論文の概要: Intensional First Order Logic for Strong-AI Generation of Robots
- arxiv url: http://arxiv.org/abs/2212.07935v1
- Date: Wed, 14 Dec 2022 16:23:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-16 17:44:17.853702
- Title: Intensional First Order Logic for Strong-AI Generation of Robots
- Title(参考訳): ロボットの強AI生成のためのIntensional First Order Logic
- Authors: Zoran Majkic
- Abstract要約: 我々は、この一階述語論理(IFOL)を現代ロボットの象徴的アーキテクチャとみなす。
3つの自然言語レベルを考える: 特定の自然言語(イタリア語、フランス語など)の構文と2つの普遍言語特性。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Neuro-symbolic AI attempts to integrate neural and symbolic architectures in
a manner that addresses strengths and weaknesses of each, in a complementary
fashion, in order to support robust strong AI capable of reasoning, learning,
and cognitive modeling. In this paper we consider the intensional First Order
Logic (IFOL) as a symbolic architecture of modern robots, able to use natural
languages to communicate with humans and to reason about their own knowledge
with self-reference and abstraction language property. We intend to obtain the
grounding of robot's language by experience of how it uses its neuronal
architectures and hence by associating this experience with the mining (sense)
of non-defined language concepts (particulars/individuals and universals) in
PRP (Properties/Relations/propositions) theory of IFOL. We consider three
natural language levels: The syntax of particular natural language (Italian,
French, etc..), and two universal language properties: its semantic logic
structure (based on virtual predicates of FOL and logic connectives), and its
corresponding conceptual PRP structure which universally represents the
composite mining of FOL formulae grounded on the robot's neuro system.
- Abstract(参考訳): ニューロシンボリックAIは、推論、学習、認知モデリングが可能な強力なAIをサポートするために、それぞれの強みと弱みに補完的な方法で対処する方法で、ニューラルアーキテクチャとシンボルアーキテクチャを統合する。
本稿では,人間とのコミュニケーションに自然言語を活用し,自己参照と抽象言語特性を用いて自身の知識を推論できる,現代ロボットの象徴的アーキテクチャとしてifol(intensional first order logic)を考える。
我々は,ロボット言語の基礎を,その神経アーキテクチャの使用経験から得ることを目的としており,この経験をIFOLのPRP(Properties/Relations/Propositions)理論における非定義言語概念(特に個人・普遍性)のマイニング(センス)と関連付ける。
我々は、特定の自然言語(イタリア語、フランス語など)の構文と、その意味論的論理構造(folと論理接続の仮想述語に基づく)と、ロボットの神経系に基づくfolの公式の複合マイニングを普遍的に表現する概念的prp構造という2つの普遍的言語特性の3つの自然言語レベルを考える。
関連論文リスト
- Verifiably Following Complex Robot Instructions with Foundation Models [18.09584127867647]
ロボットが表現的・長期的指示に従うことを可能にするために,動作計画(LIMP)のための言語指導基盤を提案する。
LIMPは、インストラクターの意図したモチベーションとロボットのアライメントを明らかにする説明可能な命令表現を構築する。
実環境におけるLIMPを,35の複合時間的語彙命令の集合で実証する。
論文 参考訳(メタデータ) (2024-02-18T08:05:54Z) - LOGICSEG: Parsing Visual Semantics with Neural Logic Learning and
Reasoning [73.98142349171552]
LOGICSEGは、神経誘導学習と論理推論をリッチデータとシンボリック知識の両方に統合する、全体論的視覚意味論である。
ファジィ論理に基づく連続的な緩和の間、論理式はデータとニューラルな計算グラフに基礎を置いており、論理によるネットワークトレーニングを可能にする。
これらの設計によりLOGICSEGは、既存のセグメンテーションモデルに容易に統合できる汎用的でコンパクトなニューラル論理マシンとなる。
論文 参考訳(メタデータ) (2023-09-24T05:43:19Z) - From Word Models to World Models: Translating from Natural Language to
the Probabilistic Language of Thought [124.40905824051079]
言語インフォームド・シンキングのための計算フレームワークである「構成」を合理的に提案する。
我々は、自然言語から確率論的思考言語への文脈感応的なマッピングとして、言語の意味を定式化する。
LLMは、現実的に適切な言語的意味をキャプチャする文脈依存翻訳を生成することができることを示す。
認知的なモチベーションを持つシンボリックモジュールを統合するために、我々のフレームワークを拡張します。
論文 参考訳(メタデータ) (2023-06-22T05:14:00Z) - On the Computation of Meaning, Language Models and Incomprehensible
Horrors [0.0]
我々は、意味の基本理論を、人工知能(AGI)の数学的形式主義と統合する。
我々の発見は、意味と知性の関係と、意味を理解して意図する機械を構築する方法に光を当てた。
論文 参考訳(メタデータ) (2023-04-25T09:41:00Z) - Join-Chain Network: A Logical Reasoning View of the Multi-head Attention
in Transformer [59.73454783958702]
本稿では,多くの結合演算子を連結して出力論理式をモデル化するシンボリック推論アーキテクチャを提案する。
特に,このような結合鎖のアンサンブルが'ツリー構造'の1次論理式であるFOETの広い部分集合を表現できることを実証する。
変圧器における多頭部自己保持モジュールは,確率的述語空間における結合作用素の結合境界を実装する特別なニューラル演算子として理解することができる。
論文 参考訳(メタデータ) (2022-10-06T07:39:58Z) - Enhancing Interpretability and Interactivity in Robot Manipulation: A
Neurosymbolic Approach [0.0]
本稿では,言語誘導型視覚推論とロボット操作を結合したニューロシンボリックアーキテクチャを提案する。
非熟練の人間ユーザは、制約のない自然言語を用いてロボットに刺激を与え、参照表現(REF)、質問(VQA)、把握動作指示を提供する。
シミュレーション環境では,3次元視覚と言語によるテーブルトップシーンの合成データセットを作成し,我々のアプローチを訓練し,合成シーンと実世界のシーンの両方で広範な評価を行う。
論文 参考訳(メタデータ) (2022-10-03T12:21:45Z) - MRKL Systems: A modular, neuro-symbolic architecture that combines large
language models, external knowledge sources and discrete reasoning [50.40151403246205]
巨大な言語モデル(LM)は、自然言語ベースの知識タスクのゲートウェイとして機能する、AIの新しい時代を支えている。
離散的な知識と推論モジュールによって補完される、複数のニューラルモデルによる柔軟なアーキテクチャを定義する。
本稿では,MRKL(Modular Reasoning, Knowledge and Language)システムと呼ばれる,このニューロシンボリックアーキテクチャについて述べる。
論文 参考訳(メタデータ) (2022-05-01T11:01:28Z) - Logic Tensor Networks [9.004005678155023]
学習と推論をサポートする神経シンボリック形式論と計算モデルであるLogic Networks(LTN)を提示する。
LTNがいくつかのAIタスクの仕様と計算に一様言語を提供することを示す。
論文 参考訳(メタデータ) (2020-12-25T22:30:18Z) - Towards Abstract Relational Learning in Human Robot Interaction [73.67226556788498]
人間は環境における実体を豊かに表現する。
ロボットが人間とうまく対話する必要がある場合、同様の方法で実体、属性、一般化を表現する必要がある。
本研究では,人間とロボットの相互作用を通じて,これらの表現をどのように獲得するかという課題に対処する。
論文 参考訳(メタデータ) (2020-11-20T12:06:46Z) - A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。
このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
論文 参考訳(メタデータ) (2020-03-02T10:32:21Z)
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。