Калі людзі сёння гавораць пра штучны інтэлект, размова амаль заўсёды пераходзіць да чат-ботаў, якія гучаць дзіўна па-чалавечы, масіўных нейронных сетак, якія апрацоўваюць дадзеныя, або сістэм распазнавання малюнкаў, якія вызначаюць катоў лепш, чым некаторыя стомленыя людзі. Але задоўга да гэтага ажыятажу існаваў сімвалічны штучны інтэлект . І, як ні дзіўна, ён усё яшчэ тут, усё яшчэ карысны. У асноўным гаворка ідзе пра навучанне кампутараў разважаць, як людзі: выкарыстоўваць сімвалы, логіку і правілы . Старамодна? Магчыма. Але ў свеце, апантаным штучным інтэлектам «чорнай скрыні», яснасць сімвалічнага штучнага інтэлекту здаецца даволі асвяжальнай [1].
Артыкулы, якія вам могуць спадабацца пасля гэтага:
🔗 Што такое трэнер па штучным інтэлекце
Тлумачыць ролю і абавязкі сучасных трэнераў па штучным інтэлекце.
🔗 Ці будзе штучны інтэлект заменены навукай аб дадзеных
Даследуе, ці пагражае развіццё штучнага інтэлекту кар'еры ў галіне навукі аб дадзеных.
🔗 Адкуль штучны інтэлект атрымлівае інфармацыю
Разбірае крыніцы, якія мадэлі штучнага інтэлекту выкарыстоўваюць для навучання і адаптацыі.
Асновы сімвалічнага штучнага інтэлекту✨
Вось у чым справа: сімвалічны штучны інтэлект пабудаваны на яснасці . Вы можаце прасачыць логіку, пашукаць правілы і літаральна ўбачыць, чаму машына сказала тое, што сказала. Параўнайце гэта з нейроннай сеткай, якая проста выдае адказ — гэта як спытаць падлетка «чаму?» і атрымаць пацісканне плячыма. Сімвалічныя сістэмы, наадварот, скажуць: «Паколькі А і Б азначаюць В, значыць В». Гэтая здольнасць тлумачыць сябе змяняе правілы гульні ў пытаннях з высокімі стаўкамі (медыцына, фінансы, нават суд), дзе хтосьці заўсёды просіць доказаў [5].
Невялікая гісторыя: каманда па захаванні адпаведнасці ў буйным банку закадзіравала палітыку санкцый у механізм правілаў. Напрыклад: «калі краіна_паходжання ∈ {X} і адсутнічае_інфармацыя_аб_бенефіцыяры → эскалацыя». Вынік? Кожны пазначаны выпадак суправаджаўся прасочваемым, зразумелым для чалавека ланцужком разважанняў. Аўдытарам спадабалася . Гэта звышздольнасць сімвалічнага штучнага інтэлекту — празрыстае, правяраемае мысленне .
Табліца хуткага параўнання 📊
| Інструмент / Падыход | Хто гэтым карыстаецца | Дыяпазон коштаў | Чаму гэта працуе (ці не) |
|---|---|---|---|
| Экспертныя сістэмы 🧠 | Лекары, інжынеры | Дарагая ўстаноўка | Вельмі зразумелыя разважанні, заснаваныя на правілах, але далікатныя [1] |
| Графікі ведаў 🌐 | Пошукавыя сістэмы, дадзеныя | Змешаны кошт | Злучае сутнасці + адносіны ў маштабе [3] |
| Чат-боты на аснове правілаў 💬 | Абслугоўванне кліентаў | Нізкі–сярэдні | Хутка будуецца; але нюансаў? не так шмат |
| Нейра-сімвалічны штучны інтэлект ⚡ | Даследчыкі, стартапы | Высокі пярэдні план | Логіка + машыннае навучанне = вытлумачальнае мадэляванне [4] |
Як працуе сімвалічны штучны інтэлект (на практыцы) 🛠️
Па сутнасці, сімвалічны штучны інтэлект — гэта ўсяго дзве рэчы: сімвалы (канцэпцыі) і правілы (тое, як гэтыя канцэпцыі злучаюцца). Прыклад:
-
Сімвалы:
сабака,жывёла,мае хвост -
Правіла: Калі X — сабака → X — жывёла.
Адсюль вы можаце пачаць будаваць лагічныя ланцужкі — як лічбавыя дэталі LEGO. Класічныя экспертныя сістэмы нават захоўвалі факты ў тройках (атрыбут–аб'ект–значэнне) і выкарыстоўвалі арыентаваны на мэту інтэрпрэтатар правілаў для пакрокавага доказу запытаў [1].
Рэальныя прыклады сімвалічнага штучнага інтэлекту 🌍
-
MYCIN - медыцынская экспертная сістэма для інфекцыйных захворванняў. Заснаваная на правілах, зручная для тлумачэнняў [1].
-
DENDRAL — ранні хімічны штучны інтэлект, які адгадваў малекулярныя структуры па дадзеных спектраметрыі [2].
