Den gren af datalogi, der udforsker computerees evne til at efterligne menneskelig ræsonnement, er
kunstig intelligens (AI) .
Her er hvorfor:
* Fokus på menneskelig ræsonnement: AI sigter mod at skabe intelligente systemer, der kan udføre opgaver, der typisk kræver menneskelig intelligens, såsom problemløsning, læring, beslutningstagning og forståelse af naturligt sprog.
* imitering af menneskelig kognition: AI -forskning udforsker forskellige teknikker og algoritmer for at gøre det muligt for computere at efterligne de kognitive processer, der er involveret i menneskelig ræsonnement, herunder:
* videnrepræsentation: At repræsentere information og fakta om verden på en måde, computere kan forstå og resonere med.
* Ræsonnement og problemløsning: Udvikling af algoritmer, der kan trække konklusioner, løse problemer og træffe beslutninger baseret på den tilgængelige viden.
* maskinlæring: Uddannelse af computere til at lære af data og forbedre deres præstationer over tid, svarende til hvordan mennesker lærer af erfaringerne.
Mens AI er et bredt felt, inkluderer de specifikke områder, der fokuserer på at efterligne menneskelig ræsonnement:
* kognitiv videnskab: Undersøgelse af de mentale processer, der er involveret i menneskelig kognition, såsom opfattelse, hukommelse og sprog.
* symbolsk AI: Brug af logik og symboler til at repræsentere viden og udføre ræsonnement.
* maskinlæring: Uddannelse af computere til at lære af data og træffe forudsigelser eller beslutninger.
* dyb læring: En type maskinlæring, der bruger kunstige neurale netværk til at modellere komplekse mønstre i data.
Generelt er AI paraplybegrebet for undersøgelsen og udviklingen af computersystemer, der er i stand til at efterligne menneskelig ræsonnement og kognitive evner.
