Artificial Intelligence - هوش مصنوعی - نمايش پست تنها

**Astaraki** · ۰۱-۲۵-۱۳۹۰, ۰۱:۴۲ بعد از ظهر

1.3 رهیافت مبتنی بر طراحی در مطالعه عواطف

مطالعه عواطف به روشهای مختلف علمی تقسیم می‌شود و می‌توان آنها را به صورت‌های مختلفی مورد مطالعه قرار داد.
رهیافتهای مطالعه عواطف می‌توانند به طور کاملاً گسترده‌ای طبقه بندی شوند همانند، روشهای مبتنی بر مفهوم یا نحو [1] ، مبتنی بر پدیده[2] و مبتنی بر طراحی[3] (Sloman, 1993). تجزیه و تحلیلهای تئوریهای مبتنی بر مفهوم یا نحو با استفاده از زبان به طور ضمنی فرضیاتی را که مرتبط با کارهای عاطفه می‌باشد را پوشش نمی‌دهند.
تئوریهای مبتنی بر پدیده فرض می‌کنند که عواطف یک طبقه کاملاً مخصوص هستند و تلاش می‌کنند که پدیده‌های هم زمان و مقیاس پذیر را با رخدادهای عاطفه مرتبط کنند. همانند تغییرات فیزیولوژیکی یا اجرای مدارات عصبی[4]. یک مثال قدیمی‌تر که Wiliam James ارائه داده است را می‌توانید در (Calhoum, 1984)بینید. همچنین برای مرور جامعی از بسیاری از تئوریهای مبتنی بر پدیده می‌توانید به (Strongman, 1987) مراجعه کنید.
در مقابل رهیافت مبتنی بر طراحی Sloman، که یک بازسازی منطقی از طرز کار هوش مصنوعی است. حالتی که یک مهندس که در تلاش است سیستمی را بسازد که پدیده توصیف شده را ارائه دهد. در عوض تجزیه و تحلیل محققان روان شناسی رابطه‌ای است که یک تئوری ضمنی را پوشش نمی‌دهد یا آزمایشهایی برروی انسان و حیوان اجرا می‌کند که، یک رهیافت مبتنی بر طراحی به طور مستقیم مکانیزم‌های تولید را آزمایش می‌کند. در قسمت بعد خلاصه ای از رهیافت مبتنی بر طراحی را به طور کامل مرور می‌کنید.

[1] Semantics Based
[2] Phenamena Based
[3] Design Besed
[4] Neural Circuits

1.4 هستان شناسی و رهیافت مبتنی بر طراحی نسبت به عواطف(1)

فرض می‌کنیم که:
الف) معماری‌های فرآیند اطلاعاتی موجود، بر روی مغز انسان پیاده شده‌اند و بین رفتارهای داخلی و خارجی قرار دارند.
ب) متدولوژی مبتنی بر طراحی همواره یک رهیافت سیستماتیک به سمت سطح بالایی از تجانس[1] تابعی بین مصنوع، معماریهایی که کاملاً واضح طراحی شده‌اند و تعیین جنبه‌های با اهمیتی از توسعه را ارائه می‌دهند، معماریهایی که به طور طبیعی رخ می‌دهند، با توجه به این مورد، در سطح پایین پیاده سازی تفاوتهای جزیی در آنها وجود دارد.
مورد اول بیشتر بر هم زمانی علوم شناختی و دانش پیش فرض دربازه بیشتر تئوریها تأکید دارد (مثلاً (Newell, 1990) و (Simon, 1995)را ببینید).
و مورد دوم بیشتر به پیوستگی[2] و وابستگی[3] که در سطوح مناسبی از تجرید یافت می‌شود تأکید دارد. به طور فیزیکی این دو سیستم محاسباتی کاملاً با هم تفاوت دارند و ممکن است هر دو بر روی معماری ماشین مجازی[4] یکسانی پیاده سازی شوند. (مثلاً هر دو ممکن است سیستمهای پرولوگ را بکار گیرند یا هر دو ممکن است با ابزارهای اینترنت شامل ایمیل، اخبار، تلنت، تلفن و صفحات وب پیاده سازی شوند.)
به طور مشابه این مورد اغلب برای تضمین بکارگیری اصول تولید کنترل باز خوردی[5] بر روی دو سیستم طبیعی و مصنوعی[6] به کار گرفته می‌شود (Wright, 1997).
