Human beings solve most of their pr

Human beings solve most of their problems using fast, intuitive judgments rather than the conscious, step by step deduction that early AI research was able to model. AI has made some progress at imitating this kind of “sub-symbolic” problem solving: embodied agent approaches emphasize the importance of sensorimotor skills to higher reason; neural net research attempts to simulate the structures inside the brain that give rise to this skill; statistical approaches to AI mimic the probabilistic nature of the human ability to guess.

ผลลัพธ์ (ไทย) 1:

มนุษย์แก้ปัญหาส่วนใหญ่ของปัญหาของพวกเขาได้อย่างรวดเร็วโดยใช้คำตัดสินง่ายมากกว่าขั้นตอนที่มีสติโดยการหักเงินขั้นตอนที่ว่างานวิจัยไอต้นก็สามารถที่จะแบบ Ai มีความคืบหน้าบางอย่างที่เลียนแบบชนิดของ "ย่อยสัญลักษณ์" การแก้ปัญหานี้เป็นตัวเป็นตนแนวทางตัวแทนเน้นความสำคัญของทักษะ sensorimotor เหตุผลสูงกว่า;ประสาทความพยายามวิจัยสุทธิเพื่อจำลองโครงสร้างภายในสมองที่ก่อให้เกิดทักษะนี้; วิธีการทางสถิติเพื่อ AI เลียนแบบธรรมชาติน่าจะเป็นความสามารถของมนุษย์ที่จะคาดเดา

ผลลัพธ์ (ไทย) 2:

มนุษย์แก้ปัญหารวดเร็ว ใช้ตัดสินง่ายมากกว่าหักสติ ขั้นตอนที่เริ่มต้นวิจัย AI ได้รุ่นใหญ่ AI ได้ความคืบหน้าบางที่เลียนแบบของการแก้ปัญหา "sub-symbolic": แทน embodied วิธีเน้นความสำคัญของทักษะ sensorimotor เหตุผลสูงกว่า วิจัยประสาทสุทธิพยายามจำลองโครงสร้างภายในสมองที่ให้ขึ้นกับทักษะนี้ AI สถิติวิธีเลียนแบบธรรมชาติของมนุษย์สามารถเดา probabilistic

ผลลัพธ์ (ไทย) 3:

มนุษย์แก้ปัญหาของตนโดยใช้คำตัดสินได้อย่างง่ายดายและรวดเร็วมากกว่าหักขั้นตอนโดยขั้นตอนที่คำนึงถึงในเรื่องของงบประมาณที่ต้นอายการวิจัยก็สามารถรุ่นมากที่สุด AI ได้มีความคืบหน้าบาง ประเภท ที่เลียนแบบนี้ของ"คณะอนุกรรมการสัญลักษณ์"การแก้ปัญหาของ Agent ปรากฏแนวทางเน้นย้ำความสำคัญของความรู้ความชำนาญ sensorimotor เหตุผลสูงขึ้นการวิจัยสุทธิเกินความพยายามที่จะทำการจำลองโครงสร้าง ภายใน สมองที่ทำให้เกิดความรู้ความสามารถนี้วิธีการทางสถิติกับ AI probabilistic เลียนแบบธรรมชาติของความสามารถของมนุษย์ที่สามารถคาดเดาได้ยาก