En inteligencia artificial , inteligencia artificial simbólica es el término para la recopilación de todos los métodos en la investigación de inteligencia artificial que se basan en representaciones simbólicas (legibles por humanos) de alto nivel de problemas, lógica y búsqueda . [1] La IA simbólica utilizó herramientas como programación lógica , reglas de producción , redes y marcos semánticos , y desarrolló aplicaciones como sistemas expertos .
John Haugeland le dio el nombre GOFAI ("Buena inteligencia artificial pasada de moda") a la IA simbólica en su libro de 1985 Inteligencia artificial: la idea misma, que exploró las implicaciones filosóficas de la investigación de la inteligencia artificial. En robótica , el término análogo es GOFR ("Good Old-Fashioned Robotics"). [2]
La inteligencia artificial subsimbólica es el conjunto de enfoques alternativos que no utilizan símbolos explícitos de alto nivel, como la optimización matemática , los clasificadores estadísticos y las redes neuronales . [3]
La IA simbólica fue el paradigma dominante de la investigación de la IA desde mediados de la década de 1950 hasta mediados de la década de 1990. [4] [5] Sin embargo, el enfoque simbólico eventualmente sería abandonado en favor de enfoques subsimbólicos, en gran parte debido a los límites técnicos.
Los investigadores de las décadas de 1960 y 1970 estaban convencidos de que los enfoques simbólicos finalmente tendrían éxito en la creación de una máquina con inteligencia general artificial y consideraron que este era el objetivo de su campo. Le sucedió una IA estadística altamente matemática que se dirige en gran medida a problemas específicos con objetivos específicos, en lugar de inteligencia general. La investigación sobre inteligencia general ahora se estudia en el subcampo exploratorio de inteligencia general artificial . [ cita requerida ]
El primer programa de IA simbólica fue el teórico de la lógica , escrito por Allen Newell , Herbert Simon y Cliff Shaw en 1955-56.