Символический искусственный интеллект - Symbolic artificial intelligence

В истории искусственного интеллекта , символический искусственный интеллект это термин для сбора всех методов искусственных интеллекта исследований, которые основаны на высоком уровне символических (читаемый человек) представлениях задач, логику и поиска . Символический ИИ использовал такие инструменты, как логическое программирование , производственные правила , семантические сети и фреймы , а также разрабатывал такие приложения, как экспертные системы .

Джон Хогеланд дал название GOFAI («Старый добрый искусственный интеллект») символическому ИИ в своей книге 1985 года « Искусственный интеллект: сама идея» , в которой исследовались философские последствия исследований искусственного интеллекта. В робототехнике аналогичный термин - GOFR («Старая добрая робототехника»).

Субсимвольный искусственный интеллект - это набор альтернативных подходов, которые не используют явные символы высокого уровня, такие как математическая оптимизация , статистические классификаторы и нейронные сети .

Символический ИИ был доминирующей парадигмой исследований ИИ с середины 1950-х до середины 1990-х. Однако в конечном итоге от символического подхода пришлось отказаться в пользу субсимволических подходов, в основном из-за технических ограничений.

Исследователи в 1960-х и 1970-х годах были убеждены, что символические подходы в конечном итоге позволят создать машину с общим искусственным интеллектом, и считали это целью своей области. На смену ему пришел математический статистический ИИ, который в значительной степени ориентирован на конкретные проблемы с конкретными целями, а не на общий интеллект. Исследования общего интеллекта теперь изучаются в исследовательской подполе общего искусственного интеллекта .

Происхождение

Первой символической программой искусственного интеллекта был теоретик логики , написанный Алленом Ньюэллом , Гербертом Саймоном и Клиффом Шоу в 1955-56 годах.

Символический подход был кратко выражен в « гипотезе физических систем символов », предложенной Ньюэллом и Саймоном в середине 1960-х годов:

  • «Система физических символов обладает необходимыми и достаточными средствами общего разумного действия».

Доминирующая парадигма 1955-1990 гг.

В 1960-х годах символические подходы достигли большого успеха в моделировании разумного поведения в небольших демонстрационных программах. В 1960-е годы исследования в области ИИ проводились в трех учреждениях: Университете Карнеги-Меллона , Стэнфорде , Массачусетском технологическом институте и (позднее) Эдинбургском университете . Каждый разработал свой стиль исследования. Ранние подходы, основанные на кибернетике или искусственных нейронных сетях, были отброшены или отодвинуты на второй план.

Когнитивное моделирование

Экономист Герберт Саймон и Аллен Ньюэлл изучили человеческие навыки решения проблем и попытались формализовать их, и их работа заложила основы области искусственного интеллекта, а также когнитивной науки , исследований операций и науки управления . Их исследовательская группа использовала результаты психологических экспериментов для разработки программ, имитирующих методы, которые люди использовали для решения проблем. Эта традиция, основанная на университете Карнеги-Меллона , в конечном итоге привела к развитию архитектуры Soar в середине 1980-х годов.

На основе логики

В отличие от Саймона и Ньюэлла, Джон Маккарти считал, что машинам не нужно моделировать человеческое мышление, а вместо этого следует пытаться найти суть абстрактного мышления и решения проблем, независимо от того, используют ли люди одни и те же алгоритмы. Его лаборатория в Стэнфорде ( SAIL ) сосредоточилась на использовании формальной логики для решения широкого круга задач, включая представление знаний , планирование и обучение . Логика также была в центре внимания работы в Эдинбургском университете и других странах Европы, которая привела к развитию языка программирования Prolog и науки о логическом программировании .

Антилогичный или «неряшливый»

Исследователи из Массачусетского технологического института (такие как Марвин Мински и Сеймур Паперт ) обнаружили, что решение сложных проблем со зрением и обработкой естественного языка требует специальных решений - они утверждали, что никакой простой и общий принцип (например, логика ) не может охватить все аспекты разумного поведения. Роджер Шенк охарактеризовал их «анти-логические» подходы как « неряшливые » (в отличие от « аккуратных » парадигм в CMU и Стэнфорде). Commonsense база знаний (например, Дуг Ленат «s Сус ) является примером„потрепанного“ИИ, так как они должны быть построены вручную, одна сложной концепцией , в то время.

Основанный на знаниях

Когда примерно в 1970 году стали доступны компьютеры с большой памятью, исследователи всех трех традиций начали встраивать знания в приложения ИИ. Революция в области знаний была вызвана осознанием того, что многие простые приложения ИИ потребуют огромных объемов знаний.

Техники

Символическая система ИИ может быть реализована как микромир, например мир блоков . Микромир представляет собой реальный мир в памяти компьютера. Он описывается списками, содержащими символы, а интеллектуальный агент использует операторы для перевода системы в новое состояние. Производственная система является программным обеспечением , которое осуществляет поиск в пространстве состояний для следующего действия 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 поиска в пространстве состояний .

Успех экспертных систем 1975–1990 гг.

