AI simbolic este numele colectiv pentru toate metodele de cercetare AI bazate pe reprezentarea „ simbolică ” (lizibilă de om) la nivel înalt a sarcinilor, logicii și căutării. Inteligența artificială simbolică a format baza paradigmei dominante de cercetare a inteligenței artificiale de la mijlocul anilor 1950 până la sfârșitul anilor 1980.
În 1985, John Hoagland a dat inteligenței artificiale simbolice numele GOFAI ( Good Old-Fashioned Artificial Intelligence , „good old artificial intelligence”) în cartea sa Artificial Intelligence : The Very Idea , dedicată reflectării filozofice a consecințelor cercetării inteligenței artificiale. [1] În robotică, un termen similar este folosit GOFAIR („inteligență artificială veche bună în robotică”).
Cea mai de succes formă de IA simbolică sunt sistemele expert care utilizează o rețea de reguli de producție . Regulile de producție combină simboluri în relații similare cu operatorul „ dacă-atunci ”. Sistemul expert, procesând aceste reguli, face concluzii logice și determină ce informații suplimentare are nevoie, adică ce întrebări ar trebui puse folosind simboluri care pot fi citite de om.
Abordarea simbolică a creării inteligenței artificiale se bazează pe presupunerea că multe aspecte ale inteligenței pot fi înțelese și interpretate prin manipularea simbolurilor . Această idee a stat la baza ipotezei Newell-Simon . A fost formulat de Allen Newell și Herbert Simon în 1976. În termeni generali, ipoteza este că orice acțiune semnificativă (indiferent dacă este efectuată de o persoană sau de o mașină) este determinată de un anumit sistem de simboluri. Această ipoteză a fost prezentată ca rezultat al cercetărilor bine conduse legate de soluția universală de probleme creată de Newell și Simon . Acest program a fost menit să simuleze raționamentul uman.
La acea vreme, mulți cercetători AI își aveau mari speranțe în asta. Se credea că folosind regulile formale ale logicii, generând sintaxă, creând un limbaj logic, se poate crea inteligență comparabilă cu una umană. Cu toate acestea, în practică, sistemele bazate pe aceste principii, deși au funcționat, nu au făcut față bine sarcinilor adaptative complexe. Prin urmare, în anii 1980-90, astfel de concepte au fost serios criticate, iar interesul multor cercetători s-a îndreptat către alte metode ( algoritmi evolutivi , rețele neuronale artificiale etc.). [2]