Jakie są różne podejścia sztucznej inteligencji?
Różne podejścia sztucznej inteligencji można podzielić na trzy odrębne grupy: symulację mózgu, symboliczną i subsymboliczną i statystyczną. Podejścia symboliczne i subsymboliczne można dalej podzielić na własne grupy: symulacja poznawcza, inteligencja oparta na logice i inteligencja oparta na wiedzy znajdują się pod podejściem symbolicznym, podczas gdy teorie inteligencji oddolnej i obliczeniowej są identyfikowane jako subsymbolowe podejście sztucznej inteligencji. Lata rozwoju w badaniach i zastosowaniu tych teorii doprowadziły do utworzenia zintegrowanych podejść, łącząc zasady z wielu szkół myślenia, aby generować bardziej wyrafinowane systemy sztucznej inteligencji (AI).
Rozwój AI po raz pierwszy trafił główne postępy rozwojowe w latach 40. XX wieku. Wykorzystując zasady neurologii, cybernetyki i podstawowych teorii przetwarzania poznawczego, naukowcy byli w stanie budować roboty o prymitywnych poziomach inteligencji oparte na symulacji mózguPozwala na unikanie niektórych przeszkód poprzez wykrywanie sensoryczne. Ograniczony postęp w latach 40. a 60. XX wieku doprowadził jednak do porzucenia tego paradygmatu, a naukowcy decydują się na opracowanie innych, bardziej obiecujących podejść do sztucznej inteligencji.
W połowie lat 50. do początku lat 60. badacze AI próbowali uprościć ludzką inteligencję w manipulację symbolami, wierząc, że zdolność ludzi do poznania i dostosowywania się do obiektów w ich środowisku obraca się wokół interpretacji i reinterpretacji obiektów jako podstawowych symboli. Na przykład krzesło można uprościć w symbolu określającym go jako obiekt do siedzenia. Ten symbol można następnie manipulować i rzutować na inne obiekty. Naukowcy byli w stanie stworzyć szereg elastycznych i dynamicznych podejść sztucznej inteligencji, włączając to symboliczne podejście do rozwoju AI.
aBiałalność w celu symulacji różnych podejść poznawczych do myśli symbolicznej pozwoliła programistom sztucznej inteligencji tworzyć inteligencję opartą na logice i wiedzy. Podejście oparte na logice opracowało podstawowe zasady logicznego myślenia, skoncentrowane prawie całkowicie na rozwiązywaniu problemów, a nie replikacji zdolności myślenia podobnego do człowieka. Logika została ostatecznie zrównoważona przez logikę „niechlujną”, która uwzględniła fakt, że rozwiązania można znaleźć poza danym algorytmem logicznym. Z drugiej strony inteligencja oparta na wiedzy wykorzystała zdolność komputera do przechowywania, przetwarzania i przypominania ogromnych ilości danych, aby zapewnić rozwiązania problemów.
Zainteresowanie symulacją mózgu zostało ożywione w latach 80. XX wieku po spowolnieniu awansu w inteligencji symbolicznej. Doprowadziło to do stworzenia systemów podsymbolicznych, podejścia sztucznej inteligencji, które obracały się wokół łączenia myślenia z bardziej podstawową inteligencją potrzebną do ruchu i samozachowawczości. To pozwoliło modeli powiązaćśrodowisko wokół nich do danych w ich magazynie pamięci. Podejście statystyczne opracowane w latach 90. pomogło polerować zarówno symboliczne, jak i subsymbolowe podejścia sztucznej inteligencji, stosując wyrafinowane algorytmy matematyczne w celu ustalenia, jaka jest powodzenie w sukcesie maszyny. Badania często zajmują się rozwojem AI, wykorzystując zasady ze wszystkich podejść.