Neuro-symbolic AI: අවසානයේ තර්කනය සහ ඉගෙනීම යන දෙකම හැසිරවිය හැකි යන්ත්‍රයක්

• කර්තෘ:
• කර්තෘගේ නම

  Quantumrun Foresight
• අප්රේල් මස 13, 2023

යන්ත්‍ර ඉගෙනීම (ML) සෑම විටම එහි අද්විතීය අභියෝග සමඟ පොරොන්දු වූ තාක්‍ෂණයක් වී ඇත, නමුත් පර්යේෂකයන් බලාපොරොත්තු වන්නේ විශාල දත්ත ඉක්මවා යන තර්ක පදනම් වූ පද්ධතියක් නිර්මාණය කිරීමට ය. තාර්කික-පාදක පද්ධති නිර්මාණය කර ඇත්තේ සංකේතාත්මක නිරූපණ සහ තර්කනය සමඟ ක්‍රියා කිරීම සඳහා වන අතර එමඟින් පද්ධතියේ තීරණ ගැනීමේ ක්‍රියාවලිය අවබෝධ කර ගැනීම සඳහා වඩාත් විනිවිද පෙනෙන සහ අර්ථකථනය කළ හැකි ක්‍රමයක් සැපයිය හැකිය. 

ස්නායු-සංකේතාත්මක AI සන්දර්භය

ස්නායු-සංකේතාත්මක AI (සංයුක්ත AI ලෙසද හැඳින්වේ) කෘතිම බුද්ධියේ (AI) ශාඛා දෙකක් ඒකාබද්ධ කරයි. පළමුව, සංකේතාත්මක AI, සබඳතා සහ නීති (එනම් වස්තුවක වර්ණය සහ හැඩය) තේරුම් ගැනීමට සංකේත භාවිතා කරයි. සංකේතාත්මක AI ක්‍රියා කිරීමට නම්, දැනුම පදනම නිරවද්‍ය, සවිස්තරාත්මක සහ සම්පූර්ණ විය යුතුය. මෙම අවශ්‍යතාවයෙන් අදහස් වන්නේ එයට තනිවම ඉගෙන ගත නොහැකි අතර දැනුම පදනම යාවත්කාලීන කිරීම සඳහා මානව විශේෂඥතාව මත රඳා පවතින බවයි. 

ස්නායු-සංකේතාත්මක AI හි අනෙක් අංගය වන්නේ ගැඹුරු ස්නායු ජාල (ගැඹුරු දැල්) හෝ ගැඹුරු ඉගෙනීම (DL) ය. මෙම තාක්ෂණය විශාල දත්ත කට්ටල සැකසීමට ස්වයං-ඉගෙන ගැනීම සඳහා මිනිස් මොළයේ නියුරෝන අනුකරණය කරන නෝඩ් ස්ථර ගණනාවක් භාවිතා කරයි. නිදසුනක් වශයෙන්, ගැඹුරු දැල් මගින් බළලුන්ගේ සහ බල්ලන්ගේ විවිධ රූප හරහා ගොස් කුමන ඒවාදැයි නිවැරදිව හඳුනා ගත හැකි අතර කාලයත් සමඟ ඒවා වැඩිදියුණු වේ. කෙසේ වෙතත්, ගැඹුරු දැල්වලට කළ නොහැකි දෙය නම් සංකීර්ණ සම්බන්ධතා සැකසීමයි. සංකේතාත්මක AI සහ ගැඹුරු දැල් ඒකාබද්ධ කිරීම මගින්, පර්යේෂකයන් DL භාවිතා කර විශාල දත්ත ප්‍රමාණයක් දැනුම පදනමට එකතු කරයි, ඉන්පසු සංකේතාත්මක AI හට නීති සහ සම්බන්ධතා අනුමාන කිරීමට හෝ හඳුනා ගැනීමට හැකිය. මෙම සංයෝජනය වඩාත් කාර්යක්ෂම හා නිවැරදි දැනුම සොයා ගැනීමට සහ තීරණ ගැනීමට ඉඩ සලසයි.

ස්නායු-සංකේතාත්මක AI ආමන්ත්‍රණය කරන තවත් අංශයක් වන්නේ ගැඹුරු දැලෙහි මිල අධික පුහුණු ක්‍රියාවලියයි. මීට අමතරව, ගැඹුරු දැල් කුඩා ආදාන දත්ත වෙනස්වීම් වලට සංවේදී විය හැක, එය වර්ගීකරණ දෝෂ වලට තුඩු දෙයි. බොහෝ පුහුණු දත්ත නොමැතිව වියුක්ත තර්ක සහ ප්‍රශ්නවලට පිළිතුරු සැපයීම සමඟ ද ඔවුන් අරගල කරයි. තවද, මෙම ජාල වල අභ්‍යන්තර ක්‍රියාකාරීත්වය සංකීර්ණ වන අතර මිනිසුන්ට තේරුම් ගැනීමට අපහසු වන අතර, ඔවුන්ගේ අනාවැකි පිටුපස ඇති තර්කය අර්ථ නිරූපණය කිරීම අභියෝගයකි.

කඩාකප්පල්කාරී බලපෑම

ස්ටැන්ෆෝර්ඩ් විශ්ව විද්‍යාලයේ පර්යේෂකයන් මූලික ත්‍රිමාණ හැඩතලවල (වර්ග, ගෝල, සිලින්ඩර්, ආදිය) රූප 100,000ක් භාවිතා කරමින් සංයුක්ත AI පිළිබඳ මූලික අධ්‍යයනයන් සිදු කළහ ) ස්නායු-සංකේතාත්මක AI මෙම ප්‍රශ්නවලට සියයට 3 ක්ම නිවැරදිව පිළිතුරු දිය හැකි බව ඔවුන් සොයා ගත්හ. මීට අමතරව, දෙමුහුන් සඳහා විසඳුම් සංවර්ධනය කිරීම සඳහා පුහුණු දත්ත වලින් සියයට 98.9ක් පමණක් අවශ්‍ය විය. 

සංකේත හෝ රීති ගැඹුරු දැල් පාලනය කරන බැවින්, පර්යේෂකයන්ට ඒවා "ඉගෙන ගන්නා" ආකාරය සහ බිඳවැටීම් සිදුවන්නේ කොතැනද යන්න පහසුවෙන් දැක ගත හැකිය. මීට පෙර, මෙය ගැඹුරු දැල් වල දුර්වලතා වලින් එකක් විය, සංකීර්ණ කේත සහ ඇල්ගොරිතම වල ස්ථර සහ ස්ථර නිසා නිරීක්ෂණය කිරීමට නොහැකි වීම. පාරේ ඇති වස්තූන් සහ පරිසරයේ සිදුවන ඕනෑම වෙනස්කමක් හඳුනා ගැනීමට ස්වයං-රිය පදවන වාහනවල ස්නායු-සංකේතාත්මක AI පරීක්ෂා කරනු ලැබේ. එවිට මෙම බාහිර සාධකවලට නිසි ලෙස ප්‍රතිචාර දැක්වීමට පුහුණු කරනු ලැබේ. 

කෙසේ වෙතත්, සංකේතාත්මක AI සහ ගැඹුරු දැල් සංයෝජනය වඩාත් දියුණු AI සඳහා හොඳම මාර්ගයද යන්න පිළිබඳව විවිධ මත තිබේ. බ්‍රවුන් විශ්ව විද්‍යාලයේ පර්යේෂකයන් වැනි සමහර පර්යේෂකයන් විශ්වාස කරන්නේ මෙම දෙමුහුන් ප්‍රවේශය මිනිස් මනස් විසින් සාක්ෂාත් කර ගන්නා වියුක්ත තර්කන මට්ටමට නොගැලපෙන බවයි. කැප වූ සංකේතාත්මක සංරචකයක් අවශ්‍ය නොවී, ජීව විද්‍යාත්මක ස්නායු ජාල භාවිතා කරමින්, වස්තූන්ගේ සංකේතාත්මක නිරූපණයන් නිර්මාණය කිරීමට සහ මෙම සංකේත භාවිතයෙන් විවිධ ආකාරයේ තර්ක කිරීමට මිනිස් මනසට හැකිය. මානව හැකියාවන් අනුකරණය කරන ගැඹුරු දැල්වලට විශේෂාංග එකතු කිරීම වැනි විකල්ප ක්‍රම, AI හැකියාවන් වැඩි දියුණු කිරීම සඳහා වඩාත් ඵලදායී විය හැකි බව සමහර විශේෂඥයින් තර්ක කරති.

ස්නායු-සංකේතාත්මක AI සඳහා යෙදුම්

ස්නායු-සංකේතාත්මක AI සඳහා සමහර යෙදුම් ඇතුළත් විය හැකිය:

• මිනිස් විධාන සහ අභිප්‍රේරණය වඩා හොඳින් අවබෝධ කර ගත හැකි, වඩාත් නිවැරදි ප්‍රතිචාර සහ සේවා නිපදවන, chatbots වැනි බොට්.
• වෛද්‍ය රෝග විනිශ්චය, ප්‍රතිකාර සැලසුම් කිරීම සහ ඖෂධ සංවර්ධනය වැනි වඩාත් සංකීර්ණ සහ සංවේදී ගැටළු විසඳීමේ අවස්ථා වලදී එහි යෙදුම. ප්‍රවාහනය, බලශක්තිය සහ නිෂ්පාදන වැනි ක්ෂේත්‍ර සඳහා විද්‍යාත්මක හා තාක්‍ෂණික පර්යේෂණ වේගවත් කිරීම සඳහා ද තාක්‍ෂණය යෙදිය හැකිය. 
• දැනට මානව විනිශ්චය අවශ්‍ය වන තීරණ ගැනීමේ ක්‍රියාවලීන් ස්වයංක්‍රීය කිරීම. එහි ප්‍රතිඵලයක් වශයෙන්, එවැනි යෙදුම් පාරිභෝගික සේවා වැනි ඇතැම් ක්ෂේත්‍රවල සංවේදනය සහ වගවීම අහිමි වීමට හේතු විය හැක.
• විදුලිය සක්‍රීයව සංරක්ෂණය කිරීම සහ ආරක්ෂක පියවර ක්‍රියාත්මක කිරීම වැනි විවිධ අවස්ථා සැකසීමට හැකි වඩාත් අවබෝධාත්මක ස්මාර්ට් උපකරණ සහ අතථ්‍ය සහායකයින්.
• පුද්ගලිකත්වය, හිමිකාරිත්වය සහ වගකීම සම්බන්ධ ගැටළු වැනි නව සදාචාරාත්මක සහ නීතිමය ප්‍රශ්න.
• රජය සහ අනෙකුත් දේශපාලන සන්දර්භයන් තුළ තීරණ ගැනීම වැඩිදියුණු කිරීම. මෙම තාක්ෂණය වඩාත් ඉලක්කගත වෙළඳ දැන්වීම් සහ අධි-පුද්ගලීකරණය කළ වෙළඳ දැන්වීම් සහ මාධ්‍ය උත්පාදනය හරහා මහජන මතයට බලපෑම් කිරීමට ද භාවිතා කළ හැකිය.

සලකා බැලිය යුතු ප්‍රශ්න

• ස්නායු-සංකේතාත්මක AI අපගේ එදිනෙදා ජීවිතයට බලපාන්නේ කෙසේදැයි ඔබ සිතන්නේ කෙසේද?
• මෙම තාක්ෂණය වෙනත් කර්මාන්ත සඳහා භාවිතා කළ හැක්කේ කෙසේද?