این فصل همچنین انواع جستجوها مانند جستجوی عقب‌گرد برای CSP ها، جستجوی محلی و موارد دیگری مورد بررسی قرار می‌گیرد.
  • فصل هفتم؛ عامل‌های منطقی (Logical Agents): این فصل مقدمه توصیف عامل‌های منطقی در هوش مصنوعی است. عامل‌های منطقی عامل‌هایی هستند که بر اساس دانش عمل می‌کنند. در این فصل یک نمونه ساده که جهان وامپوس یا Wumpus World نام دارد، مورد بررسی قرار می‌گیرد. عاملی که در این جهان قرار گرفته است می‌بایست باتوجه‌به درکی که از محیط پیرامون خود دارد و بر اساس تجزیه‌وتحلیل آن، بتواند مسیر درست را تا رسیدن به هدف انتخاب کند. مواردی از قبیل منطق گزاره‌ای، مدل‌های گزاره‌ای و عامل‌های مبتنی بر منطق گزاره‌ای نیز در این فصل مورد بررسی قرار می‌گیرند.
  • فصل هشتم؛ منطق مرتبه اول (First-Order Logic): منطق مرتبه اول از سیستم‌های سوری است که به آن منطق گزاره‌ای (Predicate logic) یا حساب گزاره‌ای مرتبه اول (first-order predicate calculus) می‌گویند. این منطق در ریاضیات، فلسفه، زبان‌شناسی و علوم کامپیوتر کاربردهای متعددی دارد و به همین خاطر فصل هشتم کتاب هوش مصنوعی راسل به این مبحث اختصاص‌داده‌شده است. در منطق مرتبه اول بر خلاف منطق گزاره‌ای، می‌توان از متغیرهای سور داده شده بر روی اشیا غیرمنطقی استفاده کرد. به‌عنوان‌مثال جمله یک دانش‌آموز y وجود دارد که y علی است و y انسان است را در نظر بگیرید. در این جمله "وجود دارد" سور و y "متغیر" است.
  • فصل نهم؛ استنتاج در منطق مرتبه اول (Inference in First-Order Logic): این فصل ادامه فصل قبل است و در مورد استنتاج در منطق مرتبه اول بحث می‌کند. در این فصل زنجیره‌های عقب رو و جلو رو برای استنتاج در منطق مرتبه اول مورد بررسی قرار می‌گیرند.
  • فصل دهم؛ توصیف دانش (Knowledge Representation): دانش، که در بعضی متون ممکن است معرفت هم نامیده شود، آشنایی و درک یک فرد مانند اطلاعات و حقایق است که از طریق تجربه یا آموزش از طریق ادراک و یادگیری به دست می‌آید. فصل دهم کتاب هوش مصنوعی به این مبحث تعلق‌گرفته و موارد مختلفی را شامل می‌شود؛ مانند مهندسی هستی‌شناسی (Ontological Engineering)، رویدادها (Events)، اشیا ذهنی و منطق مدال (Mental Objects and Modal Logic). همچنین موارد استدلالی برای این سیستم‌ها بر اساس اطلاعات پیش‌فرض نیز موردبحث قرار می‌گیرد.

جدول فصل‌های کتاب هوش مصنوعی راسل (ویرایش چهارم) و جایگاه آن‌ها در سرفصل رسمی درس

کتاب راسل در ویرایش چهارم ۲۸ فصل در ۷ بخش دارد. سرفصل رسمی درس در برنامه‌ی درسی مرجع کارشناسی مهندسی کامپیوتر وزارت علوم فقط به ۱۰ فصل اول محدود نیست و فرایند تصمیم مارکوف، یادگیری تقویتی و مقدمه‌ی یادگیری ماشین را هم دارد، اما توصیف دانش و برنامه‌ریزی خودکار را ندارد. جدول زیر را تیم کنکور کامپیوتر با تطبیق سرفصل رسمی و فهرست فصل‌های کتاب تهیه کرده است:

بخش کتابفصل‌هاموضوع‌های اصلیدر سرفصل رسمی درس کارشناسی
بخش ۱: هوش مصنوعی۱ و ۲مقدمه و تاریخچه، عامل‌های هوشمندبله
بخش ۲: حل مسئله۳ تا ۶جستجوی ناآگاهانه و آگاهانه، جستجوی محلی، جستجوی خصمانه و بازی‌ها، مسائل ارضای محدودیتبله، هر چهار فصل
بخش ۳: دانش، استدلال و برنامه‌ریزی۷ تا ۱۱عامل‌های منطقی، منطق مرتبه اول، استنتاج در منطق مرتبه اول، توصیف دانش، برنامه‌ریزی خودکارفصل ۷ تا ۹ بله؛ فصل ۱۰ و ۱۱ در سرفصل رسمی نیامده‌اند
بخش ۴: دانش و استدلال در شرایط عدم قطعیت۱۲ تا ۱۸احتمال، استدلال احتمالاتی، استدلال در طول زمان، برنامه‌نویسی احتمالاتی، تصمیم‌گیری ساده و پیچیده، تصمیم‌گیری چندعاملیبخشی: قاعده‌ی بیز و معرفی شبکه‌های بیزی (فصل ۱۲ و ۱۳) و فرایند تصمیم مارکوف (فصل ۱۷)
بخش ۵: یادگیری ماشین۱۹ تا ۲۲یادگیری از نمونه‌ها، مدل‌های احتمالاتی، یادگیری عمیق، یادگیری تقویتیبخشی: مقدمه‌ی یادگیری ماشین (مدل‌های خطی و شبکه‌های عصبی) و یادگیری تقویتی (فصل ۲۲)
بخش ۶: ارتباط، ادراک و عمل۲۳ تا ۲۶پردازش زبان طبیعی، یادگیری عمیق برای پردازش زبان، بینایی کامپیوتر، رباتیکفقط در حد معرفی کاربردها
بخش ۷: جمع‌بندی۲۷ و ۲۸فلسفه، اخلاق و ایمنی هوش مصنوعی، آینده‌ی هوش مصنوعیخیر

فصل‌هایی که در درس کارشناسی نیستند یا فقط معرفی می‌شوند، پایه‌ی دروس ارشد هوش مصنوعی مانند یادگیری ماشین، شبکه‌های عصبی، یادگیری تقویتی، پردازش زبان‌های طبیعی و بینایی کامپیوتر هستند. اگر می‌خواهید بدانید در کنکورهای گذشته از هر فصل و حتی هر مبحث هوش مصنوعی چند تست آمده است، بخش «بودجه‌بندی مبحثی» پلتفرم آزمون و بانک تست کنکور کامپیوتر را ببینید؛ این بودجه‌بندی مستقیم از روی تست‌های ۲۵ سال گذشته شمرده شده و با هر کنکور تازه به‌روز می‌شود.

