انديشگاه شريف
(كليه حقوق مادي و معنوي اين اثر متعلق به موسسه آموزشي و تحقيقاتي صنايع
دفاعي است)
در اين مطلب،
به تشريح چهار حوزه فناوري درحالظهور (در حوزه فناوري اطلاعات و ارتباطات) ميپردازيم:
1.
اينترنت X[1] و خدمات وب،
2.
شبكههاي شخصي بلوتوث[2]،
3.
دستگاههاي اطلاعاتي بيسيم[3]؛
و
4.
هوش مصنوعي[4].
فناوري درحالظهور
1: اينترنت X و خدمات وب
عليرغم
توسعههاي گسترده و مختلف در اينترنت و الگوي وب، به نظر ميرسد هنوز هم فناوريهاي
وب فعلي ميتوانند به عنوان يك نمونه الگويي اوليه در نظر گرفته شوند (ميتوان
آنرا نسخه 1.0 وب ناميد). وب
كاملاً بهصورت تصادفي رشد يافت و رويكرد مبتني بر استفاده از پويشگر, همانند آتشي
زودگستر، رواج يافت، اما بااينوجود خيلي محدود است.
فروشندگان
فناوري اطلاعات و تحليلگران صنعت به طور فزايندهاي، موج بعدي وب را كه اينترنت X
ناميده ميشود را در ذهن ميپرورند. از آنجاييكه اين يك چشمانداز مشترك نيست،
اينكه اينترنت X شامل چيست و به چه چيزهاي اشاره دارد وابسته به اين است كه شما با
چه كسي صحبت ميكنيد؛ اما درمجموع ميتوان گفت كه به مسائل زير ميپردازد:
§
هويت[5]: نياز به هويت، ويژگيها[6]،
ترجيهات[7]
و مجوزهاي كاربر[8] كه بهگونهاي امن و استاندارد ذخيره شود و براي هر خدمتي كه
به تعيين هويت يا اختصاصيسازي[9]
نياز دارد, قابلدستيابي باشد.
§
تجربه كاربر[10]: تجربههاي فراوان كاربر، كه
الزاماً ديگر به پويشگر مرتبط نيستند، اما در يك كاربرد معمولي (مانند يك واژهپردازي
مثل مايكروسافت Word) داراي اجزاي اينترنت[11]
وجود دارند.
§
چندحالتي[12]: يك رويكرد استاندارد
تامين دسترسي به چندين دستگاه.
§
خدمات نه كاربردها: كاركرد مورد نظر شما، به جاي اينكه نرمافزارهاي كاربردي باشد
كه شما ميخريد، نصب ميكنيد و روي ديسك سخت كامپيوترتان قرار ميگيرد، در قالب
خدماتي ارائه ميشوند كه شما اجاره ميكنيد؛ همچون خدمات ارايهكنندگان خدمات
كاربردي ASP[13] كه صرفاً نيازمند اتصال
ميباشند.
§
كشف خودكار خدمات[14]: يك راه استاندارد براي
دستگاهها و خدمات تا يكديگر را كشف كنند و حتي بر اساس ترجيح كاربر, روي بهترين
خدمات با هم به توافق برسند.
§
كاربردهاي متصل ايستا[15]: كاربردهاي روي دستگاههاي
متحرك كه بايد قادر به داشتنِ استقلالِ عمل باشند و زمان اتصال مجدداً عمل همگامسازي[16]
انجام شود (و احتمالاً در هنگام اتصال بهتر عمل ميكنند).
§
شبكهسازي خود به خود[17]: دستگاهها اين توانايي را
داشته باشند كه به طور خودكار همديگر را كشف وبا يكديگر كار كنند مانند يك دستيار
ديجيتال شخصي[18] و يك چاپگر
در سالن انتظار فرودگاه.
هر يك از
فروشندگان بزرگ فناوري اطلاعات براي متمايزسازي سطح تكامل و تمركزشان، نامگذاري،
چشمانداز و حوزه تعريف خاص خود را براي اينترنت X
بيان ميدارند. چشمانداز مايكروسافت.NET است در حالي كه شركت سان (SUN)، معماري J2EE و J2ME با
فناوريهاي ديگري همچون ONE و N1 را در سر ميپروراند.
فناوريهاي
زيربنايي مهم در اين زمينه عبارتند از زبان توصيفي بسطپذير XML[19]، به عنوان استانداردي
براي ذخيره اطلاعات با يك شيوه خودتعريف (مستقل از چارچوب ارايه)، و قرارداد
دسترسي ساده به اشياSOAP[20] به عنوان استانداردي كه
توسط مايكروسافت براي انتقال اشياء بين برنامهها راهاندازي شده ميشود. همچنين
مايكروسافت در حال پيشبرد زبان تعريف خدمات وب WSDL[21] و تعريف, كشف و
يكپارچهسازي UDDI[22] به عنوان استاندارد خدمات
وب براي كشف و سازگاري ميباشد, درحاليكه شركت سان، استاندارد جيني Jini و جوكستاپوسJXTA [23] را براي دستيابي به همين
اهداف دارد.
شايد معماري .NET جالبترين مثال براي چشمانداز اينترنت X
باشد، به اين دليل كه متعلق به شركت مايكروسافت است, در نتيجه تأثير عمدهاي بر
دنياي فناوري اطلاعات خواهد داشت. مايكروسافت مدت طولاني است تقريباً در هر
كامپيوتر شخصي در جهان, نقش محوري داشته است. .NET تلاش آنها براي بدستآوردن نقش محوري در اينترنت است.
