الذكاء الاصطناعي الرمزي

الذكاء الاصطناعي الرمزي Symbolic artificial intelligence هو المصطلح المستخدم في جمع كافة الأساليب في أبحاث الذكاء الاصطناعي التي تستند إلى تمثيلات "رمزية" عالية المستوى (يمكن للبشر قراءتها) أي للمشكلات و المنطق و البحث. كان الذكاء الاصطناعي الرمزي هو النموذج السائد لأبحاث الذكاء الاصطناعي منذ منتصف الخمسينيات وحتى أواخر الثمانينيات.^[1]^{[صفحة مطلوبة]}^[2]^{[صفحة مطلوبة]}

أعطى جون هوگلاند الاسم GOFAI ("الذكاء الاصطناعي ذو الطراز القديم الجيد") للذكاء الاصطناعي الرمزي في كتابه عام 1985 "الذكاء الاصطناعي: الفكرة ذاتها"، والذي استكشف الآثار الفلسفية لـ أبحاث الذكاء الاصطناعي. في الروبوتيات المصطلح المماثل هو GOFR ("الروبوتات ذات الطراز القديم الجيد").

يعتمد النهج على افتراض أن العديد من جوانب الذكاء يمكن تحقيقها من خلال معالجة الرموز، وهو افتراض يُعرَّف بأنه "فرضية أنظمة الرموز المادية" بواسطة آلن نيووِل و هربرت أ. سيمون في منتصف الستينيات.

أحد الأشكال الشائعة للذكاء الاصطناعي الرمزي هو الأنظمة الخبيرة، والذي يستخدم شبكة من قواعد الإنتاج. تربط قواعد الإنتاج الرموز في علاقة مشابهة لعبارة إذا-عندها If-Then. يعالج النظام الخبير القواعد لإجراء استقطاعات ولتحديد المعلومات الإضافية التي يحتاجها، أي الأسئلة التي يجب طرحها، باستخدام رموز يمكن للبشر قراءتها.

من بين معارضي النهج الرمزي علماء الروبوت مثل رودني بروكس، الذي يهدف إلى إنتاج روبوتات مستقلة بدون تمثيل رمزي (أو مع تمثيل رمزي فقط) وباحثي الذكاء الحوسبي، الذين يطبقون تقنيات مثل الشبكات العصبية والتحسين لحل المشكلات في التعلم الآلي و هندسة التحكم.

يهدف الذكاء الاصطناعي الرمزي إلى إنتاج ذكاء عام شبيه بالإنسان في آلة، في حين أن معظم الأبحاث الحديثة موجهة إلى مشاكل فرعية محددة. تتم الآن دراسة البحث في الذكاء العام في المجال الفرعي لـ الذكاء العام الاصطناعي.

تم تصميم الآلات في البداية لصياغة المخرجات بناءً على المدخلات التي تم تمثيلها بالرموز. يتم استخدام الرموز عندما يكون الإدخال محددًا ويقع تحت اليقين. ولكن عند عدم وجود يقين، على سبيل المثال في صياغة التنبؤات، يتم التمثيل باستخدام الشبكات العصبية الاصطناعية.^[3] في الآونة الأخيرة، كانت هناك جهود منظمة نحو دمج مقاربات الذكاء الاصطناعي الرمزية والتواصلية تحت مظلة الحوسبة الرمزية العصبية. كما جادل ڤاليانت والعديد من الآخرين^[4]عما يتطلب البناء الفعال لـ النموذج المعرفي الحسابي الغني من الجمع بين التفكير الرمزي السليم ونماذج التعلم (الآلي) الفعالة.

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

بحث فضاء الحالة

يمكن تحقيق نظام ذكاء اصطناعي رمزي كعالم صغير، على سبيل المثال عالم الكتل. يمثل العالم الصغير العالم الحقيقي في ذاكرة الحاسب. يتم وصفه بـ القوائم التي تحتوي على رموز، ويستخدم الممثل الذكي المشغلات لجلب النظام إلى حالة جديدة.^[5] إن نظام الإنتاج هو البرنامج الذي يبحث في فضاء الحالة عن الإجراء التالي للممثل الذكي. ترتكز رموز تمثيل العالم المحيط على الإدراك الحسي. على النقيض من الشبكات العصبية، يعمل النظام العام مع الاستدلال، مما يعني أن المعرفة الخاصة بالمجال تُستخدم لتحسين بحث فضاء الحالة.

