Логические нейронные сети: на пути к объединению статистического и символьного ИИ

Александр Грей — вице-президент по основам ИИ в IBM | 15.01.2021 В последнее время возобновился интерес к давней цели объединения возможностей статистического ИИ (обучение и прогнозирование) и символического ИИ (представление знаний и рассуждения). Мы представляем логические нейронные сети — новую нейросимволическую структуру, которая идентифицирует и использует соответствие «один к одному» между искусственным нейроном и логическим вентилем во взвешенной форме вещественной логики. С помощью нескольких ключевых модификаций стандартной современной нейронной сети мы создаем модель, которая выполняет эквивалент правил логического вывода, таких как modus ponens, в рамках парадигмы передачи сообщений нейронных сетей, и использует новую форму потерь — потери противоречия, которая максимизирует логическую согласованность в условиях несовершенных и противоречивых знаний. Полученный результат существенно отличается от других нейросимволических идей тем, что: 1) модель полностью децентрализована и понятна, поскольку каждый нейрон имеет своё значение; 2) модель может точно выполнять как классическую логическую дедукцию, так и её вещественнозначное обобщение (которое позволяет представлять и распространять неопределённость) в качестве частных случаев, в отличие от приблизительного выполнения, как в почти всех других подходах; и 3) модель является композиционной и модульной, что позволяет использовать знания в разных ситуациях. Данная структура уже позволила достичь передовых результатов в ряде задач, включая ответы на вопросы.