Menu

Hoofdbenaderingen in het AI-onderzoek

  • Symbolische AI (= klassieke AI)

Argumenten voor (sterke) symbolische AI

- Successen van de symbolische AI

- Plausibiliteit van de hypothese

- Psychologische aanwijzingen

- Gebrek aan goede alternatieve hypotheses / theorieën

Argumenten tegen

tegen sterke SAI: o.a. het argument van Searle

  • Syntax op zich impliceert geen semantiek (betekenis)
  • Computer programma's zijn louter formeel (syntactisch)
  • Menselijke geesten bevatten betekenissen (semantiek)
  • Dus computerprogramma's komen niet overeen met de structuur van de menselijke geest

Kritiek op het Chinese kamerargument en tegenwerpingen daarop kennen!

tegen zwakke SAI: o.a. het relevantieargument

  • computers kunnen niet op een natuurlijke manier relevante van irrelevante gegevens scheiden.
    • Echte kennis is toepasbaar
    • Toepassing vereist interpretatieregels (volgens de symbolische AI)
    • Interpretatieregels zijn ook kennis en vereisen dus zelf int. regels
    • Er zijn dus oneindig veel regels nodig
    • Conclusie: Echte kennis is voor symbolische AI-systemen onbereikbaar. Mensen doen dit zonder regels met hun ‘gezond verstand’
  • Connectionistische AI

Dit hieronder stond niet als stof in de tentamenwijzer, maar het zou kunnen dat hij dat gewoon vergeten is. Dus voor de zekerheid. Verder staat er ook nog iets meer over het connectionisme (voor- en tegenargumenten) in de sheets.

Lees meer...

Opbouw

  • neuronachtige verwerkingseenheden
  • verbindingen tussen deze units
  • drie of meer lagen: input level, output level en hidden level(s)
  • verbindingen hebben verschillende sterktes (gewicht)

Neurale netwerken blijken zeer goed in staat tot perceptie, patroonherkenning, taalgebruik, leren, aansturen motoriek, e.a. Ze zijn minder sterk in “hogere” cognitie (probleem oplossen, abstract denken, logica, etc.). Niet door computer maar door hersenen geïnspireerd.

Symboolsystemen

Neurale netwerken

De geest is een fysisch symboolsysteem

De geest is een connectionistisch systeem

Instructies voor de verwerking van informatie zijn vervat in expliciete regels

Instructies voor de verwerking van informatie zijn impliciet aanwezig in de connecties

Informatieverwerking is centraal aangestuurd (een centrale verwerker overziet alles)

Informatieverwerking gebeurt zonder centrale verwerker (veel processors doen onafhankelijk hun werk)

Informatieverwerking is meestal serieel

Informatieverwerking is sterk parallel

Leren gebeurt door het testen van hypotheses. Symboolstructuren worden getoetst a.d.h.v. data

Leren is associationistisch. Het bestaat uit het versterken of verzwakken van connecties op basis van mate van gelijktijdige activiteit van units

Connectionistische modellen encoderen geen symbolen of regels (ook niet een deel van onze intelligentie is symbolisch

Connectionistische modellen maken bij uitstek gebruik van gedistribueerde representaties. Individuele units hebben geen betekenis, alleen patronen hebben dat

  • Kunnen aangeven waarom Valerie Gray Hardcastle stelt: “Cognitive Science is not Cognitive Psychology.” Kunnen uitleggen welke kritiek ze heeft op de symbolische (“formal”) benadering van cognitie, en welk alternatief ze voorstelt.
Lees meer...

Connectionistische modellen

  • signalen worden via connecties doorgegeven naar units en daar verwerkt (excitation of inhibition)
  • units hebben op elk moment een activatiewaarde die het eventueel door te geven signaal bepaalt.
  • representaties zijn activiteitspatronen over meerdere units; informatieverwerking (denken, cognitie) is de opwekking en transformatie hiervan.
Lees meer...
Abonneren op deze RSS feed

Advies nodig?

Vraag dan nu een gratis en vrijblijvende scan aan voor uw website.
Wij voeren een uitgebreide scan en stellen een SEO-rapport op met aanbevelingen
voor het verbeteren van de vindbaarheid en de conversie van uw website.

Scan aanvragen