symbolic artificial intelligence
| part of a series on |
| artificial intelligence (ai) |
|---|
_artificial_intelligence_icon.png){kind=icon} |
Főnév
symbolic artificial intelligence (tsz. symbolic artificial intelligences)
- (informatika, mesterséges intelligencia) A szimbolikus mesterséges intelligencia (Symbolic AI) a mesterséges intelligencia egyik legkorábbi és legklasszikusabb megközelítése, amely a logikán, szabályokon, szimbólumokon és következtetési rendszereken alapul. Ez az irányzat az 1950-es évektől kezdve meghatározta az AI fejlődését egészen a 1980-as évek végéig, és máig is alapja számos intelligens rendszernek, például szakértői rendszereknek vagy formális logikán alapuló bizonyítómotoroknak.
Alapelvek
A szimbolikus AI abból az előfeltevésből indul ki, hogy az emberi gondolkodás szimbólumok manipulálásával történik, és ezt lehet gépi formában is modellezni.
Fő összetevői:
- Tudásreprezentáció: a világra vonatkozó ismeretek formális szimbólumokkal (pl. logikai formulák) történő leírása.
- Következtető mechanizmusok (reasoning): szabályok alkalmazása a meglévő tudás alapján új tények levonására.
- Szabályalapú rendszerek: ha-akkor típusú szabályok alapján döntések meghozatala.
- Logikai nyelvek: elsőrendű logika, predikátumlogika, produkciós rendszerek.
Példák
- Expert Systems (Szakértői rendszerek):
- Tudásbázis: szabályok és tények halmaza
- Következtető motor: új tényeket vezet le (pl. MYCIN, amely baktériumfertőzéseket diagnosztizált)
- Semantic Networks (Szemantikus hálók):
- Fogalmak és kapcsolatok grafikus hálóként ábrázolva
- „Kutya egy állat” → kutya → állat kapcsolat
- Ontológiák és tudásgrafok:
- Fogalmi struktúrák formalizált leírása (pl. OWL, RDF a webes tudásmegosztásban)
- Logic programming:
- Pl. Prolog: deklaratív programozási nyelv, szabályokon és logikai következtetésen alapul
Előnyök
- Átlátható és magyarázható: a rendszer döntései logikai úton követhetők és értelmezhetők.
- Emberi tudás integrálása: explicit módon lehet szabályokat megadni, pl. orvosi vagy jogi szakértői tudást.
- Stabil működés strukturált környezetben
Hátrányok és korlátok
- Nehezen kezel komplex, zajos, vagy nem teljes körű adatokat.
- Tudásmérnöki probléma: a szabályok és szimbólumok kézi megalkotása idő- és erőforrásigényes.
- Nehéz a tanulás: a rendszer nem tanul automatikusan az adatokból (ellentétben a gépi tanulással).
- Rigiditás: kis változtatás is komoly következményekkel járhat a következtetési láncolatban.
Kapcsolat a gépi tanulással
A szimbolikus AI és a gépi tanulás (Machine Learning) sokáig ellentétes irányzatokként voltak jelen:
- Szimbolikus AI: deduktív, szabályokból indul ki
- Gépi tanulás: induktív, adatokból tanul
A modern megközelítések egyre inkább próbálják kombinálni a kettőt, létrehozva a neuro-symbolic AI területét, ahol például egy neurális hálózat képezi a felismerést, de a döntéshozatalban szimbolikus szabályok is szerepet kapnak.
Alkalmazások
- Természetes nyelvfeldolgozás (pl. grammatikai szabályrendszerek)
- Jogászi és orvosi szakértői rendszerek
- Robotika: ha strukturált szabályrendszer mentén kell viselkedést programozni
- Bizonyítási rendszerek: formális logikai bizonyítók (pl. Coq, Isabelle)
Összefoglalás
A szimbolikus mesterséges intelligencia egy formális, szabályalapú, emberi logikát utánzó AI paradigma, amelyet ma is használnak, főként ott, ahol fontos a magyarázhatóság, transzparencia és szakértői tudásmodellezés. Bár sok területen háttérbe szorította a statisztikai gépi tanulás, a két megközelítés integrációja ígéretes irány a jövő mesterséges intelligencia rendszereiben.
- symbolic artificial intelligence - Szótár.net (en-hu)
- symbolic artificial intelligence - Sztaki (en-hu)
- symbolic artificial intelligence - Merriam–Webster
- symbolic artificial intelligence - Cambridge
- symbolic artificial intelligence - WordNet
- symbolic artificial intelligence - Яндекс (en-ru)
- symbolic artificial intelligence - Google (en-hu)
- symbolic artificial intelligence - Wikidata
- symbolic artificial intelligence - Wikipédia (angol)