About: Symbolic artificial intelligence     Goto   Sponge   NotDistinct   Permalink

An Entity of Type : owl:Thing, within Data Space : dbpedia.org associated with source document(s)

Symbolic artificial intelligence is the term for the collection of all methods in artificial intelligence research that are based on high-level "symbolic" (human-readable) representations of problems, logic and search. Symbolic AI was the dominant paradigm of AI research from the mid-1950s until the late 1980s. The approach is based on the assumption that many aspects of intelligence can be achieved by the manipulation of symbols, an assumption defined as the "physical symbol systems hypothesis" by Allen Newell and Herbert A. Simon in the middle 1960s.

AttributesValues
rdfs:label
  • Symbolic artificial intelligence
  • Inteligencia artificial simbólica
  • Intelligenza artificiale simbolica
  • Символический искусственный интеллект
  • 符號人工智能
rdfs:comment
  • L'intelligenza artificiale simbolica indica i metodi nella ricerca sull'intelligenza artificiale che si basano su rappresentazioni di problemi "simboliche" di (leggibili dall'uomo), logica e ricerca. L'IA simbolica è stata il paradigma dominante della ricerca sull'IA dalla metà degli anni '50 fino alla fine degli anni '80.
  • Inteligencia artificial simbólica es el nombre colectivo para todos los métodos de investigación de la inteligencia artificial que se basan en representaciones de alto nivel "simbólico" de los problemas, la lógica matemática y la búsqueda. IA simbólica fue el paradigma dominante de la investigación en IA desde mediados de los cincuenta hasta finales de los años ochenta. Después, se introdujeron enfoques sub-simbólicos más recientes a la IA, basado en redes neuronales, estadística, optimización numérica y otras técnicas. La IA simbólica se sigue aplicando en algunos dominios más pequeños (como la representación del conocimiento), pero la mayoría de las aplicaciones de IA en el siglo XXI no emplean símbolos legibles como sus objetos primarios.
  • Symbolic artificial intelligence is the term for the collection of all methods in artificial intelligence research that are based on high-level "symbolic" (human-readable) representations of problems, logic and search. Symbolic AI was the dominant paradigm of AI research from the mid-1950s until the late 1980s. The approach is based on the assumption that many aspects of intelligence can be achieved by the manipulation of symbols, an assumption defined as the "physical symbol systems hypothesis" by Allen Newell and Herbert A. Simon in the middle 1960s.
  • Символический искусственный интеллект — это собирательное название для всех методов исследования искусственного интеллекта, основанных на высокоуровневом «символическом» (человекочитаемом) представлении задач, логики и поиска. Символический ИИ лёг в основу доминирующей парадигмы исследований ИИ с середины 1950-х до конца 1980-х.
  • 符号人工智慧(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、逻辑和搜索的高級『符號』(人類可讀)表徵」的方法。从1950年代中期到1980年代后期,符號AI一直是AI研究的主要范式 。 1985年,在他的書《 人工智慧:非常的想法 》中探讨了人工智慧研究的哲学含义,将符號人工智慧命名为GOFAI(Good Old-Fashioned Artificial Intelligence,指的是“有效的老式人工智慧)。在机器人学領域 ,类似的术语是GOFR (“有效的老式机器人学”)。 该方法基于这样的假设:「智慧的许多特征可以透過符号處理来实现。」在1960年代中期,艾伦·纽厄尔和赫伯特·西蒙將該假设定义为「物理符号系统假設」。 符號人工智慧中,有一種常用的形式是专家系统 ,該系統使用產出規則網路。產出規則是以类似「If-Then语句的关系」來连接符号。专家系统會使用人类可读的符号來处理规则,藉此进行推論,并确定還需要哪些其他信息,也就是還要问什么问题。 符號方法的反对者包括等機器人學專家 ,他们打算生产無符號表徵(或仅具最低限度的表徵)的自律機器人,其它反对者還包括研究人员,他们应用诸如神经網路和最佳化之类的技术来解决机器学习和控制工程中的问题 。
foaf:isPrimaryTopicOf
dct:subject
Wikipage page ID
Wikipage revision ID
Link from a Wikipage to another Wikipage
sameAs
dbp:wikiPageUsesTemplate
has abstract
  • Inteligencia artificial simbólica es el nombre colectivo para todos los métodos de investigación de la inteligencia artificial que se basan en representaciones de alto nivel "simbólico" de los problemas, la lógica matemática y la búsqueda. IA simbólica fue el paradigma dominante de la investigación en IA desde mediados de los cincuenta hasta finales de los años ochenta. Después, se introdujeron enfoques sub-simbólicos más recientes a la IA, basado en redes neuronales, estadística, optimización numérica y otras técnicas. La IA simbólica se sigue aplicando en algunos dominios más pequeños (como la representación del conocimiento), pero la mayoría de las aplicaciones de IA en el siglo XXI no emplean símbolos legibles como sus objetos primarios. dio el nombre GOFAI (por sus siglas en inglés, Good Old-Fashioned