さまざまな人工知能のアプローチは何ですか？

crainさまざまな人工知能アプローチは、脳シミュレーション、シンボリックおよびサブシンボリック、および統計的な3つの異なるグループに分類できます。シンボリックおよびサブシンボリックアプローチは、さらに独自のグループに分類できます。認知シミュレーション、ロジックベースの知能、知識ベースの知能は、象徴的なアプローチに該当しますが、ボトムアップおよび計算インテリジェンス理論はサブシンボリック人工知能として特定されます。アプローチ。これらの理論の研究と応用の年の進歩は、複数の思考の原則を組み合わせて、より洗練された人工知能（AI）システムを生成するために統合されたアプローチの形成につながりました。。神経学、サイバネティックス、および基本的な認知処理理論の原則を利用することにより、研究者は脳シミュレーションに基づいて原始的なレベルの知性を備えたロボットを構築することができ、感覚検出による特定の障害の回避を可能にしました。しかし、1940年代から1960年代までの限られた進歩は、このパラダイムの放棄につながり、研究者は他のより有望な人工知能アプローチを開発することを選択しました。シンボルの操作に、人間が環境のオブジェクトについて学び、適応する能力は、基本的なシンボルとしてのオブジェクトの解釈と再解釈を中心に展開します。たとえば、椅子は、座るオブジェクトとして定義するシンボルに簡素化できます。このシンボルを操作して、他のオブジェクトに投影できます。研究者は、この象徴的なアプローチをAI開発に組み込むことにより、多くの柔軟で動的な人工知能アプローチを作成することができました。論理ベースのアプローチは、論理的思考の根底にある原則に取り組み、人間のような思考能力を複製するのではなく、ほぼ完全に問題を解決することに焦点を合わせました。ロジックは最終的に、Suffuy Logicによってバランスが取れました。これは、特定の論理アルゴリズムの外側にソリューションが見つかるという事実を考慮に入れました。一方、知識ベースのインテリジェンスは、問題の解決策を提供するために膨大な量のデータを保存、処理、リコールするコンピューターの能力を利用しました。。これにより、サブシンボリックシステムの作成につながりました。これは、運動と自己保存に必要なより基本的な知性と思考の組み合わせを中心に展開した人工知能アプローチです。これにより、モデルは周囲の環境をメモリストアのデータに関連付けることができました。1990年代に開発された統計的アプローチは、洗練された数学的アルゴリズムを使用して、マシンの成功をもたらす可能性が最も高いアクションのコースを決定することにより、象徴的および系統的な人工知能の両方のアプローチを磨くのに役立ちました。研究はしばしば、あらゆるアプローチの原則を使用してAI開発に取り組みます。