محاسبات نرم چیست؟ – به زبان ساده


در مطلب محاسبات نرم چیست ابتدا مفهوم محاسبات (رایانش) شرح داده شده است و سپس، به تعریف مفهوم محاسبات سخت و معرفی محاسبات نرم به بیانی ساده پرداخته و در مورد خصوصیات بارز آن توضیحات بیشتری داده شده است. در پایان نیز برخی کاربردهای محاسبات نرم بیان شده است.
رایانش چیست؟
قبل از فهم معنای محاسبات نرم (رایانش نرم | Soft Computing)، لازم است ابتدا به مفهوم رایانش (محاسبات | Computing) پرداخته شود. به بیانی ساده، رایانش به معنی نگاشت مجموعه دادههای دریافت شده در ورودی به خروجی، با استفاده از یک روش صوری (Formal Method) یا یک الگوریتم برای حل مسئله است.
در مفهوم رایانش، به ورودی «مقدم» (پیشایند | Antecedent) و به خروجی «پیامد» (برآیند | Consequent) گفته میشود.
روش محاسباتی باید بدون ابهام (Unambiguous) و دقیق (Accurate) باشد و همچنین یک راهحل قطعی (Precise Solution) ارائه دهد. رایانش برای مسائلی که مدلسازی ریاضیاتی سادهای دارند مناسب است.
پیش از ادامه این مبحث لازم است یادآور شویم که میتوانید هوش محاسباتی را با استفاده از مجموعه آموزش هوش محاسباتی فرادرس یاد بگیرید.
محاسبات سخت چیست؟
اکنون قبل از پرداختن به محاسبات نرم، بهتر است به چیستی محاسبات سخت (رایانش سخت | Hard Computing) و همچنین، دلیل نیاز به توسعه و ایجاد محاسبات نرم پرداخته شود. پروفسور لطفی علیعسگرزاده، ریاضیدان، دانشمند کامپیوتر، مهندس برق و استاد علوم رایانه در دانشگاه کالیفرنیا، اولین فردی بود که مفهوم و ایده محاسبات سخت را حدوداً در اواسط دهه ۷۰ شمسی معرفی کرد.
به گفته وی، یک مفهوم محاسباتی در صورتی در زمره محاسبات سخت قرار میگیرد که:
- نتایج دقیقی فراهم کند.
- الگوریتمی که برای حل مسئله استفاده میشود، صريح و بدون ابهام باشد.
- عملیات کنترلی به وسیله یک الگوریتم یا یک مدل ریاضیاتی مطابق تعریف بیان شده باشد.
مسائلی مانند مشتقگیری، انتگرال، الگوریتمهای جستجو و مرتبسازی، یافتن کوتاهترین فاصله بین دو نقطه و بسیاری از مسائل دیگری که بتوان برای آنها با استفاده از یک مدل ریاضی جواب دقیق و واضحی یافت، در زمره محاسبات سخت قرار میگیرند.
محاسبات نرم چیست؟
برخی مسائل واقعی مانند شناسایی دستخط (Handwriting Recognition)، دستهبندی تصویر (Image Classification)، تولید موسیقی (Music Generation) و سایر موارد، الگوریتمی برای رسیدن به جواب قطعی در مرتبه زمانی با تقریب چندجملهای ندارند. لذا، اینجا است که نیاز به استفاده از محاسبات نرم به وجود میآید.
محاسبات نرم، به کارگیری محاسبات تقریبی (Approximate Calculations) برای حل مسائل است که حاصل آن راهحلهایی هر چند نادقیق اما قابل قبول برای حل مسائل محاسباتی پیچیده هستند. این رویکرد راهحلهایی را برای مسائلی ارائه میدهد که ممکن است یا غیرقابل حل باشند و یا حل آنها با امکانات سختافزاری کنونی، بسیار زمانبر باشد. به رایانش نرم گاهی «هوش محاسباتی» (Computational Intelligence) نیز گفته می شود.
