ผลต่างระหว่างรุ่นของ "ปัญญาประดิษฐ์"

เพิ่มขึ้น 77,388 ไบต์ ,  1 เดือนที่ผ่านมา
ย้อนกลับไปรุ่นที่ 9045668 โดย Potaptด้วยสจห.
(ย้อนกลับไปรุ่นที่ 9045668 โดย Potaptด้วยสจห.)
ป้ายระบุ: ทำกลับ เพิ่มรายการยาว
 
{{Artificial intelligence}}
 
'''ปัญญาประดิษฐ์''' ({{lang-en|artificial intelligence}}) หรือ '''เอไอ''' ({{lang|en|AI}}) หมายถึง[[ความฉลาด]]เทียมที่สร้างขึ้นให้กับสิ่งที่ไม่มีชีวิต ปัญญาประดิษฐ์เป็นสาขาหนึ่งในด้าน[[วิทยาการคอมพิวเตอร์]] และ[[วิศวกรรม]]เป็นหลัก แต่ยังรวมถึงศาสตร์ในด้านอื่น ๆ อย่าง[[จิตวิทยา]] [[ปรัชญา]] หรือ[[ชีววิทยา]] ซึ่งสาขาปัญญาประดิษฐ์เป็นการเรียนรู้เกี่ยวกับกระบวนการการคิด [[การกระทำ]] [[การให้เหตุผล]] [[การปรับตัว]] หรือ[[การอนุมาน]] และการทำงานของ[[สมอง]] แม้ว่าดังเดิมนั้นเป็นสาขาหลักในวิทยาการคอมพิวเตอร์ แต่แนวคิดหลาย ๆ อย่างในศาสตร์นี้ได้มาจากการปรับปรุงเพิ่มเติมจากศาสตร์อื่น ๆ เช่น
==== ความฉลาดทางสังคม (social intelligence ====
* [[การเรียนรู้ของเครื่อง]] นั้นมีเทคนิคการเรียนรู้ที่เรียกว่า ''[[การเรียนรู้ต้นไม้ตัดสินใจ]]'' ซึ่งประยุกต์เอาเทคนิคการ[[อุปนัย]]ของ[[จอห์น สจวร์ต มิลล์]] [[นักปรัชญา]]ชื่อดังของ[[ประเทศอังกฤษ|อังกฤษ]] มาใช้
* [[เครือข่ายประสาทเทียม]]ก็นำเอาแนวคิดของการทำงานของสมองของมนุษย์ มาใช้ในการแก้ปัญหา[[การแบ่งประเภท]]ของข้อมูล และแก้ปัญหาอื่น ๆ ทาง[[สถิติศาสตร์|สถิติ]] เช่น [[การวิเคราะห์ความถดถอย]]หรือ [[การปรับเส้นโค้ง]]
 
อย่างไรก็ตาม เนื่องจากปัจจุบันวงการปัญญาประดิษฐ์ มีการพัฒนาส่วนใหญ่โดย[[นักวิทยาศาสตร์คอมพิวเตอร์]] อีกทั้งวิชาปัญญาประดิษฐ์ ก็ต้องเรียนที่ภาควิชาคอมพิวเตอร์ของคณะ[[วิทยาศาสตร์]]หรือคณะ[[วิศวกรรมศาสตร์]] เราจึงถือเอาง่าย ๆ ว่า ศาสตร์นี้เป็นสาขาของวิทยาการคอมพิวเตอร์นั่นเอง
 
หนังสืออ้างอิงที่ดีและทันสมัยที่สุดในปัจจุบัน คือของ Russell and Norvig, 2003<ref>Stuart J. Russell, Peter Norvig (2003) "Artificial Intelligence: A Modern Approach" (2nd Edition), Prentice Hall, New Jersey, ISBN 0-13-790395-2.</ref> ผู้สนใจสามารถศึกษารายละเอียดเพิ่มเติมได้จากเล่มนี้
 
== ประวัติ ==
 
แนวคิดเรื่องเครื่องจักรที่คิดได้และสิ่งมีชีวิตเทียมนั้นมีมาตั้งแต่สมัยกรีกโบราณ เช่นหุ่นยนต์[[ทาลอส]]แห่ง[[ครีต]] อันเป็นหุ่นยนต์ทองแดงของเทพ[[ฮิฟีสตัส]] แหล่งอารยธรรมใหญ่ ๆ ของโลกมักจะเชื่อเรื่องหุ่นยนต์ที่มีความคล้ายกับมนุษย์ เช่น ในอียิปต์และกรีซ ต่อมา ช่วงกลางศตวรรษที่ 19 และ 20 สิ่งมีชีวิตเทียมเริ่มปรากฏอย่างแพร่หลายในนิยายวิทยาศาสตร์ เช่น [[แฟรงเกนสไตน์]]ของ[[แมรี เชลลีย์]] หรือ [[R.U.R.]]ของ[[กาเรล ชาเปก]] แนวคิดเหล่านี้ผ่านการอภิปรายมาอย่างแพร่หลาย โดยเฉพาะในแง่ของความหวัง ความกลัว หรือความกังวลด้านศีลธรรมเนื่องจากการมีอยู่ของปัญญาประดิษฐ์
 
กลไกหรือการให้[[เหตุผล]]อย่างมีแบบแผน ได้รับการพัฒนาขึ้นโดยนักปรัชญาและนักวิทยาศาสตร์มาตั้งแต่สมัยโบราณ การศึกษาด้านตรรกศาสตร์นำไปสู่การคิดค้นเครื่องคำนวณอิเล็กทรอนิกส์ดิจิทัลที่โปรแกรมได้โดยอาศัยหลักการทางคณิตศาสตร์ของ[[แอลัน ทัวริง]]และคนอื่น ๆ [[ทฤษฎีการคำนวณ]]ของทัวริงชี้ว่า เครื่องจักรที่รู้จักการสลับตัวเลขระหว่าง 0 กับ 1 สามารถเข้าใจนิรนัยทางคณิตศาสตร์ได้ หลังจากนั้น การค้นพบทางด้าน[[ประสาทวิทยา]] [[ทฤษฎีสารสนเทศ]] และไซเบอร์เนติกส์ รวมทั้งทฤษฎีการคำนวณของทัวริง ได้ทำให้นักวิทยาศาสตร์บางกลุ่มเริ่มสนใจพิจารณาความเป็นไปได้ของการสร้าง '''สมองอิเล็กทรอนิกส์''' ขึ้นมาอย่างจริงจัง
 
สาขาปัญญาประดิษฐ์นั้นเริ่มก่อตั้งขึ้นในที่ประชุมวิชาการที่[[วิทยาลัยดาร์ตมัธ]] สหรัฐอเมริกาในช่วงหน้าร้อน ค.ศ. 1956<ref name="Dartmouth conference">
[[:en:Dartmouth conference|Dartmouth conference]]:
* {{Harvnb|McCorduck|2004|pp=111–136}}
* {{Harvnb|Crevier|1993|pp=47–49}}, who writes "the conference is generally recognized as the official birthdate of the new science."
* {{Harvnb|Russell|Norvig|2003|p=17}}, who call the conference "the birth of artificial intelligence."
* {{Harvnb|NRC|1999|pp=200–201}}
</ref> โดยผู้ร่วมในการประชุมครั้งนั้น ได้แก่ [[จอห์น แม็กคาร์ธีย์]] [[มาร์วิน มินสกี]] [[อัลเลน นิวเวลล์]] [[อาเธอร์ ซามูเอล]] และเฮอร์เบิร์ต ไซมอน ที่ได้กลายมาเป็นผู้นำทางสาขาปัญญาประดิษฐ์ในอีกหลายสิบปีต่อมา นักวิทยาศาสตร์และนักศึกษาของพวกเขาเหล่านี้เขียนโปรแกรมที่หลายคนทึ่ง ไม่ว่าจะเป็น คอมพิวเตอร์ที่สามารถเอาชนะคนเล่นหมากรุก แก้ไขปัญหาเกี่ยวกับคำด้วยพีชคณิต พิสูจน์ทฤษฎีทางตรรกวิทยา หรือแม้กระทั่งพูดภาษาอังกฤษได้ ผู้ก่อตั้งสาขาปัญญาประดิษฐ์กลุ่มนี้เชื่อมั่นในอนาคตของเทคโนโลยีใหม่นี้มาก โดย[[เฮอร์เบิร์ต ไซมอน]]คาดว่าจะมีเครื่องจักรที่สามารถทำงานทุกอย่างได้เหมือนมนุษย์ภายใน 20 ปีข้างหน้า และ[[มาร์วิน มินสกี]]ก็เห็นพ้องโดยการเขียนว่า "เพียงชั่วอายุคน ปัญหาของการสร้างความฉลาดเทียมจะถูกแก้ไขอย่างยั่งยืน"
 