نیازهای اضافه شده به در اینجا بیشتر در روش هوش مصنوعی[7] کاربرد دارد و ایده‌های (Simon, 1967) یک سطح از توصیف که شامل شکل‌های کامل‌تر و قوی‌تری از کنترل رفتارهای داخلی و خارجی با استفاده از ساختارهای معنایی[8] قویتر و مرتب کردن‌های جدیدی از معماری کنترل است که توسط انواع مختلفی از فرآیندهای انگیزش[9] حمایت می‌شود (مثلاً نگاه کنید به (Simon, 1967)).
مغرها برای حمایت از چندین هستان شناسی[10] قوی در سطوح مختلفی از تجرید[11] ظاهر شدند. در سیستمهای محاسباتی[12]، هستان شناسی اغلب به صورت پشته‌[13] در لایه‌هایی از پیاده‌سازی قرار دارد. برای نمونه، یک بسته واژه‌پرداز که صفحات، پاراگرافها، جملات، کلمات، لغات و دیگر چیزها را دستکاری می‌کند، ممکن است که یک ماشین مجازی[14] که متناظر با یک پیاده‌سازی زبان برنامه نویسی سطح بالایی[15] است باشد. که این تغییر، در زبان ماشین سطح پایین‌تر پیاده‌سازی شده است و سرانجام توسط حالتهای فیزیک کوانتوم[16] از مؤلفه‌های الکترونیک با چندین سطح ماشینی که در بین آنها تشکیل شده است پیوند می‌خورد.
ماشین‌های تجریدی در همه سطوح اشیاء ترکیب شده‌اند، یعنی ترکیب شده از انواع کاملاً متفاوتی از، ورودیها روابط و پردازشها.
علاوه بر این، علّی و تابعی بودن روابط ممکن است که بین تجرید سطح بالایی از ساختارهای ماشین قرار بگیرند. (تغییرات در یک ساختار داده تجریدی، از قبیل یک پایگاه داده[17] از اطلاعات درباره کارمندان، می تواند موجب تغییراتی در چاپ گرفتن از خطاهای دریافتی شود.
این ساختارهای داده ممکن است معناهای[18] خاصی داشته باشد. در این که آنها به اشخاص و دستمزدها و دیگر چیزها مراجعه می‌کنند. Sloman بحث کرده است که اینها می‌تواند شامل معانی متفاوتی برای ماشین باشد(مثلاً (Sloman, 1994) را ببینید).
در مورد مغز انسانها ما نمی‌دانیم که دارای چه لایه‌هایی هستند. با این حال روابط علی بین ساختاهای تجرید به وضوح هنگامی که یک شخص چیزی را می‌بیند که موجب عصبانیتش می‌شود رخ می‌دهد. که این تغییر ممکن است موجب شود که او از میدان به در رود. در حقیقت انسانها سرانجام، شبه کامپیوترهایی با مکانیزمهای فیزیکی متناقض با نسبت خاصی پیاده‌سازی می‌کنند (Wright, 1997). حتی پدیده‌های فیزیکی به طور طبیعی به نحوی تحت سطحی از چهارچوب فیزیکی، توصیف شده‌اند.
بیشتر مردم که یاد می‌گیرند چطور یک ماشین کار می‌کند درباره کوانتوم فیزیکی کاربراتورها، ساسات، پیستون و دیگر چیزها مطلبی نمی‌دانند.
با این وجود، اغلب یک طراح مطالب زیادی در مورد چگونگی کارکرد یک سیستم پیچیده می‌داند(بعضی اوقات حتی طراح هم همه تعاملات داخلی را نمی‌داند). این به معنی این است که حتی فلسفه علم[19] که فرض می‌کند که تئوریها باید به طور مستقیم، یا به آسانی قابل آزمایش باشند، نیز تصور اشتباهی دارد. این موضوع برای پردازش سیستمهای پیچیدۀ اطلاعاتی[20] دچار خطا می‌شود، بیشتر از رفتار کسانی است که حالات درونی غیرقابل مشاهده‌ای دارند. علاوه بر این حتی شناخت چگونگی کار سیستم ممکن است یک پایه را برای پیش‌بینی رفتارهای جزئی فراهم نکند اگر که رفتار فقط وابسته به طراحی و شرایط جاری نباشد، اما اغلب جریمه جزئیات تحمل تغییرات توسط یک تاریخچه بزرگ پیشین تحمل می‌شود.