معماري .NET شامل 3 چيز است:
1ـ مجموعهاي
از فناوريها كه باعث تحقق چشماندازشان از اينترنت X ميشود
كه شامل: زبان C#، برچسبهاي هوشمند[24]،
كارگزاران اطلاعات[25],
SOAP، WSDL، UDDI، و نسخههاي .NET از اجزاء شياي و وبي آنها، همچون اشياء پايگاه داده اكتيواكسADO[26] و صفحات خدماتدهي فعال ASP[27]، ميباشد.
2ـ مجموعه
خدماتي كه مايكروسافت و ارائه كنندگان خدمات ديگر ميتوانند از آن استفاده كرده يا
بر مبناي آن شكلگيرند كه شامل هويت[28]،
اطلاعيه و پيغام دادن[29]،
اختصاصيسازي[30]، مديريت
اطلاعات شخصي[31]، و ارسال
پوياي داده[32]، ميشوند.
3ـ تبديل
بسياري از كاربردهاي مستقل گذشته به خدمات مبتني بر وب، از جمله .NET Windows, .NET
Office، .NET MSN ، bCentral .
تجسمكردن
اينكه همه كاربران مايكروسافت آفيس در سراسر جهان به خدماتدهندگان مايكروسافت
متصل هستند، هم هيجانانگيز است و هم وحشتآور. سود بالقوه حاصل از كاهش تكثيرهاي
غيرمجاز، يادگيري ترجيحات مشتريان، و قيمت گذاري متفاوت، سرسامآور است. از دست
رفتنن حريم شخصي[33]و افزايش
قدرت مايكروسافت كمي دلهرهآور است.
چگونگي ظهور
اينترنت X هنوز روشن نيست، اما تمامي بازيگران بزرگ اين صحنه رقابتي براي
يافتن جايگاه مناسبي در 3 تا 5 سال آينده با هم مبارزه ميكنند.
مفهوم شبكه
شخصي به عنوان يك واقعيت در طول دهه گذشته مطرح شده است. ايده بهوجودآورنده اين
مفهوم اين است كه وقتي شخصي دستگاههاي الكترونيكي متعددي دارد مانند تلفن همراه ،
دستيار ديجيتال شخصي [34]يا
دستگاه اطلاعاتي بيسيم[35]،
دستگاه پخش موسيقي (واكمن، DAT[36]، مينيديسك[37]،
mp3 )، گوشي[38]
و يا ميكروفون، اين دستگاهها به گونهاي موثر تشكيل يك شبكه متحرك را بدهند. براي
اين كار لازم است تا كاربردهايي كه امروزه براي هريك از اين دستگاهها وجود دارد
حداقل با يكي از ديگر دستگاهها تعامل داشته باشند. توانايي ايجاد اين اتصالات به
صورت بيسيم به 4 دليل جذابيت دارد:
1.
براي رهايي از شر درهمريختگي و پيچيدگي سيمها
2.
اعطاء تسهيلات بيشتر مثلاً استفاده از يك دستيار ديجيتال شخصي براي اتصال
به اينترنت از طريق تلفن همراه، در حالي كه تلفن همراه درون كيف دستي شما جا مانده
است.
3.
وقتي نيازمند اتصالات پيچيدهتر از اتصالات يك به يك هستيم مثلاً: وقتي يك
گوشي توسط يك تلفن، يك دستيار ديجيتال شخصي و يك ميني ديسك به صورت مشترك مورد
استفاده قرار ميگيرد.
4.
وقتي كسي بخواهد يا شبكه شخصي فرد ديگري ارتباط برقرار كند، مثلاً به
اشتراك گذاشتن جزئيات تقويم يا تماسها، مبادله آهنگهاي mp3، يا
اتصال خودبهخود به دستگاههاي ثابت در شبكه محلي همچون چاپگرها يا كامپيوترهاي
شخصي متصل به اينترنت.
اين حوزه
هنوز هم صرفاً در حال ظهور است به دليل اينكه خيلي از افراد يا هيچ دستگاهي حمل
نميكنند يا فقط يك دستگاه حمل ميكنند كه نياز كمي به ايجاد اتصالات بين آنها
وجود دارد. پيشتر اين نياز به وسيله يك كابل (مانند اتصال واكمن به گوشي)[39]،
يا از طريق اتصال مادون قرمز[40]
براي بعضي تلفنها و دستيارهاي شخصي ديجيتال، رفع ميشد. مشكلات كابل كه واضح است
اما مادون قرمز نيز نامناسب است زيرا برخلاف فناوريهاي فركانس راديويي[41]،
مادونقرمز براي اتصال نيازمند “خط ديد”[42]
است. اين بدين معني است كه در مورد استاندارد مادونقرمز مرسوم IrDA
(انجمن داده مادون قرمز) [43]
دو دستگاه بايد از درون يك فضاي مخروطي با زاويه رأس 30 و فاصله حدود 1متر نسبت به
هم، به يكديگر اشاره كنند. علاوه بر اين استاندارد IrDA يك
فناوريِ نقطهاي است و اين بدين معني است كه فقط براي ارتباط دو دستگاه مناسب است
و نه براي يك شبكه.
