論文の概要: Conversational Neuro-Symbolic Commonsense Reasoning
- arxiv url: http://arxiv.org/abs/2006.10022v3
- Date: Tue, 2 Feb 2021 07:37:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-19 18:59:11.657224
- Title: Conversational Neuro-Symbolic Commonsense Reasoning
- Title(参考訳): 会話型ニューロシンボリック・コモンセンス推論
- Authors: Forough Arabshahi, Jennifer Lee, Mikayla Gawarecki, Kathryn Mazaitis,
Amos Azaria, Tom Mitchell
- Abstract要約: マルチホップ推論鎖を抽出するニューロシンボリック定理証明器を提案する。
また,脳-記号系上に構築した対話型対話型フレームワークを提案する。
- 参考スコア(独自算出の注目度): 10.894217510063086
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In order for conversational AI systems to hold more natural and broad-ranging
conversations, they will require much more commonsense, including the ability
to identify unstated presumptions of their conversational partners. For
example, in the command "If it snows at night then wake me up early because I
don't want to be late for work" the speaker relies on commonsense reasoning of
the listener to infer the implicit presumption that they wish to be woken only
if it snows enough to cause traffic slowdowns. We consider here the problem of
understanding such imprecisely stated natural language commands given in the
form of "if-(state), then-(action), because-(goal)" statements. More precisely,
we consider the problem of identifying the unstated presumptions of the speaker
that allow the requested action to achieve the desired goal from the given
state (perhaps elaborated by making the implicit presumptions explicit). We
release a benchmark data set for this task, collected from humans and annotated
with commonsense presumptions. We present a neuro-symbolic theorem prover that
extracts multi-hop reasoning chains, and apply it to this problem. Furthermore,
to accommodate the reality that current AI commonsense systems lack full
coverage, we also present an interactive conversational framework built on our
neuro-symbolic system, that conversationally evokes commonsense knowledge from
humans to complete its reasoning chains.
- Abstract(参考訳): 会話AIシステムがより自然で広範に会話を行うためには、会話パートナーの予想外の推測を識別する機能を含む、より一般的な知識が必要である。
例えば、"if it snows at night, then me early because i don't want to be late for work"というコマンドでは、リスナーの常識に基づいて、雪が降って渋滞が遅くなる場合にのみ目を覚ましたいという暗黙の仮定を推測する。
ここでは、「if-(state), then-(action), because-(goal)"文」という形で与えられた不正確な自然言語コマンドを理解するという問題を考察する。
より正確には、要求された行動が与えられた状態から所望の目標を達成することを許容する話者の未定の前提を識別する問題を考える(暗黙の前提を明示することによる詳細化)。
我々はこのタスクのベンチマークデータセットをリリースし、人間から収集し、コモンセンス推定で注釈を付けた。
マルチホップ推論鎖を抽出するニューロシンボリック定理証明器を提案し,この問題に応用する。
さらに、現在のAIコモンセンスシステムが完全なカバレッジを欠いている現実に対応するため、私たちのニューロシンボリックシステム上に構築された対話型会話フレームワークも提供します。
関連論文リスト
- Towards a fully declarative neuro-symbolic language [13.009339669097415]
我々は、完全に宣言的な神経述語のための一般的なフレームワークを提案し、実装する。
まず、宣言的拡張は任意のクエリに答えることができながら、学習と推論能力を保っていることを示す。
論文 参考訳(メタデータ) (2024-05-15T17:24:34Z) - Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic
Systems [67.01132165581667]
本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。
本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
論文 参考訳(メタデータ) (2023-11-13T21:20:17Z) - Commonsense Reasoning for Conversational AI: A Survey of the State of
the Art [0.76146285961466]
論文では、関連するトレーニングデータセットをリストアップし、会話型AIにコモンセンスを含めるための主要なアプローチについて説明する。
本稿では,BlenderBot3とLaMDAの2つの最先端オープンダイアログモデルの限られたコモンセンス能力について予備観測を行った。
論文 参考訳(メタデータ) (2023-02-15T19:55:57Z) - RHO ($\rho$): Reducing Hallucination in Open-domain Dialogues with
Knowledge Grounding [57.46495388734495]
本稿では、知識グラフ(KG)からリンクされたエンティティと関係述語を表現したRHO(rho$)を提案する。
本稿では,(1)テキスト埋め込みと対応するKG埋め込みを組み合わせるための局所知識基盤,(2)注目機構を介してRHOにマルチホップ推論能力を持たせるためのグローバル知識基盤を提案する。
論文 参考訳(メタデータ) (2022-12-03T10:36:34Z) - NELLIE: A Neuro-Symbolic Inference Engine for Grounded, Compositional, and Explainable Reasoning [59.16962123636579]
本稿では,Prologベースの推論エンジンを新たに提案する。
我々は手作りのルールを、ニューラルネットワークモデリング、ガイド付き生成、半密検索の組み合わせで置き換える。
我々の実装であるNELLIEは、完全に解釈可能なエンドツーエンドの基底QAを示す最初のシステムである。
論文 参考訳(メタデータ) (2022-09-16T00:54:44Z) - Is Neuro-Symbolic AI Meeting its Promise in Natural Language Processing?