دانلود کتاب هوش مصنوعی: رویکردی نوین

هم اکنون نسخه 4 کتاب هوش مصنوعی: رویکردی نوین آخرین نسخه چاپ شده این کتاب است که در سال 2020 به چاپ رسیده است. از طریق لینک زیر | با کلیک بر روی تصویر زیر می‌توانید این کتاب را دانلود کنید.

منابع درسی هوش مصنوعی به زبان فارسی

ترجمه‌های فارسی متفاوتی از کتاب هوش مصنوعی با رویکردی نوین راسل وجود دارد که در اینجا محبوب‌ترین آنها را معرفی می‌کنیم. این کتاب‌ها هم می‌توانند به‌عنوان منبع درسی هوش مصنوعی در دانشگاه‌ها مورداستفاده قرار گیرند و هم منبعی هستند برای تست‌های کنکور. در لیست زیر 4 تا از محبوب‌ترین ترجمه‌ها را مشاهده می‌کنید:

  • ترجمه کتاب راسل از جعفرنژاد قمی؛ عنوان کتاب: هوش مصنوعی (رهیافتی نوین). این کتاب به‌عنوان منبع اصلی برای درس هوش مصنوعی در دانشگاه‌های پیام‌نور به‌حساب می‌آید.
  • ترجمه کتاب راسل از حمیدرضا قنبری و سجاد محمدزاده
  • ترجمه کتاب راسل از دکتر هشام فیلی منتشر شده توسط انتشارات نصیر؛ عنوان کتاب: هوش مصنوعی همراه با بازنگری کامل. این کتاب یکی از ترجمه‌های دقیق و خوانای کتاب راسل است.
  • ترجمه کتاب راسل از آیدین خوشنویس حسینی

تصویری از  4 تا از محبوب ترین ترجمه های کتاب هوش مصنوعی کنکور

شاخه‌های هوش مصنوعی

هوش مصنوعی که خود یک شاخه از علوم کامپیوتر است، دارای شاخه‌های متعددی است که هر شاخه نیز به شاخه‌های دیگری نیز قابل‌تقسیم است. در این قسمت به برخی از مهم‌ترین این شاخه‌ها می‌پردازیم.

یادگیری ماشین

یکی از شاخه‌های مهمی که کاربردهای بسیار زیادی در صنعت دارد، یادگیری ماشین یا machine learning (به‌اختصار ML) است. در یادگیری ماشین، سیستم‌های هوشمند طوری طراحی و ساخته می‌شوند که با استفاده از اطلاعات دریافتی و بدون برنامه‌ریزی اولیه و تنها با الگوریتم‌های نوشته شده، عامل شروع به یادگیری و تحلیل کند تا بتواند بر اساس یادگیری‌های خود موارد خواسته شده را پیش‌بینی و یا محاسبه کند. فرض کنید هزاران داده آماری مربوط به روند تغییر قیمت سهام را در اختیار دارید، به‌وسیله یادگیری ماشین، عامل می‌‌تواند شروع به یادگیری از طریق این داده‌ها کند و بر اساس آنها و الگوی دریافت شده از آنها، قیمت سهام را در آینده پیش‌بینی کند. باتوجه‌به اینکه در دنیای امروزی داده‌ها بسیار حجیم هستند، در نتیجه اهمیت کلان‌داده‌ها و آنالیز آنها به یک امری جدی برای بشر تبدیل شده است. استفاده از هوش مصنوعی و یادگیری ماشین، کمک شایانی به رسیدگی به امورات تجزیه و تحلیلی می‌کند. تعدادی از مواردی که یادگیری ماشین می‌تواند به آنها رسیدگی کند را در لیست زیر مشاهده می‌کنید:

  • پردازش تصویر، تشخیص چهره، تشخیص انواع حرکت
  • تشخیص تومورهای سرطانی
  • تولید انرژی، پیش‌بینی قیمت سهام
  • ساخت خودرو های هوشمند
  • برنامه‌های تشخیص و شناسایی صدا و زبان
  • امورات مالی، انجام انواع محاسبات، تجارت الگوریتمی

یادگیری عمیق

یادگیری عمیق یا Deep Learning یکی از حوزه‌های هوش مصنوعی و در واقع زیرمجموعه‌ای از یادگیری ماشین است. در یادگیری عمیق، طراحی سیستم‌های کامپیوتری هوشمند به‌گونه‌ای طراحی و برنامه‌ریزی می‌شوند تا بتوانند همانند یک انسان در مورد مسائل مشخص شده یاد بگیرند و راه‌حل‌هایی ارائه کنند. مهندسان علم داده یا Data Science از موارد مختلفی مانند آمار و مدل‌سازی برای پیاده‌سازی سیستم‌های یادگیری عمیق استفاده می‌کنند. به‌طورکلی استفاده از یادگیری عمیق، جمع‌آوری، آنالیز و تفسیر کلان‌داده‌ها را آسان‌تر و بسیار سریع‌تر می‌کند.

ورودی الگوریتم‌هایی که برای یادگیری عمیق وجود دارند، داده‌های مختلفی است که از دنیای خارجی به آنها می‌رسد، مانند متون، صوت، تصاویر و موارد دیگر. این الگوریتم‌ها با در اختیار داشتن چنین اطلاعاتی، سعی می‌کند الگوهایی را پیدا کند تا بتوانند به‌وسیله آن پیش‌بینی خاصی را حول موضوع مشخص شده انجام دهند.

تصویری از یادگیری عمیق در هوش مصنوعی

یادگیری تقویتی

در یادگیری تقویتی یا Reinforcement Learning، عامل محیط پیرامون را بررسی و تجزیه تحلیل می‌کند و بر اساس آن یک اقدامی انجام می‌دهد. سپس نتیجه این اقدام را مشاهده کرده و مورد بررسی قرار می‌دهد؛ بنابراین علاوه بر داده‌های اولیه، ماشین‌های هوشمند بر اساس تجربیات خودشان نیز دانش کسب می‌کنند و رفتار و عملکردشان را تغییر می‌دهند. این تجربیات و رفتارها آن‌قدر تغییر کرده و پیشرفت می‌کند تا عامل هوشمند به هدف خود برسد.

