حتما با دیدن عنوان هوش مصنوعی در ابتدای امر یاد موضوعات علمی تخیلی افتاده اید، اما حتما بسیار تعجب خواهید کرد اگر که به شما بگوییم هم اکنون در حال استفاده کردن از آن هستید!  از ابتدای مطرح شدن هوش مصنوعی به عنوان یک الگو واره در علوم رایانه، دو شیوه ی متفاوت تفکر در زمینه ی سیستم های هوشمند مطرح شده است، که شاید بتوان آن دو را در پردازش نمادین و پردازش عددی سیستم هوشمند تعریف نمود. برای درک پردازش نمادین می توانیم توجه شما را با اشاره کردن به این مثال جلب نماییم. فرض کنید از یک نوازنده پیانو سوال بپرسیم که شیوه ی نواختن پیانو به چه صورت است؟! این نوازنده با استفاده از یک سری بیانات و شاید حرکات، روش کار خود را به ما نشان می دهد و به احتمال زیاد شیوه عمل او را هم درک می کنیم.حال تصورکنید، می خواهیم این رفتار را با استفاده از یک فرمول ریاضی(پردازش عددی) مدل کرده و مثلا با استفاده از یک ربات تکرار کنیم. سوال این خواهد بود که آیا مدل ریاضی که منحصر به روابط بین یک سری کیفیتهای رقمی است، قادر به انجام این عمل خواهد بود؟؟؟؟؟
تصور می کنم جواب شما به این سوال منفی باشد. در ادامه به یک وضعیت دیگر اشاره می کنم. فرض کنید می خواهید از یک خیابان که ماشین ها در آن با سرعت عبور می کنند،بگذرید. آیا روش تصمیم گیری شما در رابطه با عبور کردن بر مبنای پردازش یک سری اندازه گیری ها انجام شده است؟ برای مثال آیا سرعت ماشین را تخمین زده اید و با در نظر گرفتن عرض خیابان، سرعت خود را محاسبه می نمایید؟ به احتمال زیاد در این صورت مطمئناً شانس رسیدن شما به آن طرف خیابان بسیار پایین می باشد و یا زمان بسیار زیادی طول خواهد کشید که تصمیم به عبور از خیابان را به مرحله اجرا در آورید. در شرایطی این چنینی، روش برخورد ما به این صورت خواهد بود که، " به نظر می رسد ماشین آهسته حرکت می کند!!! به آن طرف خیابان خواهم رسید؟؟؟" در این نوع پردازش انسان با تعداد زیادی نماد symbols مواجه  می شود و با استفاده از این نمادها برای تصمیم گیری اقدام می نماید. این نوع تصمیم گیری ها به شکل واضحی در رفتار انسان مشاهده می شود و طبیعی است که پردازش نمادین از جایگاهی ویژه در علم هوش مصنوعی برخوردار است. در کنار پردازش نمادین در انسان می دانیم که مغز انسان از یک مجموعه منسجم از سلول های عصبی تشکیل شده است و مدل های ارائه شده برای این سیستم عصبی بر مبنای پردازش عددی عمل می کنند. چگونگی عملکرد سیستم طبیعی عصبی به وضوح برای انسان مشخص نشده و از آنجایی که در  مدل های ارائه شده، قابلیت های بسیار بالایی وجود دارند، سیستم های هوشمند کاربردهای بسیاری دارند و به نظر می رسد درخانه هوشمند  بسیار پرکاربرد باشند. با استفاده از این نتایج، شاید بتوان گفت انسان به طور کلی در سطوح بالای تصمیم گیری، از شیوه پردازش نمادین استفاده می نماید.اما در سطوح حسی و در واکنشهای عصبی خود یک نوع پردازش عددی را به کار می گیرد. بنابراین، رفتار هوشمندانه انسان محصولی از یک روش نمادین تفکر در کنار محاسبات عصبی مغز می باشد.نقش هوش مصنوعی در ساختمان هوشمند، ایجاد راحتی است که این امر دقیقا همان چیزی است که مردم را به سمت یک فناوری جذب می‌نماید در حالی که امنیت موجود در این روش‌ها، واقعا یک مزیت محسوب می‌گردد.

به عنوان یک دیدگاه کلی سه روش ترکیب تکنیک های هوش مصنوعی در جهت ساخت یک سیستم هوشمند ارائه شده است که در ذیل به اختصار به آنها می پردازیم.

