كاربرد شبكه هاي عصبي مصنوعي در پزشكي
كاربرد شبكه هاي عصبي مصنوعي در پزشكي
فهرست مطالب
چكيده1
فصل اول : هوش مصنوعي
1-1 مقدمه 3
1-2 هوش مصنوعي چيست4
1-3 تاريخچه هوش مصنوعي 7
1-4 افق‌هاي هوش مصنوعي9
1-5 آزمون تورينگ 10
1-6 فلسفه هوش مصنوعي11
1-7 مديريت پيچيدگي در هوش مصنوعي11
1-8 تكنيك‌ها وزبان‌هاي برنامه نويسي هوش مصنوعي12
1-9 عامل هاي هوشمند13
1-10 مقايسه هوش مصنوعي و هوش انساني13
فصل دوم :شبكه هايعصبي مصنوعي
2-1 شبكه عصبي چيست 16
2-2 مدل رياضي شبكه عصبي مصنوعي 17
2-3 نرون در شبكه عصبي 18
2-3-1 اجزاي يك نرون 19
2-3-2 انواع نرون ها از نظر نوع كاربرد 20
2-4 تاريخچه شبكه هاي عصبي مصنوعي21
2-5 انواع يادگيري شبكه هاي عصبي22
2-6 چرا از شبكه هاي عصبي استفاده مي كنيم؟ 24
2-7 مزيتهاي شبكه هاي عصبي24
2-8مسائل مناسب براي يادگيري شبكه هاي عصبي 24
2-9 برخي زمينه هاي استفاده از شبكه هاي عصبي 25
2-10 شبكه عصبي پرسپترون 26
2-11 الگوريتم پس انتشار خطا 30
2-12الگوريتم gradient descent ـ 33
2-13 روند شبيه سازي مسائل در شبكه هاي عصبي 34
2-14 معايب شبكه هاي عصبي 36
فصل سوم :كاربردهايشبكه هاي عصبي در پزشكي
3-1 تشخيص مواد آلرژي زا با استفاده از شبكه هاي عصبي مصنوعي 38
3-1-1 داده هاي شبيه سازي 39
3-1-2 شيوه كدگذاري رشته هاي پروتئيني39
3-1-3 شبكه هاي عصبي مورد استفاده41
3-1-4 آموزش و آزمون شبكه هاي عصبي مورد استفاده42
3-1-5 مقايسه دو شبكه استفاده شده 44
3-2 كاربرد شبكه عصبي در تشخيص بيماري سل ريه 46
3-2-1 تشخيص بيماري ها 46
3-2-3 علائم بيماري سل(سرطان ريه)46
3-2-4 شايع‌ترين اشكال سرطان ريه 47
3-2-5 روشهاي تشخيص بيماري 47
3-2-6 MMR 50
3-2-7 استخراج ويژگي ها50
3-2-8 مدل شبكه عصبي مورد استفاده و آموزش آن 51
3-3 پيش بيني نوسانات سطح قند خون در بيماران مبتلا به ديابت نوع 1 با استفاده از شبكه هاي عصبي خودبازگشتي المن52
3-3-1 داده هاي مورد استفاده شبكه عصبي53
3-3-2 روش مورد استفاده 54
3-3-3 نرمال سازي دادهها 55
3-3-4 شبكه هاي عصبي پرسپترون استفاده شده 55
3-3-5 شبكه هاي عصبي خود بازگشتي 58
3-3-6 مقايسه نتايج حاصل از شبكه پرسپترون و المن 61
3-4 تشخيص دوك خواب با استفاده از شبكه هاي عصبي مصنوعي63
3-4-1 مشخصات داده هاي مورد استفاده 65
3-4-2 ساختار شبكه عصبي مورد استفاده 65
3-4-3 روش آموزش و ارزيابي شبكه عصبي 66
3-4-4 پياده سازي شبكه عصبي 66
3-4-5 نتايج بدست آمده 70
3-5 مقايسه ي مدل شبكه عصبي مصنوعي و رگرسيون كاكس در پيشبيني بقاي بيماران مبتلا به سرطان معده 71
3-5-1 مواد و روش هاي مورد استفاده 72
3-5-2 نتايج حاصل از مقايسه دو مدل پيش بيني سرطان معده 73
3-5-3 كارهاي انجام شده در زمينه پيش بيني سرطان معده 76
3-6 تشخيص ديابت نوع 1 با استفاده از تركيب الگوريتم ANFISو GA-NN ـ 77
3-6-1 معيارهاي رايج تشخيص بيماري ديابت و ويژگيهاي داده هاي مورد استفاده 78
3-6-2 روش مورد استفاده 79
3-6-3 استخراج الگوهاي بهينه با استفاده از الگوريتم تكاملي 79
3-6-4 الگوريتمANFIS ـ 81
3-6-5 نتايج بدست آمده از اجراي الگوريتم 84
فصل چهارم : نتيجه گيري
4-1 نتيجه گيري 89
منابع 90
چكيده لاتين91
چكيده:
مجهز شدن علم پزشكي به ابزار هاي هوشمند در تشخيص و درمان بيماري ها مي تواند اشتباهات پزشكان و خسارت جاني و مالي را كاهش مي دهددر اين تحقيق كاربرد هاي نوعي شبكه هاي عصبي در پزشكي مورد بررسي قرار گرفته است تلاش ما بر اين بوده است كه تحقيق هم براي دانشجويان رشته كامپيوتر و هم براي دانشجويان پزشكي قابل استفاده باشدبررسي پژوهش هاي علمي انجام شده در اين تحقيق ايده هاي مناسبي براي تحقيقات بعدي ايجاد خواهد كردبخش 1 مقدمه اي بر هوش مصنوعي مي باشد در بخش 2 به برسي انواع شبكه هاي عصبي و بخشي از الگوريتم هاي به كار رفته در اين تحقيق مي پردازيم همچنين در بخش 3 به كاربرد شبكه هاي عصبي در پزشكي خواهيم پرداخت ودر بخش 4 مقاله خاتمه مي يابد
فصل اول
هوش مصنوعي
1-1 مقدمه
دهه‌هاي آغازين سده بيستم ميلادي و دوران پيشرفت شگرف صنعتي، همراه با توليد خودرو بود كه انقلاب همه جانبه‌اي درترابري، افزايش شتاب جابجايي و صدها كار و پيشه جديد دررشته‌هاي بازرگاني بوجود آورده بود
به نظر مي‌رسد كه سمبل دوران فراصنعتي و نماد فرآورده‌هاي بي‌همتاي قرن آينده«هوش مصنوعي» است‌امروزه موضوع هوش مصنوعي داغ‌ترين بحث ميان كارشناسان دانش رايانه واطلاعات و ديگر دانشمندان و تصميم‌گيرندگان است‌در سراسرتاريخ تا به امروز انسان از جنبه تن و روان، مركز و محور بحث‌هاو پژوهش‌ها بوده است‌ولي اكنون موجودي با رتبه‌اي پائين‌تر،بي‌جان و ساختگي مي‌خواهد جانشين او شود، امري كه بدون شك مي‌توان ادعا نمود بيشتر انسان‌ها با آن مخالفند.
هوش مصنوعي چنانچه به هدف‌هاي والاي خود برسد، جهش‌بزرگي در راه دستيابي بشر به رفاه بيشتر و حتي ثروت افزون‌ترخواهد بودهم اكنون نمونه‌هاي خوب و پذيرفته از هوش مصنوعي‌در دنياي واقعي ما به كار افتاده است‌چنين دستاوردهايي، صرف‌منابع لازم در آينده را همچنان توجيه خواهد كرد. از سوي ديگر، منتقدين هوش مصنوعي چنين استدلال مي‌كنندكه صرف زمان و منابع ارزشمند ديگر در راه ساخت فراورده‌اي كه‌پر از نقص و كاستي ودست‌آوردهاي مثبت اندكي است،مايه بدنام كردن و زير پا گذاشتن‌توانمندي‌ها و هوشمندي‌هاي‌انسان مي‌باشدتلخ‌ترين انتقادها بر اين باور است كه هوش‌مصنوعي، توهين آشكار به گوهر طبيعت و نقش انسان است
1-2 هوش مصنوعي چيست
« هوش مصنوعي، دانش ساختن ماشين ها يا برنامه‌هاي هوشمند است»همانگونه كه از تعريف فوق كه توسط يكي از بنيانگذاران هوش مصنوعي ارائه شده است برمي‌آيد،حداقل به دو سؤال بايد پاسخ داد:
1ـ هوشمندي چيست؟
2ـ برنامه‌هاي هوشمند، چه نوعي از برنامه‌ها هستند؟
تعريف ديگري كه از هوش مصنوعي مي‌توان ارائه داد به قرار زير است:
« هوش مصنوعي، شاخه‌ايست از علم كامپيوتر كه ملزومات محاسباتي اعمالي همچون ادراك (Perception)، استدلال(reasoning)و يادگيري(learning)را بررسي كرده و سيستمي جهت انجام چنين اعمالي ارائه ميدهد »
و در نهايت تعريف سوم هوش مصنوعي از قرار زير است:
«هوش مصنوعي، مطالعه روشهايي است براي تبديل كامپيوتر به ماشيني كه بتواند اعمال انجام شده توسط انسان را انجام دهد »به اين ترتيب مي‌توان ديد كه دو تعريف آخر كاملاً دو چيز را در تعريف نخست واضح كرده‌اند
1- منظور از موجود يا ماشين هوشمند چيزي است شبيه انسان
2- ابزار يا ماشيني كه قرار است محمل هوشمندي باشد يا به انسان شبيه شود، كامپيوتر است