براي حل اين
موضوعات و پرداختن به چهار نياز بالا، دو فناوري فركانس راديويي ظهور پيدا كرده
است: فناوري بيسيم Wifi[44] (كه به عنوان IEEE802.11b هم
شناخته ميشود) و بلوتوث.
هر دو اين
فناوريها در يك محدوده موج راديوفركانسي عمل ميكنند. فناوري WiFi بيشتر پيشنهاد فروشندگان شبكه ميباشند و بلوتوث پيشنهاد
فروشندگان تلفن. بنابراين ويژگيهاي بلوتوث كمي براي شبكههاي شخصي مناسبتر است
(مصرف توان كمتر، توانايي ذاتي براي پشتيباني از شبكهسازي خودبهخود), در حالي كه
فناوري WiFi بيشتر به سمت شبكههاي محلي گرايش يافته است (سرعت بالاتر، امنيت
بالاتر، برد بيشتر[45]،
بدليل ضديت با ارتباطات نقطه به نقطه براي شبكهسازي مناسبتر است).
معماري فعلي
بلوتوث به يك شبكه شخصي يا در اصلاحات بلوتوث يك پيكونت[46]،
اجازه ميدهد تا تقريباً شامل 255 دستگاه باشد و اجازه ميدهد چند پيكونت به عنوان
يك اسكاترنت[47]
با هم ارتباط داشته باشند. فاصله بين دستگاهها بايد كمتر از 10 متر باشد. اين
محدوديت به دليل توان خيلي كم در بلوتوث است
(1ميلي وات). نسخهاي از آن با توان مصرفي بالاتر و با برد 100 متر نيز طراحي شده
است، اما امروزه فناوري غالب نيست. بلوتوث ميتواند دادهها را با سرعتي بالغ بر
700 كيلو بيت در ثانيه انتقال دهد اگر چه تحقيقات جهاني نشان داده است كه سرعتي
حدود 300ـ50 كيلو بيت در ثانيه, خيلي محتملتر است.
تا اواخر سال
2002، 580 محصول به طور رسمي از استانداردهاي بلوتوث تبعيت ميكنند؛ كه از تلفنهاي
همراه و گوشيهاي[48] شركتهايي
همچون نوكيا[49]و اريكسون[50]
گرفته تا
اجاقهاي مايكروويو، يخچالها و ماشينهاي شستوشوي توشيبا[51]
را در بر ميگيرند.
كاربردهاي
شبكههاي شخصي بلوتوث از گوشيهاي بيسيم ساده شروع شده و تا همگامسازي خودكار
دستيار ديجيتال شخصي يا شبكهسازي خانگي بيسيم تغيير ميكند. كاربردهاي دنياي
واقعي بلوتوث ممكن است از مسائل امنيتي و تداخل[52]
رنج ببرد زيرا كه سيگنال بلوتوث ضعيف است و در يك باند راديويي 24 گيگا هرتز عمل
ميكند كه در اغلب كشورها مجازاست، بنابراين براي استفاده هر دستگاهي آزاد است.
به هر حال،
انتظار ميرود كه شبكه شخصي بلوتوث در طول پنج سال آينده به طور كمي رشد زيادي
پيدا كند، در حالي كه فناوري WiFi و نسخههاي توسعهيافته آن (802.11a
و 802.11g), به طور
مشابه, فناوري غالب در زمينه شبكههاي محلي بيسيم باشد.
فناوري در
حال ظهور 3: دستگاههاي اطلاعاتي بيسيم[53]
(WID)
نيازمندي
به دستگاههاي اطلاعاتي بيسيم
تا امروز
برحسب قدرت ارتباطات و محاسبات, 3 نوع دستگاه همراه وجود دارد: تلفنهاي همراه،
دستيارهاي ديجيتال شخصي، و كامپيوترهاي كيفي[54]
.
تلفنهاي
همراه اصولاً براي كاربردهاي صوتي مانند تماسهاي تلفني، استفاده ميشوند. تلفنهاي
همراه محدوديتهاي آشكاري براي استفاده به عنوان يك دستگاه كامپيوتري عاممنظوره
دارند, به عنوان مثال, صفحه نمايش كوچكي دارند و روش خوبي براي وارد كردن اطلاعات
به داخل آنها وجود ندارد.
دستيارهاي
ديجيتال شخصي به طور سنتي جهت كاربردهاي مديريت اطلاعات شخصي[55]
مانند دفترچه يادداشت و تقويم استفاده ميشوند. محدوديتهاي آنها ناشي از فقدان
امكان اتصال آنها ميباشد و براي اتصال به اينترنت نيازمند اتصال به يك تلفن
همراه ميباشند. بعلاوه هنگامي كه اتصال آنها برقرار هم هست عمل يكپارچهسازي
صوت و داده به صورت ضعيفي انجامپذير است.
كامپيوترهاي كيفي[56]
كامپيوترهاي شخصي كوچكشده اند كه قادر به انجام تمام كارهايي كه يك كامپيوتر رويميزي
انجام ميدهد، ميباشند؛ اما كمي از آنها ضعيفترند (از لحاظ توان پردازش به ازاي
هر دلار قيمت آنها). كامپيوترهاي كيفي معمولاً ارتباط بيسيم خاص خود را ندارند,
بعلاوه اينكه براي استفاده در بسياري از موقعيتهاي متحرك نيز خيلي بزرگ و غير
ظريف هستند.