اصطلاح محاسبات نرم نیز توسط استاد لطفی زاده ابداع شده است. او محاسبات نرم را بدین صورت تعریف میکند:
محاسبات نرم مجموعهای از اصول و روشها است که با هدف به کارگیری و استفاده از تابآوری ابهام (Tolerance of Imprecision) و عدم قطعیت (Uncertainty) برای دستیابی به معقولیت (Tractability)، پایداری (Robustness) و جواب با هزینه کم مورد استفاده قرار میگیرد. اجزای اصلی محاسبات نرم، منطق فازی (Fuzzy Logic)، محاسبات عصبی (Neuro-Computing) و منطق احتمالاتی (Probabilistic Reasoning) است. الگو و منبع الهام محاسبات نرم، ذهن انسان است.
در تعریف بالا، نکات کلیدی وجود دارد که بسیار دارای اهمیت هستند و نیاز به درک عمیقتری از آنها وجود دارد. این موارد در ادامه تشریح شدهاند:
- تابآوری ابهام: بدین معنا است که در محاسبات نرم، نتایج حاصل شده، دقیق نیستند.
- عدم قطعیت: یک الگوریتم مبتنی بر محاسبات نرم ممکن است در هر اجرا در ازای یک مسئله یکسان، خروجی متفاوتی داشته باشد.
- پایداری: الگوریتمهای مبتنی بر محاسبات نرم میتوانند با هر نوع نویز در ورودی مقابله کنند.
- هزینه جواب کم: محاسبات نرم، حل برخی از مسائل که حل آنها در محاسبات سخت به لحاظ محاسباتی بسیار پرهزینه هستند را شدنی و امکانپذیر میسازد.
الگوریتمهای محاسبات نرم مبتنی بر سامانه تصمیمگیری زیستی (Biological Decision-Making System) هستند و از اصولی نظیر ژنتیک (Genetics)، تکامل (فرگشت | Evolution)، رفتار مورچگان، رفتار زنبورها، رفتار پرندگان، رفتار کرم شبتاب، ازدحام ذرات (Particle Swarming)، سیستم عصبی انسان (Human Nervous System) و دیگر پدیدههای طبیعی استفاده میکنند. سه الگوی محاسباتی که به دنبال محاسبات نرم مطرح میشوند، منطق فازی، محاسبات عصبی و منطق احتمالاتی (الگوریتم ژنتیک) هستند.
تفاوت محاسبات نرم با احتمالات در چیست؟
محاسبات نرم با احتمالات متفاوت است. به طوری که، احتمالات رویکرد و روشی است که وقتی استفاده میشود که اطلاعات و داده کافی برای حل یک مسئله وجود نداشته باشد. در مقابل، محاسبات نرم زمانی مورد استفاده قرار میگیرد که مسئله صراحت و سادگی لازم و کافی را برای استفاده از ریاضیات رایج و روشهای محاسباتی مرسوم نداشته باشد. محاسبات نرم کاربردهای بسیاری در مصارف خانگی، تجاری و صنعتی دارد که در ادامه به طور مختصر به آنها میپردازیم.
کاربردهای محاسبات نرم چیست؟
در سالهای اخیر، تغییر الگوی اساسی در روشهای محاسباتی بوجود آمده است. این مسئله، نشان دهنده رشد چشمگیر ذهن انسان است. یکی از این تغییرات اساسی که با آن مواجه هستیم، تکامل محاسبات سخت در قالب محاسبات نرم است. روشهای استفاده شده در محاسبات نرم اساساً ریشه در مضامین ریاضیاتی متعددی همچون منطق فازی دارد.
محاسبات نرم، بینشی را برای مسائل جهان واقع فراهم میکند و تنها محدود به تئوری نمیشود. همچنین، محاسابت نرم دارای تابآوری برای عدم قطعیت و ذاتاً نادقیق است و بر همین اساس در صنایع بسیاری به طور گسترده مورد استفاده قرار میگیرد. در ادامه، نگاهی به برخی از پیشرفتهای حاصل شده با استفاده از محاسبات نرم در زمینههای مختلف از طراحی و مهندسی در صنایع گرفته تا کاربردهای زیستی (بیولوژیکی) پرداخته شده است.
