عنوان فارسی:دانلود ترجمه مقاله کسب دانش از طریق درون نگریِ همگاریِ بین انسان و روبات
دانلود ترجمه مقاله کسب دانش از طریق درون نگریِ همگاریِ بین انسان و روبات – الزوریر ۲۰۱۸:متاسفانه، برخی از این مطالعات مدل دقیقی ایجاد میکنند که روشی برای ایجاد عاملهای مجازی که در کار تیمی قادر به تعامل با انسان هستند (مانند انسان) در بر ندارند، بنابراین جنبههایی مانند قابلیتهای خودآگاهی، اعتماد، احساسات و انگیزهها را دخیل میکنند. ما متدی پیشنهاد میکنیم که بر اساس معماریِ ادراکی برای تعامل تیمیِ انسان با روبات، روباتی با قابلیت مدلسازیِ دانش خود در مورد محیطی که با آن تعامل دارد ارائه میکند که میتواند هرگاه لازم باشد دانش جدیدی کسب کند.
عنوان فارسی مقاله: |
کسب دانش از طریق درون نگریِ همگاریِ بین انسان و روبات
|
عنوان انگلیسی مقاله: | |
سال انتشار میلادی: | 2018 |
نشریه: |
Database: Elsevier – ScienceDirect (ساینس دایرکت) Journal: Biologically Inspired Cognitive Architectures – Volume 25, August 2018, Pages 1-7 |
کلمات کلیدی فارسی: |
عامل شناختی، کسب دانش، هستی شناسی، معماری شناختی، خودآزمایی،
|
کلمات کلیدی انگلیسی: |
Cognitive agent
Knowledge acquisition
Ontology
Cognitive architecture
Introspection
|
تعداد صفحات ترجمه شده: | 22 صفحه با فونت ۱۴ B Nazanin |
نویسندگان: |
C.P. Abdul Gafoor, V. Mariappan, S. Thyagarajan,
|
موضوع: | |
دسته بندی رشته: | مهندسی کامپیوتر |
فرمت فایل انگلیسی: | 7 صفحه با فرمت pdf |
فرمت فایل ترجمه شده: | Word |
کیفیت ترجمه: | عالی |
نوع مقاله: | isi |
تعداد رفرنس: |
مقاله انگلیسی+ترجمه فارسی
فهرست مطالب
چکیده
کلمات کلیدی
مقدمه
یک معماریِ ادراکی برای تعامل تیمیِ انسان و روبات
شکل 1. معماری ادراکی تعامل تیمی انسان با ربات
توصیف مسئله: نمونهای از یک روبات که در محیط شناخته شدهی جزئی کار میکند
شکل 2. جزئیاز هستیشناسی که شامل تمام مفاهیم مربوط به خود است. مفاهیم با مربع نشان داده شده است
شکل 3. جزئی از هستی شناسی که شاملتمام مفاهیم در مورد محیط و وقایع آن است.
شکل 4. کسب دانش در مورد مفهوم CPU و واقعه آن توسط شکل لوزی نشان داده شده است
مدلسازیِ فرآیندهای مسیردهی و ادغام
جدول 1. نتایج PYP برای منبع CPU
شکل 5. کسب دانش در مورد مفهوم CPU با واقعهی آن که به صورت لوزی آمده است. مفاهیم ظاهر شده به صورت برجسته آمدهاند. هرچقدر مفهوم محتمل باشد، والد کاندید خواهد بود که به رنگ قرمز آمده است.
جدول 2.برخی از نتایج به دست آمده به هنگام آزمایش برای تست متد به دست آمدهاند.
بحثها
دروننگری در رابطه با وضعیت دانش
معانی ادراکی برای مدلسازی دروننگری
توصیف و شفافیت
اهمیت فراگیریِ دانش افزایشی
نتیجهگیری
ترجمه چکیده
متاسفانه، برخی از این مطالعات مدل دقیقی ایجاد میکنند که روشی برای ایجاد عاملهای مجازی که در کار تیمی قادر به تعامل با انسان هستند (مانند انسان) در بر ندارند، بنابراین جنبههایی مانند قابلیتهای خودآگاهی، اعتماد، احساسات و انگیزهها را دخیل میکنند. ما متدی پیشنهاد میکنیم که بر اساس معماریِ ادراکی برای تعامل تیمیِ انسان با روبات، روباتی با قابلیت مدلسازیِ دانش خود در مورد محیطی که با آن تعامل دارد ارائه میکند که میتواند هرگاه لازم باشد دانش جدیدی کسب کند.