Artificial Intelligence) a la IA simbólica en su libro de 1985 Inteligencia Artificial: La Idea Pura, que exploró las implicaciones filosóficas de la investigación de la inteligencia artificial. En robótica el término análogo es GOFAIR (por sus siglas en inglés, "Good Old-Fashioned Robotics"). Este enfoque se basa en la suposición de que muchos aspectos de la inteligencia se pueden lograr mediante la manipulación de símbolos, un supuesto definido como la "" por Allen Newell y Herbert A. Simon a mediados de los años 60’s: La forma más exitosa de la IA simbólica son los sistemas expertos, los cuales utilizan una red de . Las normas de producción conectan símbolos en una relación similar a una instrucción “Si-Entonces” (If-Then). El sistema experto procesa las reglas para hacer deducciones y determinar qué información adicional se necesita, por ejemplo, qué preguntas hacer, usando simbología legible para el ser humano. Los opositores a la aproximación simbólica incluyen a expertos en robótica como Rodney Brooks, quien tiene como objetivo producir robots autónomos sin representación simbólica (o con sólo una mínima representación) y los investigadores de inteligencia computacional, que aplican técnicas como las redes neuronales y optimización para resolver problemas en el aprendizaje automático y la ingeniería de control. La IA simbólica estaba destinada a producir, inteligencia similar a la humana en una máquina, mientras que la mayor parte de la investigación moderna se dirige a sub-problemas específicos. La investigación sobre la inteligencia general está en estudio del sub-campo llamado Inteligencia Artificial General.
  • L'intelligenza artificiale simbolica indica i metodi nella ricerca sull'intelligenza artificiale che si basano su rappresentazioni di problemi "simboliche" di (leggibili dall'uomo), logica e ricerca. L'IA simbolica è stata il paradigma dominante della ricerca sull'IA dalla metà degli anni '50 fino alla fine degli anni '80.
  • Symbolic artificial intelligence is the term for the collection of all methods in artificial intelligence research that are based on high-level "symbolic" (human-readable) representations of problems, logic and search. Symbolic AI was the dominant paradigm of AI research from the mid-1950s until the late 1980s. John Haugeland gave the name GOFAI ("Good Old-Fashioned Artificial Intelligence") to symbolic AI in his 1985 book Artificial Intelligence: The Very Idea, which explored the philosophical implications of artificial intelligence research. In robotics the analogous term is GOFR ("Good Old-Fashioned Robotics"). The approach is based on the assumption that many aspects of intelligence can be achieved by the manipulation of symbols, an assumption defined as the "physical symbol systems hypothesis" by Allen Newell and Herbert A. Simon in the middle 1960s. One popular form of symbolic AI is expert systems, which uses a network of production rules. Production rules connect symbols in a relationship similar to an If-Then statement. The expert system processes the rules to make deductions and to determine what additional information it needs, i.e. what questions to ask, using human-readable symbols. Opponents of the symbolic approach include roboticists such as Rodney Brooks, who aims to produce autonomous robots without symbolic representation (or with only minimal representation) and computational intelligence researchers, who apply techniques such as neural networks and optimization to solve problems in machine learning and control engineering. Symbolic AI was intended to produce general, human-like intelligence in a machine, whereas most modern research is directed at specific sub-problems. Research into general intelligence is now studied in the sub-field of artificial general intelligence. Machines were initially designed to formulate outputs based on the inputs that were represented by symbols. Symbols are used when the input is definite and falls under certainty. But when there is uncertainty involved, for example in formulating predictions, the representation is done using artificial neural networks. Recently, there have been structured efforts towards integrating the symbolic and connectionist AI approaches under the umbrella of neural-symbolic computing. As argued by Valiant and many others the effective construction of rich computational cognitive models demands the combination of sound symbolic reasoning and efficient (machine) learning models.
