中关村集成电路设计园正式开园
06-06
近年来，人工智能发展迅速。
即使是没有深入了解人工智能技术的人，也一定或多或少听说过这两个术语。
——符号人工智能和神经网络。
随着人工智能的发展不断成熟，MIT-IBM沃森人工智能实验室主任David Cox认为，人们现在需要重新审视人工智能。
他提出将上述两者结合起来开发一种“神经符号人工智能”（Neurosymbolic Artificial Intelligence）。
- 符号人工智能）。
本文将详细介绍神经符号人工智能背后的原理。
作者就是英国科技作家Luke·多梅尔。
雷锋网整理了原文，未改变原意。
[图片来源：DIGITAL TRENDS 所有者：DIGITAL TRENDS] 想象一下，托盘上有 8 个物体：有立方体，有球体，材质不同，大小也不同。
那么我的问题是，托盘上的大型物体和金属球的数量是否相同？你可能会感到困惑，认为我的问题有点棘手。
相反，它并不难，甚至学龄前儿童也能轻松回答。
但对于当今最先进的神经网络来说，这个问题很难回答。
因此，尽管人工智能已经为我们所熟悉，但它仍然需要重新开发。
以上不是我的观点，而是美国马萨诸塞州剑桥市 MIT-IBM Watson AI 实验室主任 David Cox 的观点。
此前，大卫·考克斯是哈佛大学的教授。
他的团队利用神经科学的见解构建了一个受大脑启发的机器学习计算机系统。
目前在IBM主要负责Watson A.I.相关事宜。
【图片来源：DIGITAL TRENDS 所有者：DIGITAL TRENDS】说到 Watson，不了解的人只知道它是人工智能。
曾因美国智力问答节目《Jeopardy》而名声大噪。
但事实上，Watson 首先是一个机器学习系统，通过大量数据而不是人类规则进行训练。
回到主题，随着人工智能准备在下一个十年大放异彩，大卫·考克斯说世界需要重新审视它可能听起来有点奇怪。
毕竟，过去的十年可以说是人工智能历史上最成功的十年——几乎每周都有新突破的十年，没有任何“人工智能冬天”的迹象。
但这正是他认为人工智能需要改变的原因。
他的建议是一个尚未定义的术语——“神经符号人工智能”——到 2020 年代末，这个术语很可能会成为一个熟悉的术语。
符号人工智能的兴衰严格来说，神经符号人工智能并不是一种全新的人工智能形式，而是两种现有的、相互竞争的构建“思维机器”方法的结合。
名称中的“符号”指的是创建人工智能的第一个主流方法。
从 20 世纪 50 年代到 80 年代，符号人工智能占据主导地位。
对于符号人工智能研究者来说，所谓智能是基于人类通过形成内部符号表征来理解周围世界的能力。
然后，研究人员制定处理这些符号表示的规则，并且这些规则可以以捕获日常知识的方式形式化。
如果大脑就像一台计算机，那么无论我们遇到什么情况，都需要运行它自己的计算机程序，因为程序纯粹基于逻辑一步步解释如何执行操作。
因此，符号人工智能研究人员相信，如果是这样的话，他们也可以发现关于世界如何组成的相同规则，然后以算法的形式对它们进行编码以供计算机执行。
事实上，符号人工智能在过去表现良好且令人印象深刻。
2000年，计算机科学家Bertram Raphael开发了SIR系统，即“语义信息检索”（Semantic Information Retrieval）。
SIR 是一种计算推理系统，它似乎能够以类似于真正智能的方式学习对象之间的关系。
例如，你告诉它一些基本信息——约翰是一个男孩，男孩是一个人，一个人有两只手，一只手有五个手指。
然后你问他约翰有多少根手指，答案是 10 根。
20 世纪 80 年代见证了基于符号人工智能的计算机系统的顶峰和谷底。
那是所谓“专家系统”的十年，它试图使用基于规则的系统来解决现实世界的问题，例如帮助有机化学家识别未知的有机分子以及帮助医生为传染病患者推荐正确的药物剂量。
疾病。
抗生素等等。
雷锋网了解到，“专家系统”的基础是扎实的，但也存在问题：这些系统价格昂贵，需要不断更新；最糟糕的是，规则越多，系统的准确性就越低。
神经网络的世界 那么，我们来看看神经符号人工智能中的“神经”是什么？事实上，“神经”指的是深度学习神经网络，这是一种受大脑启发的计算类型，在过去十年中一直在推动。
人工智能领域有很多突破——比如人工智能驾驶汽车、将文本翻译成几十种不同的语言、能够理解命令的智能音箱等等。
[图片来源：DIGITAL TRENDS 所有者：DIGITAL TRENDS] 神经网络的工作方式与符号人工智能不同。
因为神经网络是数据驱动的而不是基于规则的。
具体来说，将符号解释为符号人工智能意味着明确向其提供保证正确识别所需的所有信息。
例如，想象一下让朋友帮你去公交车站接你的母亲。
您需要提供一套规则来描述她，以便您的朋友可以从人群中识别出她。
但要训练神经网络做到这一点，你只需向它展示你母亲的多张照片即可。
如果它足够聪明，它不仅可以认出你的母亲，还可以形成现实世界中不存在的与她相似的物体。
正如 David Cox 对《数字趋势》杂志所说：不可否认，深度学习神经网络带来了惊人的进步，但同时也出现了一些问题，令人担忧。
事实上，大卫·考克斯提到的问题正是依赖于当今神经网络如此强大的因素——数据。
就像人一样，神经网络从例子中学习。
但是，虽然人类可能仅根据一两个例子就能正确记住一些东西，但人工智能需要更多的例子。
同时，准确性取决于是否拥有大量带注释的数据，因为学习每个新任务都是基于这些数据。
正因为神经网络的上述特点，它们并不擅长解决“黑天鹅”问题。
纳西姆·尼古拉斯·塔勒布提出的黑天鹅事件在统计上很少见。
David Cox 表示：目前的很多深度学习解决方案，虽然非常惊人，但都是基于 80/20 法则（雷锋网注：这条法则规定，在任何一组事物中，最重要的只占一小部分，大约 20%） ）。
其余 80%（尽管占大多数）是次要的）。
深度学习的正确率是 80%，但重要的实际上是少数。
如果你看到一个物体在不该在的地方，或者在一个奇怪的方向，即使是最神奇的系统也无法工作。
在加入 IBM 之前，David Cox 与他人共同创立了 Perceptive Automata，这是一家开发自动驾驶汽车软件的公司。
该团队在名为 Slack 的频道中发布了他们在数据收集过程中偶然发现的有趣图像。
其中一张照片是在十字路口拍摄的，照片中的红绿灯着火了。
大卫·考克斯说：这真是一次千载难逢的事件。
我不知道 Waymo 和特斯拉在训练神经网络的数据集中是否有交通灯着火的图像，但我敢打赌，如果有的话，数量也很少。
其实这是一件微不足道的事情，因为它很少发生，而且即使发生了，也不是很重要。
如果系统建议一个人去一家糟糕的餐厅，那固然不太好，但可能还不足以毁掉他们的一天，只要系统之前提出的 99 条建议都不错，就没有必要特别沮丧。
但如果自动驾驶汽车无法对十字路口燃烧的红绿灯或马车做出正确反应，后果可能是灾难性的。
这可能是一个小概率事件，但我们也希望它能够很好地处理这样的情况。
大卫·考克斯解释说：如果我们有推理和判断的能力，我们就能轻松应对。
如果我看到交通灯着火了，我至少有一些基本的判断。
例如，我目前无法根据红绿灯判断我该停车还是该走，但我知道要注意安全，因为我周围的司机也会感到困惑。
但我可以根据另一个方向的交通情况来判断下一步的行动。
在这种安全完成任务至关重要的环境中，深度学习还不能很好地为我们服务。
这就是为什么我们需要其他解决方案。
将逻辑与学习相结合是大卫·考克斯提出神经符号人工智能想法的原因。
所谓神经符号人工智能，实际上就是将上述方法结合起来，将学习与逻辑结合起来。
神经网络可以帮助符号人工智能系统变得更加智能——通过将世界分解为符号，而不是依赖人类程序员来为它们做这件事。
同时，符号人工智能算法可以将常识推理和行业知识结合起来，应用于深度学习。
这些将使人工智能能够更好地处理从自动驾驶汽车到自然语言处理等各种复杂任务，同时需要更少的训练数据。
David Cox 表示：神经网络和符号化概念之间存在着完美的互补关系。
因为神经网络可以给你答案，把混乱的现实世界变成系统的符号表示，找到图像中的所有联系。
只要有了这个符号表征，我们就能在推理上取得突破。
就像文章开头提到的托盘上的物体例子一样，神经符号系统利用神经网络的识别能力来识别物体，然后依靠符号人工智能应用逻辑和语义推理来发现新的关系。
事实上，此类系统已被证明可以有效发挥作用。
与此同时，这不仅适用于一小部分案例，人工智能系统在必要时可解释也变得越来越重要。
神经网络可以很好地执行某些任务，但其大部分内部推理是“黑匣子”，对于那些想知道它如何做出决策的人来说是难以理解的。
同样，如果机器人在音乐流媒体平台 Spotify 上做出错误的推荐，也并不重要。
但如果你的银行贷款被拒绝、工作申请被拒绝，或者有人在涉及自动驾驶汽车的事故中受伤，我们需要了解人工智能为何会提出相关建议。
这就是神经符号人工智能派上用场的地方。
人工智能研究的未来几十年前，符号人工智能和神经网络是两个完全不同的世界，彼此对立。
人工智能领域的大人物往往持有不同的观点。
他们在支持一种方法的同时，也必然会否定另一种方法。
事实上，他们的做法未必不妥。
毕竟资金有限。
为了解决同一个问题，两派肯定会展开竞争。
现在看来，事实恰恰相反。
此外，大卫·考克斯还表示：看到年轻一代真的很有趣。
我的团队里很多人都比较年轻，有的刚刚博士毕业，对这个领域保持着新鲜感和兴奋感。
他们没有经历过符号人工智能和神经网络对立的时代，也不在乎两者一直对立。
其实，这种冷漠是很好的，因为它可以打开人们的心扉，消除偏见。
他们乐于探索未知事物并利用人工智能做一些很酷的事情。
如果一切按计划进行，每个人都会受益。
来自数字趋势，雷锋网编译。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-06
06-17
06-17
06-17
06-06
06-18
06-17
06-06
06-17
06-17
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态