هردوي اين نكات كماكان مبهم و قابل پرسش اندآيا تنها اين نكته كه هوشمندترين موجودي كه مي‌شناسيم، انسان است كافي است تا هوشمندي را به تمامي اعمال انسان نسبت دهيم؟ حداقل اين نكته كاملاً واضح است كه بعضي جنبه‌هاي ادراك انسان همچون ديدن و شنيدن كاملاً ضعيف‌تر از موجودات ديگر است علاوه بر اين، كامپيوترهاي امروزي با روشهايي كاملاً مكانيكي(منطقي) توانسته‌اند در برخي جنبه‌هاي استدلال، فراتر از توانايي‌هاي انسان عمل كنند بدين ترتيب، آيا مي‌توان در همين نقطه ادعا كرد كه هوش مصنوعي تنها نوعي دغدغه علمي يا كنجكاوي دانشمندانه است و قابليت تعمق مهندسي ندارد؟(زيرا اگر مهندسي، يافتن روشهاي بهينه انجام امور باشد، به هيچ رو مشخص نيست كه انسان اعمال خويش را به گونه‌اي بهينه انجام ميدهد)اما همين سؤال را مي‌توان از سويي ديگر نيز مطرح ساخت، چگونه مي‌توان يقين حاصل كرد كه كامپيوترهاي امروزين، بهترين ابزارهاي پياده‌سازي هوشمندي هستند؟
رؤياي طراحان اوليه كامپيوتر از بابيج تا تورينگ، ساختن ماشيني بود كه قادر به حل تمامي مسائل باشد، البته ماشيني كه در نهايت ساخته شد(كامپيوتر) به جز دسته اي خاص از مسائل قادر به حل تمامي مسائل بوداما نكته در اينجاست كه اين «تمامي مسائل» چيست؟ طبيعتاً چون طراحان اوليه كامپيوتر، منطق‌دانان و رياضيدانان بودند، منظورشان تمامي مسائل منطقي يا محاسباتي بودبدين ترتيب عجيب نيست، هنگامي كه فون‌نيومان سازنده اولين كامپيوتر، در حال طراحي اين ماشين بود، كماكان اعتقاد داشت براي داشتن هوشمندي شبيه به انسان، كليد اصلي، منطق(از نوع به كار رفته در كامپيوتر) نيست، بلكه احتمالاً چيزي خواهد بود شبيه ترموديناميك!
به هرحال، كامپيوتر تا به حال به چنان درجه‌اي از پيشرفت رسيده و چنان سرمايه‌گذاري عظيمي برروي اين ماشين انجام شده است كه به فرض اين كه بهترين انتخاب نباشد هم، حداقل سهل‌الوصول‌ترين و ارزان‌ترين و عمومي‌ترين انتخاب براي پياده‌سازي هوشمنديست
بنابراين ظاهراً به نظر مي‌رسد به جاي سرمايه‌گذاري براي ساخت ماشين‌هاي ديگر هوشمند، مي‌توان از كامپيوترهاي موجود براي پياده‌سازي برنامه‌هاي هوشمند استفاده كرد و اگر چنين شود، بايد گفت كه طبيعت هوشمندي ايجاد شده حداقل از لحاظ پياده‌سازي، كاملاً با طبيعت هوشمندي انساني متناسب خواهد بود، زيرا هوشمندي انساني، نوعي هوشمندي بيولوژيك است كه با استفاده از مكانيسم‌هاي طبيعي ايجاد شده، و نه استفاده از عناصر و مدارهاي منطقيدر برابر تمامي استدلالات فوق مي توان اين نكته را مورد تاُمل و پرسش قرار داد كه هوشمندي طبيعي تا بدان جايي كه ما سراغ داريم، تنها برمحمل طبيعي و با استفاده از روش هاي طبيعت ايجاد شده استطرفداران اين ديدگاه تا بدانجا پيش رفته‌اند كه حتي ماده ايجاد كننده هوشمندي را مورد پرسش قرار داده اند، كامپيوتر از سيليكون استفاده مي كند، در حالي كه طبيعت همه جا از كربن سود برده است مهم تر از همه، اين نكته است كه در كامپيوتر، يك واحد كاملاً پيچيده مسئوليت انجام كليه اعمال هوشمندانه را بعهده دارد، در حالي كه طبيعت در سمت و سويي كاملاً مخالف حركت كرده استتعداد بسيار زيادي از واحدهاي كاملاً ساده (بعنوان مثال از نورون‌هاي شبكه عصبي) با عملكرد همزمان خود (موازي) رفتار هوشمند را سبب مي شوندبنابراين تقابل هوشمندي مصنوعي و هوشمندي طبيعي حداقل در حال حاضر تقابل پيچيدگي فوق العاده و سادگي فوق العاده استاين مساُله هم اكنون كاملاً به صورت يك جنجال(debate)علمي در جريان است
در هر حال حتي اگر بپذيريم كه كامپيوتر در نهايت ماشين هوشمند مورد نظر ما نيست، مجبوريم براي شبيه‌سازي هر روش يا ماشين ديگري از آن سود بجوييم