  • Символический искусственный интеллект — это собирательное название для всех методов исследования искусственного интеллекта, основанных на высокоуровневом «символическом» (человекочитаемом) представлении задач, логики и поиска. Символический ИИ лёг в основу доминирующей парадигмы исследований ИИ с середины 1950-х до конца 1980-х. В 1985 году (англ. John Haugeland) дал символическому ИИ название GOFAI (англ. Good Old-Fashioned Artificial Intelligence, «старый добрый искусственный интеллект») в своей книге Artificial Intelligence: The Very Idea, посвящённой философскому отражению последствий исследований искусственного интеллекта. В робототехнике применяется аналогичный термин GOFAIR («старый добрый искусственный интеллект в робототехнике»). Наиболее успешная форма символического ИИ — это экспертные системы, использующие сеть продукционных правил. Продукционные правила объединяют символы в отношения, похожие на оператор «если-то». Экспертная система, обрабатывая эти правила, делает логические выводы и определяет, какая дополнительная информация ей необходима, то есть какие следует задать вопросы, используя человекочитаемые символы.
  • 符号人工智慧(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、逻辑和搜索的高級『符號』(人類可讀)表徵」的方法。从1950年代中期到1980年代后期,符號AI一直是AI研究的主要范式 。 1985年,在他的書《 人工智慧:非常的想法 》中探讨了人工智慧研究的哲学含义,将符號人工智慧命名为GOFAI(Good Old-Fashioned Artificial Intelligence,指的是“有效的老式人工智慧)。在机器人学領域 ,类似的术语是GOFR (“有效的老式机器人学”)。 该方法基于这样的假设:「智慧的许多特征可以透過符号處理来实现。」在1960年代中期,艾伦·纽厄尔和赫伯特·西蒙將該假设定义为「物理符号系统假設」。 符號人工智慧中,有一種常用的形式是专家系统 ,該系統使用產出規則網路。產出規則是以类似「If-Then语句的关系」來连接符号。专家系统會使用人类可读的符号來处理规则,藉此进行推論,并确定還需要哪些其他信息,也就是還要问什么问题。 符號方法的反对者包括等機器人學專家 ,他们打算生产無符號表徵(或仅具最低限度的表徵)的自律機器人,其它反对者還包括研究人员,他们应用诸如神经網路和最佳化之类的技术来解决机器学习和控制工程中的问题 。 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领域中 。 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"模糊逻辑"完成(例如,在制定預測的時候)。這在人工神经網路中可以看到。
prov:wasDerivedFrom
page length (characters) of wiki page
gold:hypernym
is foaf:primaryTopic of
is Link from a Wikipage to another Wikipage of
Faceted Search & Find service v1.17_git81 as of Jul 16 2021


Alternative Linked Data Documents: PivotViewer | ODE     Content Formats:       RDF       ODATA       Microdata      About   
This material is Open Knowledge   W3C Semantic Web Technology [RDF Data] Valid XHTML + RDFa
OpenLink Virtuoso version 08.03.3322 as of Sep 15 2021, on Linux (x86_64-generic-linux-glibc25), Single-Server Edition (61 GB total memory)
Data on this page belongs to its respective rights holders.
Virtuoso Faceted Browser Copyright © 2009-2021 OpenLink Software