Symbolinen tekoäly on kollektiivinen nimi kaikille tekoälytutkimusmenetelmille , jotka perustuvat korkean tason " symboliseen " (ihmisen luettavaan) esitykseen tehtävistä, logiikasta ja hausta. Symbolinen tekoäly muodosti 1950-luvun puolivälistä 1980-luvun lopulle hallitsevan tekoälytutkimusparadigman perustan.
Vuonna 1985 John Hoagland antoi symboliselle tekoälylle nimen GOFAI ( Good -Fashioned Artificial Intelligence , "vanha hyvä tekoäly") kirjassaan Artificial Intelligence : The Very Idea , joka on omistettu tekoälytutkimuksen seurausten filosofiselle pohdinnalle. [1] Robotiikassa käytetään samanlaista termiä GOFAIR ("vanha hyvä tekoäly robotiikassa").
Symbolisen tekoälyn menestynein muoto ovat tuotantosääntöjen verkostoa käyttävät asiantuntijajärjestelmät . Tuotantosäännöt yhdistävät symbolit suhteiksi, jotka ovat samankaltaisia kuin " jos-niin " -operaattori. Asiantuntijajärjestelmä, joka käsittelee näitä sääntöjä, tekee loogisia johtopäätöksiä ja määrittää, mitä lisätietoa se tarvitsee, eli mitä kysymyksiä ihmisen luettavien symbolien avulla tulee esittää.
Symbolinen lähestymistapa tekoälyn luomiseen perustuu olettamukseen, että monia älykkyyden näkökohtia voidaan ymmärtää ja tulkita symbolien manipuloinnin avulla . Tämä ajatus muodosti perustan Newell-Simonin hypoteesille . Sen muotoilivat Allen Newell ja Herbert Simon vuonna 1976. Yleisesti ottaen hypoteesi on, että mikä tahansa merkityksellinen toiminta (riippumatta siitä, suorittaako se henkilö vai kone) määräytyy jonkin symbolijärjestelmän avulla. Tämä oletus esitettiin Newellin ja Simonin luomaan universaaliin ongelmanratkaisuun liittyvän hyvin tehdyn tutkimuksen tuloksena . Tämä ohjelma oli tarkoitettu simuloimaan ihmisen päättelyä.
Tuolloin monilla tekoälytutkijoilla oli suuria toiveita siitä. Uskottiin, että käyttämällä logiikan muodollisia sääntöjä, luomalla syntaksia, luomalla looginen kieli, voidaan luoda ihmiseen verrattavaa älykkyyttä. Käytännössä näihin periaatteisiin perustuvat järjestelmät, vaikka ne toimivatkin, eivät kuitenkaan selviytyneet hyvin monimutkaisista adaptiivisista tehtävistä. Siksi 1980-90-luvulla tällaisia käsitteitä kritisoitiin vakavasti, ja monien tutkijoiden kiinnostus siirtyi muihin menetelmiin ( evoluutioalgoritmit , keinotekoiset neuroverkot jne.). [2]