سایبرنتیک یک علم بین رشته ای بوده و از این رو که به عنوان یک علم ماهیت مستقلی ندارد نمی توان برای آن حیطه خاصی را در نظر گرفت و تعریفی مشخص ارایه داد . به هر حال موضوع سایبرنتیک مطالعه و بررسی ماهیت کنترل ارگانیسم های زنده مانند انسان ، حیوان و حتی بافت های موجودات زنده و ماشین هاست . توجه به این نکته که ذاتا ماهیت کنترل ناشناخته و از دیدگاه علوم مختلف دارای تعاریف متفاوتی است هرچه بیشتر اهمیت سایبرنتیک را بر ما روشن می کند . به طور مثال کنترل از دیدگاه فیزیکدانان بررسی نیروهای موجود در طبیعت است که بر اشیا و موجودات اثر گذار هستند ولی از دیدگاه یک فیزیولوژیست اعصاب ماهیت کنترل می تواند مطالعه بر روی مغز و اعصاب سمپاتیک باشد و از دیدگاه یک جامعه شناس می تواند کنترل جمعیت و یا کنترل جنایت و بزهکاری باشد!!

   در اوایل دهه 1940 تعدادی از دانشمندان برجسته از حوزه های مختلف علوم در مکزیک گرد هم جمع شدند تا مسایل جنگ جهانی دوم را از جنبه های مختلف مورد بررسی قرار دهند ، اما از آنجا که موضوع مشترک علمی به دلیل اینکه هر یک در حوزه علمی به خصوصی تبحر داشتند برای بحثی جدی نداشتند قرار بر آن شد در زمینه ای بحث شود که هیچ یک از آنها در آن زمینه تخصص نداشته باشند ، این گروه تصمیم گرفتند درباره ماهیت کنترل بحث کنند ، این مسله زمینه ساز تولد سایبرنتیک شد . در سال 1948 ریاضی دان برجسته نوربرت واینر که از اولین دانشمندان درگیر در مبحث سایبرنتیک بود ، در کتابی تحت عنوان "سایبرنتیک و کنترل در ارتباط بین حیوان و ماشین" به طور رسمی سایبرنتیک را به جهان دانش معرفی کرد . کلمه سایبرنتیک ریشه ای یونانی داشته و از لغت KUBERNETES به معنای سکاندار گرفته شده که مورب آن در زبان CYBERNETES انگلیسی است ، توجه كنيد كه اين لغت در سير گذار به زبان لاتين از طريق روم به GUBERNATOR تبديل شده است كه در انگليسي GOVERNOR (حاكم) است . اما چرا واینر از کلمه سکاندار برای این علم جدید استفاده کرد؟ واينر لغت موردنياز خود را از عمليات در كشتی های دراز يونان باستان پيدا كرد. اين كشتی ها در دريا با باد، باران و جزر ومد - چيزهايی كه بــه هيچ وجه قابل پيش بينی نبودند- دست و پنجه نرم می كردند . با اين همه اگر سكان دار چشمان خود را به فانوس دريايی دوردست می دوخت ، می توانست جهت كشتی را با توجه به موقعیت کشتی و فانوس دریایی مدام تنظيم کرده و کشتی را به سمت فانوس دریایی هدايت كند.

   اما قصد من از مطرح کردن دانش سایبرنتیک و بیونیک در یک وبلاگ هوش مصنوعی ، آشنایی بیشتر خودم و علاقمندان به هوش مصنوعی و رباتیک با این دانش جدید است که با سرعت بسیار زیادی در حال پیشرفت بوده و در سایر علوم  به عنوان دانشی بین رشته ای در حال رخنه است . مباحثی نظیر رباتیک و مکاترونیک که در ارتباط مستقیم و تنگاتنگی با هوش مصنوعی قرار دارند می تواند زمینه استفاده گسترده ای از دانش سایبرنتیک و بیونیک در علوم کامپیوتر و هوش مصنوعی باشد ، همینطور نباید از نظر دور داشت که یکی از جنبه های مهم رباتیک به عنوان یک سیستم ، بحث کنترل است که روح و ماهیت سایبرنتیک می باشد . همچنین بررسی مغز و دستگاه عصبی انسان ، به عنوان بارزترین سیستم کنترل در طبیعت که یکی از زمینه های تحقیقاتی سایبرنتیک است می تواند ما را در نزدیکتر کردن طرح های خود در زمینه کارکرد شبکه های عصبی مصنوعی به  واقعیت کمک کند . در مباحث آینده به بررسی این زمینه جذاب علمی در رباتیک و سیستم های خودکنترل خواهیم پرداخت .

