人工智慧大腦模擬

大腦模擬

主條目：控制論和計算神經科學

20世紀40年代到50年代，許多研究者探索神經病學，資訊理論及控制論之間的聯絡。其中還造出一些使用電子網路構造的初步智慧，如W. GREY WALTER的TURTLES和JOHNS HOPKINS BEAST。 這些研究者還經常在普林斯頓大學和英國的RATIO CLUB舉行技術協會會議.直到1960， 大部分人已經放棄這個方法，儘管在80年代再次提出這些原理。

符號處理

主條目：GOFAI

當20世紀50年代，數字計算機研製成功，研究者開始探索人類智慧是否能簡化成符號處理。研究主要集中在卡內基梅隆大學， 史丹佛大學和麻省理工學院，而各自有獨立的研究風格。JOHN HAUGELAND稱這些方法為GOFAI(出色的老式人工智慧)。[33] 60年代，符號方法在小型證明程式上模擬高階思考有很大的成就。基於控制論或神經網路的方法則置於次要。[34] 60~70年代的研究者確信符號方法最終可以成功創造強人工智慧的機器，同時這也是他們的目標。

認知模擬經濟學家赫伯特·西蒙和艾倫·紐厄爾研究人類問題解決能力和嘗試將其形式化，同時他們為人工智慧的基本原理打下基礎，如認知科學， 運籌學和經營科學。他們的研究團隊使用心理學實驗的結果開發模擬人類解決問題方法的程式。這方法一直在卡內

傷感句子

基梅隆大學沿襲下來，並在80年代於SOAR發展到高峰。基於邏輯不像艾倫·紐厄爾和赫伯特·西蒙，JOHN MCCARTHY認為機器不需要模擬人類的思想，而應嘗試找到抽象推理和解決問題的本質，不管人們是否使用同樣的演算法。他在史丹佛大學的實驗室致力於使用形式化邏輯解決多種問題，包括知識表示， 智慧規劃和機器學習. 致力於邏輯方法的還有愛丁堡大學，而促成歐洲的其他地方開發程式語言PROLOG和邏輯程式設計科學.“反邏輯”史丹佛大學的研究者 (如馬文·閔斯基和西摩爾·派普特)發現要解決計算機視覺和自然語言處理的困難問題，需要專門的方案-他們主張不存在簡單和通用原理（如邏輯）能夠達到所有的智慧行為。ROGER SCHANK 描述他們的“反邏輯”方法為 "SCRUFFY" .常識知識庫 (如DOUG LENAT的CYC)就是"SCRUFFY"AI的例子，因為他們必須人工一次編寫一個複雜的概念。基於知識大約在1970年出現大容量記憶體計算機，研究者分別以三個方法開始把知識構造成應用軟體。這場“知識革命”促成專家系統的開發與計劃，這是第一個成功的人工智慧軟體形式。“知識革命”同時讓人們意識到許多簡單的人工智慧軟體可能需要大量的知識。 

轉自http://blog.itpub.net/31552536/viewspace-2214898/