Противостояние символизма и коннекционизма в истории развития искусственного интеллекта

Статья посвящена рассмотрению истории развития искусственного интеллекта как исследовательской области через призму борьбы и взаимодействия двух наиболее влиятельных подходов к разработке систем искусственного интеллекта: символьного (символизм) и коннекционистского (коннекционизм). С этой точки зрения процесс развития искусственного интеллекта разделен на три основных исторических этапа. На каждом этапе рассматриваются ключевые события для отрасли искусственного интеллекта, а также анализируется концептуальный и институциональный контекст этих событий. Показывается, что на развитие искусственного интеллекта влияли не только внутренние, но и внешние факторы, обусловленные культурной средой, спецификой интеллектуальных практик и интересами различных сторон, заинтересованных в разработке систем искусственного интеллекта. На основании исторического обзора развития искусственного интеллекта оценивается современное состояние и перспективы этой исследовательской области.

Ключевые слова

искусственный интеллект, коннекционизм, символьный подход, нейронные сети, экспертные системы, глубокое обучение, факторы развития науки

Источник финансирования

Статья подготовлена в Государственном академическом университете гуманитарных наук в рамках государственного задания Министерства науки и высшего образования Российской Федерации (тема № FZNF-2020-0014 «Современное информационное общество и цифровая наука: когнитивные, экономические, политические и правовые аспекты»)».

Получено

02.06.2020

Дата публикации

30.11.2020

Кол-во символов

55862

Цитировать

ГОСТ	Алексеева Е. А. Противостояние символизма и коннекционизма в истории развития искусственного интеллекта // История – 2020. – Tом 11. – Выпуск 11 (97) [Электронный ресурс]. URL: https://history.jes.su/S207987840013021-2-1 (дата обращения: 18.07.2024). DOI: 10.18254/S207987840013021-2
MLA	Alekseeva, Ekaterina "The Opposition of Symbolism and Connectionism in the History of Artificial Intelligence Development." ISTORIYA 11.11 (97) (2020) DOI: 10.18254/S207987840013021-2
APA	Alekseeva E. (2020). The Opposition of Symbolism and Connectionism in the History of Artificial Intelligence Development. ISTORIYA 11(11 (97)) DOI: 10.18254/S207987840013021-2

100 руб.

При оформлении подписки на статью или выпуск пользователь получает возможность скачать PDF, оценить публикацию и связаться с автором. Для оформления подписки требуется авторизация.

Оператором распространения коммерческих препринтов является ООО «Интеграция: ОН»

Всего подписок: 1, всего просмотров: 718

Оценка читателей: голосов 0

1. Алексеев А. Ю. , Ефимов А. Р. , Финн В. К. Будущее искусственного интеллекта: тьюринговая или посттьюринговая методология? // Искусственные общества. 2019. Выпуск 4. URL: https://artsoc.jes.su/s207751800007698-6-1/ DOI: 10.18254/S207751800007698-6

2. Гудфеллоу Я., Бенджио И., Курвилль А. Глубокое обучение. М., 2017.

3. Розенблатт Ф. Принципы нейродинамики. Перцептроны и теория механизмов мозга. М., 1965.

4. Саймон Г. Науки об искусственном / пер. с англ. Э. Л. Наппельбаума. М., 2004.

5. Фуллер С. Социальная эпистемология университета: как сохранить целостность знания в так называемом обществе знания // Эпистемология и философия науки. 2008. Т. XV. № 1. С. 158—186.

6. Abraham T. H. Modelling the mind: the case of Warren S. McCulloch // Canadian Medical Association Journal. 2016. № 188. P. 974—975.

7. Abraham T. H. Rebel Genius: Warren S. McCulloch's transdisciplinary life in science. Cambridge, Massachusetts, 2016.

8. Adam A. Constructions of Gender in the History of Artificial Intelligence // IEEE Annals of the History of Computing. 1996. Vol. 18. №. 3. P. 47—53.

