مقدمه

الگوريتم ها در كامپيوتر ها اعمال مشخص و واضحي هستند كه بصورت پي در پي و در جهت رسيدن به هدف خاصي انجام مي شوند.حتي در تعريف الگوريتم اين گونه آمده است كه الگوريتم عبارت است از مجموعه اي ازاعمال واضح كه دنبال اي از عمليات را براي رسيدن به هدف خاصي دنبال مي كنند.آنچه در اين تعريف خود نمايي مي كند كلمه دنباله مي باشد كه به معناي انجام كار ها بصورت گام به گام مي باشد. اين امر مشخص مي كند كه همه چيز در الگوريتم هاي سنتي بايد قدم به قدم براي كامپيوتر مشخص و قابل فهم و درك باشد.حتي در اولين الگوريتمهاي هوش مصنوعي نيز بر همين پايه و كار قدم به قدم بنا نهاده شده اند.

در اواخرقرن بيستم رويكرد به الگوريتم هاي جديد صورت گرفت كه علتهاي مختلفي داشت مثل حجيم بودن ميزان محاسبات برخي مسايل و بالا بودن مرتبه زماني الگوريتم هاي سنتي در مورد اين مسايل باعث شد نياز به الگوريتمهاي جديد احساس شود.همچنين برخي كارهاي انسان كه هنوز قابل انجام توسط كامپيوتر نبودندو يا به بخوبي توسط كامپيوتر انجام نمي شدند باعث اين رويكرد شد.

مهمترين الگوريتمهاي جديد عبارتند از :1- شبكه هاي عصبي 2- منطق فازي 3- محاسبات تكاملي

شبكه عصبي چيست ؟

اين سوال كه آيا انسان توانا تر است يا كامپيوتر موضوعي است كه ذهن بشر را به خود مشغول كرده است.

اگر جواب اين سوال انسان است چرا كامپيوتر اعمالي مانند جمع و ضرب و محاسبات پيچيده را در كسري از ثانيه انجام مي دهد، حال آنكه انسان براي انجام آن به زمان زيادي نيازمند است. واگر جواب آن كامپيوتر است چرا كامپيوتر از اعمالي مانند ديدن و شنيدن كه انسان به راحتي آنها را انجام مي دهدعاجزاست.جواب اين مسئله را بايد در ذات اعمال جستجو كرد . اعمال محاسباتي اعمالي هستند سريالي و پي در پي به همين دليل توسط كامپيوتر به خوبي انجام مي شوند.حال آنكه اعمالي مانند ديدن وشنيدن كارهاي هستند موازي كه مجمو عه اي از داده هاي متفاوت و متضاد در آنها تفكيك و پردازش مي شوندو به همين دليل توسط انسان به خوبي انجام مي شوند. در واقع مغز انسان اعمال موازي را به خوبي درك و آنها را انجام مي دهدو كامپيوتر اعمال سريالي را بهتر انجام مي د هد.حال بايد ديدآيا مي توان اين اعمال موازي و در واقع ساختار مغز انسان را به نوعي در كامپيوتر شبيه سازي كرد و آيا مي توان امكان يادگيري كه از جمله توانايي هاي انسان است به نوعي در كامپيوتر مدل سازي نمود.اين كار به نوعي در انسان هم انجام مي شود و زمان انجام آن عمدتا در كودكي است.به عنوان مثال يك كودك ممكن است يك شي مانند چكش را نشناسد اما هنگامي كه آن را مي بيند واسم آن را ياد مي گيرد و سپس چند چكش متفاوت را مي بينداين شي را بخوبي مي شناسدو اگر بعد از مدتي چكشي را كه تا كنون آن را نديده است ببيند به راحتي تشخيص مي دهد كه شي مورد نظر يك چكش است و تنها از نظر جزئيات با چكش هاي مشابه كه قبلا ديده است تفاوت دارد.

