Quali sono i diversi approcci di intelligenza artificiale?

I diversi approcci di intelligenza artificiale possono essere classificati in tre gruppi distinti: simulazione cerebrale, simbolica e sub-simbolica e statistica.Gli approcci simbolici e sub-simbolici possono essere ulteriormente classificati nei propri gruppi: simulazione cognitiva, intelligenza basata sulla logica e intelligenza basata sulla conoscenza rientrano nell'approccio simbolico, mentre le teorie dell'intelligenza dal basso e computazionale sono identificate come intelligenza artificiale sub-simbolicaapprocci.Anni di avanzamento nella ricerca e l'applicazione di queste teorie hanno portato alla formazione di approcci integrati, combinando i principi di più scuole di pensiero per generare sistemi di intelligenza artificiale più sofisticate (AI).

Lo sviluppo di AI ha colpito i principali passi da sviluppo durante gli anni '40.Utilizzando i principi della neurologia, della cibernetica e delle teorie di elaborazione cognitiva di base, i ricercatori sono stati in grado di costruire robot con livelli primitivi di intelligenza basati sulla simulazione cerebrale, consentendo l'evitamento di determinati ostacoli attraverso il rilevamento sensoriale.L'avanzamento limitato tra gli anni '40 e gli anni '60, tuttavia, portò all'abbandono di questo paradigma, con i ricercatori che sceglievano di sviluppare altri approcci di intelligenza artificiale più promettenti.nella manipolazione dei simboli, credendo che la capacità degli umani di imparare e adattarsi agli oggetti nel loro ambiente ruota attorno all'interpretazione e alla reinterpretazione degli oggetti come simboli di base.Una sedia, ad esempio, potrebbe essere semplificata in un simbolo che lo definisce come un oggetto su cui sedersi.Questo simbolo potrebbe quindi essere manipolato e proiettato su altri oggetti.I ricercatori sono stati in grado di creare una serie di approcci di intelligenza artificiale flessibile e dinamica incorporando questo approccio simbolico nello sviluppo dell'IA.

La capacità di simulare i diversi approcci cognitivi al pensiero simbolico ha permesso agli sviluppatori di intelligenza artificiale di creare un'intelligenza logica e basata sulla conoscenza.L'approccio basato sulla logica ha funzionato ai principi sottostanti del pensiero logico, si è concentrato quasi interamente sulla risoluzione dei problemi piuttosto che sulla replica della capacità di pensiero umana.La logica è stata infine bilanciata dalla logica trasparente, che ha tenuto conto del fatto che le soluzioni possono essere trovate al di fuori di un determinato algoritmo logico.L'intelligenza basata sulla conoscenza, d'altra parte, ha sfruttato la capacità dei computer di archiviare, elaborare e richiamare grandi quantità di dati per fornire soluzioni ai problemi. L'interesse per la simulazione cerebrale è stato ripreso negli anni '80 dopo che l'avanzamento nell'intelligenza simbolica ha rallentato.Ciò ha portato alla creazione di sistemi sub-simbolici, approcci di intelligenza artificiale che ruotavano attorno alla combinazione del pensiero con l'intelligenza più di base necessaria per il movimento e l'autoconservazione.Ciò ha permesso ai modelli di mettere in relazione l'ambiente che li circonda ai dati nei loro negozi di memoria.L'approccio statistico sviluppato negli anni '90 ha contribuito a lucidare sia gli approcci di intelligenza artificiale simbolica che sub-simbolica utilizzando sofisticati algoritmi matematici per determinare il corso dell'azione che ha più probabilità di comportare il successo delle macchine.La ricerca spesso affronta lo sviluppo dell'IA usando i principi di tutti gli approcci.