From Statistical Relational to Neurosymbolic Artificial Intelligence: a Survey

要約

この調査は、人工知能の 2 つの異なる分野、神経記号人工知能と統計的リレーショナル人工知能における学習と推論の統合を調査します。
神経記号的人工知能 (NeSy) は記号推論とニューラル ネットワークの統合を研究する一方、統計的リレーショナル人工知能 (StarAI) はロジックと確率的グラフィカル モデルの統合に焦点を当てています。
この調査では、AI のこれら 2 つのサブフィールド間に共通する 7 つの側面が特定されています。
これらの寸法を使用して、さまざまな NeSy および StarAI システムを特徴付けることができます。
彼らは、(1) モデルまたは証明ベースの論理推論へのアプローチに関心を持っています。
(2) 使用される論理理論の構文。
(3) 学習を促進するためのシステムとその拡張の論理的意味論。
(4) パラメータ学習または構造学習を含む学習範囲。
(5) 記号表現と部分記号表現の存在。
(6) システムが元の論理パラダイム、確率パラダイム、ニューラルパラダイムをどの程度捉えているか。
(7) システムが適用される学習タスクのクラス。
この調査では、さまざまな NeSy および StarAI システムをこれらの側面に沿って位置づけ、それらの類似点と相違点を指摘することで、学習と推論の統合を理解するための基本的な概念に貢献します。

要約(オリジナル)

This survey explores the integration of learning and reasoning in two different fields of artificial intelligence: neurosymbolic and statistical relational artificial intelligence. Neurosymbolic artificial intelligence (NeSy) studies the integration of symbolic reasoning and neural networks, while statistical relational artificial intelligence (StarAI) focuses on integrating logic with probabilistic graphical models. This survey identifies seven shared dimensions between these two subfields of AI. These dimensions can be used to characterize different NeSy and StarAI systems. They are concerned with (1) the approach to logical inference, whether model or proof-based; (2) the syntax of the used logical theories; (3) the logical semantics of the systems and their extensions to facilitate learning; (4) the scope of learning, encompassing either parameter or structure learning; (5) the presence of symbolic and subsymbolic representations; (6) the degree to which systems capture the original logic, probabilistic, and neural paradigms; and (7) the classes of learning tasks the systems are applied to. By positioning various NeSy and StarAI systems along these dimensions and pointing out similarities and differences between them, this survey contributes fundamental concepts for understanding the integration of learning and reasoning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google