論文の概要: A Theory of Formalisms for Representing Knowledge

• arxiv url: http://arxiv.org/abs/2412.11855v1
• Date: Mon, 16 Dec 2024 15:13:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-17 13:54:50.415799
• Title: A Theory of Formalisms for Representing Knowledge
• Title（参考訳）: 知識表現のための形式主義の理論
• Authors: Heng Zhang, Donghui Quan,
• Abstract要約: フォーマリズムがAIの知識を表現するのに最適なのかという長年にわたる論争があった。 我々は,私たちが関心を持っている様々な知識表現形式を捉えるための一般的な枠組みを提案する。
• 参考スコア（独自算出の注目度）: 3.731301369202316
• License:
• Abstract: There has been a longstanding dispute over which formalism is the best for representing knowledge in AI. The well-known "declarative vs. procedural controversy" is concerned with the choice of utilizing declarations or procedures as the primary mode of knowledge representation. The ongoing debate between symbolic AI and connectionist AI also revolves around the question of whether knowledge should be represented implicitly (e.g., as parametric knowledge in deep learning and large language models) or explicitly (e.g., as logical theories in traditional knowledge representation and reasoning). To address these issues, we propose a general framework to capture various knowledge representation formalisms in which we are interested. Within the framework, we find a family of universal knowledge representation formalisms, and prove that all universal formalisms are recursively isomorphic. Moreover, we show that all pairwise intertranslatable formalisms that admit the padding property are also recursively isomorphic. These imply that, up to an offline compilation, all universal (or natural and equally expressive) representation formalisms are in fact the same, which thus provides a partial answer to the aforementioned dispute.
• Abstract（参考訳）: フォーマリズムがAIの知識を表現するのに最適なのかという長年にわたる論争があった。 有名な「宣言的対手続き的論争」は、宣言や手続きを知識表現の第一のモードとして活用することの選択に関するものである。 シンボリックAIとコネクショナリストAIの議論は、知識が暗黙的に表現されるべきかどうか(例えば、ディープラーニングと大規模言語モデルにおけるパラメトリック知識として)、あるいは明示的に(例えば、伝統的な知識表現と推論における論理理論として)という問題も巻き起こしている。 これらの課題に対処するために、我々は興味のある様々な知識表現形式を捉えるための一般的な枠組みを提案する。 この枠組みの中で、普遍知識表現形式主義の族を見つけ、すべての普遍形式主義が再帰的に同型であることを証明する。 さらに、パディング特性を許容するすべての対解釈可能な形式は、再帰的に同型であることを示す。 これらのことは、オフラインのコンパイルまで、すべての普遍的(または自然で等しく表現的な)表現形式主義は実際には同じであり、上記の論争に対する部分的な答えを与えることを意味する。

