آموزشگاه هوش مصنوعی

تاریخچه هوش مصنوعی

هوش مصنوعی از زمان آغاز کار خود در اواسط قرن بیستم تا کنون، مسیر دور‌ودرازی را طی کرده است. در این بخش، تاریخچه هوش مصنوعی را به‌طور خلاصه مرور می‌کنیم.

اواسط قرن بیستم

منشا و پیدایش هوش مصنوعی را می‌توان مربوط به اواسط قرن بیستم میلادی دانست. در این دوره‌، دانشمندان کامپیوتر الگوریتم‌ها و نرم‌افزارهایی ساختند که می‌توانستند تسک‌هایی مثل حل مسئله، تشخیص الگو و قضاوت را که معمولا با هوش انسانی قابل‌انجام است، انجام دهند. آلن تورینگ (Alan Turing) یکی از پیشگامان این حوزه بود و ایده طراحی یک ماشین را مطرح کرد که می‌توانست هر کار انجام‌شده با هوش انسانی را شبیه‌سازی کند. به این توانایی شبیه‌سازی، آزمایش تورینگ گفته می‌شود.

کنفرانس دارتموث (Dartmouth) ۱۹۵۶

در کنفرانس دارتموث سال ۱۹۵۶، شخصیت‌های دانشگاهی زیادی گرد هم آمدند تا ایده ساخت ربات‌هایی را که قابلیت «تفکر» دارند، بررسی کنند. در این کنفرانس، حوزه هوش مصنوعی به‌طور رسمی معرفی شد. در آن زمان، سیستم‌های قانون محور و تفکر سمبلیک موضوعات اصلی مطالعات هوش مصنوعی بودند.

دهه ۱۹۶۰ و ۱۹۷۰

در دهه‌های ۱۹۶۰ و ۱۹۷۰، تمرکز تحقیقات هوش مصنوعی به توسعه‌ سیستم‌های ویژه‌ای معطوف شد که طراحی شده بودند تا تصمیمات متخصصان انسانی در زمینه‌های خاص را تقلید کنند. این روش‌ها اکثرا در صنعت‌های مهندسی، امور مالی و پزشکی استفاده می‌شد.

دهه ۱۹۸۰

در دهه ۱۹۸۰، مشکلات سیستم‌های قانون محور آشکار شد و تحقیقات هوش مصنوعی به سمت یادگیری ماشینی (Machine learning) رفت. یادگیری ماشینی شاخه‌ای از هوش مصنوعی است که از طریق روش‌های آماری به کامپیوترها امکان می‌دهد که از داده‌ها یاد بگیرند. در نهایت، شبکه‌های عصبی جدیدی بر اساس ساختار و عملکرد مغز انسان ساخته و مدل‌سازی شد.

دهه ۱۹۹۰ و ۲۰۰۰

در دهه ۱۹۹۰، هوش مصنوعی در زمینه‌های رباتیک، بینایی کامپیوتر و پردازش زبان طبیعی پیشرفت چشمگیری داشت. در اوایل دهه ۲۰۰۰، با پیدایش یادگیری عمیق (شاخه‌ای از یادگیری ماشینی که از شبکه‌های عصبی عمیق استفاده می کند) منجر به پیشرفت در تشخیص گفتار، تشخیص تصویر و پردازش زبان طبیعی شد.

