Quais são as diferentes abordagens de inteligência artificial?
As diferentes abordagens de inteligência artificial podem ser classificadas em três grupos distintos: simulação cerebral, simbólica e sub-simbólica e estatística. As abordagens simbólicas e sub-simbólicas podem ser classificadas em seus próprios grupos: simulação cognitiva, inteligência baseada em lógica e inteligência baseada no conhecimento se enquadra na abordagem simbólica, enquanto as teorias de inteligência computacional e de baixo para cima são identificadas como abordagens de inteligência artificial sub-simbólica. 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 mais sofisticada (AI). Ao utilizar princípios de neurologia, cibernética e teorias básicas de processamento cognitivo, os pesquisadores foram capazes de construir robôs com níveis primitivos de inteligência baseados em simula cerebralção, permitindo a prevenção de certos obstáculos através da detecção sensorial. Avanço limitado entre as décadas de 1940 e a década de 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 dos anos 1960, os pesquisadores de IA tentaram simplificar a inteligência humana na manipulação do símbolo, 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, poderia ser simplificada em um símbolo que a define como um objeto para sentar. Este símbolo poderia então ser manipulado e projetado em outros objetos. Os pesquisadores foram capazes de criar uma série de abordagens de inteligência artificial flexível e dinâmica, incorporando essa abordagem simbólica no desenvolvimento da IA.
o aA babilidade para simular as diferentes abordagens cognitivas ao pensamento simbólico permitiu que os desenvolvedores de IA criassem inteligência baseada em lógica e baseada no conhecimento. A abordagem baseada em lógica trabalhou nos princípios subjacentes do pensamento lógico, concentrou-se quase inteiramente na solução de problemas, em vez de replicar a capacidade de pensamento humano. A lógica foi equilibrada pela lógica "Scruffy", que levou em consideração o fato de que as soluções podem ser encontradas fora de um determinado algoritmo lógico. A inteligência baseada no conhecimento, por outro lado, aproveitou a capacidade do computador de armazenar, processar e recordar grandes quantidades de dados para fornecer soluções para problemas.
O interesse na simulação cerebral foi revivido na década de 1980 após o avanço da inteligência simbólica diminuiu. Isso levou à criação de sistemas sub-simbólicos, abordagens de inteligência artificial que giravam em torno de combinar o pensamento com a inteligência mais básica necessária para o movimento e a autopreservação. Isso permitiu que os modelos relacionassem oambiente ao redor deles para dados em seus lojas de memória. A abordagem estatística desenvolvida nos anos 90 ajudou a polir as abordagens de inteligência artificial simbólica e sub-simbólica, usando algoritmos matemáticos sofisticados para determinar o curso da ação com maior probabilidade de resultar no sucesso da máquina. A pesquisa geralmente aborda o desenvolvimento da IA usando princípios de todas as abordagens.