چکیده انگلیسی
نمونه ترجمه مقاله:
مقدمه
در سناریوی همکاریِ تیمیِ بین انسان و روبات، عاملهای مصنوعی با انسانها ومحیط همکاری و تعامل میکنند که به یک هدف مشترک دست پیدا کنند. سطح اجتماعیِ ایجاد شده در این سناریو شامل ویژگیهای انسانی میشود که عاملهای مصنوعی باید داشته باشند. دانش یکی از مهمترین ابزارهای کلیدی برای امکانپذیریِ همکاریِ روبات با شریکهای انسانی است.
قابلیت به روزرسانیِ اطلاعات معنایی با توجه به پویایی بافت ضروری است، که طبیعتاً به هنگام تعامل توسعه پیدا میکند. این قابلیت منطق روبات را بهبود داده و اجازه میدهد استنباط عمیقتری در مورد بافت به دست آید. این یک قابلیت انسانمانند است.
مطالعهی راهحلهای این نوع مسائل وارد حوزهی معماریهای ادراکی شده و بیشتر از آن معماریهای ادراکیِ الهام گیری شده از بیولوژی میشود. معماریِ ادراکی یک چهارچوب رایانهای برای طراحیِ عاملهای هوشمند است، و وقتی آن را الهامگیری از بیولوژی مینامیم که هدف آن بازتولید ویژگیهای عملکردیِ ذهن انسان باشد (Gray et al., 2007, 1990). هدف اصلیِ پژوهش در حوزهی معماریهای الهام گیری شده از بیولوژی این است که معادل مصنوعیِ ذهن انسان بر اساس معماریهای الهام گیری شده از بیولوژی ایجاد شده که نحوهی توسعه یادگیریِ انسان در فعالیتهای روزمره درک شده و سپس در عامل مصنوعی گزارش شود. پیشنهادهای پژوهشی در این حوزه ایجاد یک عامل هوشمند است که رفتار اساسیِ انسان و ذهن آن را طوری پیادهسازی کند که اجازه دهد این عامل مصنوعی همانند یک انسان شناخته شود. بنابراین، عامل هوشمند ممکن است بتواند در جامعه بر اساس قوانین مشترک و شناخته شده کار کند.
Albus و دیگران (2007) پنج خط اصلی در مسیر ایجاد هوش مصنوعی در سطح انسان را برجسته میکند. و سایرین نیز این نقشهی راه را با اضافه کردن سایر عناصر جالب مانند موارد زیر توسعه میدهند[1]:
- مقبولیت به عنوان یک شریک – امکان اینکه انسانها عامل مجازی را قبول کنند، به طوری که شریکی از یک تیم است، این جنبههایی مربوط به اعتماد در عامل مجازی در خود دارد که هرگاه ممکن است به خوبی همدیگر را درک کنند.
- آگاهی از توجه، قصدمندی – عاملها باید دانش و آگاهی از وضعیت فعلی را به صورت داوطلبانه و رفتار قصدمندی نشان دهند.
- رفتار قابل باور – عامل باید هنگامی که رفتاری آگاهانه نشان میدهد قابل اعتماد باشد.
- خلاقیت – عامل باید بتواند مفاهیم، قوانین، استراتژیها، اهداف جدید را طراحی، تولید و ارزیابی کند.
- هوش احساسی – عامل باید بتواند انگیزههای احساسی در سایر عاملها را درک و شناسایی کند، و از نظر احساسی منطق به کار برده و واکنش احساسی تولید کند.
- تصویرسازی – عامل باید بتواند شبیهسازیهایی از دنیاها و سناریوهای مختلف ایجاد کند.
- انبوه یادگیریِ انتقادی – عامل باید بتواند در شرایط یکسان مانند یک دانشآوز یاد بگیرد و دارای تفکر انتقادی باشد.
[1] این متن کل نقشه راه است ((Albus et al., 2007 که در این اثر آن را بسیار مهم در نظر میگیریم