[1] Congruity
[2] Contentious
[3] Depends
[4] Virtual Machine Architecture
[5] Feed back
[6] Natural and Artificial Systems
[7] Artificial Intelligence
[8] Semantic Structures
[9] Motivational Processes
[10] Ontology
[11] Abstraction
[12] Computing System
[13] Stack
[14] Virtual Machine
[15] High Level Programming
[16] Quantum
[17] Database
[18] Semantics
[19] Philosophy of Science
[20] Complex Information Processing Systems

1.4 هستان شناسی و رهیافت مبتنی بر طراحی نسبت به عواطف(۲)

هنگام مطالعه سیستمها، نمی‌توان آنها را طراحی کرد، و در بهترین شرایط امید داریم که یک توالی از تئوریها برای تعداد زیادی از پدیده‌ها به حساب آید، استفاده از قدرت بسیار زیاد اصول توضیحی در این قسمت به وسیله پیاده‌سازی تئوریها، در کارهای طراحی آزمایش شده و در قسمت دیگر توسط روابطشان حتی به صورت جسمی از دانش در علوم عصبی رشد می‌کند (Wright, 1997).
ممکن است که هرگز کل دستورات همواره مناسب چنین تئوریهایی نباشد، و دستورات ممکن است که تحت زمان به عنوان پدیده‌های جدید اکتشاف شده و تغییر کنند.
ایراد این رهیافت اغلب مبتنی بر یک فلسفه علم ساده و بی‌تکلف است یا جایگزاری در حسد فیزیکی[1] است(برای آشنایی بیشتر به (Lakatos, 1970)و (Bhaslar, 1978)و (Sloman, 1978)) مراجعه کنید.
رهیافت مبتنی بر طراحی گرفتن الهاماتی را از مهندسی نرم‌افزار و تجزیه تحلیل مفهومی در فلسفه را ترسیم می‌کند (Sloman, 1978).
با این تفاسیر هوش مصنوعی به عنوان یک متدولوژی برای کشف یک فضای تجریدی از نیازهای ممکن برای عاملهای تابعی فضای فرورفتگی [2]و فضای طراحی ممکن است، و برای طراحی و نگاشت چنین عاملهایی مورد استفاده قرار گیرد( (Sloman, 1994)و (Sloman, 1995)).
بسیاری از استراتژیهای تحقیق ممکن است که از بالا به پایین[3]، از پایین به بالا[4] یا از میانه[5] باشد. که همه اینها به طور بالقوه‌ای مفید هستند. این مطلب بیشتر از بالا به پایین عمل می‌کند ولی رهیافت مبتنی بر طراحی از دیگر اختیارات مستثنی است.
برای مثال استفاده از الگوریتم ژنتیک[6] طراحی را توسط شبیه سازی فرآیند تکاملی [7] انجام می‌دهد. اگر چه اغلب فرض شده است که هوش مصنوعی تنها به الگوریتم‌ها مربوط است( (Penrose, 1989)و (Searle, 1980)) یا اهمیت می‌دهد با این حال معماری‌ها نیز با اهمیت هستند. یک نیاز برای درک کلی طراحی‌ها برای سیستم‌های کامل[8] شامل تجزیه تابعی درون تعاملات هم زیستی زیر سیستمها است. کارهای اخیر، هنوز در حال کشف اصول کلی است که نیازمند ساختن هر الزامی برای پیاده سازی جزئیات مکانیزم‌ها نیست. برای مثال، یک حالت طبیعی، که نماد یا پیوستگی و ارتباط بین موتورها را فراهم می‌کند. پیشرفت می‌تواند با ساختن معماریها به صورت سطحی[9] شروع شود (Betes, Loyall, & Reilly, 1991) که با انواع بسیاری از توانایی ترکیب می‌شود(مانند ادراک، برنامه ریزی، مدیریت هدف و عمل). هر توانایی به طور واحدی در یک مد ساده شده پیاده سازی شده و سپس کار به تدریج تصحیح شده و به سمت عمق پیاده‌سازی خواهد رفت. Sloman در (Sloman, 1993) مدعی مکانیزم دامنه‌های معماری[10] می‌شود. که به طور معمولی طراحی کلی قابلیتهای سراسری را برای یک حوزه وسیع با جزئیات پیاده‌سازی تصمیم گیری می‌کند.