به هر نحو هنوز تعريف دقيقي كه مورد قبول همه دانشمندان اين علم باشد براي هوش مصنوعي ارائه نشده‌است، و اين امر، به هيچ وجه مايه تعجّب نيستچرا كه مقوله مادر و اساسي‌تر از آن، يعني خود هوش هم هنوز بطور همه‌جانبه و فراگير تن به تعريف نداده‌استدر واقع، مي‌توان نسل‌هايي از دانشمندان را سراغ گرفت كه تمام دوران زندگي خود را صرف مطالعه و تلاش در راه يافتن جوابي به اين سؤال عمده نموده‌اند كه هوش چيست؟
اما اكثر تعريف‌هايي كه در اين زمينه ارايه شده‌اند بر پايه يكي از ۴ باور زير قرار مي‌گيرند:
1سيستم‌هايي كه به طور منطقي فكر ميكنند
2سيستم‌هايي كه به طور منطقي عمل ميكنند
3سيستم‌هايي كه مانند انسان فكر ميكنند
4سيستم‌هايي كه مانند انسان عمل ميكنند
شايد بتوان هوش مصنوعي را اين گونه توصيف كرد:«هوش مصنوعي عبارت است از مطالعه اين كه چگونه كامپيوترها را مي‌توان وادار به كارهايي كرد كه در حال حاضر انسان‌ها آنها را بهتر انجام مي‌دهند»
1-3 تاريخچه هوش مصنوعي
هوش مصنوعي به خودي خود علمي است كاملاً جواندر واقع بسياري شروع هوش مصنوعي را 1950مي دانند زماني كه آلن تورينگ مقاله دوران‌ساز خود را در باب چگونگي ساخت ماشين هوشمند نوشت (آنچه بعدها به تست تورينگ مشهور شد) تورينگ درآن مقاله يك روش را براي تشخيص هوشمندي پيشنهاد مي‌كرداين روش بيشتر به يك بازي شبيه بود
فرض كنيد شما در يك سمت يك ديوار (پرده يا هر مانع ديگر) هستيد و به صورت تله تايپ باآن سوي ديوار ارتباط داريد و شخصي از آن سوي ديوار از اين طريق با شما در تماس استطبيعتاً يك مكالمه بين شما و شخص آن سوي ديوار مي‌تواند صورت پذيردحال اگر پس از پايان اين مكالمه، به شما گفته شود كه آن سوي ديوار نه يك شخص بلكه (شما كاملاً از هويت شخص آن سوي ديوار بي‌خبريد) يك ماشين بوده كه پاسخ شما را مي‌داده، آن ماشين يك ماشين هوشمند خواهد بود، در غير اين صورت(يعني در صورتي كه شما در وسط مكالمه به مصنوعي بودن پاسخ پي ببريد) ماشين آن سوي ديوار هوشمند نيست و موفق به گذراندن تست تورينگ نشده است بايد دقت كرد كه تورينگ به دو دليل كاملاً مهم اين نوع از ارتباط(ارتباط متني به جاي صوت) را انتخاب كرداول اين كه موضوع ادراكي صوت را كاملاً از صورت مساُله حذف كند و اين تست هوشمندي را درگير مباحث مربوط به دريافت و پردازش صوت نكند و دوم اين كه بر جهت ديگري هوش مصنوعي به سمت نوعي از پردازش زبان طبيعي تاكيد كند
در هر حال هر چند تاكنون تلاشهاي متعددي در جهت پياده سازي تست تورينگ صورت گرفته مانند برنامه Elizaو يا AIML(زباني براي نوشتن برنامه‌‌‌‌هايي كه قادر به chatكردن اتوماتيك باشند) اما هنوز هيچ ماشيني موفق به گذر از چنين تستي نشده است
همانگونه كه مشخص است، اين تست نيز كماكان دو پيش فرض اساسي را در بردارد:
1- نمونه كامل هوشمندي انسان است
2- مهمترين مشخصه هوشمندي توانايي پردازش و درك زبان طبيعي است
درباره نكته اول به تفصيل تا بدين جا سخن گفته ايم؛ اما نكته دوم نيز به خودي خود بايد مورد بررسي قرارگيرداين كه توانايي درك زبان نشانه هوشمندي است تاريخي به قدمت تاريخ فلسفه دارداز نخستين روزهايي كه به فلسفه(Epistemology)پرداخته شده زبان هميشه در جايگاه نخست فعاليتهاي شناختي قرار داشته استاز يونانيان باستان كه لوگوس را به عنوان زبان و حقيقت يكجا به كار مي‌بردند تا فيلسوفان امروزين كه يا زبان را خانه وجود مي‌دانند، يا آن را ريشه مسائل فلسفي مي‌خوانند؛ زبان، همواره