لازم به ذكر است كه شبكه هاي عصبي تنها در يادگيري كاربرد ندارند، بلكه تمام مسائل جديد وكلاسيك توسط آنها قابل حل مي باشد.اما آنچه شبكه هاي عصبي بدان نيازمند است مثالها و نمونه هاي مفيد وكافي است كه بتواند به خوبي فضاي مسئله را پوشش دهند.حال بايد ديدچگونه مي توان شبكه عصبي انسان را به نوعي شبيه سازي نمود، براي اين كار نخست به ساختار مغز و سيستم عصبي انسان نگاهي گذرا مي اندازيم.

مغز انسان يكي از پيچيده ترين اعضاي بدن است كه تا كنون نيز به درستي شناخته نشده است و شايد اگر روزي به درستي شناخته شودبتوان شبيه سازي بهتري از آن انجام داد و به نتايج بهتري درباره هوش مصنوعي رسيد.تحقيقات در مورد شبكه هاي عصبي نيز از زماني آغاز شد كه رامون سگال درباره ساختار مغز و اجزاي تشكيل دهنده آن اطلاعات و نظراتي ارائه كرد. او در اوايل قرن بيستم مغز را به عنوان اجتماعي از اجزاي كوچك محاسباتي دانست و آنها را نرون ناميد.امروزه ما مي دانيم كه بيشتر فعاليتهاي انسان را نرونها انجام مي دهندو در كوچكترين فعاليتهاي حياتي انسان مانند پلك زدن نيز نقش حياتي و اساسي دارند.اين نكته هم بسيار جالب است بدانيد كه در بدن ما حدودنرون وجود دارد كه هر كدام از اين نرونها با نرون ديگر در ارتباط هستند.نرونها شكلها و انواع مختلفي دارند، اما به طور عمده در سه دسته تقسيم بندي مي شوند. اما نرون ها از نظري ديگر به دو دسته تقسيم مي شوند:1- نرونهاي داخلي مغز كه در فاصله هاي حدود 100ميكرون به يكديگر متصلند ونرونهاي خارجي كه قسمتهاي مختلف مغز را به يكديگر و مغز را به ماهيچه ها و اعضاي حسي را به مغز متصل مي كنند.اما همانطور كه گفتيم نرونها از نظري ديگر به سه دسته تقسيم مي شوند كه عبارتند از:

1- نرونهاي حسي : كاري كه اين نرونها انجام مي دهند اين است كه اطلاعات را از اندام هاي حسي بدن به مغز و نخاع مي رسانند.

2- نرونهاي محرك :اين نرونهافرمانهاي مغز و نخاع را به ماهيچه ها و غدد و ساير اندام هاي حسي و تحت فرمان مغز مي رسانند.

3- نرونهاي ارتباطي : اين نرونها ماننديك ايستگاه ارتباطي بين نرونهاي حسي ونرونهاي محرك عمل مي كنند .

گفتني است كه نرون ها در همه جاي بدن هستند وبه عنوان عنصر اصلي مغز محسوب مي شوندوبه تنهايي مانند يك واحد پردازش منطقي عمل مي كنند نحوه عمليات نرون بسيار پيچيده است و هنوز در سطح ميكروسكوپي چندان شناخته شده نيست ، هر چند قوانين پايه آن نسبتا روشن است. هر نرون ورودي هاي متعددي را پذيرا است كه با يكديگر به طريقي جمع مي شوند. اگر در يك لحظه تعداد ورودي هاي فعال

نرون به حد كفايت برسدنرون نيز فعال شده و آتش مي كند. در غير اين صورت نرون به صورت غير فعال و آرام باقي مي ماند.حال به بررسي اجزاءخود نرون مي پردازيم:

