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 propri gruppi: la simulazione cognitiva, l'intelligenza basata sulla logica e l'intelligenza basata sulla conoscenza rientrano nell'approccio simbolico, mentre le teorie dell'intelligenza dal basso e computazionale sono identificate come approcci di intelligenza artificiale sub-simbolica. Anni di avanzamento nella ricerca e l'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 più sofisticati (AI).
Sviluppo AI First ha colpito i principali passi da 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 simula cerebralezione, consentendo l'evitamento di determinati ostacoli attraverso il rilevamento sensoriale. L'avanzamento limitato tra gli anni '40 e gli anni '60, tuttavia, ha portato all'abbandono di questo paradigma, con i ricercatori che hanno scelto di sviluppare altri approcci di intelligenza artificiale più promettenti.
A 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 lo 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 flessibile e dinamica incorporando questo approccio simbolico nello sviluppo dell'IA.
il aLa bily per simulare i diversi approcci cognitivi al pensiero simbolico ha permesso agli sviluppatori di intelligenza artificiale di creare intelligenza basata sulla logica e basata sulla conoscenza. L'approccio basato sulla logica ha funzionato ai principi sottostanti del pensiero logico, si è concentrato quasi interamente sulla risoluzione dei problemi piuttosto che sulla replica della capacità di pensiero umana. La logica è stata infine bilanciata dalla logica "scruffy", 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 cerebrale è stato ripreso negli anni '80 dopo che l'avanzamento dell'intelligenza simbolica ha rallentato. Ciò ha portato alla creazione di sistemi sub-simbolici, approcci di intelligenza artificiale che ruotavano attorno alla combinazione del pensiero con l'intelligenza più di base necessaria per il movimento e l'autoconservazione. Ciò ha permesso ai modelli di mettere in relazione ilambiente che li circonda nei dati nei loro negozi di memoria. L'approccio statistico sviluppato negli anni '90 ha contribuito a lucidare sia gli approcci di intelligenza artificiale simbolica che sub-simbolica utilizzando sofisticati algoritmi matematici per determinare il corso dell'azione che ha maggiori probabilità di comportare il successo della macchina. La ricerca spesso affronta lo sviluppo dell'IA usando i principi di tutti gli approcci.