مبانی هوش مصنوعی

هوش مصنوعی چیست ؟

وقتی اصطلاح هوش مصنوعی (Artificial Intelligence) شنیده می‌شود چه چیزی به ذهن خطور می‌کند؟ ربات‌های ابرقدرت؟ دستگاه‌های فوق هوشمند؟ جهانیان از طریق فیلم‌های علمی تخیلی به نوعی با هوش مصنوعی آشنا شده‌اند. اما خارج از هالیوود و دنیای فیلم‌های علمی تخیلی به واقع هوش مصنوعی چیست و به وسیله AI در واقعیت چه کارهایی را می‌توان انجام داد؟ در درجه اول هوش مصنوعی شامل استفاده از کامپیوترها برای انجام کارهایی می‌شود که معمولاً به هوش انسانی نیاز دارند. انسان‌ها می‌توانند با چشمانشان ببینند و آنچه می‌بینند را پردازش کنند. انسان‌ها می‌توانند محیط خود را درک کنند و در محیط به اطراف حرکت کنند. مغز انسان قابلیت و توانایی دیدن الگوها را دارد. همچنین انسان‌ها می‌توانند با استفاده از زبان‌های مختلف با یکدیگر صحبت کنند.

هوش مصنوعی شاخه‌ای وسیع از علوم کامپیوتر به حساب می‌آید که اصطلاحات بسیاری در خصوص آن در این حوزه وجود دارند. برای اینکه بتوان کامپیوترها را برای انجام آنچه در توان انسان است به کار گرفت، نیاز به مقدار داده‌های بسیار زیادی وجود دارد. مجموعه داده‌های بزرگ باعث می‌شوند تا بتوان با استفاده از الگوریتم‌های هوش مصنوعی الگوها را شناسایی کرد، پیش‌بینی انجام داد و در خصوص اقدامات مورد نیاز توصیه‌هایی را ارائه داد. هوش مصنوعی همین حالا هم در تمام جنبه‌های زندگی انسان‌ها وجود دارد و به کار گرفته می‌شود. اما همچنان بهترین سیستم‌های هوش مصنوعی امروزی نمی‌توانند از برخی جهت‌ها با مغز انسان رقابت کنند. برای مثال، در سال ۲۰۱۶ برنامه کامپیوتری «آلفاگو» (AlphaGo)، بازیکن حرفه‌ای و اسطوره‌ای بازی Go را شکست داد. اما اگر از همان کامپیوتر بخواهیم اتومبیلی را براند یا راه برود یا حتی مونوپولی بازی کند، قطعاً نخواهد توانست به تنهایی چنین کارهایی را انجام دهد و حتماً باید توسط انسان برای آن هدف خاص ساخته شود و آموزش ببیند. قدرت محاسباتی هوش مصنوعی بسیار گسترده و عظیم است، اما مغز انسان قابلیت این را دارد که در بسیاری از جنبه‌ها مجموعه داده‌هایی بسیار وسیع‌تر و روش‌هایی بسیار بهینه‌تر را به کار بگیرد.

کلمه مصنوعی یا Artificial به آنچه گفته می‌شود که به صورت طبیعی بوجود نیامده و در واقع توسط انسان‌ها ساخته شده است. کلمه هوش یا Intelligence نیز به توانایی تفکر و آموختن براساس تجربه گفته می‌شود. حالا اگر این دو کلمه با هم ترکیب شوند، عبارت هوش مصنوعی (Artificial Intelligence) بدست می‌آید.

هوش مصنوعی چیست ؟

هوش مصنوعی به چیزی گفته می‌شود که طبیعی نیست اما می‌تواند تفکر کند و براساس تجربه یاد بگیرد و تصمیم‌گیری انجام دهد. بنابراین به زبان ساده، هوش مصنوعی به توانایی تفکر یا یادگیری کامپیوتر یا ماشین گفته می‌شود. برای اینکه فردی هوشمند و دارای هوش تلقی شود، باید یادگیری اتفاق بیوفتد و فرد آموزش ببیند. در واقع انسان‌ها هم از روز اولی که به دنیا می‌آیند هوشمند نیستند و برای تبدیل شدن به فردی هوشمند و باهوش باید تحت آموزش قرار بگیرند. وقتی که انسان‌ها یاد می‌گیرند، در واقع مواردی را به خاطر می‌سپارند و اطلاعاتی را در مغزشان ذخیره می‌کنند. سپس از این اطلاعات ذخیره شده در مغز برای تصمیم‌گیری هوشمندانه استفاده می‌شود. در خصوص ماشین‌ها و هوش مصنوعی هم شرایط یکسان است و درست مشابه انسان‌ها کامپیوترها هم باید ابتدا یاد بگیرند و نمی‌توانند تا زمانی که آموزش ندیده‌اند هوشمند شوند. بهتر است برای درک بهتر اینکه هوش مصنوعی چیست مثالی ساده ارائه شود.

