تبلیغات

مترجم سایت

Elctrical-Control-Engineering
 
Elctrical-Control-Engineering
درباره وبلاگ


The department’s research activities encompass several broad areas, reflecting the multi-disciplinary nature of the control and mechatronics field. These include:


• Smart sensors and actuators
• Process tomography
• Intelligent machines
• Advanced and intelligent control algorithms
• Process control and its advancements
• Real-time control system
• Robot design and intelligent robot controllers
• Modeling and control of mechatronic systems
• Industrial automations
• Nanotechnology-based mechatronics and robotics

مدیر وبلاگ :
نویسندگان
آمار وبلاگ
  • کل بازدید :
  • بازدید امروز :
  • بازدید دیروز :
  • بازدید این ماه :
  • بازدید ماه قبل :
  • تعداد نویسندگان :
  • تعداد کل پست ها :
  • آخرین بازدید :
  • آخرین بروز رسانی :
If u want the impossible event happens in your life, change your belief that it is impossible to happen

اگر میخواهی محال ترین اتفاق زندگیت رخ بدهد، باور محال بودنش را عوض کن




نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
دوشنبه 8 اسفند 1390

Cybernetics

Cybernetics is a transdisciplinary[1] approach for exploring regulatory systems—their structures, constraints, and possibilities. Norbert Wiener defined cybernetics in 1948 as "the scientific study of control and communication in the animal and the machine."[2] In the 21st century, the term is often used in a rather loose way to imply "control of any system using technology." In other words, it is the scientific study of how humans, animals and machines control and communicate with each other.

Cybernetics is applicable when a system being analyzed incorporates a closed signaling loop—originally referred to as a "circular causal" relationship—that is, where action by the system generates some change in its environment and that change is reflected in the system in some manner (feedback) that triggers a system change. Cybernetics is relevant to, for example, mechanical, physical, biological, cognitive, and social systems. The essential goal of the broad field of cybernetics is to understand and define the functions and processes of systems that have goals and that participate in circular, causal chains that move from action to sensing to comparison with desired goal, and again to action. Its focus is how anything (digital, mechanical or biological) processes information, reacts to information, and changes or can be changed to better accomplish the first two tasks.[3] Cybernetics includes the study of feedback, black boxes and derived concepts such as communication and control in living organisms, machines and organizations including self-organization.

Concepts studied by cyberneticists include, but are not limited to: learning, cognition, adaptation, social control, emergence, convergence, communication, efficiency, efficacy, and connectivity. In cybernetics these concepts (otherwise already objects of study in other disciplines such as biology and engineering) are abstracted from the context of the specific organism or device.

The word cybernetics comes from Greek κυβερνητική (cybernēticḗ), meaning "governance", i.e., all that are pertinent to κυβερνάω (cybernáō), the latter meaning "to steer, navigate or govern", hence κυβέρνησις (cybérnēsis), meaning "government", is the government while κυβερνήτης (cybernḗtēs) is the governor or "helmperson" of the "ship". Contemporary cybernetics began as an interdisciplinary study connecting the fields of control systems, electrical network theory, mechanical engineering, logic modeling, evolutionary biology, neuroscience, anthropology, and psychology in the 1940s, often attributed to the Macy Conferences. During the second half of the 20th century cybernetics evolved in ways that distinguish first-order cybernetics (about observed systems) from second-order cybernetics (about observing systems).[4] More recently there is talk about a third-order cybernetics (doing in ways that embraces first and second-order).[5]

Studies in cybernetics provide a means for examining the design and function of any system, including social systems such as business management and organizational learning, including for the purpose of making them more efficient and effective. Fields of study which have influenced or been influenced by cybernetics include game theory, system theory (a mathematical counterpart to cybernetics), perceptual control theory, sociology, psychology (especially neuropsychology, behavioral psychology, cognitive psychology), philosophy, architecture, and organizational theory.[6] System dynamics, originated with applications of electrical engineering control theory to other kinds of simulation models (especially business systems) by Jay Forrester at MIT in the 1950s, is a related field.

Contents

  • 1 Definitions
  • 2 Etymology
  • 3 History
    • 3.1 Roots of cybernetic theory
    • 3.2 Early 20th century
    • 3.3 Split from artificial intelligence
    • 3.4 New cybernetics
    • 3.5 Cybernetics and economic systems
  • 4 Subdivisions of the field
    • 4.1 Basic cybernetics
    • 4.2 In biology
    • 4.3 In computer science
    • 4.4 In engineering
    • 4.5 In management
    • 4.6 In mathematics
    • 4.7 In psychology
    • 4.8 In sociology
    • 4.9 In education
    • 4.10 In art
    • 4.11 In architecture and design
    • 4.12 In Earth system science
    • 4.13 In sport
    • 4.14 In Law
  • 5 Related fields
    • 5.1 Complexity science
    • 5.2 Biomechatronics
  • 6 See also
  • 7 References
  • 8 Further reading
  • 9 External links

Definitions

Cybernetics has been defined in a variety of ways, by a variety of people, from a variety of disciplines. Cybernetician Stuart Umpleby reports some notable definitions:[7]

  • "Science concerned with the study of systems of any nature which are capable of receiving, storing and processing information so as to use it for control."—A. N. Kolmogorov
  • "'The art of steersmanship': deals with all forms of behavior in so far as they are regular, or determinate, or reproducible: stands to the real machine -- electronic, mechanical, neural, or economic -- much as geometry stands to real object in our terrestrial space; offers a method for the scientific treatment of the system in which complexity is outstanding and too important to be ignored."—W. Ross Ashby
  • "A branch of mathematics dealing with problems of control, recursiveness, and information, focuses on forms and the patterns that connect."—Gregory Bateson
  • "The art of securing efficient operation [lit.: the art of effective action]."—Louis Couffignal[8][9]
  • "The art of effective organization."—Stafford Beer
  • "The art and science of manipulating defensible metaphors" (with relevance to constructivist epistemology. The author later extended the definition to include information flows "in all media", from stars to brains.)—Gordon Pask
  • "The art of creating equilibrium in a world of constraints and possibilities."—Ernst von Glasersfeld
  • "The science and art of understanding." – Humberto Maturana
  • "The ability to cure all temporary truth of eternal triteness."—Herbert Brun

Other notable definitions include:

  • "The science and art of the understanding of understanding."—Rodney E. Donaldson, the first president of the American Society for Cybernetics
  • "The control of an automaton's feedback loop."—Link Starbureiy
  • "A way of thinking about ways of thinking of which it is one."—Larry Richards
  • "The art of interaction in dynamic networks."—Roy Ascott
  • "The study of systems and processes that interact with themselves and produce themselves from themselves."—Louis Kauffman, President of the American Society for Cybernetics[10]

Etymology

Simple feedback model. AB < 0 for negative feedback.

The term cybernetics stems from κυβερνήτης (cybernḗtēs) "steersman, governor, pilot, or rudder". As with the ancient Greek pilot, independence of thought is important in cybernetics.[11] French physicist and mathematician André-Marie Ampère first coined the word "cybernetique" in his 1834 essay Essai sur la philosophie des sciences to describe the science of civil government.[12] The term was borrowed by Norbert Wiener, in his book Cybernetics, to define the study of control and communication in the animal and the machine.[13]

History

Roots of cybernetic theory

The word cybernetics was first used in the context of "the study of self-governance" by Plato in The Alcibiades to signify the governance of people.[14] The word 'cybernétique' was also used in 1834 by the physicist André-Marie Ampère (1775–1836) to denote the sciences of government in his classification system of human knowledge.

James Watt

The first artificial automatic regulatory system was a water clock, invented by the mechanician Ktesibios; based on a tank which poured water into a reservoir before using it to run the mechanism, it used a cone-shaped float to monitor the level of the water in its reservoir and adjust the rate of flow of the water accordingly to maintain a constant level of water in the reservoir. This was the first artificial truly automatic self-regulatory device that required no outside intervention between the feedback and the controls of the mechanism. Although they considered this part of engineering (the use of the term cybernetics is much posterior), Ktesibios and others such as Heron and Su Song are considered to be some of the first to study cybernetic principles.

The study of teleological mechanisms (from the Greek τέλος or télos for end, goal, or purpose) in machines with corrective feedback dates from as far back as the late 18th century when James Watt's steam engine was equipped with a governor (1775-1800), a centrifugal feedback valve for controlling the speed of the engine. Alfred Russel Wallace identified this as the principle of evolution in his famous 1858 paper.[15] In 1868 James Clerk Maxwell published a theoretical article on governors, one of the first to discuss and refine the principles of self-regulating devices. Jakob von Uexküll applied the feedback mechanism via his model of functional cycle (Funktionskreis) in order to explain animal behaviour and the origins of meaning in general.

Early 20th century

Contemporary cybernetics began as an interdisciplinary study connecting the fields of control systems, electrical network theory, mechanical engineering, logic modeling, evolutionary biology and neuroscience in the 1940s; the ideas are also related to the biological work of Ludwig von Bertalanffy in General Systems Theory. Electronic control systems originated with the 1927 work of Bell Telephone Laboratories engineer Harold S. Black on using negative feedback to control amplifiers.

Early applications of negative feedback in electronic circuits included the control of gun mounts and radar antenna during World War II. The founder of System Dynamics, Jay Forrester, during WWII a graduate student at the Servomechanisms Laboratory at MIT, working with Gordon S. Brown to develop electronic control systems for the U.S. Navy later applied these ideas to social organizations such as corporations and cities as an original organizer of the MIT School of Industrial Management at the MIT Sloan School of Management.

W. Edwards Deming, the Total Quality Management guru for whom Japan named its top post-WWII industrial prize, was an intern at Bell Telephone Labs in 1927 and may have been influenced by network theory; Deming made "Understanding Systems" one of the four pillars of what he described as "Profound Knowledge" in his book "The New Economics."

Numerous papers spearheaded the coalescing of the field. In 1935 Russian physiologist P. K. Anokhin published a book in which the concept of feedback ("back afferentation") was studied. The study and mathematical modelling of regulatory processes became a continuing research effort and two key articles were published in 1943: "Behavior, Purpose and Teleology" by Arturo Rosenblueth, Norbert Wiener, and Julian Bigelow; and the paper "A Logical Calculus of the Ideas Immanent in Nervous Activity" by Warren McCulloch and Walter Pitts.

In 1936, Ștefan Odobleja publishes "Phonoscopy and the clinical semiotics". In 1937, he participates in the IX International Congress of Military Medicine with "Demonstration de phonoscopie"; in the paper he disseminates a prospectus announcing his future work, "Psychologie consonantiste", the most important of his writings, where he lays the theoretical foundations of generalized cybernetics. The book, published in Paris by "Librairie Maloine" (vol. I in 1938 and vol. II in 1939), contains almost 900 pages and includes 300 figures in the text. The author wrote at the time that "this book is... a table of contents, an index or a dictionary of psychology, [for] a ... great Treatise of Psychology that should contain 20–30 volumes". Due to the beginning of World War II, the publication went unnoticed (the first Romanian edition of this work did not appear until 1982).

Cybernetics as a discipline was firmly established by Norbert Wiener, McCulloch, Arturo Rosenblueth and others, such as W. Ross Ashby, mathematician Alan Turing, and W. Grey Walter (one of the first to build autonomous robots as an aid to the study of animal behaviour). In the spring of 1947, Wiener was invited to a congress on harmonic analysis, held in Nancy (France was an important geographical locus of early cybernetics together with the US and UK); the event was organized by the Bourbaki, a French scientific society, and mathematician Szolem Mandelbrojt (1899–1983), uncle of the world-famous mathematician Benoît Mandelbrot. During this stay in France, Wiener received the offer to write a manuscript on the unifying character of this part of applied mathematics, which is found in the study of Brownian motion and in telecommunication engineering. The following summer, back in the United States, Wiener decided to introduce the neologism cybernetics, coined to denote the study of "teleological mechanisms", into his scientific theory: it was popularized through his book Cybernetics, or Control and Communication in the Animal and the Machine (MIT Press/John Wiley and Sons, NY, 1948). In the UK this became the focus for the Ratio Club.

John von Neumann

In the early 1940s John von Neumann, although better known for his work in mathematics and computer science, did contribute a unique and unusual addition to the world of cybernetics: von Neumann cellular automata, and their logical follow up, the von Neumann Universal Constructor. The result of these deceptively simple thought-experiments was the concept of self replication, which cybernetics adopted as a core concept. The concept that the same properties of genetic reproduction applied to social memes, living cells, and even computer viruses is further proof of the somewhat surprising universality of cybernetic study.

In 1950, Wiener popularized the social implications of cybernetics, drawing analogies between automatic systems (such as a regulated steam engine) and human institutions in his best-selling The Human Use of Human Beings: Cybernetics and Society (Houghton-Mifflin).

In the Soviet Union "bourgeois" cybernetics was first considered a "pseudoscience" and "ideological weapon" of "imperialist reactionaries" (Soviet Philosophical Dictionary, 1954) and later criticised as a narrow form of cybernetics.[16]

While not the only instance of a research organization focused on cybernetics, the Biological Computer Lab at the University of Illinois at Urbana-Champaign, under the direction of Heinz von Foerster, was a major center of cybernetic research for almost 20 years, beginning in 1958.

