🎥 🧠 برای ایجاد هوش مصنوعی عمومی، با استفاده از شناخت مغز انسان، باید محاسبات مغزی را مدلسازی کرد که به این رویکرد مدل‌سازی ملهم از مغز هم میگن (چیزی فراتر از شبکه‌های عصبی مرسوم، حتی فراتر از نوع عمیقش!). بی‌شک جناب آقای دکتر محمد گنج‌تابش (دانشیار و عضو هیئت علمی دانشگاه تهران) از بهترین متخصصین در این زمینه هستند، با بیانی بسیار شیوا و عمیق! پیشنهاد می‌کنم که برای مشاهده ویدیوهای آموزشی رایگان و استفاده از دانش بی‌بدیل ایشان در کانال زیر عضو شوید و وب‌سایت آزمایشگاه ایشان را دنبال کنین تا در جریان پیشرفت این عرصه قرار بگیرید:

✅ https://t.iss.one/CNRLab

✅ https://cnrl.ut.ac.ir


🔵 مقدمه:
در طی سال‌های اخیر، مدل‌های محاسباتی مختلفی برای انجام برخی از وظایف شناختی ما انسان‌ها ارایه شده‌اند که کارایی آنها در برخی از موارد از انسانها نیز بهتر بوده است. این اتفاق با ظهور تکنیک‌های جدید در هوش مصنوعی، به عنوان مثال یادگیری عمیق، سرعت بیشتری به خود گرفته است. اما نکته اصلی این است که چگونه هوش مصنوعی می‌تواند نهایتا از هوش ما انسانها پیشی بگیرد؟ آیا ماشین‌ها نیز می‌توانند مانند ما انسان‌ها دارای خلاقیت، نوآوری و یا حتی خودآگاهی شوند؟ به نظر می‌رسد مشکل اصلی در پیاده سازی این قابلیت‌ها، عدم وجود یک تعریف فرمال برای آنها بوده و تا زمانی که چنین تعریفی ارائه نشده باشد نمی‌توان انتظار داشت که هوشمندی ماشین‌ها (که به صورت فرمال عمل می‌کنند) از ما انسان‌ها پیشی بگیرد (هر چند که قدرت محاسباتی آنها بسیار بیشتر از ما باشد). از طرف دیگر، مصداق‌های زیادی از موجودات هوشمند در اختیار است که با مطالعه آنها می‌توان به ماهیت هوشمندی در این موجودات پی برد. اینگونه مطالعات در حوزه علوم اعصاب و علوم شناختی در حال انجام بوده و یافته‌های ارزشمندی در خصوص عملکرد مغز موجودات بدست آمده و روز به روز بر دانش ما از مغز اضافه می‌شود. تکنیک‌های مختلف برای نقشه‌برداری از مغز (مانند EEG، MEG، fMRI و غیره) ابداع و عملکرد مغز به صورت دقیق و علمی در حال مطالعه است. تلاش برای مدل‌سازی محاسباتی اینگونه یافته‌ها و پیاده‌سازی مدل‌های ارائه شده می‌تواند درجاتی از هوشمندی را در کامپیوتر‌ها به ارمغان بیاورد. با این روند، هر چه دانش ما از عملکرد نواحی مختلف مغز بیشتر شود، هوش مصنوعی نیز به هوش طبیعی نزدیکتر خواهد شد.

✅ https://t.iss.one/CNRLab

🔵 اهداف اصلی درس:
با توجه به مقدمه‌ ذکر شده، درس «علوم اعصاب محاسباتی» با هدف آشنایی هر چه بیشتر علاقمندان به این حوزه ارائه شده است. نبود یک درس منسجم که در آن جنبه‌های مختلف هوش مصنوعی از دیدگاه علوم اعصاب به صورت منطقی در کنار هم قرار گرفته باشند از انگیزه‌های اصلی در ارائه این درس بوده است. در تمامی مطالب این درس، سعی شده است که ابتدا یافته‌های زیستی از عمکرد نواحی مختلف مغز و همچنین واحد‌های سازنده آن (نورون‌ها و سیناپس‌ها) ارائه شده و سپس نظریه‌های مطرح در خصوص مدل‌های ریاضی و محاسباتی (بر پایه یافته‌های زیستی) آورده شوند. در قسمت دوم این درس، سیستم بینایی انسان، به طور خاص، به همراه برخی از مدل‌های محاسباتی آن ارائه شده است.

✅ https://t.iss.one/CNRLab

🔵 مخاطبین:
این درس برای تمامی علاقمندان به حوزه‌های علوم اعصاب، علوم شناختی و همچنین هوش مصنوعی می‌تواند مفید باشد. پیشنیاز خاصی برای دنبال کردن مطالب این درس وجود نداشته، هر چند آشنایی با ریاضیات، برنامه‌نویسی، و هوش مصنوعی کلاسیک می‌تواند در درک بهتر مفاهیم این درس کمک کننده باشد.

✅ https://t.iss.one/CNRLab

🔵 ارايه درس:
این درس، در نیمسال دوم سال تحصیلی ۱۳۹۸-۹۹ در گروه علوم کامپیوتر دانشگاه تهران ارائه شده است. با وجودی که این درس برای دانشجویان مقاطع تحصیلات تکمیلی ارائه شده است، اما دانشجویان دوره‌های کارشناسی نیز می‌توانند از آن استفاده نمایند.


❇️ پ.ن: با تشکر از جناب آقای دکتر گنج‌تابش برای لطفشان به AI Lessons

💎Join Us: @Ai_Lessons

🏆🐬 www.AiLessons.ir

#introduction