stringtranslate.com

Нейросимволический ИИ

Нейро-символический ИИ — это тип искусственного интеллекта , который объединяет нейронные и символические архитектуры ИИ для устранения недостатков каждого из них, обеспечивая надежный ИИ, способный рассуждать , обучаться и когнитивно моделировать . Как утверждают Лесли Валиант [1] и другие, [2] [3], эффективное построение богатых вычислительных когнитивных моделей требует сочетания символического мышления и эффективного машинного обучения . Гэри Маркус утверждал: «Мы не можем построить богатые когнитивные модели адекватным и автоматизированным способом без триумвирата гибридной архитектуры, богатых предварительных знаний и сложных методов рассуждения». [4] Далее: «Чтобы построить надежный, основанный на знаниях подход к ИИ, мы должны иметь в нашем наборе инструментов механизм манипулирования символами. Слишком много полезных знаний абстрактны, чтобы действовать без инструментов, которые представляют и манипулируют абстракцией, и на сегодняшний день Единственным известным механизмом, который может надежно манипулировать таким абстрактным знанием, является аппарат манипулирования символами». [5]

Генри Каутц , [6] Франческа Росси , [7] и Барт Селман [8] также выступали за синтез. Их аргументы пытаются обратиться к двум видам мышления, о которых говорится в книге Дэниела Канемана « Думай быстро и медленно» . Он описывает познание как включающее два компонента: Система 1 — быстрая, рефлексивная, интуитивная и бессознательная. Система 2 более медленная, пошаговая и явная. Система 1 используется для распознавания образов . Система 2 отвечает за планирование, дедукцию и обдуманное мышление. С этой точки зрения, глубокое обучение лучше всего справляется с первым типом познания, а символическое рассуждение лучше всего справляется со вторым типом. И то, и другое необходимо для создания мощного и надежного ИИ, который сможет учиться, рассуждать и взаимодействовать с людьми, принимать советы и отвечать на вопросы. Такие модели двойного процесса с явными ссылками на две контрастирующие системы разрабатывались с 1990-х годов многими исследователями как в области искусственного интеллекта, так и в когнитивной науке. [9]

Подходы

Подходы к интеграции разнообразны. Таксономия нейросимволических архитектур Генри Каутца [10] вместе с некоторыми примерами выглядит следующим образом:

Эти категории не являются исчерпывающими, поскольку не учитывают мультиагентные системы. В 2005 году Бадер и Хитцлер представили более детальную категоризацию, которая учитывала, например, включает ли использование символов логику, и если да, то является ли эта логика пропозициональной или логикой первого порядка. [14] Категоризация 2005 года и приведенная выше таксономия Каутца сравниваются и противопоставляются в статье 2021 года. [10] Недавно Зепп Хохрайтер заявил, что графовые нейронные сети «...являются преобладающими моделями нейронно-символических вычислений» [15], поскольку «[т]они описывают свойства молекул, моделируют социальные сети или предсказывают будущие состояния в физические и инженерные приложения с взаимодействием частиц». [16]

Общий искусственный интеллект

Гэри Маркус утверждает, что «...гибридные архитектуры, сочетающие обучение и манипулирование символами, необходимы для надежного интеллекта, но недостаточны» [17] и что существуют

...четыре когнитивных предпосылки для создания надежного искусственного интеллекта:

Это перекликается с более ранними призывами к созданию гибридных моделей еще в 1990-х годах. [19] [20]

История

Гарсез и Лэмб описали, что исследования в этой области продолжаются, по крайней мере, с 1990-х годов. [21] [22]

Серия семинаров по нейросимволическому искусственному интеллекту проводится ежегодно с 2005 года. Нейро-символический искусственный интеллект. [23] В начале 1990-х годов были организованы первые семинары по этой теме. [19]

Исследовать

Остаются ключевые вопросы исследования [24] , такие как:

Реализации

Реализация нейросимволических подходов включает в себя:

Цитаты

  1. ^ Валиант 2008.
  2. ^ Гарсез и др. 2015.
  3. ^ Гарсес, Артур д'Авила; Лэмб, Луис К.; Габбай, Дов М. (2009). Нейросимволическое когнитивное мышление. Бибкод : 2009nscr.book.....D. дои : 10.1007/978-3-540-73246-4. ISBN 978-3-540-73245-7. ISSN  1611-2482. {{cite book}}: |journal=игнорируется ( помощь )
  4. ^ Маркус 2020, с. 44.
  5. ^ Маркус и Дэвис 2019, с. 17.
  6. ^ Каутц 2020.
  7. ^ Росси 2022.
  8. ^ Селман 2022.
  9. ^ Вс 1995.
  10. ^ аб Саркер, доктор Камруззаман; Чжоу, Лу; Эберхарт, Аарон; Хитцлер, Паскаль (2021). «Нейро-символический искусственный интеллект: современные тенденции». AI-коммуникации . 34 (3): 197–209. doi : 10.3233/AIC-210084. S2CID  239199144.
  11. ^ Мао и др. 2019.
  12. ^ Роктешель, Тим; Ридель, Себастьян (2016). «Изучение вывода из базы знаний с помощью средств доказательства нейронных теорем». Материалы 5-го семинара по автоматизированному построению баз знаний . Сан-Диего, Калифорния: Ассоциация компьютерной лингвистики. стр. 45–50. дои : 10.18653/v1/W16-1309 . Проверено 6 августа 2022 г.
  13. ^ Серафини, Лучано; Гарсез, Артур д'Авила (2016). «Логические тензорные сети: глубокое обучение и логические рассуждения на основе данных и знаний». arXiv : 1606.04422 [cs.AI].
  14. ^ Бадер и Хитцлер 2005.
  15. ^ LC Lamb, AS d'Avila Garcez, M.Gori, MOR Prates, PHC Avelar, MY Vardi (2020). «Графовые нейронные сети встречаются с нейронно-символическими вычислениями: обзор и перспективы ». КоРР абс/2003.00330 (2020)
  16. ^ Хохрейтер, Зепп (апрель 2022 г.). «На пути к широкому ИИ». Коммуникации АКМ . 65 (4): 56–57. дои : 10.1145/3512715. ISSN  0001-0782.
  17. ^ Маркус 2020, с. 50.
  18. ^ Маркус 2020, с. 48.
  19. ^ ab Sun & Bookman 1994.
  20. ^ Хонавар 1995.
  21. ^ Гарсез и Лэмб 2020, с. 2.
  22. ^ Гарсез и др. 2002.
  23. ^ «Нейро-символический искусственный интеллект». люди.cs.ksu.edu . Проверено 11 сентября 2023 г.
  24. ^ Вс 2001.
  25. ^ Ли, Цзыян; Хуан, Цзяни; Наик, Маюр (2023). «Гребешок: язык нейросимволического программирования». arXiv : 2304.04812 [cs.PL].
  26. ^ «Метод индукции модели для объяснимого ИИ» . ВПТЗ США. 06.05.2021.

Рекомендации

Смотрите также

Внешние ссылки