Do početka devedesetih godina prošlog vijeka, dominantni oblik umjetne inteligencije bio je simbolički. Sustavi, kao što je logika, na primjer, zasnivali su se na simbolima kao primitivnim funkcijama (odnosno baznim oblicima). Uređaji su sve zaključki izvodili na osnovu tih simbola: sustav zna da je simbol pas vrsta sisara i da pas obično ima rep, ali nema osjećaj što je zapravo pas. Vjerovalo se da ćemo nekako uspeti definirati sve potrebne odnose. Tako bi pas bio definiran svim parametrima koji se na njega odnose.
Dobru analogiju predstavlja "problem kineske sobe". Pretpostavlja se da imate dokument na jednom jeziku koji ne razumijete, recimo kantonskom, i želite ga prevesti na neki drugi jezik koji opet ne znate, recimo mandarinski. Na raspolaganju vam je rječnik koji vam omogućuje prevesti riječ po riječ s jednog jezika na drugi. Marljivo radeći, vi prevedete dokument s kantonskog na mandarinski. Međutim, da li sada razumijete što u dokumentu piše? Jasno je da ne. Na sličan način, program suštinski ne razumije dokument koji prevodi. Ne postoji računalni program koji uspješno prevodi s jednog jezika na drugi. Već 60-tih godina pokazalo se da je prevođenje pomoću uređaja mnogo složenije nego što se mislilo. Iako programi relativno uspješno pomažu ekspertima pri prevođenju, automatski programi za prevođenje nikako ne mogu dostići nivo ni osrednjih prevoditelja. Zaključak nije moguće odmah izvući, ali je vjerojatno potrebno prvo razumjeti dokument da bi se on dobro preveo.
Jedan od osnivača umjetne inteligencije, Allen Newell, iznio je hipotezu da su ljudska bića sustavi simbola. Drugim riječima, čovjek funkcionira tako što manipulira simbolima i, općenito, svaki inteligentni sustav mora koristiti simbole. Međutim, to ne znači da ljudi funkcioniraju isključivo putem simboličkog rasuđivanja. Mnogi procesi u mozgu odvijaju se na nivou nižem od simboličkog. Funkcije, kao što su vid, kretanje, pa čak i kategorizacija, obave se prije nego što se donese odluka o simbolu koji će se koristiti. Simbolička umjetna inteligencija je značajna, ali nije sveobuhvatna.
Konačno, simbolička umjetna inteligencija pati od problema serijske obrade. Modele umjetne inteligencije uglavnom razvijamo na serijskim uređajima. Ovo se čini logičnim, jer su serijski uređaji sve brži i sve jeftiniji. Međutim, paralelizam je osnovna karakteristika umjetne inteligencije. Različiti sustavi simultano koriste podatke na vrlo složen način. Danas se radi na razvoju paralelnih modela, ali još ne znamo dovoljno o distribuiranim bazama podataka, o paralelnom procesiranju, a još manje o tome kako povezati paralelno procesiranje i distribuirane baze.
Post je objavljen 23.03.2006. u 11:35 sati.