A Structured Review [2.064612766965483]
Neuro-Symbolic AI(NeSy)の支持者は、ディープラーニングとシンボリック推論を組み合わせることで、AIがより強くなると主張している。
我々はNLPのためのNeSyを実装した研究の構造化されたレビューを行い、課題と今後の方向性について述べる。
我々は、NeSyがその約束を本当に満たしているかどうか、すなわち、推論、アウト・オブ・ディストリビューションの一般化、解釈可能性、小さなデータからの学習と推論、新しいドメインへの転送可能性という疑問に答えることを目指している。
論文 参考訳(メタデータ) (2022-02-24T17:13:33Z) - Conversational Multi-Hop Reasoning with Neural Commonsense Knowledge and
Symbolic Logic Rules [38.15523098189754]
会話エージェントのためのゼロショットコモンセンス推論システムを提案する。
我々の推論器は、 if-(state) then-(action) because-(goal) の一般的なテンプレートを満たす未定の前提を明らかにする
我々は,SOTAと比較して35%高い成功率を達成できるユーザによるユーザスタディにより,モデルを評価した。
論文 参考訳(メタデータ) (2021-09-17T13:40:07Z) - Temporal Reasoning on Implicit Events from Distant Supervision [91.20159064951487]
本稿では,暗黙的事象の理解度を評価する新しい時間的推論データセットを提案する。
我々は、暗黙の出来事と明示的な出来事の間の時間的関係を予測する際に、最先端のモデルが苦労していることを発見した。
本稿では,大規模テキストからの遠隔監視信号を利用して終末時刻を推定する,ニューロシンボリックな時間的推論モデルSYMTIMEを提案する。
論文 参考訳(メタデータ) (2020-10-24T03:12:27Z) - Towards Data Distillation for End-to-end Spoken Conversational Question
Answering [65.124088336738]
音声対話型質問応答タスク(SCQA)を提案する。
SCQAは,音声発話とテキストコーパスから複雑な対話の流れをモデル化することを目的としている。
我々の主な目的は、音声とテキストの両方で会話的な質問に対処するQAシステムを構築することである。
論文 参考訳(メタデータ) (2020-10-18T05:53:39Z) - "I'd rather just go to bed": Understanding Indirect Answers [61.234722570671686]
我々は,質問に対する間接的応答の理解という,現実的な推論問題をダイアログで再検討する。
最初の大規模英語コーパス「Circa」を34,268対(極性質問,間接回答)で作成・リリースする。
本稿では,質問応答対のカテゴリを予測するためにBERTに基づくニューラルモデルを提案する。
論文 参考訳(メタデータ) (2020-10-07T14:41:40Z) - Teaching Machines to Converse [24.64148203917298]
この論文は、オープンドメイン対話生成システムにおけるニューラルネットワークモデルによる課題に対処しようとするものである。
我々は,対話型質問応答システムを開発するために,対話型質問応答システムを開発した。
論文 参考訳(メタデータ) (2020-01-31T08:28:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。