درباره دوره: در اين درس از آموزش هوش مصنوعی جنبه‌هایی از هوشمندی نظير حل مساله، توانایی ذخيره دانش و استنتاج و همچنين برنامه‌ريزی مورد بررسی قرار خواهد گرفت. از آنجا که دسته گسترده ای از مسائل می‌توانند در قالب مساله جستجو بيان شوند، ابتدا در مورد استفاده از روش‌های جستجو برای حل مسائل بحث خواهد شد. همچنين چگونگی استفاده از دانش خاص يک مساله (يا دسته ای از مسائل) جهت بهبود زمان جستجو بررسی می‌شود. ذخيره دانش و استنتاج نيز بخش ديگری از توانایی عامل‌های هوشمند است که در اين درس به آن پرداخته خواهد شد. در اين خصوص به منطق گزاره ای، مرتبه اول و منطق احتمالاتی و چگونگی استنتاج در اين منطق‌ها می‌پردازيم. همچنين درباره مبحث برنامه‌ريزی که هدف آن يافتن برنامه‌ای از کنش‌ها برای رسيدن به اهداف است، صحبت خواهد شد. محتوای این دوره مربوط به سال 96 می‌باشد که جلسه 10 ناقص ضبط شده‌است. همچنین در مکتب خونه انواع دوره آموزش هوش مصنوعی، آموزش برنامه نویسی و آموزش پایتون به عنوان مکمل و پیش نیاز این دوره موجود است. هوش به معنای توانایی تفکر،جستجو ،استخراج اطلاعات و تصمیم‌گیری در شرایط تجربه نشده است. بنابر‌این می‌توان نتیجه گرفت که یک موجود هوشمند، موجودی است که توانایی تفکر، جستجو، استنتاج و استخراج اطلاعات و تصمیم‌گیری در شرایط تجربه نشده را داشته باشد. تصور عموم افراد از واژه‌ی هوش مصنوعی، ربات‌های بی‌جان و بی‌احساسی است که به زودی قرار است جای فعالیت های انسانی را گرفته و انجام امور را راحت‌تر و سریع‌تر کنند اما اینگونه نیست. سیستم‌های دارای هوش مصنوعی به سیستم‌هایی گفته می شود که می‌توانند واکنش‌هایی مشابه رفتارهای هوشمند انسانی را داشته باشند. به عبارت دیگر سیستمی که توانایی درک وقایع و تصمیم گیری در خصوص مسائل مختلف داشته باشد را هوش مصنوعی می‌گوییم. تصور کنید از قبل به یک فرد گفته می‌شود اگر توسط کسی دنبال شدید از یک مسیر خاص حرکت کنید در صورتی که فرد همین عمل را بدون تغییری انجام دهد می‌توان گفت در اینجا هوشمندی وجود نداشته است اما اگر این مسیر به دلایلی بسته شده باشد با توجه به شرایط موجود، فرد باید استنتاج و استدلال کرده و از هوش خود برای حل مسئله و همچنین تصمیم گیری در شرایط تجربه نشده استفاده کند. از تفاوت‌های اساسی بین هوش ماشینی و هوش انسانی می‌توان به دقت و سرعت میان آن‌ها اشاره کرد. ممکن است سیستمی تنها به واسطه اطلاعات بیشتری که در حافظه ذخیره کرده است سرعت و دقت بیشتری در پردازش و انجام عملیات داشته باشد پس به این نتیجه می‌رسیم که هوشمندی ارتباطی با سرعت و دقت در سیستم‌های مختلف ندارد. همزمان با پیدایش کامپیوتر، تحقیق و شناخت علم هوش مصنوعی توسط “وارن مک کلود” و “والتر پیتز” از سال 1943 میلادی آغاز شد که رفته رفته با پیشرفت علم و کشف الگوریتم‌های خاص و استفاده از دانش فیزیولوژی و عملکرد نرون در مغز، پای شبکه‌های عصبی و سیستم‌های پیچیده امروزی به میدان آمد. هوش مصنوعی در