کتاب هوش مصنوعی در صنعت بانکداری

فهرست مطالب

فصل 1 9
مروری بر مفاهیم هوش مصنوعی 9
هوش مصنوعی 9
تاریخچه 12
تاریخچه هوش مصنوعی در ایران 16
سطوح و انواع هوش مصنوعی AI 18
برخی از مفاهیم مربوط به حوزه‌های هوش مصنوعی 19
چهار دسته اصلی سیستم هوش مصنوعی 23
هوش مصنوعی در ایران 24
کاربرد‌های هوش مصنوعی 25
وضعیت کنونی هوش مصنوعی در جهان 34
مبانی 35
انواع هوش مصنوعی 39
اهمیت هوش مصنوعی 40
یادگیری ماشین 41
یادگیری عمیق (Deep Learning) 41
تفاوت بین هوش مصنوعی، یادگیری ماشین و یادگیری عمیق 41
چالشهای هوش مصنوعی 42
کاربرد هوش مصنوعی در سیاست گذاری 43
1. کاربرد هوش مصنوعی در سیاست گذاری 43
2. سیاست گذاری برای هوش مصنوعی 43
3. حکمرانی توسط هوش مصنوعی 44
چارچوب استفاده از هوش مصنوعی در سیاست گذاری و بخش دولتی 48
فصل2 53
مبانی بانک و بانکداری 53
تاریخچه صنعت بانکداری 54
تعریف بانک و بانکداری 55
انواع بانک‌ها در صنعت بانکداری 56
نقش صنعت بانکداری در توسعه پایدار 56
بازاریابی خدمات بانکی 57
انواع بانکداری 58
بانکداری تجاری 60
بانکداری شرکتی 60
بانکداری خصوصی 61
بانکداری سرمایه‌گذاری 61
دیگر گونه‌های بانکداری 62
بانکداری الکترونیکی و دیجیتال 62
بانکداری اسلامی 63
بانکداری اخلاقی 64
بانکداری اجتماعی 64
بانکداری هوشمند 65
ویژگی‌های کلیدی بانکداری هوشمند 66
مزایای هوشمندسازی بانک‌ها 67
وضعیت بانکداری هوشمند 68
چالش های پیاده‎ سازی بانکداری هوشمند 68
دستگاه های اینترنت اشیاء 69
راهکارهای پیاده‎ سازی بانکداری هوشمند 71
فصل 3 75
تاثیر هوش مصنوعی در بانکداری 75
نقش هوش مصنوعی در بانکداری الکترونیکی 75
انقلاب هوش مصنوعی در صنعت بانکداری و پرداخت 81
تغییر پارادایم‌های سنتی در بانکداری با هوش مصنوعی 83
تأثیر بانکداری باز و هوش مصنوعی بر صنعت بانکی 84
ترویج روش‌های غیرحضوری برای انجام کارهای بانکی 85
افزایش بینش‌های شهودی در مسائل مالی 85
ترویج مفهوم بانکداری سبز 86
امتیازدهی اعتباری و ارزیابی ریسک 86
استراتژی بانک‌ها را هوش مصنوعی تعیین می‌کند؟ 87
فصل 4 88
مزایا و کاربرد هوش مصنوعی در صنعت بانکداری 88
مزایا و معایب هوش مصنوعی در بانکداری 92
برخی از مهم‌ترین معایب هوش مصنوعی در بانکداری 94
آینده هوش مصنوعی در صنعت بانکداری 95
ریسک‌های سرمایه‌گذاری 98
نمونه‌هایی موفق از هوش مصنوعی در بانکداری 99
هوش مصنوعی در بانکداری ایران 101
فصل 5 103
به‌کارگیری شبکه هوش مصنوعی برای برای پیش‌بینی ریسک نقدینگی در صنعت بانکداری 103
ریسک نقدینگی 103
ریسک نقدینگی در موسسات مالی 104
یک مثال از ریسک نقدینگی 105
هوش مصنوعی، ابزاری برای کاهش ریسک مالی 105
معیارهای ارزیابی استفاده از هوش مصنوعی در مقررات مالی 106
آیا موتور هوش مصنوعی اطلاعات کافی دارد؟ 106
چالش های مفهومی در ثبات مالی 107
چالش اول: داده‌های ناقص و ناهمگن 108
چالش دوم: بحران‌های ناشناخته 109
دلایل ناشناخته بودن بحران‌های مالی 109
چالش سوم: واکنش سیستم مالی به کنترل 109
ریسک برون‌زا و درون‌زا 110
چالش چهارم: اهداف هوش مصنوعی 110
تصمیم‌گیری مشارکتی 111
هوش مصنوعی در بخش خصوصی 111
