<table id="km2im"></table>
  • <bdo id="km2im"><center id="km2im"></center></bdo>
    • 自動秒收錄
    • 軟件:1973
    • 資訊:56267|
    • 收錄網站:185720|

    IT精英團

    深度知識的六個維度:如何讓人工智能真正理解世界?

    深度知識的六個維度:如何讓人工智能真正理解世界?

    瀏覽次數:
    評論次數:
    編輯: 澤洋
    信息來源: ITPUB
    更新日期: 2022-05-24 21:26:07
    摘要

    智能的真正標志不是知識,而是想象力。作者|GadiSinger編譯|王玥編輯|陳彩嫻什么知識讓我們變得聰明?我們用來理解世界、解釋新體驗和做出深思熟慮的選擇的認知結構是什么?定義一個闡明

    • 正文開始
    • 相關閱讀
    • 推薦作品

    智慧的真正標志不是知識,而是想象力。作者| Gadi Singer

    編譯|布萊爾

    編輯|陳哪些知識讓我們變聰明?我們用來理解世界、解釋新體驗、做出深思熟慮的選擇的認知結構是什么?定義一個框架,闡明給予人類或人工智能更深入理解和更高認知的知識,將有助于我們對這個話題進行結構化的討論。

    近日,英特爾實驗室副總裁、應急人工智能研究總監加迪辛格(Gadi Singer)介紹了這種賦予人工智能更高認知的知識建構的幾個維度,并指出了一條通向更高智能機器的道路。

    圖為英特爾實驗室副總裁加迪辛格。

    更高級的機器智能的核心可能是讓知識建構幫助人工智能系統組織自己的世界觀,賦予人工智能理解意義、事件和任務的能力。這樣,機器認知將從數據擴展到知識結構,包括描述性知識、世界動力學模型和起源。

    學習語言時,要區分形式和意義:形式是指用來表達意義的符號,即表面表達。每種形式在特定的上下文中都有特定的含義,并且形式在不同的上下文中可以有不同的含義。

    正如Bengio和schlkopf等人在《Towers Causal re presentation Learning》一文中總結的那樣:“目前,機器學習的大部分成功來自于對適當收集的獨立同分布(i.i.d .)數據的大規模模式識別?!痹撓到y吸收可觀察的元素,如文本字符、聲音信號和圖像像素,并建立模式和隨機相關性,同時在基于識別的任務中產生出色的結果。

    地址:https://arxiv.org/pdf/2102.11107.pdf

    越來越多的人認為,算法必須超越表面的關聯,達到真正理解的程度,才能達到更高的機器智能水平。這種徹底的轉變將使所謂的System 2,3rdWave或廣義/柔性AI成為可能。正如加迪辛格(Gadi Singer)在其核心博客《認知人工智能的崛起》中所說,更高層次的機器智能需要深度的知識構建,這種知識構建可以將人工智能從表面的關聯轉化為對世界的真正理解。

    DARPA的John Launchbury指出,在第三次人工智能浪潮中,抽象(比如創造新的意義)和推理(規劃和決策)將掀起一場新的革命。第三波本身的特點是語境適應,即對現實世界中的各種現象系統地構建語境解釋模型。

    知識維度中有兩個維度反映了世界觀,一個是描述性維度,描述性維度對世界上存在的事物進行概念抽象,另一個是現實世界及其現象的動態模型.

    此外,故事提高了人類理解和交流基于共同信仰和神話的復雜故事的能力。而語境和來源歸因價值和優先級是元知識維度,帶來了基于條件的有效性和知識的不斷疊加。最后,概念參考是結構的基礎,它跨越維度、模式和參照而存在。

    這六個知識維度的結合,可以讓人工智能不僅僅停留在事件的相關性上,而是獲得更深入的理解,因為這六個知識維度的潛在概念是連續的,可以解釋和預測過去和未來的事件,甚至可以允許規劃和干預,以及測試。

    慮反事實的現實——因此文中使用了“深度知識(deep knowledge)”一詞。

    闡明和描述機器智能所需的知識構建類型,有助于確定實現這種知識構建的最佳方式,從而實現更高水平的機器智能。


    1
    支持更高水平智能的六大知識維度

    對于人工智能系統來說,實施人類理解和交流中觀察到的知識構建可以為智能提供實質性的價值。當所有的知識類型都得到支持和組合時,實際價值會大幅增長。

    圖注:支持更高水平智能的知識維度。圖源:Gadi Singer/英特爾實驗室

    1.  描述性知識:層次、分類和屬性繼承  

    描述性知識(即概念性的、命題性的或陳述性的知識)描述事物、事件、事物/事件的屬性以及其之間的關系。假設使用(適當的)類或概念的分層,深度描述性知識就能擴展其原本的定義。這類知識可以包括事實和記錄系統。與特定用例和環境相關的事實和信息可以作為層次知識進行組織、利用和更新。

