Comment un système d'IA peut-il développer sa connaissance du domaine? Y a-t-il plus que le Machine Learning?

L'apprentissage automatique permet donc à un système d'être auto-automatisé dans le sens où il peut prédire l'état futur en fonction de ce qu'il a appris jusqu'à présent. Ma question est: les techniques d'apprentissage automatique sont-elles le seul moyen de faire développer à un système ses connaissances du domaine?

Eh bien, nous parlons d'un système (une machine) qui développe des connaissances (apprend), il est donc assez difficile pour une telle technique de ne pas faire partie de l'apprentissage automatique.

Mais vous pourriez faire valoir que les moteurs d'inférence qui fonctionnent sur une base de données de connaissances basée sur des graphiques pour dériver de nouvelles propositions ou probabilités ne font pas partie de l'apprentissage automatique. Bien sûr, dans ce cas, une partie des connaissances n'est pas du tout acquise, mais plutôt saisie par les développeurs.

Je continue de lire à ce sujet, mais j'ai l'impression que ces bases de données de connaissances et moteurs d'inférence sont devenus assez populaires dans les années 90 et de nombreux chercheurs de l'AGI travaillent toujours dans ce sens.

Cela dépend de la façon dont vous définissez les «techniques d'apprentissage automatique». Vous pouvez construire une définition pour que, par définition, tout apprentissage tombe sous cette rubrique. OTOH, il existe un si large éventail de techniques d'apprentissage automatique que cela ne gagnerait pas grand-chose.

Il est probablement plus logique de parler des différents types d'apprentissage que nous utilisons dans le cadre de l'apprentissage automatique / intelligence artificielle. Au minimum, vous avez:

1. enseignement supervisé
2. apprentissage non supervisé
3. apprentissage semi-supervisé
4. apprentissage compétitif

Et puis des choses comme «l'apprentissage par renforcement» qui peuvent sous-catégoriser ce qui précède. La plupart de ces choses relèvent de ce que les gens appellent généralement "l'apprentissage automatique".

En dehors de cela, vous avez des choses comme les algorithmes d'induction de règles, les techniques de logique déductive comme la programmation de logique inductive qui peuvent en quelque sorte "apprendre", les moteurs d'inférence, le raisonnement automatisé, etc. qui ont leurs propres façons "d'apprendre" le monde, mais sont séparés de ce qui est généralement appelé "apprentissage automatique".

Mais même dans cet esprit, on peut à juste titre se demander s'il y a vraiment une ligne de démarcation ou non. En effet, il semble y avoir des raisons de penser que les futurs systèmes d'IA peuvent utiliser une approche hybride qui combine de nombreuses techniques différentes sans se soucier de savoir si elles sont étiquetées "machine learning" ou "GOFAI" ou "autre".