AI neuro-simbolike: Një makinë që më në fund mund të trajtojë si logjikën ashtu edhe të mësuarit

• Author:
• Emri i autorit

  Parashikimi Kuantumrun
• Prill 13, 2023

Mësimi i makinerisë (ML) ka qenë gjithmonë një teknologji premtuese me sfidat e saj unike, por studiuesit po kërkojnë të krijojnë një sistem të bazuar në logjikë që shkon përtej të dhënave të mëdha. Sistemet e bazuara në logjikë janë krijuar për të punuar me paraqitje simbolike dhe arsyetim, të cilat mund të ofrojnë një mënyrë më transparente dhe të interpretueshme për të kuptuar procesin e vendimmarrjes së një sistemi. 

Konteksti neuro-simbolik i AI

AI neuro-simbolike (e quajtur edhe AI ​​e përbërë) kombinon dy degë të inteligjencës artificiale (AI). E para është AI simbolike, e cila përdor simbolet për të kuptuar marrëdhëniet dhe rregullat (dmth., ngjyrën dhe formën e një objekti). Që AI simbolike të funksionojë, baza e njohurive duhet të jetë e saktë, e detajuar dhe shteruese. Kjo kërkesë do të thotë se ai nuk mund të mësojë vetë dhe varet nga ekspertiza njerëzore për të vazhduar përditësimin e bazës së njohurive. 

Komponenti tjetër i AI neuro-simbolike janë rrjetet nervore të thella (rrjeta të thella) ose mësimi i thellë (DL). Kjo teknologji përdor shtresa të shumta nyjesh që imitojnë neuronet e trurit të njeriut për të vetë-mësuar për të përpunuar grupe të mëdha të dhënash. Për shembull, rrjetat e thella mund të kalojnë nëpër imazhe të ndryshme të maceve dhe qenve për të identifikuar me saktësi se cila është ajo, dhe ato përmirësohen me kalimin e kohës. Megjithatë, ajo që rrjetat e thella nuk mund të bëjnë është të përpunojnë marrëdhënie komplekse. Duke kombinuar AI simbolike dhe rrjeta të thella, studiuesit përdorin DL për të shpërndarë sasi të mëdha të dhënash në bazën e njohurive, pas së cilës AI simbolike mund të konkludojë ose identifikojë rregullat dhe marrëdhëniet. Ky kombinim lejon zbulimin dhe vendimmarrjen më efikase dhe të saktë të njohurive.

Një fushë tjetër që trajton AI neuro-simbolike është procesi i kushtueshëm i trajnimit të rrjetit të thellë. Për më tepër, rrjetat e thella mund të jenë të ndjeshme ndaj ndryshimeve të vogla të të dhënave hyrëse, duke çuar në gabime klasifikimi. Ata gjithashtu luftojnë me arsyetimin abstrakt dhe përgjigjen e pyetjeve pa shumë të dhëna trajnimi. Për më tepër, funksionimi i brendshëm i këtyre rrjeteve është kompleks dhe i vështirë për t'u kuptuar nga njerëzit, duke e bërë një sfidë interpretimin e arsyetimit pas parashikimeve të tyre.

Ndikim shkatërrues

Studiuesit nga Universiteti i Stanfordit kryen studime fillestare të inteligjencës artificiale të përbërë duke përdorur 100,000 imazhe të formave bazë 3D (katrore, sfera, cilindra, etj.) Më pas ata përdorën pyetje të ndryshme për të trajnuar hibridin për të përpunuar të dhënat dhe për të konkluduar marrëdhëniet (p.sh., a janë kubet të kuq? ). Ata zbuluan se AI neuro-simbolike mund t'u përgjigjej saktë këtyre pyetjeve në 98.9 përqind të rasteve. Për më tepër, hibridi kërkonte vetëm 10 përqind të të dhënave të trajnimit për të zhvilluar zgjidhje. 

Meqenëse simbolet ose rregullat kontrollojnë rrjetat e thella, studiuesit mund të shohin lehtësisht se si po "mësojnë" dhe ku ndodhin prishjet. Më parë, kjo ka qenë një nga dobësitë e rrjetave të thella, pamundësia për t'u gjurmuar për shkak të shtresave dhe shtresave të kodeve dhe algoritmeve komplekse. Inteligjenca artificiale neurosimbolike po testohet në automjetet që drejtojnë vetë për të njohur objektet në rrugë dhe çdo ndryshim në mjedis. Më pas trajnohet për të reaguar në mënyrë të përshtatshme ndaj këtyre faktorëve të jashtëm. 

Megjithatë, ka mendime të ndryshme nëse kombinimi i AI simbolike dhe rrjetave të thella është rruga më e mirë drejt AI më të avancuar. Disa studiues, si ata nga Universiteti Brown, besojnë se kjo qasje hibride mund të mos përputhet me nivelin e arsyetimit abstrakt të arritur nga mendjet njerëzore. Mendja e njeriut mund të krijojë paraqitje simbolike të objekteve dhe të kryejë lloje të ndryshme arsyetimi duke përdorur këto simbole, duke përdorur rrjetet nervore biologjike, pa pasur nevojë për një komponent simbolik të dedikuar. Disa ekspertë argumentojnë se metodat alternative, të tilla si shtimi i veçorive në rrjeta të thella që imitojnë aftësitë njerëzore, mund të jenë më efektive në rritjen e aftësive të AI.

Aplikime për AI neuro-simbolike

Disa aplikacione për AI neuro-simbolike mund të përfshijnë:

• Bots, si chatbots, të cilët mund të kuptojnë më mirë komandat dhe motivimin njerëzor, duke prodhuar përgjigje dhe shërbime më të sakta.
• Zbatimi i tij në skenarë më komplekse dhe më të ndjeshme të zgjidhjes së problemeve si diagnoza mjekësore, planifikimi i trajtimit dhe zhvillimi i barnave. Teknologjia mund të aplikohet gjithashtu për të përshpejtuar kërkimin shkencor dhe teknologjik për fusha të tilla si transporti, energjia dhe prodhimi. 
• Automatizimi i proceseve të vendimmarrjes që kërkojnë aktualisht gjykim njerëzor. Si rezultat, aplikacione të tilla mund të çojnë në një humbje të ndjeshmërisë dhe llogaridhënies në fusha të caktuara si shërbimi ndaj klientit.
• Pajisjet inteligjente më intuitive dhe asistentë virtualë që mund të përpunojnë skenarë të ndryshëm, të tillë si kursimi në mënyrë proaktive i energjisë elektrike dhe zbatimi i masave të sigurisë.
• Pyetje të reja etike dhe ligjore, të tilla si çështje që lidhen me privatësinë, pronësinë dhe përgjegjësinë.
• Përmirësimi i vendimmarrjes në qeveri dhe në kontekste të tjera politike. Kjo teknologji mund të përdoret gjithashtu për të ndikuar në opinionin publik përmes reklamave më të synuara dhe gjenerimit të reklamave dhe mediave të hiper-personalizuara.

Pyetje që duhen marrë parasysh

• Si mendoni tjetër, si do të ndikojë AI neuro-simbolike në jetën tonë të përditshme?
• Si mund të përdoret kjo teknologji në industri të tjera?