programming

کارهای اولیه، مبتنی بر دستور زبان و شب سایت های هوش مصنوعی برای کودکان که‌های معنایی مولد نوام چامسکی، با ابهام‌زدایی معنایی کلمه[f] مشکل داشت، مگر اینکه محدود به حوزه‌های کوچکی به نام «جهان‌های خرد» باشد (به دلیل مشکل دانش عقل سلیم[32]). مارگارت مسترمن معتقد بود که سایت های هوش مصنوعی برای کودکان  کلید فهم زبانها معنی است و نه دستور زبان و اصطلاحنامه ها و نه فرهنگ لغت ها باید اساس ساختار زبان محاسباتی باشند.

تکنیک‌های یادگیری عمیق مدرن برای NLP شامل جاسازی کلمه (نماینده کلمات، معمولاً به عنوان بردارهایی که معنای آنها را رمزگذاری می‌کنند)، [55] ترانسفورماتورها (معماری یادگیری عمیق با استفاده از مکانیزم توجه)، [56] و دیگران است. در سال 2019، مدل‌های زبان ترانسفورماتور از پیش آموزش‌دسایت های هوش مصنوعی برای کودکان  یده (یا «GPT») شروع به تولید متن منسجم کردند، [58][59] و تا سال 2023 این مدل‌ها توانستند نمرات سطح انسانی را در آزمون وکالت، آزمون SAT، GRE کسب کنند. تست، و بسیاری دیگر از برنامه های کاربردی در دنیای واقعی.[60]

ادراک

ادراک ماشین توانایی استفاده از ورودی حسگرها (سایت های هوش مصنوعی برای کودکان مانند دوربین ها، میکروفون ها، سیگنال های بی سیم، لیدار فعال، سونار، رادار و حسگرهای لمسی) برای استنتاج جنبه های جهان است. بینایی کامپیوتری توانایی تجزیه و تحلیل ورودی بصری است.[61]

این زمینه شامل تشخیص گفتار، [62] طبقه بندی تصویر، [63] تشخیص چهره، تشخیص اشیا، [64] و ادراک روباتیک است.

هوش اجتماعی

Kismet، یک سر ربات که در دهه 1990 ساخت سایت های هوش مصنوعی برای کودکان ه شد. ماشینی که می تواند احساسات را تشخیص دهد و شبیه سازی کند.[66]

محاسبات عاطفی یک چتر بین رشته ای است که شامل سیستم هایی می شود که احساسات، عواطف و خلق و خوی انسان را تشخیص، تفسیر، پردازش یا شبیه سازی می کند.[67] برای مثال، برخی از دستیاران مجازی طوری برنامه‌ریزی شده‌اند که به صورت مکالمه صحبت کنند یا حتی شوخی کنند. این باعث می‌شود که آنها نسبت به پویایی عاطفی تعامل انسانی حساس‌تر به نظر برسند یا تعامل انسان و رایانه را تسهیل کنند.

با این حال، این تمایل به کاربران ساده لوح تصور سایت های هوش مصنوعی برای کودکان  غیرواقعی از هوش عوامل رایانه‌ای موجود می‌دهد.[68] موفقیت‌های متوسط مربوط به محاسبات عاطفی شامل تجزیه و تحلیل احساسات متنی و اخیراً، تحلیل احساسات چندوجهی است که در آن هوش مصنوعی تأثیرات نمایش داده شده توسط یک سوژه ضبط شده را طبقه‌بندی می‌کند.[69]

هوش عمومی

یک ماشین با هوش عمومی مصنوعی باید بتواند طیف گسترده ای از مسائل را با وسعت و تطبیق پذیری مشابه هوش انسانی حل کند.[14]

تکنیک

تحقیقات هوش مصنوعی از طیف گسترده ای از تکنی سایت های هوش مصنوعی برای کودکان ک ها برای دستیابی به اهداف بالا استفاده می کند.[b]

جستجو و بهینه سازی

هوش مصنوعی می تواند بسیاری از مشکلات را با جستجوی هوشمندانه در میان بسیاری از راه حل های ممکن حل کند.[70] دو نوع جستجوی بسیار متفاوت در هوش   آموزش برنامه نویسی کودکان و نوجوانان مصنوعی استفاده می شود: جستجوی فضای حالت و جستجوی محلی.

جستجوی فضای حالت

جستجوی فضای حالت از طریق درختی از حالت‌های ممکن برای یافتن یک حالت هدف جستجو می‌کند.[71] به عنوان مثال، الگوریتم‌های برنامه‌ریزی از طریق درخت‌های اهد سایت های هوش مصنوعی برای کودکان اف و اهداف فرعی جستجو می‌کنند، تلاش برای یافتن مسیری برای رسیدن به هدف هدف، فرآیندی به نام تجزیه و تحلیل معنا و هدف.[72]

جستجوهای جامع ساده[73] به ندرت برای اکثر مشکلات دنیای واقعی کافی است: فضای جستجو (تعداد مکان‌های جستجو) به سرعت به اعداد نجومی افزایش می‌یابد. نتیجه جستجویی است که خیلی کند است یا هرگز کامل نمی شود.[18] «ابتکار» یا «قوانین سرانگشتی» می‌تواند به اولویت‌بندی انتخاب‌هایی که احتمال بیشتری برای رسیدن به هدف دارند کمک کند.[74]

جستجوی خصمانه برای برنامه های بازی مانند شطرنج سایت های هوش مصنوعی برای کودکان  یا Go استفاده می شود. از میان درختی از حرکات و حرکات متقابل احتمالی جستجو می کند و به دنبال موقعیت برنده است.[75]

جستجوی محلی

تصویری از نزول گرادیان برای 3 نقطه شروع مختلف. دو پارامتر (که با مختصات پلان نشان داده می شوند) به منظور به حداقل رساندن تابع تلفات (ارتفاع) تنظیم می شوند.

جستجوی محلی از بهینه سازی ریاضی برای یافتن راه حلی برای یک مسئله استفاده می کند. با نوعی حدس شروع می شود و آن را به تدریج اصلاح می کند.[76]

Gradient descent نوعی جستجوی محلی است که مجموعه‌ای از پارامترهای عددی را با تنظیم تدریجی آنها برای به حداقل رساندن یک تابع ضرر بهینه می‌کند. انواع نزول گرادیان معمولاً برای آموزش شبکه های عصبی استفاده می شود.[77]

نوع دیگری از جستجوی محلی، محاسبات تکاملی است، که هدف آن بهبود مکرر مجموعه ای از راه حل های کاندید با "جهش" و "بازترکیب" آنها، انتخاب تنها مناسب ترین ها برای زنده ماندن در هر نسل است.[78]

فرآیندهای جستجوی توزیع شده می توانند از طریق الگوریتم های هوش ازدحام هماهنگ شوند. دو الگوریتم ازدحام محبوب مورد استفاده در جستجو عبارتند از بهینه سازی ازدحام ذرات (الهام گرفته از گله پرندگان) و بهینه سازی کلونی مورچه ها (الهام گرفته از رد پای مورچه ها).[79]

منطق

منطق صوری برای استدلال و بازنمایی دانش استفاده می شود.[80] منطق صوری به دو صورت اصلی وجود دارد: منطق گزاره ای (که بر روی گزاره هایی عمل می کند که درست یا نادرست هستند و از اتصالات منطقی مانند «و»، «یا»، «نه» و «دلالت دارد»)[81] و منطق محمولی (که همچنین Artificial intelligence sites for children  روی اشیا، محمول ها و روابط عمل می کند و از کمیت کننده هایی مانند «حوا