論文の概要: Towards Data-and Knowledge-Driven Artificial Intelligence: A Survey on
Neuro-Symbolic Computing
- arxiv url: http://arxiv.org/abs/2210.15889v1
- Date: Fri, 28 Oct 2022 04:38:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-31 15:03:18.659815
- Title: Towards Data-and Knowledge-Driven Artificial Intelligence: A Survey on
Neuro-Symbolic Computing
- Title（参考訳）: データと知識駆動型人工知能に向けて:ニューロシンボリックコンピューティングに関する調査
- Authors: Wenguan Wang, and Yi Yang
- Abstract要約: ニューラルシンボリック・コンピューティング(NeSy)は、人工知能(AI)の活発な研究領域である。
NeSyは、ニューラルネットワークにおける記号表現の推論と解釈可能性の利点と堅牢な学習の整合性を示す。
- 参考スコア（独自算出の注目度）: 69.42907685411527
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Neural-symbolic computing (NeSy), which pursues the integration of the
symbolic and statistical paradigms of cognition, has been an active research
area of Artificial Intelligence (AI) for many years. As NeSy shows promise of
reconciling the advantages of reasoning and interpretability of symbolic
representation and robust learning in neural networks, it may serve as a
catalyst for the next generation of AI. In the present paper, we provide a
systematic overview of the important and recent developments of research on
NeSy AI. Firstly, we introduce study history and background concepts of this
area. Afterward, we categorize recent approaches along several main
characteristics that underline this research paradigm, including
neural-symbolic interrelation, neural architecture, knowledge representation,
and functionality. Then, we briefly discuss the successful application of
modern NeSy approaches in several domains. Finally, we identify the open
problems together with potential future research directions.
- Abstract（参考訳）: 認知の象徴的および統計的パラダイムの統合を追求するニューラルシンボリック・コンピューティング(NeSy)は、人工知能(AI)の活発な研究領域である。
NeSyは、ニューラルネットワークにおける記号表現の推論と解釈可能性の利点と堅牢な学習の整合性を示すため、次世代AIの触媒として機能する可能性がある。
本稿では,NeSy AI研究の重要かつ最近の展開を体系的に概観する。
まず,この分野の研究史と背景概念を紹介する。
その後、ニューラルシンボリックな相互関係、ニューラルアーキテクチャ、知識表現、機能など、この研究パラダイムの基礎となるいくつかの主要な特徴に沿って、最近のアプローチを分類する。
次に,いくつかの領域における現代ネッシーアプローチの応用について概説する。
最後に、今後の研究方向性とともに、オープンな問題を特定する。
関連論文リスト
- On the Element-Wise Representation and Reasoning in Zero-Shot Image Recognition: A Systematic Survey [82.49623756124357]
ゼロショット画像認識(ZSIR)は、目に見えない領域の認識と推論をモデルに与えることを目的としている。
本稿では,近年の素子ワイドZSIRの進歩について概説する。
まず、オブジェクト認識、合成認識、基礎モデルに基づくオープンワールド認識という3つの基本的なZSIRタスクを、統一された要素的視点に統合する。
論文 参考訳（メタデータ） (2024-08-09T05:49:21Z) - Continual Learning with Hebbian Plasticity in Sparse and Predictive Coding Networks: A Survey and Perspective [1.3986052523534573]
ニューロモルフィック連続学習システムの新たなクラスは、ハエの新たな情報を統合することを学ばなければならない。
