今年5月,研究人员在国际学习代表大会(ICLR)上发表一篇名为《神经符号概念学习者:从自然监督中解读场景、单词和句子(Neuro-Symbolic Concept Learner:Interpreting Scenes, Words, and Sentences From Natural Supervision)》的论文。 论文中,他们提出一个叫Neuro-Symbolic Concept Learner(NSCL)的概念,主要是将符号AI和神...
但符号AI缺点在于,要实现更复杂的推理需要庞大的知识库(人工构建),如果AI遇到知识库中没有的形状将无法处理。 连接主义利用知识进行训练,让神经网络具有学习能力,但容易受到对抗攻击。 于是将符号主义和连接主义结合起来的混合式神经-符号AI(neurosymbolic AI)应运而生。 科学家用深度神经网络来构建符号AI所需的知识...
但符号AI缺点在于,要实现更复杂的推理需要庞大的知识库(人工构建),如果AI遇到知识库中没有的形状将无法处理。 连接主义利用知识进行训练,让神经网络具有学习能力,但容易受到对抗攻击。 于是将符号主义和连接主义结合起来的混合式神经-符号AI(neurosymbolic AI)应运而生。 科学家用深度神经网络来构建符号AI所需的知识...
代表性研究包括前段时间介绍的 DeepMind 新型端到端神经网络架构 PrediNet(参见:结合符号主义和深度学习,DeepMind 提出新型端到端神经网络架构 PrediNet)以及 MIT-IBM Watson AI Lab 研究者提出的神经-符号概念学习器(Neuro-Symbolic Concept Learner,NS-CL)。 论文:THE NEURO-SYMBOLIC CONCEPT LEARNER: INTERPRETING SCEN...
于是将符号主义和连接主义结合起来的混合式神经-符号AI(neurosymbolic AI)应运而生。 科学家用深度神经网络来构建符号AI所需的知识库和命题,省去了人工预设的难题,然后使用符号AI对任务进行推理。 解决李飞飞2016年难题 2016年,李飞飞等人提出了组合语言和基本视觉推理(CLEVR)数据集,要求AI回答由计算机生成的简单3D形...
论文中,他们提出一个叫Neuro-Symbolic Concept Learner(NSCL)的概念,主要是将符号AI和神经网络结合在一起,创建出比传统模型更灵活的AI,并且创建出的AI可以解决符号AI和神经网络都无法自行解决的问题。 而通过这种方式创造出的AI强在哪呢?这就不得不提到视觉问答(VQA)。
代表性研究包括前段时间介绍的 DeepMind 新型端到端神经网络架构 PrediNet(参见:结合符号主义和深度学习,DeepMind 提出新型端到端神经网络架构 PrediNet)以及 MIT-IBM Watson AI Lab 研究者提出的神经-符号概念学习器(Neuro-Symbolic Concept Learner,NS-CL)。
Foundation Models Generative AI Granite Human-Centered AI Knowledge and Reasoning Machine Learning Natural Language Processing Neuro-symbolic AI Speech Trustworthy AI Trustworthy Generation Uncertainty Quantification Collaborate with us With over 3,000 researchers across the globe, IBM Research has a long ped...
代表性研究包括前段时间介绍的 DeepMind 新型端到端神经网络架构 PrediNet(参见:结合符号主义和深度学习,DeepMind 提出新型端到端神经网络架构 PrediNet)以及 MIT-IBM Watson AI Lab 研究者提出的神经-符号概念学习器(Neuro-Symbolic Concept Learner,NS-CL)。
代表性研究包括前段时间介绍的DeepMind新型端到端神经网络架构 PrediNet(参见:结合符号主义和深度学习,DeepMind提出新型端到端神经网络架构 PrediNet)以及 MIT-IBMWatson AI Lab 研究者提出的神经-符号概念学习器(Neuro-Symbolic Concept Learner,NS-CL)。 论文:THE NEURO-SYMBOLIC CONCEPT LEARNER: INTERPRETING SCENES, ...