   هوش مصنوعی را می توان از دو جنبه مورد بررسی قرار داد. این دو جنبه عبارتند از نحوه تفکر و نحوه عمل . همچنین می توان نحوه پردازش در یک سیستم هوشمند را از دو جنبه استدلالی و رفتاری (رهیافت منطقی و رهیافت انسانی) مورد بررسی قرار داد بر همین اساس چهار تعریف متفاوت از هوشمندی یک سیستم ایجاد می گردد:

1-سیستم هایی که به طور منطقی فکر می کنند.

2-سیستم هایی که به طور منطقی عمل می کنند.

3-سیستم هایی که مانند انسان فکر می کنند.

4-سیستم هایی که مانند انسان رفتار می کنند.

   هر یک از این تعاریف طرفداران خاص خود را دارد و هریک در طول تاریخ هوش مصنوعی به شکلی دنبال شده اند. کاملا  مشخص است که رهیافت انسانی بر شهود و فرضیات استوار است در حالی که رهیافت منطقی بر ریاضیات و منطق پایه گذاری شده است.

   چارنیاک و درموت هوش مصنوعی را بدین صورت تعریف می کند:"مطالعه توانایی ذهنی از طریق مدل های کامپیوتری" ، تعریف هوش مصنوعی از دیدگاه وینستون :"مطالعه محاسبات که آن را قادر سازد تا درک و استدلال و عمل کنند". هر دوی این تعاریف مربوط به رهیافت منطقی فکر کردن، هستند. اما تعاریف مربوط به رهیافت منطقی عمل کردن، عبارتند از ، تعریف شالاکوف :"حیطه ای از مطالعه که رفتار هوشمند را تحت عنوان فرآیندهای کامپیوتری شرح داده و مورد رقابت قرار دهد" ، تعریف لاگر و زوبلفیلد :"شاخه ای از علم کامپیوتر که با اتوماسیون رفتار هوشمند مربوط می شود". در این دو رهیافت اخیر کوشش های بسیاری شده و نتایج چشم گیری حاصل شده است ، اما از دیدگاه طرفداران رهیافت انسانی این تعاریف معیار مناسبی برای هوشمندی یک سیستم نیستند. بر طبق تعریف هاگولند و بلمن هوشمندی یعنی رسیدن به ادراک انسانی،تعریف هاگولند عبارت است از:"کوشش جدید هیجان انگیز برای ساختن کامپیوترهایی که فکر کنند ،ماشین هایی با قدرت تفکر و با حس کامل" ، و بلمن هوشمندی را این گونه بیان می کند:"اتوماسیون عملیاتی که با اعمال تفکر انسان نظیر تصمیم گیری،حل مسله و یادگیری مربوط می شوند".اینها تعاریف طرفداران رهیافت مانند انسان فکر کردن بود اما شاید نزدیکترین رهیافت به هوشمندی و ایده آلترین آنها رهیافت انسان گونه عمل کردن باشد.کرزویل هوشمندی را اینگونه بیان می کند:"هنر خلق ماشین هایی که توالایی انجام عملیاتی را داشته باشند که  انجام آن عملیات توسط انسان نیاز به هوشمندی داشته باشد" و از دیدگاه ریچ و نایت هوشمندی عبارت است از :"مطالعه برروی ساخت کامپیوترهایی که کارها را در هر لحظه بهتر از انسان انجام دهند".

   انسان گونه عمل کردن: در این رهیافت سعی به طراحی و ساخت سیستم هایی است که مانند انسان قادر به تصمیم گیری و سپس عمل باشند،در تست تورینگ که قبل از این شرح آن گفته شد رفتار هوشمند را به عنوان توانایی رسیدن به سطح ارایه انسانی در تمامی وظایف ادراکی تعریف می کند که حتی قادر به فریفتن انسان دیگر می باشد. بدیهی است که زمانی یک سیستم را از این جنبه مورد بررسی قرار داد که آن سیستم در کنش متقابل با یک انسان باشد، مانند محاوره با یک کاربر که سیستم نیازمند قدرت پردازش زبان طبیعی است، به طور مثال کاربر جمله ای را گفته و سیستم در مقابل آن واکنش مناسبی از خود نشان دهد ، در برابر یک جمله طنز بخندد و یا در برابر یک جمله توهین آمیز ناراحت شود و... .توجه به این مطلب ضروری است که در این رهیافت مطالعه چگونگی پردازش احساسات یک نکته کلیدی است ، چرا که موفقیت در رسیدن به رهیافت انسان گونه عمل کردن نیازی اساسی و مستقیم به شناخت کافی از درون گرایی انسانی و احساس و ادراک آن داشته که سرمنشا رفتارها در انسان می باشد، این به معنای شناخت و سپس پیاده سازی فطرت انسان در یک ماشین است!!