    單個人工智能系統中使用的基礎本體(ontology)可以使用來自策劃系統的與任務相關的類和實體(例如,OpenCyc本體或AMR命名的實體類型)進行播種。這種基礎本體應該是可以通過神經網絡/機器學習技術進行擴展——也就是說,獲取新知識就會得到新的實體,關系和類。

    2.世界模型

    世界上的現象模型讓人工智能系統能夠理解情況、解釋輸入/事件以及預測潛在的未來結果并采取行動?,F象模型是抽象/概括,可以分為正式模型和近似(非正式)真實世界模型;現象模型允許在特定情況下對實例使用變量和應用程序,并允許對特定實例或更通用的類進行符號操作。

    正式模型的例子包括邏輯、數學/代數和物理。與正式模型相比,現實世界的模型通常是經驗的、實驗性的、有時甚至顯得有些混亂?,F實世界的模型包括物理模型、心理模型和社會學模型。程序模型(“專有知識”)包括在這個類中。

    因果模型可以幫助人工智能系統發展更上一層樓。在語境發生變化的情況下,如果與因果關系等知識模型相結合,并理解了控制原因的語境和考慮反事實的能力,那么過去的統計數據就可以有效地應用于現在從而預測未來。這些模型有助于從條件和可能因素的角度理解情況或事件。因果推理是人類思想不可或缺的組成部分,通過這種方式可以實現人類智慧級別的機器智能。

    3. 故事和腳本

    正如歷史學家尤瓦爾·哈拉瑞所說,故事構成了個人和社會的文化和世界觀的關鍵部分。故事的概念對于充分理解和解釋人類的行為和交流是必要的。故事是復雜的,在一個連貫的敘述中可能包含多個事件和各種信息。故事不僅僅是事實和事件的集合,故事還包含了重要的信息,這些信息有助于發展對所呈現數據之外的理解和概括。與世界模型不同的是,故事可以被視為具有歷史意義、參考意義或精神意義。故事可以代表價值觀和經歷,這些價值觀和經歷會影響人們的信仰和行為。例子包括宗教或民族故事、神話,以及在任何層次的人群中分享的故事。

    4. 語境和來源歸因

    語境的定義是圍繞著某個事件并為其自圓其說提供資源的框架。語境可以看作是一種覆蓋的知識結構,調節著它所包含的知識。語境可以是持久的,也可以是短暫的。

    • 持久的語境可以是長期的(比如從西方哲學角度或東方哲學角度獲取的知識),也可以隨著時間的推移、根據新的學習材料而改變。持久語境不會對每個任務進行更改。

    • 當特定的本地語境很重要時,瞬態語境是相關的。單詞是根據其周圍句子或段落的局部語境來解釋的。圖像中感興趣的區域通常在整個圖像或視頻的語境中得到解釋。

    持久語境和瞬態語境的結合可以為解釋和操作知識提供完整的設置。

    知識的另一個相關方面是數據來源(又名數據追溯),其包括數據來源、在數據傳播的過程中發生了什么以及隨著時間的推移數據將去往何方。人工智能系統不能假設所接收的所有信息都是正確或可信的,尤其是在被稱為“后真相時代”的情況下信息更不可輕易相信。將信息與其來源相關聯可能是建立可信性、可認證性和可追溯性所必需的。

    5. 價值和優先級(包括善/威脅和倫理)

    知識的所有方面(例如,對象、概念或程序)在整個判斷范圍內都有相對應的價值——從最大的善到最大的惡都有對應??梢约僭O,人類智力的進化包括追求回報和避免風險(比如,追求吃午餐;避免被當成午餐)。這種風險/回報的關聯與知識緊密相連。潛在的得失具有功利價值;對于實體或潛在的未來狀態,還有一種基于倫理的價值。這種基于倫理的價值反映了一種道德價值觀,即“善”不是基于潛在的有形回報或威脅,而是基于對什么是正確的潛在信念。

