د نیورو سمبولیک AI ماشین په پای کې کولی شي دواړه منطق او زده کړه اداره کړي

د انځور کریډیټ:

ایسته

نیورو سمبولیک AI: یو ماشین چې په پای کې دواړه منطق او زده کړې اداره کولی شي

سمبولیک مصنوعي استخبارات (AI) او ژور عصبي شبکې محدودیتونه لري، مګر ساینس پوهانو د دوی د یوځای کولو او یو هوښیار AI رامینځته کولو لاره موندلې ده.

لیکونکی:
د لیکوال نوم
Quantumrun وړاندوینه
د اپریل په 13، 2023

د ماشین زده کړه (ML) تل د خپلو ځانګړو ننګونو سره یو ژمن ټیکنالوژي وه، مګر څیړونکي په دې لټه کې دي چې د منطق پر بنسټ سیسټم رامینځته کړي چې د لوی معلوماتو څخه بهر وي. د منطق پر بنسټ سیسټمونه د سمبولیک نمایندګیو او استدلال سره کار کولو لپاره ډیزاین شوي، کوم چې کولی شي د سیسټم د پریکړې کولو پروسې د پوهیدو لپاره یو ډیر شفاف او د تشریح وړ لاره چمتو کړي.

د نیورو سمبولیک AI شرایط

نیورو سمبولیک AI (د کمپوزیټ AI په نوم هم یادیږي) د مصنوعي استخباراتو (AI) دوه څانګې سره یوځای کوي. لومړی سمبولیک AI دی، کوم چې د اړیکو او قواعدو پوهیدو لپاره سمبولونه کاروي (د بیلګې په توګه، د یو څیز رنګ او شکل). د سمبولیک AI کار کولو لپاره، د پوهې اساس باید دقیق، مفصل، او بشپړ وي. دا اړتیا پدې معنی ده چې دا پخپله نشي زده کولی او د پوهې اساس تازه کولو لپاره د انساني تخصص پورې اړه لري.

د نیورو سمبولیک AI بله برخه ژور عصبي شبکې (ژور جال) یا ژورې زده کړې (DL) دي. دا ټیکنالوژي د نوډونو ډیری پرتونه کاروي چې د لوی ډیټاسیټونو پروسس کولو لپاره د ځان زده کړې لپاره د انسان دماغ نیورونونه تقلید کوي. د مثال په توګه، ژور جالونه کولی شي د پیشوګانو او سپیو مختلف انځورونو ته لاړ شي ترڅو په سمه توګه وپیژني چې کوم یو دی، او دوی د وخت په تیریدو سره وده کوي. په هرصورت، هغه څه چې ژور جال نشي کولی پیچلې اړیکې پروسس کړي. د سمبولیک AI او ژورو جالونو په یوځای کولو سره، څیړونکي د پوهې اډې ته د ډیرو معلوماتو د راټولولو لپاره DL کاروي، وروسته له دې چې سمبولیک AI کولی شي مقررات او اړیکې تشخیص یا وپیژني. دا ترکیب د لا اغیزمنې او دقیقې پوهې کشف او پریکړې کولو ته اجازه ورکوي.

بله ساحه چې د نیورو سمبولیک AI پته ده د ژور خالص قیمتي روزنې پروسه ده. برسیره پردې، ژور جالونه د وړو معلوماتو معلوماتو بدلونونو سره حساس کیدی شي، چې د ډلبندۍ تېروتنې المل کیږي. دوی د لنډیز استدلال او پوښتنو ته ځواب ویلو سره هم مبارزه کوي پرته لدې چې ډیری روزنې ډیټا. سربیره پردې، د دې شبکو داخلي کارونه پیچلي او د انسانانو لپاره ستونزمن دي چې پوه شي، دا د دوی د وړاندوینو تر شا د دلیل تشریح کول یوه ننګونه ده.

ګډوډي اغیزې

د سټینفورډ پوهنتون څیړونکو د لومړني 100,000D شکلونو 3 عکسونو په کارولو سره د جامع AI لومړني مطالعات ترسره کړل (مربع ، ساحې ، سلنډر او نور) دوی بیا د هایبرډ روزنې لپاره مختلف پوښتنې وکارولې ترڅو ډیټا پروسس کړي او اړیکې وټاکي (د مثال په توګه ، کیوبونه سور دي؟ ). دوی وموندل چې نیورو سمبولیک AI کولی شي د وخت 98.9 سلنه په سمه توګه دې پوښتنو ته ځواب ووایی. برسیره پردې، هایبرډ یوازې 10 سلنې روزنې ډیټا ته اړتیا لري ترڅو حلونه رامینځته کړي.

څرنګه چې سمبولونه یا قواعد ژور جال کنټرولوي، څیړونکي کولی شي په اسانۍ سره وګوري چې دوی څنګه "زده کړه" کوي او چیرته چې ماتیږي. پخوا، دا د ژورو جالونو یو له ضعفونو څخه و، د پیچلو کوډونو او الګوریتمونو د پرتونو او پرتونو له امله د تعقیب کولو نشتوالی. نیورو سمبولیک AI په ځان چلولو موټرو کې ازمول کیږي ترڅو په سړک کې شیان او په چاپیریال کې کوم بدلونونه وپیژني. بیا دا روزل کیږي چې د دې بهرنیو فکتورونو په وړاندې مناسب غبرګون وښيي.

په هرصورت ، پدې اړه مختلف نظرونه شتون لري چې ایا د سمبولیک AI او ژورو جالونو ترکیب د پرمختللي AI په لور غوره لاره ده. ځینې څیړونکي، لکه د براون پوهنتون څخه، په دې باور دي چې دا هایبرډ طریقه ممکن د انساني ذهنونو لخوا ترلاسه شوي د خلاصې استدلال کچې سره سمون ونلري. د انسان ذهن کولی شي د شیانو سمبولیک نمایشونه رامینځته کړي او د دې سمبولونو په کارولو سره د بیولوژیکي عصبي شبکو په کارولو سره مختلف ډول استدلالونه ترسره کړي ، پرته لدې چې وقف سمبولیک اجزا ته اړتیا ولري. ځینې کارپوهان استدلال کوي چې بدیل میتودونه، لکه د ژورو جالونو لپاره د ځانګړتیاوو اضافه کول چې د انسان وړتیاوې تقلید کوي، ممکن د AI وړتیاوو په لوړولو کې ډیر اغیزمن وي.

د نیورو سمبولیک AI لپاره غوښتنلیکونه

د نیورو سمبولیک AI لپاره ځینې غوښتنلیکونه کېدای شي پدې کې شامل وي:

بوټونه ، لکه چیټ بوټونه ، کوم چې کولی شي د انسان حکمونو او هڅونې په ښه توګه پوه شي ، ډیر دقیق ځوابونه او خدمات تولیدوي.
د دې غوښتنلیک په ډیرو پیچلو او حساسو ستونزو حل کولو سناریوګانو کې لکه طبي تشخیص ، د درملنې پلان جوړونه ، او د درملو پراختیا. ټیک د ساحو لکه ټرانسپورټ ، انرژي او تولید لپاره د ساینسي او ټیکنالوژیکي څیړنې ګړندي کولو لپاره هم پلي کیدی شي.
د پریکړې کولو پروسې اتومات کول چې اوس مهال د انسان قضاوت ته اړتیا لري. د پایلې په توګه، دا ډول غوښتنلیکونه کیدای شي په ځینو برخو لکه د پیرودونکي خدمت کې د خواخوږۍ او حساب ورکونې له لاسه ورکړي.
ډیر هوښیار سمارټ وسایل او مجازی معاونین چې کولی شي مختلف سناریوګانې پروسس کړي ، لکه په فعاله توګه د بریښنا ساتنه او د امنیت اقدامات پلي کول.
نوې اخلاقي او قانوني پوښتنې، لکه د محرمیت، مالکیت، او مسؤلیت مسلې.
په حکومت او نورو سیاسي شرایطو کې د تصمیم نیولو ښه والی. دا ټیکنالوژي د ډیرو هدفي اعلاناتو او د هایپر شخصي اعلاناتو او رسنیو تولید له لارې د عامه افکارو اغیزه کولو لپاره هم کارول کیدی شي.