تم رفض الذكاء الاصطناعي الرمزي من قبل هربرت دريفوس، لأنه قادر فقط على حل مسائل الألعاب. ولا يمكن بناء أنظمة أكثر تعقيداً أو توسيع نطاق الفكرة نحو البرامج المفيدة.^[6] تم تقديم نفس الحجة في تقرير لايتل، الذي بدأ شتاء الذكاء الاصطناعي في منتصف السبعينيات.^[7]

انظر أيضاً

المراجع

^ Haugeland, John (1985), Artificial Intelligence: The Very Idea, Cambridge, Mass: MIT Press, ISBN 0-262-08153-9
^ Kosko, Bart (1993). Fuzzy Thinking. Hyperion. ISBN 978-0786880218.
^ Vasant Honavar. "Symbolic Artificial Intelligence and Numeric Artificial Neural Networks: Towards a Resolution of the Dichotomy" in The Springer International Series In Engineering and Computer Science.: 351–388, Springer US. doi:10.1007/978-0-585-29599-2_11.
^ Artur S. d'Avila Garcez, Tarek R. Besold, Luc De Raedt, Peter Földiák, Pascal Hitzler, Thomas Icard, Kai-Uwe Kühnberger, Luís C. Lamb, Risto Miikkulainen, Daniel L. Silver: Neural-Symbolic Learning and Reasoning: Contributions and Challenges. AAAI Spring Symposia 2015, Stanford, AAAI Press.
^ قالب:Cite techreport
^ Dreyfus, Hubert L (1981). "From micro-worlds to knowledge representation: AI at an impasse" (PDF). Mind Design. MIT Press, Cambridge, MA: 161–204.
^ Xifan Yao and Jiajun Zhou and Jiangming Zhang and Claudio R. Boer (2017). "From Intelligent Manufacturing to Smart Manufacturing for Industry 4.0 Driven by Next Generation Artificial Intelligence and Further On" in 2017 5th International Conference on Enterprise Systems (ES)., IEEE. doi:10.1109/es.2017.58.

قالب:Compu-ai-stub

الكلمات الدالة:

[1] Haugeland, John (1985), Artificial Intelligence: The Very Idea, Cambridge, Mass: MIT Press, ISBN 0-262-08153-9

[2] Kosko, Bart (1993). Fuzzy Thinking. Hyperion. ISBN 978-0786880218.

[3] Vasant Honavar. "Symbolic Artificial Intelligence and Numeric Artificial Neural Networks: Towards a Resolution of the Dichotomy" in The Springer International Series In Engineering and Computer Science.: 351–388, Springer US. doi:10.1007/978-0-585-29599-2_11.

[4] Artur S. d'Avila Garcez, Tarek R. Besold, Luc De Raedt, Peter Földiák, Pascal Hitzler, Thomas Icard, Kai-Uwe Kühnberger, Luís C. Lamb, Risto Miikkulainen, Daniel L. Silver: Neural-Symbolic Learning and Reasoning: Contributions and Challenges. AAAI Spring Symposia 2015, Stanford, AAAI Press.

[5] قالب:Cite techreport

[6] Dreyfus, Hubert L (1981). "From micro-worlds to knowledge representation: AI at an impasse" (PDF). Mind Design. MIT Press, Cambridge, MA: 161–204.

[7] Xifan Yao and Jiajun Zhou and Jiangming Zhang and Claudio R. Boer (2017). "From Intelligent Manufacturing to Smart Manufacturing for Industry 4.0 Driven by Next Generation Artificial Intelligence and Further On" in 2017 5th International Conference on Enterprise Systems (ES)., IEEE. doi:10.1109/es.2017.58.

[1]

[2]

[3]

[4]

[5]

[6]

[7]