符號人工智慧
![本頁使用了標題或全文手工轉換](http://upload.wikimedia.org/wikipedia/commons/thumb/c/cd/Zh_conversion_icon_m.svg/35px-Zh_conversion_icon_m.svg.png)
人工智慧系列內容 |
---|
![]() |
符號人工智慧(英語:Symbolic artificial intelligence)是人工智慧研究中的一個集合術語,泛指所有「基於問題、邏輯和搜尋的高級『符號』(人類可讀)表徵」的方法。從1950年代中期到1980年代後期,符號AI一直是AI研究的主要範式 。[1][2]
1985年,約翰·豪格蘭在他的書《 人工智慧:非常的想法 》中探討了人工智慧研究的哲學含義,將符號人工智慧命名為GOFAI(Good Old-Fashioned Artificial Intelligence,指的是「有效的老式人工智慧)。在機器人學領域 ,類似的術語是GOFR(「有效的老式機器人學」)。
該方法基於這樣的假設:「智慧的許多特徵可以透過符號處理來實現。」在1960年代中期,艾倫·紐厄爾和赫伯特·西蒙將該假設定義為「物理符號系統假設」。
符號人工智慧中,有一種常用的形式是專家系統 ,該系統使用產出規則網路。產出規則是以類似「If-Then語句的關係」來連接符號。專家系統會使用人類可讀的符號來處理規則,藉此進行推論,並確定還需要哪些其他資訊,也就是還要問什麼問題。
符號方法的反對者包括羅德尼·布魯克斯等機器人學專家 ,他們打算生產無符號表徵(或僅具最低限度的表徵)的自律機器人,其它反對者還包括計算智慧研究人員,他們應用諸如類神經網路和最佳化之類的技術來解決機器學習和控制工程中的問題 。
符號人工智慧的目的是在機器中產生通用的、類人的智慧,而大多數現代研究是針對特定的子問題。目前對通用智慧的研究集中在通用人工智慧的子領域中 。
最初,機器被設計成「根據符號表示的輸入」來制定輸出。當輸入是明確的且屬於確定性時,輸出就會使用符號。但是,當存在不確定性時,表徵會使用"模糊邏輯"完成(例如,在制定預測的時候)。這在類神經網路中可以看到。
參見
[編輯]參考文獻
[編輯]- ^ Haugeland, John, Artificial Intelligence: The Very Idea, Cambridge, Mass: MIT Press, 1985, ISBN 0-262-08153-9
- ^ Kosko, Bart. Fuzzy Thinking. Hyperion. 1993. ISBN 978-0786880218.