بنابراين اگر
كسي براي انجام امور كامپيوتري عاممنظوره در حال حركت ارزش قايل است، بايد بداند
كه نياز به چنين دستگاههايي (در موقعيتهاي
متحرك) هنوز كاملاً برآورده نشده است.
موج
دستگاههاي اطلاعاتي بيسيم درحالظهور
چالش امروز,
يافتن دستگاههايي در آينده است كه صرفاً يك كامپيوتر شخصي در مقياس كوچك, يا تلفن
تصويري نيستند, بلكه صوت و تصوير و نيز ارتباطات و امور كامپيوتري را به طور
يكپارچه پشتيباني ميكنند و امكان اتصال به اينترنت و ورود و خروج موثر اطلاعات در
حالت متحرك را نيز فراهم نمايند.
اولين دستگاه
مورداستفاده عمومي كه ميتوانست يك دستگاه اطلاعاتي بيسيم ناميده شود ارتباطگر
نوكيا[57]
بود كه به صورت نوآورانهاي طراحي شده است بطوريكه وقتي بسته است به عنوان يك تلفن
ساده عمل ميكند، اما وقتي باز است به عنوان يك پايانه اينترنت بيسيم كار ميكند.
دستگاه
نوآورانه جديد ديگر, پوگو[58]
است كه توسط شركت فناوريهاي پوگو[59]
(زايشي از مركز مشاوره “اقتصاد جديد”: رازورفيش[60])
توسعه يافته است. يك پوگو كه تقريباً شبيه يك قالب صابون است، يك پايانه وب كوچك
ميباشد كه با يك تلفن همراه جياسام (GSM) كاملاً يكپارچه شده است. به غير از
طراحي بسيار نوآورانهاش، نوآوري عمده ديگرش, استفاده از فشردهسازي داده[61]
براي افزايش پهناي باند وب است. هر درخواست وب از يك دستگاه پوگو به خدماتدهندههاي
پوگو[62]
ميرود كه از تكنيكهاي فشردهسازي داده تحت امتياز خود استفاده ميكنند تا
بتوانند بر روي اتصال 906 كيلو بايت در ثانيه جياسام استاندارد[63]،
نرخ داده موثر سريعتري داشته باشند. توضيح بيشتر اينكه امور صوتي تلفني به صورت
يكپارچه با كاربردهاي داده در دل نرمافزار پوگو قرار داده شده است.
در زمان
تدوين اين مطلب، پوگو به صورت محدودي توسط شركت كارفون وِيرهاوس[64]
در انگلستان، توزيع شده است، ولي آينده آن هنوز در هالهاي از ابهام است.
هر چند پوگو
دستگاه متعارف و مناسبي است اما بعضي افراد, احتمالات ديگري هم مد نظر دارند. به
نظر ميرسد داشتن ورودي و خروجيهاي مختلف، و عوامل ظاهري اساساً متفاوت (مانند
اشكال)، طبيعتاً با رفتار انسان مطابقت بيشتري دارد.
دو دستگاه
مفهومي (آزمايشي)[65] ديگر نيز
توسط شركت انگليسي دِرفور[66]
كه يك مركز مشاوره طراحي است (به عنوان بخشي از چند فعاليت طوفان فكري كه براي
شركت سازنده دستيار ديجيتال شخصي، پيسيون[67],
قبل از اينكه از بازار دستيار ديجيتال شخصي مصرفكنندگان خارج شود) طراحي شده است.
يكي از اين
دستگاهها شامل يك دوربين، بلندگو، ميكروفون و دكمه فعالساز و رشتهاي از 3 صفحه
نمايش است كه ميتوانند مانند دستهاي از كارتها روي هم قرار بگيرند. دستگاه ديگر
دور گردن كاربر قرار ميگيرد كه همراه آن يك پرتو افكن در سمت چپ قرار دارد تا
تصوير را روي هر سطح مسطحي منعكس كند و يك دوربين در سمت راست آن قرار دارد كه
شخصي را كه در سمت ديگر ارتباط قرار دارد قادر ميسازد كه هر چيزي را كه اين كاربر
ميبيند، مشاهده كند.
خيلي از طرحهاي
افراطي همچون اين طرحها, درحال حركت به سمت هدف ساخت ”كامپيوتر قابلپوشيدن”[68]
حركت ميكنند؛ جايي كه فناوري ميتواند بدون هيچ فاصلهاي با زندگي متحرك كاربران
يكپارچه شود. به هر حال, تبديل اين دستگاههاي اطلاعاتي بيسيم به يك واقعيت تجاري,
نيازمند پيشرفتهايي در ورود و خروج صحبت[69]،
پردازش زبان طبيعي[70]
و اجزاي الكترونيكي مختلفي است. به نظر ميرسد كه دهه آينده، به دليل تكامل دستگاههاي
اطلاعاتي بيسيم، دهه مهيجي خواهد بود.
هوش مصنوعي
به كامپيوترهايي اطلاق ميشود كه كارهايي شبيه به رفتار انسان را انجام ميدهند.
اين يك تعريف دشوار و سريع نيست اما عموماً به كامپيوترهايي كه كارهاي هوشمندانه
انجام ميدهند، اشاره دارد. هوش مصنوعي از سال 1940 تا كنون, محبوب دنياي تحقيقات
دانشگاهي بوده است زيرا مسائلي كه هوش مصنوعي با آن سروكار داشت بسيار دشوار و
مهيج بودند؛ اما اخيراً به دليل واقعبينانهترشدن انتظارات، كاربردهاي تجاري آن
نيز افزايش پيدا كرده است.
