Algunos de los primeros intentos de representar el conocimiento en general requirieron lenguajes interpretados altamente flexibles. Se aprendieron muchas lecciones de las personas que intentan crear software para la IA, aquellas que intentan hacer algo más sofisticado que un programa ordinario.
Las organizaciones de investigación que intentaban hacer que las cosas se imprimieran bien en las máquinas LISP perdieron horas. Eso fue antes de la web.
Creo que Business Process Modeling, y los lenguajes BPM son una consecuencia de algunas de las ideas en la comunidad de AI. Las reglas de negocios se implementan en lenguajes similares a los sistemas de producción como CLIPS. Las empresas de calificación crediticia utilizaron lenguajes desarrollados como modelos de sistemas de postproducción.
Me parece recordar que el DB de ORACLE se escribió por primera vez en LISP. Puede que haya tenido una conversación con Larry Ellison hace mucho tiempo.
- ¿Cómo puedo conseguir un trabajo en el sector de TI como un traspaso mecánico de 2015? ¿Es recomendable mudarse a Bangalore?
- ¿Cuáles son las próximas tecnologías en TI para 2018?
- ¿Qué salario puede ganar un ingeniero de desarrollo de software en pruebas en TI en India con 5 años de experiencia? ¿Qué empresas serían mejores para una caminata guapo?
- ¿Cuáles son los fundamentos de la tecnología de la información?
- ¿Cómo serán los futuros equipos de proyectos de TI?
Ciertamente, Autocad se escribió por primera vez en LISP, pero fue AutoLisp, que es una hermana / prima pobre de LISP que se desarrolló para las macros en el sistema Emacs.
Puede rastrear hilos de nuevo a experimentaciones originales en LISP.
La programación orientada a objetos comenzó en SIMULA, pero mucha inteligencia artificial utilizó los conceptos porque la gente estaba tratando de encontrar formas de decir que algo podría ser un concepto. Por lo tanto, se pensó mucho sobre la representación del conocimiento en torno al uso de jerarquías de objetos. Hoy en día, la web semántica es una consecuencia de eso y OWL es un lenguaje de destino para explorar ontologías.
Por lo tanto, la representación del conocimiento, el almacenamiento y la recuperación, y los procesos controlados simbólicamente han sido áreas que han recibido mejoras de la IA en el pasado.
Ahora, ha habido trabajo convirtiendo señales en símbolos. Eso ha estado ocurriendo durante mucho tiempo. En los años cincuenta, la gente podía hacer reconocimientos de tanques con sistemas ópticos infrarrojos. Ahora, pueden combinar ópticas y matrices opto reactivas para hacer las cosas más rápido en una computadora de lo que podrían con la luz. (Esto se debe a que los sistemas antiguos tenían partes mecánicas, donde ahora el cómputo puede asumir el control).
La transferencia de procesamiento de imágenes a TI es un poco diferente a la transferencia de representación de conocimiento. Pero, todavía se trata de convertir las cosas en símbolos que pueden ayudar a tomar decisiones sobre los procesos de negocios.
Las áreas que más se benefician del procesamiento de imágenes realmente bueno y que siguen la toma de decisiones de negocios son cosas como automatización de fábrica, seguridad, etc.
Ahora estamos empezando a ver avances en cirugía, traducción y fusión de sensores, por ejemplo, automóviles autónomos.
La investigación en IA al menos ayuda a las personas a aislar ideas para trabajar. Y, el resultado es integrar los buenos resultados nuevamente en la infraestructura de TI.