برای مثال اگر فردی بخواهد رانندگی کند و اتومبیلی را براند، پیش از هر چیز باید موارد لازم را در مورد آن ماشین یاد بگیرد. فرد باید حتماً نحوه روشن کردن اتومبیل را بیاموزد؛ باید یاد بگیرد چگونه از دنده و پدال‌ها استفاده کند و ماشین را به جلو براند. همچنین علائم رانندگی بسیار مهم هستند و فرد باید بتواند مفهوم هرکدام از آن‌ها را درک کند و آن‌ها را در مغز خود حفظ کرده باشد. به این ترتیب در حین رانندگی فرد می‌تواند براساس آموخته‌های خود تصمیم‌گیری کند.

کامپیوترها هم به همین شکل عمل می‌کنند. یادگیری در کامپیوترها با استفاده از داده‌ها اتفاق می‌افتد. ماشین‌ها و کامپیوترها الگوهای موجود در داده‌ها را درک می‌کنند و سپس مدل‌هایی را می‌سازند و این مدل‌ها برای تصمیم‌گیری مورد استفاده قرار می‌گیرند. بنابراین انجام کارهایی هوشمندانه توسط ماشین و کامپیوترهای ساخته شده توسط انسان را هوش مصنوعی می‌نامند.

هوش مصنوعی و یادگیری ماشین

یادگیری ماشین (Machine Learning) در واقع بخشی از هوش مصنوعی به حساب می‌آید و کاربردی از AI است. فرایند استفاده از مدل‌های ریاضی ساخته شده براساس داده‌ها توسط ماشین‌های کامپیوتری را یادگیری ماشین می‌نامند. هدف ماشین لرنینگ توسعه و ساخت سیستمی است که بتواند بدون دریافت دستورالعمل‌های دقیق و خط به خط، خودش یاد بگیرد و بیاموزد. در یادگیری ماشین سیستمی طراحی و ساخته می‌شود که به یادگیری ادامه می‌دهد و رفته رفته خودش را بر اساس تجربه بدست آمده بهبود می‌دهد.

به قابلیت سیستم‌های کامپیوتری برای تقلید از عملکردهای شناختی انسان مانند یادگیری، حل مسئله و سایر موارد هوش مصنوعی گفته می‌شود. هوش مصنوعی از یادگیری ماشین استفاده می‌کند تا دانش مربوطه و مورد نیاز را بدست آورد. سپس هوش مصنوعی دانش بدست آمده را به وسیله شبیه‌سازی منطق و استدلال انسانگونه برای توصیه یا تصمیم‌گیری به کار می‌گیرد. در حالی که هوش مصنوعی علم گسترده تقلید از توانایی‌های انسان است، یادگیری ماشین زیرمجموعه خاصی از هوش مصنوعی به حساب می‌آید که به ماشین آموزش می‌دهد چگونه یاد بگیرد.

هوش مصنوعی چه کارهایی انجام می دهد؟

تقلید از ساختار مغز انسان، درک متقابل و کمک دوطرفه، خودآموزی و بازاندیشی در مورد گونه‌های مختلف حیات بیولوژیکی، جایگزینی افراد در مشاغل مختلف و تقلب در بازی‌های کامپیوتری همگی تنها برخی از کارهایی هستند که امروزه هوش مصنوعی انجام می‌دهد. در این بخش سعی شده است تا به برخی از توانایی‌ها و قدرت‌های ماورایی هوش مصنوعی پرداخته شود.