شبکه‌های عصبی

مغز انسان یکی از پیچیده‌ترین و شگرف‌ترین سیستمی است که به عقیده دانشمندان در کل جهان هستی وجود دارد. تمامی رفتارهایی که به‌صورت خودآگاه یا ناخودآگاه از انسان سر می‌زند، تحت کنترل مغز او هستند. سرعت و قدرت بالای مغز انسان به ارتباطات پیچیده بر می‌گردد که در میان سلول‌های زنده مغز انسان وجود دارد. به همین علت، عملکرد فوق‌العاده مغز انسان در بسیاری از موارد مختلف باعث شده تا شبیه‌سازی مغز انسان و ویژگی‌های آن، به یکی از الگوهای مهم برای مهندسین نرم‌افزار وسخت افزار تبدیل شود.

تحقیقات و ابداعاتی که در راستای شبیه‌سازی رفتار مغز انسان از جهت پردازش و محاسباتی انجام شده است، باعث به‌وجودآمدن علم جدیدی درهوش مصنوعی تحت عنوان شبکه‌های عصبی مصنوعی یا Artificial Neural Network شد. در این علم شبکه‌های عصبی، مدل‌های نرم‌افزاری و ریاضی گوناگونی با الهام‌گرفتن از عملکرد و ساختار مغز انسان پیشنهاد شده‌اند که برای حل مسائل کامپیوتری مختلفی مورداستفاده قرار می‌گیرند. به‌عنوان‌مثال در حوزه مسائل کاربردی و مهندسی، در مسائل علمی و... در لیست زیر، تعدادی از کاربردهای مختلف شبکه‌های عصبی مصنوعی را آورده‌ایم:

  • توسعه نرم‌افزارهای آنتی‌ویروس
  • مدل‌سازی سیستم‌ها به‌وسیله مهندسی معکوس
  • عیب‌یابی سیستم‌های صنعتی
  • بهینه‌سازی سیستم‌های مهندسی
  • پیش‌بینی نتایج آزمایش‌ها
  • تشخیص بیماری‌ها باتوجه‌به نتایج آزمایش‌های پزشکی و تصویربرداری‌ها
  • پیش‌بینی قیمت سهام و شاخص بورس
  • تخصیص سرمایه
  • طبقه‌بندی و کاوش متون ادبی
  • هدف‌گیری و تعقیب در سلاح‌های موشکی
  • پیاده‌سازی سیستم‌های دفاعی
  • پیش‌بینی رفتار نیروی مهاجم

تصویری از کاربرد های مختلف شبکه های عصبی مصنوعی

رباتیک

شاید ملموس‌ترین کاربرد هوش مصنوعی برای عموم مردم، علم رباتیک (Robotics) باشد. ربات در واقع محصول مشترک علم مهندسی و فناوری است. ربات‌ها ماشین‌هایی هستند که رفتارهای انسان را تقلید کرده و می‌تواند در بسیاری از امورات مختلف جایگزین انسان‌ها شوند و یا دستیار انسان باشند. ربات‌ها محیط پیرامون را به‌وسیله سنسورها حس (Sense) می‌کنند و بر اساس آنها رفتارهایی از خود نشان می‌دهند که درخور محیط باشد. ربات‌ها در انواع و اندازه‌های مختلفی ساخته می‌شوند تا بتوانند وظایف محول شده خاصی را انجام دهند. در اینجا انواع مهم ربات‌ها معرفی شده‌اند:

  • ربات‌های انسان‌نما (Humanoid Robots): ربات‌هایی هستند که شبیه به انسان ساخته شده‌اند و کارهای انسان را تقلید می‌کنند. این ربات‌ها قادر به انجام کارهایی مشابه انسان از قبیل راه‌رفتن، دویدن، شلیک‌کردن، پریدن و... هستند همچنین حالات چهره این ربات‌ها نیز از حالات چهره انسان واقعی تبعیت می‌کند و با پیشرفت تکنولوژی، روزبه‌روز این شباهت‌ها نیز بیشتر و بهتر می‌شوند.
  • ربات‌های مستقل (Autonomous Robots): ربات‌های مستقل، ربات‌هایی هستند که بدون هیچ نظارت و کنترلی قادر به انجام‌وظیفه محول شده هستند. این ربات‌ها با استفاده از سنسورهای تعبیه شده در آنها محیط اطراف خود را به‌خوبی درک کرده و سپس با استفاده از الگوریتم‌های مختلف و تجهیزات طراحی شده عمل مناسبی را انجام می‌دهد. ربات‌های کاوشگر در سیارات دیگر و یا جاروبرقی‌های هوشمند جزء این دسته از ربات‌ها هستند.
  • ربات‌های از پیش برنامه‌ریزی‌شده (Pre-Programmed Robots): این دسته از ربات‌ها برای کارهای ساده و تک‌بعدی اما به طور سریع و مداوم ساخته شده‌اند. در حقیقت کارهای تکراری، ظریف و کارهایی که نیاز به‌دقت فراوانی دارند نیز به‌وسیله این دسته از ربات‌ها قابل‌انجام هستند. بازوی رباتیک یکی از این موارد است. این بازوها می‌توانند کارهای مختلفی از قبیل پیوند قطعات الکترونیکی، جوشکاری، اسمبل کردن و خیلی از موارد دیگر را در زمان ُکوتاه و با حداقل خطا انجام دهند.
  • ربات‌های قابل‌کنترل از راه دور (Teleoperated Robots): اگر دوران کودکی شیرینی را گذرانده باشید، احتمالاً ماشین‌های کنترلی یا پهپادهای کنترلی را به‌خاطر دارید، در حقیقت این وسایل به‌نوعی ربات محسوب می‌شوند؛ البته از نوع ساده آن. ربات‌های قابل‌کنترل از راه دور که توسط شبکه بی‌سیم هدایت می‌شوند، نوعی ربات نیمه‌مستقل محسوب می‌شوند که کنترل آن در دست انسان است. از این ربات‌ها در موارد مختلفی استفاده می‌شود، به‌عنوان‌مثال پهپادهای نظامی که برای شناسایی مناطق مین‌گذاری‌شده استفاده می‌شود.
  • ربات‌های افزودنی (Augmenting Robots): این ربات‌ها به بدن انسان افزوده می‌شود و هدف آن نیز انتساب ویژگی جدید به انسان است، بسیاری از افراد به دلیل معلولیت یا نقص‌عضو نمی‌توانند بسیاری از فعالیت‌ها را انجام دهند. این ربات‌ها با وصل‌شدن به بدن انسان کمک می‌کند تا فعالیت‌هایی که به هر دلیلی قادر به انجام آن نیست را انجام دهد. هر ساله پیشرفت‌های چشمگیری در این حوزه ارائه می‌شود و این‌طور که به نظر می‌رسد در آینده‌ای نه‌چندان دور، به یکی از ربات‌های جدایی‌ناپذیر از زندگی انسان‌ها تبدیل شوند.