در روش اول از یک تکنیک خاص جهت اجرای یک function و در یک تکنیک دیگر از هوش مصنوعی استفاده می نماییم. برای مثال هنگام طراحی یک سیستم کنترلی فازی چندین بلوک وجود دارد، که هر کدام وظیفه ی انجام کار مشخصی را بر عهده دارند. یکی از این بلوک ها جهت انجام Fuzzification طراحی می شود. در یک سیستم ترکیبی می توان از شبکه های عصبی در انجام این کار استفاده نمود. البته در اینجا در مورد مزایا یا معایب این ترکیب صحبتی نخواهد شد. در یک مثال دیگر می توان به کاربرد روش های ژنتیکی در امر یادگیری شبکه های عصبی اشاره نمود.
در روش دوم جهت ساخت یک سیستم پیچیده، در ابتدا آن سیستم را به زیر سیستم های کوچکتر تجزیه نموده و بعد از آن هر زیر سیستم را با یک روش مناسب هوشمند سازی اجرا می نماییم. بعنوان مثال جهت کنترل یک فرآیند پیچیده صنعتی از شبکه های عصبی جهت پیشگویی و مدل سازی یک سری از پارامترهای کلیدی استفاده خواهیم نمود و نتایج به دست آمده جهت تصمیم گیری های کلی به یک سیستم خبره انتقال داده می شود. سیستم خبره در اصل حکم یک مدیر پروسه متخصص را داراست که با استفاده از پارامترهای تولید شده در سطح پایین تر تصمیم گیری می نماید. بسیاری از مسائل پیچیده از این طبیعت برخوردار هستند و شکستن آن به مسائل کوچکتر و به کارگیری روش مناسب برای حل هر کدام از مسائل به صورت مجزا و در نهایت ادغام کردن نتایج به دست آمده، به حل درست مساله اصلی کمک می نماید.
روش سوم استفاده از یک شیوه هوشمند در اجرای  یک روش دیگر می باشد. برای مثال می توان به پیاده سازی یک سیستم خبره با استفاده از شبکه های عصبی اشاره نمود. در اینجا هر نرون در شبکه عصبی یک قانون در پایگاه دانش است و با استفاده از محاسبات عصبی،روش استنتاج را پیاده می کنیم. مثال دیگر به کارگیری گرامرها در تحلیل و نمایش دانش آموخته شده در شبکه های عصبی می باشد.
البته توجه به این نکته لازم است که یک سیستم ترکیبی هوشمند، نباید الزاما از روش های هوشمند در پیاده سازی استفاده کند. در اجرای یک سیستم شاید نیازی به بکارگیری روشهای آماری، ریاضی و تحلیلی... نیز وجود داشته باشد.

یکی از روش‌هایی که می‌تواند خانه هوشمند را به جایی امن‌تر تبدیل نماید، استفاده از دوربین‌های هوشمند است. این دوربین‌ها، دسترسی به منزل را آسان‌تر نموده و یکی از مفیدترین دستگاه‌هایی هستند که از هوش مصنوعی در آنها استفاده می شود.
این دستگاه‌ها از دیدگاه امنیتی نیز بسیار مفید و موثر هستند و می‌توانند به عنوان یک بازدارنده عمل نموده و شما را از همه چیز مطلع می نمایند.

حتما با دیدن عنوان هوش مصنوعی در ابتدای امر یاد موضوعات علمی تخیلی افتاده اید، اما حتما بسیار تعجب خواهید کرد اگر که به شما بگوییم هم اکنون در حال استفاده کردن از آن هستید!  از ابتدای مطرح شدن هوش مصنوعی به عنوان یک الگو واره در علوم رایانه، دو شیوه ی متفاوت تفکر در زمینه ی سیستم های هوشمند مطرح شده است، که شاید بتوان آن دو را در پردازش نمادین و پردازش عددی سیستم هوشمند تعریف نمود. برای درک پردازش نمادین می توانیم توجه شما را با اشاره کردن به این مثال جلب نماییم. فرض کنید از یک نوازنده پیانو سوال بپرسیم که شیوه ی نواختن پیانو به چه صورت است؟! این نوازنده با استفاده از یک سری بیانات و شاید حرکات، روش کار خود را به ما نشان می دهد و به احتمال زیاد شیوه عمل او را هم درک می کنیم.حال تصورکنید، می خواهیم این رفتار را با استفاده از یک فرمول ریاضی(پردازش عددی) مدل کرده و مثلا با استفاده از یک ربات تکرار کنیم. سوال این خواهد بود که آیا مدل ریاضی که منحصر به روابط بین یک سری کیفیتهای رقمی است، قادر به انجام این عمل خواهد بود؟؟؟؟؟
تصور می کنم جواب شما به این سوال منفی باشد. در ادامه به یک وضعیت دیگر اشاره می کنم. فرض کنید می خواهید از یک خیابان که ماشین ها در آن با سرعت عبور می کنند،بگذرید. آیا روش تصمیم گیری شما در رابطه با عبور کردن بر مبنای پردازش یک سری اندازه گیری ها انجام شده است؟ برای مثال آیا سرعت ماشین را تخمین زده اید و با در نظر گرفتن عرض خیابان، سرعت خود را محاسبه می نمایید؟ به احتمال زیاد در این صورت مطمئناً شانس رسیدن شما به آن طرف خیابان بسیار پایین می باشد و یا زمان بسیار زیادی طول خواهد کشید که تصمیم به عبور از خیابان را به مرحله اجرا در آورید. در شرایطی این چنینی، روش برخورد ما به این صورت خواهد بود که، " به نظر می رسد ماشین آهسته حرکت می کند!!! به آن طرف خیابان خواهم رسید؟؟؟" در این نوع پردازش انسان با تعداد زیادی نماد symbols مواجه  می شود و با استفاده از این نمادها برای تصمیم گیری اقدام می نماید. این نوع تصمیم گیری ها به شکل واضحی در رفتار انسان مشاهده می شود و طبیعی است که پردازش نمادین از جایگاهی ویژه در علم هوش مصنوعی برخوردار است. در کنار پردازش نمادین در انسان می دانیم که مغز انسان از یک مجموعه منسجم از سلول های عصبی تشکیل شده است و مدل های ارائه شده برای این سیستم عصبی بر مبنای پردازش عددی عمل می کنند. چگونگی عملکرد سیستم طبیعی عصبی به وضوح برای انسان مشخص نشده و از آنجایی که در  مدل های ارائه شده، قابلیت های بسیار بالایی وجود دارند، سیستم های هوشمند کاربردهای بسیاری دارند و به نظر می رسد درخانه هوشمند  بسیار پرکاربرد باشند. با استفاده از این نتایج، شاید بتوان گفت انسان به طور کلی در سطوح بالای تصمیم گیری، از شیوه پردازش نمادین استفاده می نماید.اما در سطوح حسی و در واکنشهای عصبی خود یک نوع پردازش عددی را به کار می گیرد. بنابراین، رفتار هوشمندانه انسان محصولی از یک روش نمادین تفکر در کنار محاسبات عصبی مغز می باشد.نقش هوش مصنوعی در ساختمان هوشمند، ایجاد راحتی است که این امر دقیقا همان چیزی است که مردم را به سمت یک فناوری جذب می‌نماید در حالی که امنیت موجود در این روش‌ها، واقعا یک مزیت محسوب می‌گردد.

