Ի՞նչ է խորհրդանշական արհեստական ​​բանականությունը։ Ամեն ինչ, ինչ դուք պետք է իմանաք։

Այսօր, երբ մարդիկ խոսում են արհեստական ​​բանականության մասին, զրույցը գրեթե միշտ անցնում է չաթբոտների, որոնք տարօրինակ մարդկային են հնչում, տվյալների մշակման հսկայական նեյրոնային ցանցերի կամ պատկերների ճանաչման այն համակարգերին, որոնք կատուներին ավելի լավ են տարբերակում, քան որոշ հոգնած մարդիկ կարող էին։ Բայց այդ աղմուկից շատ առաջ կար խորհրդանշական արհեստական ​​բանականությունը ։ Եվ տարօրինակ կերպով՝ այն դեռ կա, դեռևս օգտակար։ Այն հիմնականում համակարգիչներին սովորեցնելու մասին է, ինչպես մարդիկ են անում՝ օգտագործելով խորհրդանիշներ, տրամաբանություն և կանոններ ։ Հնաոճ՞։ Գուցե։ Բայց «սև արկղի» արհեստական ​​բանականությամբ տարված աշխարհում խորհրդանշական արհեստական ​​բանականության պարզությունը մի փոքր թարմացնող է թվում [1]:

Հոդվածներ, որոնք կարող են ձեզ դուր գալ կարդալ սրանից հետո.

🔗 Ի՞նչ է արհեստական ​​բանականության մարզիչը
Բացատրում է ժամանակակից արհեստական ​​բանականության մարզիչների դերն ու պարտականությունները։

🔗 Արդյո՞ք տվյալագիտությունը կփոխարինվի արհեստական ​​բանականությամբ
Ուսումնասիրում է, թե արդյոք արհեստական ​​բանականության առաջընթացը սպառնում է տվյալագիտության ոլորտում կարիերային։

🔗 Որտեղի՞ց է արհեստական ​​բանականությունը ստանում իր տեղեկատվությունը
Բաշխում է այն աղբյուրները, որոնք արհեստական ​​բանականության մոդելներն օգտագործում են սովորելու և հարմարվելու համար։

Սիմվոլիկ արհեստական ​​բանականության հիմունքներ✨

Ահա թե ինչն է խնդիրը. խորհրդանշական արհեստական ​​բանականությունը կառուցված է պարզության : Դուք կարող եք հետևել տրամաբանությանը, խորանալ կանոնների մեջ և բառացիորեն տեսնել, թե ինչու է մեքենան ասել այն, ինչ արել է: Համեմատեք դա նեյրոնային ցանցի հետ, որը պարզապես պատասխան է տալիս. դա նման է դեռահասին հարցնելուն՝ «ինչո՞ւ» և ստանալ ուսի թոթվել: Ի տարբերություն դրա, խորհրդանշական համակարգերը կասեն. «Որովհետև A-ն և B-ն ենթադրում են C, հետևաբար C»: Ինքն իրեն բացատրելու այդ ունակությունը խաղի կանոնները փոխող է բարձր խաղադրույքներով բաների համար (բժշկություն, ֆինանսներ, նույնիսկ դատարան), որտեղ ինչ-որ մեկը միշտ ապացույցներ է պահանջում [5]:

Փոքր պատմություն. խոշոր բանկի համապատասխանության թիմը կոդավորել է պատժամիջոցների քաղաքականությունը կանոնների շարժիչի մեջ: Օրինակ՝ «եթե ծագման_երկիրը ∈ {X} և բացակայող_օգտատիրոջ_տեղեկատվությունը → սրվում են»: Արդյունքը՞: Յուրաքանչյուր նշված դեպք ուղեկցվում էր հետևելի, մարդու կողմից ընթեռնելի դատողությունների շղթայով: Աուդիտորներին դուր եկավ դա: Սա է Symbolic AI-ի գերուժը՝ թափանցիկ, ստուգվող մտածողությունը :

