現在、人工知能は機械学習、特にディープラーニングとほぼ同等のようです。この分野では、ディープラーニングが、従来は機能エンジニアリングにとって非常に重要だった人間の専門家に取って代わると言っている人もいます。ディープラーニングの台頭は、一方では神経科学と神経可塑性という2つのブレークスルーによって支えられたと言われています特に、高度に可塑的な人間の脳のように、人工ネットワークを使用してほぼすべての機能をモデル化できることがわかります。一方、計算能力の向上、特にGPUとFPGAの導入により、アルゴリズムインテリジェンスが格段に向上し、数十年前に作成されたモデルが非常に強力で多用途になりました。過去数年間に蓄積されたビッグデータ(ほとんどはラベル付けされたデータ)も関連していると付け加えます。
このような開発はコンピュータービジョン(および音声認識)を新しい時代にもたらしますが、自然言語処理とエキスパートシステムでは、状況はそれほど変わっていないようです。
ニューラルネットワークの常識を達成するのは難しいように見えますが、ほとんどの文章、会話、短いテキストには、背景世界の知識から引き出されるべき推論が含まれています。したがって、知識グラフ化は人工知能にとって非常に重要です。ニューラルネットワークは知識ベースの構築に利用できますが、ニューラルネットワークモデルはこれらの構築された知識ベースを利用するのが難しいようです。
私の質問は:
1)ナレッジベース(たとえば、Googleによって作成された「ナレッジグラフ」)は、AIの有望なブランチですか?もしそうなら、KBはどのように機械学習を強化できますか?そして、自然言語の生成にどのように役立つのでしょうか?
2)DLが支配的な時代の生存のために、知識ベース(または包括的な用語のシンボリックアプローチ)の方向はどこにありますか?あるヴォルフラム様のzダイナミックな知識ベースは、新たな方向性?または新しい方向性はありますか?
「知識ベース」または「知識グラフ」として質問にタグ付けできなかったため、ここで適切な質問をしていることを願っています。
基本的な何か、またはこれらの問題に対処するアイデアがありませんか?