วิธีการปัญญาประดิษฐ์ที่แตกต่างกันคืออะไร?

วิธีการปัญญาประดิษฐ์ที่แตกต่างกันสามารถแบ่งออกเป็นสามกลุ่มที่แตกต่างกัน: การจำลองสมอง, สัญลักษณ์และ sub-symbolic และสถิติวิธีการที่เป็นสัญลักษณ์และ sub-symbolic สามารถแบ่งออกเป็นกลุ่มของตัวเองเพิ่มเติมได้: การจำลองทางปัญญาความฉลาดทางตรรกะและความฉลาดตามความรู้อยู่ภายใต้วิธีการเชิงสัญลักษณ์ในขณะที่ทฤษฎีด้านล่างขึ้นบนและการคำนวณแนวทางปีแห่งความก้าวหน้าในการวิจัยและการประยุกต์ใช้ทฤษฎีเหล่านี้นำไปสู่การก่อตัวของวิธีการแบบบูรณาการการรวมหลักการจากโรงเรียนหลายแห่งของความคิดเพื่อสร้างระบบปัญญาประดิษฐ์ที่ซับซ้อนมากขึ้น (AI).โดยการใช้หลักการจากประสาทวิทยาไซเบอร์เนติกส์และทฤษฎีการประมวลผลทางปัญญาขั้นพื้นฐานนักวิจัยสามารถสร้างหุ่นยนต์ที่มีระดับความฉลาดดั้งเดิมบนพื้นฐานของการจำลองสมองทำให้สามารถหลีกเลี่ยงอุปสรรคบางอย่างผ่านการตรวจจับประสาทสัมผัสอย่างไรก็ตามความก้าวหน้าที่ จำกัด ระหว่างปี 1940 และ 1960 นำไปสู่การละทิ้งกระบวนทัศน์นี้โดยนักวิจัยเลือกที่จะพัฒนาวิธีการปัญญาประดิษฐ์อื่น ๆ ที่มีแนวโน้มมากขึ้น

ในช่วงกลางทศวรรษที่ 1950 ถึงต้นทศวรรษ 1960ในการจัดการสัญลักษณ์เชื่อว่าความสามารถของมนุษย์ในการเรียนรู้และปรับตัวเข้ากับวัตถุในสภาพแวดล้อมของพวกเขาหมุนรอบการตีความและการตีความวัตถุใหม่เป็นสัญลักษณ์พื้นฐานยกตัวอย่างเช่นเก้าอี้สามารถทำให้ง่ายขึ้นเป็นสัญลักษณ์ที่กำหนดเป็นวัตถุที่จะนั่งบนสัญลักษณ์นี้สามารถจัดการและฉายลงบนวัตถุอื่นได้นักวิจัยสามารถสร้างแนวทางปัญญาประดิษฐ์ที่ยืดหยุ่นและมีพลวัตได้จำนวนมากโดยการรวมวิธีการเชิงสัญลักษณ์นี้เข้ากับการพัฒนา AI

ความสามารถในการจำลองแนวทางการรับรู้ที่แตกต่างกันในการคิดเชิงสัญลักษณ์ทำให้นักพัฒนา AI สร้างความฉลาดตามตรรกะและความรู้วิธีการที่อิงตามตรรกะทำงานบนหลักการพื้นฐานของการคิดเชิงตรรกะโดยมุ่งเน้นไปที่การแก้ปัญหาเกือบทั้งหมดแทนที่จะจำลองความสามารถในการคิดแบบมนุษย์ตรรกะในที่สุดก็มีความสมดุลโดยตรรกะ scruffy ซึ่งคำนึงถึงความจริงที่ว่าการแก้ปัญหาสามารถพบได้นอกอัลกอริทึมเชิงตรรกะที่กำหนดในทางกลับกันสติปัญญาที่ใช้ความรู้ใช้ประโยชน์จากความสามารถในการจัดเก็บของคอมพิวเตอร์กระบวนการและเรียกคืนข้อมูลจำนวนมหาศาลเพื่อจัดหาวิธีแก้ปัญหา

ความสนใจในการจำลองสมองได้รับการฟื้นฟูในช่วงทศวรรษ 1980 หลังจากความก้าวหน้าในสัญลักษณ์.สิ่งนี้นำไปสู่การสร้างระบบย่อย symbolic แนวทางปัญญาประดิษฐ์ที่หมุนรอบการรวมความคิดเข้ากับความฉลาดขั้นพื้นฐานที่จำเป็นสำหรับการเคลื่อนไหวและการอนุรักษ์ตนเองสิ่งนี้อนุญาตให้โมเดลเชื่อมโยงสภาพแวดล้อมรอบ ๆ พวกเขากับข้อมูลในที่เก็บหน่วยความจำของพวกเขาวิธีการทางสถิติที่พัฒนาขึ้นในปี 1990 ช่วยขัดทั้งแนวทางปัญญาประดิษฐ์เชิงสัญลักษณ์และย่อยโดยใช้อัลกอริทึมทางคณิตศาสตร์ที่ซับซ้อนเพื่อกำหนดแนวทางการกระทำที่น่าจะส่งผลให้เครื่องประสบความสำเร็จการวิจัยมักจะจัดการกับการพัฒนา AI โดยใช้หลักการจากทุกวิธี