فصل دهم عدم قطعیت

اخبار ایران تکنولوژی

فصل دهم

عدم قطعیت

  1. فصل اول هوش مصنوعی Artificial Intelligence
  2. فصل دوم عامل های هوشمند
  3. فصل سوم حل مسائل توسط جستجو
  4. فصل چهارم روش‌های جستجو آگاهانه
  5. فصل 5 تئوری بازی
  6. فصل ششم عامل‌هاییکه به طور منطقی استدلال می‌‌کنند
  7. فصل هفتم منطق مرتبه اول
  8. فصل هشتم استنتاج در منطق مرتبه اول
  9. فصل نهم برنامه‌ریزی
  10. فصل دهم عدم قطعیت

 

 

 

 

مسئله‌ای که با منطق مرتبه اول و بنابراین با رهیافت عامل منطق‌گرا وجود دارد این است که:

عامل‌ها اغلب هیچگاه دسترسی کامل به تمام حقیقت درباره محیط خود را ندارند.

سؤالات بسیار مهمی وجود دارند که عامل نمی‌تواند پاسخ طبقه‌بندی شده به آن را بیابد. بنابراین باید تحت عدم قطعیت (uncertainity) عمل کند.

عدم قطعیت به علت کامل نبودن، و

عدم صحت درک عامل از خواص محیط ناشی می‌شود.

مسئله کیفیت:

قوانین بسیاری در دامنه کامل نیستند؛ زیرا:

1) شرایط بسیار زیادی باید دقیقاً شمارش شوند،

یا

2) برخی از شرایط ناشناخته هستند.

برخورد با دانش غیرقطعی:

ابزار اصلی ما برای کنار آمدن با درجات باور، تئوری احتمالات خواهد بود که درجه عددی از باور را بین 0 و 1 به جملات اختصاص می‌دهد.

احتمالات روشی از خلاصه‌سازی عدم قطعیت را به وجود می‌آورد که از تنبلی و جهل ما ناشی می‌شوند.

احتمال 0 برای باور مبهمی که دارای جملات نادرست است، و

احتمال 1 برای باور مبهمی که دارای جمله درست است، تخصیص داده می‌شود.

جمله در حقیقت خودش هم درست و هم نادرست است.

مهم است توجه داشته باشیم که درجه باور با درجه درستی متفاوت است.

تئوری احتمالات تعهد ontological را همانند منطق ایجاد می‌کند، که حقایق در دنیا هم وجود دارند و هم ندارند.

درجه درستی که با درجه باور در تضاد است، موضوع منطق فازی است.

در منطق مرتبه اول و گزاره‌ای، جمله بسته به تعبیر و دنیا، درست یا نادرست خواهد بود و زمانی درست است که حقیقتی را که به آن رجوع می‌کند، موضوع اصلی باشد.

عبارات احتمالی کاملاً مشابه این نوع معناها نیستند. به آن علت است که احتمالاتی که عامل به یک گزاره تخصیص می‌دهد به ادراکاتی که تا آن لحظه دریافت کرده است بستگی دارد.

در بحث استدلال غیرقطعی، ما آن را شاهد (evidence) می نامیم.

همانطور که وضعیت استلزام زمانی که جملات بیشتری به پایگاه دانش اضافه می‌شوند تغییر می‌کند، احتمالات نیز در صورت وجود شواهد بیشتر، تغییر خواهند کرد.

تمام عبارات احتمالی باید شواهدی را با توجه به اینکه کدام احتمال تشخیص داده شده است، تعیین کنند. همانگونه که عامل ادراکات جدیدی را دریافت می‌کند، ارزیابی‌های احتمالی به منظور انعکاس شاهد جدیدی، به روز درآورده می‌شوند.

عدم قطعیت و تصمیمات عقلانی:

حضور عدم قطعیت روش‌های تصمیم‌گیری عامل را تغییر داده است. عامل منطقی عموماً هدف واحدی دارد و هر برنامه‌ای که امکان رسیدن به آن قطعی است را اجرا می‌کند. یک عمل می‌تواند انتخاب و یا رد شود، چه به هدف برسد و چه نرسد و بدون توجه به آنچه که دیگر عملیات انجام می‌دهند.

تئوری سودمندی:

این تئوری این گونه بیان می‌شود:

هر وضعیت درجه‌ای از فایده یا سودمندی را برای یک عامل دارد وعامل به حالاتی با سودمندی بالاتر رجوع خواهد کرد.

سودمندی یک حالت به عاملی وابسته است که مفروضاتش توسط تابع سودمندی بازنمایی شده است.

تئوری سودمندی رعایت حال دیگران را نیز می‌کند. برای یک عامل کاملاً منطقی است که سودمندی بالاتر را به وضعیتی اختصاص دهد که عامل خودش از آن رنج ولی دیگران منفعت می‌برند.

مفروضات که به عنوان سودمندی‌ها، مطرح شدند با احتمالات در تئوری عمومی تصمیمات عقلانی که تئوری تصمیم‌گیری نامیده می‌شود، ترکیب می‌شوند:

Dicision theory=probalility+utility theory

ایده اساسی در مورد تئوری تصمیم‌گیری این است که یک عامل منطقی است

اگر و فقط اگر

عملی را که منتهی به بالاترین سودمندی می‌شود، انتخاب کند.

این اصل سودمندی مورد انتظار ماکزیمم(MEU) نامیده می‌شود.

احتمالات و سودمندی‌ها در ارزیابی یک عمل توسط توزین سودمندی یک نتیجه ویژه و با احتمالی که پدید آورده است، ترکیب می‌شوند.

طراحی برای یک عامل تصمیم‌گیری نظری:

ساختار عاملی که از تئوری تصمیم‌گیری برای انتخاب عملیات استفاده می‌کند، در سطح انتزاعی با عامل منطقی یکسان است.

 

 

بدون دیدگاه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.

اخبار ایران تکنولوژی
۷ الگوریتم که هر برنامه نویسی باید بداند

ما چند الگوریتم مرتب سازی در این لیست داریم و Merge Sort یکی از مهمترین الگوریتم‌ها است. این یک الگوریتم مرتب سازی کارآمد بر اساس تکنیک برنامه نویسی تقسیم و تسخیر است.

آموزش و هوش مصنوعی
تکنیک های طراحی الگوریتم

الگوریتم روشی است برای حل یک مسئله خاص در تعداد محدودی از مراحل برای ورودی با اندازه محدود. 
الگوریتم ها را می توان به روش های مختلفی طبقه بندی کرد. آن ها هستند: 

یادگیری ماشینی
آموزش و هوش مصنوعی
فراگیری ماشین

یادگیری ماشینی رشته تحصیلی است که به کامپیوترها توانایی یادگیری بدون برنامه ریزی صریح را می دهد. ML یکی از هیجان‌انگیزترین فناوری‌هایی است که تا به حال با آن مواجه شده‌ایم. همانطور که از نام آن مشخص است،