Vilka är de olika konstgjorda intelligensmetoderna?
De olika konstgjorda intelligensmetoderna kan klassificeras i tre distinkta grupper: hjärnsimulering, symbolisk och subsymbolisk och statistisk. De symboliska och subsymboliska tillvägagångssätten kan klassificeras ytterligare i sina egna grupper: kognitiv simulering, logikbaserad intelligens och kunskapsbaserad intelligens faller under den symboliska tillvägagångssättet, medan bottom-up och beräkningsteorier identifieras som subsymboliska konstgjorda intelligensmetoder. År av framsteg i forskningen och tillämpningen av dessa teorier har lett till bildandet av integrerade tillvägagångssätt och kombinerat principer från flera tankeskolor för att generera mer sofistikerade konstgjorda intelligens (AI) -system. Genom att använda principer från neurologi, cybernetik och grundläggande kognitiva bearbetningsteorier kunde forskare bygga robotar med primitiva intelligensnivåer baserade på hjärnsimulatillåter att undvika vissa hinder genom sensorisk detektion. Begränsat framsteg mellan 1940 -talet och 1960 -talet ledde emellertid till att detta paradigm övergavs, med forskare som valde att utveckla andra och mer lovande konstgjorda intelligensmetoder.
I mitten av 1950-talet till början av 1960-talet försökte AI-forskare att förenkla mänsklig intelligens till symbolmanipulation, och trodde att människors förmåga att lära sig om och anpassa sig till objekt i deras miljö kretsar kring tolkningen och tolkningen av föremål som grundsymboler. En stol, till exempel, kan förenklas till en symbol som definierar den som ett objekt att sitta på. Denna symbol kan sedan manipuleras och projiceras på andra objekt. Forskare kunde skapa ett antal flexibla och dynamiska konstgjorda intelligensmetoder genom att integrera denna symboliska strategi i AI -utvecklingen.
aBility för att simulera de olika kognitiva metoderna för symbolisk tanke tillät AI-utvecklare att skapa logikbaserad och kunskapsbaserad intelligens. Den logikbaserade metoden arbetade med de underliggande principerna för logiskt tänkande, fokuserade nästan helt på att lösa problem snarare än att replikera mänskligt liknande tänkande förmåga. Logiken balanserades så småningom av "scruffy" logik, som tog hänsyn till det faktum att lösningar kan hittas utanför en given logisk algoritm. Kunskapsbaserad intelligens utnyttjade å andra sidan en dators förmåga att lagra, bearbeta och återkalla stora mängder data för att ge lösningar på problem.
Intresset för hjärnsimulering återupplivades på 1980 -talet efter att framsteg i symbolisk intelligens bromsades. Detta ledde till skapandet av subsymboliska system, konstgjorda intelligensmetoder som kretsade kring att kombinera tänkande med den mer grundläggande intelligensen som behövs för rörelse och självbevarande. Detta tillät modeller att relateraMiljö runt dem till data i sina minnesbutiker. Det statistiska tillvägagångssättet som utvecklades på 1990-talet hjälpte till att polera både de symboliska och subsymboliska konstgjorda intelligensmetoderna genom att använda sofistikerade matematiska algoritmer för att bestämma den handlingsförlopp som troligtvis resulterar i maskinens framgång. Forskning hanterar ofta AI -utveckling med principer från alla tillvägagångssätt.