さまざまな人工知能のアプローチは何ですか？

異なる人工知能アプローチは、脳シミュレーション、シンボリックおよびサブシンボリック、統計的な3つの異なるグループに分類できます。シンボリックおよびサブシンボリックのアプローチは、さらに独自のグループに分類できます。認知シミュレーション、ロジックベースの知能、知識ベースの知能は、象徴的なアプローチに該当しますが、ボトムアップおよび計算の理論がサブシンボリック人工知能アプローチとして特定されます。これらの理論の研究と適用の長年の進歩により、統合されたアプローチの形成につながり、より洗練された人工知能（AI）システムを生成するために、複数の考え方の原則を組み合わせています。神経学、サイバネティックス、および基本的な認知処理理論の原則を利用することにより、研究者は脳シミュラに基づいて原始的なレベルの知性を持つロボットを構築することができました感覚検出による特定の障害の回避を可能にする。しかし、1940年代から1960年代までの限られた進歩は、このパラダイムの放棄につながり、研究者は他のより有望な人工知能アプローチを開発することを選択しました。

1950年代半ばから1960年代初頭、AIの研究者は、人間の知性をシンボルの操作に単純化しようとしました。これは、環境のオブジェクトについて学び、適応する人間の能力が基本的なシンボルとしてのオブジェクトの解釈と再解釈を中心に展開すると信じていました。たとえば、椅子は、座るオブジェクトとして定義するシンボルに簡素化できます。このシンボルを操作して、他のオブジェクトに投影できます。研究者は、この象徴的なアプローチをAI開発に組み込むことにより、多くの柔軟で動的な人工知能アプローチを作成することができました。

a象徴的な思考に対するさまざまな認知的アプローチをシミュレートする能力により、AI開発者はロジックベースの知識ベースのインテリジェンスを作成することができました。論理ベースのアプローチは、論理的思考の根底にある原則に取り組み、人間のような思考能力を複製するのではなく、ほぼ完全に問題を解決することに焦点を合わせました。ロジックは最終的に「Scruffy」ロジックによってバランスが取れました。これは、特定の論理アルゴリズムの外側にソリューションが見つけることができるという事実を考慮に入れました。一方、知識ベースのインテリジェンスは、問題の解決策を提供するために膨大な量のデータを保存、処理、リコールするコンピューターの能力を活用しました。

脳のシミュレーションへの関心は、象徴的な知性の進歩が遅くなった後、1980年代に復活しました。これにより、サブシンボリックシステムの作成につながりました。これは、運動と自己保存に必要なより基本的な知性と思考の組み合わせを中心に展開した人工知能アプローチです。これにより、モデルが関連付けられました彼らの周りの環境は、彼らのメモリストアのデータへ。 1990年代に開発された統計的アプローチは、洗練された数学的アルゴリズムを使用して、マシンの成功をもたらす可能性が最も高いアクションコースを決定することにより、象徴的およびサブシンボリックな人工知能の両方のアプローチを磨くのに役立ちました。研究は、多くの場合、すべてのアプローチからの原則を使用してAI開発に取り組むことがよくあります。