نرون از يك بدنه اصلي تشكبل شده است كه به آن سوما گفته مي شود. به سوما رشته هاي نا منظم طولاني متصل است كه به آنها دندريت مي گويند. قطر اين رشته ها اغلب از يك ميكرون نازكتر است و اشكال شاخه اي پيچيده اي دارند.شكل ظريف آنها شبيه شاخه هاي درخت بدون برگ است كه هر شاخه بارها وبارها به شاخه هاي نازكتري منشعب مي شود.دندريت ها نقش اتصالاتي را دارندكه ورودي هارا به نرون ها مي رساند.اين سلولها مي توانندعملياتي پيچيده تر از ععمليات جمع ساده را بر ورودي هاي خود انجام دهند، از اين رو عمل جمع ساده را مي توان به عنوان تقريب قابل قبولي از عمليات واقعي نرون به حساب آورد.

يكي از عناصر عصبي متصل به هسته نرون آكسون ناميده مي شود.اين عنصر بر خلاف دندريت از نظر الكتريكي فعال است و به عنوان خروجي نرون عمل مي كند. آكسون هميشه در روي خروجي سلولها مشاهده مي شوند ليكن اغلب در ار تباط هاي بين نروني غايب اند.در اين مواقع خروجي ها و ورودي ها هر دو بر روي دندريت هاواقع مي شوند. آكسون وسيله اي غير خطي است كه در هنگام تجاوز پتانسيل ساكن داخل هسته از حد معيني پالس ولتاژي را به ميزان يك هزارم ثانيه ، به نام پتانسيل فعاليت ، توليد مي كند. اين پتانسيل فعاليت در واقع يك سري از پرش هاي سريع ولتاژ است.رشته آكسون در نقطه تماس معيني به نام سيناپس قطع مي شود ودر اين مكان به دندريت سلول ديگر وصل مي گردد. در واقع اين تماس به صورت اتصال مستقيم نيست بلكه از طريق ماده شيميايي موقتي صورت مي گيرد.سيناپس پس از آنكه پتانسيل آن از طريق پتانسيل هاي فعاليت در يافتي از طريق آكسون به اندازه كافي افزايش يافته از خود ماده شيميايي منتقل كننده عصبي ترشح مي كند.براي اين ترشح ممكن است به دريافت بيش از يك پتانسيل فعاليت نياز باشد. منتقل كننده عصبي ترشح شده در شكاف بين آكسون ودندريت پخش مي شودو باعث مي گرددمي گردد كه دروازه هاي موجود در دندريت ها فعال شده و باز شود و بدين صورت يون هاي شارژ شده وارد دندريت مي شوند. اين جريان يون است كه باعث مي شود پتانسيل دندريت افزايش يافته و باعث يك پالس ولتاژ در دندريت شودكه پس از آن منتقل شده و وارد بدن نرون ديگر مي گردد. هر دندريت ممكن است تحت تأثيرتعداد زيادي سيناپس باشد وبدين صورت اتصالات داخلي زيادي را ممكن مي سازد. در اتصالات سيناپسي تعداد دروازه هاي باز شده بستگي به مقدار منتقل كننده عصبي آزاد شده داردو همچنين به نظر مي رسدكه پاره اي سيناپس ها باعث تحريك دندريت ها مي شوند در صورتي كه پاره اي سيناپس ها دندريت ها را از تحريك باز مي دارند. اين به معناي تغيير پتانسيل محلي دندريت ها در جهت مثبت يا منفي مي باشد.يك نرون خود به تنهايي مي تواند داراي ورودي هاي سيناپسي متعددي در روي دندريت هاي خود باشد و ممكن است با خروجي هاي سيناپسي متعددي به دندريت هاي نرون ديگر وصل شود.

يادگيري در سيستم هاي بيولوژيك

تصور مي شود يادگيري هنگامي صورت مي گيرد كه شدت اتصال يك سلول و سلول ديگر در محل سيناپس ها اصلاح مي گردد.به نظر مي رسد كه اين مقصود از طريق ايجاد سهولت بيشتر در ميزان آزاد شدن

ناقل شيميايي حاصل مي گردد. اين حالت باعث مي شود كه دروازه هاي بيشتري روي دندريت هاي سمت مقابل باز شود و به اين صورت باعث افزايش ميزان اتصال دو سلول شود. تغيير ميزان اتصال نرون ها به صورتي كه باعث تقويت تماس هاي مطلوب شود از مشخصه هاي مهم در مدل هاي شبكه هاي عصبي است.

سازمان مغز

مغز از قسمتهاي مختلفي تشكيل شده و هر كدام از اين قسمت ها مسئوليت انجام وظايف متفاوتي را به عهده دارد. در اانسان اين سازماندهي كاملا مشهود است. بزرگترين قسمت مغز نيمكره هاي مخ است كه قسمت عمده فضاي داخلي جمجمه را اشغال مي كند. مخ ساختار لايه اي دارد.آخرين لايه خارجي آن قشر مغز ناميده مي شود ، جايي كه سلولهاي نرون براي تسهيل اتصالات داخلي كاملا به هم فشرده شده اند.نقش اين قشر در انسان و حيوان كاملا شناخته نشده است ولي مي توانيم شواهدي از آن نقش رااز طريق تحقيقاتي به دست آوريم كه بر روي حيواناتي صورت گرفته كه اين بخش از مغز آنها خارج شده است. براي مثال يك سگ در اين حالت مي تواند به خوبي راه برود، غذا بخورد و بخوابد و حتي پارس كند . ولي در همان حال سگ كور مي شودو احساس بويايي خود را از دست مي دهد . به ويژه اينكه تمامي علاقه خود را به محيط اطراف از دست مي دهد ، نسبت به افراد و شنيدن نام خود عكس العملي نشان نمي دهد و نسبت به سگ هاي ديگر حتي حتي از جنس مخالف بي تفاوت مي ماند. در ضمن قدرت يادگيري را از دست مي دهد. در واقع ويژگيهايي را كه ما اصطلاحا هوش مي ناميم از دست مي دهد ،ويژگي هايي چون آگاهي ، علاقه ، تعامل با محيط و قدرت سازگاري و يادگيري. بنابراين به نظر مي رسد كه مخ بستر وظايف عالي تر مغز و هسته هوش مركزي است.

پژوهشگران سالها در مورد لايه قشر خارجي مغز تحقيق كرده اند و به تدريج به اسرار آن پي بردهاند . به نظر مي رسدكه تقسيم وظايف در اين قسمت از مغز حالت منطقه اي دارد،به طوري كه هر قسمت ازقشر مغز نقش جداگانه اي مانند كنترل دست ،شنيدن وديدن را ايفا مي كند.به ويژه قسمت بينايي مغز جالب است. در قسمت بينايي ،تحريكات الكتريكي سلولها مي تواند حالت احساس نور را موجب شود. تحليل دقيق نشان داده است كه لايه هاي مخصوص از نرون ها به جهت هاي معيني از تحريكات نوري حساس اند ، به طوري كه مثلا يك لايه اكثرا به خطوط افقي و لايه ديگر اكثرا به خطوط عمودي حساسيت نشان مي دهد. گر چه قسمت عمده اي از اين ساختار به طور ژنتيكي از پيش تعيين شده است ، به نظر مي رسد كه آرايش سلولها و گرايش آن ها به جهات مختلف در سالهاي اوليه زندگي فرا گرفته مي شود. حيواناتي كه در محيط صرفا داراي خطوط افقي پرورش مي يابند در نهايت داراي ساختار نروني نخواهند بود كه نسبت به خطوط عمودي حساس باشد. اين امر نشان مي دهد كه ساختار هاي مغزي از داده هاي محيطي تاثير مي پذيرند وصرفا از طرف عوامل ژنتيكي تعيين نمي شوند. اين حالت در كورتكس بينايي اصطلاحا خود سازمان دهي ناميده مي شود، زيرا هيچ آموزگار خارجي براي آموزش مغز مداخله ندارد.