آلفابت (Alphabet) شرکت مادر گوگل، اخیراً آزمایشگاه‌هایی یکدست و همسان ساخته است که برای یافتن داروهای جدید با استفاده از هوش مصنوعی شرکت DeepMind (از شرکت‌های زیرمجموعه گوگل) تاسیس شده‌اند. هدف این سازمان بازتعریف فرایند کشف دارو از صفر و یافتن راه‌هایی جدید برای درمان بیماری‌ها با استفاده از هوش مصنوعی است. این آزمایشگاه‌ها نه تنها داده‌ها را تجزیه و تحلیل خواهند کرد بلکه مدل‌هایی قدرتمند، پیش‌بینی کننده و مولد را از پدیده‌های پیچیده بیولوژیکی خواهند ساخت. در حالی که هنوز هیچ کس در تلاش برای یافتن درمان بیماری‌های مختلف با استفاده از شبکه‌های عصبی به پیشرفت قابل توجهی دست پیدا نکرده است، شرکت DeepMind در حال حاضر در هوش مصنوعی حرف اول را می‌زند و سیستم یادگیری الگوریتم این شرکت انطباق‌پذیرترین سیستم موجود است که می‌توان آن را برای اهداف و مقاصد مختلف به کار گرفت.

امروزه از هوش مصنوعی یا همان شبکه‌های عصبی برای آموزش ربات‌ها نیز به طور گسترده استفاده می‌شود. برای مثال با استفاده از مدلی جدید بر اساس هوش مصنوعی، مهندسان دانشگاه MIT موفق شده‌اند تا ربات‌ها را برای حمل و نگه داشتن هزاران شی مختلف با استفاده از بازو‌های مکانیکی خود آموزش دهند. این کار با استفاده از یادگیری تقویتی و بدون شبیه‌سازی انجام شده و نتیجه کار ساخت شبیه‌سازی دست انسان گونه است که می‌تواند بیش از ۲ هزار شی مختلف را بردارد و آن‌ها را با استفاده از بازوهای مکانیکی خود لمس کند و حرکت دهد.

شاخه های هوش مصنوعی

1. سیستم خبره (Experts Systems)
2. رباتیک (Robotics)
3. یادگیری ماشین (Machine Learning)
4. شبکه عصبی (Neural Network)
5. منطق فاری (Fuzzy Logic)
6. پردازش زبان طبیعی (Natural Language Processing)

سطوح مختلف هوش مصنوعی

یک سیستم هوش مصنوعی بر اساس آن چه که از دنیای بیرون درک می‌کند و می‌تواند به آن پاسخ دهد، دارای سه سطح می‌باشد. هوش مصنوعی محدود، عمومی و سوپر هوش مصنوعی..

هوش مصنوعی محدود (artificial narrow intelligence)

در تاریخچه هوش مصنوعی ، هوش مصنوعی محدود بسیار زودتر از انواع دیگر هوش مصنوعی پدید آمده است. این روزها نمونه های هوش مصنوعی محدود زیاد است. برای مثال رایانه‌هایی که در بازی های پیچیده‌ای مانند شطرنج ، تصمیم گیری هوشمندانه در زمینه تجارت و انواع دیگر کارهای مهم توانسته‌اند بهتر از انسان عمل کنند نمونه‌هایی از هوش مصنوعی محدود هستند. زمانی که در مورد هوش مصنوعی محدود صحببت می‌کنیم منظورمان سیستم‌های هوشمندی است که در انجام دادن یک وظیفه (task) به خصوص بهتر از انسان عمل می‌کنند. برای مثال سیستم هوشمندی که می‌تواند به صورت خودکار گفتار را به نوشتار تبدیل کند یا سیستم‌های تشخیص چهره که قادرند هویت یک فرد را حتی در شلوغی و سیل عظیمی از جمعیت تشخیص دهند. اگر بخواهیم برخی از کاربرد‌های هوش مصنوعی محدود را مثال بزنیم، عبارتند از:

• اتومبیل های خودران که به کمک هوش مصنوعی یاد می‌گیرند که چگونه رانندگی کنند.
• سیستم‌های پردازش تصویر و تشخیص چهره که می‌توانند کارهای بسیاری را انجام دهند و عملیات تشخیص هویت افراد را انجام دهند.
• سیستم‌های هوش مصنوعی که به انجام فرآیندهای مالی در بانک‌ها و سایر کسب و کارهای مالی کمک می‌کند.
• دستیارهای هوشمند که بر اساس نیازهایتان به شما کمک می‌کنند و حتی پروازها و هتل هایتان را از قبل رزرو می‌کنند.

هوش مصنوعی عمومی (Artificial General Intelligence)

منظور از هوش مصنوعی عمومی ماشینی است که می‌تواند دنیای اطراف خود را همانند یک انسان درک کند و دارای ظرفیت و گنجایش مشابه برای انجام فعالیت‌ها و وظایفی است که یک انسان به طور معمول آن‌ها را انجام می‌دهد. در حال حاضر هوش مصنوعی عمومی وجود ندارد اما رد پای آن را می‌توانیم در داستان های دارای ژانر عملی-تخیلی مشاهده کنیم. از نظر تئوری یک هوش مصنوعی عمومی می‌تواند هم سطح انسان فعالیت کند و یا حتی در زمینه‌هایی مانند حافظه و غیره از او بهتر عمل کند. با این سطح از آگاهی و دانش یک ماشین می‌تواند تمام کارهایی که زمانی بر انسان محول می‌شد را بدون نیاز به وجود انسان انجام دهد و با گذشت زمان بیشتر ماشین‌های دارای هوش مصنوعی عمومی می‌توانند در بسیاری از زمینه‌ها جای انسان را پر کنند. خاتمه دادن به نیاز حضور نیروی انسانی در بسیاری از کارها و استفاده از تکنولوژی هوش مصنوعی عمومی یا کامل می‌تواند مانند هر تکنولوژی دیگری هر دو جنبه مثبت و منفی در زندگی اجتماعی و فردی انسان‌ها داشته باشد. اما با همه‌ی این‌ها وجود آن بسیار مفید و در عین حال اجتناب ناپذیر خواهد بود. به کمک هوش مصنوعی عمومی که دارای توانایی‌ها و ظرفیت‌های زیادی برای کمک به بشریت می‌باشد، بسیاری از مشکلاتی انسان امروزی با آن سر و کله می‌زند، همانند تغییرات شدید آب و هوایی، حل خواهد شد. سیستم‌های هوش مصنوعی عمومی می‌تواند از کارهای عادی تا کارهای بسیار مهم و خطیر را به بهترین شکل انجام دهند. در سطح عمومی آن‌ها می‌توانند کارهایی مثل رانندگی، دستیار شخصی هوشمند با توانایی درک همه‌ی نیازهای کاربر، یک دستیار پزشک و یا سیستم تشخیص بیماری و غیره باشد. در سطوح بالا این سیستم‌ها می‌توانند کارهایی را انجام دهند که به زندگی و امنیت و جان انسان‌ها بستگی دارد و می‌توانند به خوبی از پس چنین کارهایی بر بیایند.

سوپر هوش مصنوعی(Artificial Super Intelligence)

