بازآفرینی مفاهیم نظریه محاسبات در عصر هوش مصنوعی: از نظریه کلاسیک تا محاسبات عصبی

پیشرفت‌های انقلابی در هوش مصنوعی و گسترش معماری‌های عصبی، بازتعریف مفاهیم بنیادین نظریه محاسبات را ضروری کرده است. این پژوهش با مرور نظام‌مند و تحلیل مقالات دو دهه اخیر، تاثیر پارادایم‌های نوین هوش مصنوعی بر مبانی نظری را بررسی می‌کند. مفاهیم کلاسیک مانند محاسبه‌پذیری و پیچیدگی الگوریتمی، در تقابل با یادگیری عمیق، بازبینی شده‌اند. معماری‌هایی چون شبکه‌های توجه‌محور و مدل‌های مولد، پرسش‌های بنیادین جدیدی مطرح کرده‌اند. به‌عنوان مثال، سیستم‌های ترانسفورمر با دگرگون‌سازی پیچیدگی زمانی، مفاهیم نوینی مثل ظرفیت محاسباتی پویا و پیچیدگی استنتاج را به ادبیات حوزه افزوده که انعطاف‌پذیری و کارایی سیستم‌ها را بهبود می‌بخشد(برای تعاریف اصطلاحات تخصصی به پیوست 1 مراجعه شود). تقابل مدل‌های قاعده‌محور و داده‌محور نیز درک جدیدی از نظریه چرچ-تورینگ ارائه می‌دهد. در نهایت، الگویی مفهومی پیشنهاد می‌شود که تلفیق سنت‌های کلاسیک با محاسبات عصبی، غنای نظریه محاسبات را در عصر هوش مصنوعی افزایش داده و همگرایی ریاضیات گسسته، نظریه محاسبات و یادگیری ماشین را در چارچوبی یکپارچه فراهم می‌کند.