Hvad er de forskellige kunstige intelligensmetoder?

De forskellige kunstige intelligensmetoder kan klassificeres i tre forskellige grupper: hjernesimulering, symbolsk og subsymbolisk og statistisk.De symbolske og subsymboliske tilgange kan yderligere klassificeres i deres egne grupper: kognitiv simulering, logikbaseret intelligens og videnbaseret intelligens falder ind under den symbolske tilgang, mens bottom-up og beregningsmæssige intelligensteorier identificeres som subsymbolisk kunstig intelligenstilgange.Års fremskridt inden for forskning og anvendelse af disse teorier har ført til dannelsen af integrerede tilgange, der kombinerer principper fra flere tankeskoler for at generere mere sofistikeret kunstig intelligens (AI) -systemer.

AI -udvikling ramte først store udviklingsfrit i 1940'erne i 1940'erne i 1940'erne i løbet af 1940'erne i løbet.Ved at anvende principper fra neurologi, cybernetik og grundlæggende kognitive behandlingsteorier var forskere i stand til at opbygge robotter med primitive niveauer af intelligens baseret på hjernesimulering, hvilket muliggjorde undgåelse af visse hindringer gennem sensorisk detektion.Begrænset fremskridt mellem 1940'erne og 1960'erne førte imidlertid til forladelsen af dette paradigme, hvor forskere valgte at udvikle andre, mere lovende kunstige efterretningsmetoder.

I midten af 1950'erne til begyndelsen af 1960'erne forsøgte AI-forskere at forenkle menneskelig intelligensI symbolmanipulation er det at tro, at menneskers evne til at lære om og tilpasse sig genstande i deres miljø drejer sig om fortolkning og genfortolkning af objekter som grundlæggende symboler.En stol, for eksempel, kunne forenkles til et symbol, der definerer det som et objekt at sidde på.Dette symbol kunne derefter manipuleres og projiceres på andre objekter.Forskere var i stand til at skabe en række fleksible og dynamiske kunstige intelligensmetoder ved at inkorporere denne symboliske tilgang i AI-udvikling.

Evnen til at simulere de forskellige kognitive tilgange til symboliske tanke gjorde det muligt for AI-udviklere at skabe logikbaseret og videnbaseret intelligens.Den logikbaserede tilgang arbejdede på de underliggende principper for logisk tænkning, fokuserede næsten udelukkende på at løse problemer snarere end at replikere menneskelignende tænkningsevne.Logik blev til sidst afbalanceret af Scruffy Logic, der tog hensyn til det faktum, at der findes løsninger uden for en given logisk algoritme.Videnbaseret intelligens udnyttede på den anden side en computereevne til at gemme, behandle og huske store mængder af data for at give løsninger på problemer.

Interesse for hjerneimulering blev genoplivet i 1980'erne efter fremme af symbolsk intelligens bremset.Dette førte til oprettelsen af subsymboliske systemer, kunstig intelligens nærmer sig, der drejede sig om at kombinere tænkning med den mere basale intelligens, der er nødvendig til bevægelse og selvbevarelse.Dette gjorde det muligt for modeller at relatere miljøet omkring dem til data i deres hukommelseslagre.Den statistiske tilgang, der blev udviklet i 1990'erne, hjalp med at polere både de symbolske og subsymboliske kunstige intelligensmetoder ved hjælp af sofistikerede matematiske algoritmer til at bestemme handlingsforløbet, der mest sandsynligt resulterer i maskinens succes.Forskning tackler ofte AI -udvikling ved hjælp af principper fra alle tilgange.