پاسخ عمومی 112
نتیجه گیری 113
فصل6 114
بررسی شاخص‌های اعتبارسنجی مشتریان بانکی با استفاده از هوش مصنوعی 114
اعتبارسنجی مشتریان چیست؟ 115
اهمیت ریسک اعتباری برای بانک‌ها 116
چالش اعتبارسنجی مشتریان 117
اعتبارسنجی مشتریان با هوش مصنوعی 117
مزیت‌های اعتبارسنجی مشتریان با هوش مصنوعی 118
هدف از اعتبارسنجی مشتریان در بانک‌ها چیست؟ 119
منابع و مآخذ 126

هوش مصنوعی
مساله هوش به عنوان یک ویژگی اساسی که تفاوت فردی را بین انسانها موجب میشود، از دیرباز مورد توجه بوده است. بطور کلی ماهیت وجودی هوش به مفهوم جمع آوری اطلاعات, استقرا و تحلیل تجربیات به منظور رسیدن به دانش و یا ارایه تصمیم میباشد . هوش مصنوعی artificial intelligence را باید عرصه ی پهناور تلاقی و ملاقات بسیاری از دانشها، علوم و فنون قدیم و جدید دانست. هدف هوش مصنوعی بطور کلی ساخت ماشینی است که بتواندفکرکند. اما برای دسته بندی و تعریف ماشینهای متفکر، میبایست به تعریف هوش پرداخت. همچنین به تعاریفی برای آگاهی و درک نیز نیازمندیم و در نهایت به معیاری برای سنجش هوش یک ماشین نیازمندیم. هوش مصنوعی علمی است بسیار جوان و روبه رشد. شروع هوش مصنوعی به سال 1950 بازمی گردد یعنی زمانی که آلن تورینگ مقاله خود را درباره ساخت ماشین هوشمند به رشته تحریر درآورد. هوش مصنوعی که همواره هدف نهایی دانش رایانه بوده است، اکنون در خدمت توسعه علوم رایانه نیز است. زبان های lispوprolog زبان هایی هستند که برای طراحی و برنامه نویسی هوش مصنوعی بر روی ماشین ها، بیش از دیگر زبان ها کاربرد دارند. هدف هوش مصنوعی فهم سرشت هوش بشری از راه بررسی ساختار برنامه های کامپیوتری و نحوه ی حل مسائل توسط کامپیوتر است. به اعتقاد متخصصان این رشته، این بررسی میتواند نحوه ی عمل و جزئیات هوش بشر را نشان دهد.در هوش مصنوعی فرضیه های بسیاری مورد بحث قرار میگیرد. فرضیه دستگاه نمادها The symbol system hypothesis مفاد این فرضیه این است که: کامپیوتر را میتوانیم به نحوی برنامه ریزی کنیم که بیندیشد 2-فرضیه قوی دستگاه نمادهاThe strong symbol system hypothesis مفاد این فرضیه هم چنین است تنها کامپیوتر میتواند فکر کند.
هوش مصنوعی که به اختصار به آن AI یا MI نیز گفته می‌شود، به هوشمند شدن ماشین‌ها اشاره دارد. در این مبحث، هوشمندی ماشین‌ها، در قیاس با هوش طبیعی موجود در انسان‌ها و دیگر حیوانات مورد بررسی قرار می‌گیرد.
در علوم کامپیوتر به انجام پژوهش در زمینه «هوش مصنوعی»، مطالعه «عامل‌های هوشمند» نیز می‌گویند. هر دستگاهی که محیط خود را درک کند و بر اساس ادراکش اقدامی انجام دهد که شانس دستیابی موفقیت‌آمیز به هدف را بیشینه کند، یک عامل هوشمند است. به عبارت دیگر، ماشینی که بتواند محیط را درک کند و بر اساس ادراکی که از محیط به دست آورده برای رسیدن به یک هدف خاص تصمیم‌گیری کرده و اقدامی را انجام دهد که امکان موفقیت آن بیشترین میزان ممکن است، یک عامل هوشمند نامیده می‌شود. در واقع، عبارت «هوش مصنوعی» زمانی به‌کار می‌رود که ماشین عملکردهای «شناختی» مانند «یادگیری» و «حل مساله» را که مرتبط با مغز انسان است تقلید می‌کند.
