タグ付けされた質問 「knowledge-representation」

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？

13 natural-language-processing  knowledge-representation  symbolic-computing  expert-system 

Roger Schankは、1970年代に、Conceptual Dependency（CD）を使用して言語処理に関する興味深い研究を行いました。その後、彼は最近では教育に従事しているため、フィールドから少し移動しました。自然言語生成（BABEL）、ストーリー生成（TAILSPIN）、およびその他の領域にはいくつかの有用なアプリケーションがあり、個々の文章ではなく計画やエピソードが含まれることがよくありました。 他の誰かがCDまたはその変種を使い続けましたか？私は、ストーリーを生成するための表現としてCDを使用するHovyのPAULINEを除いて、他のプロジェクトについては知りません。

11 natural-language-processing  knowledge-representation 

この例を考えてみましょう： ジョンの誕生日です。凧を買いましょう。 なぜ購入されたのかと尋ねると、私たち人間はおそらく凧は誕生日プレゼントだと言っています。この推論を常識と呼びます。 人工知能エージェントでこれが必要なのはなぜですか？人為的エラーの多くはこれらのあいまいな仮定が原因であるので、それは多くの問題を引き起こす可能性があると思います。 AIが常識を使ってすでに他の誰か（または別のAI）によって実行されていると想定しているため、特定の処理を無視しているAIを想像してみてください。 これはAIシステムに人為的エラーを引き起こさないでしょうか？

10 philosophy  agi  knowledge-representation  common-sense-knowledge 

私は、しばらくの間、知識ベースのAIシステムとベイジアン推論の間の接続に苦労しています。私は文献を調べ続けていますが、誰かがこれらの質問に直接答えることができれば幸いです- ベイズ推論ベースの方法は推論またはQ / Aシステムで使用されていますか？回答が知識ベースに直接存在しない質問についての結論に到達するためですか？ つまり、Q / Aシステムがナレッジベースで回答を見つけられない場合、ベイジアン推論を使用して、利用可能なファクトを使用して、さまざまな可能性で回答を提案できますか？ はいの場合、いくつかの実装を教えていただけますか？

9 knowledge-representation  reasoning 

したがって、機械学習を使用すると、これまでに学習した内容に基づいて将来の状態を予測できるという意味で、システムを自動化できます。私の質問は次のとおりです。システムにドメイン知識を発展させる唯一の方法は機械学習技術ですか？

9 machine-learning  knowledge-representation 

ルールベースはロジックベースAIと同義だといつも思っていました。ロジックには公理と推論のルールがありますが、ルールベースのaiには知識ベース（本質的に公理）とif-thenルールがあり、新しい知識を作成します（本質的に推論ルール）。 しかし、彼らの有名な記事「知識表現とは何ですか？」では、デービス、シュローブ、ソロビッツは、彼らがそうではないことを示唆しているようです： 論理、ルール、フレームなどはそれぞれ、世界で重要なものの種類に関する視点を具体化します。たとえば、ロジックには、個々のエンティティとそれらの間の関係の観点から世界を表示する（かなり最小限の）コミットメントが含まれます。ルールベースのシステムは、属性-オブジェクト-値のトリプル、およびそれらを接続するもっともらしい推論のルールの観点から世界を表示しますが、フレームは、典型的なオブジェクトの観点から考えます。 これは、ルールベースが命題であるのに対して、ロジックベースは通常、述語ロジックを意味することを意味しているだけですか？それともこれ以上のものはありますか？

8 knowledge-representation  logic