Strong-AI Autoepistemic Robots Build on Intensional First Order Logic

要約

ニューロシンボリック AI は、推論、学習、認知モデリングが可能な堅牢で強力な AI をサポートするために、ニューラル アーキテクチャとシンボリック アーキテクチャをそれぞれの強みと弱みに相補的に対処する方法で統合しようとします。
この論文では、自然言語を使用して人間とコミュニケーションし、自己参照および抽象化言語特性を使用して人間自身の知識について推論できる、現代のロボットの象徴的なアーキテクチャとして、内包一次論理 (IFOL) を検討します。
私たちは、ロボットがそのニューロン構造をどのように使用するかを経験することによって、そしてこの経験を PRP (プロパティ/関係/プロパティ) における未定義の言語概念 (特殊/個と普遍) のマイニング (感覚) に関連付けることによって、ロボットの言語の基礎を獲得することを目的としています。
命題）IFOL理論。
ロボットの 4 つのレベルの知識構造を考慮します: 特定の自然言語 (イタリア語、フランス語など) の構文レベル、2 つの普遍言語レベル: 意味論理構造 (FOL と論理接続詞の仮想述語に基づく)、および
最後のロボットの神経システム レベルに基づいた FOL 式の複合マイニングを普遍的に表す、対応する概念 PRP 構造レベル。

要約(オリジナル)

Neuro-symbolic AI attempts to integrate neural and symbolic architectures in a manner that addresses strengths and weaknesses of each, in a complementary fashion, in order to support robust strong AI capable of reasoning, learning, and cognitive modeling. In this paper we consider the intensional First Order Logic (IFOL) as a symbolic architecture of modern robots, able to use natural languages to communicate with humans and to reason about their own knowledge with self-reference and abstraction language property. We intend to obtain the grounding of robot’s language by experience of how it uses its neuronal architectures and hence by associating this experience with the mining (sense) of non-defined language concepts (particulars/individuals and universals) in PRP (Properties/Relations/Propositions) theory of IFOL. We consider the robot’s four-levels knowledge structure: The syntax level of particular natural language (Italian, French, etc..), two universal language levels: its semantic logic structure (based on virtual predicates of FOL and logic connectives), and its corresponding conceptual PRP structure level which universally represents the composite mining of FOL formulae grounded on the last robot’s neuro system level.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google