دامنه موضوعاتی که در زمینه هوش مصنوعی قابل بررسی و پژوهش هستند گسترده است و از این رو درباره آن اختلاف نظرهایی وجود دارد. با افزایش توانمندی ماشین‌ها، دیگر صحبت از انجام وظایف نیازمند «هوشمندی» نیست؛ و این منجر به ایجاد پدیده‌ای به نام «اثر هوش مصنوعی » می‌شود. پدیده اثر هوش مصنوعی موجب می‌شود دامنه مفاهیم هوش مصنوعی تا جایی گسترش یابد که پژوهشگران این حوزه یک تعریف کنایه‌ای برای آن ارائه کنند. در این تعریف آمده: «هوش مصنوعی یعنی انجام دادن کاری که پیش از این انجام نشده است».
برای مثالی از گستردگی موضوعات قابل انجام در هوش مصنوعی می‌توان به تشخیص کاراکتر اپتیکی اشاره کرد که معمولا خارج از مباحث هوش مصنوعی مطرح می‌شود و به یک فناوری معمول مبدل شده است. دیگر قابلیت‌های هوش مصنوعی شامل درک زبان انسانی، رقابت کردن در بازی‌های استراتژیک سطح بالا (مانند شطرنج و Go)، خودروهای خودران، مسیریابی هوشمند در شبکه‌های انتقال محتوا و شبیه‌سازی‌های نظامی می‌شود.
هوش مصنوعی در سال ۱۹۵۶ به عنوان یک زمینه دانشگاهی مطرح شد و از آن زمان تاکنون چندین موج بهبود و شکست را به خود دیده است. به شکست‌هایی که در زمینه ارتقا این دانش به وقوع پیوسته، اصطلاحا «زمستان هوش مصنوعی» می‌گویند. به دنبال این شکست‌ها، رویکردهای نو، موفقیت‌های چشم‌گیر و سرمایه‌گذاری‌های جدیدی نیز در این زمینه صورت پذیرفته است. در راستای گستردگی موضوعات موجود در هوش مصنوعی، آن‌ها را به زیردسته‌هایی تقسیم کرده‌اند که اغلب ارتباطی با یکدیگر ندارند. این زیربخش‌های موضوعی بر مبنای ملاحظات فنی مانند اهداف خاص (برای مثال، رباتیک و یادگیری ماشین)، استفاده از ابزارهای مشخص (منطق یا شبکه‌های عصبی)، یا تفاوت‌های عمیق فلسفی تعیین شده‌اند.
اهداف دیرینه‌ای که در پژوهش‌های هوش مصنوعی همواره قصد پرداختن به آن‌ها وجود داشته شامل استدلال، ارائه دانش، برنامه‌ریزی، یادگیری، پردازش زبان طبیعی، ادراک و توانایی حرکت دادن و دست‌کاری کردن اشیا می‌شود. «هوش عمومی» یکی از اهداف بلند مدتی است که هوش مصنوعی در صدد دستیابی به آن است. رویکردهای هوش مصنوعی شامل روش‌های آماری، هوش محاسباتی و هوش مصنوعی نمادین سنتی می‌شود. ابزارهای زیادی از جمله بهینه‌ساز ریاضیاتی و جست‌و‌جو، شبکه‌های عصبی، روش‌های مبتنی‌بر آمار و احتمالات و اقتصاد نیز در هوش مصنوعی مطرح هستند. دانش یاد شده، در زمره علوم کامپیوتر، ریاضیات، روانشناسی، زبان‌شناسی، فلسفه و بسیاری از دیگر علوم می‌گنجد.
مبحث هوش مصنوعی براساس این ادعا ایجاد شده که انسان‌ها موجوداتی هوشمند و به دنبال ساخت ماشین‌هایی با چنین ویژگی (هوشمندی) هستند. «ماشین هوشمند»، ماشینی است که می‌تواند هوشمندی انسان را شبیه‌سازی کند. همین موضوع، منجر به ایجاد بحث‌های فلسفی گوناگونی درباره ماهیت ذهن انسان و رعایت اصول اخلاقی در ساخت موجودات هوشمند با هوش انسان‌گونه شده است. این چالش‌ها در آثار حماسی، ریاضیاتی، روانشناسی، زبان‌شناسی، فلسفی و دیگر پژوهش‌های علمی مورد بررسی قرار گرفته‌اند.