Split from artificial intelligence

Artificial intelligence (AI) was founded as a distinct discipline at the Dartmouth workshop. After some uneasy coexistence, AI gained funding and prominence. Consequently, cybernetic sciences such as the study of artificial neural networks were downplayed; the discipline shifted into the world of social sciences and therapy.[17]

Prominent cyberneticians during this period include Gregory Bateson and Aksel Berg.

New cybernetics

In the 1970s, new cyberneticians emerged in multiple fields, but especially in biology. The ideas of Maturana, Varela and Atlan, according to Jean-Pierre Dupuy (1986) "realized that the cybernetic metaphors of the program upon which molecular biology had been based rendered a conception of the autonomy of the living being impossible. Consequently, these thinkers were led to invent a new cybernetics, one more suited to the organizations which mankind discovers in nature - organizations he has not himself invented".[18] However, during the 1980s the question of whether the features of this new cybernetics could be applied to social forms of organization remained open to debate.[18]

In political science, Project Cybersyn attempted to introduce a cybernetically controlled economy during the early 1970s. In the 1980s, according to Harries-Jones (1988) "unlike its predecessor, the new cybernetics concerns itself with the interaction of autonomous political actors and subgroups, and the practical and reflexive consciousness of the subjects who produce and reproduce the structure of a political community. A dominant consideration is that of recursiveness, or self-reference of political action both with regards to the expression of political consciousness and with the ways in which systems build upon themselves".[19]

One characteristic of the emerging new cybernetics considered in that time by Felix Geyer and Hans van der Zouwen, according to Bailey (1994),[20] was "that it views information as constructed and reconstructed by an individual interacting with the environment. This provides an epistemological foundation of science, by viewing it as observer-dependent. Another characteristic of the new cybernetics is its contribution towards bridging the micro-macro gap. That is, it links the individual with the society".[20] Another characteristic noted was the "transition from classical cybernetics to the new cybernetics [that] involves a transition from classical problems to new problems. These shifts in thinking involve, among others, (a) a change from emphasis on the system being steered to the system doing the steering, and the factor which guides the steering decisions; and (b) new emphasis on communication between several systems which are trying to steer each other".[20]

Recent endeavors into the true focus of cybernetics, systems of control and emergent behavior, by such related fields as game theory (the analysis of group interaction), systems of feedback in evolution, and metamaterials (the study of materials with properties beyond the Newtonian properties of their constituent atoms), have led to a revived interest in this increasingly relevant field.[3]

Cybernetics and economic systems

The design of self-regulating control systems for a real-time planned economy was explored by Viktor Glushkov in the former Soviet Union during the 1960s. By the time information technology was developed enough to enable feasible economic planning based on computers, the Soviet Union and eastern bloc countries began moving away from planning[21] and eventually collapsed.

More recent proposals for socialism involve "New Socialism", outlined by the computer scientists Paul Cockshott and Allin Cottrell, where computers determine and manage the flows and allocation of resources among socially-owned enterprises.[22]

Subdivisions of the field

Cybernetics is sometimes used as a generic term, which serves as an umbrella for many systems-related scientific fields.

Basic cybernetics

Cybernetics studies systems of control as a concept, attempting to discover the basic principles underlying such things as

ASIMO uses sensors and sophisticated algorithms to avoid obstacles and navigate stairs.
  • Artificial intelligence
  • Computer vision
  • Control systems
  • Conversation theory
  • Emergence
  • Interactions of actors theory
  • Learning organization
  • Robotics
  • Second-order cybernetics
  • Self-organization in cybernetics

In biology

Cybernetics in biology is the study of cybernetic systems present in biological organisms, primarily focusing on how animals adapt to their environment, and how information in the form of genes is passed from generation to generation.[23] There is also a secondary focus on combining artificial systems with biological systems.[citation needed] A notable application to the biology world would be that, in 1955, the physicist George Gamow published a prescient article in Scientific American called "Information transfer in the living cell", and cybernetics gave biologists Jacques Monod and François Jacob a language for formulating their early theory of gene regulatory networks in the 1960s.[24]

  • Autopoiesis
  • Biocybernetics
  • Bioengineering
  • Bionics
  • Ecology
  • Heterostasis
  • Homeostasis
  • Medical cybernetics
  • Neuroscience
  • Synthetic biology
  • Systems biology

In computer science

Computer science directly applies the concepts of cybernetics to the control of devices and the analysis of information.

  • Cellular automaton
  • Decision support systems
  • Design patterns
  • Robotics
  • Simulation

In engineering

Cybernetics in engineering is used to analyze cascading failures and system accidents, in which the small errors and imperfections in a system can generate disasters. Other topics studied include:

An artificial heart, a product of biomedical engineering.
  • Adaptive systems
  • Biomedical engineering
  • Engineering cybernetics
  • Ergonomics
  • Systems engineering

In management

  • Autonomous agency theory
  • Entrepreneurial cybernetics
  • Management cybernetics
  • Operations research
  • Organizational cybernetics
  • Systems engineering
  • Viable system theory

In mathematics

Mathematical Cybernetics focuses on the factors of information, interaction of parts in systems, and the structure of systems.

  • Control theory
  • Dynamical system
  • Information theory
  • Systems theory

In psychology

  • Attachment theory
  • Behavioral cybernetics
  • Cognitive psychology
  • Consciousness
  • Embodied cognition
  • Human-robot interaction
  • Mind-body problem
  • Perceptual control theory
  • Psycho-Cybernetics
  • Psychovector analysis
  • Systems psychology

In sociology

By examining group behavior through the lens of cybernetics, sociologists can seek the reasons for such spontaneous events as smart mobs and riots, as well as how communities develop rules such as etiquette by consensus without formal discussion[citation needed]. Affect Control Theory explains role behavior, emotions, and labeling theory in terms of homeostatic maintenance of sentiments associated with cultural categories. The most comprehensive attempt ever made in the social sciences to increase cybernetics in a generalized theory of society was made by Talcott Parsons. In this way, cybernetics establishes the basic hierarchy in Parsons' AGIL paradigm, which is the ordering system-dimension of his action theory. These and other cybernetic models in sociology are reviewed in a book edited by McClelland and Fararo.[25]

  • Affect control theory
  • Memetics[citation needed]
  • Sociocybernetics

In education

A model of cybernetics in Education was introduced by Gihan Sami Soliman; an educational consultant, as a project idea to be implemented with the help of two team members in Sinai. The Sinai Sustainability Cybernetics Center announced as a semi-finalist project by MIT annual competition 2013.[26][27][28][29] The project idea proposed relating education to sustainable development through an IMS project that applies a multiple educational program related to the original natural self-healing system of life on earth. Education, sustainable development, social justice disciplines interact in a causal circular relationship that education would contribute to the development of the local community in Sinai village, on both sustainability and social responsibility levels while the community itself provides a unique learning environment that will contribute to the development of the educational program in a closed signaling loop.

In art

Nicolas Schöffer's CYSP I (1956) was perhaps the first artwork to explicitly employ cybernetic principles (CYSP is an acronym that joins the first two letters of the words "CYbernetic" and "SPatiodynamic").[30] The prominent and influential Cybernetic Serendipity exhibition was held at the ICA in 1968 curated by Jasia Reichardt, including Schöffer's CYSP I and Gordon Pask's Colloquy of Mobiles installation. Pask's reflections on Colloquy connected it to his earlier Musicolour installation and to he what he termed "aesthetically potent environments", a concept that connected this artistic work to his concerns with teaching and learning.[31] The artist Roy Ascott elaborated an extensive theory of cybernetic art in "Behaviourist Art and the Cybernetic Vision" (Cybernetica, Journal of the International Association for Cybernetics (Namur), Volume IX, No.4, 1966; Volume X No.1, 1967) and in "The Cybernetic Stance: My Process and Purpose" (Leonardo Vol 1, No 2, 1968). Art historian Edward A. Shanken has written about the history of art and cybernetics in essays including "Cybernetics and Art: Cultural Convergence in the 1960s"[32][33] and From Cybernetics to Telematics: The Art, Pedagogy, and Theory of Roy Ascott (2003),[34] which traces the trajectory of Ascott's work from cybernetic art to telematic art (art using computer networking as its medium, a precursor to net.art.)

  • Telematic art
  • Interactive art
  • Systems art

In architecture and design

Cybernetics was an influence on thinking in architecture and design in the decades after the Second World War. Ashby and Pask were drawn on by design theorists such as Horst Rittel,[35] Christopher Alexander[36] and Bruce Archer.[37] Pask was a consultant to Nicholas Negroponte's Architecture Machine Group, forerunner of the MIT Media Lab, and collaborated with architect Cedric Price and theatre director Joan Littlewood on the influential Fun Palace project during the 1960s.[38] Pask's 1950s Musicolour installation was the inspiration for John and Julia Frazer's work on Price's Generator project.[39] There has been a resurgence of interest in cybernetics and systems thinking amongst designers in recent decades, in relation to developments in technology and increasingly complex design challenges.[40] Figures such as Klaus Krippendorff, Paul Pangaro and Ranulph Glanville have made significant contributions to both cybernetics and design research. The connections between the two fields have come to be understood less in terms of application and more as reflections of each other.[41]

In Earth system science

Geocybernetics aims to study and control the complex co-evolution of ecosphere and anthroposphere,[42] for example, for dealing with planetary problems such as anthropogenic global warming.[43] Geocybernetics applies a dynamical systems perspective to Earth system analysis. It provides a theoretical framework for studying the implications of following different sustainability paradigms on co-evolutionary trajectories of the planetary socio-ecological system to reveal attractors in this system, their stability, resilience and reachability. Concepts such as tipping points in the climate system, planetary boundaries, the safe operating space for humanity and proposals for manipulating Earth system dynamics on a global scale such as geoengineering have been framed in the language of geocybernetic Earth system analysis.

In sport

A model of cybernetics in Sport was introduced by Yuri Verkhoshansky and Mel C. Siff in 1999 in their book Supertraining.

In Law

As a form of regulation, cybernetics has been always close to Law, specially in regulation and legal sciences, through the next topics:

  • Organizations and superorganisms
  • Ontology, logic and artificial intelligence
  • Complex adaptive systems
  • Smart contracts
  • Control systems
  • Self-organization in cybernetics
  • Cyberethics
  • Regulation
  • Consensus systems
  • Metagovernment

Related fields

Complexity science

Complexity science attempts to understand the nature of complex systems.

  • Complex adaptive system
  • Complex systems
  • Complexity theory

Biomechatronics

Biomechatronics relates to linking mechatronics to biological organisms, leading to systems that conform to A. N. Kolmogorov's definition of Cybernetics: "Science concerned with the study of systems of any nature which are capable of receiving, storing and processing information so as to use it for control".[citation needed] From this perspective mechatronics are considered technical cybernetics or engineering cybernetics.

See also

  • Artificial life
  • Automation
  • Autonomous Agency Theory
  • Brain–computer interface
  • Chaos theory
  • Connectionism
  • Decision theory
  • Gaia hypothesis
  • Industrial ecology
  • Intelligence amplification
  • Management science
  • Principia Cybernetica
  • Ratio Club
  • Semiotics
  • Superorganisms
  • Synergetics (Haken)
  • Tektology
  • Variety (cybernetics)
  • Viable System Theory
  • Viable systems approach




نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
یکشنبه 2 مهر 1396

به تازگی برخی از صاحبان بزرگ ترین شرکت های فناوری و کارشناسان هوش مصنوعی، با تنظیم نامه ای از سازمان ملل خواستند استفاده از ربات های مسلح و تیرانداز هوشمند و خودمختار را ممنوع کند. این نامه نگاری جدید نیست و پیش از این هم دانشمندان حوزه های مختلف علم و کارشناسان فناوری خواستار توقف طراحی، ساخت و استفاده از این سلاح ها شده بودند. اما پرسش مهم این است که ویژگی اصلی این نوع سلاح ها چیست که این گونه همه را ترسانده است؟ در دنیایی که هرروزه شاهد اختراع سلاحی مرگ بار هستیم، چرا دانشمندان با این سلاح های خاص مخالفند؟ مگر تفاوت آنها با دیگر سلاح ها چیست؟ سلاح هوشمند یا خودمختار، سلاحی است که بدون دخالت و تصمیم گیری انسان، هدف حمله را انتخاب می کند و با آنها درگیر می شود، یعنی راسا برای کشتن فرد مقابل تصمیم می گیرد. این نوع سلاح با پیشرفته ترین انواع سلاح مانند تانک و موشک و هواپیما و حتی پهپادها، از این لحاظ تفاوت دارد که در سلاح های متعارف، کاربر تصمیم گیرنده نهایی است، اما در سلاح خودمختار یا هوشمند، خود سلاح تصمیم می گیرد. به همین دلیل سلاح های هوشمند و خودمختار را پس از سلاح های باروتی و هسته ای، به عنوان سومین انقلاب در جنگ افزار توصیف می کنند. با توجه به پیشرفت های فناوری در سال های اخیر، همه کارشناسان بر این باورند که به زودی و تا چند سال آینده این جنگ افزارها ساخته شده و استفاده از آنها آغاز می شود. به همین دلیل تا دیر نشده، باید در مورد آنها چاره اندیشی کرد. چنین سلاحی، موافقان و مخالفان بسیار دارد. موافقان می گویند با استفاده از این سلاح، دیگر لازم نیست سربازان در جنگ ها کشته شوند و به این ترتیب از تعداد تلفات در جنگ ها کاسته می شود و جنگ ها بدون خون ریزی به پایان می رسند. در مقابل، منتقدان هم می گویند اگر اینها اشتباه کنند و غیرنظامیان را بکشند، چه می شود؟ علاوه بر این، منتقدان می گویند استفاده از این نوع اسلحه، آستانه آغاز جنگ را پایین می آورد. به همین دلیل است که منتقدان می گویند باید از آغاز شروع یک مسابقه تسلیحاتی جهانی دیگر برای تولید و به کارگیری هوش مصنوعی در ساخت جنگ افزارها جلوگیری کرد. اگر هر قدرت نظامی بزرگ، به طراحی و ساخت سلاح دارای هوش مصنوعی اقدام کند، وقوع مسابقه تسلیحاتی جهانی تقریبا اجتناب ناپذیر است. علاوه براینها، کارشناسان از آینده این محصولات فناوری نوین نگرانند و می گویند سلاح های هوشمند خودمختار، همانند کلاشنیکف های امروزی فراوان خواهند شد. نکته بسیار مهم درباره این سلاح ها آن است که سلاح خودمختار برخلاف سلاح های هسته ای، به مواد خام گران نیازی ندارد یا تهیه کردن آنها دشوار نیست، بنابراین تولید انبوه این سلاح ها برای هر قدرت نظامی قابل توجه، آسان و ارزان است و به این ترتیب تولید و استفاده از آن به سرعت فراگیر خواهد شد، عرضه آن در بازار سیاه زیاد می شود و تروریست ها، دیکتاتورهایی که آرزو دارند مردم خود را بهتر کنترل کنند و جنگ سالارانی که می خواهند پاک سازی قومی راه بیندازند، از مشتریان اصلی این نوع سلا ح ها خواهند بود. سلاح های هوشمند و خودمختار برای کارهایی مانند ترور، بی ثبات سازی ملت ها، به زانو درآوردن جمعیت ها و قتل گزینشی یک گروه قومی خاص، بسیار مناسبند. مجموعه این عوامل باعث شده است کارشناسان به این نتیجه برسند که آغاز مسابقه تسلیحاتی تازه برای تولید و به کارگیری هوش مصنوعی برای بشریت مفید نیست. آنها می گویند راه های زیادی وجود دارد که با استفاده از هوش مصنوعی، میدان های نبرد را برای انسان ها امن تر کرد و نباید از این فناوری جدید، ابزارهای تازه ای برای کشتن انسان ها ساخت.



نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
شنبه 1 مهر 1396

نام درس: فیلتر و سنتز مدار

پیشنیاز: مدار الکتریکی 2

همنیاز:

شرح درس:

1.   مقدمه‌ای بر فیلتر

-    تابع فیلتر، فیلتر با فاز خطی، فیلتر ایده‌آل، مشخصه فیلتر، مثال‌هایی از فیلترهای عملی

2.  تقریب فیلتر ایده‌آل

-   فیلتر چبی‌شف، فیلتر باترورث، فیلتر بسل، فیلتر بیضوی، تبدیل پایین‌گذر به بالاگذر، میان‌گذر، میان‌نگذر، تغییر مقیاس امپدانس و فرکانس

3.  سنتز مدار

-   تابع PR، تست تابع PR، سنتز تابع امپدانس، مدارهای دوپورت، خواص توابع مربوط به دوپورت، سنتز مدار نردبانی، صفر انتقال، سنتز مدار غیرنردبانی

4.   فیلترهای فعال

-   مبدل GIC، شبیه‌سازی سلف، شبیه‌سازی FDNR، معادلات حالت طراحی به روش زنجیره‌ای، ملاحظات مربوط به افزایش S/N، توابع بایکواد، مدارهای بایکواد با یک، دو و سه آپ امپ، فیلتر از نوع OTA، فیلتر SC





نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
چهارشنبه 15 شهریور 1396

نام درس: میکروویو 1

پیشنیاز: میدان ها و امواج

همنیاز:

شرح درس:

1.   یادآوری اصول کار  موج‌برهای استوانه‌ای و چارت اسمیت

2.   مشددهای مایکروویو، حفره‌های تشدید مکعب مستطیلی، استوانه‌ای و متداخل

-   فرکانس تشدید حالت‌های مختلف، ضریب کیفیت تشدید، تزویج حفره‌های تشدید با مدارهای بیرونی

3.   معرفی و اصول پارامترهای پراکندگی (پارامترهای S-)

-   تعریف پارامترهای S-، پارامترهای S دو دهانه و چند دهانه، پارامترهای مدارهای نمونه (راکتانس سری یا موازی، مدارهایp یا T، خط انتقال و غیره)، تبدیل پارامترهای S به پارامترهای Z ،Y و T، اتصالات  Tو هایبرید در  موج‌برها، اتصال کوتاه مدار باز و بار منطبق در موج‌بر

4.   تضعیف‌کننده‌های موج‌بری

   -   اصول کار و محاسبه پارامترها

5.   تغییر فاز دهنده‌های موج‌بری

6.   تزویج‌کننده‌ها (کوپلرهای) جهت‌دار در موج‌بر

7.   آشنایی با خطوط میکرواستریپ

-   امپدانس مشخصه و ثابت انتشار موج در خطوط میکرواستریپ، کوپلرهای جهت‌دار   در خطوط میکرواستریپ، تقسیم‌کننده‌های توان در خطوط میکرواستریپ

     8.   فریت‌ها و مواد ژیرومغناطیسی

-   آشنایی با مواد فریتی، پدیده ژیرومغناطیسی و محاسبه تانسور  [m]در فریت‌ها، ثابت انتشار امواج با قطبش راستگرد و چپگرد در فریت‌ها و پدیده چرخش فارادی، ایزولاتور موج‌بری، سیرکولاتور موج‌بری

    9.   لامپهای مایکروویو

-   آشنایی با لامپ‌های کلایسترون و کلایسترون رفلکس، حفره تشدید متداخل و تفنگ الکترونی، پدیده مدولاسیون اشعه الکترونی، دیاگرام Applegate، محاسبه بهره، راندمان و توان خروجی لامپ، اصول کار کلایسترون انعکاسی و ترانس کندوکتانس لامپ، محاسبه حالت‌های نوسان، توان خروجی و راندمان در کلایسترون انعکاسی، آشنایی اجمالی با سایر لامپ‌های مایکروویو (TWT و مگنترون)*

10.   کاربردهای مایکروویو*

-   آشنایی اجمالی با رادیوهای مایکروویو، ارتباطات ماهواره‌ای، رادار، سنجش از دور و رادیومتری مایکروویو و غیره

 

 

* این بخش‌ها می‌توانند حذف شوند

 





نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
چهارشنبه 15 شهریور 1396

نام درس: میدان ها و امواج

پیشنیاز: الکترومغناطیس

همنیاز:

شرح درس:

1.   میدان‌های متغیر با زمان و معادلات ماکسول

-   قانون القای الکترومغناطیسی فارادی

-   معادلات ماکسول

-   توابع پتانسیل

-   شرایط مرزی

-   معادلات موج و حل آنها

-   میدان‌های Time Harmonic

2.   امواج مسطح

-   موج مسطح در محیط بدون اتلاف

-   موج مسطح در محیط با اتلاف

-   بردار poynting

-   برخورد مایل و عمود با فصل مشترک هادی و عایق

-   بازتاب کلی، قطبی‌شدگی عمودی و افقی

3.   خطوط انتقال

-   موج TEM

-   معادلات کلی خطوط انتقال

-   حالات گذرا در خطوط انتقال

-   نمودار اسمیت

-   تطبیق امپدانس

4.   موج‌برها و تشدیدکننده‌های موج

-   رفتار کلی موج در  موج‌برهای یکنواخت

-   موج بر صفحه موازی

-    موج‌بر مستطیلی

-    موج‌بر دایره‌ای

-    موج‌بر دی‌الکتریک

-   تشدیدکننده‌های حفره‌ای





نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
چهارشنبه 15 شهریور 1396

نام درس: الکترونیک 3

 پیشنیاز: الکترونیک 2

همنیاز:

شرح درس:

1.   یادآوری

مشخصات BJT، JFET و مدارهای پایه

2.  BJT

ساختمان داخلی و مدلهای این ترانزیستورها (بررسی دقیق‌تر نسبت به الکترونیک 1) مروری بر فیزیک BJT، ماکرومدل و مدار معادل BJT، مدار معادل فرکانس بالای BJTو بررسی روش بدست آوردن پارامترهای مربوطه

3.  پاسخ فرکانسی

بررسی ترانزیستور در فرکانس بالا در مدارهای یک طبقه

-    تقویت‌کننده‌های یک طبقه (CB, CC, CE)

-    پاسخ فرکانس Zin، Zout، AV مربوط به هر کدام از تقویت‌کننده‌های فوق

-    پاسخ فرکانسی طبقه تفاضلی

-    تقویت‌کننده کاسکود و پاسخ فرکانسی آن

1.   پایداری مدارهای فیدبک‌دار و جبران فرکانسی

-    بررسی پایداری (حاشیه فاز و ...)

-    روش ثابت زمانی صفر و بدست آوردن قطب‌های غالب

-    جبران‌سازی فرکانسی و روش‌های مختلف آن

-     Slew Rateتقویت‌کننده‌های عملیاتی

2.   بررسی تقویت‌کننده عملیاتی LM741

-    تشریح مدار داخلی

-    بدست آوردن نقاط کار ترانزیستورها

-  بدست آوردن مشخصات دینامیکی(Maximum output.Swing. SR, CMR, AV, RO, RI)

6. MOSFET

-   فیزیک مختصر MOS

-   مدار معادل فرکانس پایین و فرکانس بالای  MOS

-   مدارهای اصلی MOS (منابع جریان، تقویت‌کننده‌های یک طبقه، CG, CD, CS)

-   مدار کاسکود MOS

-   تقویت‌کننده عملیاتی MOS با تشریح جزئیات کامل

-   پاسخ فرکانسی تقویت‌کننده‌های MOS

7.  نویز و افست

8.  تقویت‌کننده‌های باند باریک و نوسان‌سازی‌های سینوسی

 

 



نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
چهارشنبه 15 شهریور 1396

نام درس: مدارهای مخابراتی

پیشنیاز: مخابرات 1، الکترونیک 3

همنیاز:

شرح درس:

1.    مقدمه: بررسی سیستم‌های مخابراتی بی‌سیم و جایگاه بلوک‌های مختلف در آن- تقویت‌کننده تک ترانزیستوری و ارائة روش‌هایی برای ساخت بعضی از بلوک‌های بحث شده با آن- مدارهای تطبیقی ترانسی و شبه‌ترانسی باند باریک- مقدمه‌ای بر اِلِمان‌های پسیو، مدارهای معادل و مسائل آنها

2.    نوسان‌سازها: مروری بر نوسان‌سازهای مثلثی و مربعی و تولید شکل موج سینوسی با استفاده از آنها- بیان روش فیدبک مثبت و مکان قطب‌ها در طرح نوسان‌سازهای سینوسی- مکانیزم‌های کنترل دامنه در نوسان‌سازها- بررسی مسائل پایداری دامنه و فرکانس در نوسان‌سازها- بررسی اعوجاج هارمونیکی در نوسان‌سازها- طرح نوسان‌سازهای تک ترانزیستوری و طبقه دیفرانسیلی- نوسان‌سازهای کریستالی- Squegging، عوامل ایجاد و روش‌های مقابله با آن

3.    Mixer ها: مقدمه‌ای بر میکسر، جایگاه آن در سیستم‌های مخابراتی و خواص مهم آن- بررسی روش‌های ساخت با استفاده از ترانزیستورهای  FET, BJTو با استفاده از سوئیچ- میکسرهای دیودی Double balanced- مقایسه میکسرهای مختلف از نظر تولید مؤلفه‌های ناخواسته، خطی بودن و ایزولاسیون- مسایل1dB Compression Point و IP3 در میکسرها

4.    بررسی و طرح تقویت‌کننده‌های علائم کوچک و فرکانس بالا: پارامترهای Y، بیان شرایط پایداری و روابط گین- طرح تقویت‌کننده با استفاده از ترانزیستورهای ذاتاً پایدار و بالقوه ناپایدار- طرح مدارهای تطبیق به کمک دیاگرام اسمیت- معرفی خط انتقال به عنوان یک المان مداری و طرح مدارهای تطبیق با استفاده از آن (Ustrip)- ارائة چند مثال

5.    مدولاسیون: مروری بر روش‌های مختلف مدولاسیون دامنه شامل SSB, DSB, NAM– بیان دو روش عمده مدولاسیون دامنه در سطوح پایین سیگنال و مدولاسیون دامنه در سطوح بالای سیگنال، مسائل و موارد کاربرد هر یک- بیان روش‌های عمده ساختن مدولاتور دامنه در سطوح پایین سیگنال- معرفی مدولاتور دامنه Tuned circuit برای مدولاسیون دامنه در سطوح بالای سیگنال و مسائل آن

6.    آشکارسازی‌های دامنه: آشکارسازی‌ دامنه به روش سنکرون و موارد کاربرد آن- آشکارسازی‌ دامنه به روش نیمه سنکرون و موارد کاربرد آن، آشکارسازی‌ دامنه به روش یکسوسازی نیم‌موج، مدل ریاضی و حداقل دامنه لازم- آشکارسازی‌ دامنه به روش Peak envelope detection و بررسی شرایط کاری آن

