stringtranslate.com

IA neurosimbólica

La IA neurosimbólica es un tipo de inteligencia artificial que integra arquitecturas de IA neuronal y simbólica para abordar las debilidades de cada una, proporcionando una IA robusta capaz de razonar , aprender y modelar cognitivamente . Como argumentan Leslie Valiant [1] y otros, [2] [3] la construcción eficaz de modelos cognitivos computacionales ricos exige la combinación de razonamiento simbólico y aprendizaje automático eficiente . Gary Marcus , argumentó: "No podemos construir modelos cognitivos ricos de una manera adecuada y automatizada sin el triunvirato de la arquitectura híbrida, el conocimiento previo rico y las técnicas sofisticadas de razonamiento". [4] Además, "Para construir un enfoque de IA sólido y basado en el conocimiento, debemos tener la maquinaria de manipulación de símbolos en nuestro conjunto de herramientas. Demasiado conocimiento útil es abstracto como para proceder sin herramientas que representen y manipulen la abstracción, y hasta la fecha, el La única maquinaria conocida que puede manipular de forma fiable ese conocimiento abstracto es el aparato de manipulación de símbolos. [5]

Henry Kautz , [6] Francesca Rossi , [7] y Bart Selman [8] también abogaron por una síntesis. Sus argumentos intentan abordar los dos tipos de pensamiento, como se analiza en el libro de Daniel Kahneman Thinking Fast and Slow . Describe que la cognición abarca dos componentes: el Sistema 1 es rápido, reflexivo, intuitivo e inconsciente. El sistema 2 es más lento, paso a paso y explícito. El sistema 1 se utiliza para el reconocimiento de patrones . El Sistema 2 maneja la planificación, la deducción y el pensamiento deliberativo. Desde este punto de vista, el aprendizaje profundo maneja mejor el primer tipo de cognición, mientras que el razonamiento simbólico maneja mejor el segundo tipo. Ambos son necesarios para una IA sólida y confiable que pueda aprender, razonar e interactuar con humanos para aceptar consejos y responder preguntas. Múltiples investigadores han trabajado en estos modelos de proceso dual con referencias explícitas a los dos sistemas contrastantes desde la década de 1990, tanto en IA como en ciencia cognitiva. [9]

Enfoques

Los enfoques para la integración son diversos. La taxonomía de arquitecturas neurosimbólicas de Henry Kautz , [10] junto con algunos ejemplos, es la siguiente:

Estas categorías no son exhaustivas, ya que no consideran sistemas multiagente. En 2005, Bader y Hitzler presentaron una categorización más detallada que consideraba, por ejemplo, si el uso de símbolos incluía lógica y, si la incluía, si la lógica era proposicional o de primer orden. [14] La categorización de 2005 y la taxonomía de Kautz anterior se comparan y contrastan en un artículo de 2021. [10] Recientemente, Sepp Hochreiter argumentó que las redes neuronales gráficas "...son los modelos predominantes de la computación neuronal-simbólica" [15] ya que "describen las propiedades de las moléculas, simulan redes sociales o predicen estados futuros en Aplicaciones físicas y de ingeniería con interacciones entre partículas. [dieciséis]

Inteligencia artificial general

Gary Marcus sostiene que "... las arquitecturas híbridas que combinan el aprendizaje y la manipulación de símbolos son necesarias para una inteligencia robusta, pero no suficientes", [17] y que existen

...cuatro prerrequisitos cognitivos para construir una inteligencia artificial sólida:

Esto se hace eco de llamados anteriores a favor de modelos híbridos, ya en la década de 1990. [19] [20]

Historia

Garcez y Lamb describieron que la investigación en esta área continúa al menos desde la década de 1990. [21] [22] En ese momento, los términos IA simbólica y subsimbólica eran populares.