با وجود گستردگی مفهومی و مزایایی که هوش مصنوعی برای انسان‌ها در پی دارد، برخی افراد بر این باورند که اگر این مبحث به صورت افسارگسیخته‌ای پیشرفت کند، به خطری برای نوع بشر مبدل می‌شود. این در حالیست که گروهی دیگر نیز باور دارند هوش مصنوعی، برخلاف انقلاب فناوری، خطر بیکاری حجم عظیمی از انسان‌ها را به دنبال دارد.
با وجود نظرات انتقادی و مخالفت‌هایی که با هوش مصنوعی شده و می‌شود، در قرن بیست و یکم، روش‌های مورد استفاده در این دانش به واسطه مزایای پیشرفته‌ای که در قدرت محاسباتی، پردازش حجم انبوه داده‌ها، و درک مباحث نظری داشتند، حیاتی دوباره گرفتند؛ و در حال حاضر هوش مصنوعی بخشی اساسی از صنعت فناوری است که به حل چالش‌های گوناگون در علوم رایانه کمک می‌کند.
تاریخچه
در آثار ادبی و علمی دوران باستان از مصنوعات دارای قابلیت تفکر، با عنوان دستگاه‌های سخن‌گو یاد شده است. از جمله آثار تخیلی که موجودات هوشمند در آن‌ها به نقش‌آفرینی می‌پردازند می‌توان به کتاب «فرانکنشتاین» اثر «مری شلی» و نمایشنامه «کارخانه ربات‌سازی روسوم» اثر «کارل چاپک» اشاره کرد. شخصیت‌های هوشمند موجود در این داستان‌ها با چالش‌های بسیاری مواجهند. امروزه نیز چالش‌های مشابهی در بحث «اخلاق هوش مصنوعی» مطرح هستند.
مطالعه در زمینه استدلال رسمی یا مکانیکی به آثار دوران باستان فلاسفه و ریاضی‌دانان باز می‌گردد. طی همین پژوهش‌ها و براساس مطالعات انجام شده در زمینه منطق ریاضیاتی، «نظریه محاسبات» آلن تورینگ مطرح شد. براساس این نظریه، یک ماشین با ترکیب نمادهای ساده ۰ و ۱، می‌تواند هرگونه استنتاج ریاضیاتی امکان‌پذیری را انجام دهد. این نگرش که رایانه‌های دیجیتال می‌توانند هرگونه فرآیند استدلال رسمی را شبیه‌سازی کنند با عنوان «تز چرچ-تورینگ » شناخته شده است.
با وقوع هم‌زمان اکتشافات گوناگون در زمینه علوم اعصاب، نظریه اطلاعات و سایبرنتیک، پژوهشگران احتمال ساخت یک مغز الکترونیکی را نیز مطرح کرده و در نظر گرفتند. تورینگ در همین رابطه می‌گوید: «اگر انسان نتواند بین پاسخی که از ماشین دریافت می‌کند و پاسخ یک انسان، تمایزی قائل شود، می‌توان گفت ماشین هوشمند است». تلاش‌های اولیه انجام شده در راستای ساخت ماشین هوشمندی که در آزمون تورینگ موفق عمل کند امروزه با عنوان هوش مصنوعی شناخته می‌شوند و حاصل طراحی رسمی «مک‌کلوچ» و «پیتز» جهت ساخت «عصب‌های مصنوعی» تورینگ کامل است. در نظریه محاسبات، سیستم قوانین تغییر داده‌ها در حالتی تورینگ کامل نامیده می‌شود که بتوان برای شبیه‌سازی آن‌ها از ماشین تورینگ تک نواری استفاده کرد.
پژوهش در زمینه هوش مصنوعی برای اولین بار در سال ۱۹۵۶ در کارگاهی در کالج دارتموث مطرح شد. شرکت‌کنندگان این کارگاه، آلن نیوول و هربرت سیمون از دانشگاه کارنگی ملون (CMU)، جان مک‌کارتی و ماروین مینسکی از موسسه فناوری ماساچوست (دانشگاه MIT) و آرتور ساموئل از شرکت IBM، به بنیان‌گذاران و رهبران پژوهش‌های هوش مصنوعی جهان مبدل شدند.