البته در نهایت طراحی باید به جزئیات عصبی متصل شده و جستجوی پایین به بالا برای مطالعه چنین جزئیاتی مفید خواهد بود، که فشاری را برروی طراحی سطح بالا وارد می‌کند. بیشتر این شرایط اجباری، به نظر می‌رسدکاملاً تضعیف شده باشند.
استثناهایی نیز در سطح بالا موثر است که در این مطلب به آنها توجهی نشده است. هیچ فرضی برای تجانس بین طراحی تصمیم گرفتن توسط تکامل تحت محیط و فشارهای رقابتی وجود ندارد و این به وسیله یک طراح وقتی که جنبشی از نیازها(چیزی که سیستم باید انجام دهد) برای متدولوژی طراحی اولیه (چگونگی انجام آن توسط سیستم) گرفته می‌شود. نسبتاً همین قدر ادعا شده که متدولوژی مبتنی بر طراحی یک منبع تئوری‌های بالقوه توصیفی است. چنین تئوریهایی تحت فشار انتقاد بهبود داد شده‌اند. چرا که مواردی از آنها برای توصیف، با خطا همراه بوده یا به خاطر آنها توصیف زیادی صورت می‌گرفت (مثلاً قابلیتهایی که افراد ندارند) یا بخاطر طراحی که نمی‌تواند به طور طبیعی همه چیزها را در برگیرد یا نمی‌تواند در مغز پیاده سازی شود.
حتی ساده گرفتن یا خطای تئوریهایی نیز یک طراحی کارا را به کمک توصیف فضای طراحی نتیجه می‌دهد. مقایسه این مورد با دیگر تئوریهای واقع گرایانه در نهایت به فهم آن کمک می‌کند، و برای یک سیستم به طور واقعی فهمیده نمی‌شود مگر اینکه چگونگی تغییر این توانایی متفاوت تولیدی را بشناسیم. طرحها همانند پردازش اطلاعات و نیازمندیهای کنترل ممکن است ویژگیهای طراحی مشترک را ارضاء کنند که توسط انتخاب طبیعی یا مهندسی انسانی تولید می‌شود، همانند پرندگان و هواپیماها که هر دو دارای محدودیتهایی توسط اصول آیرودینامیکی[11] هستند. بیشتر زمان رهیافت مبتنی بر طراحی ممکن است برای تخمین تدریجی طراحی طبیعی بکار رود. این ممکن است که توسط افزایش حساب محدودیت‌های تجربی و تکرار چرخه توسعه برای نیازمندیهای عمیق‌تر و طراحی‌های پیشرفته‌تری اتفاق بیفتد.
چنین طراحی‌هایی می‌توانند اغلب به طور تجربی و مقایسه شده در بیشتر جزئیات با مؤلفه‌های طبیعی‌شان مورد آزمایش قرار گیرند. درکل تحقیقات عمومی به طور موثری در یک جستجوی موازی عملیات مشترکی را انجام می‌دهند. درنتیجه، اولاً یک معماری می‌تواند دارای قدرتهایی باشد که قابلیت تصمیم‌گیری یک عامل و توصیف این توانایی برای متناسب کردن آن را درون یک بخش فرورفته بکار بگیرد. و ثانیاً رهیافت مبتنی بر طراحی نامزدهای معماریی را تولید می‌کند که ممکن است به طور متناظری به طور طبیعی در سطح بالایی از ساختارهای پیاده‌سازی شده تحت زیر لایه‌های عصبی رخ دهند. این نامزدها می‌توانند راهنمای تجربی برای وارسی چنین ادعاهایی باشد. رهیافت مبتنی بر طراحی حالتی از یک مهندسی است که تلاش در ساختن و فهم گزینه‌های طراحی برای یک سیستمی را دارد که پدیده توصیف شده را در معرض نمایش قرار دهد (Wright, 1997).

