Was sind die unterschiedlichen Ansätze für künstliche Intelligenz?
Die verschiedenen Ansätze für künstliche Intelligenz können in drei verschiedene Gruppen eingeteilt werden: Hirnsimulation, symbolisch und subsymbolisch und statistisch. Die symbolischen und subsymbolischen Ansätze können weiter in ihre eigenen Gruppen eingeteilt werden: Kognitive Simulation, logikbasierte Intelligenz und wissensbasierte Intelligenz fallen in den symbolischen Ansatz, während Theorien für Bottom-up- und Computerinformation als subsymbolische künstliche Intelligenzansätze identifiziert werden. Die jahrelange Fortschritte bei der Forschung und Anwendung dieser Theorien haben zur Bildung integrierter Ansätze geführt und Prinzipien aus mehreren Gedankenschulen kombiniert, um ausgefeiltere Systeme für künstliche Intelligenz (AI) zu erzeugen. Durch die Verwendung von Prinzipien aus Neurologie, Kybernetik und grundlegenden kognitiven Verarbeitungstheorien konnten die Forscher Roboter mit primitiven Intelligenzniveaus basierend auf Gehirnsimula aufbauenErmöglichen Sie die Vermeidung bestimmter Hindernisse durch sensorische Erkennung. Ein begrenzter Fortschritt zwischen den 1940er und den 1960er Jahren führte jedoch zur Aufgabe dieses Paradigmas, wobei die Forscher sich dafür entschieden haben, andere, vielversprechendere Ansätze für künstliche Intelligenz zu entwickeln.
Mitte der 1950er bis frühen 1960er Jahre versuchten KI-Forscher, die menschliche Intelligenz in die Symbolmanipulation zu vereinfachen, und glaubten, dass sich die Fähigkeit der Menschen, Objekte in ihrer Umgebung zu lernen und sich an sie anzupassen, um die Interpretation und Neuinterpretation von Objekten als Grundsymbole lernt. Ein Stuhl kann beispielsweise in ein Symbol vereinfacht werden, das es als Objekt definiert, auf dem man sitzen kann. Dieses Symbol könnte dann manipuliert und auf andere Objekte projiziert werden. Die Forscher konnten eine Reihe flexibler und dynamischer Ansätze für künstliche Intelligenz schaffen, indem sie diesen symbolischen Ansatz in die AI -Entwicklung einbezogen haben.
Die aBility, um die unterschiedlichen kognitiven Ansätze für symbolische Gedanken zu simulieren, ermöglichte es KI-Entwicklern, logischbasierte und wissensbasierte Intelligenz zu erstellen. Der logikbasierte Ansatz arbeitete an den zugrunde liegenden Prinzipien des logischen Denkens und konzentrierte sich fast ausschließlich auf die Lösung von Problemen, anstatt die Fähigkeit des menschlichen Denkens zu replizieren. Die Logik wurde schließlich durch die "schäbige" Logik ausgeglichen, was berücksichtigt wurde, dass Lösungen außerhalb eines bestimmten logischen Algorithmus gefunden werden können. Wissensbasierte Intelligenz dagegen nutzte die Fähigkeit eines Computers, große Datenmengen zu speichern, zu verarbeiten und zu erinnern, um Lösungen für Probleme bereitzustellen.
Interesse an einer Gehirnsimulation wurde in den 1980er Jahren wiederbelebt, nachdem sich die symbolische Intelligenz verlangsamte. Dies führte zur Schaffung subsymbolischer Systeme, künstliche Intelligenzansätze, die sich darum drehten, das Denken mit der grundlegenden Intelligenz zu kombinieren, die für Bewegung und Selbsterhaltung erforderlich war. Dies ermöglichte es den Modellen, die in Beziehung zu setzenUmgebung um sie herum zu Daten in ihren Speichergeschäften. Der in den neunziger Jahren entwickelte statistische Ansatz half, sowohl die symbolischen als auch die subsymbolischen Ansätze für künstliche Intelligenz zu polieren, indem ausgefeilte mathematische Algorithmen verwendet wurden, um die Vorgehensweise zu bestimmen, die am wahrscheinlichsten zum Erfolg der Maschine führt. Forschung wird häufig die KI -Entwicklung anhand von Prinzipien aus allen Ansätzen befasst.