Was sind die verschiedenen künstliche Intelligenz-Ansätze?

Die verschiedenen Ansätze der künstlichen Intelligenz können in drei eindeutige Gruppen eingestuft werden: Gehirnsimulation, symbolisch und Vor-symbolisch und statistisch. Die symbolischen und Vor-symbolischen Ansätze können in ihre eigenen Gruppen weiter eingestuft werden: kognitive Simulation, Logik-gegründete Intelligenz und wissensbasierter Intelligenzfall unter die symbolische Annäherung, während Bottom-up- und Computerintelligenztheorien gekennzeichnet, während Vor-symbolische künstliche Intelligenz nähert. Jahre der Zuführung in der Forschung und der Anwendung dieser Theorien geführt zu die Anordnung der integrierten Ansätze und Grundregeln kombiniert von den mehrfachen Denkschulen, um hoch entwickeltere Systeme künstlicher Intelligenz (AI) zu erzeugen.

Ai-Entwicklung schlug zuerst Hauptentwicklungsfortschr1tte während der Vierzigerjahre. Indem sie Grundregeln von der Neurologie verwendeten, in der Lage waren Kybernetik und grundlegende Theorien der kognitiven Verarbeitung, Forscher, Roboter mit den ursprünglichen Niveaus der Intelligenz zu errichten basiert auf Gehirnsimulation und erlaubten die Vermeidung bestimmter Hindernisse durch sensorische Abfragung. Begrenzte Zuführung zwischen den vierziger Jahren und den sechziger Jahren führte jedoch zu das Aufgeben dieses Paradigmas, wenn die Forscher entscheiden, anderen zu entwickeln, viel versprechendere Ansätze der künstlichen Intelligenz.

In den Mid-1950s zu den frühen 60er-Jahren, versuchten AI-Forscher, menschliche Intelligenz in die Symbolhandhabung zu vereinfachen und glaubten, dass die Fähigkeit der Menschen, ungefähr zu erlernen und Gegenständen in ihrer Umwelt anzupassen um die Deutung und die Neuinterpretation der Gegenstände als grundlegende Symbole rotiert. Ein Stuhl z.B. konnte in ein Symbol vereinfacht werden, das sie als Gegenstand definiert, um an zu sitzen. Dieses Symbol konnte auf andere Gegenstände dann manipuliert werden und projektiert werden. Forscher in der Lage waren, einige flexible und dynamische Ansätze der künstlichen Intelligenz zu verursachen, indem sie diese symbolische Annäherung in AI-Entwicklung enthielten.

Die Fähigkeit, die verschiedenen kognitiven Ansätze zum symbolischen Gedanken zu simulieren erlaubte AI-Entwicklern, Logik-gegründete und wissensbasierte Intelligenz zu verursachen. Die Logik-gegründete Annäherung arbeitete an den zugrunde liegenden Grundregeln des logischen Denkens, fast völlig gerichtet auf das Lösen von Problemen eher als, human-like denkende Fähigkeit wiederholend. Logik balanciert schließlich durch „schäbige“ Logik, die die Tatsache berücksichtigte, dass Lösungen von einem gegebenen logischen Algorithmus draußen gefunden werden können. Wissensbasierte Intelligenz nutzte einerseits die Fähigkeit eines Computers, beträchtliche Mengen Daten zu speichern, zu verarbeiten und zu erinnern an, um Lösungen zu den Problemen zur Verfügung zu stellen.

Interesse an der Gehirnsimulation wieder belebt an den achtziger Jahren, nachdem Zuführung in der symbolischen Intelligenz verlangsamte. Dieses führte zu die Kreation der Vor-symbolischen Systeme, Ansätze der künstlichen Intelligenz, die um die Kombination des Denkens mit der grundlegenderen Intelligenz rotierten, die für Bewegung und Self-preservation benötigt. Dieses ließ Modelle die Umwelt um sie auf Daten in ihren Gedächtnisspeichern beziehen. Die statistische Annäherung entwickelte im Neunzigerjahre geholfenen Poliermittel das symbolische und Vor-symbolische Ansätze der künstlichen Intelligenz, indem sie verwendeten, verfeinerten mathematische Algorithmen, um die Vorgehensweise höchstwahrscheinlich festzustellen, um den Erfolg der Maschine zu ergeben. Erforschen anpackt häufig AI-Entwicklung using Grundregeln von allen Ansätze.