| تحلیل پارادایمهای هوش مصنوعی: مقایسه مفهومی سیستمهای خبره و یادگیری ماشین از منظر شفافیت و اقتصاد دانش |
| کد مقاله : 1040-DATAGOV2024 |
| نویسندگان |
|
علی قادری *1، محمد راستگو2 1دانشجو کارشناسی مهندسی فناوری اطلاعات دانشگاه علمی صنعتی خراسان مشهد ایران 2مدرس دانشگاه، دانشجوی دکتری کامپیوتر ، گروه مهندسی کامپیوتر ، مرکز آموزش علمی کاربردی علمی صنعتی خراسان ، مشهد |
| چکیده مقاله |
| هوش مصنوعی همواره میان دو پارادایم اصلی در نوسان بوده است: سیستمهای خبره (نمادین) و یادگیری ماشین (زیرنمادین). سیستمهای خبره به دلیل نمایش صریح دانش، از شفافیت و قابلیت توضیحپذیری ذاتی بالایی برخوردار هستند. اما در توسعهپذیری و نگهداری مقیاسپذیر با چالش مواجه می باشند. در مقابل، یادگیری ماشین در استخراج الگوهای پیچیده از دادههای حجیم بسیار کارآمد است، اما به دلیل طبیعت جعبه سیاه خود، از شفافیت لازم برخوردار نیست. این مقاله با هدف مقایسه مفهومی این دو رویکرد از منظر شفافیت (قابلیت توضیحپذیری) و اقتصاد دانش (توسعه و نگهداری)، و در نهایت، بررسی پتانسیل هوش مصنوعی ترکیبی به عنوان راهی برای دستیابی به سیستمهای هوش مصنوعی قابل اعتماد و قابل نگهداری، تدوین شده است. نتیجه تحلیل نشان میدهد که هوش مصنوعی ترکیبی، با ادغام قدرت استدلال نمادین و توانایی یادگیری زیرنمادین، مسیر نهایی برای غلبه بر کاستیهای هر دو پارادایم است و همچنین میتواند چالشهای جدیدی مانند لزوم ایجاد معماریهای شناختی غیرمتمرکز و معیارهای هوش مصنوعی قابل اعتماد را پوشش دهد. |
| کلیدواژه ها |
| هوش مصنوعی نمادین - هوش مصنوعی زیرنمادین - سیستمهای خبره - اقتصاد دانش - هوش مصنوعی قابل اعتماد |
| وضعیت: پذیرفته شده |