    價值和優先級是元知識(meta-knowledge),其反映了人工智能系統對知識、行動和結果相關方面的主觀斷定。這為問責制奠定了基礎,應該由負責特定人工智能系統的人認真處理。當人工智能系統與人類互動并做出影響人類福祉的選擇時,潛在的價值和優先級系統很重要。

    6. 概念參考:消除歧義,統一和跨模態

    知識是以概念為基礎的。例如,“狗”是一個抽象概念——一個有多個名稱(在各種語言中狗的說法都不一樣)、一些視覺特征、聲音聯想等等的概念。然而不管其表現形式和用法如何,“狗”這個概念都是獨一無二的?!肮贰钡母拍畋挥成涞接⒄Z單詞“dog”,以及法語單詞“chien”?!肮贰钡囊曈X特征可能如下圖:

    同時“狗”也和汪汪吠叫聲對應了起來。

    概念引用(Concept Reference,簡稱ConceptRef)是與給定概念相關的所有事物的標識符和引用集。概念引用本身實際上不包含任何知識——知識駐留在前面介紹的維度中。概念引用是多維知識庫(KB)的關鍵,因為概念引用融合了概念的所有表象。

    Wikidata就是集中存儲結構化數據的多維知識庫的一個很好的例子。在Wikidata中,項(items)代表人類知識中的所有事物,包括主題、概念和對象。Wikidata的條目與這個框架中ConceptRef的定義相似——只有一個關鍵的區別:在Wikidata中,術語“項”既指給定的標識符,也指有關標識符的信息;而ConceptRefs 只是帶有指向KB指針的標識符。關于概念的信息則被填充在前面章節中描述的各種視圖中(例如與概念相關的描述性或程序性知識)。

    常識

    常識知識由隱性信息組成,隱性信息是指廣泛(且為大眾共享)的不成文的假設,人類自動運用這些假設來理解世界。人工智能想要更深入地理解這個世界,將常識應用到情境中是必不可少的。在這個框架中,常識知識被認為是上述六種知識類型的子集。



    2
    理解與知識類型之間的關系

    理解是智能的基礎。向更高級機器智能的發展引發了一場關于“理解”的討論。約書亞·本吉奧將擁有人類理解能力的人工智能描述為:

    • 明白因果關系,理解世界如何運轉;

    • 理解抽象的行為;

    • 知道如何使用以上知識去控制、推理和計劃,即使是在新穎的場景中也依然擁有這種能力;

    • 解釋發生了什么;

    • out-of-distribution(即OOD,分布外)生成。

    而以知識為中心的對理解的定義是:用豐富的知識表示創建世界觀的能力;獲取和解釋新信息以增強這種世界觀的能力;以及對現有知識和新信息進行有效推理、決定和解釋的能力。

    這種理解觀點的先決條件是以下四種功能:

    • 具備豐富的知識;

    • 獲取新的知識;

    • 能夠跨實體和關系連接知識實例;

    • 對知識進行推理。

    理解不是二元屬性,而是因類型和程度而異。這一觀點的核心是知識的本質及其表征——知識結構和模型的表達能力可以促進理解和推理能力快速發展。

    想象所有的人[和機器]

    正如阿爾伯特·愛因斯坦所觀察到的:“智能的真正標志不是知識,而是想象力?!币嬲斫?,機器智能必能超越數據、事實和故事。要重建,發現和創造一個可觀察屬性和事件背后的宇宙模型,想象力是必要的。從人工智能系統的角度來看,想象力是通過創造性推理實現的,也就是進行歸納、演繹或溯因推理,并產生不受以往經驗和輸入輸出相關性嚴格規定的新穎結果。

    知識表示和推理是人工智能的一個成熟領域,這個領域處理關于世界的信息表示,使計算機系統能夠解決復雜的任務。知識和推理不一定是截然不同的,而是代表了一個從已知到推斷的光譜。機器理解將通過構建知識的能力輔以先進的相關推理(例如,概率推理和似是而非推理、溯及推理、類比推理、默認推理等)來得到實現。

    建立在深度知識基礎上的神經符號AI

    在使人工智能更有效、更負責任和更高效地為人們提供支持的過程中,我們的目標是使人工智能系統更強大,同時推動人工智能達到更高的認知和理解水平??茖W家已經在處理數據、識別模式和尋找轉瞬即逝的相關性方面取得了巨大的進展,但仍有必要思考哪些知識類型能賦予人工智能系統對世界建模和理解世界的能力。