شان خود را به عنوان ممتازترين توانايي هوشمندترين موجودات حفظ كرده است با اين ملاحظات مي‌توان درك كرد كه چرا آلن تورينگ تنها گذر از اين تست متظاهرانه زباني را شرط دستيابي به هوشمندي مي‌داند تست تورينگ اندكي كمتر از نيم‌قرن هوش مصنوعي را تحت تاثير قرار داد اما شايد تنها در اواخر قرن گذشته بود كه اين مسئله بيش از هر زمان ديگري آشكار شد كه متخصصين هوش مصنوعي به جاي حل اين مسئله باشكوه ابتدا بايد مسائل كم‌اهميت‌تري همچون درك تصوير (بينايي ماشين) درك صوت و…را حل كنند به اين ترتيب با به محاق رفتن آن هدف اوليه، اينك گرايشهاي جديدتري در هوش مصنوعي ايجاد شده‌انددر سال‌هاي آغازين AIتمركز كاملاً برروي توسعه سيستم‌هايي بود كه بتوانند فعاليتهاي هوشمندانه(البته به زعم آن روز) انسان را مدل كنند، و چون چنين فعاليت‌هايي را در زمينه‌هاي كاملاً خاصي مانند بازيهاي فكري، انجام فعاليتهاي تخصصي حرفه اي، درك زبان طبيعي، و…مي‌دانستند طبيعتاً به چنين زمينه‌هايي بيشتر پرداخته شد
در زمينه توسعه بازيها، تا حدي به بازي شطرنج پرداخته شد كه غالباً عده‌اي هوش مصنوعي را با شطرنج همزمان به خاطر مي‌آورندمك‌كارتي كه پيشتر اشاره شد، از بنيانگذاران هوش مصنوعي است اين روند را آنقدر اغراق‌آميز مي‌داند كه مي‌گويد:
«محدود كردن هوش مصنوعي به شطرنج مانند اين است كه علم ژنتيك را از زمان داروين تا كنون تنها محدود به پرورش لوبيا كنيم » به هر حال دستاورد تلاش مهندسين و دانشمندان در طي دهه‌هاي نخست را مي‌توان توسعه تعداد بسيار زيادي سيستمهاي خبره در زمينه‌هاي مختلف مانند پزشكي عمومي، اورژانس، دندانپزشكي، تعميرات ماشين،… توسعه بازيهاي هوشمند، ايجاد مدلهاي شناختي ذهن انسان، توسعه سيستمهاي يادگيري و دانستدستاوردي كه به نظر مي‌رسد براي علمي با كمتر از نيم قرن سابقه قابل قبول باشد
1-4 افق‌هاي هوش مصنوعي
در 1943،Mcclutch(روانشناس، فيلسوف و شاعر) و Pitts(رياضيدان) طي مقاله‌اي، ديده‌هاي آن روزگار درباره محاسبات، منطق و روانشناسي عصبي را تركيب كردندايده اصلي آن مقاله چگونگي انجام اعمال منطقي به وسيله اجزاي ساده شبكه عصبي بوداجزاي بسيار ساده (نورون‌ها) اين شبكه فقط از اين طريق سيگنال هاي تحريك(exitory)و توقيف(inhibitory)با هم درتماس بودنداين همان چيزي بود كه بعدها دانشمندان كامپيوتر آن را مدارهاي(And)و (OR)ناميدند و طراحي اولين كامپيوتر در 1947توسط فون نيومان عميقاً از آن الهام مي‌گرفتامروز پس از گذشته نيم‌قرن از كار Mcclutchو Pittsشايد بتوان گفت كه اين كار الهام بخش، گرايشي كاملاً پويا و نوين در هوش مصنوعي است پيوندگرايي (Connectionism)هوشمندي را تنها حاصل كار موازي و همزمان و در عين حال تعامل تعداد بسيار زيادي اجزاي كاملاً ساده به هم مرتبط مي‌داند شبكه‌هاي عصبي كه از مدل شبكه عصبي ذهن انسان الهام گرفته‌اند امروزه داراي كاربردهاي كاملاً علمي و گسترده تكنولوژيك شده‌اند و كاربرد آن در زمينه‌هاي متنوعي مانند پزشكي، سيستمهاي كنترلي، رباتيك، تشخيص متون، پردازش تصوير،…مورد بررسي قرار گرفته است