چنانچه
عموماً گفته ميشود، هوش مصنوعي را ميتوان در دو دسته جاي داد: ورودي/خروجي انسانگونه[72]،
و اينكه كامپيوترها كارهايشان را مستقل انجام دهند. ورودي/خروجي انسانگونه شامل
ورود صحبت[73]، خروج صحبت[74]،
پردازش زبان طبيعي[75]،
ترجمه زبان طبيعي[76] (براي مثال
انگليسي به فرانسوي)، پردازش تصوير[77]،
تشخيص تصوير[78]، و واقعيت
مجازي[79]
ميشود. هدف نهايي ورود/خروج انسانگونه اين است كه مانند امروز انسانها مجبور
نباشند دنياي كامپيوترها را اداره كنند, بلكه كامپيوترها دنياي انسانها را اداره
كنند. كاركردن مستقل كامپيوترها نيز شامل تكنيكهاي پيشبيني و تطبيق الگو[80]،
استنتاج هوشمند[81]، و حمايت از
تصميمگيريهاي پيچيده[82]
است.
فناوريهاي
كليدي كه براي كاريردهاي هوشمصنوعي استفاده ميشوند, عبارتند از: شبكههايعصبي[83]،
الگوريتمهاي ژنتيك[84]،
آمار دايسين[85]، الگوهاي
جهاني واقعيتگرا/مفهومگرا[86]،
سيستمهاي خبره[87]، و منطق
فازي[88]
است.
1ـ شبكههاي
عصبي :
شبكههاي
عصبي از تلاش براي مدلكردن طرز كار واقعي مغز نشات گرفته است و معمولاً براي
كاربردهاي تطبيق الگو همچون تشخيص اثرانگشت[89]،
يا كاربردهاي پيشبيني همچون تجارت برنامه[90]،
بكار ميرود.
واحد تشكيلدهنده
شبكههاي عصبي, نِرون[91]
است. يك نِرون وروديها را گرفته، آنها را جمع ميكند و اگر به يك سطح فعالسازي
برسند خروجي را كه ممكن است به يك يا تعداد بيشتري نِورون متصل باشد، فعال ميكند.
نِورونها
نوعاً در 3 لايه سازماندهي ميشوند: يك لايه ورودي، يك لايه تفكر، و يك لايه
خروجي. براي مثال، در يك سيستم تشخيص دست خط[92]،
نِرونهاي ورودي متناظر با نقطههاي نوراني روي صفحه نمايش كه امضاء روي آن نوشته
شده خواهند بود، و لايه خروجي ميتواند شامل يك “بله” يا “خير” يا ميزان تطبيق
باشد.
در ابتدا يك
شبكه ساخته ميشود، سپس با يك مجموعه از دادههاي آموزشي، به عنوان مثال مجموعهاي
از 30 امضاء و يك “بله” يا “خير” براي هر يك، آموزش ميبيند. در هر چرخه آموزش، يك
امضاء به عنوان ورودي شبكه ارائه ميشود، خروجي مشاهده ميگردد و اگر نتيجه درست
بود، اهميت نِرونهايي كه در توليد نتيجه درست شركت داشتهاند افزايش مييابد و
اهميت نِرونهايي كه در توليد نتيجه درست مشاركت نداشتهاند كاهش مييابد.
آموزش به
تعداد دفعات زياد تكرار ميگردد تا هنگامي كه شبكه, عمل بهبود را متوقف كند.
رياضيات شبكههاي عصبي هنوز به طور كامل قابل فهم نيست و به دليل اينكه هيچ روش
استفهامي براي مشاهده اينكه چگونه شبكههاي عصبي به نتيجه ميرسند وجود ندارد، بعضي
افراد تمايلي به استفاده از آنها ندارند (به عنوان مثال هيچ فرمولي وجود ندارد كه
بتوان آنرا مشاهده كرد). به هر حال، كاربردهاي عملي آن اغلب نسبت به تكنيكهاي پيشبيني
متعارف همچون رگرسيونخطي، خصوصاً در كاربردهاي تطبيق الگوي پيچيده شبيه تشخيص
چهره، اثر انگشت يا دستخط، نتايج بهتر و قويتري نشان ميدهند.
2ـ
الگوريتمهاي ژنتيك:
الگوريتمهاي
ژنتيك از اصول انتخاب طبيعي داروين براي يافتن فرمول بهينه جهت پيشبيني[93]
يا تطبيق الگو استفاده ميكنند. الگوريتمهاي ژنتيك اغلب گزينه خوبي براي تكنيكهاي
پيشبينيبرمبناي رگرسيون[94]
هستند. همان طور ساده، خطي و پارامتري يك گفته ميشود، به الگوريتمهاي ژنتيك ميتوان
غير پارامتريك گفت.
