ნეირო-სიმბოლური AI: მანქანა, რომელსაც საბოლოოდ შეუძლია გაუმკლავდეს როგორც ლოგიკას, ასევე სწავლას

• ავტორი:
• ავტორის სახელი

  Quantumrun Foresight
• აპრილი 13, 2023

მანქანათმცოდნეობა (ML) ყოველთვის იყო პერსპექტიული ტექნოლოგია თავისი უნიკალური გამოწვევებით, მაგრამ მკვლევარები ცდილობენ შექმნან ლოგიკაზე დაფუძნებული სისტემა, რომელიც სცილდება დიდ მონაცემებს. ლოგიკაზე დაფუძნებული სისტემები შექმნილია სიმბოლურ წარმოდგენებთან და მსჯელობასთან მუშაობისთვის, რაც უზრუნველყოფს სისტემის გადაწყვეტილების მიღების პროცესის უფრო გამჭვირვალე და ინტერპრეტაციას. 

ნეირო-სიმბოლური AI კონტექსტი

ნეირო-სიმბოლური AI (ასევე უწოდებენ კომპოზიტურ AI) აერთიანებს ხელოვნური ინტელექტის (AI) ორ განშტოებას. პირველი არის სიმბოლური AI, რომელიც იყენებს სიმბოლოებს ურთიერთობებისა და წესების გასაგებად (ანუ საგნის ფერი და ფორმა). სიმბოლური ხელოვნური ინტელექტის მუშაობისთვის, ცოდნის ბაზა უნდა იყოს ზუსტი, დეტალური და ამომწურავი. ეს მოთხოვნა ნიშნავს, რომ მას არ შეუძლია დამოუკიდებლად სწავლა და ცოდნის ბაზის განახლებაზე დამოკიდებულია ადამიანის გამოცდილებაზე. 

ნეირო-სიმბოლური AI-ის სხვა კომპონენტია ღრმა ნერვული ქსელები (ღრმა ბადეები) ან ღრმა სწავლა (DL). ეს ტექნოლოგია იყენებს კვანძების მრავალ ფენას, რომლებიც მიბაძავს ადამიანის ტვინის ნეირონებს, რათა ისწავლონ დიდი მონაცემთა ნაკრების დამუშავება. მაგალითად, ღრმა ბადეებს შეუძლიათ გაიარონ კატებისა და ძაღლების სხვადასხვა გამოსახულებები, რათა ზუსტად განსაზღვრონ რომელი რომელია და დროთა განმავლობაში უმჯობესდება. თუმცა, რისი გაკეთებაც ღრმა ქსელებს არ შეუძლიათ, არის რთული ურთიერთობების დამუშავება. სიმბოლური ხელოვნური ინტელექტისა და ღრმა ბადეების კომბინაციით, მკვლევარები იყენებენ DL-ს დიდი რაოდენობით მონაცემების ცოდნის ბაზაში გადასატანად, რის შემდეგაც სიმბოლურ AI-ს შეუძლია დაასკვნოს ან დაადგინოს წესები და ურთიერთობები. ეს კომბინაცია საშუალებას იძლევა უფრო ეფექტური და ზუსტი ცოდნის აღმოჩენა და გადაწყვეტილების მიღება.

კიდევ ერთი სფერო, რომელსაც ნეირო-სიმბოლური AI ეხება, არის ღრმა ქსელის ძვირადღირებული სასწავლო პროცესი. გარდა ამისა, ღრმა ქსელები შეიძლება იყოს მგრძნობიარე მცირე შეყვანის მონაცემების ცვლილებებზე, რაც იწვევს კლასიფიკაციის შეცდომებს. ისინი ასევე ებრძვიან აბსტრაქტულ მსჯელობას და კითხვებზე პასუხის გაცემას დიდი სასწავლო მონაცემების გარეშე. გარდა ამისა, ამ ქსელების შიდა ფუნქციონირება რთული და რთულად გასაგებია ადამიანებისთვის, რაც გამოწვევას ხდის მათი პროგნოზების უკან არსებული მსჯელობის ინტერპრეტაციას.

დამრღვევი გავლენა

სტენფორდის უნივერსიტეტის მკვლევარებმა ჩაატარეს კომპოზიტური ხელოვნური ინტელექტის საწყისი კვლევები ძირითადი 100,000D ფორმების 3 გამოსახულების გამოყენებით (კვადრატები, სფეროები, ცილინდრები და ა. ). მათ აღმოაჩინეს, რომ ნეირო-სიმბოლური AI-ს შეუძლია ამ კითხვებზე სწორი პასუხის გაცემა შემთხვევების 98.9 პროცენტში. გარდა ამისა, ჰიბრიდს სჭირდებოდა ტრენინგის მონაცემების მხოლოდ 10 პროცენტი გადაწყვეტილებების შესაქმნელად. 

ვინაიდან სიმბოლოები ან წესები აკონტროლებენ ღრმა ბადეებს, მკვლევარებს შეუძლიათ ადვილად დაინახონ, როგორ „სწავლობენ“ და სად ხდება ავარია. ადრე, ეს იყო ღრმა ბადეების ერთ-ერთი სისუსტე, თვალთვალის უუნარობა რთული კოდებისა და ალგორითმების ფენებისა და ფენების გამო. ნეირო-სიმბოლური AI ტესტირება მიმდინარეობს თვითმართველ მანქანებში, რათა ამოიცნოს გზაზე არსებული ობიექტები და გარემოში ნებისმიერი ცვლილება. შემდეგ ის ივარჯიშება ამ გარე ფაქტორებზე სათანადო რეაგირებისთვის. 

თუმცა, არსებობს განსხვავებული მოსაზრებები იმის შესახებ, არის თუ არა სიმბოლური AI და ღრმა ბადეების კომბინაცია საუკეთესო გზა უფრო მოწინავე ხელოვნური ინტელექტისკენ. ზოგიერთი მკვლევარი, როგორიცაა ბრაუნის უნივერსიტეტის მკვლევარი, თვლის, რომ ეს ჰიბრიდული მიდგომა შეიძლება არ ემთხვეოდეს ადამიანის გონების მიერ მიღწეულ აბსტრაქტულ მსჯელობის დონეს. ადამიანის გონებას შეუძლია შექმნას ობიექტების სიმბოლური წარმოდგენები და შეასრულოს სხვადასხვა ტიპის მსჯელობა ამ სიმბოლოების გამოყენებით, ბიოლოგიური ნერვული ქსელების გამოყენებით, განსაკუთრებული სიმბოლური კომპონენტის საჭიროების გარეშე. ზოგიერთი ექსპერტი ამტკიცებს, რომ ალტერნატიული მეთოდები, როგორიცაა ღრმა ქსელებში ფუნქციების დამატება, რომლებიც ასახავს ადამიანის შესაძლებლობებს, შეიძლება უფრო ეფექტური იყოს AI შესაძლებლობების გასაძლიერებლად.

აპლიკაციები ნეირო-სიმბოლური AI-სთვის

ნეირო-სიმბოლური AI-ს ზოგიერთი აპლიკაცია შეიძლება შეიცავდეს:

• ბოტები, როგორიცაა ჩატბოტები, რომლებსაც შეუძლიათ უკეთესად გაიგონ ადამიანის ბრძანებები და მოტივაცია, უფრო ზუსტი პასუხებისა და სერვისების წარმოება.
• მისი გამოყენება უფრო რთულ და მგრძნობიარე პრობლემების გადაჭრის სცენარებში, როგორიცაა სამედიცინო დიაგნოზი, მკურნალობის დაგეგმვა და წამლების შემუშავება. ტექნოლოგია ასევე შეიძლება გამოყენებულ იქნას სამეცნიერო და ტექნოლოგიური კვლევების დასაჩქარებლად ისეთ სფეროებში, როგორიცაა ტრანსპორტი, ენერგია და წარმოება. 
• გადაწყვეტილების მიღების პროცესების ავტომატიზაცია, რომელიც ამჟამად მოითხოვს ადამიანის განსჯას. შედეგად, ასეთმა აპლიკაციებმა შეიძლება გამოიწვიოს თანაგრძნობისა და პასუხისმგებლობის დაკარგვა გარკვეულ სფეროებში, როგორიცაა მომხმარებელთა მომსახურება.
• უფრო ინტუიციური ჭკვიანი მოწყობილობები და ვირტუალური ასისტენტები, რომლებსაც შეუძლიათ სხვადასხვა სცენარის დამუშავება, როგორიცაა ელექტროენერგიის პროაქტიულად დაზოგვა და უსაფრთხოების ზომების განხორციელება.
• ახალი ეთიკური და სამართლებრივი კითხვები, როგორიცაა კონფიდენციალურობის, საკუთრების და პასუხისმგებლობის საკითხები.
• გაუმჯობესებული გადაწყვეტილებების მიღება მთავრობასა და სხვა პოლიტიკურ კონტექსტში. ეს ტექნოლოგია ასევე შეიძლება გამოყენებულ იქნას საზოგადოებრივ აზრზე ზემოქმედებისთვის უფრო მიზანმიმართული რეკლამით და ჰიპერპერსონალიზებული რეკლამებისა და მედიის წარმოქმნით.

კითხვები გასათვალისწინებელია

• როგორ ფიქრობთ, სხვაგვარად როგორ იმოქმედებს ნეირო-სიმბოლური AI ჩვენს ყოველდღიურ ცხოვრებაზე?
• როგორ შეიძლება ამ ტექნოლოგიის გამოყენება სხვა ინდუსტრიებში?