   انسان گونه فکر کردن: برای موفقیت در این رهیافت بایستی راهی را برای چگونگی و نحوه تفکر در انسان پیدا کنیم ، این به منزله کنکاش در ساختار درونی انسان و نحوه عملکرد تفکر در انسان است.از دو طریق می توان دست به این کنکاش زد ، یکی از طریق درون گرایی و تلاش برای بدست آوردن افکار و دیگری از طریق تجارب روانشناسی.بنابراین در این رهیافت به دنبال ایجاد تیوری دقیقی از درباره ذهن هستیم که با تبدیل آن به یک برنامه کامپیوتری قادر خواهیم بود سیستمی را طراحی کنیم که برخی از فاکتور های انسانی را پیاده سازی کند ، بنابراین می توانیم تضمین کنیم که اگر ورودی ، خروجی و زمانبندی سیستم با رفتار انسان تطبیق داشته باشد آنگاه برخی از مکانیزم های سیستم در انسان هم عمل خواهد کرد.بایستی توجه کرد که در این رهیافت ما به دنبال حل صحیح و دقیق مسایل آنگونه که در رهیافت های منطقی متداول است ، نیستیم بلکه قصد داریم سیستم را آنچنان طرح ریزی کرده که به ساختار ذهنی انسان که نادقیق است ، برسیم. در این رهگذر ما نیاز به شناخت ساختار مغز و دستگاه عصبی انسان و چگونگی عملکرد آن خواهیم داشت. 

   منطقی فکر کردن: در این رهیافت که از ارسطو شروع گردید!! سعی به ایجاد سیستمی منطقی است که از یک سری مفروضات صحیح ،نتایج صحیحی حاصل نمایید. ارسطو سعی به گشودن رمز «تفکر درست» داشت. وی ساختاری (قیاس) ارایه کرد که بر اساس استدلالی منطقی و در چهارچوبی خاص و نمادین ، همواره نتایج صحیحی به اندازه مقدمات صحیح بدست می آورد. این گونه طرز تفکر حیطه منطق را پایه گذاری می کند.با توسعه منطق رسمی (formal) در قرون نوزدهم و بیستم دستور زبانی دقیق برای بیان جملاتی در مورد مدلسازی جهان هستی و رابطه بین این جملات ایجاد گردید، در اینجا سعی بر آن شد که با استفاده از نمادهای ریاضی و رابطه ای (علایم منطقی) مدلی دقیق از جهان هستی ارایه شود، که آنرا منطق گزاره ها گوییم ،این رسم منطق گرایی در هوش مصنوعی از آنجا که پیاده سازی آن در کامپیوتر و ماشین ها که بر اساس جبر بولی عمل می کنند ساده می باشد امید هایی را برای ایجاد سیستم های هوشمند ایجاد کرد ، اما مشکل اول در همان ابتدای راه هوش مصنوعی ایجاد شد و آن مدلسازی و دریافت دانش غیر رسمی (informal) و تبدیل آن به شکل رسمی توسط علایم منطقی بود به خصوص زمانی که دانش ما از درجه اطمینان قطعی برخوردار نبوده و به نحوی دارای ابهام باشد ، برای رفع این مشکل منطق مرتبه اول و سپس منطق های مرتبه بالاتر ایجاد شد ، اما مشکل دوم تفاوت در قادر به حل مسله بودن با انجام آن در عمل و به دست آوردن نتیجه دارد ، توجه کنید که اگر مفروضات مسله زیاد باشد می تواند هر کامپیوتری را در حل مسله به بن بست بکشاند. به هر حال در این رهیافت کوشش های بسیاری انجام شده و نتایج جالبی بدست آمده است که در آینده به بررسی آنها خواهیم پرداخت.

