همه چیز در مورد هوش مصنوعی به زبان ساده برای کودکان

 932)، ادوارد ثورندایک، روانشناس دانشگاه کلمبیا،  هوش مصنوعی به زبان ساده برای کودکان شهر نیویورک، برای اولین بار پیشنهاد کرد که یادگیری انسان شامل برخی از ویژگی های ناشناخته اتصالات بین نورون های مغز است. در سازمان رفتار (1949)، دونالد هب، روانشناس دانشگاه مک گیل، مونترال، کانادا، پیشنهاد کرد که یادگیری به طور خاص شامل تقویت الگوهای خاصی از فعالیت عصبی با افزایش احتمال (وزن) شلیک  هوش مصنوعی به زبان ساده برای کودکان نورون القایی بین اتصالات مرتبط است. مفهوم اتصالات وزنی در بخش بعدی، کانکشنیسم توضیح داده شده است.

در سال 1957 دو طرفدار سرسخت هوش مصنوعی نمادین - آلن نیول، محقق در شرکت RAND، سانتا مونیکا، کالیفرنیا، و هربرت سیمون، روانشناس و دانشمند کامپیوتر در دانشگاه کارنگی ملون، پیتسبورگ، پنسیلوانیا - رویکرد بالا به پایین را در آنچه آنها فرضیه سیستم نماد فیزیکی نامیدند. این فرضیه بیان می‌کند که ساختارهای پردازش نمادها، اصولاً برای تولید هوش مصنوعی در رایانه دیجیتال کافی است و علاوه بر این، هوش انسانی نتیجه هوش مصنوعی به زبان ساده برای کودکان  همان نوع دستکاری‌های نمادین است.

تراشه کامپیوتر کامپیوتر. دستی که تراشه کامپیوتر را نگه می دارد. واحد پردازش مرکزی (CPU). تاریخ و جامعه، علم و فناوری، ریزتراشه، برد مدار کامپیوتر مادربرد ریزپردازنده

مسابقه بریتانیکا

آزمون کامپیوتر و فناوری

در طول دهه‌های 1950 و 1960، رویکردهای بالا به پایین هوش مصنوعی به زبان ساده برای کودکان  و پایین به بالا به طور همزمان دنبال شدند و هر دو به نتایج قابل توجه، اگر محدود، دست یافتند. با این حال، در طول دهه 1970، هوش مصنوعی از پایین به بالا نادیده گرفته شد و تا دهه 1980 بود که این رویکرد دوباره برجسته شد. امروزه هر دو رویکرد دنبال می شود و هر دو به عنوان مشکلاتی شناخته می شوند. تکنیک‌های نمادین در حوزه‌های ساده‌شده کار می‌کنند، اما معمولاً هنگام مواجهه با دنیای واقعی از بین می‌روند. در همین حال، محققان از پایین به بالا قادر به تکرار سیستم عصبی حتی ساده ترین موجودات زنده نبوده اند. Caenorhabditis elegans، یک کرم بسیار مطالعه شده، تقریباً 300 نورون دارد که الگوی اتصالات آنها کاملاً شناخته شده است. با این حال، مدل‌های پیوندگرا حتی در تقلید از این کرم  هوش مصنوعی به زبان ساده برای کودکان شکست خورده‌اند. بدیهی است که نورون‌های نظریه پیوندگرایی ساده‌سازی بیش از حد فاحش چیز واقعی هستند.

هوش عمومی مصنوعی (AGI)، هوش مصنوعی کاربردی و شبیه سازی شناختی

با استفاده از روش‌های ذکر شده در بالا، تحقیقات هوش مصنوعی برای رسیدن به یکی از سه هدف تلاش می‌کند: هوش عمومی مصنوعی (AGI)، هوش مصنوعی کاربردی، یا شبیه‌سازی شناختی. هدف AGI (که هوش مصنوعی قوی نیز نامیده می شود) ساخت ماشین هایی است که فکر می کنند. جاه طلبی نهایی AGI تولید ماشینی است که توانایی کلی فکری آن از یک انسان قابل تشخیص نیست. همانطور که در بخش نقاط عطف اولیه در هوش مصنوعی توضیح داده شد، این هدف در دهه‌های 1950 و 1960 علاقه زیادی ایجاد کرد، اما چنین خوش‌بینی جای خود را به درک دشواری‌های شدید موجود داده است. تا به امروز، پیشرفت ناچیز بوده است. برخی از منتقدان تردید دارند که آیا تحقیقات حتی سیستمی هوش مصنوعی به زبان ساده برای کودکان  با توانایی کلی یک مورچه در آینده قابل پیش بینی تولید خواهد کرد یا خیر. در واقع، برخی از محققانی که در دو شاخه دیگر هوش مصنوعی کار می‌کنند، AGI را ارزشی برای پیگیری ندارند.

هوش مصنوعی کاربردی، که به عنوان پردازش اطلاعات پیشرفته نیز شناخته می‌شود، با هدف تولید سیستم‌های «هوشمند» تجاری قابل دوام - به عنوان مثال، سیستم‌های تشخیص پزشکی «متخصص» و سیستم‌های معاملات سهام. همانطور که در بخش سیستم های خبره توضیح داده شد، هوش مصنوعی کاربردی موفقیت قابل توجهی داشته است.

در شبیه‌سازی شناختی، رایانه‌ها برای آزمایش تئوری‌هایی  هوش مصنوعی به زبان ساده برای کودکان در مورد نحوه عملکرد ذهن انسان استفاده می‌شوند - برای مثال، نظریه‌هایی درباره نحوه تشخیص چهره‌ها یا یادآوری خاطرات. شبیه سازی شناختی در حال حاضر یک ابزار قدرتمند در علوم اعصاب و روانشناسی شناختی است.

آلن تورینگ و آغاز هوش مصنوعی

کار نظری

آلن تورینگ

آلن تورینگ، ریاضیدان بریتانیایی، ج. دهه 1930

اولین کار اساسی در زمینه هوش مصنوعی در اواسط قرن بیستم توسط منطق دان انگلیسی و پیشگام کامپیوتر آلن متیسون تورینگ انجام شد. در سال 1935 تورینگ یک ماشین محاسباتی انتزاعی متشکل از یک حافظه بی حد و حصر و یک اسکنر را توصیف کرد که نماد به نماد در حافظه به جلو و عقب حرکت می کند، آنچه  هوش مصنوعی به زبان ساده برای کودکان را که پیدا می کند می خواند و نمادهای بیشتری را می نویسد. اقدامات اسکنر توسط برنامه ای از دستورالعمل ها دیکته می شود که همچنین به شکل نمادها در حافظه ذخیره می شود. این مفهوم برنامه ذخیره شده تورینگ است و به طور ضمنی امکان کار کردن ماشین روی برنامه خود و اصلاح یا بهبود آن وجود دارد. مفهوم تورینگ اکنون به سادگی به عنوان ماشین تورینگ جهانی شناخته می شود. تمام کامپیوترهای مدرن در اصل ماشین های تورینگ جهانی هستند.

در طول جنگ جهانی دوم، تورینگ یک تحلیلگر برجسته رArtificial intelligence in plain language for children مزنگاری در مدرسه کد دولتی و سایفر در بلچلی پارک، باکینگهامشر، انگلستان بود. تورینگ تا زمان توقف خصومت ها در اروپا در سال 1945 نتوانست به پروژه ساخت یک ماشین محاسباتی الکترونیکی با برنامه ذخیره شده روی آورد.