Quelles sont les différentes approches d'intelligence artificielle?
Les différentes approches d'intelligence artificielle peuvent être classées en trois groupes distincts: simulation cérébrale, symbolique et sous-symbolique et statistique. Les approches symboliques et sous-symboliques peuvent également être classées dans leurs propres groupes: la simulation cognitive, l'intelligence basée sur la logique et l'intelligence basée sur la connaissance relèvent de l'approche symbolique, tandis que les théories de l'intelligence calculatrice et ascendante sont identifiées comme étant l'intelligence artificielle sous-symbolique. approches. Des années de progrès dans la recherche et l'application de ces théories ont conduit à la formation d'approches intégrées, combinant les principes de multiples écoles de pensée pour générer des systèmes d'intelligence artificielle (IA) plus sophistiqués.
Le développement de l'IA a d'abord connu des avancées majeures au cours des années 1940. En utilisant les principes de la neurologie, de la cybernétique et des théories fondamentales du traitement cognitif, les chercheurs ont pu construire des robots avec des niveaux d'intelligence primitifs basés sur la simulation du cerveau, permettant ainsi d'éviter certains obstacles grâce à la détection sensorielle. Les avancées limitées entre les années 1940 et 1960 ont toutefois conduit à l'abandon de ce paradigme, les chercheurs ayant choisi de développer d'autres approches plus prometteuses en matière d'intelligence artificielle.
Au milieu des années 50 et au début des années 60, des chercheurs en intelligence artificielle ont tenté de simplifier l'intelligence humaine en manipulant des symboles, convaincus que la capacité de l'homme à se familiariser avec les objets de son environnement et à s'y adapter dépend de son interprétation et de sa réinterprétation en tant que symboles de base. 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 intégrant cette approche symbolique au développement de l'IA.
La capacité de simuler les différentes approches cognitives de la pensée symbolique a permis aux développeurs d'intelligence artificielle de créer une intelligence basée sur la logique et la connaissance. L'approche basée sur la logique a fonctionné sur les principes sous-jacents de la pensée logique, se concentrant presque entièrement sur la résolution de problèmes plutôt que de reproduire une capacité de pensée semblable à celle d'un humain. La logique a finalement été contrebalancée par une logique "délabrée", qui tenait compte du fait que des solutions peuvent être trouvées en dehors d'un algorithme logique donné. En revanche, l'intelligence basée sur les connaissances tirait parti de la capacité d'un ordinateur à stocker, traiter et rappeler de grandes quantités de données pour apporter des solutions aux problèmes.
L'intérêt pour la simulation cérébrale a été ravivé dans les années 1980 après le ralentissement de l'avancement de l'intelligence symbolique. Cela a conduit à la création de systèmes sous-symboliques, d'approches d'intelligence artificielle visant à combiner la réflexion avec l'intelligence plus fondamentale nécessaire au mouvement et à la préservation de soi. Cela a permis aux modèles de relier l'environnement autour d'eux aux données de leurs mémoires. L'approche statistique mise au point dans les années 1990 a permis d'affiner les approches d'intelligence artificielle symbolique et sous-symbolique en utilisant des algorithmes mathématiques sophistiqués pour déterminer la marche à suivre la plus susceptible de contribuer au succès de la machine. La recherche aborde souvent le développement de l'IA en utilisant les principes de toutes les approches.