علاوه بر اين كار بر روي توسعه سيستمهاي هوشمند با الهام از طبيعت (هوشمندي‌هايغير از هوشمندي انسان) اكنون از زمينه‌هاي كاملاً پرطرفدار در هوش مصنوعي استالگوريتم ژنيتك كه با استفاده از ايده تكامل دارويني و انتخاب طبيعي پيشنهاد شده روش بسيار خوبي براي يافتن پاسخ به مسائل بهينه سازيستبه همين ترتيب روشهاي ديگري نيز مانند استراتژي‌هاي تكاملي نيز (EvolutionaryAlgorithms)در اين زمينه پيشنهاد شده انددراين زمينه هر گوشه‌اي از سازو كار طبيعت كه پاسخ بهينه‌اي را براي مسائل يافته است مورد پژوهش قرار مي‌گيردزمينه‌هايي چون سيستم امنيتي بدن انسان (Immun System)كه در آن بيشمار الگوي ويروس‌هاي مهاجم به صورتي هوشمندانه ذخيره مي‌شوند و يا روش پيدا كردن كوتاه‌ترين راه به منابع غذا توسط مورچگان (Ant Colony)همگي بيانگر گوشه‌هايي از هوشمندي بيولوژيك هستند گرايش ديگر هوش مصنوعي بيشتر بر مدل سازي اعمال شناختي تاُكيد دارد (مدل سازي نمادين يا سمبوليك) اين گرايش چندان خود را به قابليت تعمق بيولوژيك سيستمهاي ارائه شده مقيد نمي‌كندCASE-BASED REASONINGيكي از گرايشهاي فعال در اين شاخه مي‌باشدبعنوان مثال روند استدلال توسط يك پزشك هنگام تشخيص يك بيماري كاملاً شبيه به CBRاست به اين ترتيب كه پزشك در ذهن خود تعداد بسيار زيادي از شواهد بيماريهاي شناخته شده را دارد و تنها بايد مشاهدات خود را با نمونه‌هاي موجود در ذهن خويش تطبيق داده، شبيه‌ترين نمونه را به عنوان بيماري بيابد به اين ترتيب مشخصات، نيازمندي‌ها و توانايي‌هاي CBRبه عنوان يك چارچوب كلي پژوهش در هوش مصنوعي مورد توجه قرارگرفته است
البته هنگامي كه از گرايشهاي آينده سخن مي‌گوييم، هرگز نبايد از گرايشهاي تركيبي غفلت كنيمگرايش‌هايي كه خود را به حركت در چارچوب شناختي يا بيولوژيك يا منطقي محدود نكرده و به تركيبي از آنها مي‌انديشندشايد بتوان پيشبيني كرد كه چنين گرايش‌هايي فرا ساختارهاي (Meta –Structure) رواني را براساس عناصر ساده بيولوژيك بنا خواهند كرد
5-1 آزمون تورينگ
آزمون تورينگآزموني است كه توسط آلن تورينگدر سال ۱۹۵۰ در نوشته‌اي به نام «محاسبات ماشيني و هوشمندي» مطرح شددر اين آزمون شرايطي فراهم مي شود كه شخصي با ماشين تعامل برقرار كند و پرسش هاي كافي براي بررسي هوشمندي او بپرسدچنانچه در پايان آزمايش نتواند تعيين كند كه با انسان در تعامل بوده است يا با ماشين، تست تورينگ با موفقيت انجام شده استتا كنون هيچ ماشيني از اين آزمون با موفقيت بيرون نيامده استكوشش اين آزمون براي تشخيص درستي هوشمندي يك سيستم است كه سعي در شبيه سازي انسان دارد
6-1 فلسفه هوش مصنوعي
بطور كلي ماهيت وجودي هوش به مفهوم جمع آوري اطلاعات، استقرا و تحليل تجربيات به منظور رسيدن به دانشو يا ارايه تصميم مي‌باشددر واقع هوش به مفهوم به كارگيري تجربه به منظور حل مسائل دريافت شده تلقي مي‌شودهوش مصنوعي علم و مهندسي ايجاد ماشينهايي با هوش با به كارگيري از كامپيوتر و الگوگيري از درك هوش انساني و يا حيواني و نهايتاً دستيابي به مكانيزم هوش مصنوعي در سطح هوش انساني مي‌باشد
در مقايسه هوش مصنوعي با هوش انساني مي‌توان گفت كه انسان قادر به مشاهده و تجزيه و تحليلمسايل در جهت قضاوت و اخذ تصميم مي‌باشد در حالي كه هوش مصنوعي مبتني بر قوانين و رويه‌هايي از قبل تعبيه شده بر روي كامپيوتر مي‌باشددر نتيجه علي رغم وجود كامپيوترهاي بسيار كارا و قوي در عصر حاضر ما هنوز قادر به پياده كردن هوشي نزديك به هوش انسان در ايجاد هوشهاي مصنوعي نبوده‌ايم
بطور كلّي، هوش مصنوعي را مي‌توان از زواياي متفاوتي مورد بررسي و مطالعه قرار داداما بين هوش مصنوعي به عنوان يك هدف، هوش مصنوعي به عنوان يك رشته تحصيلي دانشگاهي، و يا هوش مصنوعي به عنوان مجموعه فنون و راه كارهايي كه توسط مراكز علمي مختلف و صنايع گوناگون تنظيم و توسعه يافته‌است بايد تفاوت قائل بود
