ಇತ್ತೀಚಿನ ದಿನಗಳಲ್ಲಿ ಜನರು AI ಬಗ್ಗೆ ಮಾತನಾಡುವಾಗ, ಸಂಭಾಷಣೆಯು ಯಾವಾಗಲೂ ವಿಚಿತ್ರವಾಗಿ ಮಾನವನಂತೆ ಧ್ವನಿಸುವ ಚಾಟ್‌ಬಾಟ್‌ಗಳು, ಬೃಹತ್ ನರಮಂಡಲಗಳು ಡೇಟಾವನ್ನು ಕ್ರಂಚಿಂಗ್ ಮಾಡುವುದು ಅಥವಾ ಕೆಲವು ದಣಿದ ಮನುಷ್ಯರಿಗಿಂತ ಬೆಕ್ಕುಗಳನ್ನು ಉತ್ತಮವಾಗಿ ಗುರುತಿಸುವ ಆ ಚಿತ್ರ-ಗುರುತಿಸುವಿಕೆ ವ್ಯವಸ್ಥೆಗಳ ಕಡೆಗೆ ಹಾರುತ್ತದೆ. ಆದರೆ ಆ ಝೇಂಕಾರಕ್ಕೂ ಬಹಳ ಹಿಂದೆಯೇ, ಸಾಂಕೇತಿಕ AI . ಮತ್ತು ವಿಚಿತ್ರವೆಂದರೆ ಸಾಕು - ಇದು ಇನ್ನೂ ಇಲ್ಲಿದೆ, ಇನ್ನೂ ಉಪಯುಕ್ತವಾಗಿದೆ. ಇದು ಮೂಲತಃ ಜನರು ಮಾಡುವಂತೆ ಕಂಪ್ಯೂಟರ್‌ಗಳಿಗೆ ತಾರ್ಕಿಕತೆಯನ್ನು ಕಲಿಸುವುದರ ಬಗ್ಗೆ: ಚಿಹ್ನೆಗಳು, ತರ್ಕ ಮತ್ತು ನಿಯಮಗಳನ್ನು . ಹಳೆಯ ಶೈಲಿಯದ್ದೇ? ಬಹುಶಃ. ಆದರೆ "ಕಪ್ಪು ಪೆಟ್ಟಿಗೆ" AI ಯೊಂದಿಗೆ ಗೀಳಾಗಿರುವ ಜಗತ್ತಿನಲ್ಲಿ, ಸಾಂಕೇತಿಕ AI ನ ಸ್ಪಷ್ಟತೆ ಸ್ವಲ್ಪ ಉಲ್ಲಾಸಕರವೆನಿಸುತ್ತದೆ [1].
ಇದರ ನಂತರ ನೀವು ಓದಲು ಇಷ್ಟಪಡಬಹುದಾದ ಲೇಖನಗಳು:
🔗 AI ತರಬೇತುದಾರ ಎಂದರೇನು?
ಆಧುನಿಕ AI ತರಬೇತುದಾರರ ಪಾತ್ರ ಮತ್ತು ಜವಾಬ್ದಾರಿಗಳನ್ನು ವಿವರಿಸುತ್ತದೆ.
🔗 ಡೇಟಾ ವಿಜ್ಞಾನವನ್ನು AI ಬದಲಾಯಿಸುತ್ತದೆಯೇ?
AI ಪ್ರಗತಿಗಳು ದತ್ತಾಂಶ ವಿಜ್ಞಾನ ವೃತ್ತಿಜೀವನಕ್ಕೆ ಅಪಾಯವನ್ನುಂಟುಮಾಡುತ್ತವೆಯೇ ಎಂದು ಅನ್ವೇಷಿಸುತ್ತದೆ.
🔗 AI ತನ್ನ ಮಾಹಿತಿಯನ್ನು ಎಲ್ಲಿಂದ ಪಡೆಯುತ್ತದೆ?
ಕಲಿಯಲು ಮತ್ತು ಹೊಂದಿಕೊಳ್ಳಲು AI ಮಾದರಿಗಳು ಬಳಸುವ ಮೂಲಗಳನ್ನು ವಿಭಜಿಸುತ್ತದೆ.
