符号人工智能与亚符号人工智能是人工智能领域的两大主要研究方法。符号人工智能主要基于符号逻辑,通过人类可理解的逻辑推理来解决问题。例如,一个于20世纪70年代早期开发的专家系统“MYCIN”,被给定了大约600条规则,用于帮助内科医生来诊断和治疗血液疾病。设计MYCIN的程序员在与内科医学专家经过辛苦面谈后开发了这些规则。针对一个病人的症状和医学检测结果,MYCIN能够同时对规则进行逻辑推理和概率判断来做出诊断,并能够解释其推理过程。简而言之,MYCIN是符号人工智能的一个典型范例。
相比之下,亚符号人工智能方法则从神经科学中汲取灵感,并试图捕捉隐藏在所谓的“快速感知”背后的一些无意识的思考过程,如识别人脸或识别语音等。亚符号人工智能程序不包含我们在前文的传教士和食人者的例子中看到的那种人类可理解的语言。与之相反,一个亚符号人工智能程序本质上是一堆等式——通常是一大堆难以理解的数字运算。我稍后将做简要解释:此类系统被设计为从数据中学习如何执行任务。
符号人工智能的优势在于其可解释性,人们可以理解其推理过程,并可以对其进行改进和优化。然而,其劣势在于其处理复杂问题的能力有限,因为其依赖于人类预先设定的规则和逻辑。
亚符号人工智能的优势在于其处理复杂问题的能力,因为其可以从数据中学习并自动提取有用的特征。然而,其劣势在于其可解释性较差,人们往往难以理解其推理过程。