این افراد و دانشجویانشان برنامه‌هایی را ایجاد کردند که در رسانه‌ها و مطبوعات دوران از آن‌ها با عنوان برنامه‌های شگفت‌انگیز یاد می‌شد. از جمله این موارد می‌توان به نرم‌افزار دارای قابلیت یادگیری استراتژی‌های بازی چکرز که در سال ۱۹۵۴ تولید شد (و در سال ۱۹۵۹ گزارش شد که این برنامه از میانگین عملکرد یک انسان بهتر عمل می‌کنند)، برنامه‌های حل مسائل جبری، اثبات نظریه‌های منطقی (برنامه رایانه‌ای Logic Theorist که اولین‌بار در سال ۱۹۵۶ مورد بهره‌برداری قرار گرفت) و سخن گفتن ماشین به زبان انگلیسی اشاره کرد. دپارتمان دفاع ایالات متحده آمریکا، در اواسط سال ۱۹۶۰، روی پژوهش‌های انجام شده در زمینه هوش مصنوعی سرمایه‌گذاری انبوهی صورت داد. همچنین، در دیگر نقاط جهان نیز آزمایشگاه‌هایی در این زمینه تاسیس شدند.
بنیان‌گذاران هوش مصنوعی به آینده این علم خوش‌بین بودند. هربرت سیمون پیش‌بینی کرد که «ماشین‌ها طی بیست سال آینده قادر به انجام هر کاری هستند که یک انسان بتواند انجام دهد». ماروین مینسکی با این نظر موافق است ولی با طعنه این پرسش را مطرح می‌کند که «آیا با گذشت یک نسل … مساله ساخت هوش مصنوعی به‌طور اساسی حل خواهد شد؟». ولیکن، بنیان‌گذاران این علم در شناسایی فعالیت‌های لازم جهت رشد و توسعه و دستیابی به اهداف تبیین شده برای آن شکست خوردند. در نتیجه، پیشرفت هوش مصنوعی کند شد و در سال ۱۹۷۴ در پاسخ به انتقادهای انجام شده از «سِر جیمز لایت‌هیل» و فشاری که به کنگره آمریکا برای سرمایه‌گذاری بیشتر روی پروژه‌های تولیدی وارد شد، هم دولت ایالات متحده و هم انگلستان به پژوهش‌های خود در عرصه هوش مصنوعی پایان دادند. سال‌های بعد از این جریان را به دلیل سختی‌های ایجاد شده در سرمایه‌گذاری برای پروژه‌های هوش مصنوعی، «زمستان هوش مصنوعی» می‌گویند.
در اوایل سال ۱۹۸۰، پژوهش‌های هوش مصنوعی با کسب موفقیت‌های تجاری در «سیستم‌های خبره »، حیاتی دوباره یافتند.
سیستم‌های خبره شکلی از برنامه‌های شبیه‌سازی شده هستند که دانش و مهارت‌های تحلیلی موجود در انسان خبره را شبیه‌سازی می‌کنند. در سال ۱۹۸۵، سهم هوش مصنوعی از بازار به بیش از یک میلیارد دلار رسید. در همان دوران، با معرفی پروژه رایانه‌های نسل پنجم در ژاپن، دولت‌های ایالات متحده آمریکا و انگلستان بار دیگر به سرمایه‌گذاری در پژوهش‌های دانشگاهی حوزه هوش مصنوعی روی آوردند. اگرچه با فروپاشی ماشین Lisp در سال ۱۹۸۷، این علم بار دیگر دچار تخریب و نسل جدیدی از بدگویی‌ها و مخالفت‌های شدید با آن آغاز شد.
در اواخر سال ۱۹۹۰ میلادی و اوایل قرن ۲۱، هوش مصنوعی در لُجستیک، داده‌کاوی، تشخیص پزشکی و دیگر زمینه‌ها مورد بهره‌برداری قرار گرفت. طی این سال‌ها، با افزایش قدرت محاسباتی رایانه‌ها و تاکید بر حل مسائل خاص با استفاده از هوش مصنوعی، تلاقی‌های جدیدی بین این علم و دیگر علوم (مانند آمار، اقتصاد و ریاضیات) به وجود آمد و پژوهشگران به استفاده از روش‌های ریاضیاتی و استانداردهای علمی در این زمینه روی آوردند که منجر به کسب موفقیت‌های متعددی شد.