به عنوان یک دیدگاه کلی سه روش ترکیب تکنیک های هوش مصنوعی در جهت ساخت یک سیستم هوشمند ارائه شده است که در ذیل به اختصار به آنها می پردازیم.

در روش اول از یک تکنیک خاص جهت اجرای یک function و در یک تکنیک دیگر از هوش مصنوعی استفاده می نماییم. برای مثال هنگام طراحی یک سیستم کنترلی فازی چندین بلوک وجود دارد، که هر کدام وظیفه ی انجام کار مشخصی را بر عهده دارند. یکی از این بلوک ها جهت انجام Fuzzification طراحی می شود. در یک سیستم ترکیبی می توان از شبکه های عصبی در انجام این کار استفاده نمود. البته در اینجا در مورد مزایا یا معایب این ترکیب صحبتی نخواهد شد. در یک مثال دیگر می توان به کاربرد روش های ژنتیکی در امر یادگیری شبکه های عصبی اشاره نمود.
در روش دوم جهت ساخت یک سیستم پیچیده، در ابتدا آن سیستم را به زیر سیستم های کوچکتر تجزیه نموده و بعد از آن هر زیر سیستم را با یک روش مناسب هوشمند سازی اجرا می نماییم. بعنوان مثال جهت کنترل یک فرآیند پیچیده صنعتی از شبکه های عصبی جهت پیشگویی و مدل سازی یک سری از پارامترهای کلیدی استفاده خواهیم نمود و نتایج به دست آمده جهت تصمیم گیری های کلی به یک سیستم خبره انتقال داده می شود. سیستم خبره در اصل حکم یک مدیر پروسه متخصص را داراست که با استفاده از پارامترهای تولید شده در سطح پایین تر تصمیم گیری می نماید. بسیاری از مسائل پیچیده از این طبیعت برخوردار هستند و شکستن آن به مسائل کوچکتر و به کارگیری روش مناسب برای حل هر کدام از مسائل به صورت مجزا و در نهایت ادغام کردن نتایج به دست آمده، به حل درست مساله اصلی کمک می نماید.
روش سوم استفاده از یک شیوه هوشمند در اجرای  یک روش دیگر می باشد. برای مثال می توان به پیاده سازی یک سیستم خبره با استفاده از شبکه های عصبی اشاره نمود. در اینجا هر نرون در شبکه عصبی یک قانون در پایگاه دانش است و با استفاده از محاسبات عصبی،روش استنتاج را پیاده می کنیم. مثال دیگر به کارگیری گرامرها در تحلیل و نمایش دانش آموخته شده در شبکه های عصبی می باشد.
البته توجه به این نکته لازم است که یک سیستم ترکیبی هوشمند، نباید الزاما از روش های هوشمند در پیاده سازی استفاده کند. در اجرای یک سیستم شاید نیازی به بکارگیری روشهای آماری، ریاضی و تحلیلی... نیز وجود داشته باشد.

یکی از روش‌هایی که می‌تواند خانه هوشمند را به جایی امن‌تر تبدیل نماید، استفاده از دوربین‌های هوشمند است. این دوربین‌ها، دسترسی به منزل را آسان‌تر نموده و یکی از مفیدترین دستگاه‌هایی هستند که از هوش مصنوعی در آنها استفاده می شود.
این دستگاه‌ها از دیدگاه امنیتی نیز بسیار مفید و موثر هستند و می‌توانند به عنوان یک بازدارنده عمل نموده و شما را از همه چیز مطلع می نمایند.