سوپر هوش مصنوعی در واقع عبارتی است که برای هوش مصنوعی استفاده می‌شود که سطح هوش و درک انسانی را پشت سر گذاشته و به نوعی دارای هوش فرا بشری خواهد شد. تا به حال هنوز هیچ جامعه‌ای نتوانسته به سوپر هوش مصنوعی دست پیدا کند. در حقیقت رسیدن یا نرسیدن و یا حتی زمان رسیدن به آن در حاله‌ای از ابهام می‌باشد. هم چنین این مسئله که چنین هوش مصنوعی چه کارهایی انجام می‌دهد و یا این مسئله که آیا قرار است تهدیدی برای بشر باشد یا فرصتی برای او، هم مبهم است و بسیاری از صاحب نظران نظرات بسیار متفاوتی را در این مورد دارد وبحثی داغ بین صاحبان غول‌های تکنولوژی می‌باشد. برای رسدن به این سطح از هوش مصنوعی، یک سیستم هوشمند باید تست تورینگ را پشت سر گذاشته باشد و هیچ ماشینی تا به حال به سطحی از درک و شعور و وسعت دانش یک انسان بالغ نرسیده است که از این تست سر بلند بیرون آمده باشد.

هوش مصنوعی چگونه آموزش می‌بیند؟

یادگیری ماشین

یادگیری ماشین (Machine Learning) یکی از زیر مجموعه های هوش مصنوعی است که به سیستم ها این امکان را می دهد تا به صورت خودکار یادگیری و پیشرفت داشته باشند بدون اینکه نیاز باید تا یک برنامه نویسی مخصوص به آن یادگیری خاص را انجام داد. تمرکز اصلی یادگیری ماشینی بر توسعه برنامه‌هایی است که بتوانند با دسترسی به داده‌ها، به طور خودکار از آن‌ها برای یادگیری خود سیستم استفاده کنند. در یادگیری ماشین فرآیند یادگیری با مشاهدات یا داده ها آغاز می شود و سیستم از مثال ها، تجارب مستقیم و یا دستور العمل ها و.. استفاده می‌کند تا به یک الگو مشخص برسد و بر اساس آن الگو شروع به تصمیم گیری و حل مسئله کند. هدف اصلی یادگیری ماشین آن است که به کامپیوتر اجازه بدهیم که بدون دخالت و کمک انسان به طور اتوماتیک یادگیری داشته باشند و بتواند بر اساس مشاهدات و داده‌ها رفتار خود را تنیم کند. الگوریتم های بسیار مختلفی برای یادگیری ماشین وجود دارد و هر روزه صدها الگوریتم جدید نیز در این زمینه تولید می‌شوند. به طور معمول این الگوریتم‌ها به وسیله سبک یادگیری (learning style) (مانند یادگیری نظارت شده، یادگیری بدون نظارت، یادگیری نیمه نظارت) و یا با توجه به شباهتشان در فرم و عملکرد ( مانند طبقه بندی، برگشت، درخت تصمیم گیری، دسته کردن، یادگیری عمیق و…) گروه بندی می شوند. صرف نظر از هر دو گروه‌بندی، تمام الگوریتم های یادگیری ماشین معمولا در زمینه‌های زیر فعالیت می‌کنند:

• نمایش: مجموعه ای از طبقه بندی کننده ها یا زبانی که کامیوتر آن را می فهمد.
• ارزشیابی: همچنین معروف به عملکرد هدف/نمره دهی.
• بهینه سازی: روش جست و جو؛ اغلب طبقه بندی کننده ای با بالاترین امتیاز.

هدف اساسی الگوریتم‌های یادگیری ماشین تفسیر موفقیت آمیز داده‌ها و تعمیم یادگیری‌ها به فراتر از نمونه‌های آموزش داده شده است.