อย่างไรก็ตาม นักวิทยาศาสตร์กลุ่มนี้กลับไม่ได้พิจารณาถึงความยากของปัญหาที่จะพบมากนัก ในปี ค.ศ. 1974 เซอร์ เจมส์ ไลท์ฮิลล์ ได้เขียนวิพากษ์วิจารณ์สาขาปัญญาประดิษฐ์ ประกอบกับมีแรงกดดันจากสภาคองเกรสของสหรัฐฯให้ไปให้เงินสนับสนุนโครงการมีผลผลิตออกมาเป็นรูปธรรมมากกว่า ดังนั้น รัฐบาลสหรัฐอเมริกาและสหราชอาณาจักรจึงได้ตัดงบประมาณการวิจัยที่ไร้ทิศทางของสาขาปัญญาประดิษฐไป จนเป็นยุคที่เรียกว่า หน้าหนาวของปัญญาประดิษฐ์ (AI winter) กินเวลาหลายปี ซึ่งโครงการด้านปัญญาประดิษฐ์แต่ละโครงการนั้นหาเงินทุนสนับสนุนยากมาก
 
ในช่วงต้นคริสต์ทศวรรษ 1980 งานวิจัยด้านปัญญาประดิษฐ์ประสบความสำเร็จในเชิงพาณิชย์เป็นครั้งแรก ด้วยระบบที่ชื่อว่า [[ระบบผู้เชี่ยวชาญ]] อันเป็นระบบคอมพิวเตอร์ที่ช่วยในการหาคำตอบ อธิบายความไม่ชัดเจน ซึ่งปกตินั้นจะใช้ผู้เชี่ยวชาญในแต่ละสาขาตอบคำถามนั้น ในปี ค.ศ. 1985 ตลาดของปัญญาประดิษฐ์ทะยานขึ้นไปแตะระดับ 1 พันล้านดอลลาร์สหรัฐ ในขณะเดียวกัน โครงการคอมพิวเตอร์รุ่นที่ 5 ของญี่ปุ่นก็ได้จุดประกายให้รัฐบาลสหรัฐอเมริกาและสหราชอาณาจักรหันมาให้เงินทุนสนับสนุนงานวิจัยในสาขาปัญญาประดิษฐ์อีกครั้ง
 
ในคริสต์ทศวรรษ 1990 และช่วงต้นคริสต์ศตวรรษที่ 21 ปัญญาประดิษฐ์ประสบความสำเร็จอย่างสูงแม้ว่าจะมีหลายอย่างที่อยู่เบื้องหลัง มีการนำปัญญาประดิษฐ์มาใช้ในด้านการขนส่ง [[การทำเหมืองข้อมูล]] [[การวินิจฉัยทางการแพทย์]] และในอีกหลายสาขาหลายอุตสาหกรรม ความสำเร็จของปัญญาประดิษฐ์นั้นได้รับการผลักดันมาจากหลายปัจจัย ไม่ว่าจะเรื่องของความเร็วของคอมพิวเตอร์ที่มีการประมวลผลที่เร็วขึ้น (ตามกฎของมัวร์) การให้ความสำคัญกับการแก้ปัญหาย่อยบางปัญหา การสร้างความเชื่อมโยงระหว่างปัญญาประดิษฐ์กับสาขาอื่น ๆ ที่ทำงานอยู่กับปัญญาที่คล้าย ๆ กัน ตลอดจนความมุ่งมั่นของนักวิจัยที่ใช้วิธีการทางคณิตศาสตร์และวิทยาศาสตร์ที่มีหลักการ
 
เมื่อวันที่ 11 พฤษภาคม ค.ศ. 1997 เครื่อง[[ดีปบลู]]ของบริษัท[[ไอบีเอ็ม]] กลายมาเป็นคอมพิวเตอร์เครื่องแรกของโลกที่สามารถเล่นหมากรุกเอาชนะ แกรี คาสปารอฟ แชมป์โลกในขณะนั้นได้ และในเดือนกุมภาพันธ์ ค.ศ. 2011 เครื่อง[[วัตสัน]]ของบริษัท[[ไอบีเอ็ม]]ก็สามารถเอาชนะแชมป์รายการตอบคำถาม[[จีโอพาร์ดี]]ได้แบบขาดลอย นอกจากนี้ เครื่องเล่นเกมอย่าง Kinect ก็ใช้เทคโนโลยีของปัญญาประดิษฐ์ มาใช้ในการสร้างส่วนติดต่อกับผู้ใช้ผ่านทางการเคลื่อนไหวร่างกายใน 3 มิติเช่นกัน
 
== นิยามของปัญญาประดิษฐ์ ==
[[ไฟล์:HONDA ASIMO.jpg|thumb|หุ่นยนต์ของฮอนด้า ที่รู้จักดีในด้านปัญญาประดิษฐ์]]
 
มีคำนิยามของปัญญาประดิษฐ์มากมายหลากหลาย ซึ่งสามารถจัดแบ่งออกเป็น 4 ประเภทโดยมองใน 2 มิติ ได้แก่
* ระหว่าง นิยามที่เน้นระบบที่เลียนแบบมนุษย์ กับ นิยามที่เน้นระบบที่ระบบที่มีเหตุผล (แต่ไม่จำเป็นต้องเหมือนมนุษย์)
* ระหว่าง นิยามที่เน้นความคิดเป็นหลัก กับ นิยามที่เน้นการกระทำเป็นหลัก
 
ปัจจุบันงานวิจัยหลัก ๆ ของปัญญาประดิษฐ์จะมีแนวคิดในรูปที่เน้นเหตุผลเป็นหลัก เนื่องจากการนำปัญญาประดิษฐ์ไปประยุกต์ใช้แก้ปัญหา ไม่จำเป็นต้องอาศัยอารมณ์หรือความรู้สึกของมนุษย์ อย่างไรก็ตามนิยามทั้ง 4 ไม่ได้ต่างกันโดยสมบูรณ์ นิยามทั้ง 4 ต่างก็มีส่วนร่วมที่คาบเกี่ยวกันอยู่
 
