Melyek a különböző mesterséges intelligencia megközelítések?

A különféle mesterséges intelligencia-megközelítések három különálló csoportba sorolhatók: agyszimuláció, szimbolikus és szub-szimbolikus és statisztikai.A szimbolikus és szubszimbolikus megközelítéseket tovább lehet besorolni a saját csoportjaiba: a kognitív szimuláció, a logikai alapú intelligencia és a tudás-alapú intelligencia a szimbolikus megközelítés alá tartozik, míg az alulról felfelé és a számítási intelligencia elméleteit szub-szimbolikus mesterséges intelligenciaként azonosítják.megközelít.Az ezen elméletek kutatásában és alkalmazásainak évek óta az integrált megközelítések kialakulásához vezetett, és a több gondolkodási iskola alapelveit kombinálva, hogy kifinomultabb mesterséges intelligencia (AI) rendszereket generáljon.-A neurológia, a kibernetika és az alapvető kognitív feldolgozási elméletek alapelveinek felhasználásával a kutatók képesek voltak olyan robotokat építeni, amelyek primitív szintű intelligenciaszintűek az agyszimuláción alapulnak, lehetővé téve bizonyos akadályok elkerülését az érzékszervi detektálás révén.Az 1940-es és az 1960-as évek közötti korlátozott előrelépés azonban ennek a paradigmának a elhagyásához vezetett, amikor a kutatók más, ígéretesebb mesterséges intelligencia-megközelítéseket választottak.a szimbólum manipulációjába, azzal a hitbe, hogy az emberek azon képessége, hogy megismerjék és alkalmazkodjanak a környezetükben lévő tárgyakhoz, az objektumok értelmezése és újraértelmezése körül forog, mint alapszimbólumok.Például egy szék egyszerűsíthető egy szimbólummá, amely úgy határozza meg, hogy objektumként üljön.Ez a szimbólum ezután manipulálható és más tárgyakra vetíthető.A kutatók számos rugalmas és dinamikus mesterséges intelligencia-megközelítést tudtak létrehozni azáltal, hogy beépítették ezt a szimbolikus megközelítést az AI fejlődésbe.A logikai alapú megközelítés a logikai gondolkodás alapelvein dolgozott, szinte teljes egészében a problémák megoldására összpontosított, ahelyett, hogy megismétli az emberszerű gondolkodási képességeket.A logikát végül kiegyensúlyozta a Scruffy Logic, amely figyelembe vette azt a tényt, hogy a megoldások egy adott logikai algoritmuson kívül találhatók.A tudás-alapú intelligencia viszont kihasználta a számítógépek képességét, hogy nagy mennyiségű adatot tárolhassanak, dolgozzanak fel és emlékeztek a problémák megoldására.

Az agyszimuláció iránti érdeklődés az 1980-as években újjáéledt, miután a szimbolikus intelligencia előrelépése lelassult-Ez a szub-szimbolikus rendszerek létrehozásához, a mesterséges intelligencia megközelítésekhez vezetett, amelyek a gondolkodás és a mozgáshoz és az önmegőrzéshez szükséges alapvető intelligencia kombinálásával kombinálódtak.Ez lehetővé tette a modellek számára, hogy a körülöttük lévő környezetet összekapcsolják a memóriaboltokban lévő adatokkal.Az 1990-es években kidolgozott statisztikai megközelítés elősegítette mind a szimbolikus, mind a szubszimbolikus mesterséges intelligencia megközelítéseket, kifinomult matematikai algoritmusok alkalmazásával annak meghatározására, hogy a gépek sikerét eredményezik.A kutatás gyakran az AI fejlődését minden megközelítés alapelveinek felhasználásával foglalkozik.