   منطقی عمل کردن: برای انجام  عمل منطقی احتیاج به استدلال منطقی است ، یعنی ابتدا باید درک کرده و سپس دست به عمل زد (عامل هوشمند) و این یعنی رسیدن به هدفی واحد در داشتن عقایدی واحد. البته این به معنی تمام عقلایی بودن در استنتاج نیست شما شرایطی را در نظر گیرید که هیچ چیز درستی وجود ندارد اما بایستی کاری را انجام داد ، به طور مثال شرایطی را در بازی شطرنج در نظر بگیرید که شما و رقیب از این اطمینان دارید که رقیب در حرکت بعدی مات خواهد شد ،به هر حال از آنجا که نوبت به رقیب است وی حرکتی را بایستی انجام دهد که برایش سودی ندارد. همچنین شرایطی وجود دارد که نمی توان استدلال صریحی برای آن بیان کرد مانند واکنش های طبیعی بدن در پاسخ به محرک ها مثلا در مقابل پرتاب شدن یک جسم به سمت چشم ، چشم خودبخود بسته خواهد شد، در این شرایط بدیهی است که هیچ گونه تفکر منطقی در پاسخ به محرک شکل نخواهد گرفت. به هر حال نگرش قوانین تفکر در هوش مصنوعی تاکید بر استنتاجی صحیح برروی مفروضات موجود به منظور برآورده ساختن هدفی خاص است.در این رهیافت هوش مصنوعی به عنوان مبنایی برای عامل های منطقی به کار می رود.تولید استنتاج های صحیح گاهی قسمتی از یک عامل عقلانی است زیرا یک راه برای رفتار عقلانی استدلال منطقی است که منتهی به نتیجه منطقی می گردد البته شرایط استثنایی را که در بالا بدان اشاره شد نبایستی از نظر دور داشت ، همچنین بدیهی است که در محیط های مخدوش رسیدن به منطق کامل و استنتاج صحیح امکان پذیر نیست.

دریافتPDF تعاریف هوش مصنوعی

در مباحث آینده به تعریف عامل هوشمند ، پایگاه دانش و همچنین مباحثی پیرامون منطق خواهیم پرداخت.

   آلن تورینگ نابغه انگلیسی که یکی از اهرم های پیروزی متفقین در جنگ دوم جهانی بود در ده پنجاه میلادی آزمایشی را معرفی کرد که بعدها تست تورینگ موسوم شد ، تست تورینگ هرچند میزانی را برای هوشمندی یک سیستم نشان نمی دهد اما تعریفی را از هوش مصنوعی ارایه می کند که مورد پذیرش عام قرار گرفته است.

بر طبق تست تورینگ سیستمی هوشمند است که از این تست سربلند بیرون آید. منظور از یک سیستم در اینجا می تواند یک روبات ، یک برنامه کاربردی ، کامپیوتر یا هر چیز دیگر باشد.

تست تورینگ بدین گونه بیان می شود :

   فرض کنید دو انسان و یک کامپیوتر در سه محیط مجزا (مثلا سه اتاق) قرار داشته باشند و یکی از انسانها به عنوان ناظر بوده و تنها از طریق تله تایپ بتواند با کامپیوتر و انسان دیگر ارتباط برقرار کند ، بدین صورت ناظر همزمان با کامپیوتر و انسان شروع به محاوره کرده و جواب های آنها را در پاسخ به پرسش های مطرح شده دریافت می کند اگر ناظر در تشخیص انسان از کامپیوتر دچار اشتباه یا تردید شود کامپیوتر از تست تورینگ سرافراز بیرون آمده و می توانیم آنرا هوشمند خطاب کنیم . جالب تر آنکه سیستمی را می توان هوشمندتر نامید که با زیرکی بتواند ناظر را در جواب سوالاتش گول بزند!!

   به گفته خود تورینگ :“ سزاوارترین معیار برای هوشمند شمردن یک ماشین، اینست که آن ماشین بتواند انسانی را توسط یک پایانه (تله تایپ) به گونه ای بفریبد که آن فرد متقاعد گردد با یک انسان روبروست.”

