神经符号与人工智能
摘要
“Compendium of Neurosymbolic Artificial Intelligence”探讨如何将符号推理和神经或连接主义方法(例如深度学习)结合起来的各种方法。这本书包含30篇邀请论文,它们探索了定义和开发成功系统以结合这两种方法的不同途径。每种策略都有明显的优势和劣势,大多数的目标是在符号系统的严格透明性和灵活但高度不透明的神经应用之间找到一些有用的中间地带。这些论文按主题组织,前四篇是该领域的概述或调查。这些之后是涵盖神经符号推理、神经符号架构、深度学习的各个方面,以及最后两章关于自然语言处理的论文。所有论文在出版前都经过内部审查。这本书旨在继续和扩展之前的书籍《神经符号人工智能:艺术状态》(IOS Press;2021年)的工作,该书在当时概述了该领域的广度。神经符号AI是一个年轻的领域,仍在积极定义和探索中,这本书将对从事AI研究和开发的人员有所帮助。
介绍
神经符号人工智能领域,也称为神经-符号或神经符号人工智能,旨在将两种截然不同的人工智能方法——符号推理和神经网络——统一起来。符号推理通常在数学和逻辑上是明确的,因此适合于形式化演绎推理应用和知识表示。另一方面,神经或连接主义方法,如深度学习,通常采用归纳策略,使它们非常适合于统计和经验任务,如分类和预测。将这两种类型的人工智能结合起来的研究已经导致许多创新技术,扩展了两个学科的边界。
重要的是要在一开始就强调,神经符号人工智能是一个年轻的领域,仍在积极定义和探索中。许多最近的调查,如[1, 2, 3],试图定义这个学科,但努力在很多方面仍然是零散的。举个例子,这个领域的一个挑战是,由于任务的概念性难度压倒性,事先永远不清楚一个成功的系统应该是什么样子。许多人采用神经网络的技术来改进符号任务,其中统计数据如准确性对于评估预测和分类非常重要。然而,当我们反过来尝试使用符号系统执行神经操作时,这些指标可能是多余的或毫无意义的,就像询问一个正式证明的准确性一样。考虑到这种差异,我们可以非常清楚地看到不同整合方法之间的一个最大区别因素,即:我们是试图用神经网络进行符号推理,还是用符号执行神经网络相关任务,使用一种人工智能来增强纯粹属于另一种领域的任务,还是两者的某种新颖组合?这个问题的答案将指导这样一个系统的设计、开发和评估方式,以及它与其他系统的比较。在这本书中,我们将看到这些方法的每一个例子。
从广义上讲,许多这些努力的希望是在符号系统的严格透明性和更灵活但高度不透明的神经应用程序之间找到一些有用的中间立场。每种策略都有明显的优势和劣势,偶尔结合使用会很有用。例如,符号推理通常完全透明,系统行为可以在执行的任何层面上进行检查。这种有用的特性在神经系统中大多数情况下是缺失的,神经系统通常具有黑盒式的无监督行为。然而,透明性是有代价的。为了实现这种可解释性,符号系统必须由人类工程师手动编写,这通常非常耗时。如果能够以某种方式拥有既自动又可训练的神经系统,并且还能以人类能够理解的符号系统的方式证明其行为,这将实际上是一个两全其美的情况。这个目标,以及神经符号推理中的许多其他目标,当然还有很长的路要走,但很明显,朝这个方向的进步将极大地服务于人工智能的总体事业。
这本书旨在继续并扩展前一本书[4]的工作,该书开始概述了该领域的当前广度。当前书中的章节按主题组织,每个主题内的章节按照第一作者的姓氏字母顺序排列。前四章(1-4)是该领域的概述或调查论文,接下来的三章(5-7)讨论神经符号推理的基础,然后是五章(8-12)关于神经符号架构,接着是四章(13-16)关于使用深度学习的符号推理,五章(17-21)关于与深度学习的符号推理,三章(22-24)关于用符号方法改进深度学习,四章(25-28)关于可解释的深度学习,最后两章(29-30)关于自然语言处理。所有章节都是作为邀请稿件选出的。
[1] Bader S, Hitzler P. Dimensions of neural-symbolic integration - A structured survey. In: Artemov SN, ¨ Barringer H, d’Avila Garcez AS, et al., editors. We Will Show Them! Essays in Honour of Dov Gabbay, Volume One. College Publications; 2005. p. 167–194.
[2] Garcez Ad, Bader S, Bowman H, et al. Neural-symbolic learning and reasoning: a survey and interpretation. Neuro-Symbolic Artificial Intelligence: The State of the Art. 2022;342(1).
[3] Sarker MK, Zhou L, Eberhart A, et al. Neuro-symbolic artificial intelligence: Current trends. AI Communications. 2021;34(3):197–209.
[4] Hitzler P, Sarker MK, editors. Neuro-symbolic artificial intelligence: The state of the art. (Frontiers in Artificial Intelligence and Applications; Vol. 342). IOS Press; 2021. Available from: [https://doi.org/ . ]()