Quelles sont les différentes approches d'intelligence artificielle?
Les différentes approches de l'intelligence artificielle peuvent être classées en trois groupes distincts: simulation cérébrale, symbolique et sous-symbolique et statistique. Les approches symboliques et sous-symboliques peuvent être classées davantage en leurs propres groupes: la simulation cognitive, l'intelligence basée sur la logique et l'intelligence basée sur les connaissances relèvent de l'approche symbolique, tandis que les théories ascendantes et de l'intelligence informatique sont identifiées comme des approches d'intelligence artificielle subsmboliques. Des années d'avancement dans la recherche et l'application de ces théories ont conduit à la formation d'approches intégrées, combinant les principes de plusieurs écoles de pensée pour générer des systèmes d'intelligence artificielle (IA) plus sophistiqués.
Le développement de l'IA a d'abord atteint les progrès majeurs du développement dans les années 40. En utilisant les principes de la neurologie, de la cybernétique et des théories de traitement cognitif de base, les chercheurs ont pu construire des robots avec des niveaux d'intelligence primitifs basés sur le cerveau Simulation, permettant d'éviter certains obstacles par la détection sensorielle. Les progrès limités entre les années 40 et les années 1960, cependant, ont conduit à l'abandon de ce paradigme, les chercheurs choisissant de développer d'autres approches d'intelligence artificielle plus prometteuses.
Au milieu des années 1950 au début des années 1960, les chercheurs de l'IA ont tenté de simplifier l'intelligence humaine dans la manipulation des symboles, croyant que la capacité des humains à apprendre et à s'adapter aux objets dans leur environnement tourne autour de l'interprétation et de la réinterprétation des objets en tant que symboles fondamentaux. Une chaise, par exemple, pourrait être simplifiée en un symbole la définissant comme un objet sur lequel s'asseoir. Ce symbole pourrait ensuite être manipulé et projeté sur d'autres objets. Les chercheurs ont pu créer un certain nombre d'approches d'intelligence artificielle flexibles et dynamiques en incorporant cette approche symbolique dans le développement de l'IA.
Le ALa biliété de simuler les différentes approches cognitives de la pensée symbolique a permis aux développeurs de l'IA de créer une intelligence basée sur la logique et basée sur les connaissances. L'approche basée sur la logique a fonctionné sur les principes sous-jacents de la pensée logique, se concentrait presque entièrement sur la résolution de problèmes plutôt que sur la réplication de la capacité de pensée humaine. La logique a finalement été équilibrée par la logique "débraillée", qui a pris en compte le fait que les solutions peuvent être trouvées en dehors d'un algorithme logique donné. L'intelligence basée sur les connaissances, en revanche, a profité de la capacité d'un ordinateur à stocker, traiter et rappeler de grandes quantités de données pour fournir des solutions aux problèmes.
L'intérêt pour la simulation cérébrale a été relancé dans les années 1980 après le ralentissement des progrès de l'intelligence symbolique. Cela a conduit à la création de systèmes sous-symboliques, des approches d'intelligence artificielle qui tournaient autour de la combinaison de la pensée avec l'intelligence plus fondamentale nécessaire au mouvement et à l'auto-préservation. Cela a permis aux modèles de relier leenvironnement autour d'eux aux données dans leurs magasins de mémoire. L'approche statistique développée dans les années 1990 a aidé à polir les approches d'intelligence artificielle symbolique et subsmbolique en utilisant des algorithmes mathématiques sophistiqués pour déterminer le plan d'action le plus susceptible de se traduire par le succès de la machine. La recherche aborde souvent le développement de l'IA en utilisant les principes de toutes les approches.