7.    مدولاسیون فرکانس: مروری بر تولید سیگنال‌های سینوسی به روش حل معادله دیفرانسیل- معادله دیفرانسیل  FMو تولید سیگنال FM با استفاده از حل این معادله- تقریب‌های ساده‌کننده در معادله دیفرانسیل FM و نتایج مداری آنها- تثبیت فرکانسی مدولاتور FM به روش ارمسترانگ- تثبیت فرکانسی مدولاتور FM به روش فیدبک

8.    آشکارساز‌های FM: بیان دو روش عمده آشکارسازی‌ FM با استفاده از فیدبک و با استفاده از مشتق‌گیری- بیان اجزاء آشکارساز فرکانس مبتنی بر مشتق‌گیری- روش‌های مختلف مشتق‌گیری، تحقق مداری و مسائل هر یک- آشکارساز foster-seeley به عنوان نمونه کاربردی از آشکارساز مبتنی بر مشتق‌گیری با استفاده از تأخیر زمانی، مدل ریاضی و تحقق مداری آن

9.            مروری بر تقویت‌کننده‌های Large signal (در برخی از ترم‌های پاییزی و در صورت داشتن وقت)

10.        مروری بر PLL (در برخی از ترم‌های پاییزی و در صورت داشتن وقت)





نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
چهارشنبه 15 شهریور 1396

نام درس: مخابرات 2

پیشنیاز: مخابرات 1

همنیاز:

شرح درس:

1. تئوری اطلاعات و ظرفیت کانال: کد کردن خروجی منبع اطلاعات (Source coding)- کانال‌های مخابراتی

2.   ارسال داده‌ها در باند پایه

3. مدولاسیون‌های دیجیتال و معرفی آنها: مدولاسیون ASK دوتایی (binary)- مدولاسیون PSK دوتایی- مدولاسیون FSK دوتایی

-  مقایسه مدولاسیون‌های دیجیتال- مدولاسیون دیجیتال چندتایی M-ary- متدهای سنکرونیزاسیون (همزمان‌سازی)

4. معرفی کد کردن کانال، انواع خطاها: کدبلوکی خطی- بهبود ناشی از کد کردن کانال- کد دوری دوتایی Binary cyclic codes

5. معرفی روش‌های ارسال دیجیتال سیگنال‌های آنالوگ: ارائه بلوک دیاگرام کلی PCM– تئوری نمونه‌برداری (نمونه‌برداری ایده‌آل، نمونه‌برداری طبیعی، نمونه‌برداری عملی)- چندی کردن (quaitization)- PCM Delta Modulation و Q-level PEM– معرفی TDM و FDM و مقایسه آنها

 





نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
چهارشنبه 15 شهریور 1396

نام درس: مخابرات 1

پیشنیاز: آمار و احتمال مهندسی، هخبار و سیستم ها

همنیاز:

شرح درس:

1.   مقدمه

2.   مروری بر سیگنال‌ها و سیستم‌ها

3.   سیگنال‌های توان و انرژی

4.   تابع خود همبستگی چگالی طیف

5.   انتقال سیگنال‌ها در محیط‌های خطی و غیرخطی

6.   مروری بر متغیرهای تصادفی و تئوری احتمالات

7.   فرآیندهای تصادفی

8.   متوسط‌های آماری و توابع همبستگی

9.   فرآیندهای ایستان و ارگودیک

10.  فرآیند گوسی و خواص آن

11.  مدولاسیون و فیلتر کردن فرآیندهای تصادفی

12.  نویز حرارتی و مکانیزم‌های تولید و مدلسازی آن

13.  مفهوم عدد نویز و دمای نویز و تحلیل نویز در سیستم‌های مخابراتی

14.  فرآیندهای میان‌گذر و مؤلفه‌های متعامد

15.  مدولاسیون خطی (دامنه)

-  مدولاسیون VSB, SSB, DSB, AM

   -  مکانیزم‌های آشکارسازی برای مدولاسیون‌های خطی

16.  مدولاسیون زاویه‌ای

       -  مدولاسیون‌های VSB, SSB, DSB, AM

       -  عرض باند در سیگنال FM

       -  مکانیزم‌های مدولاتور و آشکارسازی در مدولاسیون‌های زاویه‌ای

     17.  تأثیر نویز در مدولاسیون‌های دامنه (خطی)

     18.  تأثیر نویز در مدولاسیون‌های زاویه‌ای

     19.  اثر آستانه FM, AM

     20.  نمونه‌برداری مفاهیم کلی آن

     21.  نویز کوانتیزاسیون

     22.  مفهوم FDM, TDM

     23.  مدولاسیون پالس آنالوگ PAM, PPM, PDM

     24.  مدولاسیون پالس دیجیتال ADM, DPCM

     25.  مدولاسیون‌های تفاضلی ADM, DPCM

 

 



نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
چهارشنبه 15 شهریور 1396

نام درس: الکترومغناطیس مهندسی

 پیشنیاز: فیزیک 2

همنیاز:

شرح درس:

1.   ریاضیات کاربردی

بردارها و اسکالرها، تبدیل بردارها بین دستگاه‌های مختلف، انتگرال‌گیری توابع برداری، مشتق‌گیری توابع برداری، بخشش یا دایورجنس، پیچش یاکرل، قضیه گاوس، قضیه استوکس، قضیه هلمهولتس، اتحادهای مهم برداری

2.   قوانین الکتریسیته ساکن در فضای خالی

قانون کلمب، میدان الکتریکی و شدت آن، شدت میدان الکتریکی بار نقطه‌ای، خزی و صفحه‌ای، فلوی الکتریکی و قانون گاوس، پتانسیل الکتریکی، معادله پواسون و معادله لاپلاس، انرژی ذخیره شده در میدان الکتریکی، دوقطبی الکتریکی

3.   الکتریسیته ساکن در اجسام عایق

پلاریزاسیون عایق‌ها، میدان الکتریکی به علت عایق‌های پلاریزه شده، شرایط حد در سطح مشترک بین دو عایق، قوه تحمل عایق‌ها

4.   الکتریسیته ساکن در فضاهای شامل اجسام هادی

جسم هادی در میدان الکتریکی ساکن یکنواخت، حذف اجسام هادی و تبدیل مسائل به مسائل معادل در خلاء، شرایط حد در سطح مشترک بین هادی‌ها و عایق‌ها، روش تصاویر، روش حل مسائل با پتانسیل داده شده در سطوح محدودکننده، مسئله سه بعدی (دریشله)، روش‌های تقریبی عددی، خازن‌ها و تعریف ظرفیت آنها

5.   جریان برق مستقیم در محیط‌های هادی

هدایت جریان برق، چگالی جریان و جریان کل، اصل بقاء بار الکتریکی، میدان الکتریکی غیرکنسرواتیو و نیروی محرکه، قانون اهم، شرایط حد برای بردار چگالی جریان، قانون ژول، کاهش بارهای الکتریکی داخل اجسام هادی

6.   میدان مغناطیسی ساکن در فضای خالی

قانون آمپر، چگالی فلوی مغناطیسی، پتانسیل مغناطیسی برداری، پخشش و پیچش چگالی فلوی مغناطیسی، قانون مداری آمپر، دوقطبی مغناطیسی

7.   میدان‌های مغناطیسی در حضور اجسام مغناطیسی

 انواع اجسام مغناطیسی، میدان مغناطیسی به علت اجسام مغناطیسی و جریان‌های معادل، شدت میدان مغناطیسی، ضریب نفوذپذیری اجسام مغناطیسی، شرایط حدی، مقاومت مغناطیسی، منحنی مغناطیسی اجسام فرومگنتیک

 





نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
چهارشنبه 15 شهریور 1396
نیم نگاه
    ایلان ماسک مدیر بزرگترین کارخانه تولید خودروهای برقی در جهان که مدیریت یکی از بزرگترین شرکت های فضایی موسوم به SpaceX را هم برعهده دارد اعلام کرد خطرات هوش مصنوعی از توانایی هسته ای کره شمالی به مراتب بیشتر و سهمگین تر است.
    هفته گذشته در جریان مسابقات بازی های رایانه ای Dota 2 یک روبات هوشمند که در استارتاپ توسعه هوش مصنوعی «ایلان ماسک» ساخته شده بود توانست هوشمندترین و زیرک ترین فرد جهان در حوزه بازی های رایانه ای را شکست دهد تا با این اتفاق برای نخستین بار روبات ها یک پله بالاتر از انسان قرار بگیرند .ماسک به جای آنکه اتفاق مذکور را یک موفقیت بداند در مورد آن ابراز نگرانی کرد و توضیح داد این نخستین گام برای آغاز مشکلات جدید بشر محسوب می شود.
    در حال حاضر تمام خودروهای خودرانی که در کارخانه ماسک ساخته می شوند به فناوری هوش مصنوعی مجهز شده اند تا بدون دخالت راننده بتوانند به مقصد برسند و در این خصوص این مدیر فناوری بر این اعتقاد است که فناوری خودروهای خودران زندگی انسان ها را راحت می کند پس مشکلی ندارد و مشکل آنجا آغاز می شود که هوش مصنوعی رفته رفته به یک فناوری قدرتمند تبدیل و در آینده بتواند بر انسان حاکم شود.

    
    «ایلان ماسک» مدیر بزرگترین کارخانه تولید خودروهای برقی در جهان که مدیریت یکی از بزرگترین شرکت های فضایی موسوم به SpaceX را هم برعهده دارد بار دیگر در مورد خطرات هوش مصنوعی ابراز نگرانی کرد و هفته گذشته در جریان مصاحبه خود با روزنامه گاردین گفت: «خطرات هوش مصنوعی از توانایی هسته ای کره شمالی به مراتب بیشتر و سهمگین تر است».
    مدیر کارخانه خودروسازی «تِسلا» بعد از مصاحبه مذکور، این نگرانی بزرگ را روی صفحه شخصی خود در شبکه اجتماعی توئیتر هم به اشتراک گذاشت و بار دیگر به جهانیان گفت بیشتر از هر زمان دیگر باید در مورد توسعه هوش مصنوعی نگران باشند. گفتنی است هفته گذشته در جریان مسابقات بازی های رایانه ای Dota 2 یک روبات هوشمند که در استارتاپ توسعه هوش مصنوعی «ایلان ماسک» ساخته شده بود توانست هوشمندترین و زیرک ترین فرد جهان در حوزه بازی های رایانه ای را شکست دهد تا با این اتفاق برای نخستین بار روبات ها یک پله بالاتر از انسان قرار بگیرند. آقای ماسک به جای آنکه اتفاق مذکور را یک موفقیت بداند در مورد آن ابراز نگرانی کرد و توضیح داد این نخستین گام برای آغاز مشکلات جدید بشر محسوب می شود.
    
    هوش مصنوعی خطرناک
    ماسک در توئیت خود نوشت: «اگر شما در مورد امنیت هوش مصنوعی نگرانی ندارید، باید جدی تر به این مساله فکر کنید. خطر این فناوری بسیار بیشتر از کره شمالی است».
    این نخستین باری نیست که ماسک با نگرانی از هوش مصنوعی حرف می زند و آن را یکی از خطرناک ترین یافته های بشر در طول تاریخ می داند. او پیش تر در اکتبر 2014 از هوش مصنوعی به عنوان «بزرگترین تهدید بشر» یاد کرده بود و اگرچه به صورت همزمان به سرمایه گذاری های خود در استارتاپ ها و سازما ن های فعال در این عرصه ادامه می داد، ولی از حضور این فناوری ابراز ترس می کرد. زمانی که هفته گذشته روبات OpenAI برای نخستین بار موفق شد انسان را در حوزه بازی های رایانه ای شکست دهد آقای ماسک اظهار داشت که این موفقیت چندان هم خوشایند نیست و باید منتظر ماند و دید در آینده نزدیک چگونه هوش مصنوعی زندگی را برای انسان دشوار می کند. او هفته گذشته در یک توئیت مجزا گفت: «هیچ کس دوست ندارد کنترل شود، ولی همه ابزارهای زندگی (اتومبیل ها، هواپیماها، غذاها، داروها و غیره) چیزی را که بواسطه هوش مصنوعی به انسان تحمیل می کنند، کنترل شدن است».
    توئیت های ماسک در حالی منتشر شد که تمامی رسانه ها از هفته گذشته اخبار موفقیت او در زمینه توسعه هوش مصنوعی را منتشر کردند و از قابلیت های روبات OpenAI سخن گفتند. این روبات توانست در تمام بازی های فردی در مسابقات جهانی Dota 2 به پیروزی برسد و بهترین بازیکنان جهانی را هم شکست دهد تا در نهایت جایزه 24.8 میلیون دلاری را از آن خود کند. هوش مصنوعی هم اکنون این توانایی را دارد تا پیش بینی کند بازیکن انسانی نیروی خود را در چه نقطه ای متمرکز می کند، قرار است چگونه مراحل پیش رو را ادامه دهد، تا چه اندازه سرعت عملیات او با پیروزی در ارتباط است و به عبارت ساده تر چند درصد توان برنده شدن دارد. در کنار این موارد، روبات مجهز به هوش مصنوعی می تواند بسیار سریع تر از انسان عمل کند و بدون آنکه پس از گذشت چند ساعت خسته شود، تمام اقدامات مورد نیاز را بدون اشتباه انجام دهد.
    «ایلان ماسک» در دسامبر 2015 تصمیم گرفت شرکت غیرانتفاعی OpenAI را که در زمینه تحقیق و توسعه هوش مصنوعی فعالیت می کند، خریداری کند. هدف شرکت مذکور این بود که هوش مصنوعی را به گونه ای توسعه دهد که بیشترین شباهت را به رفتارهای انسانی داشته باشد و برخی وظایف را بدون دخالت انسان بدرستی انجام دهد.
    