9. Andler D. From Paleo- to Neo-Connectionism // Van de Vijver G. (Ed.) New Perspectives on Cybernetics. 1992. Kluwer Academic Publishers. P.125—146.

10. Dreyfus H. The Current Relevance of Merleau-Ponty's Phenomenology of Embodiment // The Electronic Journal of Analytic Philosophy. 1996. № 4

11. Haugeland J. Artificial Intelligence: The Very Idea. Cambridge, Mass, 1985.

12. Hopfield J. Neural Networks and Physical Systems with Emergent Collective Computational Abilities // Proceedings of the National Academy of Sciences. 1982. 79(8). P. 2554—2558.

13. Hopfield J. Now What? [Электронный ресурс]. URL: https://pni.princeton.edu/sites/default/files/basic-page/files/John%20Hopfield%20Now%20What%203_0.pdf

14. Koehn Ph. A process study of computer-aided translation // Machine Translation. 2009. № 23(4). 241—263.

15. Lenat D., Guha R., Pittman K., Pratt D., Shepherd M. Cyc: toward programs with common sense // Communications of the ACM. Communications of the ACM. 1990. № 33(8). P. 30—49.

16. Lettvin J., McCulloch W., Maturana H., Pitts W. What the Frog's Eye Tells the Frog's Brain // Proc. of the I. R. E. V. 47 (11). P. 1940—1951.

17. Lighthill J. Artificial Intelligence: A General Survey [Электронный ресурс]. URL: https://aitopics.org/doc/classics:D8235CF9/.

18. MacCulloch W. Heterarchy of Values Determined by the Topology of Nervous Nets // Bulletin of Mathematical Biophysics. 1945. V. 7. P. 89—93.

19. McCarthy J., Hayes P. J. Some Philosophical Problems from the Standpoint of Artificial Intelligence // Meltzer B., Michie D. (Eds) Machine Intelligence 4. Edinburgh: Edinburgh University Press, 1969. P. 463—502.

20. McCarthy M., Minsky M., Rochester N., Shannon C. A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence. August 31, 1955 // AI Magazine 2006. Vol. 27. № 4. P. 12—14.

21. MacCalloch W. Pitts W. A Logical Calculus of the Ideas Immanent in Nervous Activity // Bulletin of Mathematical Biophysics. 1943. V 5. P. 115—133.

22. Medler D. A. A Brief History of Connectionism // Neural Computing Surveys.1998. № 1. P. 61—101.

23. Minsky M., Papert S. Perceptrons. An Introduction to Computational Geometry MIT Press. 1988.

24. Minsky M., Papert S. 1968—1969 Progress Report [Электронный ресурс]. URL: https://dspace.mit.edu/handle/1721.1/6701.

25. National Research Council. Funding a Revolution: Government Support for Computing Research. Washington, DC, 1999.

26. Newell A., Shaw J., Simon H. [Электронный ресурс]. URL: http://bitsavers.informatik.uni-stuttgart.de/pdf/rand/ipl/P-1584_Report_On_A_General_Problem-Solving_Program_Feb59.pdf

27. Norberg A. L. An Interview with Marvin L. Minsky [Электронный ресурс]. URL: https://conservancy.umn.edu/bitstream/handle/11299/107503/oh179mlm.pdf?sequence=1&isAllowed=y

28. Rosenblatt F. The Perceptron: a Probabilistic Model for Information Storage and Organization in the Brain // Psychological Review V. 65. № 6. 1958. P. 386—408.

29. Rumelhat D., McClelland J. Parallel Distributed Processing. Vol. 1. 1986.

30. Sun R., Alexandre F. Connectionist-Symbolic Integration: From Unified to Hybrid Approaches. Psychology Press, 1997.

31. Turing A. M. Computing Machinery and Intelligence // Mind. 1950. № 49. P. 433—460.

32. Warwick K., Shah H. Can machines think? A report on Turing test experiments at the Royal Society // Journal of Experimental & Theoretical Artificial Intelligence 2016. Vol. 28. Is. 6. P. 989—1007.