网站风格和功能设计方案,建个网站大概需要多久,线上推广方案模板,wordpress 301规则来源#xff1a;混沌巡洋舰 近日#xff0c;Yoshua Bengio及其团队利用深度学习#xff0c;开发出了一套可以揭示丰富视觉环境中的潜在规则的「神经生产系统」#xff0c;使得现在暂时沉寂的符号人工智能重新恢复了活力。相信大家都知道#xff0c;目前人工智能的主要学派… 来源混沌巡洋舰 近日Yoshua Bengio及其团队利用深度学习开发出了一套可以揭示丰富视觉环境中的潜在规则的「神经生产系统」使得现在暂时沉寂的符号人工智能重新恢复了活力。相信大家都知道目前人工智能的主要学派有下列三家 (1) 符号主义(symbolicism)又称为逻辑主义、心理学派或计算机学派其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。(2) 连接主义(connectionism)又称为仿生学派或生理学派其主要原理为神经网络及神经网络间的连接机制与学习算法。(3) 行为主义(actionism)又称为进化主义或控制论学派其原理为控制论及感知-动作型控制系统。符号主义曾长期一枝独秀为人工智能的发展作出重要贡献尤其是专家系统的成功开发与应用为人工智能走向工程应用和实现理论联系实际具有特别重要的意义。1986年鲁梅尔哈特(Rumelhart)等人提出多层网络中的反向传播(BP)算法。此后连接主义势头大振从模型到算法从理论分析到工程实现为神经网络计算走向市场打下基础。而现在Youshio Bengio干了一件神奇的事情——他带领团队使用深度学习使符号人工智能恢复了活力近日Youshio Bengio和一组研究人员引入了一个端到端深度学习模型该模型部分受到经典人工智能生产系统的启发可以在视频中构建以对象为中心的实体表示并使用可微分和可学习的生产规则对其进行操作。研究团队主要来自于蒙特利尔大学的Mila、DeepMind、Waverly和谷歌Brain。任何结构化视觉环境如视频中的对象或者实体都具有可见和潜在的属性这些属性决定了他们如何相互作用。为这种相互作用建模的传统方法是使用等变图神经网络GNNs。然而这种设置并不理想因为GNN并不能预先处理稀疏交互也不能以实体条件的方式分解交互的知识。本文提出的神经生产系统Neural Production SystemsNPS则解决了这些问题。论文链接https://arxiv.org/pdf/2103.01937.pdfNPS由一组规则模版组成通过将规则中的占位符变量绑定到特定的实体这些模版可在丰富的可视环境中分解特定于实体和基于规则的信息。我们知道根据物理定律把盘子从餐桌上推下去会导致盘子掉到地板上并且很可能会摔碎。尽管从未学过基本的物理知识即使是孩子也可以用命题表达的方式来表达这一知识比如:「如果一个盘子从桌子上掉下来它会摔碎。」然而这种命题知识的简单表达仍然是深度学习体系结构的一个挑战原因有两个:1命题是离散的彼此独立2命题必须被量化为一阶逻辑的方式。关于符号知识表示的命题推理经典的人工智能方法提供了一些有价值的视角。其中一个简单的例子是20世纪80年代的生产系统它通过条件-动作规则来表达知识。现在研究人员从深度学习的角度重新审视了这种产生系统并提出了一种神经生产系统可以自然的将感知处理和随后的视觉推理问题的推理结合起来。研究人员提出的NPS与传统的生产系统都有四个基本性质模式、抽象、稀疏和对称。他们规定了知识是如何表示的。这个生产的体系结构还支持实体表示的检测和推断并且能控制他们交互的潜在规则。图规则和槽的组合在上图中条件操作规则指定实体如何交互插槽则维持实体的时变状态。每条规则都与一对插槽匹配。通过键值注意力机制我们可以确定匹配的优度并选择规则及其对插槽的绑定。在实验部分研究人员测试了NPS的有效性。其中一项涉及了学习数字的加、减、乘运算的算数任务实验还涉及了MNIST转换以测试扩展到更加丰富的视觉设置的能力最后为了模拟简单的物理世界实验还包括了一个动作约束Action-Conditioned的模型。图算术任务上图使了用不同序列长度对应的均方误差损失MSE该部分主要将NPS与基线模型进行了比较。图MNIST转换图Action-Conditioned模型上图中的a使用了H1指标比较了NPS和GNN越高越好b表示了在在物理环境中使用单个规则时NPS中使用的规则应用步骤数量的影响。c则对NPS和GNN模型中五款游戏Atari游戏H1的平均得分进行了比较。在算术任务中NPS的MSE明显低于基线。在MNIST转换任务中NPS成功地学会了使用单独的规则来表示每个转换而物理环境模拟则验证了NPS从简单(少数对象)环境到更复杂环境的推断能力。参考资料https://arxiv.org/pdf/2103.01937.pdf未来智能实验室的主要工作包括建立AI智能系统智商评测体系开展世界人工智能智商评测开展互联网城市云脑研究计划构建互联网城市云脑技术和企业图谱为提升企业行业与城市的智能水平服务。 如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