در لیست زیر موارد مختلفی که از ربات‌ها استفاده می‌شوند را مشاهده می‌کنید:

  • در صنعت
  • اکتشاف
  • در زمینه کشاورزی
  • عمل جراحی
  • ربات اسباب‌بازی
  • بهداشت و درمان
  • ربات خدمتکار
  • در زمینه انبارداری
  • در بخش‌های نظامی
  • حمل‌ونقل و گردشگری

تصویری از انواع ربات ها

بینایی ماشین

از دیگر حوزه‌های هوش مصنوعی می‌توان به بینایی ماشین یا Machine Vision اشاره کرد. بینایی ماشین یک حوزه میان‌رشته‌ای است و علوم مختلفی را شامل می‌شود، از جمله این علوم می‌توان به صنایع، برق و الکترونیک، علوم رایانه و مکانیک اشاره کرد. در واقع بینایی ماشین از مبانی علوم رایانه، تکنیک‌های پردازش تصویر، مهندسی اپتیک و مهندسی مکانیک استفاده می‌کند و ارتباط نزدیکی با اتوماسیون صنعتی دارد.

این تکنولوژی بر اساس پردازش تصاویر دوبعدی کار می‌کند. به‌وسیله تجزیه‌وتحلیل پیرامون با دوربین‌های قدرتمندی که عامل‌های بینایی ماشین دارنده آنها هستند، می‌توان داده‌های تصویری یا همان Image data را تولید و وارد کامپیوتر کرد. بینایی ماشین یکی از حوزه‌های روبه‌رشد حوزه هوش مصنوعی است که کاربردهای مختلفی دارد.

تصویری از کاربرد هوش مصنوعی در بینایی ماشین

کاربردهای بینایی ماشین

بینایی ماشین در صنایع مختلفی به طور مستقیم یا غیرمستقیم مورداستفاده قرار گرفته است که در اینجا به برخی از این صنعت‌ها می‌پردازیم:

  • استفاده از بینایی ماشین در صنعت: از بینایی ماشین در صنعت استفاده‌های مختلفی می‌شود. از جمله این کاربردها می‌توان به کنترل و بررسی موارد اولیه، کنترل میزان کیفیت محصول، کنترل موجودی انبار، مدیریت سیستم‌های امنیتی و تولید محصولات صنعتی در مقیاس بزرگ اشاره کرد.
  • بینایی ماشین در حمل‌ونقل: شاید اگر خیلی به جزئیات توجه کرده باشید، متوجه این امر شده باشید که چراغ‌های راهنمایی رانندگی در موارد مختلف، عملکردهای مختلفی دارند (در میدان‌های بزرگ) ممکن است چراغ‌قرمز 20 ثانیه شود و یا ممکن است تا 100 ثانیه هم طول بکشد و یا مثلاً ناگهان سر یک عدد متوقف شود. مورد ملموس‌تر اینکه در پرداخت عوارضی‌های بین‌راهی شما دیگر شخصی را نمی‌بینید که در حال گرفتن عوارض باشد، بلکه همه مراحل به‌صورت خودکار انجام می‌شود. این تکنولوژی‌ها با دارابودن قابلیت تشخیص خودرو ها و پلاک‌ها تمامی مراحل را به طور اتومات انجام می‌دهند. همچنین در پارکینگ‌های هوشمند، مجتمع‌های تجاری، ورودی و خروجی سازمان‌ها و تردد ماشین‌ها و ثبت تخلفات رانندگی از بینایی ماشین استفاده می‌شود.
  • هواشناسی: در سال‌های ابتدایی که تصاویر ماهواره‌ای از کره زمین گرفته می‌شد، خبرگان هواشناسی با تحلیل‌های مختلف از شرایط جوی، آب‌وهوا را پیش‌بینی می‌کردند که علاوه بر زمان‌بر بودن، اشکالات و خطاها و همچنین هزینه‌های زیادی را در برداشت. امروزه با استفاده از بینایی ماشین می‌توان در کوتاه‌ترین مدت با کمترین هزینه و بادقت بالا آب‌وهوا را پیش‌بینی کرد.
  • صنعت شهرسازی: با استفاده از تکنولوژی بینایی ماشین، قادر هستیم تا یک شهر را قبل از ساخته‌شدن به‌صورت دیجیتالی بازسازی کنیم، این کار به متخصصین این حوزه قبل از اجرای پروژه کمک بسیاری می‌کند. همچنین با استفاده از تصاویر هوایی به‌دست‌آمده از یک شهر در طول فرایند انجام پروژه می‌توان میزان گسترش و توسعه را مورد سنجش و بررسی قرارداد.
  • استفاده از بینایی ماشین در مباحث مربوط به امنیت: ازآنجایی‌که الگوی چشم و اثر انگشت هر انسان با دیگری متفاوت است، می‌توان از هوش مصنوعی برای تشخیص این موارد استفاده کرد. به‌عنوان‌مثال فناوری‌های تشخیص اثر انگشت درگوشی‌های هوشمند و لپ‌تاپ‌ها و یا ورودی‌های شرکت و همچنین سیستم تشخیص افراد بر اساس نگاه آنها از فناوری بینایی ماشین استفاده می‌کنند.
  • بینایی ماشین در صنعت کشاورزی و حوزه زراعی: سیستم بینایی ماشین قادر است تا فعالیت‌هایی نظیر پردازش تصویر از ارتفاع و در سطح زمین، تخمین خسارات وارد شده به محیط‌زیست و بسیاری از موارد دیگر را بادقت بالا انجام دهد؛ بنابراین ماشین‌های درو می‌توانند تا موقعیت صحیح محصولات کشاورزی را شناسایی کنند و بدون هرگونه آسیب رساندن به محصولات، فرایندهای کشاورزی را انجام دهند. از موارد مهم دیگری که به‌وفور در صنعت کشاورزی از آن استفاده می‌شود، تشخیص علف‌های هرز یا گیاهان زائد و محصول برداشتی است که توسط بینایی ماشین تفکیک داده می‌شوند.

دیگر حوزه‌های هوش مصنوعی

از دیگر شاخه‌های هوش مصنوعی می‌توان به موارد زیر اشاره کرد:

  • سیستم‌های خبره (Expert Systems)
  • منطق فازی (Fuzzy Logic)
  • پردازش زبان طبیعی (Natural Language Processing)
  • ماشین واکنشی (Reactive Machine)
  • مهندسی دانش (Knowledge Engineering)
  • بازیابی هوشمند (Intelligent Retrieval)

همچنین این حوزه‌ها می‌توانند با یکدیگر نیز ادغام شوند.

کاربرد درس هوش مصنوعی در ارشد، دکتری و آینده شغلی

درس هوش مصنوعی در کنکور و تحصیلات تکمیلی

این درس در کنکور ارشد مهندسی کامپیوتر و ارشد فناوری اطلاعات ضریب ۴ دارد و چون دروس کنکور دکتری مهندسی کامپیوتر و دکتری فناوری اطلاعات همان دروس کنکور ارشد این دو رشته است، در کنکور دکتری هم حضور دارد. طبق برنامه‌ی جدید کارشناسی ارشد مهندسی و علم کامپیوتر وزارت علوم، «هوش مصنوعی» یکی از دروس جبرانی گرایش هوش مصنوعی است؛ یعنی اگر آن را در کارشناسی نگذرانده باشید، ممکن است دانشگاه آن را به‌عنوان درس جبرانی برای شما در نظر بگیرد.

این درس پایه‌ی بیشتر دروس ارشد هوش مصنوعی است؛ دروسی مانند هوش مصنوعی پیشرفته، یادگیری ماشین، شناسایی الگو، شبکه‌های عصبی، سیستم‌های چندعاملی و یادگیری تقویتی مستقیماً بر مفاهیم همین درس، یعنی عامل هوشمند، جستجو، استدلال و تصمیم‌گیری، بنا شده‌اند. موضوع بسیاری از پایان‌نامه‌های ارشد و رساله‌های دکتری در گرایش هوش مصنوعی، از بینایی ماشین و پردازش زبان طبیعی تا رباتیک، هم از همین مفاهیم شروع می‌شود. برای آشنایی کامل با این گرایش و دروس آن، صفحه‌ی رشته هوش مصنوعی را ببینید.

آینده شغلی با درس هوش مصنوعی

درس هوش مصنوعی به‌تنهایی یک شغل نیست، اما دروازه‌ی ورود به شغل‌هایی مانند مهندس یادگیری ماشین، دانشمند داده، متخصص پردازش زبان طبیعی، متخصص بینایی ماشین و مهندس رباتیک است. برنامه‌ی درسی مرجع کارشناسی مهندسی کامپیوتر وزارت علوم هم توانمندی «هوشمندسازی و طراحی سامانه‌های هوشمند» را به دروس هوش مصنوعی و مبانی هوش محاسباتی گره زده است. مسیر معمول این است که بعد از این درس، یادگیری ماشین و یادگیری عمیق را یاد بگیرید و در کنار آن نمونه‌کار بسازید. وضعیت بازار کار این حوزه در ایران و خارج از کشور را در صفحه‌ی رشته هوش مصنوعی بررسی کرده‌ایم.

برنامه نویسی هوش مصنوعی

برنامه نویسی در زمینه هوش مصنوعی طیف گسترده‌ای از حوزه‌ها را در بر می‌گیرد. از ایجاد نرم‌افزارهایی برای اجرای عملیات تشخیص الگوها با استفاده از یادگیری ماشین و تحلیل داده‌ها گرفته تا برنامه نویسی سیستم‌های تعبیه شده در خودرو های خودران. همانند دیگر زمینه‌های مهندسی کامپیوتر (مثل برنامه نویسی وب، برنامه نویسی اندروید و یا بازی) برای برنامه نویسی هوش مصنوعی هم‌زبان‌های برنامه نویسی مختلف و متفاوت وجود دارد که هرکدام از آنها در موارد مختلف مورداستفاده قرار می‌گیرد و همچنین هرکدام دارای مزایا و معایب مختلفی هستند. در لیست زیر محبوب‌ترین زبان‌های برنامه نویسی هوش مصنوعی آورده شده است:

  • پایتون (Python)
  • لیسپ (Lisp)
  • جاوا(Java)
  • سی پلاس پلاس (C++)
  • آر (R)
  • جولیا (Julia)
  • پرولاگ (Prolog)
  • متلب (Matlab)

 تصویری از برنامه نویسی هوش مصنوعی

هوش مصنوعی با پایتون

زبان برنامه نویسی پایتون از دیرباز یکی از محبوب‌ترین زبان‌ها جهت برنامه نویسی هوش مصنوعی بوده است. به دلیل ساده‌بودن سینتکس ها، کم‌حجم‌بودن و راه‌اندازی سریع زبان و داشتن پکیج‌های بسیار زیاد و متنوع، هر روزه بر تعداد کاربران این زبان افزوده می‌شود. در این قسمت کتابخانه‌های معروف جهت کدنویسی برای هوش مصنوعی و تجزیه‌وتحلیل داده را مرور می‌کنیم.

با استفاده از کتابخانه scikit-learn می‌توان الگوریتم‌های هوش مصنوعی مانند Classification و Regression را پیاده‌سازی کرد. کارکردن در زمینه deep learning یا یادگیری عمیق به‌وسیله کتابخانه‌های محبوب TensorFlow، Keras و Caffe قابل‌انجام است. همچنین با استفاده از کتابخانه‌هایی مانند NumPy، SciPy و Pandas می‌توان به ساخت و پردازش انواع آرایه‌ها، تجزیه‌وتحلیل داده‌ها و بسیاری از موارد دیگر پرداخت. اطلاعات آنالیز شده و یا نمودارها را نیز می‌توان به‌وسیله کتابخانه Matplotlib به حالت بصری درآورد. کتابخانه‌های دیگری هم وجود دارند که در زمینه هوش مصنوعی به برنامه‌نویسان کمک می‌کند. مانند SpaCy، NTLK، SimpleAI و...

هوش مصنوعی با زبان R

زبان برنامه نویسی R که مخصوص محاسبات و تحلیل‌های آماری ساخته شده است، یکی از زبان‌هایی است که در حوزه هوش مصنوعی کاربرد فراوانی دارد، به‌خصوص برای کاربردهای یادگیری ماشین. سینتکس های ساده و کوتاه شده، داشتن کتابخانه‌های فراوان برای ترسیم نمودارها و فرمول‌های آماری، پشتیبانی از کتابخانه‌های محبوب مانند TensorFlow، Keras و MXNet باعث شده است تا بسیاری از برنامه‌نویسان به سمت این زبان سوق پیدا کنند.

