Symbolische KI: Idee war dominant, scheiterte an Skalierung

Die symbolische KI ging davon aus, dass Intelligenz aus der Manipulation von Symbolen nach expliziten Regeln besteht.

Diese Idee war über Jahrzehnte dominant, scheiterte aber an Skalierung und Brüchigkeit.
Die symbolische KI wurde durch zwei KI-Winter ersetzt, in denen neuronale Netze und statistisches Lernen dominierten.
Kritiker wie Gary Marcus und Stevan Harnad argumentieren, dass neuronale Netze strukturelle Schwächen haben, die nicht durch Skalierung gelöst werden können.
Die symbolische KI könnte eine wertvolle Ergänzung zu neuronalen Netzen sein, da sie systematisches Schließen und Komposition ermöglicht.
Die aktuelle KI-Forschung sollte sowohl symbolische als auch neuronale Ansätze berücksichtigen, um die Schwächen der jeweiligen Methoden auszugleichen.

Zusammenfassung mit KI erstellt.

nerdblog