論文の概要: Towards Cognitive AI Systems: a Survey and Prospective on Neuro-Symbolic
AI
- arxiv url: http://arxiv.org/abs/2401.01040v1
- Date: Tue, 2 Jan 2024 05:00:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-03 14:46:54.421811
- Title: Towards Cognitive AI Systems: a Survey and Prospective on Neuro-Symbolic
AI
- Title(参考訳): 認知AIシステムに向けて:ニューロシンボリックAIに関する調査と展望
- Authors: Zishen Wan, Che-Kai Liu, Hanchen Yang, Chaojian Li, Haoran You,
Yonggan Fu, Cheng Wan, Tushar Krishna, Yingyan Lin, Arijit Raychowdhury
- Abstract要約: ニューロシンボリックAIは、解釈可能性、堅牢性、信頼性を高めるための有望なパラダイムとして登場します。
近年のNSAIシステムは、推論と認知能力を備えた協調的な人間-AIシナリオにおいて大きな可能性を実証している。
- 参考スコア(独自算出の注目度): 33.0761784111292
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The remarkable advancements in artificial intelligence (AI), primarily driven
by deep neural networks, have significantly impacted various aspects of our
lives. However, the current challenges surrounding unsustainable computational
trajectories, limited robustness, and a lack of explainability call for the
development of next-generation AI systems. Neuro-symbolic AI (NSAI) emerges as
a promising paradigm, fusing neural, symbolic, and probabilistic approaches to
enhance interpretability, robustness, and trustworthiness while facilitating
learning from much less data. Recent NSAI systems have demonstrated great
potential in collaborative human-AI scenarios with reasoning and cognitive
capabilities. In this paper, we provide a systematic review of recent progress
in NSAI and analyze the performance characteristics and computational operators
of NSAI models. Furthermore, we discuss the challenges and potential future
directions of NSAI from both system and architectural perspectives.
- Abstract(参考訳): 人工知能(AI)の顕著な進歩は、主にディープニューラルネットワークによるものであり、私たちの生活の様々な側面に大きな影響を与えています。
しかし、現在の課題は、持続不可能な計算軌道、限られた堅牢性、そして次世代AIシステムの開発のための説明可能性の欠如である。
ニューロシンボリックAI(NSAI)は、より少ないデータからの学習を促進しつつ、解釈可能性、堅牢性、信頼性を高めるために、ニューラル、シンボリック、確率的なアプローチを融合し、有望なパラダイムとして出現する。
近年のNSAIシステムは、推論と認知能力を備えた協調的な人間-AIシナリオにおいて大きな可能性を実証している。
本稿では,NSAIの最近の進歩を体系的に検証し,NSAIモデルの性能特性と演算子の解析を行う。
さらに,システムとアーキテクチャの観点から,NSAIの課題と今後の方向性について論じる。
関連論文リスト
- Advancing Explainable AI Toward Human-Like Intelligence: Forging the
Path to Artificial Brain [0.7770029179741429]
説明可能なAI(XAI)における人工知能(AI)と神経科学の交差は、複雑な意思決定プロセスにおける透明性と解釈可能性を高めるために重要である。
本稿では,機能ベースから人間中心のアプローチまで,XAI方法論の進化について考察する。
生成モデルにおける説明可能性の達成、責任あるAIプラクティスの確保、倫理的意味への対処に関する課題について論じる。
論文 参考訳(メタデータ) (2024-02-07T14:09:11Z) - 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) - Augmenting deep neural networks with symbolic knowledge: Towards
trustworthy and interpretable AI for education [3.627954884906034]
この研究は、AIのニューラルシンボリックなファミリーは、名前のついた課題に対処する可能性があると主張している。
ニューラルネットワークのシンボリックAIフレームワークに適応し、NSAIと呼ばれるアプローチを開発し、深層ニューラルネットワークに教育知識を注入し、抽出する。
以上の結果から,NSAIアプローチは,トレーニングデータのみに基づいてトレーニングされた深層ニューラルネットワークと比較して,より汎用性が高いことがわかった。
論文 参考訳(メタデータ) (2023-11-01T09:38:56Z) - Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳(メタデータ) (2023-08-15T16:37:16Z) - Knowledge-enhanced Neuro-Symbolic AI for Cybersecurity and Privacy [3.425341633647625]
ニューロシンボリック人工知能は、ニューラルネットワークと明示的でシンボリックな知識グラフのサブシンボリックな強さを組み合わせる。
この記事では、最も要求の多い2つのドメインであるサイバーセキュリティとプライバシのアプリケーションが、Neuro-Symbolic AIの恩恵を受ける方法について説明する。
論文 参考訳(メタデータ) (2023-07-25T01:29:34Z) - Towards Data-and Knowledge-Driven Artificial Intelligence: A Survey on
Neuro-Symbolic Computing [66.91310801654548]
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。
論文 参考訳(メタデータ) (2022-10-28T04:38:10Z) - Vision Paper: Causal Inference for Interpretable and Robust Machine
Learning in Mobility Analysis [71.2468615993246]
インテリジェントな輸送システムを構築するには、人工知能とモビリティ分析の複雑な組み合わせが必要である。
ここ数年、高度なディープニューラルネットワークを使った輸送アプリケーションの開発が急速に進んでいる。
このビジョンペーパーは、解釈可能性と堅牢性を必要とするディープラーニングに基づくモビリティ分析における研究課題を強調する。
論文 参考訳(メタデータ) (2022-10-18T17:28:58Z) - Neurocompositional computing: From the Central Paradox of Cognition to a
new generation of AI systems [120.297940190903]
AIの最近の進歩は、限られた形態のニューロコンフォメーションコンピューティングの使用によってもたらされている。
ニューロコンポジションコンピューティングの新しい形式は、より堅牢で正確で理解しやすいAIシステムを生み出します。
論文 参考訳(メタデータ) (2022-05-02T18:00:10Z) - A brain basis of dynamical intelligence for AI and computational
neuroscience [0.0]
より多くの脳のような能力は、新しい理論、モデル、および人工学習システムを設計する方法を要求するかもしれない。
本稿は,第6回US/NIH BRAIN Initiative Investigators Meetingにおける動的神経科学と機械学習に関するシンポジウムに触発されたものです。
論文 参考訳(メタデータ) (2021-05-15T19:49:32Z) - 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) - Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic
Programmed Deep Kernels [93.58854458951431]
本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。
我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。
我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
論文 参考訳(メタデータ) (2020-09-16T15:16:03Z)
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。