هوش مصنوعی با جاوا

وقتی هدف برنامه‌نویس هوش مصنوعی تحلیل و استخراج داده‌ها است و یا تنها می‌خواهد یک الگوریتم یادگیری را پیاده‌سازی کند، زبان‌هایی مثل پایتون و R بسیار مفید واقع می‌شوند. اما ممکن است هدف از برنامه‌نویسی هوش مصنوعی، ایجاد یک برنامه و نرم‌افزار باشد که قرار است بارها توسط افراد مختلف (و مشتریان) اجرا شود. این نرم‌افزارها باید از عملکرد سریعی برخوردار باشند؛ بنابراین استفاده از یک‌زبان کامپایلری مثل جاوا کار عاقلانه‌تری به نظر می‌رسد تا استفاده از یک‌زبان مفسری. زبان جاوا دارای ویژگی‌های متعددی است که مهم‌ترین آنها در لیست زیر آمده است:

  • سرعت بالا به دلیل کامپایلر (Compiler)ی بودن
  • چند سکویی یا Multiplatform بودن به دلیل استفاده از ماشین مجازی جاوا (JVM)
  • داشتن کتابخانه‌های متعدد
  • دارابودن پشته‌های اپن‌سورس کلان‌داده
  • عیب‌یابی سریع، قابل‌حمل بودن، مدیریت حافظه و تطبیق‌پذیری

همین ویژگی‌های مثبت زبان جاوا باعث شده تا برای توسعه بسیاری از کاربردهای هوش مصنوعی از این زبان استفاده شود. مانند تجزیه‌وتحلیل داده‌ها، یادگیری عمیق، یادگیری ماشین، پردازش زبان طبیعی و بسیاری از کاربردهای دیگر.

نقشه راه گام‌به‌گام یادگیری درس هوش مصنوعی

مسیر یادگیری هوش مصنوعی به هدف شما بستگی دارد. اگر دانشجو هستید یا برای کنکور ارشد می‌خوانید، مسیر اول، و اگر می‌خواهید هوش مصنوعی را برای کار و پروژه یاد بگیرید، مسیر دوم مناسب شماست.

مسیر دانشجو و داوطلب کنکور ارشد

  • گام ۱، پیش‌نیازها: داده‌ساختارها و الگوریتم‌ها و آمار و احتمال مهندسی را، که طبق برنامه‌ی درسی مرجع وزارت علوم پیش‌نیاز رسمی این درس‌اند، مرور کنید؛ آشنایی با ریاضیات گسسته و منطق هم کمک می‌کند.
  • گام ۲، درس‌نامه: مباحث را به ترتیب سرفصل رسمی بخوانید: عامل‌های هوشمند، جستجوی ناآگاهانه و آگاهانه، جستجوی محلی، مسائل ارضای محدودیت، جستجوی مقابله‌ای، فرایند تصمیم مارکوف و یادگیری تقویتی، منطق گزاره‌ای و مرتبه اول، و مقدمه‌ی یادگیری ماشین. منبع اصلی همه‌ی این مباحث، فصل‌های متناظر کتاب راسل است.
  • گام ۳، حل تست: بعد از هر مبحث، آزمون مبحثی همان مبحث را در پلتفرم آزمون و بانک تست کنکور کامپیوتر بزنید؛ این پلتفرم تست‌های کنکور ارشد کامپیوتر و آی‌تی از سال ۸۱ تا ۱۴۰۵ را همراه با سؤال‌های تألیفی و پاسخ تشریحی دارد. برای اولویت‌بندی مباحث هم بخش «بودجه‌بندی مبحثی» همین پلتفرم را ببینید. دفترچه‌های کامل سؤال‌ها را می‌توانید از صفحه‌ی دانلود سوالات کنکور کامپیوتر بگیرید.
  • گام ۴، مرور و جمع‌بندی: از هر مبحث خلاصه بنویسید و آن را به‌صورت زمان‌بندی‌شده در پلتفرم مرور و خلاصه‌نویسی مرور کنید؛ پیش از کنکور هم تست‌های اشتباه خود را دوباره بزنید.

فیلم‌های درس و نکته و تست هوش مصنوعی استاد رضوی که در همین صفحه معرفی شده‌اند، هر دو مرحله‌ی درس‌نامه و تست را پوشش می‌دهند. هر فیلمی که از تیم کنکور کامپیوتر و کافه تدریس تهیه کنید، چه فیلم درس و چه فیلم نکته و تست، پی‌دی‌اف همان فیلم در داشبورد شما در سایت کافه تدریس قرار می‌گیرد و می‌توانید مستقیم از آن استفاده کنید یا آن را پرینت بگیرید.

مسیر یادگیری کاربردی برای کار و پروژه

  • گام ۱: برنامه‌نویسی پایتون و کتابخانه‌های NumPy و pandas
  • گام ۲: ریاضیات لازم، یعنی جبر خطی، آمار و احتمال و مشتق و گرادیان
  • گام ۳: مبانی هوش مصنوعی، یعنی همین درس، که طبق سرفصل رسمی مقدمه‌ای از یادگیری تقویتی و یادگیری ماشین را هم دارد
  • گام ۴: یادگیری ماشین با کتابخانه‌ی scikit-learn
  • گام ۵: یادگیری عمیق با PyTorch یا TensorFlow
  • گام ۶: انتخاب یک شاخه‌ی تخصصی، مثل بینایی ماشین یا پردازش زبان طبیعی، و ساختن چند پروژه‌ی کامل به‌عنوان نمونه‌کار

درس هوش مصنوعی در کنکور ارشد

از کنکور ۱۴۰۶ در کنکور ارشد کامپیوتر، تمامی گرایش‌ها درس‌ها و ضرایب یکسانی دارند. دروس و ضرایب این آزمون در جدول زیر آمده است:

دروس و ضرایب کنکور ارشد مهندسی کامپیوتر ۱۴۰۶ (همه‌ی گرایش‌ها)

گروه درسیدروس این گروه (تعداد سؤال)تعداد سؤالضریب
زبانزبان عمومی و تخصصی (انگلیسی)۲۵۱
ریاضیاتریاضیات گسسته (۷)، آمار و احتمال مهندسی (۶)، جبر خطی (۷)۲۰۲
دروس تخصصیمبانی کامپیوتر و برنامه‌سازی (۵)، مدار منطقی (۵)، معماری کامپیوتر (۵)، ساختمان داده (۵)، طراحی الگوریتم (۵)، نظریه زبان‌ها و ماشین‌ها (۵)، سیستم عامل (۵)، هوش مصنوعی (۵)۴۰۴

جمع: ۱۲ درس، ۸۵ سؤال، ۱۹۰ دقیقه. تعداد سؤال‌ها و زمان آزمون تخمین ماست، چون کنکور ۱۴۰۶ هنوز برگزار نشده است.

بنابراین درس هوش مصنوعی در همه‌ی گرایش‌های کنکور ارشد کامپیوتر ضریب ۴ دارد. برای دیدن جزئیات بیشتر درباره‌ی دروس و ضرایب، به صفحه ی دروس مورد آزمون در کنکور ارشد کامپیوتر و ضرایب آن رجوع کنید.

