Quais são as diferentes abordagens de inteligência artificial?
As diferentes abordagens da inteligência artificial podem ser classificadas em três grupos distintos: simulação do cérebro, simbólica e sub-simbólica e estatística. As abordagens simbólica e sub-simbólica podem ser classificadas em seus próprios grupos: simulação cognitiva, inteligência baseada em lógica e inteligência baseada em conhecimento se enquadram na abordagem simbólica, enquanto as teorias de inteligência ascendente e computacional são identificadas como inteligência artificial sub-simbólica abordagens. Anos de avanço na pesquisa e aplicação dessas teorias levaram à formação de abordagens integradas, combinando princípios de várias escolas de pensamento para gerar sistemas de inteligência artificial (IA) mais sofisticados.
O desenvolvimento da IA atingiu os principais avanços durante a década de 1940. Utilizando princípios das teorias da neurologia, cibernética e processamento cognitivo básico, os pesquisadores conseguiram construir robôs com níveis primitivos de inteligência baseados em simulação cerebral, permitindo evitar certos obstáculos através da detecção sensorial. O avanço limitado entre as décadas de 1940 e 1960, no entanto, levou ao abandono desse paradigma, com os pesquisadores optando por desenvolver outras abordagens de inteligência artificial mais promissoras.
Em meados da década de 1950 até o início da década de 1960, os pesquisadores da IA tentaram simplificar a inteligência humana na manipulação de símbolos, acreditando que a capacidade dos humanos de aprender e se adaptar aos objetos em seu ambiente gira em torno da interpretação e reinterpretação de objetos como símbolos básicos. Uma cadeira, por exemplo, pode ser simplificada em um símbolo que a define como um objeto para sentar. Este símbolo pode então ser manipulado e projetado em outros objetos. Os pesquisadores foram capazes de criar várias abordagens flexíveis e dinâmicas de inteligência artificial, incorporando essa abordagem simbólica ao desenvolvimento da IA.
A capacidade de simular as diferentes abordagens cognitivas do pensamento simbólico permitiu que os desenvolvedores de IA criassem inteligência baseada em lógica e baseada em conhecimento. A abordagem baseada na lógica trabalhou nos princípios subjacentes do pensamento lógico, concentrando-se quase inteiramente na solução de problemas, em vez de replicar a capacidade de pensamento semelhante ao humano. A lógica acabou sendo equilibrada pela lógica "desalinhada", que levou em conta o fato de que soluções podem ser encontradas fora de um determinado algoritmo lógico. A inteligência baseada no conhecimento, por outro lado, aproveitou a capacidade do computador para armazenar, processar e recuperar grandes quantidades de dados para fornecer soluções para os problemas.
O interesse na simulação do cérebro foi revivido nos anos 80, depois que o avanço na inteligência simbólica diminuiu. Isso levou à criação de sistemas sub-simbólicos, abordagens de inteligência artificial que giravam em torno da combinação do pensamento com a inteligência mais básica necessária para o movimento e a autopreservação. Isso permitiu que os modelos relacionassem o ambiente ao redor deles com dados em seus armazenamentos de memória. A abordagem estatística desenvolvida na década de 1990 ajudou a polir as abordagens de inteligência artificial simbólica e sub-simbólica, usando algoritmos matemáticos sofisticados para determinar o curso de ação com maior probabilidade de resultar no sucesso da máquina. A pesquisa geralmente aborda o desenvolvimento da IA usando princípios de todas as abordagens.