Yapay zeka araştırmalarında sorunların mantığın ve araştırmanın ileri düzey sembolik insan tarafından okunab

Yapay zeka araştırmalarında sorunların, mantığın ve araştırmanın ileri düzey "sembolik" (insan tarafından okunabilir) temsillerine dayanan tüm yöntemlerin toplanması için kullanılan terimdir. Sembolik YZ, 1950'lerin ortalarından 1980'lerin sonuna kadar YZ araştırmalarının baskın paradigmasıydı.[1] 23 Mayıs 2021 tarihinde Wayback Machine sitesinde arşivlendi.[2] 23 Mayıs 2021 tarihinde Wayback Machine sitesinde arşivlendi.

, yapay zeka araştırmalarının felsefi sonuçlarını araştıran 1985 tarihli Yapay Zeka kitabı: The Very Idea, GOFAI ("Kaliteli Eski Tip Yapay Zeka") adını verdi. Robotikte benzer terim GOFR'dir ("Eski Tip Robotik").

Yaklaşım, 1960'ların ortalarında Allen Newell ve Herbert A. Simon tarafından "" olarak tanımlanan bir varsayım olan, zekanın birçok yönünün sembollerin manipülasyonuyla elde edilebileceği varsayımına dayanmaktadır.

Yaygın bir sembolik yapay zeka biçimi, bir üretim kuralları ağı kullanan uzman sistemlerdir. , If-Then ifadesine benzer bir ilişkideki sembolleri birbirine bağdaştırır. Uzman sistem, Tahmin yapmak ve hangi ek bilgilere ihtiyaç duyduğunu belirlemek için kuralları işler, yani insan tarafından okunabilir duruma getirerek hangi soruların sorulacağını belirler.

Sembolik yaklaşımın karşıtları arasında, sembolik temsil olmadan (veya yalnızca minimum temsille) otonom robotlar üretmeyi amaçlayan gibi robotik ve makine öğrenimi ve kontrolündeki sorunları çözmek için ve optimizasyon gibi teknikleri uygulayan yer alır.

Sembolik YZ, bir makinede genel, insan benzeri zeka üretmeyi amaçlarken, çoğu modern araştırma belirli alt problemlere yöneliktir. Genel zeka ile ilgili araştırmalar şimdi genel yapay zeka alt alanında incelenmektedir.

Makineler başlangıçta, sembollerle temsil edilen girdilere dayalı olarak çıktıları formüle etmek için tasarlandı. Giriş kesin olduğunda ve kesinlik altına düştüğünde semboller kullanılır. Ancak, örneğin tahminlerin formüle edilmesinde belirsizlik olduğunda, temsili yapay sinir ağları kullanılarak yapılır. Valiant ve diğerlerinin iddia ettiği gibi, zengin bilişimsel ve bilişsel modellerin etkili inşası, sağlam sembolik akıl yürütme ve verimli (makine) öğrenme modellerinin kombinasyonunu gerektirir.

Sınırlayıcı alan araması

Sembolik bir YZ sistemi, bir olarak gerçekleştirilebilir, örneğin dünyayı engeller. Mikro dünya, bilgisayar belleğindeki gerçek dünyayı temsil eder. Semboller içeren listelerle açıklanmıştır ve akıllı aracı, sistemi yeni bir duruma getirmek için operatörleri("uygulayıcı") kullanır. Üretim sistemi, akıllı ajanın bir sonraki hareketi için arama yapan yazılımdır. Dünyayı temsil eden semboller duyusal algıya dayanır. Sinir ağlarının aksine, Yüzeysel sistem buluşsal yöntemlerle çalışır, yani alana özgü bilginin Sınırlayıcı alan aramasını iyileştirmek için kullanıldığı anlamına gelir.

Sembolik Yapay Zeka, tarafından sadece oyuncak problemleri için uygun olduğunu düşündüğü ve daha karmaşık sistemler kurmanın veya fikri faydalı yazılıma doğru ölçeklendirmenin mümkün olmayacağını düşündüğü için reddedildi. Aynı argüman, 1970'lerin ortalarında YZ Kışını başlatan , verildi.

Tavsiye edilen diğer başlıklar

Artificial intelligence § Approaches
History of artificial intelligence
Physical symbol systems hypothesis
Homoiconicity
Symbolic computation
Synthetic intelligence

Kaynakça

^ Haugeland, John (1985). Artificial intelligence : the very idea. Cambridge, Mass.: MIT Press. ISBN . OCLC 11840529.
^ Kosko, Bart (1993). Fuzzy thinking : the new science of fuzzy logic. 1st ed. New York: Hyperion. ISBN . OCLC 27071314.
^ Sun, Ron; Bookman, Lawrence A., (Ed.) (1994). "Computational Architectures Integrating Neural And Symbolic Processes". The Springer International Series In Engineering and Computer Science. doi:10.1007/b102608.
^ Besold, Tarek R.; Garcez, Artur d’Avila; Kühnberger, Kai-Uwe; Stewart, Terrence C. (Temmuz 2014). "Neural-symbolic networks for cognitive capacities". Biologically Inspired Cognitive Architectures. 9: iii-iv. doi:10.1016/s2212-683x(14)00061-9. ISSN 2212-683X.
^ Leonard, Honavar, Vasant Uhr, (18 Ağustos 1994). Symbolic Artificial Intelligence, Connectionist Networks & Beyond. Iowa State University Digital Repository. OCLC 880678662.
^ Yao, Xifan; Zhou, Jiajun; Zhang, Jiangming; Boer, Claudio R. (Eylül 2017). "From Intelligent Manufacturing to Smart Manufacturing for Industry 4.0 Driven by Next Generation Artificial Intelligence and Further On". 2017 5th International Conference on Enterprise Systems (ES). Pekin: IEEE: 311-318. doi:10.1109/ES.2017.58. ISBN . 24 Mayıs 2021 tarihinde kaynağından . Erişim tarihi: 24 Mayıs 2021.

[1] Haugeland, John (1985). Artificial intelligence : the very idea. Cambridge, Mass.: MIT Press. ISBN . OCLC 11840529.

[2] Kosko, Bart (1993). Fuzzy thinking : the new science of fuzzy logic. 1st ed. New York: Hyperion. ISBN . OCLC 27071314.

[3] Sun, Ron; Bookman, Lawrence A., (Ed.) (1994). "Computational Architectures Integrating Neural And Symbolic Processes". The Springer International Series In Engineering and Computer Science. doi:10.1007/b102608.

[4] Besold, Tarek R.; Garcez, Artur d’Avila; Kühnberger, Kai-Uwe; Stewart, Terrence C. (Temmuz 2014). "Neural-symbolic networks for cognitive capacities". Biologically Inspired Cognitive Architectures. 9: iii-iv. doi:10.1016/s2212-683x(14)00061-9. ISSN 2212-683X.

[5] Leonard, Honavar, Vasant Uhr, (18 Ağustos 1994). Symbolic Artificial Intelligence, Connectionist Networks & Beyond. Iowa State University Digital Repository. OCLC 880678662.

[6] Yao, Xifan; Zhou, Jiajun; Zhang, Jiangming; Boer, Claudio R. (Eylül 2017). "From Intelligent Manufacturing to Smart Manufacturing for Industry 4.0 Driven by Next Generation Artificial Intelligence and Further On". 2017 5th International Conference on Enterprise Systems (ES). Pekin: IEEE: 311-318. doi:10.1109/ES.2017.58. ISBN . 24 Mayıs 2021 tarihinde kaynağından . Erişim tarihi: 24 Mayıs 2021.