    سرمایه گذاری های گسترده
    تلاش آقای ماسک نخستین اتفاقی نبود که به پیروزی هوش مصنوعی در مقابل انسان ختم شد. طرح Deepmind AI که در آن «ایلان ماسک» یکی از نخستین سرمایه گذاران بود به گونه ای پیش رفت که شرکت مذکور موفق شد در مسابقات Go همه شرکت کنندگان انسانی را شکست دهد و در بازی های استراتژیک StarCraft II با اتخاذ بهترین تصمیم ها در آن واحد، بیشترین امتیاز را کسب کند. صحبت های ماسک در مورد خطرناک بودن هوش مصنوعی و گستره تبعات آن بیش از بمب اتمی در حالی منتشر شد که «مارک زاکربرگ» مدیرعامل شرکت فیسبوک چندی پیش گفت که هوش مصنوعی هیچ خطری در پی ندارد و همه بخش های مرتبط با آن تحت کنترل انسان توسعه می یابد. البته ماسک در این خصوص توضیح داد که آگاهی زاکربرگ در مورد هوش مصنوعی محدود است و بدرستی نمی داند در آینده چه اتفاقی خواهد افتاد. مدیرعامل فیسبوک هم در پاسخ به این اظهارات گفت که ماسک بی دلیل ترسیده و فناوری کاربردی هوش مصنوعی تا این اندازه مشکل و دردسر نخواهد داشت.
    آقای ماسک به روزنامه گاردین توضیح داد که سرمایه گذاری های قبلی او در عرصه هوش مصنوعی به دلیل ورود به حوزه جدید فناوری با توقع بازگشت مالی نبوده است. او گفت: «من هرگز به خاطر بازگشت مالی در زمینه هوش مصنوعی سرمایه گذاری نکردم و در تمام این سال ها فقط قصد داشتم متوجه شوم این فناوری به چه سمتی حرکت می کند و کاملاً مطمئن هستم که خطرات هوش مصنوعی بسیار بیشتر از مزایای آن است». او در ادامه توضیح داد: «در حال حاضر تمام خودروهای خودرانی که در کارخانه من ساخته می شوند به فناوری هوش مصنوعی مجهز شده اند تا بدون دخالت راننده بتوانند به مقصد برسند و باید گفت این نوع فناوری که به نوعی باعث می شود زندگی انسان ها راحت تر انجام شود مشکلی ندارد و مشکل آنجا آغاز می شود که هوش مصنوعی رفته رفته به یک فناوری قدرتمند تبدیل و در آینده بتواند بر انسان حاکم شود». ماسک در این زمینه به فیلم های سینمایی از جمله «ترمیناتور» که با موضوع هوش مصنوعی ساخته شده اند اشاره کرد و توضیح داد اگرچه این فیلم ها هم اکنون تخیلی به نظر می رسند، ولی تا یک دهه آینده می توانیم شاهد آنها در زندگی واقعی باشیم.
    «ایلان ماسک» که بتازگی وارد 46 سالگی شده است و اصلیت او به آفریقای جنوبی برمی گردد 21.3 میلیارد دلار سرمایه نقدی دارد و تمامی آنها را در جهت توسعه علم به کار می گیرد. شرکت SpaceX او قرار است برای نخستین بار در تاریخ، سفر توریستی فضایی را برای انسان ممکن کند، شرکت تِسلا برای نخستین بار خودروهای خودران و هوشمند را وارد خیابان های جهان کرده است، شرکت X.com قرار است بزرگترین شبکه پرداخت الکترونیک در جهان را راه اندازی کند، شرکت Hyperloop سریع ترین سیستم حمل و نقل جهان را توسعه می دهد و... تمامی این مراکز که زیر نظر ماسک اداره می شوند که هرکدام به نوعی درگیر هوش مصنوعی هستند.
نویسنده: میثم لطفی





نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
جمعه 10 شهریور 1396
جهانیان نام «لطفعلی عسگرزاده» یا «لطفی زاده» را در پیوند با «منطق فازی» می شناسند. منطقی چندارزشی که «لطفی زاده» آن را در ابتدای دهه ۱۹۶۰، در پاسخ به معماهای نوظهور حوزه هوش مصنوعی تدوین کرد و تا به امروز تحولات متعددی را در این حوزه رقم زده است.
    
     ماشینی شبیه مغز؟
     تشابه بین سلسله اعصاب مغز و مدارهای پیچیده الکترونیکی، از همان بدو تولد کامپیوتر تا حدی واضح می کرد هر پیشرفتی که در این زمینه صورت گرفته، گویا گامی برای تقویت همین تشابه بوده است. عملا، پرسشی اذهان فلاسفه و مردم را به یک اندازه به خود مشغول کرده بود که: «آیا ماشین ها هم قادر به تفکرند؟» این کنجکاوی عمومی را می شود از مَطلع مقاله گمنامی در ژانویه سال ١٩٥٠ هم متوجه شد. این مقاله با گلچینی از سرخط اخبار عمومی در همین باره آغاز می شود: «به گزارش روان شناسان، حافظه صبغه ای الکتریکی دارد»، «مغز الکتریکی ای در دست ساخت است که قادر به ترجمه از یک زبان خارجی است»، «مغز الکترونیکی ای که پژوهش می کند»، «دانشمندان، مشغول رایزنی راجع به مغز الکترونیک». اینها برخی تیترهایی است که در سال گذشته، در روزنامه های کشور منتشر شد». نویسنده، سپس در ادامه می پرسد: «در پس پشت این تیترها، چیست؟ چگونه «مغزهای الکترونیکی» یا «ماشین های متفکر» بر زندگی مان تاثیر می گذارند؟ مهندسان برق چه نقشی در طراحی این ادوات دارند؟ اینها برخی سوالاتی است که بناست در این مقاله پاسخ بدهیم». مقاله مذکور، با عنوان «ماشین های متفکر: حوزه ای جدید در مهندسی برق»، در نشریه دانشجویی «فصلنامه مهندسی کلمبیا»، وابسته به دانشگاه کلمبیا، در نیویورک منتشر شده بود. نویسنده آن، «لطفی زاده» بود که به تازگی تحصیلات مقطع دکتری اش را در همین دانشگاه به پایان برده بود و هنوز حوزه مطالعات تخصصی خود را به حد کافی آماده طرح مباحث بنیادین مربوط به عصر نوظهور کامپیوترها نمی دید. او چنین فضای نامستعدی را در امتداد همین مقاله، چنین توصیف می کند: «...ماشین های متفکر اساسا ابزارآلاتی الکتریکی اند. اما برخلاف اکثر ابزارآلات الکتریکی، محصول مغز ریاضی دانان هستند، نه مهندسان برق. حتی درحال حاضر نیز اکثر اقدامات پیشرفته ای که روی ماشین های متفکر انجام می شود، به دست ریاضی دانان صورت می گیرد. تا وقتی مهندسان برق در آن حوزه هایی از ریاضی که بنیان نظری طراحی ماشین های متفکر را شکل داده، حاذق تر نشوند، اوضاع به همین منوال خواهد بود. مهم ترین این حوزه ها هم منطق نمادی (symbolic logic) است». به باور «لطفی زاده»، وجه تمایز کامپیوترها از سایر ابزارآلات الکتریکی، توانایی آ نها در اتخاذ تصمیمات منطقی و پیگیری (و بعضا اجرای) این تصمیمات است. اما توانایی ما در تشخیص منطقی بودن یا نبودن تصمیمی که یک کامپیوتر می گیرد، برای «طراحی» کامپیوترهایی با همین قدرت تشخیص (یا همان «ماشین های متفکر»)، کافی نیست و همین جاست که وجه تمایز رویکرد «تورینگ» و «لطفی زاده» در مقالات ۱۹۵۰آنها (که بی خبر از یکدیگر آنها را منتشر کردند) در قبال مسئله ماشین های متفکر آشکار می شود. «تورینگ» در مقاله ۱۹۵۰ خود شرط «متفکر»بودن یک ماشین را موفقیت آن در ازسرگذراندن آزمایش ذهنی ای با عنوان «بازی تقلید» (imitation game) می داند، آزمایشی که هم اکنون از آن با نام «آزمون تورینگ» هم یاد می شود. این بازی ذهنی، از سه شرکت کننده شکل یافته: یک انسان، یک ماشین و یک فرد آزمایشگر (یک انسان دیگر). فرد آزمایشگر، در اتاقی مجزا از دو شرکت کننده دیگر مستقر می شود و وظیفه دارد مشخص کند کدام یک از آن دو شرکت کننده، انسان است و کدام یک ماشین. اگر او در چنین شرایطی نتواند ماشین را از انسان تشخیص بدهد (یا به عبارت بهتر، نتواند تصمیمات ماشین را از تصمیمات انسان تشخیص بدهد)، باید اذعان کرد که ماشین مزبور، همان قدر هوشمند است که یک انسان. به عبارت بهتر، معیار «تورینگ» صرفا برای «کشف» و شناسایی ماشین های هوشمند کفایت می کند، نه «ابداع»شان، چراکه برای ابداع ماشینی که بتواند در بازی های مختلف، فلان قاعده بازی را با استناد به «منطقی نبودن» آن زیر پا نگذارد (پس بازی را به هم نزند)، باید آن را بر مبنای چیزی فراتر از منطق صوری (formal logic) طراحی و به قدرتی فراتر از تشخیص «منطقی»بودن یا نبودن یک تصمیم، مجهز کرد. بعدها، «لطفی زاده» در مقاله ای به سال ۱۹۶۲ با عنوان «از نظریه مدار تا نظریه سیستم»، همین موضوع را با طرح احتیاج به وجود ریاضیاتی بر مبنای چیزی فراتر از منطق کلاسیک، مطرح می کند: «...هستند کسانی که احساس می کنند این شکاف، حکایت از یک کاستی بنیادین در ریاضیات متعارف (همان ریاضیات برساخته از نقاط به دقت تعریف شده، توابع به دقت تعریف شده، مجموعه های به دقت تعریف شده، محاسبات احتمالاتی به دقت تعریف شده و غیره) به هنگام تحلیل سیستم های بیولوژیکی و تعامل فعالانه با چنین سیستم هایی دارد، سیستم هایی به مراتب پیچیده تر از سیستم های مصنوعی. ما به نوع کاملا متفاوتی از ریاضیات احتیاج داریم، ریاضیات کمیت های ناواضح (fuzzy) یا مبهمی که نمی توان بر حسب توزیعات احتمالاتی توصیفشان کرد. در واقع، احتیاج به چنین ریاضیاتی، حتی در قلمرو سیستم های غیرزیستی هم به طرز فزاینده ای بروز یافته، چراکه در اکثر مواد عَمَلی، این طور نیست که داده های ازپیش موجود و همچنین معیارهایی که از طریقشان عملکرد یک سیستم مصنوعی ارزیابی می شود، به طرز دقیقی مشخص شده باشد یا توزیعات احتمالاتی شان معلوم باشد». کمتر از سه سال بعد، مقاله تعیین کننده «لطفی زاده»، با عنوان «مجموعه های فازی» (Fuzzy Sets)، در نشریه «Information and Control» منتشر شد. این مقاله با افزون بر ۲۶ هزار بار ارجاعی که تاکنون به آن صورت گرفته، هنوز از پی نیم قرن، در بین کل مقالات منتشرشده در این نشریه رکورددار است.
    