در راستای موفقیت‌های به دست آمده برای هوش مصنوعی، می‌توان به دیپ بلو ، اولین رایانه دارای مهارت بازی شطرنج اشاره کرد که توانست قهرمان شطرنج جهان، «گری کاسپاروف» را با نتیجه ۳،۵ به ۲،۵ طی ۶ مسابقه در ۱۱ می ۱۹۹۷ شکست دهد. در سال ۲۰۱۱ نیز طی مسابقات تلویزیونی «جپاردی!» (!Jeopardy)، سیستم پرسش و پاسخ IBM با نام «واتسون» موفق به شکست دادن دو قهرمان جپاردی، «برد راتر» و «جن جینگیز» با اختلاف امتیاز قابل توجهی شد.
رایانه‌های سریع‌تر، بهبود الگوریتم‌ها و دسترسی داشتن به حجم بیشتری از داده‌ها، پیشرفت‌هایی را در یادگیری و ادراک ماشین به‌دنبال داشت؛ روش‌های یادگیری عمیق بالاترین بنچ‌مارک‌های صحت را در سال ۲۰۱۲ به خود اختصاص دادند. کینکت، که یک رابط سه‌بُعدی تشخیص حرکت-بدن برای Xbox 360 و Xbox 1 فراهم می‌کند و همچنین دستیارهای شخصی دیجیتال به کار رفته در گوشی‌های هوشمند، از ادغام الگوریتم‌های هوش مصنوعی که طی سال‌های طولانی پژوهش در این حوزه کشف شدند، حاصل شده است.

در ماه مارس سال ۲۰۱۶، «آلفاگو» (AlphaGo) طی پنج مسابقه با قهرمان بازی Go، «لی سدُل»، موفق شد چهار بار او را مغلوب کند. آلفاگو در واقع اولین سیستم رایانه‌ای بازیکن Go بود که موفق به پیروزی در مقابل حریف خود بدون هندیکپ شد. در رویداد سال ۲۰۱۷ « Future of Go Summit»، سیستم آلفاگو، مسابقات سه مرحله‌ای را در مقابل «کِ جی» برد که برای دو سال متوالی در رتبه اول جهان قرار داشت. این پیروزی، به نقطه عطفی در توسعه هوش مصنوعی مبدل شد، زیرا Go یک بازی با درجه پیچیدگی فوق‌العاده بالا است که به مراتب از شطرنج نیز پیچیده‌تر محسوب می‌شود.
مطابق مطلب منتشر شده از جک کلارک در بلومبرگ نیوز، تعداد پروژه‌های نرم‌افزاری که در سال ۲۰۱۵ از هوش مصنوعی بهره می‌بردند از رقم کم و پراکنده پیشین به بیش از ۲۷۰۰ پروژه رسید و موجب شد این سال نقطه عطفی برای این علم باشد. همچنین، آمارهای واقعی منتشر شده توسط کلارک حاکی از آن است که نرخ خطا در برنامه‌های پردازش تصویر از سال ۲۰۱۱ به‌طور موثری کاهش پیدا کرده است. او این اتفاق را به افزایش دسترسی‌پذیری شبکه‌های عصبی، به دلیل رشد زیرساخت‌های پردازش ابری، ابزارهای پژوهش و مجموعه داده‌ها مربوط دانسته است. دیگر مثال‌های عنوان شده در زمینه پیشرفت هوش مصنوعی مربوط به توسعه سیستم اسکایپ مایکروسافت که می‌تواند متن را به‌طور خودکار از یک زبان به زبان دیگر ترجمه کند و همچنین، سیستم فیس‌بوک است که توانایی تشریح تصاویر را برای افراد نابینا دارد. در نظرسنجی انجام شده در سال ۲۰۱۷، از هر پنج شرکت، یک مورد گزارش داده که از هوش مصنوعی در فرآیندها یا برخی فعالیت‌های خود استفاده می‌کند.
