在人工智能的曆史上，有兩種類型：符號人工智能和非符號人工智能。每個人工智能都使用不同的方法來構建一個智能系統。根據規則和知識，試圖創建一個計算系統來模仿人腦的非符號方法。
計算機科學的最終目標是創建一個能夠思考、邏輯和學習的人工智能系統。另一方面，今天的大多數人工智能系統只有兩種能力之一：學習或推理。它們很難在感知世界中建立符號，盡管符號法善於思考、解釋和管理大數據結構機器人流程自動化使用案例。
為了解決這個問題，符號AI采用了自上而下的方法(例如:國際象棋電腦)，只要你足夠努力，你就會找到你想要的。搜索是一種象征性的人工智能技術。在這種情況下，計算機逐步測試和確認潛在解決方案的結果，稱為搜索。國際象棋電腦設想了上百萬種不一樣的將來方式和結合，隨後依據結果決策哪一種方式最有可能獲得勝利，這就是說一個非常好的事例。這與人類的想法類似：每一個花費大量時間玩桌遊或者策略遊戲的人，至少會玩一次自己的想法，然後再做選擇。由於神經網絡增加了人類的直覺，減少了需要計算的動作數，因此它可以幫助傳統的人工智能算法。Alphago可以通過整合這些技術在複雜的遊戲中擊敗人類，比如圍棋。如果計算機計算了所有可能的移動，則無法實現。
一旦這個想法被存儲在一個規則引擎中，就很難修改它，這是符號AI或GOFAI的主要障礙之一。專家系統單調，這意味著添加的規則越多，系統中編碼的信息就越多，但新規則不會破壞以前的知識。單調是一個只指一個方向的術語。機器學習算法可以練機器學習算法，更好地記錄臨時信息。如有必要，這些信息將來可能會被收回。例如，當數據不穩定時，他們會根據新的數據修改參數。
計算機不理解符號的含義是符號思維的第二個問題，這意味著它們不一定與世界上其他非符號表示有關。這與神經網絡不同。在原始感覺輸入中，神經網絡可以連接符號和數據的矢量表示阻截來電滋擾。
因此，一個明顯的問題是：這些符號是為誰服務的?它們對機器有用嗎?為什么要使用符號，因為機器人允許人類根據潛在的生理限制來交流和管理信息?為什么機器不能使用一些嘈雜的語言與海豚和傳真機共享?
讓我們做一個預測：當機器真正學會以一種可以理解的方式相互交流時，它將使用一種人類無法理解的語言。對於高帶寬設備，也許單詞的帶寬是不夠的。也許它需要一個額外的維度來清楚地表達自己。語言只是機器繞過的門上的一個鑰匙孔。自然語言可能是人工智能為人類提供的ApI，讓人類搭車;最壞的情況下，可能是實際機器智能的轉移。但是，由於自然語言是我們展示智慧的一種方式，所以我們把它與成功的高峰混為一談。
好處:
創建知識圖：為任何聊天機器人或語音助手的構建創建知識圖。未來的數據結構是知識地圖，它將成為所有基於人工智能的未來應用的基礎建築工人安全。
流程實施：數字化和組織數據准備對企業來說是不可避免的。因此，知識地圖的創建遲早是不可避免的。建立組織程序和工作流程對於未來頻繁的知識文檔和更新是必要的。
最大的便利性在線處理背景細節，使企業能夠專注於數據准備和添加。在線對話人工智能平台允許用戶隨時輕松編輯或修改任何信息。
全面的方法:在線提供完整的體驗，幫助用戶完成流程的所有階段。從以知識地圖的形式存儲信息，到為聊天機器人或語音助手提供吸收事實和適當響應的能力，並允許用戶完成所需的交易(如購買)。可能性是無限的。
精選文章：
