Wat zijn de verschillende benaderingen van kunstmatige intelligentie?

De verschillende benaderingen van kunstmatige intelligentie kunnen worden ingedeeld in drie verschillende groepen: hersensimulatie, symbolisch en sub-symbolisch en statistisch.De symbolische en sub-symbolische benaderingen kunnen verder worden ingedeeld in hun eigen groepen: cognitieve simulatie, op logica gebaseerde intelligentie en op kennis gebaseerde intelligentie vallen onder de symbolische benadering, terwijl bottom-up en computationele intelligentietheorieën worden geïdentificeerd als sub-symbolische kunstmatige intelligentiebenaderingen.Jaren van vooruitgang in het onderzoek en de toepassing van deze theorieën heeft geleid tot de vorming van geïntegreerde benaderingen, waarbij principes van meerdere gedachtegang worden gecombineerd om meer geavanceerde kunstmatige intelligentie (AI) -systemen te genereren.

AI -ontwikkeling trof eerst belangrijke ontwikkelingsstappen in de jaren 1940 in de jaren 1940.Door gebruik te maken van principes van neurologie, cybernetica en fundamentele cognitieve verwerkingstheorieën, konden onderzoekers robots bouwen met primitieve niveaus van intelligentie op basis van hersensimulatie, waardoor bepaalde obstakels door sensorische detectie worden vermeden.Beperkte vooruitgang tussen de jaren 1940 en de jaren zestig leidde echter tot het verlaten van dit paradigma, waarbij onderzoekers ervoor kozen om andere, meer veelbelovende kunstmatige intelligentiebenaderingen te ontwikkelen.

in het midden van de jaren 1950 tot vroege jaren zestig, AI-onderzoekers probeerden de menselijke intelligentie te vereenvoudigen om menselijke intelligentie te vereenvoudigenIn symboolmanipulatie, gelovend dat het vermogen van mensen om te leren over en zich aan te passen aan objecten in hun omgeving, draait om de interpretatie en herinterpretatie van objecten als basissymbolen.Een stoel kan bijvoorbeeld worden vereenvoudigd in een symbool dat het definieert als een object om op te zitten.Dit symbool kan vervolgens worden gemanipuleerd en geprojecteerd op andere objecten.Onderzoekers waren in staat om een aantal flexibele en dynamische kunstmatige intelligentiebenaderingen te creëren door deze symbolische benadering in AI-ontwikkeling op te nemen. Het vermogen om de verschillende cognitieve benaderingen van symbolisch denken te simuleren, stelde AI-ontwikkelaars in staat om logica-gebaseerde en kennisgebaseerde intelligentie te creëren.De op logica gebaseerde aanpak werkte aan de onderliggende principes van logisch denken, bijna volledig gericht op het oplossen van problemen in plaats van het repliceren van mensachtige denkvermogen.Logica werd uiteindelijk in evenwicht gebracht door Scruffy Logic, die rekening hield met het feit dat oplossingen te vinden zijn buiten een bepaald logisch algoritme.Op kennis gebaseerde intelligentie daarentegen profiteerde van een computersvermogen om enorme hoeveelheden gegevens op te slaan, te verwerken en te herinneren om oplossingen voor problemen te bieden. Interesse in hersensimulatie werd nieuw leven ingeblazen in de jaren tachtig na vooruitgang in symbolische intelligentie vertraagd.Dit leidde tot het creëren van sub-symbolische systemen, kunstmatige intelligentie benaderingen die draaiden om het combineren van denken met de meer basisinformatie die nodig is voor beweging en zelfbehoud.Hierdoor konden modellen de omgeving om hen heen relateren aan gegevens in hun geheugenwinkels.De statistische benadering die in de jaren negentig werd ontwikkeld, hielp zowel de symbolische als de sub-symbolische kunstmatige intelligentie-benaderingen bij het gebruik van geavanceerde wiskundige algoritmen om de manier van handelen te bepalen die het meest waarschijnlijk zal resulteren in het succes van de machines.Onderzoek pakt AI -ontwikkeling vaak aan met behulp van principes van alle benaderingen.