یادگیری عمیق

یادگیری عمیق نوعی از یادگیری ماشین و هوش مصنوعی است که در واقع از روشی که ذهن انسان برای یادگیری موضوع خاصی به کار می‌گیرد، تقلید می‌کند. این نوع از یادگیری یکی از عناصر مهم در علم داده می‌باشد که شامل آمار و مدل سازی پیش بینی است. یادگیری عمیق برای دانشمندان داده که وظیفه جمع آوری ، تجزیه و تحلیل و تفسیر مقادیر زیادی از داده ها را دارند، بسیار کاربردی است و روند تحلیل و تفسیر داده‌ها را سریعتر و آسان تر می کند. به نوعی می توان گفت یادگیری عمیق در واقع همان یادگیری ماشین است به گونه ای که در سطح کارهای پیچیده، نمایش یا انتزاع، عمل یادگیری را برای یک سیستم هوش مصنوعی انجام می‌دهد و به این صورت ماشین درک بهتری از واقعیت های وجودی پیدا می‌کند و می تواند الگوهای مختلف را شناسایی کند. در ساده ترین سطح، یادگیری عمیق را می توان راهی برای خودکار سازی تجزیه و تحلیل پیش بینی‌ها دانست. برای شناسایی نحوه کار کرد یادگیری عمیق باید با شبکه‌های عصبی آشنا باشید. این نوع از یادگیری در واقع همانند یادگیری به وسیله شبکه‌های عصبی هستند که دارای لایه پنهان زیادی می‌باشند و هر چقدر در این لایه ها جلو تر بروید به مدل های پیچیده‌تر و کامل‌تری می‌رسید.

دسته بندی سیستم‌های هوش مصنوعی

آرنت هینتز، استادیار زیست شناسی تلفیقی و علوم کامپیوتر دانشگاه ایالتی میشیگان، هوش مصنوعی را به چهار دسته کلی تقسیم بندی می کند. این دسته بندی شامل سیستم هایی که امروزه وجود دارند تا سیستم های احساسی که هنوز وجود ندارند را در بر می‌گیرد. این دسته ها به شرح زیر هستند:

نوع اول: ماشین های انفعالی

نمونه این دسته deep blue است که یک برنامه شطرنج بود که در دهه 1990 توانست گری کاسپاروف، قهرمان شطرنج جهان را شکست دهد. deep blue می توانست مهره های روی هر خانه شطرنج را شناسایی کند و حرکت های پیش رو را پیش بینی کند. مشکل برنامه آن بود که نمی توانست تجربه های قبلی خود را به یاد بسپارد و از آن برای حرکت های آینده اش استفاده کند. این برنامه هربار تمام حرکت های استراتژیک ممکن خود و رقیب را بررسی و آنالیز می کرد و بهترین آن ها را انتخاب می کرد. این نوع از هوش مصنوعی و برنامه های این چنینی برای هدف های محدودی قابل استفاده هستند و نمی توانند به راحتی در موقعیت های دیگری کاربرد داشته باشند.

نوع دوم: حافظه محدود

این سیستم هوش مصنوعی برعکس قبلی می تواند از تجارب گذشته برای تصمیمات آینده اش استفاده کند. برخی از کارکرد های تصمیم گیری در ماشین های خود ران از این نوع طراحی هستند. این نوع ماشین ها از مشاهداتشان برای تصمیماتی که در آینده ای نه چندان دور می خواهند بگیرند استفاده می کنند. مثلا اینکه لاینی که در آن در حال رانندگی هستند را عوض کنند. البته این نوع مشاهدات و تجربیات به صورت همیشگی ذخیره نمی شوند

نوع سوم: تئوری ذهن

این نوع از هوش مصنوعی هنوز وجود ندارد اما اساس این عبارت روانشناختی به تمامی اعتقادات و دانش ها، آرزوها و آمال و نیت هر فرد بر می گردد و تاثیری که هر کدام از آن ها بر تصمیم گیری یک فرد دارد. این هوش مصنوعی قادر به درک و آنالیز این نوع از تصمیم گیری ها می باشد.

نوع چهارم: خود آگاهی

در این دسته سیستم هوش مصنوعی آگاهی از خود و هوشیاری وجود دارد. ماشین های دارای خود آگاهی می توانند بفهمند که در چه سطح و حالتی هستند و می توانند از اطلاعاتی که بدست می آورند احساسات دیگران را نتیجه گیری کنند. البته این نوع از هوش مصنوعی نیز همانند مورد سوم هنوز وجود ندارد.

حرکت به بالای صفحه