نرون پايه

در مطالب گذشته ديديم كه مغز از مكانيزم بسيار پيشرفته اي برخوردار است كه هنوز چندان شناخته شده نيست و توانايي انجام اعمال بسيار شگرف را دارد. همچنين ديديم بسياري از كارهايي كه آرزو داريم كامپيوتر توانايي انجامشان را داشته باشند ، توسط مغز انجام مي شود.در واقع فلسفه اصلي محاسبات شبكه هاي عصبي اين است كه با مدل كردن ويژگي عمده مغز و نحوه عملكرد آن بتوان كامپيو ترهايي را ساخت كه اكثر ويژگي هاي مفيد مغز را از خود نشان دهد.به پيچيدگي ساختار مغز اشاره كرديم و گفتيم كه مغز را مي توان به صورت مجموعه بسيار متصل وشبكه اي از عناصر پردازشي نسبتا ساده در نظر گرفت. به مدلي نياز داريم كه بتواند ويژگي هاي مهم سيستم هاي عصبي را كسب كند ، به اين منظور كه بتواند رفتار مشابهي را از خود بروز دهد. ليكن اگر بخواهيم اين مدل به اندازه كافي براي فهميدن و به كارگيري ساده باشد بايد بسياري از جزئيات را عمدا ناديده بگيريم . استخراج تعداد محدودي ويژگي هاي مهم و ناديده گرفتن بقيه ويژگي ها از ضروريت هاي معمول مدل سازي است . هدف مدل سازي اصولا ايجاد نمونه ساده تري از سيستم است كه رفتار عمومي سيستم را حفظ كرده و كمك كند كه سيستم با سهولت بيشتر قابل درك باشد.