ಸಾಂಕೇತಿಕ AI ಬೇಸಿಕ್ಸ್✨
ಇಲ್ಲಿ ಒಪ್ಪಂದವಿದೆ: ಸಾಂಕೇತಿಕ AI ಸ್ಪಷ್ಟತೆಯ . ನೀವು ತರ್ಕವನ್ನು ಪತ್ತೆಹಚ್ಚಬಹುದು, ನಿಯಮಗಳನ್ನು ಪರಿಶೀಲಿಸಬಹುದು ಮತ್ತು ಯಂತ್ರವು ಅದು ಏನು ಮಾಡಿದೆ ಎಂದು ಅಕ್ಷರಶಃ ನೋಡಬಹುದು . ಅದನ್ನು ಉತ್ತರವನ್ನು ಹೊರಹಾಕುವ ನರಮಂಡಲದ ಜಾಲದೊಂದಿಗೆ ಹೋಲಿಸಿ - ಇದು ಹದಿಹರೆಯದವರನ್ನು "ಏಕೆ?" ಎಂದು ಕೇಳಿ ಭುಜ ಎಸೆದಂತಿದೆ. ಇದಕ್ಕೆ ವಿರುದ್ಧವಾಗಿ, ಸಾಂಕೇತಿಕ ವ್ಯವಸ್ಥೆಗಳು ಹೀಗೆ ಹೇಳುತ್ತವೆ: "ಏಕೆಂದರೆ A ಮತ್ತು B C ಅನ್ನು ಸೂಚಿಸುತ್ತವೆ, ಆದ್ದರಿಂದ C." ಸ್ವತಃ ವಿವರಿಸುವ ಆ ಸಾಮರ್ಥ್ಯವು ಹೆಚ್ಚಿನ ಪಣತೊಟ್ಟ ವಿಷಯಗಳಿಗೆ (ಔಷಧ, ಹಣಕಾಸು, ನ್ಯಾಯಾಲಯದ ಕೋಣೆಯೂ ಸಹ) ಒಂದು ಪ್ರಮುಖ ಅಂಶವಾಗಿದೆ, ಅಲ್ಲಿ ಯಾರಾದರೂ ಯಾವಾಗಲೂ ಪುರಾವೆ ಕೇಳುತ್ತಾರೆ [5].
ಸಣ್ಣ ಕಥೆ: ದೊಡ್ಡ ಬ್ಯಾಂಕಿನ ಅನುಸರಣಾ ತಂಡವು ನಿರ್ಬಂಧಗಳ ನೀತಿಗಳನ್ನು ನಿಯಮಗಳ ಎಂಜಿನ್‌ಗೆ ಎನ್‌ಕೋಡ್ ಮಾಡಿದೆ. "ಮೂಲ_ದೇಶ ∈ {X} ಮತ್ತು ಕಾಣೆಯಾದ_ಫಲಾನುಭವಿಯ_ಮಾಹಿತಿ → ಉಲ್ಬಣಗೊಂಡರೆ" ಎಂಬಂತಹ ವಿಷಯಗಳು. ಫಲಿತಾಂಶ? ಫ್ಲ್ಯಾಗ್ ಮಾಡಲಾದ ಪ್ರತಿಯೊಂದು ಪ್ರಕರಣವು ಪತ್ತೆಹಚ್ಚಬಹುದಾದ, ಮಾನವ-ಓದಬಲ್ಲ ತಾರ್ಕಿಕ ಸರಪಳಿಯೊಂದಿಗೆ ಬಂದಿತು. ಲೆಕ್ಕಪರಿಶೋಧಕರು ಇಷ್ಟಪಟ್ಟರು . ಅದು ಸಾಂಕೇತಿಕ AI ಯ ಸೂಪರ್ ಪವರ್ - ಪಾರದರ್ಶಕ, ಪರಿಶೀಲಿಸಬಹುದಾದ ಚಿಂತನೆ .
