هوش مصنوعی نمادین ( به انگلیسی: Symbolic artificial intelligence ) اصطلاحی است که به مجموعه ای از تمام روش ها در تحقیقات هوش مصنوعی گفته می شود که بر اساس نمایش های نمادین سطح بالا ( قابل خواندن برای انسان ) و همچنین منطق و جستجو استوار است. هوش مصنوعی نمادین، الگوی غالب تحقیقات هوش مصنوعی در دهه ۱۹۵۰ تا اواخر ۱۹۸۰ بود. [ ۱] [ ۲]
جان هاگلند در ۱۹۸۵ در کتاب خود با عنوان هوش مصنوعی: خود ایده، که بررسی مفاهیم فلسفی تحقیقات هوش مصنوعی پرداخته است، هوش مصنوعی نمادین را GOFAI ( مخفف انگلیسی هوش مصنوعی خوب قدیمی ) نام گذاری کرده است. در رباتیک نیز اصطلاح مشابه GOFR ( رباتیک خوب قدیمی ) را به کار برده است.
این رویکرد بر این فرض استوار است که بسیاری از جنبه های هوش را می توان با دستکاری نمادها به دست آورد، فرضیه ای که با عنوان «سیستم نماد فیزیکی» در دهه ۱۹۶۰ توسط آلن نیوول و هربرت الکساندر سایمون تعریف شده است.
یکی از شکل های محبوب هوش مصنوعی نمادین، سیستم های خبره است که از یک شبکه برای سیستم تولید قوانین استفاده می کند. قوانین تولید و نمادها در یک رابطه ای شبیه گزاره اگر - آنگاه به هم متصل می شوند. سیستم خبره برای استنتاج، قوانین را پردازش می کند تا مشخص کند به چه اطلاعات اضافی نیاز دارد، یعنی با نمادهای قابل خواندن برای انسان، چه سوالاتی بپرسد.
مخالفان رویکرد نمادین شامل متخصصین رباتیک، مانند رادنی بروکس می شود که قصد دارند ربات های خودمختار را بدون استفاده از نمایش نمادین ( یا فقط با حداقل نمایش ) بسازند و همچنین محققان هوش محاسباتی که از تکنیک هایی مانند شبکه های عصبی و بهینه سازی برای حل مشکلات در یادگیری ماشین و مهندسی کنترل استفاده می کنند.
هوش مصنوعی نمادین برای تولید هوش جامع و مانند انسان در ماشین در نظر گرفته شده بود، در حالیکه بیشتر تحقیقات مدرن معطوف به زیرمشکلات خاصی هستند. تحقیقات در مورد هوش جامع اکنون در زیرشاخه هوش جامع مصنوعی مورد مطالعه قرار گرفته است.
ماشین ها در ابتدا برای فرموله کردن خروجی ها بر اساس ورودی هایی که با نمادها نشان داده می شدند، طراحی شدند. نمادها هنگامی استفاده می شوند که ورودی مشخص و قطعی باشد. اما وقتی عدم قطعیت وجود داشته باشد، مانند پیش بینی ها، نمایش با استفاده از شبکه های عصبی مصنوعی انجام می شود. [ ۳] اخیراً تلاش هایی برای ادغام رویکردهای هوش مصنوعی نمادین و پیوندگرا تحت عنوان محاسبات عصبی - نمادین صورت گرفته است. همان طور که لسلی والینت و بسیاری دیگر بحث کرده اند، [ ۴] ساخت مؤثر مدل های شناختی محاسباتی غنی، ترکیبی از مدل های یادگیری ماشین و استدلال نمادین را می طلبد.
این نوشته برگرفته از سایت ویکی پدیا می باشد، اگر نادرست یا توهین آمیز است، لطفا گزارش دهید: گزارش تخلفجان هاگلند در ۱۹۸۵ در کتاب خود با عنوان هوش مصنوعی: خود ایده، که بررسی مفاهیم فلسفی تحقیقات هوش مصنوعی پرداخته است، هوش مصنوعی نمادین را GOFAI ( مخفف انگلیسی هوش مصنوعی خوب قدیمی ) نام گذاری کرده است. در رباتیک نیز اصطلاح مشابه GOFR ( رباتیک خوب قدیمی ) را به کار برده است.
این رویکرد بر این فرض استوار است که بسیاری از جنبه های هوش را می توان با دستکاری نمادها به دست آورد، فرضیه ای که با عنوان «سیستم نماد فیزیکی» در دهه ۱۹۶۰ توسط آلن نیوول و هربرت الکساندر سایمون تعریف شده است.
یکی از شکل های محبوب هوش مصنوعی نمادین، سیستم های خبره است که از یک شبکه برای سیستم تولید قوانین استفاده می کند. قوانین تولید و نمادها در یک رابطه ای شبیه گزاره اگر - آنگاه به هم متصل می شوند. سیستم خبره برای استنتاج، قوانین را پردازش می کند تا مشخص کند به چه اطلاعات اضافی نیاز دارد، یعنی با نمادهای قابل خواندن برای انسان، چه سوالاتی بپرسد.
مخالفان رویکرد نمادین شامل متخصصین رباتیک، مانند رادنی بروکس می شود که قصد دارند ربات های خودمختار را بدون استفاده از نمایش نمادین ( یا فقط با حداقل نمایش ) بسازند و همچنین محققان هوش محاسباتی که از تکنیک هایی مانند شبکه های عصبی و بهینه سازی برای حل مشکلات در یادگیری ماشین و مهندسی کنترل استفاده می کنند.
هوش مصنوعی نمادین برای تولید هوش جامع و مانند انسان در ماشین در نظر گرفته شده بود، در حالیکه بیشتر تحقیقات مدرن معطوف به زیرمشکلات خاصی هستند. تحقیقات در مورد هوش جامع اکنون در زیرشاخه هوش جامع مصنوعی مورد مطالعه قرار گرفته است.
ماشین ها در ابتدا برای فرموله کردن خروجی ها بر اساس ورودی هایی که با نمادها نشان داده می شدند، طراحی شدند. نمادها هنگامی استفاده می شوند که ورودی مشخص و قطعی باشد. اما وقتی عدم قطعیت وجود داشته باشد، مانند پیش بینی ها، نمایش با استفاده از شبکه های عصبی مصنوعی انجام می شود. [ ۳] اخیراً تلاش هایی برای ادغام رویکردهای هوش مصنوعی نمادین و پیوندگرا تحت عنوان محاسبات عصبی - نمادین صورت گرفته است. همان طور که لسلی والینت و بسیاری دیگر بحث کرده اند، [ ۴] ساخت مؤثر مدل های شناختی محاسباتی غنی، ترکیبی از مدل های یادگیری ماشین و استدلال نمادین را می طلبد.
wiki: هوش مصنوعی نمادین