[1] Physics Envy
[2] Niche Space
[3] Top-Down
[4] Bottem-Up
[5] Middel-Out
[6] Genetic Algorithms
[7] Evolutionary Processes
[8] Complete Systems
[9] Broad but Shallow
[10] Architecture Dominates Machanism
[11] Aerodynamics

۰۱-۲۵-۱۳۹۰, ۰۱:۴۲ بعد از ظهر	#3 (لینک دائم)
Astaraki Administrator تاريخ عضويت: خرداد ۱۳۸۷ محل سكونت: تهران-کرج! پست ها: 3,465 تشكرها: 754 16,337 تشكر در 3,127 پست My Mood:	1.3 رهیافت مبتنی بر طراحی در مطالعه عواطف مطالعه عواطف به روشهای مختلف علمی تقسیم می‌شود و می‌توان آنها را به صورت‌های مختلفی مورد مطالعه قرار داد. رهیافتهای مطالعه عواطف می‌توانند به طور کاملاً گسترده‌ای طبقه بندی شوند همانند، روشهای مبتنی بر مفهوم یا نحو [1] ، مبتنی بر پدیده[2] و مبتنی بر طراحی[3] (Sloman, 1993). تجزیه و تحلیلهای تئوریهای مبتنی بر مفهوم یا نحو با استفاده از زبان به طور ضمنی فرضیاتی را که مرتبط با کارهای عاطفه می‌باشد را پوشش نمی‌دهند. تئوریهای مبتنی بر پدیده فرض می‌کنند که عواطف یک طبقه کاملاً مخصوص هستند و تلاش می‌کنند که پدیده‌های هم زمان و مقیاس پذیر را با رخدادهای عاطفه مرتبط کنند. همانند تغییرات فیزیولوژیکی یا اجرای مدارات عصبی[4]. یک مثال قدیمی‌تر که Wiliam James ارائه داده است را می‌توانید در (Calhoum, 1984)بینید. همچنین برای مرور جامعی از بسیاری از تئوریهای مبتنی بر پدیده می‌توانید به (Strongman, 1987) مراجعه کنید. در مقابل رهیافت مبتنی بر طراحی Sloman، که یک بازسازی منطقی از طرز کار هوش مصنوعی است. حالتی که یک مهندس که در تلاش است سیستمی را بسازد که پدیده توصیف شده را ارائه دهد. در عوض تجزیه و تحلیل محققان روان شناسی رابطه‌ای است که یک تئوری ضمنی را پوشش نمی‌دهد یا آزمایشهایی برروی انسان و حیوان اجرا می‌کند که، یک رهیافت مبتنی بر طراحی به طور مستقیم مکانیزم‌های تولید را آزمایش می‌کند. در قسمت بعد خلاصه ای از رهیافت مبتنی بر طراحی را به طور کامل مرور می‌کنید. [1] Semantics Based [2] Phenamena Based [3] Design Besed [4] Neural Circuits 1.4 هستان شناسی و رهیافت مبتنی بر طراحی نسبت به عواطف(1) فرض می‌کنیم که: الف) معماری‌های فرآیند اطلاعاتی موجود، بر روی مغز انسان پیاده شده‌اند و بین رفتارهای داخلی و خارجی قرار دارند. ب) متدولوژی مبتنی بر طراحی همواره یک رهیافت سیستماتیک به سمت سطح بالایی از تجانس[1] تابعی بین مصنوع، معماریهایی که کاملاً واضح طراحی شده‌اند و تعیین جنبه‌های با اهمیتی از توسعه را ارائه می‌دهند، معماریهایی که به طور طبیعی رخ می‌دهند، با توجه به این مورد، در سطح پایین پیاده سازی تفاوتهای جزیی در آنها وجود دارد. مورد اول بیشتر بر هم زمانی علوم شناختی و دانش پیش فرض دربازه بیشتر تئوریها تأکید دارد (مثلاً (Newell, 1990) و (Simon, 1995)را ببینید). و مورد دوم بیشتر به پیوستگی[2] و وابستگی[3] که در سطوح مناسبی از تجرید یافت می‌شود تأکید دارد. به طور فیزیکی این دو سیستم محاسباتی کاملاً با هم تفاوت دارند و ممکن است هر دو بر روی معماری ماشین مجازی[4] یکسانی پیاده سازی شوند. (مثلاً هر دو ممکن است سیستمهای پرولوگ را بکار گیرند یا هر دو ممکن است با ابزارهای اینترنت شامل ایمیل، اخبار، تلنت، تلفن و صفحات وب پیاده سازی شوند.) به طور