다른 인공 지능 접근법은 무엇입니까?

서로 다른 인공 지능 접근법은 뇌 시뮬레이션, 상징적 및 하위 상징적, 통계의 세 가지 그룹으로 분류 될 수 있습니다.상징적 및 하위 상징적 접근 방식은인지 시뮬레이션, 논리 기반 지능 및 지식 기반 지능이 상징적 인 접근 방식에 해당하는 반면 상향식 및 계산 지능 이론은 하위 상징적 인 인공 지능으로 식별됩니다.구혼.이러한 이론의 연구 및 적용에 대한 수년간의 발전으로 인해 통합 접근 방식이 형성되어 여러 사고 학교의 원칙을 결합하여보다 정교한 인공 지능 (AI) 시스템을 생성했습니다..신경학, 사이버네틱스 및 기본인지 처리 이론의 원리를 활용함으로써, 연구원들은 뇌 시뮬레이션을 기반으로 원시 수준의 지능으로 로봇을 구축 할 수있어 감각 탐지를 통해 특정 장애물을 피할 수있었습니다.그러나 1940 년대와 1960 년대 사이의 제한된 발전은이 패러다임을 포기하게되었으며, 연구원들은 1950 년대 중반에서 1960 년대 초반부터 1960 년대 초반에 인간 지능을 단순화하려고 시도했다.기호 조작으로, 인간이 자신의 환경에서 객체에 대해 배우고 적응할 수있는 능력은 객체의 기본 기호로서 해석과 재 해석을 중심으로 진행된다고 믿습니다.예를 들어, 의자는 그것을 앉을 물체로 정의하는 기호로 단순화 될 수 있습니다.그런 다음이 기호는 다른 물체에 조작 및 투영 될 수 있습니다.연구원들은이 상징적 접근 방식을 AI 개발에 통합하여 여러 가지 유연하고 역동적 인 인공 지능 접근법을 만들 수있었습니다.논리 기반 접근법은 논리적 사고의 기본 원리에 작용했으며, 인간과 같은 사고 능력을 복제하기보다는 문제를 해결하는 데 거의 전적으로 초점을 맞췄습니다.논리는 결국 Scruffy Logic에 의해 균형을 이루었으며, 이는 주어진 논리 알고리즘 외부에서 솔루션을 찾을 수 있다는 사실을 고려했습니다.반면에 지식 기반 지능은 문제에 대한 솔루션을 제공하기 위해 방대한 양의 데이터를 저장, 처리 및 리콜하는 컴퓨터 능력을 활용했습니다..이로 인해 서브-상징적 시스템, 인공 지능 접근법이 사고와 운동과 자기 보존에 필요한보다 기본적인 지능과 결합 된 인공 지능 접근법이 생성되었습니다.이를 통해 모델은 주변 환경을 메모리 저장소의 데이터와 관련시킬 수있었습니다.1990 년대에 개발 된 통계적 접근법은 정교한 수학 알고리즘을 사용하여 기계의 성공을 초래할 가능성이 가장 높은 행동 과정을 결정함으로써 상징적 및 하위 상징적 인공 지능 접근법을 광택시키는 데 도움이되었습니다.연구는 종종 모든 접근 방식의 원칙을 사용하여 AI 개발을 다루고 있습니다.