هوش مصنوعی مبتنی بر منطق و دانش

مدل‌های شبکه عصبی در دهه‌های 1950 و 1960 رایج بودند. آنها همچنین در پروژه تحقیقاتی تابستانی دارتموث در سال 1956 که اصطلاح هوش مصنوعی را ایجاد کرد، یک حوزه کلیدی مطالعه - در بین یادگیری، زبان، خلاقیت و انتزاع - بودند. اگرچه کار بر روی شبکه های عصبی ادامه یافت، تحقیقات روی هوش مصنوعی به زودی به سمت «پردازشش نمادین» رفت. همانطور که ریاضیدانان و فیلسوفان منطق محور از زمانی که هیلبرت و راسل معتقد بودند حقایق منطقی را می توان با دستکاری رسمی جملات به دست آورد، آشکار بود که رایانه ها می توانند همه آن استنتاج های منطقی را انجام دهند. یک تلاش پیشگام در این خط از هوش مصنوعی نظریه منطق بود که توسط آلن نیوول، جان شاو و هربرت سایمون در تعطیلات کریسمس در سال 1955 توسعه یافت. این نظریه قادر به دستکاری گزاره های منطقی و استخراج براهین برای قضایای منطقی بود، و سازندگان آن مطمئن بودند. که آنها ماشینی تولید کرده بودند که فکر می کند. نظریه منطق به زودی توسط حل المسائل عمومی دنبال شد که قرار بود بتواند هر مشکل منطقی تعریف شده ای را که راه حلی دارد حل کند. این رویکرد منطق محور به هوش مصنوعی از اواخر دهه 1950 تا اوایل دهه 1970 رویکرد غالب بود. در دهه 1970 عموماً پذیرفته شد که تفکر انسان را نمی توان فقط با دستکاری رسمی گزاره های منطقی شبیه سازی کرد. در نتیجه، دانش خاص دامنه و روش‌های مختلف بازنمایی دانش به کانون اصلی تحقیقات هوش مصنوعی تبدیل شد. این منجر به چیزی شد که امروزه به عنوان "سیستم های خبره" یا به طور گسترده تر، سیستم های مبتنی بر دانش شناخته می شود. نمونه های اولیه این موارد شامل برنامه درک زبان طبیعی SHRDLU و سیستم تشخیص پزشکی MYCIN است که آنتی بیوتیک ها و دوز آنها را بر اساس علائم و بیمار توصیه می کند. سیستم‌های مبتنی بر دانش معمولاً از یک «موتور استنتاج» نسبتاً کلی و یک «پایه دانش» ویژه دامنه تشکیل می‌شدند که برای استنتاج بر اساس ورودی‌های انسانی استفاده می‌شد. به طور خاص، در سیستم های خبره، دانش حوزه سعی در تقلید از ساختارهای دانش مورد استفاده متخصصان انسانی داشت.

محبوبیت مدل مبتنی بر منطق و دانش

سیستم های خبره در دهه 1980 بسیار محبوب بودند، به طوری که دو سوم شرکت های Fortune 500 از آنها در فعالیت های روزانه استفاده می کردند. از آن زمان، آنها به طور گسترده در بخش های مختلف اقتصاد، به عنوان مثال در بخش مالی، لجستیک، طراحی تراشه های نیمه هادی، برنامه ریزی تولید، و اتوماسیون فرآیندهای تجاری استفاده شده اند. بسیاری از سیستم های خبره نیز برای یادگیری و آموزش از اوایل دهه 1980 توسعه یافته اند. علاقه به هوش مصنوعی مبتنی بر دانش در اواخر دهه 1980 کاهش یافت زیرا مشخص شد که توسعه پایگاه‌های دانش خاص دامنه به مهندسین دانش تخصصی نیاز دارد و همچنین به این دلیل که گسترش شبکه‌های کامپیوتری و اینترنت علایق را به سمت یکپارچه‌سازی و اتوماسیون سیستم سوق داد.