مدرسه کدنویسی

 y مشکل و عملکرد برنامه معیارهای مستقیم "هوش" ماشین هستند هوش مصنوعی به زبان ساده برای کودکان  - و هیچ بحث فلسفی دیگری مورد نیاز نیست، یا حتی ممکن است امکان پذیر نباشد.

تعریف دیگری توسط گوگل،[306] یک متخصص اصلی در زمینه هوش مصنوعی اتخاذ شده است. این تعریف توانایی سیستم ها را برای ترکیب اطلاعات به عنوان تجلی هوش، مشابه روشی که  هوش مصنوعی به زبان ساده برای کودکان در هوش بیولوژیکی تعریف می شود، تصریح می کند.

ارزیابی رویکردهای هوش مصنوعی

هیچ تئوری یا پارادایم متحد کننده ای در بیشتر تاریخ خود تحقیقات هوش مصنوعی را هدایت نکرده است.[z] موفقیت بی سابقه یادگیری ماشین آماری در دهه 2010 همه رویکردهای دیگر را تحت الشعاع قرار داد (تا آنجا که برخی منابع، به ویژه در دنیای تجارت، از این اصطلاح استفاده می کنند. "هوش مصنوعی" به معنای "یادگیری ماشینی با شبکه های عصبی"). این رویکرد بیشتر نمادین، نرم و باریک است. منتقدان استدلال می کنند که این سوالات  هوش مصنوعی به زبان ساده برای کودکان ممکن است توسط نسل های آینده محققان هوش مصنوعی مورد بازبینی قرار گیرد.

هوش مصنوعی نمادین و محدودیت های آن

هوش مصنوعی نمادین (یا "GOFAI")[308] استدلال آگاهانه سطح بالایی را شبیه سازی می کند که مردم هنگام حل پازل، بیان استدلال قانونی و انجام ریاضیات از آن استفاده می کنند. آنها در کارهای "هوشمند" مانند تست های جبر یا IQ بسیار موفق بودند. در دهه 1960، نیوول و سایمون فرضیه سیستم های نمادهای فیزیکی ر هوش مصنوعی به زبان ساده برای کودکان ا مطرح کردند: "یک سیستم نماد فیزیکی ابزار لازم و کافی برای کنش هوشمند عمومی را دارد."[309]

با این حال، رویکرد نمادین در بسیاری از وظایفی که انسان ها به راحتی حل می کنند، مانند یادگیری، تشخیص یک شی یا استدلال عقلانی، شکست خورد. پارادوکس Moravec این کشف است که وظایف "هوشمند" سطح بالا برای هوش مصنوعی آسان بود، اما وظایف "غریزی" سطح پایین بسیار دشوار بود.[310] فیلسوف هوبرت دریفوس از دهه 1960 استدلال کرده بود که تخصص انسان به غریزه ناخودآگاه به جای دستکاری نمادین آگاهانه، و به داشتن "احساس" برای موقعیت، به جای دانش نمادین صریح بستگی دارد.[311] اگرچه استدلال‌های او در ابتدای ارائه‌شان مورد تمسخر هوش مصنوعی به زبان ساده برای کودکان  قرار گرفته و نادیده گرفته شده بودند، اما در نهایت، تحقیقات هوش مصنوعی با او موافقت کردند.[aa][19]

مسئله حل نشده است: استدلال فرعی نمادین می‌تواند بسیاری از اشتباهات غیرقابل کشفی را که شهود انسان انجام می‌دهد، مانند سوگیری الگوریتمی، مرتکب شود. منتقدانی مانند نوام چامسکی معتقدند که ادامه تحقیقات در مورد هوش مصنوعی نمادین همچنان برای دستیابی به هوش عمومی ضروری است، [313] [314] تا حدی به این دلیل که هوش مصنوعی زیر نمادین فاصله گرفتن از هوش مصنوعی قابل توضیح است: درک چرایی آن ممکن است دشوار یا غیرممکن باشد. یک برنامه هوش مصنوعی آماری مدرن تصمیم خاصی گرفت. حوزه نوظهور هوش مصنوعی عصبی نمادین تلاش می کند تا این دو رویکرد را پل بزند.

مرتب در مقابل ژولیده

نوشتار اصلی: شیک و شلوار

"نیتز" امیدوار است که رفتار هوشمند با استفاده از اصول ساده و ظریف (مانند منطق، بهینه سازی یا شبکه های عصبی) توصیف شود. "Scruffies" انتظار دارند که لزوماً مستلزم حل تعداد زیادی از مشکلات نامرتبط است. نیت ها از برنامه های خود با دقت نظری دفاع می کنند، نابسامانی ها عمدتاً به آزمایش  هوش مصنوعی به زبان ساده برای کودکان های افزایشی متکی هستند تا ببینند آیا کار می کنند یا خیر. این موضوع در دهه های 1970 و 1980 به طور فعال مورد بحث قرار گرفت، [315] اما در نهایت بی ربط تلقی شد. هوش مصنوعی مدرن دارای عناصر هر دو است.

محاسبات نرم در مقابل سخت

مقاله اصلی: محاسبات نرم

یافتن یک راه حل قابل اثبات صحیح یا بهینه برای بسیاری از مسائل مهم غیرقابل حل است.[18] محاسبات نرم مجموعه‌ای از تکنیک‌ها شامل الگوریتم‌های ژنتیک، منطق فازی و شبکه‌های عصبی است که نسبت به عدم دقت، عدم قطعیت، حقیقت جزئی و تقریب قابل تحمل هستند. محاسبات نرم در اواخر دهه 1980 معرفی شد و موفق ترین برنامه های هوش مصنوعی در قرن بیست و یکم نمونه هایی از محاسبات نرم با شبکه های عصبی هستند.

باریک در مقابل هوش مصنوعی عمومی

مقالات اصلی: هوش مصنوعی ضعیف و هوش مصنوعی عمومی

محققان هوش مصنوعی در مورد اینکه آیا باید اهداف هوش عمومی مصنوعی و ابر هوش را به طور مستقیم دنبال کنند یا تا آنجا که ممکن است مشکلات خاص را حل کنند (هوش مصنوعی محدود) تقسیم شده اند، به این امید که این راه حل ها به طور غیرمستقیم به اهداف بلندمدت این رشته منجر شود.[316] 317] تعریف هوش  هوش مصنوعی به زبان ساده برای کودکان عمومی دشوار است و اندازه گیری آن دشوار است و هوش مصنوعی مدرن با تمرکز بر مشکلات خاص با راه حل های خاص، موفقیت های قابل تایید بیشتری داشته است. زیر شاخه تجربی هوش عمومی مصنوعی این حوزه را به طور انحصاری مورد مطالعه قرار می دهد.

آگاهی ماشینی، احساس و ذهن

مقاله‌های اصلی: فلسفه هوش مصنوعی و آگاهی مصنوعی

فلسفه ذهن نمی داند که آیا یک ماشین می تواند ذهن، آگاهی و حالات ذهنی داشته باشد، به همان معنایی که انسان ها دارند. این موضوع به جای رفتار بیرونی ماشین، تجربیات داخلی ماشین را د هوش مصنوعی به زبان ساده برای کودکان ر نظر می گیرد. تحقیقات AI جریان اصلی این موضوع را بی‌ربط می‌داند زیرا بر اهداف این حوزه تأثیر نمی‌گذارد: ساخت ماشین‌هایی که می‌توانند با استفاده از هوشمندی مشکلات را حل کنند. راسل و نورویگ می‌افزایند که «پروژه اضافی برای

آگاه کرArtificial intelligence in plain language for children دن یک ماشین دقیقاً به روشی که انسان