مشابه این مورد اغلب برای تضمین بکارگیری اصول تولید کنترل باز خوردی[5] بر روی دو سیستم طبیعی و مصنوعی[6] به کار گرفته می‌شود (Wright, 1997). نیازهای اضافه شده به در اینجا بیشتر در روش هوش مصنوعی[7] کاربرد دارد و ایده‌های (Simon, 1967) یک سطح از توصیف که شامل شکل‌های کامل‌تر و قوی‌تری از کنترل رفتارهای داخلی و خارجی با استفاده از ساختارهای معنایی[8] قویتر و مرتب کردن‌های جدیدی از معماری کنترل است که توسط انواع مختلفی از فرآیندهای انگیزش[9] حمایت می‌شود (مثلاً نگاه کنید به (Simon, 1967)). مغرها برای حمایت از چندین هستان شناسی[10] قوی در سطوح مختلفی از تجرید[11] ظاهر شدند. در سیستمهای محاسباتی[12]، هستان شناسی اغلب به صورت پشته‌[13] در لایه‌هایی از پیاده‌سازی قرار دارد. برای نمونه، یک بسته واژه‌پرداز که صفحات، پاراگرافها، جملات، کلمات، لغات و دیگر چیزها را دستکاری می‌کند، ممکن است که یک ماشین مجازی[14] که متناظر با یک پیاده‌سازی زبان برنامه نویسی سطح بالایی[15] است باشد. که این تغییر، در زبان ماشین سطح پایین‌تر پیاده‌سازی شده است و سرانجام توسط حالتهای فیزیک کوانتوم[16] از مؤلفه‌های الکترونیک با چندین سطح ماشینی که در بین آنها تشکیل شده است پیوند می‌خورد. ماشین‌های تجریدی در همه سطوح اشیاء ترکیب شده‌اند، یعنی ترکیب شده از انواع کاملاً متفاوتی از، ورودیها روابط و پردازشها. علاوه بر این، علّی و تابعی بودن روابط ممکن است که بین تجرید سطح بالایی از ساختارهای ماشین قرار بگیرند. (تغییرات در یک ساختار داده تجریدی، از قبیل یک پایگاه داده[17] از اطلاعات درباره کارمندان، می تواند موجب تغییراتی در چاپ گرفتن از خطاهای دریافتی شود. این ساختارهای داده ممکن است معناهای[18] خاصی داشته باشد. در این که آنها به اشخاص و دستمزدها و دیگر چیزها مراجعه می‌کنند. Sloman بحث کرده است که اینها می‌تواند شامل معانی متفاوتی برای ماشین باشد(مثلاً (Sloman, 1994) را ببینید). در مورد مغز انسانها ما نمی‌دانیم که دارای چه لایه‌هایی هستند. با این حال روابط علی بین ساختاهای تجرید به وضوح هنگامی که یک شخص چیزی را می‌بیند که موجب عصبانیتش می‌شود رخ می‌دهد. که این تغییر ممکن است موجب شود که او از میدان به در رود. در حقیقت انسانها سرانجام، شبه کامپیوترهایی با مکانیزمهای فیزیکی متناقض با نسبت خاصی پیاده‌سازی می‌کنند (Wright, 1997). حتی پدیده‌های فیزیکی به طور طبیعی به نحوی تحت سطحی از چهارچوب فیزیکی، توصیف شده‌اند. بیشتر مردم که یاد می‌گیرند چطور یک ماشین کار می‌کند درباره کوانتوم فیزیکی کاربراتورها، ساسات، پیستون و دیگر چیزها مطلبی نمی‌دانند. با این وجود، اغلب یک طراح مطالب زیادی در مورد چگونگی کارکرد یک سیستم پیچیده می‌داند(بعضی اوقات حتی طراح هم همه تعاملات داخلی را نمی‌داند). این به معنی این است که حتی فلسفه علم[19] که فرض می‌کند که تئوریها باید به طور مستقیم، یا به آسانی قابل آزمایش باشند، نیز تصور اشتباهی دارد. این موضوع برای پردازش سیستمهای پیچیدۀ اطلاعاتی[20] دچار خطا می‌شود، بیشتر از رفتار کسانی است که حالات درونی غیرقابل مشاهده‌ای دارند. علاوه بر این حتی شناخت چگونگی کار سیستم ممکن است یک پایه را برای پیش‌بینی رفتارهای جزئی فراهم نکند اگر که رفتار فقط وابسته به طراحی و شرایط جاری