นิยามดังกล่าวคือ
# '''ระบบที่คิดเหมือนมนุษย์''' (Systems that think like humans)
## ปัญญาประดิษฐ์ คือ ความพยายามใหม่อันน่าตื่นเต้นที่จะทำให้คอมพิวเตอร์คิดได้ซึ่งเครื่องจักรที่มีสติปัญญาอย่างครบถ้วนและแท้จริง (''"The exciting new effort to make computers think ... machines with minds, in the full and literal sense."'' [Haugeland, 1985])
## ปัญญาประดิษฐ์ คือ กลไกของกิจกรรมที่เกี่ยวข้องกับความคิดมนุษย์ เช่น การตัดสินใจ การแก้ปัญหา การเรียนรู้ (''"[The automation of] activities that we associate with human thinking, activities such as decision-making, problem solving, learning."'' [Bellman, 1978])
#* ''หมายเหตุ'' ก่อนที่จะทำให้เครื่องคิดอย่างมนุษย์ได้ ต้องรู้ก่อนว่ามนุษย์มีกระบวนการคิดอย่างไร ซึ่งการวิเคราะห์ลักษณะการคิดของมนุษย์ เป็นศาสตร์ด้าน [[:en:cognitive science|cognitive science]] เช่น ศึกษาการเรียงตัวของเซลล์สมองในสามมิติ ศึกษาการถ่ายเทประจุไฟฟ้า และวิเคราะห์การเปลี่ยนแปลงทางเคมีไฟฟ้าในร่างกาย ระหว่างการคิด ซึ่งจนถึงปัจจุบัน (พ.ศ. 2548) เราก็ยังไม่รู้แน่ชัดว่า มนุษย์เรา คิดได้อย่างไร
# '''ระบบที่กระทำเหมือนมนุษย์''' (Systems that act like humans)
## ปัญญาประดิษฐ์ คือ วิชาของการสร้างเครื่องจักรที่ทำงานในสิ่งซึ่งอาศัยปัญญาเมื่อกระทำโดยมนุษย์ (''"The art of creating machines that perform functions that requires intelligence when performed by people."'' [Kurzweil, 1990])
## ปัญญาประดิษฐ์ คือ การศึกษาวิธีทำให้คอมพิวเตอร์กระทำในสิ่งที่มนุษย์ทำได้ดีกว่าในขณะนั้น (''"The study of how to make computers do things at which, at the moment, people are better."'' [Rich and Knight, 1991])
#* ''หมายเหตุ'' การกระทำเหมือนมนุษย์ เช่น
#** สื่อสารได้ด้วยภาษาที่มนุษย์ใช้ เช่น ภาษาไทย ภาษาอังกฤษ ตัวอย่างคือ การแปลงข้อความเป็นคำพูด และ การแปลงคำพูดเป็นข้อความ
#** มีประสาทรับสัมผัสคล้ายมนุษย์ เช่น คอมพิวเตอร์รับภาพได้โดยอุปกรณ์รับสัมผัส แล้วนำภาพไปประมวลผล
#** เคลื่อนไหวได้คล้ายมนุษย์ เช่น หุ่นยนต์ช่วยงานต่าง ๆ อย่างการ ดูดฝุ่น เคลื่อนย้ายสิ่งของ
#** เรียนรู้ได้ โดยสามารถตรวจจับรูปแบบการเกิดของเหตุการณ์ใด ๆ แล้วปรับตัวสู่สิ่งแวดล้อมที่เปลี่ยนไปได้
# '''ระบบที่คิดอย่างมีเหตุผล''' (Systems that think rationally)
## ปัญญาประดิษฐ์ คือ การศึกษาความสามารถในด้านสติปัญญาโดยการใช้โมเดลการคำนวณ (''"The study of mental faculties through the use of computational model."'' [Charniak and McDermott, 1985])
## ปัญญาประดิษฐ์ คือ การศึกษาวิธีการคำนวณที่สามารถรับรู้ ใช้เหตุผล และกระทำ (''"The study of the computations that make it possible to perceive, reason, and act"'' [Winston, 1992])
#* ''หมายเหตุ'' คิดอย่างมีเหตุผล หรือคิดถูกต้อง เช่น ใช้หลักตรรกศาสตร์ในการคิดหาคำตอบอย่างมีเหตุผล เช่น ระบบผู้เชี่ยวชาญ
# '''ระบบที่กระทำอย่างมีเหตุผล''' (Systems that act rationally)
## ปัญญาประดิษฐ์คือการศึกษาเพื่อออกแบบ[[เอเจนต์]]ที่มีปัญญา (''"Computational Intelligence is the study of the design of intelligent agents"'' [Poole et al., 1998])
## ปัญญาประดิษฐ์ เกี่ยวข้องกับพฤติกรรมที่แสดงปัญญาในสิ่งที่มนุษย์สร้างขึ้น (''"AI ... is concerned with intelligent behavior in artifacts"'' [Nilsson, 1998])
#* ''หมายเหตุ'' กระทำอย่างมีเหตุผล เช่น เอเจนต์ (โปรแกรมที่มีความสามารถในการกระทำ หรือเป็นตัวแทนในระบบอัตโนมัติต่าง ๆ ) สามารถกระทำอย่างมีเหตุผลเพื่อบรรลุเป้าหมายที่ได้ตั้งไว้ เช่น เอเจนต์ในระบบขับรถอัตโนมัติ ที่มีเป้าหมายว่าต้องไปถึงเป้าหมายในระยะทางที่สั้นที่สุด ต้องเลือกเส้นทางที่ไปยังเป้าหมายที่สั้นที่สุดที่เป็นไปได้ จึงจะเรียกได้ว่า เอเจนต์กระทำอย่างมีเหตุผล อีกตัวอย่างเช่น เอเจนต์ในเกมหมากรุก ที่มีเป้าหมายว่าต้องเอาชนะคู่ต่อสู้ ก็ต้องเลือกเดินหมากที่จะทำให้คู่ต่อสู้แพ้ให้ได้ เป็นต้น
 
== งานวิจัย ==
 
=== เป้าหมาย ===
 
ปัญหาโดยทั่วไปของการจำลอง (หรือสร้าง) ปัญญาถูกแบ่งออกเป็นปัญหาย่อย ๆ จำนวนมาก นักวิจัยด้านปัญญาประดิษฐ์พยายามศึกษาระบบย่อย ๆ เหล่านี้ โดยที่ได้รับความสนใจมากเป็นพิเศษ ได้แก่
 
====การนิรนาม การให้เหตุผล และการแก้ไขปัญหา (deduction, reasoning, problem solving)====
 
งานวิจัยด้านปัญญาประดิษฐ์ในช่วงแรก ๆ นั้นเริ่มต้นมาจากการให้เหตุผลแบบทีละขั้น ๆ เป็นการให้เหตุผลแบบเดียวกับที่มนุษย์ใช้ในการไขปัญหาหรือหาข้อสรุปทางตรรกศาสตร์ เมื่อปลายคริสต์ทศวรรษ 1980 และ 1990 งานวิจัยด้านปัญญาประดิษฐ์ได้ถูกพัฒนาอย่างต่อเนื่อง และประสบความสำเร็จในการจัดการกับ[[ความไม่แน่นอน]]หรือความไม่สมบูรณ์ของข้อมูลได้ โดยใช้หลักการของ[[ความน่าจะเป็น]]และ[[เศรษฐศาสตร์]]
 
ความยากของสาขานี้คือ [[อัลกอริทึม]]ส่วนใหญ่ต้องใช้การคำนวณและประมวลผลมหาศาล มักจะเป็นการคำนวณแบบสลับสับเปลี่ยนจำนวนมาก และทำให้คอมพิวเตอร์ต้องใช้หน่วยความจำมหาศาลเมื่อต้องแก้ปัญหาที่มีขนาดใหญ่มาก ดังนั้น งานวิจัยในสายนี้จึงมักมุ่งเน้นการหาอัลกอริทึมที่มีประสิทธิภาพในการค้นหาอย่างมีประสิทธิภาพ
 
มนุษย์มีความสามารถในการไขปัญหาอย่างรวดเร็ว สามารถตัดสินใจได้ตามสัญชาติญาณและมีความรวดเร็วกว่าความรู้สึกตามสามัญสำนึกและการอนุมานแบบทีละขั้นแบบที่งานวิจัยด้านปัญญาประดิษฐ์ในช่วงแรกทำได้ ปัจจุบัน งานวิจัยด้านปัญญาประดิษฐ์เริ่มหันมาให้ความสนใจการแก้ไขปัญหาที่ย่อยไปกว่าเชิงสัญลักษณ์ หรือที่เรียกว่า sub-symbolic problem solving ไม่ว่าจะเป็น เอเยนต์ฝังตัว โครงข่ายประสาทเทียม หรือการใช้หลักการทางสถิติกับปัญญาประดิษฐ์ เพื่อเลียนแบบธรรมชาติของมนุษย์ในการเดาอย่างมีหลักการทางความน่าจะเป็น
 