ایده‌ی خلق موجودات هوشمندی که بتوانند کارهای انسان را انجام دهند، به اسطوره‌ها برمی‌گردد. انسان از وقتی که می‌توانسته خیال‌پردازی کند، همیشه به‌دنبال خلق کردن موجوداتی بوده که تحت فرمان او باشند و دستوراتش را اجرا کنند. البته که ساخت چنین موجودی به همین سادگی‌ها نیست و هنوز که هنوز است بشر موفق به ساخت آن نشده و فعلاً در حد همان خیال‌پردازی‌های فیلم‌های علمی – تخیلی مانده است.
نخستین گام‌ها در ساخت ماشین به جای انسان
اولین تلاش انسان برای ساخت ماشینی که به‌جای انسان کار کند و تصمیم بگیرد، به حدود قرن ۱۷ بازمی‌گردد. چند قرن بعد، در دهه‌‎ی ۱۹۳۰ کورت گودل، آلونسو چرچ و آلن تورینگ بنیادهای اساسی منطق و نظریه‌ی علم کامپیوتر را بنا نهادند.
در جنگ جهانی دوم، تصمیم‌گیری و محاسبات سریع برای شکستن پیام‌های رمزی دشمن، به‌قدری مهم شد که آلن تورینگ (پدر هوش مصنوعی جهان) ساخت ماشین رمزشکن را آغاز کرد. داستان اختراع ماشین‌ها با قابلیت‌های مختلف، دست‌مایه‌ی ساخت فیلم‌های علمی – تخیلی زیادی شده است، همچنین که داستان ساخت اولین ماشین توسط آلن تورینگ، موضوع یکی از همین فیلم‌هاست.
آلن تورینگ آزمونی برای سنجش هوشمندی ماشین‌ها طراحی کرد که به آزمون تورینگ مشهور است. از نظر تورینگ هر ماشینی که بتواند از پس این آزمون بربیاید هوشمند است.
تاریخچه هوش مصنوعی در ایران
اختراع ماشین تورینگ در خلال جنگ جهانی دوم باعث شد تا سفری بدون انتها آغاز شود. مقصود توسعه روزافزون هوش مصنوعی، تفکر پیوسته بشر پیرامون آن و انباشت هر چه بیشتر دانش و تجربه آدمی در این باره است که «چگونه ماشین‌ها می‌توانند همچون آدمی بفهمند و عمل کنند؟». در واقع هسته مرکزی انگیزش تحقیق و توسعه در هوش مصنوعی همین پرسش است. این پرسش نیرویی در درون خود دارد و در دهه‌های گذشته سبب جنب‌وجوش عظیمی در دانشمندان و متخصصین علوم اعصاب و مهندسین کامپیوتر گردیده است.
بنابراین از تولد AI، زمان زیادی نمی‌گذرد. بر همین مبنا این رشته از اوایل دهه ۸۰ شمسی به کشورمان وارد شد. سپس در کشورمان متخصصین بسیاری به کاوش‌های نظری درباره آن پرداختند، به نحوی که بر اساس حجم تولیدات علمی که داشته‌ایم، به رتبه ۱۳ جهان در زمینه نظریه‌پردازی Artificial Intelligence دست یافتیم. در ایران زنده‌یاد، دکتر کارو لوکاس که در سال ۱۳۲۸ در اصفهان دیده به جهان گشود، پیش‌گام معرفی و توسعه رشته هوش‌مصنوعی و رباتیک در کشورمان بود. ایشان به جهت فعالیت‌های بسیار در رشته‌های مختلف علوم محض نظیر محاسبات، ریاضیات، احتمالات و علوم مهندسی نظیر رباتیک، موردتوجه محافل علمی جهان واقع شده بود. دکتر لوکاس از سال ۱۳۸۱ برای تدریس رشته رباتیک و AI، پس از سال‌ها فعالیت علمی در غرب، در دانشگاه تهران برنامه‌های علمی خود را آغازکرد.

اما اگرچه تولیدات علمی و نظری هوش ماشینی در کشورمان گذشته کوتاهی داشته و به‌واقع تاریخچه هوش مصنوعی در ایران عمر چندانی ندارد، اما بر اساس تولیدات و مستندات علمی عمیقی که از سوی دانشمندان علاقه‌مند ایرانی ایجاد شد، بدون تردید می‌توان آینده‎ای درخشان را برای این رشته از علم در ایران متصور بود