عمليات شبكه‌هاي عصبي

تا اينجا تمام توجه ما معطوف ساختار دروني يك نرون مصنوعي يا المان پردازشي بود. اما بخش مهم ديگري در مراحل طراحي يك شبكه عصبي نيز وجود دارد. در واقع هنر يك طراح شبكه‌هاي عصبي مي‌تواند در چگونگي تركيب نرون‌ها در يك شبكه (neuran Clustering)، متجلي شود. علوم بيولوژي نشان داده‌اند كه كلاسترينگ نرون‌ها در شبكه عصبي مغز ما به‌گونه‌اي است كه ما را قادر مي‌سازد تا اطلاعات را به‌ صورتي پويا، تعاملي و خودسامان (selforganizing) پردازش كنيم. در شبكه‌هاي عصبي بيولوژيك، نرون‌ها در ساختار‌ي سه بعدي به يكديگر اتصال يافته‌اند. اتصالات بين نرون‌ها در شبكه‌هاي عصبي بيولوژيك آنقدر زياد و پيچيده‌است كه به هيچ وجه نمي‌توان شبكه مصنوعي مشابهي طراحي كرد. تكنولوژي مدارات مجتمع امروزي به ما امكان مي‌دهد كه شبكه‌هاي عصبي را در ساختار‌هاي دو بعدي طراحي كنيم. علاوه بر اين، چنين شبكه‌هاي مصنوعي داراي تعداد محدودي لايه و اتصالات بين نرون‌ها خواهند بود. بدين ترتيب، اين واقعيات و محدوديت‌هاي فيزيكي تكنولوژي فعلي، دامنه كاربردهاي شبكه‌هاي عصبي مبتني‌بر تكنولوژي سيليكوني را مشخص مي‌سازند.
ساختار شبكه‌هاي عصبي امروزي، از لايه‌هاي نروني تشكيل شده است. در چنين ساختاري، نرون‌ها علاوه بر آنكه در لايه خود به شكل محدودي به يكديگر اتصال داده شده‌اند، از طريق اتصال بين لايه‌ها نيز به نرون‌هاي طبقات مجاور ارتباط داده مي‌شوند. در شكل 1 نمونه‌اي از ساختار لايه‌اي يك شبكه عصبي مصنوعي نمايش داده شده است (تعداد اتصالات ممكن بين نرون‌ها را در چنين ساختاري با تعداد اتصالات بين نرون‌هاي مغز انسان، مقايسه كنيد). در اين توپولوژي، گروهي از نرون‌ها از طريق ورودي‌هاي خود با جهان واقعي ارتباط دارند. گروه ديگري از نرون‌ها نيز از طريق خروجي‌هاي خود، جهان خارج را مي‌سازند. در واقع اين <جهان خارج> تصويري است كه شبكه عصبي از ورودي خود مي‌سازد يا مي‌توان چنين گفت كه جهان خارج <تصوري> است كه شبكه عصبي از ورودي خود دارد. خلاصه آنكه در توپولوژي فوق، مابقي نرون‌ها از ديد پنهان هستند.تلاش محققان در زمينه شبكه‌هاي عصبي نشان داده است كه شبكه‌هاي عصبي، چيزي بيشتر از يك مشت نرون كه به يكديگر اتصال داده شده‌اند، هستند. حتي گروهي از محققان سعي داشته‌اند كه از اتصالات تصادفي براي ارتباط دادن نرون به يكديگر استفاده كنند كه در اين زمينه به نتايج جالب توجهي دست نيافتند. امروزه مشخص شده است كه در ساده‌ترين مغز‌هاي بيولوژيك مانند مغز مارها هم ارتباطات بين نرون‌ها بسيار ساخت‌يافته است. در حال حاضر يكي از ساده‌ترين روش‌هاي ارتباط دهي نرون‌ها در شبكه‌هاي عصبي، آن است كه ابتدا نرون‌ها در گروه‌هاي مشخصي به صورت لايه‌هاي نروني سازمان‌دهي مي‌شوند و پس از تامين ارتباطات بين‌نروني در هر لايه، ارتباطات بين لايه‌ها نيز برقرار مي‌شوند. اگرچه در كاربردهاي مشخصي مي‌توان با موفقيت از شبكه‌هاي عصبي تك لايه استفاده كرد، اما رسم بر آن است كه شبكه‌هاي عصبي حداقل داراي سه لايه باشند (همانطور كه قبلاً اشاره شد، لايه ورودي، لايه خروجي و نهايتاً لايه پنهان يا لايه مياني). در بسياري از شبكه‌هاي عصبي، اتصالات بين‌نروني به گونه‌اي است كه نرون‌هاي لايه‌هاي مياني، ورودي خود را از تمام نرون‌هاي لايه پاييني خود (به طور معمول لايه نرون‌هاي ورودي) دريافت مي‌كنند. بدين ترتيب در يك شبكه عصبي، سيگنال‌ها به تدريج از يك لايه نروني به لايه‌هاي بالاتر حركت مي‌كنند و در نهايت به لايه آخر و خروجي شبكه مي‌رسند. چنين مسير در اصطلاح فني feed forward ناميده مي‌شود. ارتباطات بين‌نروني در شبكه‌هاي عصبي از اهميت بسيار زيادي برخوردار هستند و به نوعي قدرت يك شبكه عصبي را تعيين مي‌كنند. قاعده آن است كه ارتباطات بين نروني را به دو گروه تقسيم‌بندي مي‌كنند. يك نوع از ارتباطات بين نروني، به‌گونه‌اي هستند كه باعث جمع شدن سيگنال در نرون بعدي مي‌شوند. گونه دوم ارتباطات بين نروني باعث تفريق سيگنال در نرون بعدي مي‌شوند. در اصطلاح محاوره‌اي گروهي از ارتباطات انگيزش ايجاد مي‌كنند و گروه ديگر ممانعت به عمل مي‌آورند