Les différentes
approches de l'intelligence artificielle peuvent être classées en trois groupes
distincts: simulation du cerveau, symbolique et sub-symbolique et statistique.
Les approches symboliques et sub-symboliques peuvent être classées dans leurs
propres groupes: simulation cognitive, l'intelligence basée sur la logique et
la chute de l'intelligence de la connaissance dans l'approche symbolique, alors
que de bas en haut et de l'intelligence informatique théories sont identifiés
comme l'intelligence artificielle sous-symbolique approches. Années de progrès
dans la recherche et l'application de ces théories a conduit à la formation
d'approches intégrées, combinant les principes de plusieurs écoles de pensée
pour générer de l'intelligence artificielle plus sophistiquée (AI) des
systèmes.
Le développement
AI d'abord frappé de grands progrès de développement dans les années 1940. En
utilisant les principes de la neurologie, de la cybernétique et des théories de
base de traitement cognitif, les chercheurs ont réussi à construire des robots
avec des niveaux primitifs de l'intelligence sur la base de la simulation du
cerveau, permettant d'éviter certains obstacles grâce à la détection
sensorielle. Promotion limitée entre les années 1940 et les années 1960,
cependant, conduit à l'abandon de ce paradigme, avec des chercheurs optant pour
développer d'autres approches de l'intelligence, plus prometteuses artificiels.
Au milieu des
années 1950 au début des années 1960, les chercheurs d'Amnesty International
ont tenté de simplifier l'intelligence humaine dans la manipulation des
symboles, estimant que la capacité des humains à apprendre et à s'adapter à des
objets dans leur environnement tourne autour de l'interprétation et la
réinterprétation des objets comme des symboles de base. Une chaise, par
exemple, pourrait être simplifiée en un symbole définissant comme un objet pour
s'asseoir. Ce symbole pourrait alors être manipulé et projetée sur d'autres
objets. Les chercheurs ont réussi à créer un certain nombre d'approches de
l'intelligence artificielle flexibles et dynamiques en intégrant cette approche
symbolique dans le développement A.
La possibilité
de simuler les différentes approches cognitives de la pensée symbolique a
permis aux développeurs de créer des IA basée sur la logique et l'intelligence
de la connaissance. L'approche basée sur la logique a travaillé sur les
principes fondamentaux de la pensée logique, porté presque entièrement sur la
résolution de problèmes plutôt que de reproduire la capacité de penser comme un
humain. Logique a finalement été équilibrée par la logique "délabré",
qui a pris en compte le fait que des solutions peuvent être trouvées en dehors
d'un algorithme logique donné. Intelligence fondée sur la connaissance, d'autre
part, a profité de la capacité d'un ordinateur pour stocker, traiter, et de
rappeler de grandes quantités de données pour fournir des solutions aux
problèmes.
L'intérêt pour
la simulation du cerveau a été relancé dans les années 1980 après l'avancement
de l'intelligence symbolique ralenti. Cela a conduit à la création de systèmes
sous-symboliques, les approches d'intelligence artificielle qui tournait autour
de combiner la pensée avec le plus d'intelligence de base nécessaires pour le
mouvement et l'auto-préservation. Cela a permis à des modèles concernent
l'environnement autour d'eux à des données dans leurs magasins de mémoire.
L'approche statistique mis au point dans les années 1990 a contribué à polir
les deux approches de l'intelligence artificielle symbolique et
sous-symboliques en utilisant des algorithmes mathématiques sophistiqués pour
déterminer le cours de l'action la plus susceptible d'entraîner le succès de la
machine. Recherche aborde souvent le développement AI en utilisant les
principes de toutes les approches.
