Quali sono i diversi approcci di intelligenza artificiale?
I diversi approcci di intelligenza artificiale possono essere classificati in tre gruppi distinti: simulazione cerebrale, simbolica e sub-simbolica e statistica. Gli approcci simbolici e sub-simbolici possono essere ulteriormente classificati nei loro gruppi: simulazione cognitiva, intelligenza basata sulla logica e intelligenza basata sulla conoscenza rientrano nell'approccio simbolico, mentre le teorie dal basso verso l'alto e l'intelligenza computazionale sono identificate come intelligenza artificiale sub-simbolica approcci. Anni di progressi nella ricerca e nell'applicazione di queste teorie hanno portato alla formazione di approcci integrati, combinando i principi di più scuole di pensiero per generare sistemi di intelligenza artificiale (AI) più sofisticati.
Lo sviluppo dell'IA ha colpito per la prima volta i grandi passi dello sviluppo negli anni '40. Utilizzando i principi della neurologia, della cibernetica e delle teorie di elaborazione cognitiva di base, i ricercatori sono stati in grado di costruire robot con livelli primitivi di intelligenza basati sulla simulazione del cervello, consentendo di evitare alcuni ostacoli attraverso il rilevamento sensoriale. Il limitato progresso tra gli anni '40 e '60, tuttavia, portò all'abbandono di questo paradigma, con i ricercatori che optarono per sviluppare altri approcci di intelligenza artificiale più promettenti.
Dalla metà degli anni '50 ai primi anni '60, i ricercatori dell'IA hanno tentato di semplificare l'intelligenza umana nella manipolazione dei simboli, credendo che la capacità degli umani di conoscere e adattarsi agli oggetti nel loro ambiente ruota attorno all'interpretazione e alla reinterpretazione degli oggetti come simboli di base. Una sedia, ad esempio, potrebbe essere semplificata in un simbolo che la definisce come un oggetto su cui sedersi. Questo simbolo potrebbe quindi essere manipolato e proiettato su altri oggetti. I ricercatori sono stati in grado di creare una serie di approcci di intelligenza artificiale flessibili e dinamici incorporando questo approccio simbolico nello sviluppo dell'IA.
La capacità di simulare i diversi approcci cognitivi al pensiero simbolico ha permesso agli sviluppatori di AI di creare intelligenza basata sulla logica e sulla conoscenza. L'approccio basato sulla logica ha funzionato sui principi di base del pensiero logico, focalizzato quasi interamente sulla risoluzione dei problemi piuttosto che sulla replica della capacità di pensare simile all'uomo. La logica è stata infine bilanciata dalla logica "trasandata", che ha tenuto conto del fatto che le soluzioni possono essere trovate al di fuori di un determinato algoritmo logico. L'intelligenza basata sulla conoscenza, d'altra parte, ha sfruttato la capacità di un computer di archiviare, elaborare e richiamare grandi quantità di dati per fornire soluzioni ai problemi.
L'interesse per la simulazione del cervello è stato ripreso negli anni '80 dopo il rallentamento dell'intelligenza simbolica. Ciò portò alla creazione di sistemi sub-simbolici, approcci di intelligenza artificiale che ruotavano attorno alla combinazione del pensiero con l'intelligenza più basilare necessaria per il movimento e l'autoconservazione. Ciò ha consentito ai modelli di mettere in relazione l'ambiente circostante con i dati nei loro archivi di memoria. L'approccio statistico sviluppato negli anni '90 ha aiutato a perfezionare gli approcci di intelligenza artificiale sia simbolica che sub-simbolica utilizzando sofisticati algoritmi matematici per determinare il corso dell'azione che molto probabilmente porterà al successo della macchina. La ricerca affronta spesso lo sviluppo dell'IA usando i principi di tutti gli approcci.