เทคนิคที่นิยมใช้กันมากก็คือ [[การเขียนโปรแกรมเชิงตรรกะ]] (logic programming) เมื่อเราแทนความรู้ของเครื่องด้วย [[:en:first-order logic|first-order logic]] และ [[:en:bayesian inference|bayesian inference]] เมื่อเราแทนความรู้ของเครื่องด้วย [[:en:bayesian networks|bayesian networks]]
 
==== การแทนความรู้ ====
 
[[การแทนความรู้]] (knowledge representation) เป็นหัวใจสำคัญของงานวิจัยด้านปัญญาประดิษฐ์ เป็นการศึกษาด้านเก็บ[[ความรู้]] (knowledge) ไว้ในเครื่องจักร เราเชื่อกันว่าหากจะให้เครื่องจักรแก้ไขปัญหาให้จะต้องใช้ความรู้จำนวนมหาศาลบนโลกนี้ สิ่งที่ปัญญาประดิษฐ์ต้องการจะหาสัญลักษณ์มาแทนได้แก่ วัตถุ คุณสมบัติ ประเภท ความสัมพันธ์ระหว่างวัตถุ ไม่ว่าจะเป็นสถานการณ์ เหตุการณ์ สถานะ และเวลา ตลอดจนเหตุและผล ความรู้เกี่ยวกับความรู้ (รู้ว่าคนอื่นรู้อะไร) และอื่น ๆ อีกมากมาย การแทน"สิ่งที่มีอยู่"นั้นเรียกว่าสาขา[[ภววิทยา (วิทยาการสารสนเทศ)|ภววิทยา]] เป็นการแทนที่กลุ่มของวัตถุ ความสัมพันธ์ แนวคิด และอื่น ๆ บนเครื่องจักร ประเด็นสำคัญของการแทนความรู้ คือ
 
* ทำอย่างไรจะแสดงความรู้ได้อย่างกะทัดรัด ประหยัดหน่วยความจำ
* จะนำความรู้ที่เก็บไว้นี้ไปใช้ในการให้เหตุผลอย่างไร
* จะมีการเรียนรู้ความรู้ใหม่ ๆ ด้วยเทคนิคการเรียนรู้ของเครื่อง ให้ความรู้ที่ได้อยู่ในรูปแบบความรู้ที่เราออกแบบไว้ได้อย่างไร
 
การแทนความรู้สามารถแบ่งออกได้เป็นสองประเภทหลัก คือ
 
* ความรู้ที่แน่นอน (certain knowledge) เช่น การแทนความรู้ด้วย[[ตรรกศาสตร์]] ไม่ว่าจะเป็น [[:en:first-order logic|first-order logic]] หรือ [[:en:propositional logic|propositional logic]]
* ความรู้ที่มีความไม่แน่นอนมาเกี่ยวข้อง (uncertain knowledge) เช่น [[ฟัซซี่ลอจิก]] (fuzzy logic) และ[[เครือข่ายแบบเบย์]] ([[:en:bayesian networks| bayesian networks]])
 
==== ระบบผู้เชี่ยวชาญ ====
 
[[ระบบผู้เชี่ยวชาญ]] (expert system) เป็นการศึกษาเรื่องสร้างระบบความรู้ของปัญหาเฉพาะอย่าง เช่น การแพทย์หรือวิทยาศาสตร์ จุดประสงค์ของระบบนี้คือ ทำให้เสมือนมีมนุษย์ผู้เชี่ยวชาญคอยให้คำปรึกษา และคำตอบเกี่ยวกับปัญหาต่าง ๆ งานวิจัยด้านนี้มีจุดประสงค์หลักว่า เราไม่ต้องพึ่งมนุษย์ในการแก้ปัญหา แต่อย่างไรก็ตามในทางปฏิบัติแล้ว ระบบผู้เชี่ยวชาญยังต้องพึ่งมนุษย์เพื่อให้ความรู้พื้นฐานในช่วงแรก การจะทำงานวิจัยเรื่องนี้ต้องอาศัยความรู้พื้นฐานหลายเรื่อง ไม่ว่าจะเป็น [[การแทนความรู้]], [[การให้เหตุผล]] และ [[การเรียนรู้ของเครื่อง]]
 
==== การวางแผนของเครื่อง ([[:en:Automated Planning|automated planning]])====
 
เอเยนต์ฉลาดจะต้องมีความสามารถในการตั้งเป้าหมายและบรรลุเป้าหมายได้เอง จะต้องมีวิธีการนึกภาพของอนาคต (จะต้องสามารถมองเห็นสถานะต่าง ๆ บนโลกและสามารถคาดการณ์ได้ว่าโลกจะเปลี่ยนไปอย่างไรได้) และสามารถที่จะตัดสินใจเลือกทางเลือกที่มีประโยชน์ (หรือมีค่า) มากที่สุดได้
 
ในปัญหาการวางแผนแบบยุคเก่านั้น เอเยนต์จะมีข้อสมมติฐานว่าเอเยนต์เป็นวัตถุเดียวที่มีการกระทำบนโลก แต่อย่างไรก็ตาม หากเอเยนต์ไม่ได้เป็นเพียงวัตถุเดียวที่มีการกระทำ เอเยนต์จะต้องสืบให้แน่ใจอย่างซ้ำ ๆ ว่าโลกนั้นตรงกับตามที่คาดการณ์ไว้หรือไม่ และจะต้องเปลี่ยนแปลงแผนที่วางไว้อย่างไร ทำให้เอเยนต์ยุคใหม่นี้จะต้องจัดการกับความไม่แน่นอนด้วย
 
ปัจจุบัน ได้มีงานวิจัยสาขาการวางแผนของเอเยนต์หลายตัว ที่อาศัยความร่วมมือและการแข่งขันของเอเยนต์หลาย ๆ ตัวเพื่อให้บรรลุเป้าหมายที่กำหนดไว้ โดยใช้วิธีการที่มีประสิทธิภาพอย่าง[[ขั้นตอนวิธีเชิงวิวัฒนาการ]]หรือ[[ความฉลาดแบบกลุ่ม]]
 
==== การเรียนรู้ของเครื่อง ====
 
[[การเรียนรู้ของเครื่อง]] (machine learning) เป็นการศึกษา[[อัลกอริทึม]]คอมพิวเตอร์ที่ขั้นตอนวิธีจะถูกปรับปรุงอย่างอัตโนมัติผ่านการเรียนรู้จากประสบการณ์ เป็นหัวใจหลักของงานวิจัยด้านปัญญาประดิษฐ์นับตั้งแต่มีการก่อตั้งสาขานี้มา
 
[[การเรียนรู้แบบไม่มีผู้สอน]] (unsupervised learning) เป็นความสามารถในการหาแบบแผนบางอย่างจากข้อมูลที่เข้ามา ส่วน[[การเรียนรู้แบบมีผู้สอน]] (supervised learning) นั้นหมายถึง[[การแบ่งประเภทข้อมูล]]และ[[การวิเคราะห์การถดถอย]]เชิงตัวเลข ปัญหาการแบ่งประเภทของข้อมูลนั้นใช้เพื่อกำหนดว่าของชิ้นใหม่ชิ้นหนึ่งจัดอยู่ในกลุ่มประเภทใดหลังจากที่ได้เรียนรู้ตัวอย่างสอนที่ระบุว่าของแต่ละอย่างควรจะอยู่ในประเภทใดมาแล้ว ส่วนการวิเคราะห์การถดถอยนั้นพยายามจะสร้าง[[ฟังก์ชัน]]ทางคณิตศาสตร์ที่อธิบายความสัมพันธ์ระหว่างข้อมูลขาเข้ากับข้อมูลขาออก และทำนายว่าข้อมูลขาออกควรจะเปลี่ยนไปอย่างไรเมื่อข้อมูลขาเข้าเปลี่ยนแปลง ใน[[การเรียนรู้แบบเสริมกำลัง]] (reinforcement learning) นั้น เอเยนต์จะได้รับรางวัลหากมีการตอบสนองที่ดีและถูกลงโทษหากมีการตอบสนองที่ไม่ดี เอเยนต์จะเรียนรู้จากรางวัลและการลงโทษนี้ในการสร้างกลยุทธ์เพื่อแก้ไขปัญหาต่าง ๆ การเรียนรู้ทั้งสามแบบนี้สามารถวิเคราะห์ได้ด้วย[[ทฤษฎีการตัดสินใจ]] (decision theory) โดยใช้แนวคิดของ'''ประโยชน์''' การวิเคราะห์ทางคณิตศาสตร์ของอัลกอริทึมทางการเรียนรู้ของเครื่องจักรและการวิเคราะห์ประสิทธิภาพของอัลกอริทึมนั้นเป็นอีกหนึ่งสาขาทางด้านวิทยาการคอมพิวเตอร์สายทฤษฎี การเรียนรู้ของเครื่องจักรถือว่าเป็นหัวใจสำคัญของการพัฒนา[[หุ่นยนต์]]เช่นกัน ทำให้หุ่นยนต์มีทักษะใหม่ ๆ ได้ ผ่านการสำรวจด้วยตนเอง การติดต่อกับผู้สอนที่เป็นมนุษย์ การเลียนแบบ และอื่น ๆ
 
==== การประมวลผลภาษาธรรมชาติ ====
 
[[การประมวลผลภาษาธรรมชาติ]] (natural language processing)<ref name="Natural language processing">[[:en:Natural language processing|Natural language processing]]:
* {{Harvnb|ACM|1998|loc=I.2.7}}
* {{Harvnb|Russell|Norvig|2003|pp=790–831}}
* {{Harvnb|Poole|Mackworth|Goebel|1998|pp=91–104}}
* {{Harvnb|Luger|Stubblefield|2004|pp=591–632}}
</ref> คือการทำให้เครื่องมีความสามารถที่จะอ่านและเข้าใจภาษาที่มนุษย์พูดในชีวิตประจำวัน ระบบที่สามารถประมวลผลภาษาธรรมชาติได้มีประสิทธิภาพเพียงพอจะทำให้เรามีส่วนติดต่อกับผู้ใช้ที่ใช้ภาษาธรรมชาติ และหาความรู้ได้โดยตรงจากแหล่งข้อมูลที่มนุษย์เขียน เช่น หนังสือพิมพ์ นอกจากนี้ยังสามารถนำไปประยุกต์ใช้ได้โดยตรงกับการค้นข้อมูล (หรือ[[การทำเหมืองข้อความ]]) การตอบคำถาม และการแปล
 
วิธีการโดยทั่วไปของการประมวลผลและดึงเอาความหมายมาจากธรรมชาติ คือ การทำดัชนีความหมาย นอกจากนี้ การเพิ่มความเร็วในการประมวลผลและลดขนาดของข้อมูลที่จะจัดเก็บก็ทำให้การค้นหาดัชนีจากฐานข้อมูลขนาดใหญ่มีประสิทธิภาพมากยิ่งขึ้น
 
==== การรับรู้ของเครื่อง ====
 
[[การรับรู้ของเครื่อง]] (machine perception) คือ ความสามารถในการอ่านข้อมูลขาเข้าจากเซนเซอร์ (เช่น กล้อง ไมโครโฟน เซนเซอร์สัมผัส โซนาร์ หรืออื่น ๆ ) เพื่อจะเข้าใจบริบทของโลกภายนอก ตัวอย่างของงานวิจัยด้านนี้ ได้แก่
* [[คอมพิวเตอร์วิทัศน์]] (computer vision)
* [[การรู้จำคำพูด]] (speech recognition)
* [[ระบบการรู้จำใบหน้า|การรู้จำใบหน้า]] (facial recognition)
* [[การรู้จำวัตถุ]] (object recognition)
 
==== การเคลื่อนไหวและการจัดการ (motion and manipulation) ====
{{Main|วิทยาการหุ่นยนต์}}
 
สาขา[[วิทยาการหุ่นยนต์]]มีความคล้ายคลึงกับสาขาปัญญาประดิษฐ์ หุ่นยนต์ต้องการความฉลาดเพื่อจัดการกับสิ่งต่าง ๆ เช่น การจัดการวัตถุ ระบบนำทาง การแก้ปัญหาย่อยเช่นการหาที่อยู่ตัวเองหรือหาที่อยู่ของสิ่งอื่น ๆ การทำแผนที่ การวางแผนการเคลื่อนไหวหรือเส้นทาง
 
=== เป้าหมายระยะยาว ===
 
เป้าหมายระยะยาวของปัญญาประดิษฐ์ ได้แก่ ความฉลาดทางสังคม ความคิดสร้างสรรค์ และความฉลาดทั่วไป
 
==== ความฉลาดทางสังคม (social intelligence) ====
 
[[การคำนวณเชิงอารมณ์]] (affective computing) คือ การศึกษาและพัฒนาระบบและเครื่องมือที่สามารถรู้จำ แปรผล ประมวลผล และจำลองอารมณ์ความรู้สึกของมนุษย์ได้ เป็นสหสาขาวิชาที่เกี่ยวข้องกับ[[วิทยาการคอมพิวเตอร์]] [[จิตวิทยา]] และ[[ประชานศาสตร์]] สาขานี้เริ่มต้นจากความต้องการทางปรัชญาที่อยากจะเข้าถึง[[อารมณ์]]ของมนุษย์ สาขาการคำนวณเชิงอารมณ์สมัยใหม่นี้เริ่มจากคำนิยามของ [[โรซาไลนด์ พิการ์ด]] นักวิทยาศาสตร์คอมพิวเตอร์ที่ MIT ที่เริ่มใช้คำนี้ในผลงานวิจัยปี ค.ศ. 1995 เกี่ยวกับ[[การคำนวณเชิงอารมณ์]] แรงบันดาลใจของงานวิจัยสายนี้คือความต้องการที่จะจำลองความเข้าใจความรู้สึกของคนอื่นของมนุษย์ ต้องการมีเครื่องจักรที่สามารถแปลผลสถานะของอารมณ์ของมนุษย์และปรับเปลี่ยนพฤติกรรมให้ตอบสนองกับอารมณ์นั้น ๆ ของมนุษย์อย่างเหมาะสม
 
อารมณ์และทักษะทางสังคมมีบทบาทสำคัญต่อการพัฒนาความฉลาดของเครื่องจักร ก่อนอื่น เครื่องจักรจะต้องทำนายการกระทำของคนอื่น ผ่านทางการเข้าใจจุดมุ่งหมายและสถานะของอารมณ์ผู้อื่น (ส่วนนี้มีความเกี่ยวข้องกับ[[ทฤษฎีเกม]] [[ทฤษฎีการตัดสินใจ]] ตลอดจนความสามารถในการสร้างแบบจำลองอารมณ์ของมนุษย์ และความสามารถในการตรวจจับอารมณ์ผู้อื่นของมนุษย์) นอกจากนี้ ในการสร้าง[[ปฏิสัมพันธ์ระหว่างมนุษย์และคอมพิวเตอร์]]ที่ดีนั้น เครื่องจักรที่ฉลาดควรจะ''แสดง''อารมณ์ออกมาด้วย แม้ว่าอารรมณ์นั้นจะไม่ได้เป็นอารมณ์ที่ตนรู้สึกจริง ๆ ก็ตาม
 