کسب‌و‌کارهای مختلف کاربردهای متفاوتی دارد که از جمله‌ی آن‌ها می‌توان به هوش مصنوعی در فضا، برقراری امنیت، سلامت، آموزش پرورش، اقتصاد و… اشاره نمود. صاحب نظران این علم ۴ رویکرد مختلف برای تعریف هوش مصنوعی دارند که عبارتند از : به طور کلی هوش مصنوعی شاخه‌ای از علوم رایانه است که هدف اصلی از ساخت و توسعه‌ی آن، ماشین های هوشمندی است که مانند انسان وقایع را درک کنند و قدرت تصمیم گیری داشته باشند. درس آموزش هوش مصنوعی با کلام ساده و روان “سرکار خانم مهدیه سلیمانی” استادیار دانشکده کامپیوتر دانشگاه صنعتی شریف ضبط شده است. استاد سلیمانی با تکیه بر درک مبانی الگوریتم‌ها، این دوره را با آموزش مباحث مرتبط با عامل‌های هوشمند و جستجوی ناآگاهانه آغاز و با گراف و برنامه ریزی، منطق گزاره و منطق مرتبه اول به پایان می‌رساند. درس هوش مصنوعی از دروس اصلی مهندسی کامپیوتر گرایش نرم‌افزار و سخت‌افزار به حساب آمده همچنین به دلیل اهمیت بالای این مبحث، گرایشی تحت عنوان هوش مصنوعی در کارشناسی ارشد رشته تحصیلی مهندسی کامپیوتر در نظر گرفته شده که در آن با جزئیات بیش‌تری از هوش مصنوعی و طراحی آن آشنا خواهید شد. فیلم های آموزشی: 1 – جلسه اول – مقدمه، سرفصل مطالب و تاریخچه 2 – جلسه دوم – آشنایی با عامل های هوشمند و خواص محیط 3 – جلسه سوم – ادامه بحث عامل های هوشمند، شروع بحث حل مساله با جستجو (search) 4 – جلسه چهارم – روش های جستجوی ناآگاهانه (uninformed) 5 – جلسه پنجم – ادامه روش های جستجوی ناآگاهانه (uninformded) و معرفی اولیه A* 6 – جلسه ششم – الگوریتم *A، اثبات بهینگی و خواص تابع اکتشافی (heuristic function) 7 – جلسه هفتم – طراحی تابع اکتشافی و شروع بحث جستجوی محلی (local search) 8 – جلسه هشتم – روش‌های جستجوی محلی (local search) 9 – جلسه نهم – جستجو در محیط های نيمه مشاهده‌پذير (partially observable) و و غير قطعی (non-deterministic) 10 – جلسه دهم – جستجوی برخط (online search) 11 – جلسه یازدهم – – جستجوی در مقابل حریف (adversarial search) 12 – جلسه دوازدهم – ادامه بحث جستجوی در مقابل حریف، شروع بحث معرفی مسایل ارضا محدودیت (csp) 13 – جلسه سیزدهم – حل مسایل ارضای محدودیت (csp) (1) 14 – جلسه چهاردهم – حل مسایل ارضای محدودیت (csp) (2) 15 – جلسه پانزدهم – نکاتی در حل مسایل ارضای محدودیت (csp) و شروع بحث عامل‌های منطقی و منطق گزاره‌ای 16 – جلسه شانزدهم – استنتاج در منطق گزاره‌ای 17 – جلسه هفدهم – عامل منطقی و منطق مرتبه اول 18 – جلسه هجدهم – منطق مرتبه اول و استنتاج در منطق مرتبه اول 19 – جلسه نوزدهم – استنتاج در منطق مرتبه اول 20 – جلسه بیستم – برنامه ریزی 21 – جلسه بیست و یکم – گراف برنامه ریزی 22 – جلسه بیست ودوم – برنامه ریزSAT Plan و pop 23 – جلسه بیست و سوم – نمایش دانش احتمالی و استنتاج در دانش احتمالی 24 – جلسه بیست و چهارم – 25 – جلسه بیست و پنجم – تصمیم گیری در محیط های غیر قطعی(یادگیری تقویتی)