関連論文リスト

• A Complexity-Based Theory of Compositionality [53.025566128892066]
  AIでは、構成表現は配布外一般化の強力な形式を可能にすることができる。 ここでは、構成性に関する直観を考慮し、拡張する構成性の公式な定義を提案する。 この定義は概念的には単純で量的であり、アルゴリズム情報理論に基礎を置いており、あらゆる表現に適用できる。
  論文  参考訳（メタデータ） (2024-10-18T18:37:27Z)
• The Geometry of Categorical and Hierarchical Concepts in Large Language Models [15.126806053878855]
  線形表現仮説の形式化をベクトルとして(例:is_animal)特徴を表現するために拡張する方法を示す。 形式化を用いて、概念の階層構造とそれらの表現の幾何学との関係を証明する。 我々はこれらの理論結果をGemmaとLLaMA-3大言語モデルで検証し、WordNetのデータを用いて900以上の階層的な概念の表現を推定する。
  論文  参考訳（メタデータ） (2024-06-03T16:34:01Z)
• Logical Reasoning over Natural Language as Knowledge Representation: A Survey [43.29703101875716]
  本稿では,自然言語を知識表現として,事前学習した言語モデルを推論として利用する論理推論の新しいパラダイムについて概説する。 この新たなパラダイムは、形式表現の多くの課題を軽減するだけでなく、エンドツーエンドのニューラルメソッドよりもアドバンテージを持つため、有望である。
  論文  参考訳（メタデータ） (2023-03-21T16:56:05Z)
• On the Complexity of Representation Learning in Contextual Linear Bandits [110.84649234726442]
  表現学習は線形帯域よりも根本的に複雑であることを示す。 特に、与えられた表現の集合で学ぶことは、その集合の中で最悪の実現可能な表現で学ぶことよりも決して単純ではない。
  論文  参考訳（メタデータ） (2022-12-19T13:08:58Z)
• Quantification and Aggregation over Concepts of the Ontology [0.0]
  いくつかのKRアプリケーションでは、ボキャブラリのシンボルによって形式的に表される概念の集合を定量化したいと論じる。 本稿では,このような抽象化をサポートする一階述語論理の拡張について述べる。
  論文  参考訳（メタデータ） (2022-02-02T07:49:23Z)
• Learning Algebraic Representation for Systematic Generalization in Abstract Reasoning [109.21780441933164]
  推論における体系的一般化を改善するためのハイブリッドアプローチを提案する。 我々はRaven's Progressive Matrices (RPM) の抽象的空間時間課題に対する代数的表現を用いたプロトタイプを紹介する。 得られた代数的表現は同型によって復号化して解を生成することができることを示す。
  論文  参考訳（メタデータ） (2021-11-25T09:56:30Z)
• Fact-driven Logical Reasoning for Machine Reading Comprehension [82.58857437343974]
  私たちは、常識と一時的な知識のヒントの両方を階層的にカバーする動機があります。 具体的には,文の背骨成分を抽出し,知識単位の一般的な定式化を提案する。 次に、事実単位の上にスーパーグラフを構築し、文レベル(事実群間の関係)と実体レベルの相互作用の利点を享受する。
  論文  参考訳（メタデータ） (2021-05-21T13:11:13Z)
• Provable Limitations of Acquiring Meaning from Ungrounded Form: What will Future Language Models Understand? [87.20342701232869]
  未知のシステムが意味を習得する能力について検討する。 アサーションによってシステムが等価性のような意味関係を保存する表現をエミュレートできるかどうか検討する。 言語内のすべての表現が参照的に透明であれば,アサーションによってセマンティックエミュレーションが可能になる。 しかし、言語が変数バインディングのような非透過的なパターンを使用する場合、エミュレーションは計算不能な問題になる可能性がある。
  論文  参考訳（メタデータ） (2021-04-22T01:00:17Z)
• Formalising Concepts as Grounded Abstractions [68.24080871981869]
  このレポートは、表現学習が生データから概念を誘導する方法を示しています。 このレポートの主な技術的目標は、表現学習のテクニックが概念空間の格子理論的定式化とどのように結婚できるかを示すことである。
  論文  参考訳（メタデータ） (2021-01-13T15:22:01Z)
• Abstract Interpretation in Formal Argumentation: with a Galois Connection for Abstract Dialectical Frameworks and May-Must Argumentation (First Report) [3.7311680121118336]
  ラベリングに基づく形式的議論は、一般に3つのラベルのうちの1つを、受け入れ、拒絶、その他決定に至らないいずれかを示すように割り当てるラベリング関数に依存している。 抽象弁証法フレームワーク (ADF) は、このカテゴリーに属するよく知られた議論形式主義である。 我々は,MMA と ADF との間にガロア接続が存在することを証明し,MMA と MMA が ADF の抽象化であることを示す。
  論文  参考訳（メタデータ） (2020-07-22T04:26:15Z)
• Plausible Reasoning about EL-Ontologies using Concept Interpolation [27.314325986689752]
  本稿では,モデル理論の明確な意味論に基づく帰納的機構を提案する。 我々は、カテゴリーベース誘導の認知モデルと密接に関連している強力なコモンセンス推論機構である推論に焦点を当てた。
  論文  参考訳（メタデータ） (2020-06-25T14:19:41Z)

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。