==== ความคิดสร้างสรรค์ (computational creativity) ====
 
สาขาย่อยของปัญญาประดิษฐ์สาขาหนึ่งต้องการจะสร้างความคิดสร้างสรรค์ ทั้งทางทฤษฎี (ในมุมมองทางปรัชญาและจิตวิทยา) และทางปฏิบัติ (ผ่านทางประยุกต์ใช้ระบบที่ให้ผลลัพธ์ที่ดูคล้ายความคิดสร้างสรรค์ หรือระบบที่สามารถตรวจจับและประเมินความคิดสร้างสรรค์ได้)
 
====[[ปัญญาประดิษฐ์ทั่วไป|ความฉลาดทั่วไป]] (general intelligence) ====
นักวิจัยทางปัญญาประดิษฐ์หลายคนเชื่อว่า สุดท้ายแล้ว งานวิจัยต่าง ๆ จะถูกรวมเข้าสู่เครื่องจักรกลายเป็นความฉลาดแบบ''ทั่วไป'' (บางครั้งก็เรียกว่า ปัญญาประดิษฐ์แบบแข็ง (String AI)) เป็นการรวมเอาทักษะต่าง ๆ เข้าด้วยกันและมีความสามารถมากกว่ามนุษย์ทุกคน นักวิจัยบางคนเชื่อว่าความฉลาดแบบนี้จะต้องมีคุณลักษณะทาง[[มานุษยรูปนิยม]]บางอย่าง เช่น [[สำนึกประดิษฐ์]] หรือ [[สมองประดิษฐ์]]
 
การวิจัยความฉลาดทั่วไปนั้นจะต้องแก้ปัญหาหลายอย่าง ตัวอย่างเช่น การแปลความหมายโดยเครื่องนั้นจะต้องให้เครื่องอ่านและเขียนข้อมูล[[การประมวลผลภาษาธรรมชาติ|ภาษาธรรมชาติ]]ได้ทั้งสองภาษา ให้เหตุผล และรู้ว่ากำลังพูดถึงเรื่องอะไรกันอยู่ ([[การแทนความรู้]]) รวมทั้งจะต้องมีรู้ความตั้งใจของผู้เขียน (ความฉลาดทางสังคม) กล่าวคือ การแก้ปัญหาทางการวิจัยความฉลาดทั่วไปนั้น จะต้องแก้ปัญหาทางปัญญาประดิษฐ์หลาย ๆ อย่างไปพร้อม ๆ กัน
 
=== วิธีการ ===
ปัจจุบัน ยังไม่มีทฤษฎีหรือกระบวนทัศน์ใด ๆ ที่เป็นแนวทางที่ชัดเจนให้กับการวิจัยทางปัญญาประดิษฐ์ นักวิจัยบางคนก็ไม่เห็นด้วยกับบางเรื่อง ปัญหาที่ยังไม่มีคำตอบก็ยังมีอยู่มากมาย เช่น ปัญญาประดิษฐ์ควรจะมีพฤติกรรมคล้ายกับของจริงในธรรมชาติในทาง[[จิตวิทยา]]หรือ[[ประสาทวิทยา]]หรือไม่ หรือ ชีววิทยาของร่างกายมนุษย์นั้นไม่ได้สัมพันธ์อะไรกับปัญญาประดิษฐ์แบบที่นกไม่ได้สัมพันธ์ใด ๆ กับอากาศยานหรือไม่ หรือ พฤติกรรมที่ฉลาดสามารถอธิบายได้ด้วยหลักการที่ง่าย ๆ ธรรมดา ๆ เช่นในทางตรรกะได้หรือไม่ หรือ เราจำเป็นหรือไม่ที่จะต้องแก้ปัญหาที่ไม่เกี่ยวข้องให้ครบ หรือ ความฉลาดสามารถถูกสร้างขึ้นมาโดยใช้สัญลักษณ์ขั้นสูงอย่างคำหรือแนวความคิดได้หรือไม่และจำเป็นจะต้องมีการประมวลผลสัญลักษณ์ที่ย่อยไปกว่านั้นหรือไม่
 
==== [[ไซเบอร์เนติกส์]]และการจำลองสมอง (cybernetics and brain simulation) ====
 
ในคริสต์ทศวรรษ 1940 และ 1950 นักวิทยาศาสตร์หลายคนพยายามจะหาความเชื่อมโยงระหว่าง[[ประสาทวิทยา]] [[ทฤษฎีสารสนเทศ]] และ[[ไซเบอร์เนติกส์]] นักวิจัยบางคนได้สร้างเครือข่ายอิเล็กทรอนิกส์ขึ้นมาเพื่อสร้างความฉลาดขั้นต้นขึ้นมา ปัจจุบันวิธีการนี้ได้ถูกล้มเลิกไปแล้ว
 
==== สัญลักษณ์ ====
 
หลังจากที่เริ่มมีความเป็นไปได้ที่จะสร้างเครื่องคอมพิวเตอร์ดิจิทัลขึ้นในราวคริสต์ทศวรรษ 1950 นักวิจัยทางปัญญาประดิษฐ์หลายคนก็เริ่มศึกษาดูความเป็นไปได้ที่จะลดรูปความฉลาดของมนุษย์ให้อยู่ในรูปสัญลักษณ์และการจัดการกับสัญลักษณ์ต่าง ๆ ศูนย์กลางของการวิจัยสาขานี้อยู่ที่[[มหาวิทยาลัยคาร์เนกีเมลลอน]] [[มหาวิทยาลัยสแตนฟอร์ด]] และ[[สถาบันเทคโนโลยีแมสซาชูเซตส์]] แต่ละมหาวิทยาลัยได้สร้างแนวทางการวิจัยเป็นของตัวเอง จอห์น ฮากแลนด์ตั้งชื่อหลักการเหล่านี้ว่า GOFAI (Good Old-Fashioned Artificial Intelligence) หรือปัญญาประดิษฐ์ในรูปแบบเก่า ต่อมาในช่วงคริสต์ทศวรรษ 1960 งานวิจัยโดยการแทนสัญลักษณ์นี้เริ่มประสบความสำเร็จในการจำลองความคิดชั้นสูงของมนุษย์ในบางโปรแกรม หลังจากที่วิธีการที่ใช้[[ไซเบอร์เนติกส์]]หรือ[[โครงข่ายประสาทเทียม]]ถูกล้มเลิกไป นักวิจัยในช่วงคริสต์ทศวรรษ 1960 และ 1970 หันมาใช้หลักการทางสัญลักษณ์เพราะเชื่อว่าวิธีการนี้จะประสบความสำเร็จในการสร้าง[[ปัญญาประดิษฐ์ทั่วไป]]ที่เชื่อว่าเป็นเป้าหมายของงานวิจัยสาขานี้
 
* '''การจำลองการรับรู้ (cognitive simulation)'''
 
นักเศรษฐศาสตร์อย่าง[[เฮอร์เบิร์ต ไซมอน]]และ[[อัลเลน นิวเวลล์]]ได้ศึกษาทักษะการแก้ปัญหาของมนุษย์และพยายามทำให้มีระเบียบแบบแผน งานวิจัยของทั้งสองคนได้กลายมาเป็นจุดเริ่มต้นของสาขาของปัญญาประดิษฐ์ที่เรียกว่า [[วิทยาศาสตร์พุทธิปัญญา]] [[การวิจัยดำเนินการ]] และ[[วิทยาการจัดการ]]ในเวลาต่อมา งานวิจัยสายนี้ใช้ผลจากการทดลองทาง[[จิตวิทยา]]ในการพัฒนาโปรแกรมที่สามารถจำลองเทคนิคที่คนใช้เพื่อแก้ปัญหาได้ วิธีการเหล่านี้มีจุดเริ่มต้นที่[[มหาวิทยาลัยคาร์เนกีเมลลอน]]
 