تشخیص متن دستنوشته با استفاده از محاسبات نرم
تشخیص دستخط یکی از بخشهای مستعد و پرتقاضا در حوزه علوم کامپیوتر است. قابلیت ترجمه اسناد چندزبانه و مرتبسازی متون مختلف به شکل مناسب و دلخواه از جمله قابلیتهای چنین سامانهای میتواند باشد.
پردازش تصویر و فشردهسازی اطلاعات با استفاده از محاسبات نرم
آنالیز تصاویر یکی از پراهمیتترین بخشهای حوزه پزشکی محسوب میشود. روشهای محاسبات نرم در این زمینه شامل الگوریتم ژنتیک، سیستمهای دستهبندی، راهبردهای تکاملی، و تعدادی دیگر از روشها است. با استفاده از این الگوریتمها میتوان به راهحلهای سریعی برای شناسایی الگو (Pattern Recognition) دست یافت که در تحلیل تصاویر پزشکی به دست آمده با استفاده از میکروسکوپ یا تصاویر پرتو ایکس (X-rays) کاربرد دارند.
معماری مبتنی بر محاسبات نرم
در یک ساختمان هوشمند، دادههای ورودی از حسگرها دریافت میشود و دستگاههای استفاده شده در آن ساختمان مانند سیستم تهویه، سیستم حرارتی و برودنی و دیگر موارد، بر اساس پردازش و تحلیل این دادهها تحت نظارت و کنترل قرار میگیرند. صنعت ساخت و ساز از شیوه «هوش مصنوعی توزیع شده» (Distribute Artificial Intelligence) و عوامل فازی ژنتیکی (Fuzzy Genetic Agents) برای تجهیز ساختمان با قابلیتهای هوش انسانی استفاده میکند.
از منطق فازی برای ایجاد معماری مبتنی بر رفتار (Behavior-Based Architecture) در ساختمانهای هوشمند استفاده میشود تا با طبیعت غیرقابل پیشبینی چنین محیطی مقابله شود. این عوامل (Agents) از اطلاعات گردآوری شده توسط حسگرها در ساختمان استفاده میکنند.
محاسبات نرم و سیستمهای پشتیبانی تصمیم
محاسبات نرم در سیستمهای پشتیبانی تصمیم (Decision Support System) موجب کاهش هزینه میشود که مزیت قابل توجهی است. از روشهای محاسبات نرم در سیستمهای پشتیبان تصمیم برای طراحی، نگهداری و بیشینه کردن ارزش فرایند تصمیمگیری استفاده میشود. نخستین کاربرد منطق فازی در این راستا، ایجاد سامانه تصمیمگیری است که بتواند هر نوع ریسکی را پیشبینی کند. دومین کاربرد آن استفاده از اطلاعات فازی در راستای تصمیمگیری است.
محاسبات نرم در سرمایهگذاری و معاملهگری
دادههای موجود در بازار سرمایه بسیار حجیم هستند و در نتیجه روشهای محاسباتی سنتی قادر به تحلیل و پردازش این حجم از داده نیستند. رویکردهای گوناگونی با استفاده از روشهای محاسبات نرم برای کار با دادههای دارای نویز وجود دارد. برای مثال، روشهای تشخیص الگو برای تحلیل رفتار دادهها و همچنین سریهای زمانی (Time Series) برای پیشبینی معاملات آتی مورد استفاده قرار می گیرند.
منابع و فیلم آموزشی محاسبات نرم
در این بخش از مطلب محاسبات نرم، فیلمهای آموزشی مرتبط با محاسبات نرم معرفی شده است.
فیلم آموزش سیستم های فازی در متلب
طول مدت این دوره آموزشی ۲۰ ساعت و ۳۹ دقیقه است و مدرس آن دکتر مصطفی کلامی هریس هستند. این فیلم آموزشی برای دانشجویان رشته کارشناسی ارشد علوم کامپیوتر، به خصوص گرایش محاسبات نرم و هوش مصنوعی و همچنین سایر دانشجویان و علاقهمندان در زمینه سیستمها و منطق فازی و هوش مصنوعی و علوم کامپیوتر مناسب است. فیلم آموزش سیستمهای فازی در متلب شامل مباحث گوناگون از جمله مبانی ریاضیات و منطق فازی، محاسبات فازی و همچنین پیادهسازی برخی مباحث مطرح شده در محیط متلب و سایر مباحث مربوط به سیستمهای فازی است.