براي مثال
اگر بخواهيم نوسانات قيمت نفت را با استفاده از عوامل خارجي و ارزش رگرسيون خطي
ساده مدل كنيم، اين فرمول را توليد خواهيم كرد:“قيمت نفت در زمانt = ضريب1 نرخ بهره[95]
در زمانt+ضريب2 نرخ بيكاري در
زمانt+ثابت1”. سپس از يك معيار همچون”[96]
براي پيدا كردن بهترين مجموعه ضرايب و ثابتها جهت مدل كردن قيمت نفت استفاده
خواهيم كرد. در اين روش 2 نكته اساسي وجود دارد. اول اين روشخطي است ـچرا كه فرض
كرديم كه قيمت نفت با نرخ بهره تغيير ميكند و نگفتيم با مربع نرخ بهره هيچ دليلي
براي اين فرض وجود ندارد، ما در واقع ترجيح ميدهيم آنچه انجام ميشود، جستجو در
ميان “فضاي توابع”[97]
باشد (مثلاً پيدا كردن بهترين تابع نرخ بهره) تا اينكه جستجودرميان “فضايضرايب[98]”.
مسأله دوم اين است كه ما به جاي اينكه در ميان “فضاي پارامترها[99]”
جستجو كنيم، پارامترهاي مورد استفاده (نرخ بهره و نرخ بيكاري) را مشخص كردهايم.
با استفاده
از الگوريتمهاي ژنتيك ما يك ابر فرمول[100]
يا طرح تنظيم ميكنيم كه چيزي شبيه “قيمت نفت در زمانt
تابعي از حداكثر 4متغير است” را بيان ميكند. سپس دادههايي براي گروهي از
متغيرهاي مختلف، شايد در حدود 20 متغير فراهم خواهم كرد. سپس الگوريتم ژنتيك اجرا
خواهد شد كه بهترين تابع و بهترين متغيرها را مورد جستجو قرار ميدهد. روش كار
الگوريتم ژنتيك به طور فريبندهاي ساده، خيلي قابل درك و به طور قابل ملاحظهاي
روشي است كه ما معتقديم حيوانات آنگونه تكامل يافتهاند. هر فرمولي كه از طرح داده
شده بالا تبعيت كند فردي[101]
از جمعيت فرمولهاي ممكن تلقي ميشود خيلي شبيه اينكه بگوييم جرجبوش فردي از
جمعيت انسانهاي ممكن است.
متغيرهايي كه
هر فرمول داده شده را مشخص ميكنند به عنوان يك سري از امداد نشان داده شدهاند كه
معادل دياناِي[102]
آن فرد را تشكيل ميدهند. براي مثال، دياناِي (3و7و6و4و1و0 ) ممكن است نمايش فرمول “قيمت نفت= قيمت طلا به توان 4 تقسيم بر
لگاريتم شاخص نيكي[103]
به علاوه 3” باشد.
موتور الگوريتم
ژنتيك يك جمعيت آغاز از فرمولها ايجاد ميكند، شايد حدود 50 فرد.هر فرد در براب
رمجموعهاي از دادههاي آزمون، مورد آزمايش قرار ميگيرد و مناسبترينهاي آنها،
شايد 10 درصد از مناسبترينها، باقي ميمانند. بقيه كنار گذاشته ميشوند.
مناسبيترين افراد اساس نسل بعد را شكل ميدهند، و با هم جفتگيري[104]
(جابجايي عناصر دياناِي)، و تغيير (تغيير تصادفي عناصر دياناِي) كردهاند.
مشاهده ميشود كه باگذشت از ميان تعدد زيادي از نسلها، الگوريتمهاي ژنتيك به سمت
ايجاد فرمولهايي كه بيشتر دقيق هستند، ميل ميكنند. در حالي كه شبكههاي عصبي هم
غيرخطي و غير پارامتريك هستند، جذابيت زياد الگوريتمهاي ژنتيك ايناست كه نتايج
نهايي قابل ملاحظهتر هستند. فرمول نهايي براي كاربر انساني قابل مشاهده خواهد
بود، و براي ارائه سطح اطمينان نتايج ميتوان تكنيكهاي آماري متعارف[105]
(همچون انحراف معيار) را بر روي اين فرمولها اعمال كرد.
فناوري
الگوريتم ژنتيك همواره در حال بهبود است، براي مثال يا مطرح كردن معادله ويروسها
(يا مثالهاي جعلي) كه در كنار فرمولها و براي نقض كردن فرمولهاي ضعيف توليد ميشوند
و در نتيجه جمعيت را كلاً قويتر ميسازند.
3ـ آمار
بايزين:[106]
آمار بايزين
حوزهاي از آمار است كه بر تخمين احتمالت شرطي[107]
تمركز دارد، براي مثال احتمال روي دادن يك اتفاق اگر اتفاق ديگري روي داده باشد.
آمار بايزين پتانسيل قوي در دنياي نرمافزار دارد
يك مثال
جديداز استفاده آمار بايزين، استفاده از آن براي شخصيسازي ضمني در دنياي تجارت
الكترونيك[108] است.
عمدتاً ممكن است كسي رفتار مصرفكنندگان را وقتي كه از وب سايت شخصي بازديد ميكند
مشاهده كرده و از اين مشاهده موضوعات مورد علاقه، سبك تعاملي برگزيده و غيره را
استنتاج كند. سايتهاي جديد همچون Amazon.com
تلاش كردهاند تا با استفاده از اين روش به همراه كوكيها[109]
سايت خود را به گونهاي تنظيم كنند كه براي كاربران منحصر بهفرد جذابتر باشد.
اگراين هدف برآورده شود بوضوح وفاداري[110]وپايبندي[111]
مصرفكنندگان افزايشمييابد، هزينههاي تحويض بالاتر ميرود، خريدهاي تكراري
بايد افزايش يابد، و فعاليت فكري مشتريان بايد كاهش يابد.
