informatique

Il n'y a pas d'approche meilleure que les autres pour ce qui est de représenter la connaissance, ou résoudre des problèmes, et autres limitations de l'intelligence artificielle actuelle, car tout ça provient pour bonne partie de la quête de "théories unifiées", ou alors des tentatives de réparations-corrections des déficiences de positions idéologiques théoriquement soignées, mais qui  conceptuellement s'appauvrissent. Nos réseaux connexionnistes purement numériques sont par essence déficients en termes de capacité à raisonner correctement ; nos systèmes logiques purement symboliques sont intrinsèquement déficients en termes de capacité à représenter les "connexions heuristiques" les plus importantes entre les choses - ces liens incertains, approximatifs et analogiques dont nous avons besoin pour formuler de nouvelles hypothèses. La polyvalence dont nous avons besoin ne peut être trouvée que dans des architectures à plus grande échelle, qui peuvent exploiter et gérer les avantages de plusieurs types de représentations en même temps. Chacune peut alors être utilisée pour surmonter les déficiences des autres.

Auteur: Minsky Marvin

Info: Logical vs Analogical or Symbolic vs. Connectionist or Neat vs. Scruffy

[ gradients d'apprentissage ] [ limitation ]