    當我們對人工智能獲得更高層次的認知所需要的知識結構的類型有了更深的理解時,我們就可以繼續在這個深度知識的基礎上進行構建,使機器能夠真正地理解世界。

    原文

    MySQL減肥3種方法 還有誰不行?
    ? 上一篇 2022-05-24
    • MySQL減肥3種方法 還有誰不行?
      0閱讀 0條評論 個贊
      在使用SQL提數的時候,常會遇到表內有重復值的時候,比如我們想得到uv(獨立訪客),就需要做去重。在MySQL中通常是使用distinct或groupby子句,但在支持窗口函數的sq……
    • 深入了解Linux CPU上下文切換
      0閱讀 0條評論 個贊
      我們都知道Linux是一個多任務操作系統,它支持的任務同時運行的數量遠遠大于CPU的數量。當然,這些任務實際上并不是同時運行的(SingleCPU),而是因為系統在短時間內將CPU輪流分……
    • 嵌入式系統登錄的簡單方法
      0閱讀 0條評論 個贊
      來源|我姓梁很多場景都需要記錄日志,在嵌入式系統中,特別是單片機這種存儲資源有限的環境下,就需要一種輕量級的存儲方法。系統日志在嵌入式設備應用場景中,系統日志時??梢员O控設備軟件的運行狀態,及時記錄……
    • 全網最全面的云原生存儲OpenEBS用戶指南
      0閱讀 0條評論 個贊
      ?本文轉自weiliang的工作筆記,原文:https://weiliang-ms.github.io/wl-awesome/2.%E5%AE%B9%E5%99%A8/k8s/storage/Op……
    • SQL中左連接左表合并去重實用技巧
      0閱讀 0條評論 個贊
      zyc88.blog.csdn.net/article/details/83002882建表:CREATETABLE`table1`(`id`int(11)NOTNULLAUTO_INCREMENT,……
    發表評論 共有條評論
    用戶名: 密碼:
    驗證碼: 匿名發表
    • MySQL查詢語句的limit offset是如何實現的?
      1閱讀 0條評論 個贊
      在寫select語句的時候,使用limit,offset可能就像是我們吃飯喝水一樣自然了。剛開始工作的時候也經常聽前輩們教導:使用limit,offset,當offset變大的時候執……
    • MySQL查詢語句的準備階段是什么?
      1閱讀 0條評論 個贊
      以下文章來源于公眾號--一樹一溪,作者一樹一溪這一篇主要講的內容是一條簡單查詢語句,在查詢準備階段會干哪些事情?分3個部分:打開表select*替換為表字段填充where條件示例表及SQ……
    • 如何在Linux下擴展XFS根分區
      2閱讀 0條評論 個贊
      在某些情況下,/分區在Linux中磁盤空間不足。即使壓縮和刪除舊的日志文件也無濟于事,因此在這種情況下,我們別無選擇,只能擴展/文件系統。在本文中,我們將演示如何在Linux系統中擴展不……
    • Linux的10個最危險的命令
      0閱讀 0條評論 個贊
      rm-rf命令該命令可能導致不可恢復的系統崩壞。>rm-rf/#強制刪除根目錄下所有東西。>rm-rf*#強制刪除當前目錄的所有文件。>rm-rf.#強制刪除當前文件夾及其子文件夾。執行rm-r……
    • Kubernetes 4000節點運維經驗分享
      0閱讀 0條評論 個贊
      1摘要在PayPal,我們最近開始試水Kubernetes。我們大部分的工作負載都運行在ApacheMesos上,而作為遷移的一部分,我們需要從性能方面了解下運行Kubernetes集群……
    • 記得保命!捕捉Linux下的所有高危命令!
      0閱讀 0條評論 個贊
      1、rm-rf命令該命令可能導致不可恢復的系統崩壞。>rm-rf/#強制刪除根目錄下所有東西。>rm-rf*#強制刪除當前目錄的所有文件。>rm-rf.#強制刪除當前……
    • 解決緩存崩潰問題的一行代碼
      1閱讀 0條評論 個贊
      以下文章來源于公眾號-孤獨煙,作者孤獨煙引言今天,重新回顧一下緩存擊穿這個問題!之所以寫這個文章呢,因為目前網上流傳的文章落地性太差(什么布隆過濾器啊,布谷過濾器啊,嗯,你們懂的),其實這類方案并不適……
    • 用Ansible實現MySQL的備份、操作和維護
      0閱讀 0條評論 個贊
