مدرسه کدنویسی

پردازش زبان طبیعی (NLP)[53] به برنامه ها اجازه می دهوش مصنوعی به زبان ساده برای کودکان هد تا بخوانند، بنویسند و به زبان های انسانی مانند انگلیسی ارتباط برقرار کنند. مشکلات خاص عبارتند از: تشخیص گفتار، سنتز گفتار، ترجمه ماشینی، استخراج اطلاعات، بازیابی اطلاعات و پاسخ به سؤال.[54]

کارهای اولیه، مبتنی بر دستور زبان و شبکه‌های معنایی مولد نوام چامسکی، با ابهام‌زدایی معنایی کلمه[f] مشکل داشت، مگر اینکه محدود به حوزه‌های کوچکی به نام «جهان‌های خرد» (به دلیل مشکل دانش عقل سلیم[32]) باشد. مارگارت مسترمن معتقد بود که کلید فهم زبان ها معنی است و نه دستور زبان و اصطلاح هوش مصنوعی به زبان ساده برای کودکان نامه ها و نه فرهنگ لغت ها باید اساس ساختار زبان محاسباتی باشند.

تکنیک‌های یادگیری عمیق مدرن برای NLP شامل جاسازی کلمه (نماینده کلمات، معمولاً به عنوان بردارهایی که معنای آنها را رمزگذاری می‌کنند)، [55] ترانسفورماتورها (معماری یادگیری عمیق با استفاده از مکانیزم توجه)، [56] و دیگران است. در سال 2019، مدل‌های زبان ترانسفورماتور از پیش آموزش‌دیده (یا «GPT») شروع به تولید متن منسجم کردند، [58][59] و تا سال 2023 این مدل‌ها توانستند نمرات سطح انسانی را در آزمون وکال هوش مصنوعی به زبان ساده برای کودکان ت، آزمون SAT، GRE کسب کنند. تست، و بسیاری دیگر از برنامه های کاربردی در دنیای واقعی.[60]

ادراک

ادراک ماشین توانایی استفاده از ورودی حسگرها (مانند دوربین ها، میکروفون ها، سیگنال های بی سیم، لیدار فعال، سونار، رادار و حسگرهای لمسی) برای استنتاج جنبه های جهان است. بینایی کامپیوتری توانایی تجزیه و تحلیل ورودی بصری است.[61]

این زمینه شامل تشخیص گفتار، [62] طبقه بندی تصویر، [63] تشخیص چهره، تشخیص اشیا، [64] و ادراک روباتیک است.

هوش اجتماعی

Kismet، یک سر ربات که در دهه 1990 ساخته شد.  هوش مصنوعی به زبان ساده برای کودکان ماشینی که می تواند احساسات را تشخیص دهد و شبیه سازی کند.[66]

محاسبات عاطفی یک چتر بین رشته‌ای است که شامل سیستم‌هایی است که احساسات، عواطف و خلق و خوی انسان را تشخیص، تفسیر، پردازش یا شبیه‌سازی می‌کنند.[67] به عنوان مثال، برخی از دستیاران مجازی طوری برنامه ریزی شده اند که به صورت مکالمه صحبت کنند یا حتی شوخی کنند. این باعث می‌شود که آنها نسبت به پویایی عاطفی تعامل انسانی حساس‌تر به نظر برسند یا تعامل انسان و رایانه را تسهیل کنند.

با این حال، این تمایل به کاربران ساده لوح تصور غیرواقعی از هوش عوامل رایانه‌ای موجود می‌دهد.[68] موفقیت‌های متوسط مربوط به محاسبات عاطفی شامل تجزیه و تحلیل احساسات متنی و اخیراً، تحلیل احساسات چندوجهی است که در آن هوش مصنوعی تأثیرات نمایش داده شده توسط یک سوژه ضبط شده را طبقه‌بندی می‌کند.[69]

هوش عمومی

یک ماشین با هوش عمومی مصنوعی باید بتواند طیف هوش مصنوعی به زبان ساده برای کودکان  گسترده ای از مسائل را با وسعت و تطبیق پذیری مشابه هوش انسانی حل کند.[14]

تکنیک

تحقیقات هوش مصنوعی از طیف گسترده ای از تکنیک ها برای دستیابی به اهداف بالا استفاده می کند.[b]

جستجو و بهینه سازی

هوش مصنوعی می تواند بسیاری از مشکلات را با جستجوی هوشمندانه در میان بسیاری از راه حل های ممکن حل کند.[70] دو نوع جستجوی بسیار متفاوت در هوش مصنوعی استفاده می شود: جستجوی فضای حالت و جستجوی محلی.

جستجوی فضای حالت

جستجوی فضای حالت از طریق درختی از حالت‌های ممکن برای یافتن یک حالت هدف جستجو می‌کند.[71] به عنوان مثال، الگوریتم‌های برنامه‌ریزی از طریق درخت‌های اهداف و اهداف فرعی هوش مصنوعی به زبان ساده برای کودکان  جستجو می‌کنند، تلاش برای یافتن مسیری برای رسیدن به هدف هدف، فرآیندی به نام تجزیه و تحلیل معنا و هدف.[72]

جستجوهای جامع ساده[73] به ندرت برای اکثر مشکلات دنیای واقعی کافی است: فضای جستجو (تعداد مکان‌های جستجو) به سرعت به اعداد نجومی افزایش می‌یابد. نتیجه جستجویی است که خیلی کند است یا هرگز کامل نمی شود.[18] «ابتکار» یا «قوانین سرانگشتی» می‌تواند به اولویت‌بندی انتخاب‌هایی که احتمال بیشتری برای رسیدن به هدف دارند کمک کند.[74]

جستجوی خصمانه برای برنامه های بازی مانند شطرنج یا Go استفاده  هوش مصنوعی به زبان ساده برای کودکان می شود. از میان درختی از حرکات و حرکات متقابل احتمالی جستجو می کند و به دنبال موقعیت برنده است.[75]

جستجوی محلی

تصویری از نزول گرادیان برای 3 نقطه شروع مختلف. دو پارامتر (که با مختصات پلان نشان داده می شوند) به منظور به حداقل رساندن تابع تلفات (ارتفاع) تنظیم می شوند.

جستجوی محلی از بهینه سازی ریاضی برای یافتن راه حلی برای یک مسئله استفاده می کند. با نوعی حدس شروع می شود و به تدریج آن را اصلاح می کند.[76]

Gradient descent نوعی جستجوی محلی است که مجموعه‌ای از پارامترهای عددی را با تنظیم تدریجی آنها برای به حداقل رساندن یک تابع ضرر بهینه می‌کند. انواع گرادیان نزول معمولا برای آموزش شبکه های عصبی استفاده می شود.[77]

نوع دیگری از جستجوی محلی، محاسبات تکاملی است، هوش مصنوعی به زبان ساده برای کودکان  که هدف آن بهبود مکرر مجموعه ای از راه حل های کاندید با "جهش" و "بازترکیب" آنها، انتخاب تنها مناسب ترین ها برای زنده ماندن در هر نسل است.[78]

فرآیندهای جستجوی توزیع شده می توانند از طریق الگوریتم های هوش ازدحام هماهنگ شوند. دو الگوریتم ازدحام محبوب مورد استفاده در جستجو عبارتند از بهینه سازی اArtificial intelligence in plain language for children زدحام ذرات (الهام گرفته از گله پرندگان) و بهینه سازی کلونی مورچه ها (الهام گرفته از رد پای مورچه ها).[79]

منطق

منطق صوری برای استدلال و بازنمایی دانش استفاده می شود.[80] رسمی