¿Cuáles son los diferentes enfoques de inteligencia artificial?
Los diferentes enfoques de inteligencia artificial se pueden clasificar en tres grupos distintos: simulación cerebral, simbólica y sub-simbólica, y estadística. Los enfoques simbólico y sub-simbólico pueden clasificarse aún más en sus propios grupos: la simulación cognitiva, la inteligencia basada en la lógica y la inteligencia basada en el conocimiento caen bajo el enfoque simbólico, mientras que las teorías de inteligencia ascendente y computacional se identifican como inteligencia artificial sub-simbólica enfoques. Años de avance en la investigación y aplicación de estas teorías han llevado a la formación de enfoques integrados, combinando principios de múltiples escuelas de pensamiento para generar sistemas de inteligencia artificial (IA) más sofisticados.
El desarrollo de IA alcanzó por primera vez importantes avances de desarrollo durante la década de 1940. Al utilizar los principios de la neurología, la cibernética y las teorías básicas del procesamiento cognitivo, los investigadores pudieron construir robots con niveles primitivos de inteligencia basados en la simulación cerebral, lo que permitió evitar ciertos obstáculos mediante la detección sensorial. Sin embargo, el avance limitado entre las décadas de 1940 y 1960 condujo al abandono de este paradigma, y los investigadores optaron por desarrollar otros enfoques de inteligencia artificial más prometedores.
A mediados de la década de 1950 hasta principios de la década de 1960, los investigadores de IA intentaron simplificar la inteligencia humana en la manipulación de símbolos, creyendo que la capacidad de los humanos para aprender y adaptarse a los objetos en su entorno gira en torno a la interpretación y reinterpretación de los objetos como símbolos básicos. Una silla, por ejemplo, podría simplificarse en un símbolo definiéndolo como un objeto para sentarse. Este símbolo podría ser manipulado y proyectado sobre otros objetos. Los investigadores pudieron crear una serie de enfoques de inteligencia artificial flexibles y dinámicos al incorporar este enfoque simbólico en el desarrollo de IA.
La capacidad de simular los diferentes enfoques cognitivos del pensamiento simbólico permitió a los desarrolladores de IA crear inteligencia basada en la lógica y el conocimiento. El enfoque basado en la lógica trabajó en los principios subyacentes del pensamiento lógico, se centró casi por completo en resolver problemas en lugar de replicar la capacidad de pensamiento similar a la humana. La lógica fue finalmente equilibrada por la lógica "desaliñada", que tuvo en cuenta el hecho de que se pueden encontrar soluciones fuera de un algoritmo lógico dado. La inteligencia basada en el conocimiento, por otro lado, aprovechó la capacidad de una computadora para almacenar, procesar y recuperar grandes cantidades de datos para proporcionar soluciones a los problemas.
El interés en la simulación del cerebro revivió en la década de 1980 después de que el avance en la inteligencia simbólica se desaceleró. Esto condujo a la creación de sistemas sub-simbólicos, enfoques de inteligencia artificial que giraban en torno a combinar el pensamiento con la inteligencia más básica necesaria para el movimiento y la autoconservación. Esto permitió a los modelos relacionar el entorno a su alrededor con los datos en sus almacenes de memoria. El enfoque estadístico desarrollado en la década de 1990 ayudó a pulir los enfoques de inteligencia artificial simbólicos y sub-simbólicos mediante el uso de sofisticados algoritmos matemáticos para determinar el curso de acción más probable para el éxito de la máquina. La investigación a menudo aborda el desarrollo de IA utilizando principios de todos los enfoques.