La realizzazione di modelli artificiali del funzionamento biologico
ha condotto a diversi paradigmi di apprendimento non simbolico, quali
le reti neurali artificiali e gli algoritmi genetici, ispirati rispettivamente
alle struttura delle cellule nervose e alla trasmissione del patrimonio
genetico.
Questi modelli utilizzano unita' elementari omogenee, in grado di interagire
tra loro e con l'ambiente, che integrate in sistemi complessi,
permettono di ottenere macro comportamenti "emergenti" di tipo adattivo
o evolutivo, con sviluppi dinamici spesso di difficile previsione
in fase di progetto.
La maggiore importanza attribuita invece agli aspetti psicologico-cognitivi,
ha portato a rappresentazioni simboliche di tipo logico-relazionale,
caratteristiche dell' AI in senso stretto.
Mentre la simulazione biologica permette di ottenere buone "descrizioni"
di fenomeni reali, attraverso una loro riproducibilita' artificiale, i
metodi simbolici pongono al centro il problema di fornirne una "rappresentazione",
che possa tradurre in un linguaggio astratto, la conoscenza dall' ambiente
esterno.
Lo studio del ragionamento umano, inteso come elaborazione logica di
simboli, ha permesso di definire diversi modelli di calcolo simbolico,
a seconda del formalismo applicato.
Il primo sistema di ragionamento automatico, "Logic Theorist" di Newell
e Simon, basato sulla logica proposizionale, esplorava lo spazio
delle possibili dimostrazioni di teoremi, sfruttando le regole di
inferenza della logica classica.
L'applicazione di formalismi differenti, quali ad esempio, l'estensione
a logiche a piu' valori o con fattori di incertezza, il trattamento di
assiomi incompleti o in evoluzione, l'utilizzo di regole di inferenza alternative
quali l'induzione o l'abduzione, ha permesso la realizzazione di
programmi di ragionamento automatico, quali i sistemi esperti, utilizzati
con successo in ambiti anche molto differenti.
L'analisi dei processi cognitivi connessi alla visione e alla comprensione
del linguaggio ha determinato un approccio all'apprendimento simbolico
in qualche modo differente, in cui e' posta maggiore attenzione gli
aspetti semantici delle possibili rappresentazioni.
I concetti vengono descritti attraverso le loro relazioni di tipo strutturale
o funzionale, consentendo livelli diversi di generalizzazione.
Questo tipo di rappresentazione viene fatto sia per gli oggetti considerati,
che per le loro possibili interazioni, fino ad identificare schemi tipici
di comportamento, in forma di procedure ("scripts") tra oggetti/soggetti,
agenti nel dominio in esame.
La facolta' di sfruttare l'esperienza per arricchire dinamicamente la
propria base di conoscenza, e' un tema che da sempre ha affascinato i progettisti
di agenti intelligenti. Un agente che fosse provvisto della capacita' di
apprendere in modo automatico, risulterebbe autonomo rispetto alla propria
definizione iniziale, contraddicendo l'affermazione di Lady Lovelace secondo
la quale una macchina non e' in grado di svolgere nessun calcolo
per qui non sia stata esplicitamente programmata.
I sistemi simbolici descritti in precedenza spesso non presentano questa
caratteristica, richiedendo una formalizzazione esplicita dell'intera base
di conoscenza, senza prevedere meccanismi di feed-back dall'ambiente.
La necessita' di una qualche forma di apprendimento automatico e' maggiormante
sentita nei contesti in cui la conoscenza nota inizialmente non e' sufficiente
a garantire buone prestazioni. In questo caso l'agente deve riuscire
a migliorare il suo comportamento, basandosi solo sull'estrapolazione di
quanto effettivamente verificato. Questo trova anche applicazione in ambiti
in cui l'agente svolge il ruolo di assistente, come, ad esempio,
l'estrazione di regole empiriche in grado di descrivere un insieme
di osservazioni.
Forse il primo esempio di programma con apprendimento simbolico e' il
giocatore di dama, realizzato da Samuel nel 1959. Questo pragramma era
basato su una ricerca di tipo minimax sullo spazio delle possibili mosse,
dove la valutazione della bonta' di una data configurazione della scacchiera
era calcolata come somma pesata di varie funzione diverse. Il programma
determinava i pesi della somma osservando la bonta' delle mosse effettuate,
provvedendo ad una loro correzione in caso di comportamento insoddisfacente.
Dopo una fase di addestramento, consistente in alcune partite giocate contro
una copia dello stesso programma, l'abilita' nel gioco della dama risultava
accrescita notevolmente rispetto alla versione originale.