Neuro-symbolic AI: 論理と学習の両方を処理できるマシンがついに登場

• 著者：
• 著者名

  クォンタムラン・フォーサイト
• 2023 年 4 月 13 日

機械学習 (ML) は、常に独自の課題を持つ有望なテクノロジですが、研究者はビッグデータを超えるロジックベースのシステムを作成しようとしています。 論理ベースのシステムは、システムの意思決定プロセスを理解するためのより透過的で解釈可能な方法を提供できる、象徴的な表現と推論を使用するように設計されています。 

ニューロシンボリック AI コンテキスト

ニューロシンボリック AI (複合 AI とも呼ばれます) は、人工知能 (AI) の XNUMX つのブランチを組み合わせたものです。 XNUMX つ目はシンボリック AI で、シンボルを使用して関係とルール (つまり、オブジェクトの色と形) を理解します。 シンボリック AI が機能するには、ナレッジ ベースが正確かつ詳細で、網羅的である必要があります。 この要件は、それ自体では学習できず、人間の専門知識に依存して知識ベースを更新し続けることを意味します。 

ニューロシンボリック AI のもう XNUMX つのコンポーネントは、ディープ ニューラル ネットワーク (ディープ ネット) またはディープ ラーニング (DL) です。 この技術は、人間の脳のニューロンを模倣するノードの多数のレイヤーを使用して、大規模なデータセットを処理することを自己学習します。 たとえば、ディープ ネットは猫と犬のさまざまな画像を調べて、どちらがどちらであるかを正確に識別でき、時間の経過とともに改善されます。 ただし、複雑な関係を処理することは、ディープ ネットではできません。 シンボリック AI とディープ ネットを組み合わせることで、研究者は DL を使用して大量のデータをナレッジ ベースに追加します。その後、シンボリック AI はルールと関係を推測または特定できます。 この組み合わせにより、より効率的かつ正確な知識の発見と意思決定が可能になります。

ニューロシンボリック AI が取り組むもう XNUMX つの領域は、ディープ ネットのコストのかかるトレーニング プロセスです。 さらに、深いネットは入力データの小さな変更に敏感で、分類エラーにつながる可能性があります。 彼らはまた、多くのトレーニング データがないと、抽象的な推論や質問への回答に苦労します。 さらに、これらのネットワークの内部の仕組みは複雑で、人間が理解するのは難しく、予測の背後にある理由を解釈することは困難です。

破壊的な影響

スタンフォード大学の研究者は、基本的な 100,000D 形状 (正方形、球、円柱など) の 3 枚の画像を使用して複合 AI の初期研究を行いました。その後、さまざまな質問を使用してハイブリッドをトレーニングし、データを処理して関係を推測しました (たとえば、立方体は赤いか? ）。 彼らは、ニューロシンボリック AI がこれらの質問に 98.9% の確率で正しく答えることができることを発見しました。 さらに、ハイブリッドでは、ソリューションの開発にトレーニング データの 10% しか必要としませんでした。 

シンボルやルールがディープ ネットを制御するため、研究者は、それらがどのように「学習」しているか、どこで故障が発生しているかを簡単に確認できます。 以前は、これはディープ ネットの弱点の XNUMX つであり、複雑なコードとアルゴリズムの層と層のために追跡できないことでした。 ニューロシンボリック AI は、道路上の物体や環境の変化を認識するために自動運転車でテストされています。 次に、これらの外的要因に適切に反応するように訓練されます。 

ただし、シンボリック AI とディープ ネットの組み合わせがより高度な AI への最善の道であるかどうかについては、さまざまな意見があります。 ブラウン大学の研究者など一部の研究者は、このハイブリッド アプローチは、人間の頭脳が達成する抽象的な推論のレベルに匹敵しない可能性があると考えています。 人間の心は、専用のシンボリック コンポーネントを必要とせずに、生物学的ニューラル ネットワークを使用して、オブジェクトのシンボリック表現を作成し、これらのシンボルを使用してさまざまな種類の推論を実行できます。 一部の専門家は、人間の能力を模倣するディープ ネットに機能を追加するなどの代替方法が、AI の機能を強化するのにより効果的である可能性があると主張しています。

ニューロシンボリック AI のアプリケーション

ニューロシンボリック AI のアプリケーションには、次のようなものがあります。

• 人間の命令と動機をよりよく理解し、より正確な応答とサービスを生成できるチャットボットなどのボット。
• 医療診断、治療計画、医薬品開発など、より複雑で機密性の高い問題解決シナリオへの適用。 この技術は、輸送、エネルギー、製造などの分野の科学技術研究を加速するためにも適用できます。 
• 現在人間の判断を必要とする意思決定プロセスの自動化。 その結果、そのようなアプリケーションは、顧客サービスなどの特定の分野での共感と説明責任の喪失につながる可能性があります.
• プロアクティブな節電やセキュリティ対策の実施など、さまざまなシナリオを処理できる、より直感的なスマート アプライアンスと仮想アシスタント。
• プライバシー、所有権、および責任に関連する問題など、新しい倫理的および法的問題。
• 政府およびその他の政治的状況における意思決定の改善。 このテクノロジーは、よりターゲットを絞った広告や、高度にパーソナライズされた広告やメディアの生成を通じて、世論に影響を与えるためにも使用できます。

考慮すべき質問

• ニューロシンボリック AI は、私たちの日常生活に他にどのような影響を与えると思いますか?
• この技術を他の業界でどのように使用できますか?