تعداد تست‌هایی که از درس هوش مصنوعی در کنکور ۱۴۰۶ مطرح می‌شود شامل ۵ تست (طبق تخمین ما) با ضریب ۴ در کنکور مهندسی کامپیوتر و ۶ تست با ضریب ۴ در کنکور مهندسی فناوری اطلاعات است. البته این تعداد فقط تخمین است و ممکن است تعداد تست کمتری از این درس مطرح شود. هوش مصنوعی با ضریب ۴ از دروس مهم کنکور ارشد است؛ ولی از کنکور ۱۴۰۶ همه‌ی دروس آزمون مهم‌اند و اگر هدفتان رتبه‌ی برتر است، باید همه را، از جمله زبان و سه درس ریاضی، بخوانید (همه‌ی تغییرات کنکور ارشد کامپیوتر ۱۴۰۶ را در صفحه‌ی جداگانه‌ای آورده‌ایم). برای اینکه بدانید از کدام فصل‌های هوش مصنوعی بیشتر تست آمده است، بخش بودجه‌بندی مبحثی پلتفرم آزمون و بانک تست را ببینید.

فیلم‌های آموزشی درس هوش مصنوعی

همان‌طور که قبل‌تر بیان شد، درس هوش مصنوعی اهمیت بالایی دارد؛ بنابراین نیازمند یک آموزش کامل با بیان ساده و منسجم است تا دانشجویان بتوانند امتیاز بالایی از این درس در کنکور کسب کنند. به دلیل حجیم و البته چالش‌برانگیز بودن این درس، منابع کامل و کافی مناسبی برای این درس وجود ندارد، به‌خصوص اینکه در اکثر دانشگاه‌های ایران، باتوجه‌به کمبود وقت، تمامی فصول هوش مصنوعی به طور کامل پوشش داده نمی‌شود؛ بنابراین باتوجه‌به نیازهای دانشجویان گرامی، مجموعه کاملی از ویدئو های آموزشی برای درس هوش مصنوعی گردآوری شده تا هم‌نیازهای کنکور شما را برطرف سازد و هم اگر در آینده تمایل به ادامه این رشته پیدا کردید، این مجموعه آموزشی بتواند پایه‌های علم شما را مستحکم کند. ویدئو های آموزشی این مجموعه به‌صورت کاملاً شیوا و صریح بیان شده است و از 0 تا 100 درس هوش مصنوعی را پوشش می‌دهد.

معرفی دوره درس و حل تست و سؤالات هوش مصنوعی

خرید فیلم های کامل هوش مصنوعی

در حال حاضر فیلم آموزش هوش مصنوعی استاد رضوی پرطرفدارترین و پرفروش‌ترین فیلم آموزشی هوش مصنوعی کشور است و هر سال حدود ۶۰۰۰ نفر این فیلم را تهیه می‌کنند

Ramin Razavi 1
فیلم درس هوش مصنوعی

تخفیف تا ۲۸ آبان

2,100,000 تومان 1,575,000 تومان
رامین رضوی 60 ساعت
Ramin Razavi 1
فیلم نکته و تست هوش مصنوعی

تخفیف تا ۲۸ آبان

2,100,000 تومان 1,575,000 تومان
رامین رضوی ۳۰ ساعت

نظر رتبه های برتر کنکور ارشد کامپیوتر و آی تی در مورد کیفیت فیلم‌ها

سال‌هاست که هر سال بیش از ۸۰ درصد رتبه‌های برتر کنکور ارشد کامپیوتر از شاگردان استاد رضوی هستند. گفت‌وگوی کامل رتبه‌های برتر را در صفحه‌ی مصاحبه رتبه‌های برتر کنکور ارشد کامپیوتر بخوانید.

سایر فیلم‌های رایگان رشته کامپیوتر و کنکور ارشد کامپیوتر

بهترین منابع برای درس هوش مصنوعی در آزمون کنکور ارشد کدام‌اند؟

باتوجه‌به اهمیت بالای درس هوش مصنوعی در آزمون کنکور ارشد، تعداد کتاب‌های تألیف شده زیاد است و ممکن است داوطلبان کنکور را سردرگم کند. ازآنجایی‌که مرجع درس هوش مصنوعی در دانشگاه و آزمون کنکور ارشد، کتاب Artificial Intelligence: A Modern Approach نوشته نورویگ و راسل است، در نتیجه کتب فارسی همگی ترجمه این کتاب هستند و می‌توان گفت بیش از 90 درصد این کتب شبیه به هم هستند. اما اگر بخواهیم باتوجه‌به رضایتمندی داوطلبان، کتابی را انتخاب کنیم، کتاب هوش مصنوعی راسل ترجمه دکتر هشام فیلی می‌تواند گزینه مناسبی باشد، مشکلی که وجود دارد این است بیان کتاب‌ها سخت است و دانشجویان به سختی می‌توانند درس هوش مصنوعی را از روی کتاب مطالعه کنند، ویدیو های درس هوش مصنوعی استاد رامین رضوی با بیانی ساده و از 0 تا 100 درس هوش مصنوعی را به طور کامل پوشش داده است؛ بنابراین اگر قصد کسب رتبه برتر در آزمون کنکور ارشد را دارید، ویدئو های این مجموعه به شما پیشنهاد می‌شود.

اهمیت درس هوش مصنوعی در کنکور ارشد چقدر است؟

درس هوش مصنوعی یکی از دروس مهم آزمون کنکور به‌حساب می‌آید. از کنکور ۱۴۰۶ ضریب این درس در همه‌ی گرایش‌های کنکور ارشد کامپیوتر یکسان و برابر ۴ است و در کنکور ارشد فناوری اطلاعات نیز ضریب ۴ دارد.

چند تست از درس هوش مصنوعی در آزمون کنکور ارشد مطرح می‌شود؟

طبق تخمین تیم کنکور کامپیوتر، در کنکور ۱۴۰۶ حدود ۵ تست از درس هوش مصنوعی با ضریب ۴ در کنکور مهندسی کامپیوتر و حدود ۶ تست با ضریب ۴ در کنکور مهندسی فناوری اطلاعات مطرح می‌شود. البته این تعداد فقط تخمین است و ممکن است تعداد تست کمتری از این درس مطرح شود.

یادگیری درس هوش مصنوعی چقدر زمان می‌برد؟

در دانشگاه، هوش مصنوعی درسی ۳ واحدی (۴۸ ساعت) است که در یک ترم ارائه می‌شود و در برنامه‌ی پیشنهادی مهندسی کامپیوتر وزارت علوم جای آن نیمسال پنجم است. برای کنکور ارشد، مدت مطالعه به پایه‌ی شما در داده‌ساختارها و الگوریتم‌ها بستگی دارد. پیشنهاد تیم کنکور کامپیوتر این است که درس را یک بار کامل با فیلم‌های آموزشی بخوانید و بعد تست‌های هر مبحث را در پلتفرم آزمون و بانک تست بزنید. یادگیری کاربردی هوش مصنوعی مسیری طولانی‌تر و پیوسته است.