ತ್ವರಿತ ಹೋಲಿಕೆ ಕೋಷ್ಟಕ 📊
| ಪರಿಕರ / ವಿಧಾನ | ಇದನ್ನು ಯಾರು ಬಳಸುತ್ತಾರೆ | ವೆಚ್ಚದ ಶ್ರೇಣಿ | ಅದು ಏಕೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ (ಅಥವಾ ಮಾಡುವುದಿಲ್ಲ) |
|---|---|---|---|
| ಎಕ್ಸ್‌ಪರ್ಟ್ ಸಿಸ್ಟಮ್ಸ್ 🧠 | ವೈದ್ಯರು, ಎಂಜಿನಿಯರ್‌ಗಳು | ದುಬಾರಿ ಸೆಟಪ್ | ನಿಯಮ ಆಧಾರಿತ ತಾರ್ಕಿಕ ಕ್ರಿಯೆ ಅತ್ಯಂತ ಸ್ಪಷ್ಟ, ಆದರೆ ಸುಲಭ [1] |
| ಜ್ಞಾನ ಗ್ರಾಫ್‌ಗಳು 🌐 | ಸರ್ಚ್ ಇಂಜಿನ್ಗಳು, ಡೇಟಾ | ಮಿಶ್ರ ವೆಚ್ಚ | ಘಟಕಗಳು + ಸಂಬಂಧಗಳನ್ನು ಪ್ರಮಾಣದಲ್ಲಿ ಸಂಪರ್ಕಿಸುತ್ತದೆ [3] |
| ನಿಯಮ ಆಧಾರಿತ ಚಾಟ್‌ಬಾಟ್‌ಗಳು 💬 | ಗ್ರಾಹಕ ಸೇವೆ | ಕಡಿಮೆ–ಮಧ್ಯಮ | ಬೇಗನೆ ನಿರ್ಮಿಸಬಹುದು; ಆದರೆ ಸೂಕ್ಷ್ಮ ವ್ಯತ್ಯಾಸ? ಅಷ್ಟೊಂದು ಇಲ್ಲ. |
| ನರ-ಸಾಂಕೇತಿಕ AI ⚡ | ಸಂಶೋಧಕರು, ನವೋದ್ಯಮಗಳು | ಉನ್ನತ ಮಟ್ಟದ ಮುಂಭಾಗ | ತರ್ಕ + ML = ವಿವರಿಸಬಹುದಾದ ವಿನ್ಯಾಸ [4] |
ಸಾಂಕೇತಿಕ AI ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ (ಆಚರಣೆಯಲ್ಲಿ) 🛠️
ಅದರ ಮೂಲದಲ್ಲಿ, ಸಾಂಕೇತಿಕ AI ಕೇವಲ ಎರಡು ವಿಷಯಗಳು: ಚಿಹ್ನೆಗಳು (ಪರಿಕಲ್ಪನೆಗಳು) ಮತ್ತು ನಿಯಮಗಳು (ಆ ಪರಿಕಲ್ಪನೆಗಳು ಹೇಗೆ ಸಂಪರ್ಕಗೊಳ್ಳುತ್ತವೆ). ಉದಾಹರಣೆ:
-
ಚಿಹ್ನೆಗಳು:
ನಾಯಿ,ಪ್ರಾಣಿ,ಹ್ಯಾಸ್‌ಟೈಲ್ -
ನಿಯಮ: X ನಾಯಿಯಾಗಿದ್ದರೆ → X ಒಂದು ಪ್ರಾಣಿ.
ಇಲ್ಲಿಂದ, ನೀವು ಡಿಜಿಟಲ್ ಲೆಗೋ ತುಣುಕುಗಳಂತಹ ತರ್ಕ ಸರಪಳಿಗಳನ್ನು ನಿರ್ಮಿಸಲು ಪ್ರಾರಂಭಿಸಬಹುದು. ಕ್ಲಾಸಿಕ್ ಎಕ್ಸ್‌ಪರ್ಟ್ ಸಿಸ್ಟಮ್‌ಗಳು ಸತ್ಯಗಳನ್ನು ತ್ರಿವಳಿಗಳಲ್ಲಿ (ಗುಣಲಕ್ಷಣ–ವಸ್ತು–ಮೌಲ್ಯ) ಸಂಗ್ರಹಿಸಿವೆ ಮತ್ತು ಪ್ರಶ್ನೆಗಳನ್ನು ಹಂತ ಹಂತವಾಗಿ ಸಾಬೀತುಪಡಿಸಲು ಗುರಿ-ನಿರ್ದೇಶಿತ ನಿಯಮ ಇಂಟರ್ಪ್ರಿಟರ್ ಅನ್ನು
ಸಾಂಕೇತಿಕ AI ನ ನಿಜ ಜೀವನದ ಉದಾಹರಣೆಗಳು 🌍
-
MYCIN - ಸಾಂಕ್ರಾಮಿಕ ರೋಗಗಳಿಗೆ ವೈದ್ಯಕೀಯ ತಜ್ಞ ವ್ಯವಸ್ಥೆ. ನಿಯಮ ಆಧಾರಿತ, ವಿವರಣೆ ಸ್ನೇಹಿ [1].