-
Граф ведаў Google — адлюстраванне аб'ектаў (людзей, месцаў, рэчаў) + іх адносін для адказаў на запыты тыпу «рэчы, а не радкі» [3].
-
Боты на аснове правілаў — скрыптавыя працэсы падтрымкі кліентаў; добрыя для паслядоўнасці, слабыя для адкрытай размовы.
Чаму сімвалічны штучны інтэлект спатыкнуўся (але не памёр) 📉➡️📈
Вось тут і спатыкаецца сімвалічны штучны інтэлект: бязладны, няпоўны і супярэчлівы рэальны свет. Падтрыманне велізарнай базы правілаў знясільвае, а далікатныя правілы могуць расці, пакуль не зламаюцца.
Тым не менш, яно ніколі цалкам не знікла. Тут з'яўляецца нейрасімвалічны штучны інтэлект : змяшайце нейронныя сеткі (добра ўспрымаючыя) з сімвалічнай логікай (добрай у разважанні). Уявіце сабе гэта як эстафетную каманду: нейронная частка заўважае знак «стоп», а потым сімвалічная частка вызначае, што гэта значыць з пункту гледжання правілаў дарожнага руху. Гэта спалучэнне абяцае і зразумелыя сістэмы [4][5].
Моцныя бакі сімвалічнага штучнага інтэлекту 💡
-
Празрыстая логіка : вы можаце выканаць кожны крок [1][5].
-
Зручны для рэгулявання : выразна адпавядае палітыцы і прававым нормам [5].
-
Модульнае абслугоўванне : вы можаце змяніць адно правіла, не перавучваючы ўсю мадэль монстра [1].
Слабыя бакі сімвалічнага штучнага інтэлекту ⚠️
-
Жахлівае ўспрыманне : выявы, гук, бязладны тэкст — тут дамінуюць нейронныя сеткі.
-
Праблемы маштабавання : здабыванне і абнаўленне экспертных правілаў з'яўляецца стомнай задачай [2].
-
Непахіснасць : правілы парушаюцца па-за межамі сваёй зоны; нявызначанасць цяжка ўлічваць (хаця некаторыя сістэмы ўзламалі частковыя выпраўленні) [1].
Шлях наперад для сімвалічнага штучнага інтэлекту 🚀
Будучыня, верагодна, не будзе чыста сімвалічнай ці чыста нейроннай. Яна гібрыдная. Уявіце сабе:
-
Нейронны → здабывае шаблоны з неапрацаваных пікселяў/тэксту/аўдыё.
-
Нейрасімвалічны → пераўтварае шаблоны ў структураваныя канцэпцыі.
-
Сімвалічны → ужывае правілы, абмежаванні, а затым — што важна — тлумачыць .
Гэта цыкл, у якім машыны пачынаюць нагадваць чалавечае мысленне: бачыць, структураваць, абгрунтоўваць [4][5].
Падводзім вынікі 📝
Такім чынам, сімвалічны штучны інтэлект: ён лагічны, заснаваны на правілах і гатовы да тлумачэнняў. Не крыклівы, але ён адлюстроўвае тое, чаго не могуць дасягнуць глыбокія нейронныя сеткі: зразумелыя, правераныя разважанні . Разумны выбар? Сістэмы, якія запазычваюць элементы з абодвух лагераў — нейронныя сеткі для ўспрымання і маштабавання, сімвалічныя для разважанняў і даверу [4][5].
Метаапісанне: Тлумачэнне сімвалічнага штучнага інтэлекту — сістэмы, заснаваныя на правілах, моцныя/слабыя бакі і чаму нейрасімвалічны падыход (логіка + машыннае навучанне) — гэта шлях наперад.
Хэштэгі:
#ШтучныІнтэлект 🤖 #СімвалічныШІ 🧩 #МашыннаеНавучанне #НейрасімвалічныШІ ⚡ #ТэхналагічнаТлумачэнне #ПрадстаўленнеВедаў #ІдэіШІ #БудучыняШІ
Спасылкі
[1] Б'юкенен, Б. Г. і Шортліф, Э. Г. Экспертныя сістэмы на аснове правілаў: эксперыменты MYCIN праекта эўрыстычнага праграмавання Стэнфардскага ўніверсітэта , гл. 15. PDF
[2] Ліндсэй, Р.К., Б'юкенен, Б.Г., Файгенбаўм, Э.А. і Ледэрберг, Дж. «DENDRAL: вывучэнне выпадку першай экспертнай сістэмы для фарміравання навуковых гіпотэз». Artificial Intelligence 61 (1993): 209–261. PDF
[3] Google. «Прадстаўляем Граф ведаў: рэчы, а не радкі». Афіцыйны блог Google (16 мая 2012 г.). Спасылка
[4] Манро, Д. «Нейрасімвалічны штучны інтэлект». Паведамленні ACM (кастрычнік 2022 г.). DOI
[5] Сахо, Б. і інш. «Роля вытлумачальнага штучнага інтэлекту ў прыняцці рашэнняў з высокімі стаўкамі: агляд». Patterns (2023). PubMed Central. Спасылка