     بندبازی روی مرزهای منطق صوری
     «لطفی زاده» پس از اتمام تحصیلات و زمانی که به سمت استادی در دانشگاه کالیفرنیا در برکلی رسیده بود، دست به کار صورت بندی یک توصیف دقیق ریاضی از راهبردهای تحلیل سیستم و سیستم های اطلاعاتی شد، که نقطه اوجش انتشار کتاب «Linear System Theory: The State Space Approach» در سال ۱۹۶۳ بود. اما او ضمن تالیف این کتاب، به مشکلی برخورد، مشکلی که به تعریف دقیق مفاهیم مربوط به نظریه اتوماتا، همچون مفهوم «تطابق پذیری» (adaptivity)،
     مربوط می شد. «لطفی زاده» به خاطر دارد که: «سعی کردم، اما نتوانستم تعریفی از تطابق پذیری را صورت بندی کنم، تعریفی که هم محکم باشد و هم واقعی. در جایی، به ذهنم رسید که مشکل از آنجا نشئت می گرفته است که می خواستم مفهومی که صبغه حدی داشته – بگذارید اسمش را بگذاریم مفهوم ناواضح (fuzzy concept)- را بر حسب مفاهیمی تعریف کنم که صبغه حدی ندارند، بگذارید اسمشان را بگذاریم مفاهیم قطعی (crisp concept) یا دودویی (binary concept)،
     یعنی مفاهیمی که فقط با دو حد سروکار دارد (٠ و ١)، بدون هیچ حد میانی ای». این تداعی «لطفی زاده» را واداشت تا به جای صورت بندی، تعریفی برای مفهوم تطابق پذیری، اقدام به صورت بندی «تعریف ناپذیری» این مفهوم کند. بعدها، «لطفی زاده» به نقصان بزرگی در ساحت ریاضی پی برد: تاکنون هیچ مفهومی در ریاضی نبوده که به خودی خود «ناواضح» باشد، اما چنانچه فرض کنیم چنین مفهومی وجود دارد، درهای ریاضی به روی شناخت آن بسته است. به عبارت دیگر، صرف نظر از اینکه آیا مفاهیم ناواضح وجود دارد یا نه، ریاضی اساسا قادر به هضمشان نیست. حال، کافی بود «لطفی زاده» به نحوی امکان پذیری وجود چنین مفاهیمی را صورت بندی کند تا به یکباره افق های کاملا تازه ای را به روی ریاضی بگشاید. از آنجاکه به ازای هر «مفهوم»ی در ریاضیات، باید بتوان یک «تعریف» هم از آن صورت بست، راهبرد «لطفی زاده» در صورت بندی مفاهیم ناواضح (یعنی مفاهیمی که خود بر حسب مفاهیم ناواضح «دیگر» تعریف می شود و بنابراین در بادی امر، نمی توان تعریفی از آنها صورت داد)، توسل به نظریه مجموعه ها بود و تلاش برای تعریف مجموعه هایی با «مرزهای ناواضح» (به جای تلاش برای تعریف «مفاهیم» ناواضح). بدین ترتیب، او در سال ۱۹۶۵ مجموعه هایی را معرفی کرد که اعضای آنها نه مطلقا عضو آن مجموعه ها، بلکه «تا حدی» عضوشان به شمار می روند. فرضا، مجموعه «بلندقدی» (tallness) را در نظر بگیرید. مفهوم بلندقدی، فی نفسه یک مفهوم ناواضح است، اما می توان برای توصیف دقیق آن، به یک مجموعه فازی متوسل شد: یک بازیکن بسکتبال با «درجه عضویت» یک به مجموعه بلندقدی تعلق دارد، حال آنکه شخصی با قد ۱۸۰ سانتی متر، با درجه عضویت ٠،٧ و شخصی با قد ۱۳۰ سانتی متر هم با درجه عضویت صفر، به این مجموعه تعلق دارند (یا به عبارت دیگر، شخصی با قد ۱۳۰ سانتی متر عملا به این مجموعه تعلق «ندارد»). درجات عضویت می توانند هر کمیتی بین صفر تا یک را بسته به میزان دقیق قد افراد و برآوردمان از میزان «بلندقدی»شان اتخاذ کنند. راهبرد «لطفی زاده» در معرفی «مجموعه های ناواضح» (یا همان «مجموعه های فازی») این بود که آن را نه مفهومی با یک تعریف مشخص، بلکه فصل مشترک «شباهت های خانوادگی» موجود بین موقعیت هایی قلمداد کند که این مفهوم بر آنها اطلاق می شود؛ یعنی موقعیت هایی که این مفهوم فقط «تا حدی» بر هرکدامشان مصداق پیدا می کند. با اهمیتی که ما امروزه برای مقاله مجموعه های فازی «لطفی زاده» قائلیم، این مقاله در بادی امر با استقبال چندانی مواجه نشد. او در یادداشتی که سال گذشته به سفارش نشریه «Fuzzy Sets and Systems» به مناسبت پنجاهمین سالگرد انتشار آن مقاله نوشت، اذعان می کند که: «توقع داشتم که مقاله ام از جانب جامعه علوم نظری تر (همچون زبان شناسان، روان شناسان، اقتصاددانان و فلاسفه) مورد استقبال قرار گیرد. اما برخلاف توقع من، مقاله ام در بین این جوامع با بی تفاوتی و تمسخر مواجه شد». اما از آن بدتر واکنش منفی همکاران او بود. «رودی کالمن»، ریاضی دان برجسته مجار، در کنفرانس «انسان و کامپیوتر» در سال ۱۹۷۲ در شهر بوردوی فرانسه (که لطفی زاده هم در آن سخنرانی کرد)، اظهار کرده بود: «...باید اعتراف کنم که نمی توانم ناواضح سازی (fuzzification) را جانشین خوبی برای روش علمی تلقی کنم، حتی معتقدم که وفادارماندن به این خوش بینی سطحی هیلبرت، کار مطمئن تری است که گفت: ما می خواهیم که بدانیم، ما خواهیم دانست». اظهارات «کالمن» نشان می دهد پروژه «لطفی زاده» به راحتی ممکن است دچار بدفهمی شود. درحالی که قصد «لطفی زاده» اساسا تدوین روشی برای مواجهه ریاضیات با «مفاهیم ذاتا ناواضح» بود. عده کثیری از ریاضی دانان و مهندسان کامپیوتر معتقد بودند «لطفی زاده» به تدوین روشی برای «ناواضح نگهداشتن» مفاهیمی پرداخته که ریاضیات توانایی واضح کردنشان را دارد. چنان که «ویلیام کاهان»، استاد ریاضیات دانشگاه تورنتو، در سال ۱۹۷۵ اظهار کرده بود: «آنچه ما بدان نیازمندیم، تفکری است که بیشتر منطقی باشد، نه کمتر. خطر نظریه فازی در این است که همان گونه تفکر نادقیقی را اشاعه می دهد، ما را به چنین دردسری انداخته». اما این تازه شروع کار دشوار «لطفی زاده» بود. چنان که پیش تر اشاره شد، ریاضیات متعارف حتی در صورت وجود مفاهیم ذاتا ناواضح هم قادر به هضم کردنشان نیست. حال که او موفق به اثبات امکان پذیری وجود مجموعه های فازی به عنوان بستری برای صورت بندی آن مفاهیم ناواضح شده بود، آیا می شد از وجود چنین مفاهیمی اطمینان یافت؟ پیداست پاسخ این سوال به مجرد آشنایی «لطفی زاده» با پتانسیل های «زبان روزمره» می توانست نقطه عطفی در پژوهش های او به شمار آید و چنین هم شد؛ او در اواخر سال ۱۹۶۸ به عضویت تیم «ادگار کاد» در آزمایشگاه تحقیقات شرکت IBM درآمد که در آن مقطع، این تیم مشغول طراحی یک زبان واسط برای سیستم هایی با دیتابیس های رابطه ای بود. «لطفی زاده» دراین باره می نویسد: «عضویت من در این گروه، تاثیری عمیق بر گرایش پژوهش هایم داشت. من به اِعمال نظریه مجموعه های فازی بر زبان روزمره و فهم زبان روزمره به شدت علاقه مند شدم. به یک تعبیر، اکثر مقالات بعدی ام مربوط شد به مسائل مربوط به نظریه زبان های طبیعی». کمتر از پنج سال بعد، «لطفی زاده» با معرفی مفهوم «متغیر زبانی» (linguistic variable)، تا حدی به رویای ریاضیات مبتنی بر کمیات ناواضح نزدیک تر شد، ریاضیاتی که ممکن بود پاسخی به معمای «ماشین های متفکر» نیز باشد.
    
     هوش مصنوعی به روایت «لطفی زاده»
     مقاله سال ۱۹۷۵ «لطفی زاده»، با عنوان «مفهوم یک متغیر زبانی و کاربرد آن در استدلال تقریبی»، با اشاره به این واقعیت آغاز می شود که «استفاده از کامپیوترها بصیرت چندانی را نصیب مسائل اساسی فلسفه، ادبیات، حقوق، سیاست، جامعه شناسی و سایر حوزه های انسان محور نکرده است. کامپیوترها خدمت چندانی به فهم ما از فرایندهای فکری انسان هم نکرده اند، البته شاید به جز برخی موارد استثنا که به هوش مصنوعی مربوط می شود و سایر حوزه های مرتبط». حال با گذشت بالغ بر چهل سال از انتشار آن مقاله، توصیف «لطفی زاده» همچنان معتبر است. او در ابتدای مقاله ای به سال ۲۰۰۸ نیز همین نکته را گوشزد می کند: «امروزه، هیچ ماشینی نمی تواند آزمون تورینگ را پشت سر بگذارد و در آینده نزدیک هم احتمالش نیست. هوش مصنوعی طی بخش اعظمی از تاریخچه متقدم خود، مملو از انتظارات غلوآمیز بوده است. تیتری بر پیشانی مقاله ای در اواخر دهه چهل قرن گذشته به چشم می خورد، مبنی بر اینکه «مغز الکتریکی ای در دست ساخت است که قادر به ترجمه از یک زبان خارجی است». امروزه که بالغ بر نیم قرن از آن روزها گذشته، ما نرم افزارهایی را برای ترجمه داریم، اما هیچ چیزی نمی تواند به پای کیفیت ترجمه های انسانی برسد. پیداست نیل به هوش ماشینی ای هم تراز با انسان، چالشی دور از دسترس است». او دلیل این چالش بنیادی را ناتوانی ریاضیات کلاسیک از شناسایی و هضم متغیرهای ناواضح موجود در «زبان طبیعی» می داند. او در ابتدای مقاله ای در سال ۲۰۰۱، با عنوان «سمت و سویی جدید در هوش مصنوعی»، مطرح می کند که «انسان ها توانایی چشمگیری در انجام طیف وسیعی از امور فیزیکی و ذهنی، آن هم بدون هیچ گونه سنجش و محاسبه ای را دارند. نمونه های متعارف آن عبار ت اند از پارک کردن اتومبیل، رانندگی در شهر، گلف بازی کردن، غذاپختن و خلاصه کردن یک داستان. در انجام این امور، انسان ها از انطباعات (perceptions) مربوط به زمان، جهت، سرعت، شکل، احتمال، صدق و سایر صفات اشیای فیزیکی و ذهنی استفاده می کنند». به عبارت بهتر، انسان ها با بهره مندی از زبان روزمره برای صورت بندی انطباعات حسی خود به واضح ترین صورت «ممکن» (اما درعین حال ناواضح تر از آنچه در منطق صوری انتظار می رود)، می توانند اموری بس پیچیده تر از توانمندی های هوش مصنوعی را که به ورودی های دقیق و محاسبات متقن مجهز است، به انجام برسانند و این مسئله ای است که به نظر می رسد در آینده هم با توسعه این رشته به همان منوالی که بنیان گذاران هوش مصنوعی (از جمله آلن نیوول و مارتین مینسکی) با مرجع قراردادن منطق صوری برایش قایل شده بودند، محقق نخواهد شد. «نیوول» و «مینسکی» منطق صوری را برای توصیف عملکرد ذهن کافی می شمردند، این در حالی است که برای عبور از آزمون تورینگ، همچنان که در بخش نخست این مقاله نیز عنوان شد، ضروری ا ست «ماشین های متفکر» را بر مبنای چیزی فراتر از منطق صوری طراحی و به قدرتی فراتر از تشخیص «منطقی» بودن یا نبودن یک تصمیم، مجهز کرد. بنابراین، «لطفی زاده» تصریح می کند: «اینکه چرا نیل به یک هوش مصنوعی در تراز انسان، چالشی بعید به شمار می رود، دلایل متعددی دارد. از اصلی ترین دلایل این امر، احتیاج به ماشینی سازی دو توانمندی چشمگیر انسان است. اولا، توانمندی محاوره، ارتباط، استدلال و تصمیم گیری عقلانی، در محیطی مملو از ابهام، عدم قطعیت، نقصان اطلاعات، اجمال صدق و اجمال امکان. ثانیا، توانمندی انجام طیف وسیعی از اعمال فیزیکی و ذهنی (همچون رانندگی در شلوغی شهر) بدون انجام هیچ گونه محاسبه و سنجشی. آنچه هم اکنون به خوبی درک شده، این است که از پیش نیازهای ماشینی سازی این توانمندی ها، ماشینی سازی فهم زبان روزمره است. اما آنچه عمدتا ناشناخته مانده، این است که ماشینی سازی فهم زبان روزمره با روش های مبتنی بر منطق دوارزشی و نظریه احتمالات برساخته از منطق دوارزشی، میسر نیست». بنابراین، «انطباعات» ساده و ذاتا ناواضحی را که ما به سهولت از طریق تمهیدات زبان روزمره به توصیفشان درمی آوریم (مثلا اینکه «امروز هوا تقریبا گرم تر شده»)، می توان از جمله همان ورودی های ناواضح و ارزشمندی شمرد که ریاضیات متعارف از هضمشان عاجز است و منطق فازی راهی برای صورت بندی آنها به شمار می رود. از همین رو، «لطفی زاده» در اوایل قرن بیست ویکم اقدام به تدوین «نظریه محاسباتی انطباعات» (Computational Theory of Perceptions) یا اختصارا (CTP) کرد. نظریه CTP، هم اکنون از پی تدوین تمهیداتی که نقش عملگرهای منطقی را در یک فضای فازی ایفا می کنند، راه پارادایم تازه ای را در هوش مصنوعی گشوده است، پارادایمی که «لطفی زاده» از آن با عنوان «محاسبه از طریق واژه ها» (Computation with Words) یا به اختصار CWW یاد می کند. در این پارادایم، الگوی عاملیت عملگرهای منطقی مستقیما از الگوهایی که ما در زبان روزمره برای توصیف انطباعات حسی خود استفاده می کنیم، اخذ شده است یا چنانچه «لطفی زاده»، خود می گوید: «در اصل، «محاسبه از طریق واژه ها» روشی برای استدلال، محاسبه و تصمیم گیری بر مبنای اطلاعاتی است که در زبان روزمره به توصیف درآمده اند». هرچند نوآوری های اخیر «لطفی زاده» طی پانزده سال گذشته، امکان پذیری یک پارادایم تازه در هوش مصنوعی را تبیین و رئوس کلی آن را ترسیم کرده است، به نظر می رسد تا تدوین مبانی عملی و اجرائی سازی این ایده راه درازی در پیش باشد. با این همه، نکته اینجاست که ادعاهای «لطفی زاده»، خواهی نخواهی از سنت ستبر منطق و فلسفه در قرن بیستم نسب می برد و بنابراین، قابلیت طرح سرفصل های تازه ای در علوم انسانی و بسترسازی برای تدوین کارآمد مباحث بین رشته ای را دارد. پاسخ «لطفی زاده» به معمای سیر کند پیشرفت «ماشین های متفکر»، امروزه جامع ترین و سنجیده ترین پاسخی ا ست که می توان آن را چکیده یک قرن پژوهش های علمی- فلسفی- منطقی در رابطه با کارکرد ذهن انسان دانست.
نویسنده: احسان سنایی




نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
جمعه 10 شهریور 1396
هیچ کس نمی دانست آن پسر متولد ۱۳۰۰ شمسی (۱۹۲۱ میلادی) از مادری روس و پدری اردبیلی در باکو، قرار است به یکی از مهم ترین چهره های مهندسی برق و هوش مصنوعی در تاریخ تبدیل شود. خودش بخش زیادی از پایه علمی خود را مدیون کالج آمریکایی (معروف به دبیرستان البرز) و تحصیلاتش در دانشکده فنی دانشگاه تهران می داند. تحصیلاتش زیر نظر معلمان آمریکایی در البرز و در نظام به شدت نظری اولین دانشگاه ایران، او را به فکر مهاجرت به ینگه دنیا و ادامه تحصیل در ام آی تی انداخت که بتواند آنجا مسیر علمی را جدی تر پیگیری کند، هرچند تهران را نیز دوست داشت. «لطفی زاده» در بدو ورودش به ینگه دنیا ترکیبی از عمق بینش ریاضی مکتب روس ها و احتمالا معلمان و استادان خوب تحصیلات دبیرستان و دانشگاهش در تهران را داشت، طوری که در مصاحبه ای می گوید: «تحصیل در ام آی تی برای منی که در دانشکده فنی درس خوانده بودم، بسیار ساده بود. در دانشکده فنی، برای هر درس یک امتحان کتبی و یک امتحان شفاهی داشتیم و استادان مدام در کلاس درس، حضور ذهن دانشجویان را می سنجیدند».
    
     تاثیر ایده منطق فازی در علوم مختلف
     در ابتدا، سیستم ها به جای منطق صفر و یک از منطق چندمقداره استفاده می کردند تا بتوان عدم قطعیت های بیشتری را با آن پوشش داد. از سال ۱۹۶۵ که «زاده» اولین مقاله خود در مجموعه های فازی را منتشر کرد، تاکنون بیش از ۷۰ هزار بار ارجاع داشته است. «زاده» در سپتامبر سال گذشته (مهرماه ۱۳۹۵) در ایمیلی به یک گروه که زیر نظر خود او اداره می شود، دستاوردهای فازی را این گونه گزارش کرده است:
     تعداد مقالات با واژه فازی در عنوان: ۳۷۱۰۰۰
     تعداد مقالات با واژه فازی در عنوان در شاخه مهندسی: ۷۶۹۷۰
     تعداد مقالات با عنوان فازی در علوم کامپیوتر: ۷۳۹۵۵
     تعداد مقالات با عنوان فازی در ریاضیات: ۳۴۶۹۲
     تعداد مقالات با عنوان فازی در پزشکی: ۲۳۹۹
     تعداد مقالات با عنوان فازی در اقتصاد: ۸۷۹
     تعداد مقالات با عنوان فازی در مدیریت: ۳۴۵۰
     تعداد پتنت های مرتبط با منطق فازی: ۵۶۰۰۰۰
     «زاده» با ۱۷۸۰۸۹ بار ارجاع به مقالات و کتب خود، پس از «ویلیامسون» (برنده جایزه نوبل اقتصاد)، بالاترین میزان ارجاع را در دانشگاه برکلی دارد. او در بین همه پژوهشگران دانشگاه های برتر آمریکا در مهندسی برق و علوم کامپیوتر (ام آی تی، برکلی، استنفورد، کارنگی ملون، در علوم کامپیوتر) توانسته با اختلاف زیاد، رتبه اول ارجاعات علمی را به خود اختصاص دهد. همان طور که معلوم شد، «زاده» نه تنها مهندسی برق، بلکه با ابتکار خود در معرفی مجموعه های فازی، توانسته بر زمینه های علمی دیگری، از پزشکی و مدیریت تا اقتصاد و ریاضیات نیز تاثیر بگذارد.
    
     خدمات علمی غیر از فازی
     بد نیست، جدا از خدمات زیاد «زاده» در زمینه فازی، به برخی از خدمات دیگرش در مهندسی برق اشاره شود. «زاده» اولین کسی است که از سال های خیلی دور پیشنهاد تلفیق دانشکده های علوم کامپیوتر و مهندسی برق را به دانشگاه برکلی داده است. این ایده که بعدها در دانشگاه ام آی تی هم اجرا شد، یکی از نقاط مهم در تاریخ هوش مصنوعی و رباتیک بود. ایده های به شدت نظری علوم کامپیوتر (که از اساس بخشی از دانشکده های ریاضیات بود)، خود را با سخت افزارهای تولیدی مهندسان برق هماهنگ کرد و به سمت دنیای هوشمندتر و مدرن تر در واقعیت تبدیل شد. «زاده» درک عمیقی از همه شاخه ها و تاریخ تطور مهندسی برق و کامپیوتر به همراه شاخه های پایه ای ریاضیات (همچون آمار و احتمالات) دارد و برای همین ایده های کلی اش همواره در تغییر مسیر دانش تاثیر زیادی داشته است. به عنوان یک مهندس برق - کنترل که با فضای حالت با دنیای فیزیکی ارتباط برقرار می کند و طراحی و تحلیل سیستم ها را انجام می دهد. آثار «زاده» در زمینه تبدیل z را در تاریخ کنترل سیستم های گسسته در زمان بسیار موثر می دانم. هرچند کمتر پیش می آید در مهندسی کنترل به دستاوردهای کلیدی «زاده» در این باره اشاره شود.
    
     تجربه شخصی
     سال ۱۳۸۹ بود. من مانده بودم و پایان نامه ای که شب و روز مرا به شدت به خود مشغول کرده بود: کنترل پذیری سیستم های فازی. تصمیم داشتم هم زمان با کمک استادان خود در دانشگاه صنعتی امیرکبیر، از راهنمایی استادان بنام و صاحب نظر خارج از ایران نیز بهره ببرم. موضوعی بس بحث برانگیز بود و البته دید بهتری از سیستم های فازی به من داد. توانستم در یکی از گزارش های فنی «زاده» در دهه ۹۰ سرنخی بیابم. البته، آن گزارش را به دلیل قدیمی بودن، نمی توانستم به صورت آنلاین بیابم. تصمیم گرفتم گزارش را از خود «زاده» درخواست کنم. با کمال تعجب، با پاسخی سریع از او روبه رو شدم که از منشی خود خواسته ام تا مقاله را برایت ارسال کند. اندکی بعد، مقاله را در دانشکده برق دانشگاه تهران دریافت کردم. عشق به این زمینه مرا به ژاپن کشاند که یکی از مراکزی بود که توانسته بودند به صورت جدی کاربردهای صنعتی برای سیستم های فازی را بیابند. این موضوع های مختلف از قطارهای توکیو، ماشین لباسشویی تا مایکروفر خانه ما را شامل می شد. هرچند نهایتا، زمینه خود را تغییر دادم و دکتری ام را در فازی نگرفتم، ولی از همان دانشکده ای فارغ التحصیل شدم که با نام هوش محاسباتی و دانش سیستم ها، افراد زیادی را در زمینه فازی و کنترل، آموزش داده بود. در اولین سفر خود به آمریکا در سال ۲۰۱۴، با خاطره خوبی که از دکتر «زاده» داشتم، تصمیم گرفتم به دانشگاه برکلی رفته و او را از نزدیک ببینم. باز هم با مهربانی تمام پاسخ مرا داد و توانستم همراه یک دوست در جلسه ای که او نیز حضور داشت، شرکت کنم. در آن جلسه، «زاده» با ۹۳ سال سن، هر از گاهی نظرات علمی خود را نیز ابراز می کرد. نظراتی که نشان از عمق دانشش در زمینه های مختلف علمی در ریاضیات و مهندسی برق تا فیزیک و احتمالات داشت. باید اعتراف کنم تا آن زمان کسی را ندیده بودم که در این سن هنوز هم بتواند نظرات علمی و دقیق ارائه دهد.
    
     سخن آخر
     در دهه ٩٠ و اوایل قرن بیست ویک، مهندسی کنترل به یک شاخه تقسیم شده بود. به جرئت، بخشی مهم از این دسته بندی مدیون کارهای تاثیرگذار «زاده» در دهه ۸۰ و ۹۰ میلادی بود، به گونه ای که بسیاری از محققان زمینه های قدیمی تر هم (مانند کنترل مقاوم-تطبیقی و غیرخطی) سری به زمینه فازی زدند و مقاله ای یا اظهارنظری در این مورد داشتند. این موضوع مربوط به زمانی است که «زاده» بیش از ۷۰ سال سن داشت. دکتری خود را برخلاف کارشناسی ارشد، به جای کنترل هوشمند (و به طور خاص فازی) در زمینه های نزدیک تر به کنترل کلاسیک انجام دادم. برایم همیشه جالب بود که نظر افرادی که آن سال ها را درک کرده اند، درباره «زاده» بدانم. «زاده» برای من نماد استمرار و استقامت در مسیر است. مسیری که بارها و بارها در طی این ۵۲ سال مورد حمله و هجوم قرار گرفت. برخی از بزرگ ترین دانشمندان مهندسی برق و دانش کامپیوتر بارها گفتند «منطق فازی غلط است» تا شاید سیستم های فازی را برای همیشه خاموش کنند. تصویری که می بینید، برگرفته از یکی از کنفرانس های تصمیم گیری و کنترل در آمریکاست. این تصویر شاید بتواند نمایانگر مبارزات مستمر «زاده» بر استقرار منطق فازی در دنیای علم باشد. «زاده» در این تصویر در سال ۱۹۹۸ در یک مناظره (از میان ده ها مناظره مشابه تا آن زمان با موضوعی مشابه) به طور نمادین در حال کشتی گرفتن با «مایکل اتنز»، استاد سابق دانشگاه ام آی تی است که از بزرگان کنترل کلاسیک است. البته، این پایان کار نیست و تا سال ۲۰۰۸ (یعنی زمانی که ۸۷ سال عمر داشت)، مقالاتی درباره ضرورت وجود منطق فازی منتشر می کرد که بیانگر استمرار در راه است. این مورد در همه انسان های موفق، ویژگی طلایی مشترک است. «زاده» محصول و نتیجه این استمرار را هم دید. «زاده» یک قرن زندگی کرد، درحالی که همه همراهان و هم دوره ای های خود و حتی همسرش را از دست داده بود. ولی آنچه بیش از عمر طولانی اش اهمیت دارد، نیم قرن صبوری و استقامت بر درستی مسیری بود که در منطق فازی آغاز کرده بود.
    