* '''วิธีการเชิงตรรกะ (logic-based)'''
 
[[จอห์น แม็กคาร์ธีย์]] ใช้วิธีการที่แตกต่างไปจากวิธีของนิวเวลล์และไซมอน โดยรู้สึกว่าเครื่องจักรไม่จำเป็นต้องจำลองการคิดของมนุษย์ แต่ควรจะพยายามหาแก่นของการให้เหตุผลเชิงนามธรรมและการแก้ปัญหา ไม่ต้องสนใจว่าแต่ละคนจะใช้อัลกอรึทึมเดียวกันหรือไม่ ห้องปฏิบัติการวิจัยของเขาที่[[มหาวิทยาลัยสแตนฟอร์ด]]เน้นเรื่องของการใช้ตรรกะบัญญัติ (formal logic) ในการแก้ปัญหาต่าง ๆ ไม่ว่าจะเป็น[[การแทนความรู้]] [[การวางแผนของเครื่อง|การวางแผน]] และ[[การเรียนรู้ของเครื่อง|การเรียนรู้]] นอกจากนี้ [[มหาวิทยาลัยเอดินบะระ]]และอีกหลายแห่งในยุโรปก็หันมาให้ความสนใจด้านการพัฒนาโปรแกรมเชิงตรรกะเช่นกัน ไม่ว่าจะเป็น[[ภาษาโปรล็อก]]หรือ[[การเขียนโปรแกรมเชิงตรรกะ]]
 
* '''วิธีการไม่ใช้ตรรกะ (anti-logic)'''
 
ในขณะเดียวกัน นักวิจัยที่[[สถาบันเทคโนโลยีแมสซาชูเซตส์]] (เช่น [[มาร์วิน มินสกี]] และ[[เซย์มัวร์ เพเพิร์ต]]) พบว่า การแก้ไขปัญหาบางอย่าง เช่น [[คอมพิวเตอร์วิทัศน์]]และ[[การประมวลผลภาษาธรรมชาติ]]จำเป็นต้องมีวิธีการที่ไม่จำเป็นต้องเตรียมล่วงหน้า นักวิจัยได้อ้างว่า ไม่มีหลักการที่ง่ายหรือหลักการทั่วไป (อย่างเช่นตรรกะ) ที่จะจับต้องพฤติกรรมความฉลาดของสิ่งมีชีวิตได้ โรเจอร์ แชงก์ ได้ตั้งชื่อว่า หลักการแอนตีลอจิก หรือหลักการ"ไม่เรียบร้อย" (เพื่อให้ตรงข้ามกับความมีระเบียบเรียบร้อยที่[[มหาวิทยาลัยคาร์เนกีเมลลอน|คาร์เนกีเมลลอน]]และ[[มหาวิทยาลัยสแตนฟอร์ด|สแตนฟอร์ด]]) ตัวอย่างของงานวิจัยสายนี้เช่น ฐานความรู้เกี่ยวกับสามัญสำนึก อันเป็นแนวคิดที่ค่อนข้างซับซ้อนในวงการปัญญาประดิษฐ์สมัยนั้น
 
* '''วิธีการเชิงความรู้ (knowledge-based)'''
 
เมื่อคอมพิวเตอร์เริ่มมีความจำที่ใหญ่ขึ้นตั้งแต่ออกสู่ตลาดเมื่อราวปี ค.ศ. 1970 นักวิจัยจากมหาวิทยาลัยเริ่มต้น 3 แห่งเริ่มหันมาสร้าง[[การแทนความรู้|ความรู้]]สำหรับปัญญาประดิษฐ์ แนวคิดที่เปลี่ยนวงการนี้นำไปสู่การพัฒนาและการใช้[[ระบบผู้เชี่ยวชาญ]] และเป็นรูปแบบของซอฟต์แวร์ปัญญาประดิษฐ์แบบแรกที่ประสบความสำเร็จอย่างแท้จริง การปฏิวัติวงการดังกล่าวนี้ได้รับแรงขับเคลื่อนมาจากแนวคิดที่ว่า การนำปัญญาประดิษฐ์ไปประยุกต์ใช้นั้นจำเป็นจะต้องมีความรู้ในปริมาณมหาศาล
 
==== สัญลักษณ์ย่อย (sub-symbolic) ====
 
หลังจากวิธีการเชิงสัญลักษณ์ทางด้านปัญญาประดิษฐ์เริ่มหยุดชะงักในคริสต์ทศวรรษ 1980 นักวิจัยหลายคนก็เชื่อว่าระบบเชิงสัญลักษณ์ไม่น่าจะสามารถเลียนแบบกระบวนการที่เกี่ยวข้องกับสติปัญญาของมนุษย์ได้ โดยเฉพาะการรับรู้ [[วิทยาการหุ่นยนต์]] [[การเรียนรู้ของเครื่อง|การเรียนรู้]] และ[[การรู้จำแบบ]] นักวิจัยหลายคนได้เสนอหลักการของ"สัญลักษณ์ย่อย"กับปัญหาทางปัญญาประดิษฐ์บางปัญหา
 
* '''วิธีการจากล่างขึ้นบน (bottom-up)'''
 
นักวิจัยจากสาขาที่เกี่ยวข้องกับ[[วิทยาการหุ่นยนต์]] อาทิ รอดนีย์ บรูกส์ ปฏิเสธที่จะใช้ปัญญาประดิษฐ์เชิงสัญลักษณ์และหันมาใช้วิธีการทางวิศวกรรมที่จะทำให้หุ่นยนต์เคลื่อนไหวและอยู่รอดได้ งานวิจัยรูปแบบใหม่ในมุมมองแบบไม่อิงสัญลักษณ์นี้ทำให้งานวิจัยเชิง[[ไซเบอร์เนติกส์]]ในยุค 1950 กลับมาอีกครั้ง และก่อให้เกิดการใช้[[ทฤษฎีควบคุม]]ในสาขาปัญญาประดิษฐ์ขึ้น นอกจากนี้ ยังมีงานวิจัยพัฒนา"จิตใจฝังตัว"ในสาขาของ [[วิทยาศาสตร์พุทธิปัญญา|cognitive science]] ที่อ้างอิงแนวคิดที่ว่า ความฉลาดชั้นสูงนั้นล้วนเป็นส่วนประกอบมาจากร่างกายส่วนล่าง (เช่น การเคลื่อนไหว การรับรู้ และการมองเห็นภาพ) ทั้งนั้น
 
* '''ความฉลาดด้านการคำนวณ หรือการคำนวณแบบอ่อน (computational intelligence and soft computing)'''
 
กลางคริสต์ทศวรรษ 1980 เดวิด รูเมลฮาร์ต และนักวิจัยกลุ่มอื่นชุบชีวิตของสาขา[[โครงข่ายประสาทเทียม]]และศาสตร์การเชื่อมต่อขึ้นมาอีกครั้ง โครงข่ายประสาทเทียมถือเป็นตัวอย่างหนึ่งของการคำนวณแบบอ่อน อันเป็นวิธีการแก้ไขปัญหาที่แก้ไม่ได้ด้วยการใช้ความแน่นอนทางตรรกะ แต่สามารถแก้ได้โดยใช้การประมาณคำตอบที่แม่นยำเพียงพอ หลักการอื่น ๆ ของการคำนวณแบบอ่อน ได้แก่ ระบบคลุมเคลือ (fuzzy system) การคำนวณเชิงวิวัฒนาการ (evolutionary computation) และวิธีการอื่น ๆ ทางสถิติ
 
