Логический подход

Основой для изучения логического подхода служит алгебра логики. Своего дальнейшего развития алгебры логики получила в виде исчисления предикатов - в котором она расширена за счет введения предметных символов, отношений между ними. Кроме этого, каждая такая машина имеет блок генерации цели, и система вывода пытается доказать данную цель как теорему. Если цель достигнута, то последовательность использованных правил позволит получить цепочку действий, необходимых для реализации поставленной цели (такую ​​систему еще называют экспертной системой). Мощность такой системы определяется возможностями генератора целей и машинного доказательства теорем. Для того чтобы достичь лучшей выразительности логический подход использует новое направление, его название - нечеткая логика. Главным отличием этого направления является то, что истинность высказывания может принимать помимо значений да / нет (1 / 0) еще и промежуточное значение - не знаю (0.5), пациент скорее всего жив, чем мертв (0.75), пациент скорее всего мертв , чем жив (0.25). Такой подход подобный к мышлению человека, поскольку она редко соответствует да или нет.

Структурный подход

Под структурным подходом мы понимаем попытки построения ИИ путем моделирования структуры человеческого мозга. Одной из первых таких попыток был перцептрон Френка Розенблатта. Главной моделирующей структурной единицей в перцептронах (математическая модель процесса восприятия) (как и в большинстве других вариантах моделирования мозга) является нейрон. Позднее возникли и другие модели, известные под названием нейронные сети (НС) и их реализации - нейрокомпьютеры. Эти модели отличаются по строению отдельных нейронов, по топологии связей между ними и алгоритмами обучения. Среди самых известных в настоящее время вариантов НС можно назвать НС с обратным распространением ошибки, сети Кохонена, сетки Хопфилда, стохастические нейроны сетки. В более широком смысле этот подход известен как Конективизм. Различия между логическим и структурным подходом не столько принципиальные, как это кажется на первый взгляд. Алгоритмы упрощения и вербализации нейронных сетей превращают модели структурного подхода в явные логические модели. С другой стороны, еще в 1943году Маккалок и Питтс показали, что нейронная сеть может реализовать любую функцию алгебры логики.