このサーベイは、最先端スパースと予測符号化技術に基づくニューロモルフィック連続学習の分野における最近の多くの研究をカバーしている。
この調査は神経形連続学習の分野での今後の研究に貢献することが期待されている。
論文 参考訳（メタデータ） (2024-07-24T14:20:59Z) - Converging Paradigms: The Synergy of Symbolic and Connectionist AI in LLM-Empowered Autonomous Agents [55.63497537202751]
コネクショニストと象徴的人工知能(AI)の収束を探求する記事
従来、コネクショナリストAIはニューラルネットワークにフォーカスし、シンボリックAIはシンボリック表現とロジックを強調していた。
大型言語モデル(LLM)の最近の進歩は、人間の言語をシンボルとして扱う際のコネクショナリストアーキテクチャの可能性を強調している。
論文 参考訳（メタデータ） (2024-07-11T14:00:53Z) - Exploring knowledge graph-based neural-symbolic system from application perspective [0.0]
AIシステムにおけるヒューマンライクな推論と解釈可能性の実現は、依然として大きな課題である。
ニューラルネットワークをシンボリックシステムと統合するNeural-Symbolicパラダイムは、より解釈可能なAIへの有望な経路を提供する。
本稿では,知識グラフに基づくニューラルシンボリック統合の最近の進歩について考察する。
論文 参考訳（メタデータ） (2024-05-06T14:40:50Z) - The Role of Foundation Models in Neuro-Symbolic Learning and Reasoning [54.56905063752427]
Neuro-Symbolic AI(NeSy)は、AIシステムの安全なデプロイを保証することを約束している。
ニューラルネットワークとシンボリックコンポーネントを順次トレーニングする既存のパイプラインは、広範なラベリングを必要とする。
新しいアーキテクチャであるNeSyGPTは、生データから象徴的特徴を抽出する視覚言語基盤モデルを微調整する。
論文 参考訳（メタデータ） (2024-02-02T20:33:14Z) - Survey on Applications of Neurosymbolic Artificial Intelligence [37.7665470475176]
本稿では,ニューロシンボリックな応用の分類法を導入し,各領域の最先端を概説する。
我々は、この急成長する分野の将来に関する重要なトレンドを特定し、新たな視点を提供する。
論文 参考訳（メタデータ） (2022-09-08T18:18:41Z) - Neuro-Symbolic Learning: Principles and Applications in Ophthalmology [20.693460748187906]
ニューロシンボリックラーニング(NeSyL)の概念は、記号表現の側面を取り入れ、ニューラルネット(NeSyL)に共通の感覚をもたらす。
NeSyLは、ビデオや画像キャプション、質問回答と推論、健康情報学、ゲノム学など、解釈可能性、推論可能性、説明可能性が重要である領域において、有望な結果を示している。
このレビューでは、最先端のNeSyLアプローチ、その原則、機械学習およびディープラーニングアルゴリズムの進歩、オプタルモロジーのような応用、そして最も重要なのは、この新興分野の今後の展望について包括的に調査する。
論文 参考訳（メタデータ） (2022-07-31T06:48:19Z) - Neuro-Symbolic Learning of Answer Set Programs from Raw Data [54.56905063752427]
Neuro-Symbolic AIは、シンボリックテクニックの解釈可能性と、生データから学ぶ深層学習の能力を組み合わせることを目的としている。
本稿では,ニューラルネットワークを用いて生データから潜在概念を抽出するNSIL(Neuro-Symbolic Inductive Learner)を提案する。
NSILは表現力のある知識を学習し、計算的に複雑な問題を解き、精度とデータ効率の観点から最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2022-05-25T12:41:59Z) - Neurosymbolic AI: The 3rd Wave [1.14219428942199]
AIの信頼、安全性、解釈可能性、説明責任に関する懸念は、影響力のある思想家によって提起された。
多くは、知識表現と推論を深層学習に統合する必要性を認識している。
ニューラル・シンボリック・コンピューティングは、推論と説明可能性を備えた堅牢な学習をニューラルネットワークで組み合わせようとする研究の活発な領域である。
論文 参考訳（メタデータ） (2020-12-10T18:31:38Z) - A Comprehensive Survey of Neural Architecture Search: Challenges and
Solutions [48.76705090826339]
ニューラルネットワーク探索(NAS)は革命的アルゴリズムであり、関連する研究は複雑でリッチである。
まず、初期のNASアルゴリズムの特徴の概要から始め、これらの初期のNASアルゴリズムの問題を要約する。
さらに,これらの研究の詳細な分析,比較,要約を行う。
論文 参考訳（メタデータ） (2020-06-01T13:08:03Z)
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。