¿Cuál es la historia específica del desarrollo de la inteligencia artificial?
El término "inteligencia artificial" fue propuesto por primera vez en la Sociedad de Dartmouth en 1956. Desde entonces, los investigadores han desarrollado muchas teorías y principios y el concepto de inteligencia artificial se ha ampliado. La inteligencia artificial es una ciencia desafiante y quienes se dedican a este trabajo deben comprender los conocimientos informáticos, la psicología y la filosofía. La inteligencia artificial es una ciencia muy amplia que consta de diferentes campos como el aprendizaje automático, la visión por computadora, etc. En términos generales, uno de los principales objetivos de la investigación en inteligencia artificial es permitir que las máquinas realicen tareas complejas que normalmente requieren inteligencia humana. Pero diferentes épocas y diferentes personas tienen diferentes interpretaciones de este "trabajo complejo". Por ejemplo, originalmente el cerebro humano realizaba pesados cálculos científicos y de ingeniería. Ahora las computadoras no sólo pueden completar este cálculo, sino que también pueden hacerlo más rápido y con mayor precisión que el cerebro humano. Por lo tanto, la gente contemporánea ya no ve este cálculo como una "tarea compleja que requiere inteligencia humana". Se puede ver que la definición de trabajo complejo cambia con el desarrollo de los tiempos y el avance de la tecnología, y los objetivos específicos de la inteligencia artificial se desarrollan naturalmente con los cambios de los tiempos. Por un lado, constantemente logramos nuevos avances y, por otro, avanzamos hacia objetivos más significativos y difíciles. En la actualidad, el principal medio material que se puede utilizar para estudiar la inteligencia artificial y las máquinas que pueden realizar la tecnología de la inteligencia artificial son las computadoras. La historia del desarrollo de la inteligencia artificial está vinculada a la historia del desarrollo de la informática y la tecnología. Además de la informática, la inteligencia artificial también abarca la teoría de la información, la cibernética, la automatización, la biónica, la biología, la psicología, la lógica matemática, la lingüística, la medicina, la filosofía y otras disciplinas.
Los principales contenidos de la investigación en inteligencia artificial incluyen: representación del conocimiento, razonamiento automático y métodos de búsqueda, aprendizaje automático y adquisición de conocimiento, sistemas de procesamiento de conocimiento, comprensión del lenguaje natural, visión por computadora, robots inteligentes, programación automática, etc.
La representación del conocimiento es una de las cuestiones básicas de la inteligencia artificial, y el razonamiento y la búsqueda están estrechamente relacionados con los métodos de representación. Los métodos de representación del conocimiento comúnmente utilizados incluyen: representación lógica, representación de producción, representación de red semántica y representación de marco.
El sentido común ha atraído naturalmente la atención de la gente, y la gente ha propuesto varios métodos, como el razonamiento no monótono y el razonamiento cualitativo, para expresar y procesar el sentido común desde diferentes ángulos.
El razonamiento automático en la resolución de problemas es el proceso de aplicación del conocimiento. Debido a que hay muchas formas de representar el conocimiento, también existen muchos métodos de razonamiento correspondientes. El proceso de razonamiento generalmente se puede dividir en razonamiento deductivo y razonamiento no deductivo. La lógica de predicados es la base del razonamiento deductivo. El razonamiento sobre la herencia bajo representación estructurada no es deductivo. Debido a las necesidades del procesamiento del conocimiento, en los últimos años se han propuesto diversos métodos de razonamiento no deductivo, como el razonamiento mediante mecanismos de conexión, el razonamiento analógico, el razonamiento basado en ejemplos, el razonamiento deductivo y el razonamiento restringido.
La búsqueda es un método de inteligencia artificial para la resolución de problemas. La estrategia de búsqueda determina la prioridad del conocimiento utilizado en un paso de razonamiento de la resolución de problemas. Se puede dividir en búsqueda ciega sin guía de información y búsqueda heurística guiada por el conocimiento de la experiencia. El conocimiento heurístico suele estar representado por funciones heurísticas. Cuanto más se utiliza el conocimiento heurístico, más pequeño se vuelve el espacio de búsqueda para resolver problemas. Los métodos de búsqueda heurística típicos incluyen algoritmos A*, AO*, etc. En los últimos años, la investigación sobre métodos de búsqueda ha comenzado a centrarse en problemas de búsqueda a gran escala con millones de nodos.
El aprendizaje automático es otro tema importante de la inteligencia artificial. El aprendizaje automático se refiere al proceso de adquisición de nuevos conocimientos en un cierto sentido de representación del conocimiento. Según los diferentes mecanismos de aprendizaje, existen principalmente aprendizaje inductivo, aprendizaje analítico, aprendizaje por mecanismos de vinculación y aprendizaje genético.
El sistema de procesamiento del conocimiento consta principalmente de una base de conocimiento y un motor de inferencia. La base de conocimientos almacena el conocimiento requerido por el sistema. Cuando la cantidad de conocimiento es grande y hay muchas representaciones, la organización y gestión razonable del conocimiento es muy importante. El motor de razonamiento estipula los métodos y estrategias básicos para aplicar el conocimiento al resolver problemas. Durante el proceso de razonamiento, es necesario establecer una base de datos o utilizar un mecanismo de pizarra para registrar resultados o comunicarse. Si el conocimiento experto en un determinado campo (como el diagnóstico médico) se almacena en una base de conocimiento, dicho sistema de conocimiento se denomina sistema experto. Para satisfacer las necesidades de resolución de problemas complejos, los sistemas expertos únicos se están convirtiendo en sistemas de inteligencia artificial distribuida de múltiples agentes. En este momento, el intercambio de conocimientos, la cooperación entre sujetos y la generación y resolución de conflictos serán el foco de la investigación. `