آیا به همراه ویدئوهای آموزشی درس هوش مصنوعی، جزوه هم در اختیار داوطلبان قرار می‌گیرد؟

بله، به همراه فیلم‌های درس و حل تست هوش مصنوعی جزوه‌های درس داده شده به دانشجویان داده می‌شود و دانشجویانی که فیلم‌های درس و نکته و تست هوش مصنوعی را دارند نیاز به تهیه هیچ کتاب دیگری را ندارند.

برای درس هوش مصنوعی برنامه‌نویسی بلد بودن لازم است؟

برای تست‌های کنکور ارشد نه؛ تست‌ها چهارگزینه‌ای هستند و کدنویسی نمی‌خواهند، بلکه باید الگوریتم‌هایی مثل جستجو، جستجوی مقابله‌ای و ارضای محدودیت را گام‌به‌گام دنبال کنید. طبق برنامه‌ی درسی مرجع وزارت علوم، پیش‌نیاز این درس داده‌ساختارها و الگوریتم‌ها و آمار و احتمال مهندسی است. اما در دانشگاه بخشی از نمره‌ی درس به تمرین‌های نظری و عملی تعلق دارد و برای این تمرین‌ها و کار عملی در هوش مصنوعی، تسلط بر یک زبان برنامه‌نویسی، معمولاً پایتون، لازم است.

آیا ویدئوهای آموزشی دارای پشتیبانی هم هستند؟

بله، هرگونه مشکلی نرم افزاری که داشته باشید می‌توانید به تیم پشتیبانی کافه تدریس اطلاع دهید.

تفاوت هوش مصنوعی و یادگیری ماشین چیست؟

هوش مصنوعی علم ساختن سیستم‌هایی است که رفتار هوشمندانه دارند؛ از جستجو و استدلال منطقی تا تصمیم‌گیری و یادگیری. یادگیری ماشین شاخه‌ای از هوش مصنوعی است که در آن سیستم به‌جای برنامه‌ریزی صریح از روی داده یاد می‌گیرد، و یادگیری عمیق هم زیرمجموعه‌ی یادگیری ماشین است. درس هوش مصنوعی کارشناسی بیشتر بر جستجو، تصمیم‌گیری و منطق تمرکز دارد و طبق سرفصل رسمی فقط مقدمه‌ای از یادگیری ماشین را می‌گوید؛ در ارشد هوش مصنوعی، یادگیری ماشین یکی از دو درس اجباری گرایش است.

این مطلب چقدر به کارت آمد؟511111111115.00 از ۵ 4 رأی
اشتراک

پرسش و پاسخ داوطلبان کنکور ارشد کامپیوتر

سوال شما توسط استاد رضوی پاسخ داده می‌شود و از طریق پیامک به شما اطلاع رسانی می‌شود
×
kb
8 پرسش و پاسخ
avatar
dorsa sadat
سلام وقت بخیر.

جواب این کدوم میشه؟ من ۱ درمیارم چون هر گره رو سطح به سطح میرم گره بعد bfs، ولی این سوال نه هزینه هر یال رو داده و نه مشخص کرده که از کدوم جستجو منظورشه (هزینه یکنواخت یا *A یا حریصانه). فک کنم حریصانه منظورش باشه ولی اگه حریصانه منظور سوال باشه فک کنم باید بشه:
A, B,C, G, O

پیش فرض کدومو باید در نظر بگیریم؟ خود کتابه گزینه ۱ عه ولی من نفهمیدم

یعنی در لحظه تولید گره، گره هدف رو بررسی می‌کنه؟

ممنونم?
avatar
رامین رضوی
سلام وقت بخیر، لطفا پیوست را مطالعه کنید. موفق و پیروز باشید
avatar
دارابی
سلام وقت بخیر فیلم ها همشون رایگانن یا باید هزینه پرداخت کنیم
ممنون میشم پاسخگو باشین??
avatar
رامین رضوی
سلام، وقت بخیر، فیلم‌هایی که در سایت کنکور ارشد کامپیوتر قرار گرفتند فقط چند جلسه اول هستند و در واقع دمو هستند و کامل نیستند و اگر فیلم‌های کامل را می‌خواهید باید از سایت کافه تدریس تهیه کنید، موفق و پیروز باشید
avatar
زهرا
سلام استاد وقت بخیر
استاد شما تو یکی از همایش ها گفتید ساختمان داده ،هفته ای دو/سه جلسه ببینم
هر جلسه رو تو یک روز ببینیم ؟ یا تقسیمش کنیم تو چند روز؟
avatar
رامین رضوی
سلام، وقت بخیر، شما می‌توانید هر 3 جلسه را در یک روز مشاهده کنید، بطورکلی باید ببینید چطوری راحت‌تر هستید و همون کار رو انجام بدید، موفق و پیروز باشید
avatar
Ali
سلام...کلاس آنلاین نکته و تست هوش مصنوعی از چه تاریخی شروع میشه؟ کاش میشد زودتر شروع بشه استاد
avatar
رامین رضوی
سلام وقت بخیر، سعی می‌کنم زودتر برگزار کنم. تاریخ شروع کلاس آنلاین‌ها در کانال تلگرام اطلاع رسانی می‌شود. موفق و پیروز باشید
هیچ نظری ارسال شده در اینجا وجود ندارد
تلگرام اینستاگرام تماس با پشتیبانی: 09378555200 تماس با پشتیبانی: 09378555200
خدمات ما
پشتیبانی کنکور کامپیوتر

سؤالی داری؟ از ۸ صبح تا ۱۰ شب پاسخ‌گوییم.

تماس با پشتیبانی۰۹۳۷۸۵۵۵۲۰۰ پشتیبانی در تلگرامپاسخ‌گویی پیامی
شبکه‌های اجتماعی
کانال تلگرام اینستاگرام آپارات یوتیوب
اشتراک‌گذاری این مطلب

درس هوش مصنوعی رشته کامپیوتر؛ دانشگاه و کنکور ارشد ۱۴۰۶

تلگرام واتس‌اپ ایکس
https://www.konkurcomputer.ir/درس-هوش-مصنوعی.html
خدمات کنکور کامپیوتر
هر چیزی که برای قبولی لازم داری، یک‌جاخدمات ما

از مشاوره‌ی شخصی با استاد رضوی تا فیلم‌های دروس، پلتفرم‌ها و ابزارهای رایگان

مشاوره‌ی شخصی با استاد رضوی
تماس با پشتیبانی