نباشد، اما اغلب جریمه جزئیات تحمل تغییرات توسط یک تاریخچه بزرگ پیشین تحمل می‌شود. [1] Congruity [2] Contentious [3] Depends [4] Virtual Machine Architecture [5] Feed back [6] Natural and Artificial Systems [7] Artificial Intelligence [8] Semantic Structures [9] Motivational Processes [10] Ontology [11] Abstraction [12] Computing System [13] Stack [14] Virtual Machine [15] High Level Programming [16] Quantum [17] Database [18] Semantics [19] Philosophy of Science [20] Complex Information Processing Systems 1.4 هستان شناسی و رهیافت مبتنی بر طراحی نسبت به عواطف(۲) هنگام مطالعه سیستمها، نمی‌توان آنها را طراحی کرد، و در بهترین شرایط امید داریم که یک توالی از تئوریها برای تعداد زیادی از پدیده‌ها به حساب آید، استفاده از قدرت بسیار زیاد اصول توضیحی در این قسمت به وسیله پیاده‌سازی تئوریها، در کارهای طراحی آزمایش شده و در قسمت دیگر توسط روابطشان حتی به صورت جسمی از دانش در علوم عصبی رشد می‌کند (Wright, 1997). ممکن است که هرگز کل دستورات همواره مناسب چنین تئوریهایی نباشد، و دستورات ممکن است که تحت زمان به عنوان پدیده‌های جدید اکتشاف شده و تغییر کنند. ایراد این رهیافت اغلب مبتنی بر یک فلسفه علم ساده و بی‌تکلف است یا جایگزاری در حسد فیزیکی[1] است(برای آشنایی بیشتر به (Lakatos, 1970)و (Bhaslar, 1978)و (Sloman, 1978)) مراجعه کنید. رهیافت مبتنی بر طراحی گرفتن الهاماتی را از مهندسی نرم‌افزار و تجزیه تحلیل مفهومی در فلسفه را ترسیم می‌کند (Sloman, 1978). با این تفاسیر هوش مصنوعی به عنوان یک متدولوژی برای کشف یک فضای تجریدی از نیازهای ممکن برای عاملهای تابعی فضای فرورفتگی [2]و فضای طراحی ممکن است، و برای طراحی و نگاشت چنین عاملهایی مورد استفاده قرار گیرد( (Sloman, 1994)و (Sloman, 1995)). بسیاری از استراتژیهای تحقیق ممکن است که از بالا به پایین[3]، از پایین به بالا[4] یا از میانه[5] باشد. که همه اینها به طور بالقوه‌ای مفید هستند. این مطلب بیشتر از بالا به پایین عمل می‌کند ولی رهیافت مبتنی بر طراحی از دیگر اختیارات مستثنی است. برای مثال استفاده از الگوریتم ژنتیک[6] طراحی را توسط شبیه سازی فرآیند تکاملی [7] انجام می‌دهد. اگر چه اغلب فرض شده است که هوش مصنوعی تنها به الگوریتم‌ها مربوط است( (Penrose, 1989)و (Searle, 1980)) یا اهمیت می‌دهد با این حال معماری‌ها نیز با اهمیت هستند. یک نیاز برای درک کلی طراحی‌ها برای سیستم‌های کامل[8] شامل تجزیه تابعی درون تعاملات هم زیستی زیر سیستمها است. کارهای اخیر، هنوز در حال کشف اصول کلی است که نیازمند ساختن هر الزامی برای پیاده سازی جزئیات مکانیزم‌ها نیست. برای مثال، یک حالت طبیعی، که نماد یا پیوستگی و ارتباط بین موتورها را فراهم می‌کند. پیشرفت می‌تواند با ساختن معماریها به صورت سطحی[9] شروع شود (Betes, Loyall, & Reilly, 1991) که با انواع بسیاری از توانایی ترکیب می‌شود(مانند ادراک، برنامه ریزی، مدیریت هدف و عمل). هر توانایی به طور واحدی در یک مد ساده شده پیاده سازی شده و سپس کار به تدریج تصحیح شده و به سمت عمق پیاده‌سازی خواهد رفت. Sloman در (Sloman, 1993) مدعی مکانیزم دامنه‌های معماری[10] می‌شود. که به طور معمولی طراحی کلی قابلیتهای