-
ಡೆಂಡ್ರಲ್ - ಸ್ಪೆಕ್ಟ್ರೋಮೆಟ್ರಿ ದತ್ತಾಂಶದಿಂದ ಆಣ್ವಿಕ ರಚನೆಗಳನ್ನು ಊಹಿಸಿದ ಆರಂಭಿಕ ರಸಾಯನಶಾಸ್ತ್ರ AI [2].
-
ಗೂಗಲ್ ಜ್ಞಾನ ಗ್ರಾಫ್ - "ವಸ್ತುಗಳಲ್ಲ, ಸ್ಟ್ರಿಂಗ್‌ಗಳು" ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸಲು ಘಟಕಗಳು (ಜನರು, ಸ್ಥಳಗಳು, ವಸ್ತುಗಳು) + ಅವುಗಳ ಸಂಬಂಧಗಳನ್ನು ಮ್ಯಾಪಿಂಗ್ ಮಾಡುವುದು [3].
-
ನಿಯಮ ಆಧಾರಿತ ಬಾಟ್‌ಗಳು - ಗ್ರಾಹಕ ಬೆಂಬಲಕ್ಕಾಗಿ ಸ್ಕ್ರಿಪ್ಟ್ ಮಾಡಿದ ಹರಿವುಗಳು; ಸ್ಥಿರತೆಗೆ ದೃಢ, ಮುಕ್ತ ಚಿಟ್-ಚಾಟ್‌ಗೆ ದುರ್ಬಲ.
ಸಾಂಕೇತಿಕ AI ಏಕೆ ಎಡವಿತು (ಆದರೆ ಸಾಯಲಿಲ್ಲ) 📉➡️📈
ಸಾಂಕೇತಿಕ AI ಮೇಲಕ್ಕೆ ಬರುವುದು ಇಲ್ಲಿಯೇ: ಗೊಂದಲಮಯ, ಅಪೂರ್ಣ, ವಿರೋಧಾತ್ಮಕ ನೈಜ ಪ್ರಪಂಚ. ಬೃಹತ್ ನಿಯಮಗಳ ನೆಲೆಯನ್ನು ಕಾಪಾಡಿಕೊಳ್ಳುವುದು ಆಯಾಸಕರ, ಮತ್ತು ದುರ್ಬಲ ನಿಯಮಗಳು ಮುರಿಯುವವರೆಗೂ ಬಲೂನ್ ಆಗಬಹುದು.
ಆದರೂ - ಅದು ಎಂದಿಗೂ ಸಂಪೂರ್ಣವಾಗಿ ಹೋಗಲಿಲ್ಲ. ನರ-ಸಾಂಕೇತಿಕ AI ಅನ್ನು : ನರ ಜಾಲಗಳನ್ನು (ಗ್ರಹಿಕೆಯಲ್ಲಿ ಉತ್ತಮ) ಸಾಂಕೇತಿಕ ತರ್ಕದೊಂದಿಗೆ (ತಾರ್ಕಿಕತೆಯಲ್ಲಿ ಉತ್ತಮ) ಮಿಶ್ರಣ ಮಾಡಿ. ಇದನ್ನು ರಿಲೇ ತಂಡದಂತೆಯೇ ಯೋಚಿಸಿ: ನರ ಭಾಗವು ನಿಲುಗಡೆ ಚಿಹ್ನೆಯನ್ನು ಗುರುತಿಸುತ್ತದೆ, ನಂತರ ಸಾಂಕೇತಿಕ ಭಾಗವು ಸಂಚಾರ ಕಾನೂನಿನ ಅಡಿಯಲ್ಲಿ ಅದರ ಅರ್ಥವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತದೆ. ಆ ಸಂಯೋಜನೆಯು ಚುರುಕಾದ ಮತ್ತು ವಿವರಿಸಬಹುದಾದ [4][5].
ಸಾಂಕೇತಿಕ AI ನ ಸಾಮರ್ಥ್ಯಗಳು 💡
-
ಪಾರದರ್ಶಕ ತರ್ಕ : ನೀವು ಪ್ರತಿ ಹಂತವನ್ನೂ ಅನುಸರಿಸಬಹುದು [1][5].
-
ನಿಯಮ-ಸ್ನೇಹಿ : ನೀತಿಗಳು ಮತ್ತು ಕಾನೂನು ನಿಯಮಗಳಿಗೆ ಸ್ಪಷ್ಟವಾಗಿ ನಕ್ಷೆ ಹಾಕುತ್ತದೆ [5].
-
ಮಾಡ್ಯುಲರ್ ನಿರ್ವಹಣೆ : ಸಂಪೂರ್ಣ ದೈತ್ಯಾಕಾರದ ಮಾದರಿಯನ್ನು ಮರುತರಬೇತಿಗೊಳಿಸದೆಯೇ ನೀವು ಒಂದು ನಿಯಮವನ್ನು ತಿರುಚಬಹುದು [1].
ಸಾಂಕೇತಿಕ AI ನ ದೌರ್ಬಲ್ಯಗಳು ⚠️
-
ಗ್ರಹಿಕೆಯಲ್ಲಿ ಭಯಾನಕ : ಚಿತ್ರಗಳು, ಆಡಿಯೋ, ಗೊಂದಲಮಯ ಪಠ್ಯ - ನರ ಜಾಲಗಳು ಇಲ್ಲಿ ಪ್ರಾಬಲ್ಯ ಹೊಂದಿವೆ.
-
ನೋವುಗಳನ್ನು ಅಳೆಯುವುದು : ತಜ್ಞರ ನಿಯಮಗಳನ್ನು ಹೊರತೆಗೆಯುವುದು ಮತ್ತು ನವೀಕರಿಸುವುದು ಬೇಸರದ ಸಂಗತಿ [2].
-
ಬಿಗಿತ : ನಿಯಮಗಳು ಅವರ ವಲಯದ ಹೊರಗೆ ಮುರಿಯುತ್ತವೆ; ಅನಿಶ್ಚಿತತೆಯನ್ನು ಸೆರೆಹಿಡಿಯುವುದು ಕಷ್ಟ (ಕೆಲವು ವ್ಯವಸ್ಥೆಗಳು ಭಾಗಶಃ ಪರಿಹಾರಗಳನ್ನು ಹ್ಯಾಕ್ ಮಾಡಿದರೂ) [1].
ಸಾಂಕೇತಿಕ AI ಗಾಗಿ ಮುಂದಿನ ಹಾದಿ 🚀
ಭವಿಷ್ಯವು ಬಹುಶಃ ಶುದ್ಧ ಸಾಂಕೇತಿಕ ಅಥವಾ ಶುದ್ಧ ನರಮಂಡಲವಲ್ಲ. ಇದು ಮಿಶ್ರತಳಿ. ಕಲ್ಪಿಸಿಕೊಳ್ಳಿ:
-
ನರ → ಕಚ್ಚಾ ಪಿಕ್ಸೆಲ್‌ಗಳು/ಪಠ್ಯ/ಆಡಿಯೊದಿಂದ ಮಾದರಿಗಳನ್ನು ಹೊರತೆಗೆಯುತ್ತದೆ.
-
ನರ-ಸಾಂಕೇತಿಕ → ಮಾದರಿಗಳನ್ನು ರಚನಾತ್ಮಕ ಪರಿಕಲ್ಪನೆಗಳಾಗಿ ಎತ್ತುತ್ತದೆ.
-
ಸಾಂಕೇತಿಕ → ನಿಯಮಗಳು, ನಿರ್ಬಂಧಗಳನ್ನು ಅನ್ವಯಿಸುತ್ತದೆ ಮತ್ತು ನಂತರ - ಮುಖ್ಯವಾಗಿ - ವಿವರಿಸುತ್ತದೆ .
ಯಂತ್ರಗಳು ಮಾನವ ತಾರ್ಕಿಕತೆಯನ್ನು ಹೋಲಲು ಪ್ರಾರಂಭಿಸುವ ಲೂಪ್ ಅದು: ನೋಡಿ, ರಚನೆ, ಸಮರ್ಥನೆ [4][5].
ಅದನ್ನು ಸುತ್ತುವುದು 📝
ಹಾಗಾಗಿ, ಸಾಂಕೇತಿಕ AI: ಇದು ತರ್ಕ-ಚಾಲಿತ, ನಿಯಮ-ಆಧಾರಿತ, ವಿವರಣೆ-ಸಿದ್ಧವಾಗಿದೆ. ಆಕರ್ಷಕವಾಗಿಲ್ಲ, ಆದರೆ ಆಳವಾದ ಜಾಲಗಳು ಇನ್ನೂ ಸಾಧ್ಯವಾಗದ ಯಾವುದನ್ನಾದರೂ ಅದು ಹೊಡೆಯುತ್ತದೆ: ಸ್ಪಷ್ಟ, ಆಡಿಟ್ ಮಾಡಬಹುದಾದ ತಾರ್ಕಿಕತೆ . ಸ್ಮಾರ್ಟ್ ಬೆಟ್? ಎರಡೂ ಶಿಬಿರಗಳಿಂದ ಎರವಲು ಪಡೆಯುವ ವ್ಯವಸ್ಥೆಗಳು - ಗ್ರಹಿಕೆ ಮತ್ತು ಪ್ರಮಾಣಕ್ಕಾಗಿ ನರ ಜಾಲಗಳು, ತಾರ್ಕಿಕತೆ ಮತ್ತು ನಂಬಿಕೆಗೆ ಸಾಂಕೇತಿಕ [4][5].