==== วิธีการทางสถิติ ====
 
ในคริสต์ทศวรรษ 1990 นักวิทยาศาสตร์ด้านปัญญาประดิษฐ์ได้พัฒนาเครื่องมือทางคณิตศาสตร์ที่มีประสิทธิภาพในการแก้ไขปัญหาย่อยบางอย่างได้ เครื่องมือเหล่านี้มีความเป็นวิทยาศาสตร์มากในแง่ที่ว่า ผลสามารถวัดและประเมินได้อย่างชัดเจน จนเป็นหัวใจสำคัญของปัญญาประดิษฐ์ในยุคหลังนี้ เนื่องจากวิธีการนี้ตั้งอยู่บนพื้นฐานของคณิตศาสตร์ จึงนำไปปรับใช้หรือพัฒนาร่วมกับหลักการในสาขาอื่น ๆ ได้ง่าย เช่น คณิตศาสตร์ เศรษฐศาสตร์ หรือ[[การวิจัยดำเนินการ]] นักวิทยาศาสตร์ชื่อ[[สจวร์ต รัสเซลล์]]และ[[ปีเตอร์ นอร์วิก]]อธิบายวิธีการนี้ไว้ว่าเป็น "การปฏิวัติ" และ "ความสำเร็จของความเป็นระเบียบ" อย่างไรก็ตาม ก็มีหลายคนที่ไม่เห็นด้วยกับเทคนิคเหล่านี้โดยชี้ว่า เทคนิคเหล่านี้มีความเฉพาะเจาะจงกับบางปัญหามากเกินไป และไม่สามารถบรรลุเป้าหมายระยะยาวในการสร้างความฉลาดทั่วไปได้ ปัจจุบันยังมีการถกเถียงกันอยู่เรื่องความเกี่ยวข้องและความถูกต้องของการใช้หลักการทางสถิติกับปัญญาประดิษฐ์ เช่น การถกเถียงกันระหว่าง[[ปีเตอร์ นอร์วิก]]กับ[[โนม ชัมสกี]]
 
==== วิธีผสมผสาน ====
 
เอเยนต์ทรงปัญญา คือ ระบบที่สามารถรับรู้สิ่งแวดล้อมรอบข้างได้และเลือกปฏิบติตามวิธีที่มีโอกาสประสบความสำเร็จมากที่สุด เอเยนต์ทรงปัญญาในรูปแบบที่ง่ายที่สุดคือโปรแกรมที่สามารถแก้ไขปัญหาบางอย่างได้ ส่วนเอเยนต์ที่ซับซ้อนกว่านั้นก็ได้แก่มนุษย์และการรวมกลุ่มของมนุษย์ มุมมองนี้ทำให้นักวิจัยสามารถศึกษาปัญหาแบบแยกเฉพาะส่วนและหาคำตอบที่มีประโยชน์และถูกต้องได้โดยไม่ต้องมีเป้าหมายรวมกันเพียงเป้าหมายเดียว เอเยนต์จะต้องแก้ปัญหาเฉพาะอย่างปัญหาหนึ่งได้โดยการใช้วิธีการที่ได้ผล เอเยนต์บางเอเยนต์อาจจะใช้วิธีการทางสัญลักษณ์ หรือบางตัวอาจจะใช้วิธีการทางตรรกะ โครงข่ายประสาทเทียม หรือวิธีการอื่น ๆ แนวความคิดนี้ทำให้นักวิจัยสามารถสื่อสารกับสาขาอื่นได้ ไม่ว่าจะเป็นด้านเศรษฐศาสตร์หรือด้านทฤษฎีการตัดสินใจที่ใช้แนวคิดของเอเยนต์นามธรรมเช่นกัน แนวคิดเรื่องเอเยนต์ทรงปัญญานี้ได้รับการยอมรับเป็นวงกว้างนับตั้งแต่คริสต์ทศวรรษ 1990
 
นักวิจัยได้ออกแบบระบบเพื่อสร้างระบบฉลาดที่สามาาถติดต่อกับเอเยนต์ได้ผ่านทางระบบเอเยนต์หลายตัว ระบบดังกล่าวมีทั้งส่วนที่เป็นสัญลักษณ์และสัญลักษณ์ย่อย หรือเป็นระบบผสมผสาน (ไฮบริด) และการศึกษาระบบดังกล่าวนี้เรียกว่า การบูรณาการระบบปัญญาประดิษฐ์
 
=== เครื่องมือ ===
 
หลังจากปัญญาประดิษฐ์ได้มีการพัฒนาอย่างต่อเนื่องมากประมาณ 50 ปี ได้มีการพัฒนาเครื่องมือเพื่อใช้ในการแก้ไขปัญหาที่ยากในทาง[[วิทยาการคอมพิวเตอร์]] ตัวอย่างของวิธีการได้แก่
 
==== การค้นหาและการหาค่าที่เหมาะที่สุด (search and optimization) ====
 
ปัญหาทางปัญญาประดิษฐ์หลาย ๆ ปัญหาถูกแก้ในรูปแบบของทฤษฎีที่ว่าด้วยการค้นหาคำตอบจากคำตอบที่เป็นไปได้หลาย ๆ คำตอบ [[การให้เหตุผล]]สามารถเปลี่ยนรูปไปเป็นรูปแบบของการค้นหาได้ ตัวอย่างเช่น การพิสูจน์ทางตรรกะสามารถมองได้ว่าเป็นการค้นหาเส้นทางจากหลักฐานไปสู่ข้อสรุปได้ โดยผ่านขั้นตอนที่เรียกว่า การอนุมาน อัลกอริทึมทาง[[วิทยาการหุ่นยนต์]]สำหรับการขยับข้อต่อและหยิบจับวัตถุก็ใช้วิธีการค้นหาสิ่งที่อยู่ภายในพื้นที่นั้น ๆ อัลกอริทึมทางด้าน[[การเรียนรู้ของเครื่อง]]หลาย ๆ อันก็ใช้วิธีการค้นหาบนคำตอบที่ดีที่สุด
 
อย่างไรก็ตาม การค้นหาแบบธรรมดานั้นไม่ค่อยจะเพียงพอสำหรับปัญหาในโลกจริง เพราะส่วนที่จะต้องค้นหานั้นมีขนาดใหญ่มหาศาล ทำให้การค้นหาเป็นไปได้ช้าหรือไม่สามารถทำให้เสร็จได้เลย หนึ่งในวิธีการแก้ปัญหาคือการใช้ค่า'''ฮิวริสติก'''เพื่อตัดตัวเลือกที่ไม่น่าจะพาไปสู่เป้าหมายได้ (เรียกว่าวิธีการตัดกิ่งในต้นไม้ค้นหา) ค่าฮิวริสติกนี้ทำให้โปรแกรมสามารถเดาได้คร่าว ๆ ว่าเส้นทางไหนที่น่าจะพาไปสู่คำตอบ และช่วยทำให้ขนาดของตัวอย่างที่จะต้องค้นหาเล็กลงด้วย
 
การค้นหาเริ่มมีบทบาทเด่นชัดในคริสต์ทศวรรษ 1990 โดยใช้ทฤษฎีการหาค่าที่เหมาะสมที่สุดทางคณิตศาสตร์ ปัญหาหลาย ๆ อย่างก็สามารถเริ่มต้นการค้นหาได้ด้วยการเดาบางอย่าง จากนั้นก็ปรับวิธีการเดาไปเรื่อย ๆ จนกระทั่งไม่จำเป็นต้องปรับอีกแล้ว อัลกอริทึมเหล่านี้สามารถเรียกให้เห็นภาพได้ง่าย ๆ ว่าเป็นการปีนเขา โดยเริ่มจากการค้นหาที่จุดสุ่มในที่ราบ จากนั้นก็ค่อย ๆ กระโดดและไต่เขาขึ้นไปเรื่อย ๆ โดยใช้หลักการเดาว่าจุดไหนที่น่าจะทำให้เราปีนเขาขึ้นไป จนกระทั่งในที่สุดเราไปอยู่บนยอดสุดของภูเขา
12,350

การแก้ไข