详细内容或原文请订阅后点击阅览
符号人工智能能否解锁类人智能？
将较新的神经网络与较旧的人工智能系统相结合可能是构建人工智能以匹配或超越人类智能的秘诀
来源:科学美国人计算机是否会达到或超越人类水平的智能——如果是的话，如何实现？当总部位于华盛顿特区的人工智能促进协会 (AAAI) 今年早些时候询问其成员仅靠神经网络（目前人工智能系统的明星）是否足以实现这一目标时，绝大多数人都表示不能。大多数人说，相反，需要大量旧式人工智能才能使这些系统达到标准：符号人工智能。
人类水平的智力 神经网络 绝大多数人表示不有时被称为“优秀的老式人工智能”，符号人工智能基于形式规则和概念之间逻辑关系的编码。例如，数学是象征性的，就像“if-then”语句和计算机编码语言（例如Python）一样，还有流程图或维恩图，这些图表描绘了猫、哺乳动物和动物在概念上的关系。几十年前，符号系统是人工智能领域的早期领跑者。然而，在 2010 年代初，它们被更灵活的神经网络远远超越了。这些机器学习模型擅长从大量数据中学习，是大型语言模型 (LLM) 以及 ChatGPT 等聊天机器人的基础。
善于学习 大语言模型 (LLM)然而，现在计算机科学界正在努力推动新旧更好、更大胆的融合。 “神经符号人工智能”已成为城里最热门的流行语。马里兰大学帕克分校的计算机科学家布兰登·科勒洛 (Brandon Colelough) 在学术论文中描绘了这一概念的迅速崛起。这些表明人们对神经符号人工智能的兴趣从 2021 年左右开始激增，并且没有放缓的迹象。
关于支持科学新闻
如果您喜欢这篇文章，请考虑通过订阅来支持我们屡获殊荣的新闻事业。通过购买订阅，您将有助于确保有关塑造当今世界的发现和想法的影响力故事的未来。
订阅 170