Համեմատական ​​աղյուսակ 📊

Ինչպես է աշխատում խորհրդանշական արհեստական ​​բանականությունը (գործնականում) 🛠️

Իր էությամբ, խորհրդանշական արհեստական ​​բանականությունը բաղկացած է ընդամենը երկու բանից՝ խորհրդանիշներ (հասկացություններ) և կանոններ (ինչպես են այդ հասկացությունները կապված միմյանց հետ): Օրինակ՝

• Խորհրդանիշներ՝ շուն , կենդանի , պոչ ունեցող

• Կանոն՝ Եթե X-ը շուն է → X-ը կենդանի է։

Այստեղից կարող եք սկսել կառուցել տրամաբանական շղթաներ՝ ինչպես թվային LEGO կտորները: Դասական փորձագիտական ​​համակարգերը նույնիսկ պահպանում էին փաստերը եռյակներով (ատրիբուտ-օբյեկտ-արժեք) և օգտագործում էին նպատակային կանոնների մեկնաբանիչ՝ հարցումները քայլ առ քայլ ապացուցելու համար [1]:

Խորհրդանշական արհեստական ​​բանականության իրական կյանքի օրինակներ 🌍

1. MYCIN - վարակիչ հիվանդությունների բժշկական փորձագիտական ​​համակարգ։ Կանոնների վրա հիմնված, բացատրություններին հարմար [1]:

2. DENDRAL - վաղ քիմիայի արհեստական ​​բանականություն, որը սպեկտրոմետրիկ տվյալներից կռահում էր մոլեկուլային կառուցվածքները [2]:

3. Google Knowledge Graph - միավորների (մարդկանց, վայրերի, իրերի) + դրանց հարաբերությունների քարտեզագրում՝ «իրերի, ոչ թե տողերի» հարցումներին պատասխանելու համար [3]:

4. Կանոնների վրա հիմնված բոտեր ՝ սկրիպտային հոսքեր հաճախորդների սպասարկման համար. կայուն՝ հետևողականության, թույլ՝ բաց զրույցի համար։

Ինչու՞ սիմվոլիկ արհեստական ​​բանականությունը սայթաքեց (բայց չմահացավ) 📉➡️📈

Ահա թե որտեղ է խորհրդանշական արհեստական ​​բանականությունը խափանվում. խառնաշփոթ, թերի, հակասական իրական աշխարհում: Հսկայական կանոնների բազա պահպանելը հոգնեցուցիչ է, իսկ փխրուն կանոնները կարող են փչանալ մինչև խախտվելը:

Այնուամենայնիվ, այն երբեք լիովին չի անհետացել: Մտածեք նեյրո-խորհրդանշական արհեստական ​​բանականության մասին. խառնեք նեյրոնային ցանցերը (լավ են ընկալում) խորհրդանշական տրամաբանության հետ (լավ են դատում): Պատկերացրեք դա որպես փոխանցման թիմ. նեյրոնային մասը նկատում է կանգառի նշանը, ապա խորհրդանշական մասը պարզում է, թե ինչ է դա նշանակում երթևեկության կանոնների համաձայն: Այս համադրությունը խոստանում է և բացատրելի համակարգեր [4][5]:

Սիմվոլիկ արհեստական ​​բանականության ուժեղ կողմերը 💡

• Թափանցիկ տրամաբանություն . դուք կարող եք հետևել յուրաքանչյուր քայլին [1][5]:

• Հարմար է կարգավորմանը . հստակ համապատասխանում է քաղաքականությանը և իրավական կանոններին [5]:

• Մոդուլային սպասարկում . դուք կարող եք փոփոխել մեկ կանոն՝ առանց ամբողջ հրեշի մոդելը վերավարժեցնելու [1]:

Սիմվոլիկ արհեստական ​​բանականության թույլ կողմերը ⚠️

• Սարսափելի է ընկալման առումով . պատկերներ, աուդիո, անկարգ տեքստ՝ այստեղ գերակշռում են նեյրոնային ցանցերը։

• Մասշտաբավորման դժվարություններ . փորձագիտական ​​կանոնների արդյունահանումն ու թարմացումը ձանձրալի է [2]:

• Կոշտություն . կանոնները խախտում են իրենց գոտուց դուրս. անորոշությունը դժվար է արտացոլել (չնայած որոշ համակարգեր կոտրել են մասնակի շտկումները) [1]:

Խորհրդանշական արհեստական ​​բանականության առջև ծառացած ճանապարհը 🚀

Ապագան, հավանաբար, մաքուր խորհրդանշական կամ մաքուր նեյրոնային չէ։ Այն հիբրիդային է։ Պատկերացրեք՝

1. Նեյրոնային → արդյունահանում է նախշեր հում պիքսելներից/տեքստից/ձայնից։

2. Նեյրոսիմվոլիկ → օրինաչափությունները վերածում է կառուցվածքային հասկացությունների։

3. Խորհրդանշական → կիրառում է կանոններ, սահմանափակումներ, ապա՝ ամենակարևորը՝ բացատրում է ։

Ահա այն ցիկլը, որտեղ մեքենաները սկսում են նմանվել մարդկային դատողությանը՝ տե՛ս, կառուցե՛ք, արդարացրե՛ք [4][5]:

Ամփոփելով 📝

Այսպիսով, խորհրդանշական արհեստական ​​բանականություն. այն տրամաբանորեն է առաջնորդվում, կանոնների վրա հիմնված, բացատրություններին պատրաստ։ Ոչ թե աչքի ընկնող, բայց այն խոցում է մի բան, որը խորը ցանցերը դեռ չեն կարողանում՝ հստակ, լսելի դատողություն ։ Խելացի խաղադրույքը՞։ Համակարգեր, որոնք փոխառում են երկու ճամբարներից՝ նեյրոնային ցանցեր ընկալման և մասշտաբի համար, խորհրդանշական՝ դատողության և վստահության համար [4][5]:

Մետա նկարագրություն. Սիմվոլիկ արհեստական ​​բանականության բացատրություն՝ կանոնների վրա հիմնված համակարգեր, ուժեղ/թույլ կողմեր, և թե ինչու է նեյրոսիմվոլիկ (տրամաբանություն + մեքենայական ուսուցում) առաջ շարժվելու ուղին։

Հեշթեգեր՝
#ԱրհեստականԻնտելեկտ 🤖 #ԽորհրդանշականԱրհեստականԲանականություն 🧩 #ՄեքենայականՈւսուցում #ՆեյրոսիմբոլիկԱրհեստականԲանականություն ⚡ #ՏեխնոլոգիաներիԲացատրություն #ԳիտելիքներիՆերկայացում #ԱրհեստականԲանականությանՄտածողություններ #ԱրհեստականԲանականությանԱպագան

Հղումներ

[1] Բյուքենեն, Բ.Գ., և Շորթլիֆ, Է.Հ. Կանոնների վրա հիմնված փորձագիտական ​​համակարգեր. Սթենֆորդի հևրիստիկ ծրագրավորման նախագծի MYCIN փորձերը , Գլուխ 15. PDF

[2] Լինդսեյ, Ռ.Կ., Բյուքենեն, Բ.Գ., Ֆեյգենբաում, Ե.Ա. և Լեդերբերգ, Ջ. «ԴԵՆԴՐԱԼ. գիտական ​​​​հիպոթեզների ձևավորման առաջին փորձագիտական ​​​​համակարգի դեպքի ուսումնասիրություն»: Արհեստական ​​​​բանականություն 61 (1993): 209–261. PDF

[3] Google։ «Ներկայացնում ենք գիտելիքների գրաֆիկը. բաներ, ոչ թե տողեր»։ Պաշտոնական Google բլոգ (2012 թվականի մայիսի 16)։ Հղում

[4] Մոնրո, Դ. «Նեյրոսիմբոլիկ արհեստական ​​բանականություն»: ACM-ի հաղորդակցությունները (հոկտեմբեր 2022): DOI

[5] Սահոհ, Բ. և այլք։ «Բացատրելի արհեստական ​​բանականության դերը բարձր ռիսկային որոշումների կայացման գործում. ակնարկ»։ Patterns (2023)։ PubMed Central։ Հղում