7-1 مديريت پيچيدگي در هوش مصنوعي
ايجاد و ابداع فنون و تكنيك‌هاي لازم براي مديريّت پيچيدگيرا بايد به عنوان هستهٔبنيادين تلاشهاي علمي و پژوهشي گذشته، حال، و آينده، در تمامي زمينه‌هاي علوم رايانه، و به ويژه، در هوش مصنوعي معرّفي كردشيوه‌ها و تكنيك‌هاي هوش مصنوعي، در واقع، براي حلّ آن دسته از مسائل به وجود آمدهاست كه به طور سهل و آسان توسط برنامه‌نويسي تابعي (Functional programming)، يا شيوه‌هاي رياضي قابل حلّ نبوده‌اند
در بسياري از موارد، با پوشانيدن و پنهان ساختن جزئيّات فاقد اهميتت است كه بر پيچيدگي فائق مي‌آييم و مي‌توانيم بر روي بخش‌هايي از مسئله متمركز شويم كه مهم‌تر استتلاش اصلي در واقع، ايجاد و دستيابي به لايه‌ها و ترازهاي بالاتر از هوشمندي تجريدرا نشانه مي‌رود، تا آنجا كه، سرانجام برنامه‌هاي كامپوتري درست در همان سطحي كار خواهند كرد كه خود انسان‌ها رسيده‌اند
به ياري پژوهش‌هايگسترده دانشمندان علوممرتبط، هوش مصنوعي تاكنون راه بسياري پيموده‌استدر اين راستا، تحقيقاتي كه بر روي توانايي آموختن زبانها انجام گرفت و همچنين درك عميق از احساسات، دانشمندان را در پيشبرد اين دانش كمك زيادي كرده‌استيكي از اهداف متخصصين، توليد ماشينهايي است كه داراي احساسات بوده و دست كم نسبت به وجود خود و احساساتخود آگاه باشنداين ماشين بايد توانايي تعميم تجربيات قديمي خود در شرايط مشابه جديد را داشته و به اين ترتيب اقدام به گسترش دامنهدانش و تجربياتش كند
براي نمونه روباتيهوشمند كه بتواند اعضاي بدن خود را به حركت درآورد، اين روبات نسبت به اين حركت خود آگاه بوده و با آزمون و خطا، دامنه حركت خود را گسترش ميدهد و با هر حركت موفقيت آميز يا اشتباه، دامنه تجربيات خود را وسعت بخشيد و سر انجام راه رفته و يا حتي مي‌دود و يا به روشي براي جابجا شدن دست مي‌يابد، كه سازندگانش براي او متصور نبوده‌اند
هر چند نمونه بالا ممكن است كمي آرمانيبه نظر برسد، ولي به هيچ عنوان دور از دسترس نمي‌باشددانشمندان, عموماً براي توليد چنين ماشينهايي، از وجود مدلهاي زنده‌اي كه در طبيعت وجود، به ويژه آدمي نيز سود برده‌اند
هوش مصنوعي اكنون در خدمت توسعه علوم رايانه نيز مي‌باشدزبانهاي برنامه نويسي پيشرفته، كه توسعه ابزارهاي هوشمند را ممكن ساخته اند, پايگاههاي داده‌اي پيشرفته، موتورهاي جستجو، و بسياري نرم‌افزارهاو ماشينها از نتايج پژوهش‌هايي در راستاي هوش مصنوعي بوده‌اند
8-1 تكنيك‌ها و زبانهاي برنامه نويسي هوش مصنوعي
عملكرد اوليه برنامه نويسي هوش مصنوعي ايجاد ساختار كنترلي مورد لزوم براي محاسبه سمبوليك است زبانهاي برنامه نويسيLISP، PROLOGعلاوه بر اينكه از مهمترين زبانهاي مورد استفاده در هوش مصنوعي هستند خصوصيات نحوي ومعنايي انها باعث شده كه انها شيوه‌ها و راه حل‌هاي قوي براي حل مسئله ارايه كنندتاثير قابل توجه اين زبانها بر روي توسعه AIاز جمله توانايي‌هاي آنها بعنوان«ابزارهاي فكركردن»مي باشد در حقيقت همانطور كه هوش مصنوعي مراحل رشد خود را طي مي‌كند زبانهاي LISP، PROLOGبيشتر مطرح مي‌شوند اين زبانها كار خود را در محدوده توسعه سيستمهاي AIدر صنعت ودانشگاه‌ها دنبال ميكنند وطبيعتاً اطلاعات در مورد اين زبانها بعنوان بخشي از مهارت هر برنامه نويسAIمي‌باشد PROLOGيك زبان