تست تورینگ با هوشمندی از برخورد انسان و ماشین می پرهیزد و تست را از طریق تله تایپ انجام می دهد چرا که ارتباط فیزیکی و شبیه سازی فیزیکی برای هوشمندی ضروری نیست. در همین راستا برای موفقیت در این آزمایش نیاز به لحاظ کردن بسیاری از ملاحظات است که روز به روز افزایش می یابد . برخی از این ملاحظات عبارتند از :

پردازش زبان طبیعی

باز نمایی دانش

یادگیری ماشینی 

بینایی ماشینی و...

اما در موفقیت برای این تست چندان تلاشی صورت نگرفته که دلیل آن نه برای ناکارآمدی آن بلکه فاصله علم و تکنولوژی امروزی انسان در تحقق برای دست یابی به رفتارگرایی انسانی است  که رهیافت تست تورینگ آنرا بیان می کند.

در نوشت های بعدی به تعریف دقیق تر هوش مصنوعی و رهیافت های متعددی که در برخورد با تعاریف مختلف هوش مصنوعی به وجود آمده است ، خواهیم پرداخت.

اطلاعات بیشتری از تست تورینگ  دانشگاه استانفورد  و  ای تری آی                              مقاله تورینگ

 کوتاه و بی غرض ، " هوش مصنوعی " هرچه هست فقط برای بودن زاده شده و قصدی جز دانش افزایی

ندارد.ما نه خود را بر قله علم می بینیم و نه بر جایگاه علمی دیگران می تازیم.تنها قصدمان

چیدن و عرضه کردن مشاهداتمان از موج فزاینده تکنولوژی در دنیایی پیرامون هست و بس ...........

م.ش

  <<آفریننده همه چیز خداست و او بر هر چیز نگهبان است >>

این وبلاگ با رویکردی جدید قصد دارد به بررسی و معرفی علم هوش مصنوعی و مباحث پیرامون آن 

بپردازد.

   من چند وقت پیش در وبلاگ یکی از دوستان به یه معما برخورد کردم ، دیدم بد نیست من هم  این معما رو اینجا مطرح کنم چون هم جنبه سرگرمی داره و هم به موضوع مورد بحث ما مربوط میشه. انیشتاین در قرن نوزده این  معما رو طرح کرد ، و ادعا کرد که تنها 2 درصد از مردم دنیا قادر به حل این مسله هستند ، البته من برخلاف انیشتاین فکر می کنم تنها 2 درصد از مردم دنیا قادر به حل این مسله نیستند!! شما هم سعی کنید این معما رو حل کنید . به هر حال دلیل اصلی من از بیان این معما مقایسه بین نحوه استنتاج در انسان و   نحوه استنتاج در ماشینه و نه سنجش هوش. قبل از مقایسه بهتره ابتدا مسله رو مطرح کنیم تا شما هم  با این معما آشنا بشید و  مسله رو اگه دوست داشتید حل کنید و یه خورده سرگرم بشوید  .

و اما مساله:
1-داخل یه خیابون در ساندیگو 5 خونه وجود داره که هرکدوم با یه رنگ متفاوت ازبقیه رنگ شده

2-تو هر خونه یه نفر با ملیتی متفاوت از بقیه زندگی می کنه

3-هر کدوم از اونا (آقایان یا خانوم ها) به یه نوشیدنی مخصوص خودشون علاقه دارن ، یه سیگار متفاوت از بقیه میکشن و هرکدوم یه جور حیوون نگه می دارن (البته در همسایگیشون یه باغ وحش کوچیکم هست که ربطی به مسله نداره!!!)

 حالا سوال اینه که کی تو خونه اش ماهی نگه می داره !؟ البته با توجه به شرایط زیر:

1-خونه قرمز مال انگلیسیه باشه

2-سوئدیه تو خونه اش سگ نگه می داره

3-دانمارکی چایی دوست داره

4-خونه ایی که سمت چپ خونه سفیده رنگش سبزه

5-آقایی که قهوه میل می کنه تو خونه سبزه زندگی می کنه

6-آقایی که تو خونه پرنده داره سیگار پالمال میکشه

7-آقایی که تو خونه زرد زندگی می کنه سیگار دانهیل میکشه

8-آقایی که شیر می خوره (نوشیدنی نه حیوون) تو خونه وسطی زندگی می کنه

9- نروژیه تو اولین خونه زندگی می کنه

10-آقایی که بلندز میکشه با آقایی که گربه تو خونه نگهداری میکنه همسایست

11-آقایی که اسب داره با آقایی که دانهیل میکشه همسایست

12-آقایی که آبجو (ببخشید مالشعیر) می خوره سیگار بلومستر میکشه

13-آلمانیه تازگیا سیگار پرنس میکشه(البته ایشون ایرانی الاصله و سابقا سیگار زر کوپنی دود می کرده!!)

