Inteligența artificială simbolică

De la Wikipedia, enciclopedia liberă.
Salt la navigare Salt la căutare

AI simbolică se referă la metodele din cercetarea IA care se bazează pe reprezentări ale problemelor, logicii și cercetării „simbolice” (lizibile de om). AI simbolică a fost paradigma dominantă a cercetării AI de la mijlocul anilor 1950 până la sfârșitul anilor 1980. [1] [2]

Bună inteligență artificială de modă veche

John Haugeland a inventat termenul GOFAI (Good Old-Fashioned Artificial Intelligence) pentru AI simbolică în cartea sa din 1985 Artificial Intelligence (The Very Idea) , care a explorat implicațiile filosofice ale cercetării inteligenței artificiale. În robotică , termenul analog este GOFR (Good Old-Fashioned Robotics).

Abordarea se bazează pe presupunerea că multe aspecte ale inteligenței pot fi realizate prin manipularea simbolurilor, o presupunere definită ca „ipoteza sistemelor fizice de simboluri” de Allen Newell și Herbert A. Simon la mijlocul anilor 1960.

O formă populară de IA simbolică sunt sistemele expert , care utilizează o rețea de reguli de fabricație. Regulile de producție conectează simbolurile într-o relație similară cu o instrucțiune If-Then . Sistemul expert elaborează regulile pentru efectuarea deducerilor și determinarea informațiilor suplimentare de care are nevoie, adică de întrebări de pus, folosind simboluri citite de om.

Critica modelului

Opozanții abordării simbolice includ roboți precum Rodney Brooks , care își propune să producă roboți autonomi fără reprezentare simbolică (sau doar cu reprezentare minimă) și cercetători în inteligența computațională, care aplică tehnici precum rețelele neuronale și optimizarea pentru a rezolva problemele învățării automate și control .

AI simbolică a fost destinată să producă o inteligență generală, asemănătoare omului, într-o mașină, în timp ce cele mai multe cercetări moderne sunt direcționate către probleme secundare specifice. Cercetarea de inteligență generală este acum studiată în subcâmpul de inteligență artificială generală .

Mașinile au fost inițial concepute pentru a formula ieșiri pe baza intrărilor reprezentate prin simboluri. Simbolurile sunt folosite atunci când intrarea este definită și este în siguranță. Dar atunci când este implicată incertitudinea, de exemplu în efectuarea predicțiilor, reprezentarea se face folosind rețele neuronale artificiale . [3] Recent, s-au făcut eforturi structurate pentru a integra abordări AI simbolice și conexioniste sub umbrela calculului neuronal-simbolic. Așa cum susțin Valiant și mulți alții [4] , construcția eficientă a unor modele cognitive computaționale bogate necesită combinația de raționamente simbolice solide și modele eficiente de învățare (automată).

Notă

  1. ^ 1985, ISBN 0-262-08153-9 .
  2. ^ Bart Kosko,Fuzzy Thinking , Hyperion, 1993, ISBN 978-0786880218 .
  3. ^ Vasant Honavar, DOI : 10.1007 / 978-0-585-29599-2_11 .
  4. ^ Artur S. d'Avila Garcez, Tarek R. Besold, Luc De Raedt, Peter Földiák, Pascal Hitzler, Thomas Icard, Kai-Uwe Kühnberger, Luís C. Lamb, Risto Miikkulainen, Daniel L. Silver: Neural-Symbolic Learning and Raționament: contribuții și provocări. AAAI Spring Symposia 2015, Stanford, AAAI Press.
Știință și tehnică Portal știință și tehnologie : accesați intrările Wikipedia care se ocupă cu știința și tehnologia