Exploring knowledge graph-based neural-symbolic system from application perspective

要約

人工知能（AI）の急速な進歩、特にディープ・ニューラル・ネットワークは、視覚やテキスト処理などの分野に大きな進歩をもたらした。それにもかかわらず、人間のような推論と解釈可能性を示すAIシステムの追求は、依然として大きな課題となっている。ニューラル・シンボリックパラダイムは、ニューラルネットワークの深層学習能力と記号システムの推論能力を統合したもので、より透明で理解しやすいAIシステムの開発に向けた有望な道筋を示している。このパラダイムの中では、知識グラフ（KG）が重要な要素として浮上し、主にトリプル（主語、述語、目的語）を利用して、相互接続されたエンティティと関係を通じて知識を表現するための構造化された動的な方法を提供する。本論文では、KGに基づくニューラル・シンボリック統合における最近の進歩を探求し、KGが3つの重要なカテゴリーにわたって、この統合をどのように支えているかを解明する。すなわち、シンボリック知識の取り込みを通じてニューラル・ネットワークの推論と解釈可能性を強化すること（Symbol for Neural）、ニューラル・ネットワークの方法論を通じてシンボリック・システムの完全性と精度を向上させること（Neural for Symbol）、そしてハイブリッド・ニューラル・シンボリック統合におけるそれらの複合的な応用を促進することである。本書は、ニューラル・シンボリックAIの領域における現在の動向を明らかにし、今後の研究の方向性を提案する。

要約(オリジナル)

The rapid advancement in artificial intelligence (AI), particularly through deep neural networks, has catalyzed significant progress in fields such as vision and text processing. Nonetheless, the pursuit of AI systems that exhibit human-like reasoning and interpretability continues to pose a substantial challenge. The Neural-Symbolic paradigm, which integrates the deep learning prowess of neural networks with the reasoning capabilities of symbolic systems, presents a promising pathway toward developing more transparent and comprehensible AI systems. Within this paradigm, the Knowledge Graph (KG) emerges as a crucial element, offering a structured and dynamic method for representing knowledge through interconnected entities and relationships, predominantly utilizing the triple (subject, predicate, object). This paper explores recent advancements in neural-symbolic integration based on KG, elucidating how KG underpins this integration across three key categories: enhancing the reasoning and interpretability of neural networks through the incorporation of symbolic knowledge (Symbol for Neural), refining the completeness and accuracy of symbolic systems via neural network methodologies (Neural for Symbol), and facilitating their combined application in Hybrid Neural-Symbolic Integration. It highlights current trends and proposes directions for future research in the domain of Neural-Symbolic AI.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL