Jakie są różne podejścia sztucznej inteligencji?

Różne podejścia sztucznej inteligencji można podzielić na trzy odrębne grupy: symulację mózgu, symboliczną i pod-symboliczną oraz statystyczną. Podejścia symboliczne i pod-symboliczne można dalej podzielić na własne grupy: symulacja poznawcza, inteligencja logiczna i inteligencja oparta na wiedzy mieszczą się w podejściu symbolicznym, podczas gdy teorie inteligencji oddolnej i obliczeniowej są identyfikowane jako sztuczna inteligencja pod-symboliczna awanse. Lata postępu w badaniach i stosowaniu tych teorii doprowadziły do ​​powstania zintegrowanych podejść, łączących zasady z wielu szkół myślenia w celu stworzenia bardziej wyrafinowanych systemów sztucznej inteligencji (AI).

Rozwój sztucznej inteligencji po raz pierwszy osiągnął znaczący postęp rozwojowy w latach 40. Korzystając z zasad neurologii, cybernetyki i podstawowych teorii przetwarzania poznawczego, badacze byli w stanie zbudować roboty o prymitywnym poziomie inteligencji w oparciu o symulację mózgu, pozwalając na uniknięcie pewnych przeszkód poprzez wykrywanie sensoryczne. Ograniczony postęp między latami 40. i 60. XX wieku doprowadził jednak do porzucenia tego paradygmatu, a naukowcy zdecydowali się opracować inne, bardziej obiecujące metody sztucznej inteligencji.

W połowie lat 50. do wczesnych lat 60. XX wieku badacze AI próbowali uprościć ludzką inteligencję do manipulacji symbolami, wierząc, że zdolność ludzi do uczenia się i dostosowywania do obiektów w ich otoczeniu obraca się wokół interpretacji i reinterpretacji obiektów jako podstawowych symboli. Na przykład krzesło można uprościć w symbol definiujący go jako przedmiot do siedzenia. Symbolem tym można następnie manipulować i rzutować na inne obiekty. Badaczom udało się stworzyć wiele elastycznych i dynamicznych podejść do sztucznej inteligencji, włączając to symboliczne podejście do rozwoju sztucznej inteligencji.

Zdolność do symulacji różnych podejść poznawczych do myśli symbolicznej pozwoliła twórcom sztucznej inteligencji na tworzenie inteligencji opartej na logice i wiedzy. Podejście oparte na logice pracowało nad podstawowymi zasadami logicznego myślenia, skupiając się prawie całkowicie na rozwiązywaniu problemów, a nie na odtwarzaniu zdolności myślenia przypominającego człowieka. Logika została ostatecznie zrównoważona przez „niechlujną” logikę, która uwzględnia fakt, że rozwiązania można znaleźć poza danym algorytmem logicznym. Z drugiej strony inteligencja oparta na wiedzy wykorzystała zdolność komputera do przechowywania, przetwarzania i wywoływania ogromnych ilości danych w celu zapewnienia rozwiązania problemów.

Zainteresowanie symulacją mózgu ożywiło się w latach osiemdziesiątych po spowolnieniu rozwoju inteligencji symbolicznej. Doprowadziło to do stworzenia systemów pod-symbolicznych, metod sztucznej inteligencji, które obracały się wokół łączenia myślenia z bardziej podstawową inteligencją potrzebną do poruszania się i samozachowawczości. Dzięki temu modele mogły powiązać otoczenie wokół nich z danymi w swoich magazynach pamięci. Podejście statystyczne opracowane w latach 90. pomogło dopracować zarówno symboliczną, jak i pod-symboliczną sztuczną inteligencję, wykorzystując wyrafinowane algorytmy matematyczne do określenia przebiegu działania, który najprawdopodobniej zakończy się sukcesem maszyny. Badania często dotyczą rozwoju sztucznej inteligencji przy użyciu zasad z wszystkich podejść.