Approaches for Artificial Intelligence
Cybernetics and Brain Simulation:
1940年代至1950年代,许多研究者探究神经学、信息论和控制论之间的关系。他们当中有些人采用电子网络打造机器来展现初步的智能。许多研究者聚集在普林斯顿大学和英国Ratio俱乐部,召开了目的论学会的会议。到了1960年,这种途径基本上被抛弃了,尽管有些要素于1980年代复活。赫伯特西蒙和艾伦纽厄尔研究了人类问题求解技能,并且试图对其形式化。他们的工作奠定了人工智能以及认知科学、运筹学和管理学的基础。他们的团队采用了心理学实验结果开发程序,仿真人们解决问题的技巧。Soar,一种认知架构,是以CMU为核心于1980年代中期开发,如今由密歇根大学维护。
Symbolic vs. Sub-symbolic:
Symbolic AI:符号AI是基于人类易懂的高级“符号”来表现问题、逻辑和搜索。该方法是基于这样一种假设:智能的许多方面能够通过符号操作来获得。符号AI最成功的形式是专家系统,它对规则进行操作来进行推断和确定需要什么附加信息,即采用人类易懂的符号询问一些问题。
Sub-symbolic AI:到1980年代,许多研究者已确信,符号系统将永远无法模仿人类认识的全部过程,尤其是感知、机器人技术、学习和模式识别。一些研究者开始关注“亚符号”方式,以神经网络、统计学、数值优化等为基础