Эта «революция знаний» привела к разработке и развертыванию экспертных систем (представленных Эдвардом Фейгенбаумом ), первой действительно успешной формы программного обеспечения ИИ. Ключевым компонентом системной архитектуры для всех экспертных систем является база знаний, в которой хранятся факты и правила, иллюстрирующие ИИ. Они используют сеть производственных правил . Производственные правила соединяют символы во взаимосвязи, аналогичной 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.

Отказ от символического подхода 1990-е гг.

Критика Дрейфуса

Одним из первых критиков символического ИИ был философ Хуберт Дрейфус . Начиная с 1960-х годов критика ИИ Дрейфусом была направлена ​​на философские основы этой области в серии статей и книг. Он предсказал, что это будет подходить только для игрушечных задач , и подумал, что создание более сложных систем или расширение идеи до полезного программного обеспечения будет невозможно.

AI Winters

Тот же аргумент был приведен в отчете Lighthill , который запустил AI Winter в середине 1970-х годов.

Подсимволический AI

Робототехника

В число противников символического подхода в 1980-х годах входили такие специалисты-робототехники , как Родни Брукс , который стремится создавать автономных роботов без символического представления (или с минимальным представлением), и исследователи вычислительного интеллекта , которые применяют такие методы, как нейронные сети и оптимизация, для решения проблем в машинах. обучение и инженерия управления .

Неопределенное рассуждение

Символы могут использоваться, когда ввод определен и подпадает под определенность. Но когда присутствует неопределенность, например, при формулировании прогнозов, представление выполняется с использованием искусственных нейронных сетей .

Синтез символического и субсимволического

В последнее время были предприняты структурированные усилия по интеграции символического и коннекционистского подходов ИИ под эгидой нейросимволических вычислений. Как утверждали Valiant и многие другие, эффективное построение богатых вычислительных когнитивных моделей требует сочетания надежных символических рассуждений и эффективных моделей (машинного) обучения.

Смотрите также

Примечания

Цитаты

использованная литература

  • Кревье, Даниэль (1993). AI: бурные поиски искусственного интеллекта . Нью-Йорк, штат Нью-Йорк: BasicBooks. ISBN 0-465-02997-3..
  • Дрейфус, Хуберт Л. (1981). «От микромиров к представлению знаний: ИИ в тупике» (PDF) . Дизайн разума . MIT Press, Кембридж, Массачусетс: 161–204.
  • Артур С. д'Авила Гарсес, Тарек Р. Бесольд, Люк де Рэдт, Петер Фёльдиак, Паскаль Хитцлер , Томас Икард, Кай-Уве Кюнбергер, Луис К. Лэмб, Ристо Мииккулайнен, Даниэль Л. Сильвер. Нейросимволическое обучение и рассуждение: вклад и проблемы . Весенние симпозиумы AAAI 2015. Стэнфорд: AAAI Press.CS1 maint: использует параметр авторов ( ссылка )
  • Хогеланд, Джон (1985), Искусственный интеллект: сама идея , Кембридж, Массачусетс: MIT Press, ISBN 0-262-08153-9
  • Хейс-Рот, Фредерик; Мюррей, Уильям; Адельман, Леонард. «Экспертные системы». AccessScience . DOI : 10.1036 / 1097-8542.248550 .
  • 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.
  • Хонавар, Васант (1995). Символический искусственный интеллект и числовые искусственные нейронные сети: на пути к разрешению дихотомии . Серия Springer International в области инженерии и информатики. Springer США. С. 351–388. DOI : 10.1007 / 978-0-585-29599-2_11 .
  • Хау, Дж. (Ноябрь 1994 г.). «Искусственный интеллект в Эдинбургском университете: перспектива» . Архивировано 15 мая 2007 года . Проверено 30 августа 2007 года .
  • Колата, Г. (1982). «Как компьютеры могут обрести здравый смысл?». Наука . 217 (4566): 1237–1238. Bibcode : 1982Sci ... 217.1237K . DOI : 10.1126 / science.217.4566.1237 . PMID  17837639 .
  • Создатель, Мэг Хьюстон (2006). «AI @ 50: AI Прошлое, настоящее, будущее» . Дартмутский колледж. Архивировано из оригинала 3 января 2007 года . Проверено 16 октября 2008 года .
  • МакКордак, Памела (2004), Машины, которые думают (2-е изд.), Натик, Массачусетс: AK Peters, Ltd., ISBN 1-56881-205-1.
  • Нильссон, Нильс (1998). Искусственный интеллект: новый синтез . Морган Кауфманн. ISBN 978-1-55860-467-4. Архивировано 26 июля 2020 года . Проверено 18 ноября 2019 .
  • Рассел, Стюарт Дж .; Норвиг, Питер (2003), Искусственный интеллект: современный подход (2-е изд.), Верхняя Сэдл-Ривер, Нью-Джерси: Prentice Hall, ISBN 0-13-790395-2.
  • 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. DOI : 10.1109 / es.2017.58 .