      作者簡介曹杰,中國結算上海分公司高級經理,從事系統運維管理工作。本文以容器形式部署了開源自動化運維工具Ansible,基于自帶的MySQL管理模塊編排了playbook配置文件,最終實現M……
    • 低代碼實時倉儲系統的設計與實踐
      1閱讀 0條評論 個贊
      1導讀本文介紹58信安基于Flink實現低代碼實時數倉構建系統,我們將數倉構建這一過程進行抽象,通過工程化的思想去解決,將固有領域問題交給系統,讓開發人員關注數據本身,解放人力縮短數倉構建周期。2背景……
    • 如何在Bash腳本中使用強大的Linux測試命令
      1閱讀 0條評論 個贊
      Linuxtest命令是Shell內置命令,用來檢測某個條件是否成立。test通常和if語句一起使用,并且大部分if語句都依賴test??梢詫⒁粋€元素與另一個元素進行比較,但它更?!?/div>
    • 運維入坑必看:Kubernetes平臺架構解讀
      0閱讀 0條評論 個贊
      Kubernetes是一個開源容器編排平臺,管理大規模分布式容器化軟件應用,是云計算發展演進的一次徹底革命性的突破。Kubernetes是谷歌的第三代容器管理系統,是Borg獨特的控制器和Omega靈……
    • 代碼| C語言根據可執行文件名獲取進程運行信息
      1閱讀 0條評論 個贊
      如下示例可根據可執行文件名獲得線程數、虛擬內存占用大小、物理內存占用大小、進程PID、CPU占用率和進程啟動次數等信息。1.程序源碼main.c:#include#include<……
    • 數據倉庫實踐:總線矩陣體系結構的設計
      1閱讀 0條評論 個贊
      以下文章來源于公眾號-云祁的數據江湖,作者云祁如何設計一套切實可行的數據倉庫呢?我們要明白,對于數據倉庫的設計是不能完全依賴于業務的需求,但往往又必須要服務于業務的價值。因此,在構建數據倉庫前,我們……
    • Spring Boot的表現太差了 我教你幾招輕松搞定
      1閱讀 0條評論 個贊
      文章……
    • 數據治理 區分系統、機制、流程的概念很重要
      0閱讀 0條評論 個贊
      以下文章來源于公眾號-大魚的數據人生,作者討厭的大魚先生我們剛接觸數據的時候,從事的大多是具體的數據管理活動,無論是數據的采集、開發和開放,或是元數據管理、數據質量管理或是數據安全管理等等,但當你想更……
    • MYSQL VS POLARDB唯一索引死鎖及應用設計
      1閱讀 0條評論 個贊
      #issue68021MySQLuniquecheck問題-知乎(zhihu.com)事情的開始是這樣的,最近和阿里云密切聯系,也成為他們的大客戶,(我們當然是大客戶,BIGBIG……
    • 碼頭工人搭建彈性搜索集群教程
      1閱讀 0條評論 個贊
      寫在前面:為什么要用ElasticSearch?我們的應用經常需要添加檢索功能,開源的ElasticSearch是目前全文檢索引擎的首選。它可以快速的存儲、搜索和分析海量數據。ElasticSear……
    • 7 種提升Spring Boot吞吐量神技!
      0閱讀 0條評論 個贊
      一、異步執行實現方式二種:1.使用異步注解@aysnc、啟動類:添加@EnableAsync注解2.JDK8本身有一個非常好用的Future類——CompletableFuture@AllArg……
    • 服務器端高并發分布式架構的演進之路
      1閱讀 0條評論 個贊
      1.概述本文以淘寶作為例子,介紹從一百個到千萬級并發情況下服務端的架構的演進過程。同時列舉出每個演進階段會遇到的相關技術,讓大家對架構的演進有一個整體的認知。文章最后匯總了一些架構設計的原則。特別說……
    • 說說春云的全鏈路灰度發布方案~
      1閱讀 0條評論 個贊
      以下文章來源于公眾號-碼猿技術專欄,作者不才陳某大家好實際生產中如有需求變更,并不會直接更新線上服務,最通常的做法便是:切出線上的小部分流量進行體驗測試,經過測試后無問題則全面的上線。這樣做的好處也是……
    最近發布資訊
    更多
    国产H视频在线播放,国产毛多水多的老女人,国产成人午夜福利电影在线播放
    <table id="km2im"></table>
  • <bdo id="km2im"><center id="km2im"></center></bdo>