Символический искусственный интеллект - Symbolic artificial intelligence

Часть серии по
Искусственный интеллект

Символический искусственный интеллект это термин для набора всех методов в искусственный интеллект исследования, основанные на высокоуровневых «символических» (удобочитаемых) представлениях проблем, логика и поиск. Символический ИИ был доминирующим парадигма исследований ИИ с середины 1950-х до конца 1980-х годов.[1][страница нужна ][2][страница нужна ]

Джон Хогеланд дал имя ГОФАИ («Старый добрый искусственный интеллект») символическому ИИ в его книге 1985 года Искусственный интеллект: сама идея, в котором изучались философские последствия исследований искусственного интеллекта. В робототехника аналогичный термин GOFR («Старая добрая робототехника»).

Подход основан на предположении, что многие аспекты интеллекта могут быть достигнуты путем манипулирования символы, предположение, определенное как "гипотеза системы физических символов " к Аллен Ньюэлл и Герберт А. Саймон в середине 1960-х гг.

Одна из популярных форм символического ИИ - это экспертные системы, который использует сеть правила производства. Производственные правила соединяют символы в отношениях, аналогичных выражению If-Then. Экспертная система обрабатывает правила, чтобы делать выводы и определять, какая дополнительная информация ей нужна, то есть какие вопросы задавать, с использованием удобочитаемых символов.

К противникам символического подхода относятся: робототехники Такие как Родни Брукс, который стремится производить автономных роботов без символического представления (или с минимальным представлением) и вычислительный интеллект исследователи, применяющие такие методы, как нейронные сети и оптимизация для решения проблем в машинное обучение и техника управления.

Символический ИИ был предназначен для создания в машине общего человеческого интеллекта, тогда как большинство современных исследований направлено на конкретные подзадачи. Исследования общего интеллекта сейчас изучаются в подполе: общий искусственный интеллект.

Изначально машины были разработаны для формулирования выходных данных на основе входных данных, представленных символами. Символы используются, когда ввод определен и подпадает под определенность. Но когда присутствует неопределенность, например, при формулировании прогнозов, представление выполняется с использованием искусственные нейронные сети.[3] В последнее время были предприняты структурированные усилия по интеграции символического и коннекционистского подходов ИИ под эгидой нейросимволических вычислений. Как утверждает Доблестный и много других [4] эффективное построение богатых вычислительных когнитивные модели требует сочетания надежных символических рассуждений и эффективных моделей (машинного) обучения.

Поиск в пространстве состояний

Символическая система ИИ может быть реализована, например, в виде микромира. блокирует мир. Микромир представляет собой реальный мир в памяти компьютера. Он описывается списки содержащие символы, а интеллектуальный агент использует операторы чтобы привести систему в новое состояние.[5] В производственная система это программное обеспечение, которое ищет в пространстве состояний следующее действие интеллектуального агента. Символы для представления мира основаны на чувственном восприятии. В отличие от нейронных сетей, вся система работает с эвристикой, что означает, что знания предметной области используются для улучшения поиск в пространстве состояний.

Символический искусственный интеллект был отвергнут Хуберт Дрейфус, потому что он считал это подходящим только для проблемы с игрушками, и считал, что создание более сложных систем или расширение идеи до полезного программного обеспечения невозможно.[6] Тот же аргумент был дан в Отчет Лайтхилла, с которого началась AI зима в середине 1970-х гг.[7]

Смотрите также

Рекомендации

  1. ^ Haugeland, Джон (1985), Искусственный интеллект: сама идея, Кембридж, Массачусетс: MIT Press, ISBN  0-262-08153-9
  2. ^ Коско, Барт (1993). Нечеткое мышление. Гиперион. ISBN  978-0786880218.
  3. ^ Васант Хонавар. Символический искусственный интеллект и числовые искусственные нейронные сети: к разрешению дихотомии. Серия Springer International в области инженерии и информатики. Springer США. С. 351–388. Дои:10.1007/978-0-585-29599-2_11.
  4. ^ Артур С. д'Авила Гарсес, Тарек Р. Бесольд, Люк де Рэдт, Петер Фельдиак, Паскаль Хитцлер, Томас Икард, Кай-Уве Кюнбергер, Луис К. Лэмб, Ристо Мииккулайнен, Даниэль Л. Сильвер: нейро-символическое обучение и рассуждение : Вклад и проблемы. Весенние симпозиумы AAAI 2015, Стэнфорд, AAAI Press.
  5. ^ Хонавар, Васант; Ур, Леонард (1994). Символический искусственный интеллект, коннекционистские сети и не только (Технический отчет). Цифровое хранилище Университета штата Айова, Технические отчеты по информатике. 76. с. 6.
  6. ^ Дрейфус, Хуберт Л. (1981). «От микромиров к представлению знаний: ИИ в тупике» (PDF). Дизайн разума. MIT Press, Кембридж, Массачусетс: 161–204.
  7. ^ Сифань Яо и Цзяцзюнь Чжоу, Цзянмин Чжан и Клаудио Р. Бур (2017). От интеллектуального производства к интеллектуальному производству для Индустрии 4.0 на основе искусственного интеллекта нового поколения и далее. 2017 5-я Международная конференция по корпоративным системам (ES). IEEE. Дои:10.1109 / es.2017.58.