ایده اصلی ادغام سیستم های هوش مصنوعی ایجاد اجزای نرم افزاری منحصر به فرد، از جمله ترکیب کننده های گفتار، با سایر اجزا، مانند پایگاه های دانش حس مشترک، به منظور ایجاد سیستم های AI بزرگتر، گسترده تر و با قابلیت بیشتر، قابل همکاری است. روش های اصلی که برای ادغام پیشنهاد شده است مسیریابی پیام یا پروتکل های ارتباطی است که اجزای نرم افزار برای برقراری ارتباط با یکدیگر، اغلب از طریق سیستم تخته سیاه میان افزار استفاده می کنند.
بیشتر سیستم های هوش مصنوعی شامل نوعی از فناوری های یکپارچه است، به عنوان مثال، تلفیق فناوری های سنتز گفتار با فناوری تشخیص گفتار. با این حال، در سال های اخیر بحث در مورد اهمیت ادغام سیستم ها به عنوان یک حوزه در نوع خود افزایش یافته است. طرفداران این رویکرد محققانی مانند ماروین مینسکی، آرون اسلومن، دب روی، کریستین آر. توریسون و مایکل آ اربیب هستند. یک دلیل برای جلب توجه اخیر ادغام هوش مصنوعی این است که قبلاً تعدادی سیستم ( نسبتاً ) ساده هوش مصنوعی برای حوزه های خاص ( مانند بینایی کامپیوتری، سنتز گفتار و غیره ) ایجاد شده است و ادغام آنچه در حال حاضر برای هوش مصنوعی موجود است یک رویکرد منطقی تر از ساخت سیستم های یکپارچه از ابتدا است.
تمرکز بر یکپارچه سازی سیستم ها، به ویژه با توجه به رویکردهای پیمانه ای، از این واقعیت ناشی می شود که اکثر هوش های مقیاس زیاد از بسیاری از فرایندها and یا or با استفاده از ورودی و خروجی چند حالته تشکیل شده اند. به عنوان مثال، یک نوع هوش انسان نما ترجیحاً باید بتواند با استفاده از سنتز گفتار صحبت کند، با استفاده از تشخیص گفتار بشنود، با استفاده از مکانیزم منطقی و موارد دیگر درک کند. به منظور تولید نرم افزار هوشمند مصنوعی با هوش گسترده تر، ادغام این روش ها ضروری است.
مشارکت بخشی جدانشدنی از توسعه نرم افزار است که به اندازه شرکت های نرم افزاری و دپارتمان های نرم افزاری آنها مشهود است. از جمله ابزارهای سهولت همکاری در نرم افزار، روش ها و استانداردهای مختلفی است که سازندگان می توانند برای اطمینان از کیفیت، قابلیت اطمینان و سازگاری نرم افزار خود با نرم افزار ایجاد شده توسط دیگران ( مانند استانداردهای W3C برای توسعه صفحه وب ) ، از آنها پیروی کنند. با این حال، همکاری در زمینه های هوش مصنوعی وجود نداشته است، بیشتر آنها در خارج از مدارس، دپارتمان ها یا موسسات تحقیقاتی دیده نمی شوند ( و حتی گاهی در آنها نیز وجود ندارد ) . این امر تمرین کنندگان یکپارچه سازی سیستم های هوش مصنوعی را با یک مشکل اساسی نشان می دهد و اغلب باعث می شود محققان هوش مصنوعی هر بار که می خواهند عملکرد خاصی برای کار با نرم افزار خود داشته باشند، «چرخ را دوباره» اختراع کنند. حتی بیشتر آسیب زننده سندرم «در اینجا اختراع نشده است»، که خود را در بی میلی شدید محققان هوش مصنوعی برای کار بر روی دیگران نشان می دهد.
این نوشته برگرفته از سایت ویکی پدیا می باشد، اگر نادرست یا توهین آمیز است، لطفا گزارش دهید: گزارش تخلفبیشتر سیستم های هوش مصنوعی شامل نوعی از فناوری های یکپارچه است، به عنوان مثال، تلفیق فناوری های سنتز گفتار با فناوری تشخیص گفتار. با این حال، در سال های اخیر بحث در مورد اهمیت ادغام سیستم ها به عنوان یک حوزه در نوع خود افزایش یافته است. طرفداران این رویکرد محققانی مانند ماروین مینسکی، آرون اسلومن، دب روی، کریستین آر. توریسون و مایکل آ اربیب هستند. یک دلیل برای جلب توجه اخیر ادغام هوش مصنوعی این است که قبلاً تعدادی سیستم ( نسبتاً ) ساده هوش مصنوعی برای حوزه های خاص ( مانند بینایی کامپیوتری، سنتز گفتار و غیره ) ایجاد شده است و ادغام آنچه در حال حاضر برای هوش مصنوعی موجود است یک رویکرد منطقی تر از ساخت سیستم های یکپارچه از ابتدا است.
تمرکز بر یکپارچه سازی سیستم ها، به ویژه با توجه به رویکردهای پیمانه ای، از این واقعیت ناشی می شود که اکثر هوش های مقیاس زیاد از بسیاری از فرایندها and یا or با استفاده از ورودی و خروجی چند حالته تشکیل شده اند. به عنوان مثال، یک نوع هوش انسان نما ترجیحاً باید بتواند با استفاده از سنتز گفتار صحبت کند، با استفاده از تشخیص گفتار بشنود، با استفاده از مکانیزم منطقی و موارد دیگر درک کند. به منظور تولید نرم افزار هوشمند مصنوعی با هوش گسترده تر، ادغام این روش ها ضروری است.
مشارکت بخشی جدانشدنی از توسعه نرم افزار است که به اندازه شرکت های نرم افزاری و دپارتمان های نرم افزاری آنها مشهود است. از جمله ابزارهای سهولت همکاری در نرم افزار، روش ها و استانداردهای مختلفی است که سازندگان می توانند برای اطمینان از کیفیت، قابلیت اطمینان و سازگاری نرم افزار خود با نرم افزار ایجاد شده توسط دیگران ( مانند استانداردهای W3C برای توسعه صفحه وب ) ، از آنها پیروی کنند. با این حال، همکاری در زمینه های هوش مصنوعی وجود نداشته است، بیشتر آنها در خارج از مدارس، دپارتمان ها یا موسسات تحقیقاتی دیده نمی شوند ( و حتی گاهی در آنها نیز وجود ندارد ) . این امر تمرین کنندگان یکپارچه سازی سیستم های هوش مصنوعی را با یک مشکل اساسی نشان می دهد و اغلب باعث می شود محققان هوش مصنوعی هر بار که می خواهند عملکرد خاصی برای کار با نرم افزار خود داشته باشند، «چرخ را دوباره» اختراع کنند. حتی بیشتر آسیب زننده سندرم «در اینجا اختراع نشده است»، که خود را در بی میلی شدید محققان هوش مصنوعی برای کار بر روی دیگران نشان می دهد.