كاربرد قوي
آمار بايزين، ساختاردهيخودكار[112]
به تعداد زيادي از اسناد است. با در نظر گرفتن كلمههاي كليدي داخل يك سند،
استنتاج موضوعي كه اغلب آنها به آن مربوط هستند، ممكن است امكانپذير باشد. اين
كار براي ساختاردهي به اسناد درون يك شركت دانش بنيان جذاب است اما ممكن است براي
سازماندهي تودهاي از اسناد كاملاً غير ساخت يافته ـاينترنت ـبينهايت مهيج باشد.
اوتونومي[113]
ـكه در بالاي صفحه بعد شرحدادهشده ـيك شركت با سابقه است كه از آمار بايزين
استفاده ميكند.
اوتوومي كه
در سال 1996 توسط آمارشناسي بايزين، ما يك لينچ[114]،
پيريزي شده يك داستان موفق از كاربرد تجاري فناوري هوش مصنوعي است. سود شركت در
سال 1999، 22 ميليون دلار بور، در سال 2000 به65 ميليون دلار رسيد و در سال
2001تا52 ميليون دلار كاهش كمي پيدا كرد. محصولات اتونومي برمبنا و مشتق شده از
هوش آمار بايزين است. محصولات آن شامل وقايع نگار[115]
كه شخصيسازيضمني تجربه وب يك كاربررا ميسر ميسازد، و موتور استدلال پويا براي
ساختاردهيخودكار اطلاعات غير ساخت يافته، ميباشد.
اوتونومي بر
مبناي اين سكو، در حال ساخت گسترده وسيعي از محصولات زير ساخت نرمافزار وب است و
تعداد كمي از مشتريان سرشناس از جمله سان ميكروسيستم[116]، تله كام ايتالين[117]،
بيبيسي[118]، اريكسون[119]
و بانك ANDAMB
[120]را جذب خود نموده است.
4ـ مدلهاي
جهاني مفهومگر و واقعيتگرا:[121]
خيلي از
آرزوهاي بزرگ صنعت هوش مصنوعي، شامل مباحثه به زمان طبيعي با كامپيوترها، ترجمه
كامپيوتري، و روبوتيك مستلزم اين است كه كامپيوترها سنجشي از فهم جهان واقعي داشته
باشند.
يك مثال خوب
از اين مطلب، در نظر گرفتن مثالهاي دشوار ترجمه ميباشدو براي نمونه ترجمه از
انگليسي به فرانسوي “My name is peter ” دانش جهان
واقعي زيادي لازم ندارد ـيك مجموعه از قوانين جايگزيني كلمات فرانسوي به جاي
انگليسي توانست نتيجه درست “Je mappelle peter ”
را بدست دهد.
اما پاراگراف
“I
asked the farmer where the sheeps feed box was. He told me that the box was in
the pen”
را در نظر
بگيريد. به منظور ترجمه دومين جمله به فرانسوي ضروري است كه بدانيم pen به يك آغل حيوانات اشاره دارد نه يك وسيله نوشتن. دوره براي رسيدن
به نتيجه وجود دارد ـبا استفاده از جمله اول به عنوان زمينه مفهومي (يعني ما در
دنياي كشتزار هستيم) يا با فهم اينكه جعبهها طبيعتاً بزرگتر از ابراز نوشتن
هستند.
مثالهاي
زيادي با پيچيدگي كمتر وجود دارد. نكته نهفته در اين موضوع اين است كه فعاليت ماشنهاي
هوشمند در دنياي واقعي نيازمند مقداري ادراك رمز شده از آن دنيا به همراه كاري كه
در آن انجام ميشود، ميباشد.
زبان شناسان
فعال در حيطه كامپيوتر تعاملات را در 4 سطح تشريح ميكنندـ لغوي[122]،
صرفونحو[123] و دستوري،
علممعني[124] و مفهومگرايي،
وواقعيتگرايي[125]. در زمينه
مكالمات انساني، لايه لغوي تا حد كلمات و حروف پيش ميرود. لايه صرف و نحو، دستور
زبان را ميافزايد و به عناصر لغوي امكان ميدهد تا با همديگر در ارتباط باشند.
علم معني، مفهوم معاني را اضافه ميكند و ساختارهاي دستوري را به مفاهيم تعاريف يا
وقيع تصوير ميكند. در نهايت لايه واقعيتگرايي جايي است كه زمينه جهان واقعي به
معاني داده ميشود. اين لايه است كه براي مثال دانش اندازه نوعي جعبهها و
خودكارها را در بر ميگيرد.
تحليل لغوي و
دستوري زبانهاي انشاني نسبتاًساده است. خوشبيني اوليه در مورد قابليت كامپيوترها
براي ترجمه زبانها در دهه 1950 احتمالاً از اين واقعيت ريشه ميگيرد كه محققين
تحليل لغوي و دستوري را تمام آنچه مورد نياز است تلقي ميكردند.
ساختن مدلهاي
مفهومگرا و واقعيتگرا، كار يك ماموت[126]
است و تا اين تاريخ موفقيتهاي بزرگ با تمركز بر حوزههايي با اهداف خيلي خاص،
همچون تشخيصهاي پزشكي يا مطالعه منظم محيطي براي تشخيص درد، به دست آمده است. در
حال حاضر تعدادي تلاش آكادميك براي رمز كردن هر چه بيشتر دانشهاي مفهومگرا و
واقعيتگرا در حال انجام است اما به نظر ميرسد كه كاربرد تجاري مهم مدلهاي مفهومگرا
و واقعيتگراي تعميم يافته در 5 سال آينده روي خواهد داد. به هر حال اين مدلها
در [127]
همچون پزشكي و حقوق، به صورت موفق مورد استفادهاند و روند بهبود آنها ادامه
خواهد داشت.