برنامه نويسي منطقي استيك برنامه منطقي داراي يك سري ويژگيهاي قانون ومنطق است در حقيقت خود اين نام از برنامه نويسيPROدر LOGICمي‌آيد در اين زبان يك مفسر برنامه را بر اساس يك منطق مي‌نويسدايده استفاده توصيفي محاسبه اوليه براي بيان خصوصيات حل مسئله يكي از محوريتهاي مشاركت PROLOGمي باشد كه براي علم كامپيوتر بطوركلي وبطور اخص براي زبان برنامه نويسي هوشمند مورد استفاده قرار مي‌گيرند LISPيك زبان كامل است كه داراي عملكردها وليست‌هاي لازمه براي توصيف عملكردهاي جديد و تشخيص تناسب وارزيابي معاني مي‌باشد LISPبه برنامه نويس قدرت كامل براي اتصال به ساختارهاي اطلاعاتي را ميدهد گر چه LISPيكي از قديمي ترين زبانهاي محاسباتي است كه هنوز فعال است ولي دقت كافي در برنامه نويسي وطراحي توسعه باعث شده كه اين يك زبان برنامه نويسي فعال باقي بماند در حقيقت اين مدل برنامه نويسي طوري موثر بوده‌است كه تعدادي از ديگر زبانها براساس عملكرد برنامه نويسي آن بنا شده‌اند : مثلFP،ML، SCHEMEيكي از مهمترين برنامه‌هاي مرتبط با LISPبرنامه SCHEMEمي‌باشد كه يك تفكر دوباره در باره زبان در آن وجود دارد كه بوسيله توسعه AIوبراي آموزش واصول علم كامپيوتر مورد استفاده قرار مي‌گيرد
9-1 عامل‌هاي هوشمند
عامل‌ها (Agents)قادر به شناسايي الگوها، و تصميم گيري بر اساس قوانين فكر كردن خود مي‌باشندقوانين و چگونگي فكر كردن هر عامل در راستاي دستيابي به هدفش، تعريف مي‌شوداين سيستم‌ها بر اساس قوانين خاص خود فكر كرده و كار خود را به درستي انجام مي‌دهندپس عاقلانه رفتار ميكنند، هر چند الزاما مانند انسان فكر نمي‌كنند
10-1 مقايسه هوش مصنوعي و هوش انساني
براي شناخت هوش مصنوعي شايسته است تا تفاوت آن را با هوش‌انساني به خوبي بدانيم‌مغز انسان از ميلياردها سلول يا رشته عصبي‌درست شده است و اين سلول‌ها به صورت پيچيده‌اي به يكديگرمتصل‌اندشبيه‌سازي مغز انسان مي‌تواند از طريق سخت‌افزار يا نرم‌افزارانجام گيردتحقيقات اوليه نشان داده است شبيه‌سازي مغز، كاري‌مكانيكي و ساده مي‌باشدبراي مثال، يك كرم داراي چند شبكه عصبي‌است‌يك حشره حدود يك ميليون رشته عصبي دارد و مغز انسان از هزار ميليارد رشته عصبي درست شده است‌با تمركز و اتصال رشته‌هاي‌عصبي مصنوعي مي‌توان واحد هوش مصنوعي را درست كرد .هوش انساني بسيار پيچيده‌تر و گسترده‌تر از سيستمهاي رايانه‌اي‌است و توانمنديهاي برجسته‌اي مانند: استدلال، رفتار، مقايسه، آفرينش‌و بكار بستن مفهوم ها را دارد
هوش انساني توان ايجاد ارتباط ميان موضوع‌ها و قياس ونمونه سازيهاي تازه را داردانسان همواره قانون‌هاي تازه‌اي مي‌سازد و يا قانون پيشين را در موارد تازه بكار مي‌گيردتوانايي بشر در ايجاد مفهوم‌هاي گوناگون در دنياي پيرامون خود، از ويژگيهاي ديگر اوست مفهوم‌هاي گسترده‌اي همچون روابط علت و معلولي، زمان و يا مفهوم‌هاي ساده‌تري مانند گزينش وعده‌هاي خوراك (صبحانه، ناهار وشام) را انسان ايجاد كرده است‌انديشيدن در اين مفهوم‌ها و بكاربستن‌آنها، ويژه رفتار هوشمندانه انسان است
هوش مصنوعي در پي ساخت دستگاههايي است كه بتوانند توانمندهاي ياد شده (استدلال، رفتار، مقايسه و مفهوم آفريني) را از خود بروز دهندآنچه تاكنون ساخته شده نتوانسته است خود را به اين پايه برساند، هر چند سودمندي‌هاي فراواني به بار آورده است
مقاله نقش تصاوير ماهواره‌اي بعنوان يك ابزار قوي در امر اكتشاف و استخراج