سراسری را برای یک حوزه وسیع با جزئیات پیاده‌سازی تصمیم گیری می‌کند. البته در نهایت طراحی باید به جزئیات عصبی متصل شده و جستجوی پایین به بالا برای مطالعه چنین جزئیاتی مفید خواهد بود، که فشاری را برروی طراحی سطح بالا وارد می‌کند. بیشتر این شرایط اجباری، به نظر می‌رسدکاملاً تضعیف شده باشند. استثناهایی نیز در سطح بالا موثر است که در این مطلب به آنها توجهی نشده است. هیچ فرضی برای تجانس بین طراحی تصمیم گرفتن توسط تکامل تحت محیط و فشارهای رقابتی وجود ندارد و این به وسیله یک طراح وقتی که جنبشی از نیازها(چیزی که سیستم باید انجام دهد) برای متدولوژی طراحی اولیه (چگونگی انجام آن توسط سیستم) گرفته می‌شود. نسبتاً همین قدر ادعا شده که متدولوژی مبتنی بر طراحی یک منبع تئوری‌های بالقوه توصیفی است. چنین تئوریهایی تحت فشار انتقاد بهبود داد شده‌اند. چرا که مواردی از آنها برای توصیف، با خطا همراه بوده یا به خاطر آنها توصیف زیادی صورت می‌گرفت (مثلاً قابلیتهایی که افراد ندارند) یا بخاطر طراحی که نمی‌تواند به طور طبیعی همه چیزها را در برگیرد یا نمی‌تواند در مغز پیاده سازی شود. حتی ساده گرفتن یا خطای تئوریهایی نیز یک طراحی کارا را به کمک توصیف فضای طراحی نتیجه می‌دهد. مقایسه این مورد با دیگر تئوریهای واقع گرایانه در نهایت به فهم آن کمک می‌کند، و برای یک سیستم به طور واقعی فهمیده نمی‌شود مگر اینکه چگونگی تغییر این توانایی متفاوت تولیدی را بشناسیم. طرحها همانند پردازش اطلاعات و نیازمندیهای کنترل ممکن است ویژگیهای طراحی مشترک را ارضاء کنند که توسط انتخاب طبیعی یا مهندسی انسانی تولید می‌شود، همانند پرندگان و هواپیماها که هر دو دارای محدودیتهایی توسط اصول آیرودینامیکی[11] هستند. بیشتر زمان رهیافت مبتنی بر طراحی ممکن است برای تخمین تدریجی طراحی طبیعی بکار رود. این ممکن است که توسط افزایش حساب محدودیت‌های تجربی و تکرار چرخه توسعه برای نیازمندیهای عمیق‌تر و طراحی‌های پیشرفته‌تری اتفاق بیفتد. چنین طراحی‌هایی می‌توانند اغلب به طور تجربی و مقایسه شده در بیشتر جزئیات با مؤلفه‌های طبیعی‌شان مورد آزمایش قرار گیرند. درکل تحقیقات عمومی به طور موثری در یک جستجوی موازی عملیات مشترکی را انجام می‌دهند. درنتیجه، اولاً یک معماری می‌تواند دارای قدرتهایی باشد که قابلیت تصمیم‌گیری یک عامل و توصیف این توانایی برای متناسب کردن آن را درون یک بخش فرورفته بکار بگیرد. و ثانیاً رهیافت مبتنی بر طراحی نامزدهای معماریی را تولید می‌کند که ممکن است به طور متناظری به طور طبیعی در سطح بالایی از ساختارهای پیاده‌سازی شده تحت زیر لایه‌های عصبی رخ دهند. این نامزدها می‌توانند راهنمای تجربی برای وارسی چنین ادعاهایی باشد. رهیافت مبتنی بر طراحی حالتی از یک مهندسی است که تلاش در ساختن و فهم گزینه‌های طراحی برای یک سیستمی را دارد که پدیده توصیف شده را در معرض نمایش قرار دهد (Wright, 1997). [1] Physics Envy [2] Niche Space [3] Top-Down [4] Bottem-Up [5] Middel-Out [6] Genetic Algorithms [7] Evolutionary Processes [8] Complete Systems [9] Broad but Shallow [10] Architecture Dominates Machanism [11] Aerodynamics __________________ تعرفه ارزان تبلیغات در اولین و بزرگترین سایت هوش مصنوعی ایران ! با بیش از صد و چهل هزار کاربر!