٤.٤ تطبيقات الذكاء الاصطناعي باستخدام لغة البرمجة بايثون
التعريفات
- خوارزميات البحث التنافسي (Adversarial Search Algorithms)
تُعدّ خوارزميات البحث التنافسي من أنواع خوارزميات البحث في الذكاء الاصطناعي، وهي تُستخدم في حال وجود عميلين (وكيلين) (Two Agents) أو أكثر يُنافس كل منهما الآخر كما في ألعاب الذكاء، والشطرنج، وتخطيط الاستراتيجيات
- خوارزمية (MiniMax)
خوارزمية تنافسية في الذكاء الاصطناعي، وهي تختصّ باتخاذ قرارات مُتكرّرة؛ إذ تُبادر إلى اتخاذ خطوة مثالية للاعب، بافتراض أنّ الخصم يلعب بشكل مثالي
- الحالة الأولية (الابتدائية) (S0)
كيفية إعداد اللعبة في بدايتها
- اللاعب (S)
يُحدّد اللاعب الذي لديه الحركة في حالة مُعيّنة
- الإجراء (as)
يعمل الإجراء (as) على إرجاع مجموعة التحركات المُحتملة (المُمكِنة) إلى حالة مُعيّنة
- النتيجة (result (S, a))
نموذج الانتقال الذي يُحدّد نتيجة الحركة
- اختبار المحطّة (اختبار المحطّات)
يُطلق على الحالات التي تنتهي فيها اللعبة اسم حالات المحطّة، وهي تُعدّ صحيحة في حال انتهاء اللعبة، وتُعدّ غير صحيحة إذا لم تنته اللعبة
- فائدة الحالة (utility (s,a))
تُسمّى أيضًا دالة الهدف أو دالة العائد، وهي تُحدّد القيمة العددية النهائية للعبة
- لعبة مُحصّلتها صفر (Zero-Sum Game)
إنّ مجموع النقاط الإجمالي لكلا اللاعبين هو نفسه لكل حالة من حالات اللعبة
- شجرة اللعبة (Game Tree)
تعمل كلّ من الحالة الأوّلية (الابتدائية) ودالة الإجراء ودالة النتيجة على تحديد شجرة اللعبة (Game Tree) للعبة. وهذه الشجرة تحتوي على عُقد تُمثّل حالات اللعبة
- تقليم الأشجار (Pruning)
استبعاد أجزاء معينة من شجرة اللعبة أثناء عملية البحث
- التقليم ألفا-بيتا (Alpha-Beta Pruning)
إزالة الفروع التي لا تؤثر في القرار النهائي للاعب (MAX) أو اللاعب (MIN)؛ ما يؤدي إلى تقليل عدد العقد التي تتم زيارتها بصورة كبيرة، ثم تحسين كفاءة الخوارزمية
- تكلفة المسار (Path-Cost)
تكلفة المسار من الحالة الأوّلية (الابتدائية) إلى العُقدة (m)، ويُرمز إليها بالرمز g(m)
معاينة موضوع «تطبيقات الذكاء الاصطناعي باستخدام لغة البرمجة بايثون» من وحدة «الذكاء الاصطناعي» في مادة المهارات الرقمية. أقسام الشرح: ٩، التعريفات: ١٣، الأسئلة المحلولة: ٥.
المصدر: المركز الوطني لتطوير المناهج، تطبيقات الذكاء الاصطناعي باستخدام لغة البرمجة بايثون (ص ١٢٠–١٤٠)