Desde 2005 se lleva a cabo anualmente una serie de talleres sobre IA neurosimbólica. Inteligencia artificial neurosimbólica. [23] A principios de la década de 1990, se organizó una serie inicial de talleres sobre este tema. [19]

Investigación

Quedan preguntas clave de investigación, [24] tales como:

Implementaciones

Las implementaciones de enfoques neurosimbólicos incluyen:

Citas

  1. ^ Valiente 2008.
  2. ^ Garcez y col. 2015.
  3. ^ D'Ávila Garcez, Artur S.; Cordero, Luis C.; Gabbay, Dov M. (2009). Razonamiento cognitivo neuronal-simbólico . Tecnologías cognitivas. Saltador. ISBN 978-3-540-73245-7.
  4. ^ Marco 2020, pag. 44.
  5. ^ Marcus y Davis 2019, pag. 17.
  6. ^ Kautz 2020.
  7. ^ Rossi 2022.
  8. ^ Selman 2022.
  9. ^ Sol de 1995.
  10. ^ ab Sarker, doctor Kamruzzaman; Zhou, Lu; Eberhart, Aarón; Hitzler, Pascal (2021). "Inteligencia artificial neurosimbólica: tendencias actuales". Comunicaciones de IA . 34 (3): 197–209. doi :10.3233/AIC-210084. S2CID  239199144.
  11. ^ Mao y otros. 2019.
  12. ^ Rocktäschel, Tim; Riedel, Sebastián (2016). "Aprendizaje de la inferencia de la base de conocimientos con demostradores de teoremas neuronales". Actas del quinto taller sobre construcción automatizada de bases de conocimientos . San Diego, CA: Asociación de Lingüística Computacional. págs. 45–50. doi : 10.18653/v1/W16-1309 . Consultado el 6 de agosto de 2022 .
  13. ^ Serafini, Luciano; Garcez, Artur d'Ávila (2016). "Redes tensoriales lógicas: aprendizaje profundo y razonamiento lógico a partir de datos y conocimiento". arXiv : 1606.04422 [cs.AI].
  14. ^ Bader y Hitzler 2005.
  15. ^ LC Lamb, AS d'Avila Garcez, M.Gori, MOR Prates, PHC Avelar, MY Vardi (2020). "Las redes neuronales gráficas se encuentran con la computación neuronal-simbólica: una encuesta y una perspectiva ". CoRRabs/2003.00330 (2020)
  16. ^ Hochreiter, Sepp (abril de 2022). "Hacia una IA amplia". Comunicaciones de la ACM . 65 (4): 56–57. doi :10.1145/3512715. ISSN  0001-0782.
  17. ^ Marco 2020, pag. 50.
  18. ^ Marco 2020, pag. 48.
  19. ^ ab Sun y Bookman 1994.
  20. ^ Honavar 1995.
  21. ^ Garcez y Cordero 2020, pag. 2.
  22. ^ Garcez y col. 2002.
  23. ^ "Inteligencia artificial neurosimbólica". gente.cs.ksu.edu . Consultado el 11 de septiembre de 2023 .
  24. ^ Sol de 2001.
  25. ^ Harper, Jelani (29 de diciembre de 2023). "AllegroGraph 8.0 incorpora IA neurosimbólica, un camino hacia AGI". La nueva pila . Consultado el 13 de junio de 2024 .
  26. ^ "Introducción a la IA neurosimbólica y los modelos de lenguaje grandes | AllegroGraph 8.1.1". franz.com . Consultado el 13 de junio de 2024 .
  27. ^ "Franz Inc. presenta AllegroGraph Cloud: un servicio administrado para gráficos de conocimiento de IA neurosimbólica". Datanami . Consultado el 13 de junio de 2024 .
  28. ^ Li, Ziyang; Huang, Jiani; Naik, Mayur (2023). "Scallop: un lenguaje para la programación neurosimbólica". arXiv : 2304.04812 [cs.PL].
  29. ^ "Método de inducción de modelos para IA explicable". USPTO. 2021-05-06.

Referencias

Ver también

enlaces externos