14-نروژیه با آقایی همسایست که خونه اش آبیه

15-آقایی که بلندز میکشه با آقایی همسایست که از بین نوشیدنی ها آب دوست داره

خوب مسله رو حل کردید؟ من مطمانم که این گونه است . به هر حال شما در حل این مسله به طور ناخودآگاه از قوانین شبیه به مکاشفه ارضا محدودیت در استنتاجتون استفاده کرده اید که در هوش مصنوعی به صورت سیستماتیک و صریح مورد استفاده قرار می گیرند ، همونطور که می دونید از این تکنیک و تکنیکهای مشابه مانند تکنیک بیشترین متغیرهای محدود شده و تکینک متغیر با بیشترین محدودکنندگی در حل مسایل CSP  استفاده  میشه که البته به خوبی هم جواب می ده ، ایجاد این محدودیت ها باعث کاهش محدوده جستجو در فضای حالت مساله خواهد شد و در نتیجه بسیاری از حالتهایی که به جواب نمی رسند حرس می شوند . همینطور شما خیلی از موارد غیر ضروری مثل اینکه افراد مرد هستن و یا زن و در ساندیگو زندگی می کنند و در اونجا باغ وحشی وجود داره و ... رو حذف کردید تا فضای اصلی مسله رو ایجاد کنید در واقع شما مواردی رو نادیده گرفتید که وجود اونها در رسیدن به جواب کمکی نمی نمی کرد ، ماشین هم مانند انسان از روند مشابهی استفاده کرده و حقایقی رو که به درد استنتاج نمی خوره حذف می کنه ، البته همیشه این گونه هم نیست به طور نمونه تمایل خانمها در نگهداری گربه بیشتره و آقایون هم به پرورش اسب علاقه دارن پس همونطور که می بینید جنسیت افراد هم دراینجا مهم شد (البته نه در این مساله!!) در سیستم های مبتنی بر تیوری احتمالات و سیستم هایی که از قانون بیز استفاده می کنند موارد اینچنینی خیلی مهم و حیاتی می تونه باشه خوب به مساله برگردیم ، اما به نظر من تفاوت اصلی بین انسان با ماشین در حل این معما در اینجاست که ماشین به علت سرعت پردازش بالاتر بسیار سریعتر از انسان به نتیجه خواهد رسید!! حل این مسله در حدود ده تا بیست دقیقه وقت من رو گرفت در حالی که زمان حل این مسله برای یک ماشین بسیار کمتر خواهد بود ، همچنین استفاده از قوانین ارضا محدودیت در ماشین نسبت به انسان همونطور که گفتم بسیار سیستماتیکتره که این  برای رسیدن به هدف (جواب) توسط ماشین ممکنه تعداد استنتاج های و فرضیات کمتری نسبت به انسان انجام بده ، البته این به معنای استدلال قویتر و قدرت استنتاج بالاتر ماشین نسبت به انسان نیست ،ماشین قوانین رو به صورتی کاملا مشخص انتخاب میکنه و جستجو رو به اصطلاح به صورت عمقی یا سطحی (و یا با تکنیک های آگاهانه تر) انجام میده ، یه سری فرضیات ایجاد میکنه و در اثبات اونا تلاش کرده و اگه به تناقض برسه به عقب برگشت میکنه و دوباره یه فرضیه جدید ایجاد خواهد کرد (البته همیشه اینگونه نیست) ولی از اونجا که نحوه استدلال در انسان سیستماتیک نیست و در واقع میشه گفت شهودیست شما ممکنه از تعدادی از قوانینی (دانسته یا ندانسته) چشم پوشی کنید ،فرضیه ای ایجاد نکنید و به نتیجه برسید (همونطوری که خواهید دید من هیچ فرضیه ای ایجاد نکردم) در حالی که بسط این قوانین برای ماشین به منظور استنتاجی صحیح ممکنه ضروری باشه ، دقت کنید که ایجاد فرضیات به گونه ای استفاده از همون روش سعی و خطاست که به اون روش آزمون و تست می گن که با توجه به حقایق و نتایج بدست آمده قبلی به نحوی دامنه جستجو هم کمتر خواهد شد و روش رو سیستماتیکتر می کنه ، اگه شما مسله رو با دوستاتون حل کردید متوجه می شوید که هرکدوم به روش مخلتفی مسله رو حل کردید و جالبتر اینه که نحوه استنتاج هر کی از روی قوانین متفاوت با بقیه است (به همین خاطره که جوابهای منفاوتی ایجاد میشه)، تفاوت دیگه اینه که یه انسان در طول زمان ممکنه نحوه استنتاجش فرق کنه و یک مسله رو با روش های مختلفی حل کنه ولی یه برنامه بر روی ماشین همواره یه جور مشخص استنتاج خواهد کرد (در اینجا سر و کله یادگیری ماشینی و عامل های هوشمند هم پیدا میشه!!) ، اما به نظر من مهمترین تفاوت در اینه که انسان دوچار خطا میشه ولی ماشین همواره جواب صحیح رو ایجاد میکنه و یا در بدترین حالت برای رسیدن به جواب صحیح زمان زیادی وقت صرف کنه و البته این از نظر من نه تنها هوشمندی نیست بلکه کاملا خنگمندی است (البته اگه شما هم مثل بنده هوشمندی رو رسیدن به حیطه رفتارگرایی انسانی بدونید) ، در هر حال کافی است که برنامه ای به زبان پرولوگ بنویسید که در اون مسله را به فرم منطق مرتبه اول تبدیل کرده ، شرط های مسله را به صورت حقایق (fact) و قوانین ارضا محدودیت و تکنیک برگشت به عقب (back track) را به صورت قوانین پرولوگ (rule) مدل نمایید ، سپس با یک پرسش ساده از سیستم ، نتیجه را تا لحظاتی بعد دریافت کنید (ویا اصلا دریافت نکنید!!)  و این در حالی است که شما برای حل این معما چند دقیقه ای وقت تلف کرده اید!! الآن شما می توانید نحوه استنتاج خودتون رو با استدلال عقب رو پرولوگ مقایسه کنید، می تونید استنتاج من رو هم از اینجا دریافت کنید و با نحوه استنتاج خودتون مقایسه کنید!!  J