5ـ سيستمهاي
خبره:[128]
سيستمهاي
خبره سيستمهايي هستند كه يك سري از قوانين را به صورت يك درخت تصميم[129]
كد ميكنند كه به سيستمهاي كامپيوتري اين امكان را ميدهد كه به گونهاي تصميمگيري
كنند كه يك متخصص تصميمگيري ميكند. يك مهندس سيستمهاي خبره نوعي زماني را صرف
به دستآوردن دانش از يك يا چند متخصص در يك رشته (همچون تشخيص پزشكي) ميكند، سپس
آن قوانين را يا با استفاده از محيط توليد سيستم خبره يا مستقيماً با استفاده از
يك زبان برنامهنويسي همچون جاوا ، به كدهاي الكترونيكي تبديل ميكند.
مايسين[130]
(يك سيستم تشخيص پزشكي) يك مثال مشهور از يك سيستم خبره است كه از يك سري قوانين
براي تشخيص بيماريها استفاده ميكند. يك قانون نمونه از سيستم مايسين به صورت
زير است: همانند فهم زبان طبيعي، سيستمهاي خبره وقتي در دامنههاي خيلي باريك،
شبيه تشخيص شرايط ريوي[131]
يا سرطان سينه[132] در رشته
پزشكي يا قوانين مالي، عمل ميكنند خيلي موفقيتآميزتر هستند.
6ـ منطق
فازي:[133]
منطق فازي به
سيستمهايي اشاره دارد كه به جاي مقادير “درست” و “نادرست” كه در محيطهاي ديجيتال
طبيعيترند، ميتوانند با سطوح متغير قطعيت كار كنند. ايجاد يك حساب اثباتي[134]
كه بر مبناي مفهوم واقعيت نسبي[135]است
وتوابعي همچون “AND ” و “OR” را
توسعه ميدهد، الزامي است. از منطق فازي در سيستمهاي خبره و كاربردهاي ديگر هوش
مصنوعي شامل سيستمهاي كنترلي، با موفقيت استفاده شده است.
كاربردهاي
تجاري فعلي هوش مصنوعي:
بعد از يك
دوره شورو هيجان پيرامون هوش مصنوعي در دهه 1950، در دهه 1960 يك موج نااميدي وجود
داشت زيرا كه حجم زيادي از تحقيقات، ارزش دنياي واقعي يا تجاري كمي تأمين كرده
بودند. اما تحقيقات ادامه يافت و بعضي فناوريها به طور پر هيجاهيجاني بهبود
يافتند، كه نتيجه آن كاربردهاي مفيد هوش مصنوعي همچون تشخيص صحبت و تشخيص پزشكي از
راه دور بود.
به عبارت
ديگر انتظارات مردم دوباره احياء شده بود و فناوريهايي كه از كمال دور بودند با
سود زيادي مورد استفاده قرار گرفتند. بهترين مثال ترجمه ماشيني زبان انسان است.
بعد از اينكه اين مطلب مورد پذيرش قرار گرفت كه ترجمه ماشيني خودكار با كيفيت بالا
دشوار است، فناوريهاي ترجمه ماشيني براي كاراتر كردن مترجمهاي انساني گسترش
يافتهاند (به جاي خارج نگهداشتن آنها ازحلقه كار)، و فناوريهاي ترجمه ماشيني
برا يفراهم كردن ترجمه ضعيف اما قابل فهم متون، در جاهايي كه كاربران آمادگي
پرداختن پول براي ترجمه با كيفيت بالارا نخواهند داشت به كار گرفته ميشود براي
مثال خيلي از موتورهاي جستجو [136]از
مترجم با بلفيش[137]
صفحات وب استفاده ميكند.
مثال ديگر،
بازيهاي ايفاي نقش[138]است
كه شخصيتهاي كامپيوتريبايك شخصيت مصنوعي ظاهر ميشوند. بازي “سياه و سفيد”[139]
كه در سال 2001 به بازار آمد و مورد توجه زيادي قرار گرفت، اينجا مثالي بر جسته
است. اين يك كاربرد خوب از فناوري هوشمصنوعي فعلي است، زيرا كهدرآن كاملنبودن
فناوري مسأله مهم و حياتي نخواهد بودـ يعني براي وجود آن فوقالعاده حياتي[140]
نيست.
جدول 801بعضي از مثالهاي بارز از استفاده تجاري هوش مصنوعي را خلاصه كرده است.
كاربرد كليدي
ديگر هوش مصنوعي در صنايع دفاعي در زمينههايي همچون شناسايي هدف[141]
و هدايت موشك[142] است.
قسمت قبل
مثالهايي از فناوريهاي پيشرفتهاي كه يا آ,اده بهرهبرداري تجاري يا نزديك به آن
(مثلاً در خلال سال آماده ميشوند) هستند، ارائه كرد. در اصطلاح صنعتي، اينها به
منزله فناوريهاي در حال ظهور هستند.
فناوريهاي مخاطرهپذير به منزله فناوريهايي است كه در آزمايشگاههاي تحقيقات