I diversi approcci di intelligenza artificiale possono essere classificati in tre gruppi distinti: simulazione cerebrale, simbolico e subsimbolico e statistico. Gli approcci simbolico e sub-simbolico possono essere ulteriormente classificati nei propri gruppi: simulazione cognitiva, intelligenza basata sulla logica e intelligenza basata sulla conoscenza rientrano nell’approccio simbolico, mentre le teorie dell’intelligenza dal basso e computazionale sono identificate come intelligenza artificiale sub-simbolica approcci. Anni di avanzamento nella ricerca e nell’applicazione di queste teorie hanno portato alla formazione di approcci integrati, che combinano principi di più scuole di pensiero per generare sistemi di intelligenza artificiale (AI) più sofisticati.
Lo sviluppo dell’IA ha compiuto per la prima volta importanti progressi nello sviluppo negli anni ‘1940. Utilizzando i principi della neurologia, della cibernetica e delle teorie di elaborazione cognitiva di base, i ricercatori sono stati in grado di costruire robot con livelli di intelligenza primitivi basati sulla simulazione del cervello, consentendo l’evitamento di determinati ostacoli attraverso il rilevamento sensoriale. Tuttavia, i progressi limitati tra gli anni ‘1940 e ‘1960 hanno portato all’abbandono di questo paradigma, con i ricercatori che hanno scelto di sviluppare altri approcci di intelligenza artificiale più promettenti.
Tra la metà degli anni ‘1950 e l’inizio degli anni ‘1960, i ricercatori di intelligenza artificiale hanno tentato di semplificare l’intelligenza umana nella manipolazione dei simboli, ritenendo che la capacità degli esseri umani di apprendere e adattarsi agli oggetti nel loro ambiente ruotasse attorno all’interpretazione e alla reinterpretazione degli oggetti come simboli di base. Una sedia, ad esempio, potrebbe essere semplificata in un simbolo definendola come un oggetto su cui sedersi. Questo simbolo potrebbe quindi essere manipolato e proiettato su altri oggetti. I ricercatori sono stati in grado di creare una serie di approcci di intelligenza artificiale flessibili e dinamici incorporando questo approccio simbolico nello sviluppo dell’IA.
La capacità di simulare i diversi approcci cognitivi al pensiero simbolico ha permesso agli sviluppatori di intelligenza artificiale di creare intelligenza basata sulla logica e sulla conoscenza. L’approccio basato sulla logica ha funzionato sui principi alla base del pensiero logico, concentrandosi quasi interamente sulla risoluzione dei problemi piuttosto che sulla replica di capacità di pensiero simili a quelle umane. La logica è stata infine bilanciata dalla logica “trasandato”, che ha tenuto conto del fatto che le soluzioni possono essere trovate al di fuori di un dato algoritmo logico. L’intelligenza basata sulla conoscenza, d’altra parte, sfruttava la capacità di un computer di archiviare, elaborare e richiamare grandi quantità di dati per fornire soluzioni ai problemi.
L’interesse per la simulazione del cervello è stato ripreso negli anni ‘1980 dopo che il progresso nell’intelligenza simbolica è rallentato. Ciò ha portato alla creazione di sistemi sub-simbolici, approcci di intelligenza artificiale che ruotavano attorno alla combinazione del pensiero con l’intelligenza più basilare necessaria per il movimento e l’autoconservazione. Ciò ha consentito ai modelli di mettere in relazione l’ambiente circostante con i dati nei loro archivi di memoria. L’approccio statistico sviluppato negli anni ‘1990 ha contribuito a perfezionare l’approccio dell’intelligenza artificiale sia simbolico che sub-simbolico utilizzando sofisticati algoritmi matematici per determinare il corso dell’azione con maggiori probabilità di successo della macchina. La ricerca spesso affronta lo sviluppo dell’IA utilizzando i principi di tutti gli approcci.