   الگوی حرکتی حشرات یکی از زمینه های تحقیقاتی جالب در الگو برداری از طبیعت پیرامون است که در ساخت ربات های متحرک کاربرد پیدا کرده است. با توجه به نحوه حرکت حشرات عامل های هوشمندی طراحی شده اند که قادر به کنترل ربات متحرک هستند ، البته نباید از نظر دور داشت که الگوی حرکتی پستانداران و از جمله انسان کاملا شبیه به حشراتی مانند هزارپاست !!، به هر حال یک سیستم چند عامله که هر عامل بخشی از کنترل و حرکت ربات را بر عهده دارد (مثلا یک مفصل) می تواند باعث حرکت صحیحه ربات شود ،  یکی از این ربات ها که در آزمایشگاه ربات های متحرک MIT (Mobot) طراحی شده است ربات جالبی با نام Genghis (چنگیز!!) است . این ربات شش پا دارد و مغز او که کنترل ربات را بر عهد دارد شامل 57 ماشین حالت متناهی قطعی است . او مجهز به سنسورهایی است که با استفاده از آن قادر است تا از محیط پیرامون خود اطلاعاتی را جمع آوری کرده و آنها را با استفاده از ماشین حالت متناهی قطعی آنالیز نماید . نکته جالب توجه در اینجاست که Genghis هیچ اطلاع درونی از محیط ندارد و کسی هم به او نمی گوید که چگونه قدم بردارد و یا در ناهمواریها چگونه جابجا شود . هر یک از 57 ماشین حالت متناهی قطعی مسول یک سری از خاص ربات هستند ، به طور نمونه یکی مسول تغییر جهت یک پا و یکی حرکت به جلو و ... . با توجه به پسخوردهای ایجاد شده توسط سنسورها و به کارگیری این ماشین حالات متناهی قطعی ، Genghis بعد از چند مرتبه تلاش و به زمین خوردن یاد می گیرد که روی پای خود بایستد و بهتر حرکت کند ، این ویژگی یادگیری موجب می شود Genghis در محیط های غیرقابل دسترس به خوبی عمل کند و به راحتی در آن محیط حرکت نماید.