Pourquoi l'IA symbolique est-elle essentielle aux opérations commerciales ?

L'IA symbolique peut interpréter les informations commerciales et l'aider à atteindre tous ses objectifs.

Alors que de nombreuses entreprises mènent des expériences d'intelligence artificielle en utilisant des modèles de base d'apprentissage automatique (ML) et d'apprentissage profond (DL), un nouveau type d'intelligence artificielle appelé IA symbolique émerge en laboratoire, et il est possible changer les fonctionnalités de l’intelligence artificielle et ses relations avec les superviseurs humains.

Il existe deux catégories d'intelligence artificielle dans l'histoire : l'intelligence artificielle symbolique et l'intelligence artificielle non symbolique. Chaque type d’intelligence artificielle adopte une approche différente pour créer des systèmes intelligents. Les approches symboliques tentent de créer un système intelligent avec un comportement interprétable basé sur des règles et des connaissances ; les approches non symboliques visent à créer un système informatique qui imite le cerveau humain.

Le but ultime de l'informatique est de créer un système d'IA capable de penser, de logiquer et d'apprendre. D’un autre côté, la plupart des systèmes d’IA actuels n’ont qu’une seule capacité parmi deux : l’apprentissage ou le raisonnement. Bien que les approches symboliques soient efficaces pour réfléchir, interpréter et gérer de grandes structures de données, elles ont du mal à établir des symboles dans le monde perceptuel.

Pour résoudre des problèmes, l'IA symbolique adopte une approche descendante (ex : ordinateur d'échecs). "Tant que vous travaillez assez dur, vous trouverez ce que vous cherchez." La recherche est une technologie d'IA symbolique. Dans ce cas, le test informatique étape par étape des solutions potentielles et la confirmation des résultats sont appelés « recherche ». Un bon exemple de ceci est un ordinateur d'échecs qui « imagine » des millions de mouvements et de combinaisons futurs différents, puis « décide » quel coup est le plus susceptible de gagner en fonction des résultats. C'est similaire à l'esprit humain : quiconque passe beaucoup de temps à jouer à des jeux de société ou à des jeux de stratégie a « joué » les mouvements dans son esprit au moins une fois avant de faire un choix. Les réseaux de neurones peuvent aider les algorithmes d'IA traditionnels car ils ajoutent une intuition « humaine » et réduisent le nombre d'actions à calculer. En intégrant ces technologies, AlphaGo est capable de battre les humains dans des jeux complexes comme le Go. Cela ne serait pas possible si l'ordinateur calculait tous les mouvements possibles pour chaque étape.

Une fois qu'une idée est stockée dans un moteur de règles, il est difficile de la modifier, ce qui est l'un des principaux obstacles à l'IA symbolique ou GOFAI. Les systèmes experts sont monotones, ce qui signifie que plus vous ajoutez de règles, plus d’informations sont codées dans le système, mais les nouvelles règles ne peuvent pas détruire les connaissances antérieures. Monotone est un terme qui fait référence à une seule direction. Les algorithmes d'apprentissage automatique peuvent être recyclés sur de nouvelles données et ils sont plus efficaces pour enregistrer des informations temporaires qui peuvent être rappelées ultérieurement si nécessaire. Par exemple, lorsque les données ne sont pas stationnaires, ils modifient les paramètres en fonction de nouvelles données.

Le deuxième problème de la pensée symbolique est que les ordinateurs ne comprennent pas la signification des symboles, ce qui signifie qu’ils ne sont pas nécessairement liés à d’autres représentations non symboliques du monde. Cela diffère des réseaux de neurones, qui peuvent connecter des symboles à des représentations vectorielles de données, qui sont simplement des transformations d'entrées sensorielles brutes.

La question évidente est donc : « À qui sont destinés ces symboles ? Sont-ils utiles pour les machines ? Pourquoi les machines ne peuvent-elles pas communiquer à l'aide de vecteurs ? ou un langage bruyant partagé par les dauphins et les télécopieurs ?

Faisons une prédiction : lorsque les machines apprendront à communiquer entre elles de manière intelligible, elles utiliseront un langage que les humains ne peuvent pas comprendre. Pour les appareils à large bande passante, le mot bande passante ne suffit peut-être pas. Peut-être a-t-il besoin d’une dimension supplémentaire pour s’exprimer clairement. La langue n’est qu’un trou de serrure dans une porte contournée par les machines. Au mieux, le langage naturel peut être une API fournie par l’intelligence artificielle aux humains afin que les humains puissent s’en inspirer ; au pire, il peut s’agir d’un détournement de l’intelligence artificielle réelle ; Cependant, nous confondons cela avec le summum du succès, car le langage naturel est la manière dont nous démontrons notre intelligence.

Avantages :

• Créer un graphique de connaissances : créez un graphique de connaissances comme point de départ pour créer n'importe quel chatbot ou assistant vocal. Les graphes de connaissances constituent la structure de données du futur et deviendront la base de toutes les futures applications basées sur l'intelligence artificielle.
• Mise en œuvre du processus : La préparation de la numérisation et de l'organisation des données est inévitable pour les entreprises. Par conséquent, la création de graphes de connaissances est inévitable tôt ou tard. Établir des procédures organisationnelles et des flux de travail qui seront nécessaires pour la documentation et les mises à jour fréquentes des connaissances futures.
• Commodité maximale : les détails du backend sont traités en ligne, permettant aux entreprises de se concentrer sur la préparation et l'ajout des données. La plateforme d'IA de conversation en ligne permet aux utilisateurs d'éditer ou de modifier facilement n'importe quelle information à tout moment.
• Approche globale : Online offre une expérience complète en assistant les utilisateurs à travers toutes les étapes du processus. Du stockage d'informations sous forme de graphiques de connaissances à la fourniture aux chatbots ou aux assistants vocaux de la capacité d'absorber des faits, de répondre de manière appropriée et de permettre aux utilisateurs d'effectuer une transaction souhaitée (comme un achat). Les possibilités sont infinies.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!