ಮೆಟಾ ವಿವರಣೆ: ಸಾಂಕೇತಿಕ AI ವಿವರಿಸಲಾಗಿದೆ - ನಿಯಮ ಆಧಾರಿತ ವ್ಯವಸ್ಥೆಗಳು, ಸಾಮರ್ಥ್ಯಗಳು/ದೌರ್ಬಲ್ಯಗಳು ಮತ್ತು ನರ-ಸಾಂಕೇತಿಕ (ತರ್ಕ + ML) ಏಕೆ ಮುಂದಿನ ಹಾದಿಯಾಗಿದೆ.
ಹ್ಯಾಶ್‌ಟ್ಯಾಗ್‌ಗಳು:
#ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ 🤖 #ಸಾಂಕೇತಿಕAI 🧩 #ಯಂತ್ರ ಕಲಿಕೆ #ನರಸಾಂಕೇತಿಕAI ⚡ #ತಂತ್ರಜ್ಞಾನ ವಿವರಿಸಲಾಗಿದೆ #ಜ್ಞಾನ ಪ್ರಾತಿನಿಧ್ಯ #AI ಒಳನೋಟಗಳು #AI ನ ಭವಿಷ್ಯ
ಉಲ್ಲೇಖಗಳು
[1] ಬುಕಾನನ್, ಬಿಜಿ, & ಶಾರ್ಟ್‌ಲಿಫ್, ಇಹೆಚ್ ನಿಯಮ-ಆಧಾರಿತ ತಜ್ಞ ವ್ಯವಸ್ಥೆಗಳು: ಸ್ಟ್ಯಾನ್‌ಫೋರ್ಡ್ ಹ್ಯೂರಿಸ್ಟಿಕ್ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಯೋಜನೆಯ MYCIN ಪ್ರಯೋಗಗಳು , ಅಧ್ಯಾಯ 15. PDF
[2] ಲಿಂಡ್ಸೆ, ಆರ್ಕೆ, ಬುಕಾನನ್, ಬಿಜಿ, ಫೀಗೆನ್‌ಬಾಮ್, ಇಎ, & ಲೆಡರ್‌ಬರ್ಗ್, ಜೆ. “ಡೆಂಡ್ರಲ್: ವೈಜ್ಞಾನಿಕ ಊಹೆಯ ರಚನೆಗಾಗಿ ಮೊದಲ ತಜ್ಞರ ವ್ಯವಸ್ಥೆಯ ಪ್ರಕರಣ ಅಧ್ಯಯನ.” ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ 61 (1993): 209–261. ಪಿಡಿಎಫ್
[3] ಗೂಗಲ್. “ಜ್ಞಾನ ಗ್ರಾಫ್ ಅನ್ನು ಪರಿಚಯಿಸಲಾಗುತ್ತಿದೆ: ವಸ್ತುಗಳು, ಸ್ಟ್ರಿಂಗ್‌ಗಳಲ್ಲ.” ಅಧಿಕೃತ ಗೂಗಲ್ ಬ್ಲಾಗ್ (ಮೇ 16, 2012). ಲಿಂಕ್
[4] ಮನ್ರೋ, ಡಿ. “ನರಸಂಕೇತ AI.” ACM ನ ಸಂವಹನಗಳು (ಅಕ್ಟೋಬರ್ 2022). DOI
[5] ಸಹೋಹ್, ಬಿ., ಮತ್ತು ಇತರರು. “ಹೆಚ್ಚಿನ-ಹಕ್ಕಿನ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವಲ್ಲಿ ವಿವರಿಸಬಹುದಾದ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಪಾತ್ರ: ಒಂದು ವಿಮರ್ಶೆ.” ಪ್ಯಾಟರ್ನ್ಸ್ (2023). ಪಬ್‌ಮೆಡ್ ಸೆಂಟ್ರಲ್. ಲಿಂಕ್