    گروه علم: روزهای گذشته، خبری مبنی بر درگذشت پروفسور «لطفعلی عسگرزاده»، استاد برق بازنشسته دانشگاه کلمبیا و مبتکر و بنیانگذار منطق فازی، در رسانه های ایران منتشر شد. ماجرا از آنجا شروع شد که وب سایت دانشگاه تهران روز شنبه، ٢١ مرداد، خبری با عنوان «پدر منطق فازی و دانش آموخته دانشگاه تهران درگذشت» منتشر کرد. گویا این وب سایت خبرش را براساس اطلاعات واصله از منابعی آشنا با پروفسور «لطفی زاده» کسب کرده بود. به هر روی، با توجه به اعتبار دانشگاه تهران، بسیاری از رسانه ها بدون تحقیق و جست وجوی بیشتر و اطمینان از درستی آن، خبر را منتشر کردند. اما بعد که آشکار شد این شایعه درست نیست، وب سایت دانشگاه تهران این خبر را حذف کرد و با انتشار اطلاعیه ای گفت: «برای این استاد گران قدر و دانش آموخته خود، آرزوی تندرستی و طول عمر باعزت می کند. همچنین، از خوانندگان عزیز و خانواده محترم پروفسور لطفی زاده برای انتشار این خبر عذرخواهی می کند». متاسفانه، با توجه به فاصله زمانی زیاد بین انتشار خبر اولیه و تکذیب آن، بسیاری از رسانه ها این خبر را منتشر کردند. حتی وب سایت و کانال رسمی وزارت علوم خبر «تسلیت وزیر علوم، تحقیقات و فناوری به مناسبت درگذشت بنیانگذار منطق فازی» را منتشر کرد که البته آن هم بعدها از وب سایت و کانال اطلاع رسانی وزارت علوم حذف شد. هرچند خوشبختانه خیلی زود، مشخص شد خبر درگذشت پروفسور «لطفی زاده» نادرست است، با توجه به اینکه انتشار این خبر موجی از کنجکاوی را در میان علاقه مندان به وی پدید آورد، بر آن شدیم، مجموعه مقالاتی را به ایشان اختصاص دهیم. در این ویژه نامه، موضوعات مختلفی از جمله زندگی نامه، دستاوردهای علمی، نظریه فازی و کاربردهای آن در علم و فناوری بیان شده است. ضمن آرزوی طول عمر برای وی، شما را به خواندن این ویژه نامه دعوت می کنیم.
نویسنده: سیدمهران دیباجی




نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
جمعه 10 شهریور 1396

ابراز حالات و احساسات انسانی، نیاز به دقت اعشار ندارد و معمولا با واژه های کیفی (متغیرهای کلامی) بیان می شود. این همان نکته ای است که پروفسور «لطفعلی عسگرزاده» (لطفی زاده) را بر آن داشت تا خلایی که بین دنیای زندگی ما انسان ها و ریاضیات وجود داشت، پر کند و نتیجه آن بازشدن افقی جدید در علم با عنوان منطق فازی یا منطق غیردقیق بود.
     منطق فازی از دید ریاضیات کلاسیک، دقیق نیست، ولی اگر علم بخواهد در خدمت جامعه بشری درآید و مشکلات آن را حل کرده و با آنها ارتباط برقرار کند، باید صفر و یک را کنار بگذارد و بتواند با دنیای رنگین و پر از احساس ما انسان ها کنار بیاید. به این ترتیب بود که طیف عظیمی وارد عالم سیاه و سفید ریاضیات کلاسیک شد و ریاضیات توانست واژه های کلامی ما انسان ها را درک کند. مفاهیم نادقیق بسیاری در پیرامون ما وجود دارد که آنها را به صورت روزمره در قالب عبارت های مختلف بیان می کنیم. به عنوان مثال، وقتی می گوییم «هوا خوب است»، درواقع هیچ کمیتی برای خوب بودن هوا مطرح نیست تا آن را اندازه بگیریم، بلکه این یک حس کیفی است ولی همه ما انسان ها بدون نیاز به اعداد و ارقام دماسنج و بادسنج و رطوبت سنج هم می توانیم حس کنیم هوا خوب است.
     در واقع، مغز انسان با درنظرگرفتن عوامل مختلف و براساس تفکر استنتاجی جملات را تعریف و ارزش گذاری می کند که مدل سازی آنها به زبان و فرمول های ریاضی، اگر غیرممکن نباشد، کاری بسیار پیچیده خواهد بود.
     منطق فازی تلاش می کند شیوه هایی را که برای طراحی و مدل سازی یک سیستم نیازمند ریاضیات پیچیده و پیشرفته است، با استفاده از مقادیر زبانی و دانش فرد خبره جایگزین کند. بنابر اطلاعات پایگاه دیده بان علم ایران، پروفسور «لطفی زاده» در سال ۱۲۹۹ شمسی برابر با ۱۹۲۱ میلادی در باکو متولد شد. پدر او یک روزنامه نگار ایرانی و مادرش یک پزشک روس بود. او در ۱۰ سالگی همراه با خانواده به خانه پدری مراجعت کرده و در تهران ساکن شد. وی تحصیلات متوسطه را در کالج البرز (دبیرستان البرز فعلی) به پایان رساند و با کسب رتبه دوم در کنکور سراسری در رشته برق و الکترونیک دانشگاه تهران پذیرفته شد و در سال ۱۳۲۰ با مدرک لیسانس از آن دانشگاه فارغ التحصیل شد.
     پروفسور «لطفی زاده» سپس دوره فوق لیسانس مهندسی برق را در انستیتوی تکنولوژی ماساچوست (MIT آمریکا) شروع و در نهایت در سال ۱۳۲۷، مدرک دکتری خود را از دانشگاه کلمبیا دریافت کرد.
     پس از آن در همان دانشگاه، تحقیقات خود را در زمینه نظریه سیستم ها آغاز کرد و سپس در سال ۱۳۳۴ به عنوان پژوهشگر به مرکز مطالعات پیشرفته «پرینستون» دعوت شد. وی در سال ۱۳۳۵ کار تمام وقت خود را با سمت استادی در دانشکده مهندسی برق دانشگاه «برکلی» آغاز کرد و در فاصله سال های ۱۳۴۶-۱۳۴۱ ریاست این دانشکده را بر عهده داشت. امروز، هر آنچه به نام هوش مصنوعی شناخته می شود، بر پایه منطق فازی بنا نهاده شده و از همان اصول اولیه ای استفاده می کند که پروفسور «لطفی زاده» برای اولین بار در سال ١٣٤٣ شمسی آن را معرفی کرد. تفاوتی نمی کند که این هوش مصنوعی هدایت کاملا خودکار قطار را در دست دارد یا شست وشوی هوشمند لباس های ما را در یک ماشین لباسشویی خانگی.
     منطق فازی بیش از بیست سال پس از معرفی، از دانشگاه ها به بیرون راه نیافت، زیرا کمتر کسی معنای آن را درک کرده بود. در اواسط دهه ۸۰ میلادی، برای اولین بار، صنعتگران ژاپنی معنا و ارزش صنعتی این علم را دریافته و منطق فازی را به کار گرفتند. اولین پروژه آنها طرح هدایت و مهار تمام خودکار قطار زیرزمینی شهر سندای بود که به دست شرکت هیتاچی برنامه ریزی و ساخته شد. استفاده از منطق فازی در این قطارها در خدمت سرنشینان برای راحتی و آسودگی بیشتر به هنگام آغاز حرکت، شتاب گرفتن و ترمز بود تا کمترین فشار را به سرنشینان وارد کند. از آن پس، منطق فازی بسیار سریع در فناوری دستگاه های صوتی و تصویری ژاپنی ها راه یافت. (از جمله نلرزیدن تصویر فیلم دیجیتال هنگام لرزش دست فیلم بردار.) اروپایی ها بسیار دیر، یعنی در اواسط دهه ۱۹۹۰ میلادی، پس از خوابیدن موج بحث های علمی در رابطه با منطق فازی، استفاده صنعتی از آن را آغاز کردند.
     دکتر «لطفی زاده» موفق به دریافت ۹ مدال علمی شد که پنج مدال به مناسبت های گوناگون از سوی انستیتوی مهندسی برق و الکترونیک آمریکا و چهار مدال دیگر از سوی انستیتو مهندسی مکانیک آمریکا، انجمن علوم مهندسی آمریکا، آکادمی علوم جمهوری چک و انجمن بین المللی سیستم های هوشمند به وی اهدا شده است. همچنین، وی موفق به دریافت ۱۴ جایزه علمی شد که از آن جمله می توان به جایزه اهدایی بنیاد معروف هوندای ژاپن اشاره کرد.
     پروفسور «لطفی زاده»، بیش از ۲۰۰ مقاله تخصصی را به تنهایی در کارنامه علمی خود دارد و جزء دانشمندان دارای بیشترین ارجاع (پراستناد) در مقالات علمی دنیاست. دانشگاه تهران در اسفند سال ۱۳۹۴ به پاس خدمات علمی پروفسور «عسگرزاده»، به این دانش آموخته پیشین خود دکتری افتخاری اعطا و از سردیس وی رونمایی کرد.
     دانشگاه های مختلف جهان ده ها دکتری افتخاری به این چهره ماندگار علمی اعطا کرده اند. ایشان شخصا اعتقادی به ملیت نداشت و به معنای واقعی یک فرد بین المللی بود و اعلام می کرد مسائلی عمیق تر از ملیت در زندگی وجود دارد.
     وی در یکی از مصاحبه هایش تاکید می کند: «مسئله این نیست که من آمریکایی، روس، ایرانی، آذربایجانی یا هر چیز دیگری هستم» و ادامه می دهد: «شخصیت من توسط همه این مردم شکل گرفته است و من در میان همه آنها کاملا راحتم». ما هم به احترام نظر این استاد بزرگوار، بحثی درباره ملیت و تعلقات مکانی و زبانی ایشان به میان نمی آوریم و وی را متعلق به کل ملل می دانیم که توانست با همین اندیشه بدون مرز خود، مرزهای بین انسان و ریاضیات را نیز بردارد و ریاضیات را وادار به پذیرش کلام آدمیان کرده و آن را در مسائل کاربردی زندگی انسان ها به کار گیرد.
نویسنده: مهدی وجودی





نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
جمعه 10 شهریور 1396

آشنایی نویسنده با نظریه فازی مربوط به دوره تحصیل در مقطع دکتری زمین شناسی است که نتایج آن در قالب مدل های اکتشافی معتبر برای شناسایی و پی جویی آثار معدنی طلا ارائه شد (٢٠٠٣ – ١٩٩٨). منطق فازی، شامل گفتمان نظری و محاسبات عددی خاصی است که امکان خروج از بن بست ٠ و ١ (بولین) را فراهم می کند. پیش از طرح نظریه فازی، منطق حاکم بر مجموعه های جبری، مبتنی بر احراز دو کمیت گسسته متشکل از دو عضو صفر و یک بود که ضرورتا به توصیف متغیرها و چگونگی مشارکت آنها در قلمروی توابع جبری می پرداخت. در مجموعه های گسسته، امکان دستیابی به متغیرهای میانی وجود ندارد و همه عضوهای قلمرو از افراز مقادیر صفر و یک برخوردارند. به عبارت ساده تر، منطق بولین، فاقد انعطاف پذیری لازم برای توصیف حالات و سازوکارهای متناسب با رویدادهای طبیعی است. کاربرد چنین منطقی فقط در زبان برنامه نویسی رایانه ها بوده و الگوبرداری بولین، برای توصیف پدیده های زمین شناسی، جغرافیایی، زیست شناسی و علوم کیهانی ناکارآمد است. در منطق فازی، علاوه بر مقادیر صفر و یک، عضوهای پیوسته بین صفر و یک نیز در تابع عضویت مورد نظر، مشارکت دارند. بنابراین، انعطاف پذیری زیادی برای توصیف پدیده ها و الگوسازی آنها به وجود آمده است. با کوشش مستمر پروفسور «زاده»، «توابع عضویت فازی» برای مطالعه رویدادهای طبیعی از قبیل زلزله، سیل، تجمع مواد معدنی و دینامیک سیارات به کار رفته است که این مهم، منجر به نتایج ارزشمندی در مطالعات موردی سه دهه اخیر شده است. تابع عضویت ذوزنقه ای، نمونه ای از توابع عضویت فازی است که در مطالعه پدیده های علوم زمین نقش کلیدی دارد. به طور کلی، استفاده از منطق فازی، انعطاف پذیری خاصی را برای انتخاب و تعمیم الگوهای پیش داوری به وجود می آورد که در مقایسه با منطق بولین، از کاربرد بیشتری برای حل مسائل مختلف برخوردار است. از این رو، الگوریتم فازی علاوه بر پوشش پدیده های طبیعی، وارد محاسبات عددی رایانه ها شده و آثار مطلوبی بر توسعه فناوری هوشمند داشته است. برای مثال، در اغلب لوازم خانگی مدرن، از توابع فازی برای هوشمندسازی سامانه و مدیریت محیط های مجازی استفاده می شود. همچنین، با ورود منطق فازی به عرصه سامانه های اطلاعات مکانی (GIS)، شرایط مطلوبی برای تحلیل داده ها و روابط آنها فراهم شده که این امر موجب ارتقای نرم افزارهای برق و الکترونیک، عمرانی، هوا - فضا، پزشکی، شهرسازی، کشاورزی و معادن شده است. یکی از جدیدترین دستاوردهای صنایع الکترونیک که بر پایه منطق فازی کار می کند، هوش مصنوعی است که چشم انداز مطلوبی را برای ساخت ربات های انسان نما به دست می دهد. فقط با استفاده از الگوریتم های فازی است که امکان هم افزایی نانوذرات برای دستیابی به چنین هوشی فراهم می شود. اما در حوزه مطالعات ملی، تعداد زیادی از نرم افزارها و سخت افزارهای فازی -محور در اختیار سازمان ها و موسسات تحقیقاتی کشور قرار دارد که با استفاده از آنها، تحولات چشمگیری در مدیریت منابع و تولید نقشه های موضوعی به وجود آمده است. شایان ذکر است شخصیت اجتماعی پروفسور «زاده» به مثابه توابع فازی اش، لطافت و انعطاف پذیری خاصی داشت، به طوری که در یکی از گفت وگوهای صمیمی استاد که چند سال پیش با رسانه ایالتی انجام شد، ایشان خود را استاد دانشگاه برکلی با اعتبار تحصیلات آکادمیک ایران و متولد خطه آذربایجان معرفی کردند که همه چیز خود را مرهون ملل و جوامعی می داند که در کنارشان زندگی کرده و از فرهنگ و رسوم آنها برای اعتلای جایگاه علمی و کسب موقعیت های ممتاز زندگی بهره برده است.
نویسنده: سیدرضا مهرنیا



نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
جمعه 10 شهریور 1396


( کل صفحات : 20 )    1   2   3   4   5   6   7   ...