- برای دیدن فیلم آموزش سیستمهای فازی در متلب + اینجا کلیک کنید.
فیلم آموزش الگوریتم ژنتیک (تئوری و عملی)
طول مدت این دوره آموزشی ۱۴ ساعت و ۲۳ دقیقه است و مدرس آن دکتر مصطفی کلامی هریس هستند. این دوره آموزشی برای دانشجویان رشتههای مختلف که درس بهینهسازی (هوشمند) را میگذرانند، در زمینه الگوریتمهای تکاملی به فعالیت میپردازند و به ویژه دانشجویان و علاقهمندان رشته علوم کامپیوتر در اکثر گرایشها و همچنین هوش مصنوعی مفید است. این دوره آموزشی حاوی شش درس است که در هر یک از این دروس مباحث مختلفی از جمله الگوریتمهای ژنتیک در متلب، حل مسئله مکانیابی هاب با استفاده از الگوریتم ژنتیک و سایر مباحث مطرح شده است.
- برای دیدن فیلم آموزش الگوریتم ژنتیک (تئوری و عملی) + اینجا کلیک کنید.
فیلم آموزش مبانی محاسبات تکاملی و بهینه سازی هوشمند
طول مدت این دوره آموزشی شش ساعت و 12 دقیقه است و مدرس آن دکتر مصطفی کلامی هریس هستند. این دوره آموزشی برای تمام افرادی که نیاز به آموزش تئوری یا عملی روشهای بهینهسازی دارند، توصیه میشود. در این آموزش که میتواند مبنایی برای تمام دروس آموزشی در زمینه بهینهسازی باشد، مفاهیم پایه و اساسی مربوط به مسائل بهینه سازی و الگوریتمهای استفاده شده در حل این مسائل، مورد بحث و بررسی قرار میگیرند.
- برای دیدن فیلم آموزش محاسبات تکاملی و بهینه سازی هوشمند + اینجا کلیک کنید.
فیلم آموزش شبکه های عصبی مصنوعی
طول مدت این دوره آموزشی هشت ساعت و 38 دقیقه است و مدرس آن دکتر اسماعیل آتشپز هستند. این دوره آموزشی مناسب دانشجویان رشته علوم کامپیوتر و درس محاسبات نرم و همچنین علاقهمندان به مبحث شبکههای عصبی مصنوعی میباشد. در این آموزش که شامل پنج فرادرس در زمینه شبکههای عصبی مصنوعی و کاربردهای آنها میشود، مباحث مربوطه به طور کامل و جامع شرح داده شده است.
- برای دیدن فیلم آموزش کاربردی شبکه عصبی های عصبی مصنوعی + اینجا کلیک کنید.
جمعبندی
استفاده از روشهای محاسبات نرم مانند نظریه مجموعههای فازی، شبکههای عصبی، سیستمهای فازی عصبی، سیستمهای استنتاج عصبی-فازی سازگار (Adaptive Neuro Fuzzy Inference Systems | ANFIS) به طور گستردهای در تحلیل شبیهسازی عددی (Numerical Simulation Analysis) رواج یافته است. محاسبات نرم برای مدلسازی پردازشهای ماشین با کمک هوش مصنوعی به کار گرفته میشود. همچنین، محاسبات نرم در برخی از حوزهها از جمله کلان داده، سیستمهای توصیهگر، علوم رفتار و تصمیم، مهندسی مکانیک، مهندسی راه و ساختمان و مهندسی کامپیوتر، در حال رشد و شکوفایی است و بشر در آینده شاهد تحولات عظیمی در این راستا خواهد بود.
سلام، با تشکر از مطالب مفیدی که قرار دادید. فقط سوال من این است که چرا مطالب سایت فرادرس با وجود معتبر بودن و علمی بودن، رفرنس ندارند؟
با سلام؛
منبع تمامی مطالب مجله فرادرس، درصورتیکه ترجمه باشند، در انتهای مطلب و پیش از نام نویسنده آورده شدهاند.
با تشکر از همراهی شما با مجله فرادرس