Réponse rapide
L’IA symbolique manipule règles, concepts et relations explicites ; l’apprentissage statistique ajuste une représentation à partir d’exemples, avec des compromis différents entre explicabilité, adaptation et données.
Symbolique
Règles, contraintes, planificateurs et ontologies sont lisibles et modifiables, mais demandent une modélisation du domaine et gèrent mal certaines perceptions ambiguës.
Statistique
Un modèle apprend motifs et corrélations à partir de données, ce qui aide vision, parole et prédiction, mais introduit dépendance au jeu, incertitude et erreurs hors domaine.
Combiner
Une architecture hybride peut utiliser perception apprise, règles de sécurité et planification explicite. Les responsabilités de chaque bloc restent vérifiables.
Sources et références
- [1] Robotics and Autonomous Systems — NIST