طراحی متدولوژی های ترکیبی (Hybrid) در هوش مصنوعی برای حل مسائل پیچیده

مساله های پیچیده معمولا از طبیعت غیرخطی، چندمعیاره و بزرگ داده ای برخوردارند که حل آن ها توسط یک تکنیک منفرد هوش مصنوعی اغلب ناکافی است. در این مقاله، اهمیت استفاده از روش های ترکیبی (Hybrid) در هوش مصنوعی برای بهبود دقت و کارایی حل مسائل پیچیده بررسی شده است. رویکرد ترکیبی به معنای به کارگیری همزمان یا متوالی چند روش هوش مصنوعی در قالب یک چارچوب یکپارچه است. مطالعات مختلف نشان داده اند که ترکیب انسان و ماشین (هوش هیبریدی) در افزایش دقت مدل های یادگیری ماشین موثر است و استفاده از الگوریتم های فراابتکاری (متاهیوریستیک) در چارچوب های ترکیبی می تواند همگرایی سریعتری را برای شبکه های عصبی فراهم کند. یافته های تجربی نیز نشان می دهد که مدل های ترکیبی هوش مصنوعی دقت پیش بینی در مسائل پیچیده را به طور چشمگیری افزایش می دهند (برای اکبری و همکاران، ۱۴۰۰).

کلیدواژه ها:

هوش مصنوعی ترکیبی ، الگوریتم فراابتکاری ، شبکه عصبی -فازی ، یادگیری هیبرید ، مسائل پیچیده