Jaké jsou různé přístupy umělé inteligence?

Různé přístupy umělé inteligence lze rozdělit do tří různých skupin: simulace mozku, symbolické a sub-symbolické a statistické. Symbolické a sub-symbolické přístupy lze dále rozdělit do jejich vlastních skupin: kognitivní simulace, logická inteligence a znalostní inteligence spadají pod symbolický přístup, zatímco teorie inteligence zdola nahoru a výpočetní inteligence jsou identifikovány jako sub-symbolická umělá inteligence přístupy. Roky pokroku ve výzkumu a aplikaci těchto teorií vedly k vytvoření integrovaných přístupů, které kombinovaly principy z více myšlenkových škol a vytvářely sofistikovanější systémy umělé inteligence (AI).

Vývoj umělé inteligence poprvé zasáhl hlavní vývojové kroky během 40. let 20. století. Použitím principů z neurologie, kybernetiky a základních kognitivních teorií zpracování byli vědci schopni stavět roboty s primitivní úrovní inteligence založenou na simulaci mozku, což umožnilo vyhnout se určitým překážkám prostřednictvím senzorické detekce. Omezený pokrok mezi 40. a 60. lety však vedl k opuštění tohoto paradigmatu, přičemž se vědci rozhodli vyvinout další slibnější přístupy umělé inteligence.

V polovině padesátých let až začátkem šedesátých let se vědci umělé inteligence pokusili zjednodušit inteligenci člověka na manipulaci se symboly a věřili, že schopnost lidí učit se a přizpůsobovat se objektům v jejich prostředí se točí kolem interpretace a reinterpretace objektů jako základních symbolů. Židle by například mohla být zjednodušena do symbolu, který ji definuje jako předmět, na kterém bude sedět. Tento symbol by pak mohl být manipulován a promítnut na jiné objekty. Vědci dokázali vytvořit řadu flexibilních a dynamických přístupů umělé inteligence začleněním tohoto symbolického přístupu do rozvoje umělé inteligence.

Schopnost simulovat různé kognitivní přístupy k symbolickému myšlení umožnila vývojářům umělé inteligence vytvářet logicky založené a založené na znalostech inteligenci. Logický přístup pracoval na základních principech logického myšlení a zaměřoval se téměř výhradně na řešení problémů, než na replikaci schopností myšlení podobných lidem. Logika byla nakonec vyvážena „scruffy“ logikou, která zohledňovala skutečnost, že řešení lze nalézt mimo daný logický algoritmus. Na druhou stranu inteligence založená na znalostech využila schopnosti počítače ukládat, zpracovávat a vyvolávat obrovské množství dat, aby poskytla řešení problémů.

Zájem o simulaci mozku byl obnoven v 80. letech poté, co pokrok v symbolické inteligenci zpomalil. To vedlo k vytvoření sub-symbolických systémů, přístupů umělé inteligence, které se točily kolem kombinace myšlení se základní inteligencí potřebnou pro pohyb a sebezáchovu. To umožnilo modelům vztahovat prostředí kolem nich k datům v jejich paměťových úložištích. Statistický přístup vyvinutý v 90. letech pomohl vyleštit jak symbolické, tak i symbolické přístupy umělé inteligence pomocí sofistikovaných matematických algoritmů k určení průběhu akce, která s největší pravděpodobností povede k úspěchu stroje. Výzkum se často zabývá vývojem umělé inteligence pomocí principů ze všech přístupů.