This HTML5 document contains 20 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Subject Item

dbr:Symbolic_artificial_intelligence

owl:sameAs

dbpedia-es:Inteligencia_artificial_simbólica

Subject Item

wikipedia-es:Inteligencia_artificial_simbólica

foaf:primaryTopic

dbpedia-es:Inteligencia_artificial_simbólica

Subject Item

dbpedia-es:Inteligencia_artificial_simbólica

rdfs:label

Inteligencia artificial simbólica

rdfs:comment

Inteligencia artificial simbólica es el nombre colectivo para todos los métodos de investigación de la inteligencia artificial que se basan en representaciones de alto nivel "simbólico" de los problemas, la lógica matemática y la búsqueda. IA simbólica fue el paradigma dominante de la investigación en IA desde mediados de los cincuenta hasta finales de los años ochenta. Después, se introdujeron enfoques sub-simbólicos más recientes a la IA, basado en redes neuronales, estadística, optimización numérica y otras técnicas. La IA simbólica se sigue aplicando en algunos dominios más pequeños (como la representación del conocimiento), pero la mayoría de las aplicaciones de IA en el siglo XXI no emplean símbolos legibles como sus objetos primarios.

owl:sameAs

n11:01xwzj

dct:subject

category-es:Inteligencia_artificial

foaf:isPrimaryTopicOf

wikipedia-es:Inteligencia_artificial_simbólica

prop-es:authorLink

John Haugeland

prop-es:first

John

prop-es:isbn

0

prop-es:last

Haugeland

prop-es:location

Cambridge, Mass

prop-es:publisher

dbpedia-es:MIT_Press

prop-es:title

Artificial Intelligence: The Very Idea

prop-es:year

1985

dbo:wikiPageID

6819334

dbo:wikiPageRevisionID

117282266

dbo:wikiPageLength

3111

prov:wasDerivedFrom

n14:0

dbo:abstract

Inteligencia artificial simbólica es el nombre colectivo para todos los métodos de investigación de la inteligencia artificial que se basan en representaciones de alto nivel "simbólico" de los problemas, la lógica matemática y la búsqueda. IA simbólica fue el paradigma dominante de la investigación en IA desde mediados de los cincuenta hasta finales de los años ochenta. Después, se introdujeron enfoques sub-simbólicos más recientes a la IA, basado en redes neuronales, estadística, optimización numérica y otras técnicas. La IA simbólica se sigue aplicando en algunos dominios más pequeños (como la representación del conocimiento), pero la mayoría de las aplicaciones de IA en el siglo XXI no emplean símbolos legibles como sus objetos primarios. dio el nombre GOFAI (por sus siglas en inglés, Good Old-Fashioned Artificial Intelligence) a la IA simbólica en su libro de 1985 Inteligencia Artificial: La Idea Pura, que exploró las implicaciones filosóficas de la investigación de la inteligencia artificial. En robótica el término análogo es GOFAIR (por sus siglas en inglés, "Good Old-Fashioned Robotics"). Este enfoque se basa en la suposición de que muchos aspectos de la inteligencia se pueden lograr mediante la manipulación de símbolos, un supuesto definido como la "" por Allen Newell y Herbert A. Simon a mediados de los años 60’s: La forma más exitosa de la IA simbólica son los sistemas expertos, los cuales utilizan una red de . Las normas de producción conectan símbolos en una relación similar a una instrucción “Si-Entonces” (If-Then). El sistema experto procesa las reglas para hacer deducciones y determinar qué información adicional se necesita, por ejemplo, qué preguntas hacer, usando simbología legible para el ser humano. Los opositores a la aproximación simbólica incluyen a expertos en robótica como Rodney Brooks, quien tiene como objetivo producir robots autónomos sin representación simbólica (o con sólo una mínima representación) y los investigadores de inteligencia computacional, que aplican técnicas como las redes neuronales y optimización para resolver problemas en el aprendizaje automático y la ingeniería de control. La IA simbólica estaba destinada a producir, inteligencia similar a la humana en una máquina, mientras que la mayor parte de la investigación moderna se dirige a sub-problemas específicos. La investigación sobre la inteligencia general está en estudio del sub-campo llamado Inteligencia Artificial General.