Scallop: A Language for Neurosymbolic Programming

要約

【タイトル】
神経シンボリックプログラミングのための言語Scallop

【要約】
・Deep Learningと論理推論の利点を組み合わせたScallopという言語を示す。
・Scallopは、可変シンボリック表現、Datalogに基づく宣言的論理プログラミング言語、プロベナンスセミリング理論に基づく自動的かつ効率的な微分推論フレームワークの3つの特徴を備えており、効率的に神経シンボリックアプリケーションを記述できる。
・8つの神経シンボリックアプリケーションについてScallopを評価し、Scallopが多様で複雑なAIタスクでアルゴリズム的推論を表現し、機械学習プログラマが論理ドメイン知識を統合するための簡潔なインタフェースを提供し、精度に関しては最先端のモデルと同等または優れており、ランタイム効率性、データ効率性、解釈性、汎用性の面でこれらのモデルを上回る解を提供することを示した。

要約(オリジナル)

We present Scallop, a language which combines the benefits of deep learning and logical reasoning. Scallop enables users to write a wide range of neurosymbolic applications and train them in a data- and compute-efficient manner. It achieves these goals through three key features: 1) a flexible symbolic representation that is based on the relational data model; 2) a declarative logic programming language that is based on Datalog and supports recursion, aggregation, and negation; and 3) a framework for automatic and efficient differentiable reasoning that is based on the theory of provenance semirings. We evaluate Scallop on a suite of eight neurosymbolic applications from the literature. Our evaluation demonstrates that Scallop is capable of expressing algorithmic reasoning in diverse and challenging AI tasks, provides a succinct interface for machine learning programmers to integrate logical domain knowledge, and yields solutions that are comparable or superior to state-of-the-art models in terms of accuracy. Furthermore, Scallop’s solutions outperform these models in aspects such as runtime and data efficiency, interpretability, and generalizability.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI