Los diferentes enfoques de la inteligencia artificial se pueden clasificar en tres grupos distintos: simulación cerebral, simbólico y sub-simbólico y estadístico. Los enfoques simbólico y sub-simbólico se pueden clasificar en sus propios grupos: la simulación cognitiva, la inteligencia basada en la lógica y la inteligencia basada en el conocimiento se incluyen en el enfoque simbólico, mientras que las teorías de inteligencia ascendente y computacional se identifican como inteligencia artificial sub-simbólica. enfoques. Años de avance en la investigación y aplicación de estas teorías han llevado a la formación de enfoques integrados, combinando principios de múltiples escuelas de pensamiento para generar sistemas de inteligencia artificial (IA) más sofisticados.
El desarrollo de la IA alcanzó por primera vez importantes avances en el desarrollo durante la década de 1940. Al utilizar principios de la neurología, la cibernética y las teorías básicas del procesamiento cognitivo, los investigadores pudieron construir robots con niveles primitivos de inteligencia basados en la simulación del cerebro, lo que permitió evitar ciertos obstáculos a través de la detección sensorial. Sin embargo, el avance limitado entre las décadas de 1940 y 1960 llevó al abandono de este paradigma, y los investigadores optaron por desarrollar otros enfoques de inteligencia artificial más prometedores.
A mediados de la década de 1950 y principios de la de 1960, los investigadores de inteligencia artificial intentaron simplificar la inteligencia humana en la manipulación de símbolos, creyendo que la capacidad de los humanos para aprender y adaptarse a los objetos en su entorno gira en torno a la interpretación y reinterpretación de objetos como símbolos básicos. Una silla, por ejemplo, podría simplificarse en un símbolo que la define como un objeto para sentarse. Este símbolo podría luego manipularse y proyectarse sobre otros objetos. Los investigadores pudieron crear una serie de enfoques de inteligencia artificial flexibles y dinámicos al incorporar este enfoque simbólico en el desarrollo de la IA.
La capacidad de simular los diferentes enfoques cognitivos del pensamiento simbólico permitió a los desarrolladores de IA crear inteligencia basada en la lógica y en el conocimiento. El enfoque basado en la lógica trabajó sobre los principios subyacentes del pensamiento lógico, centrado casi por completo en resolver problemas en lugar de replicar la capacidad de pensamiento similar a la humana. La lógica finalmente se equilibró con una lógica «desaliñada», que tuvo en cuenta el hecho de que las soluciones se pueden encontrar fuera de un algoritmo lógico dado. La inteligencia basada en el conocimiento, por otro lado, aprovechó la capacidad de una computadora para almacenar, procesar y recordar grandes cantidades de datos para brindar soluciones a los problemas.
El interés por la simulación cerebral se reavivó en la década de 1980 después de que se desacelerara el avance en la inteligencia simbólica. Esto llevó a la creación de sistemas sub-simbólicos, enfoques de inteligencia artificial que giraban en torno a combinar el pensamiento con la inteligencia más básica necesaria para el movimiento y la autoconservación. Esto permitió a los modelos relacionar el entorno que los rodeaba con los datos almacenados en su memoria. El enfoque estadístico desarrollado en la década de 1990 ayudó a pulir los enfoques de inteligencia artificial simbólica y sub-simbólica mediante el uso de algoritmos matemáticos sofisticados para determinar el curso de acción con más probabilidades de resultar en el éxito de la máquina. La investigación a menudo aborda el desarrollo de la IA utilizando principios de todos los enfoques.