1
知识库现在扮演什么角色，将来扮演什么角色？
如今，人工智能似乎几乎等于机器学习，尤其是深度学习。有人说深度学习将取代人类专家，在这一领域，人类专家对特征工程非常重要。据说深度学习的兴起有两个突破：一方面是神经科学，另一方面是神经可塑性尤其是告诉我们，就像高度可塑的人脑一样，人工网络可以用于几乎所有功能的建模。另一方面，计算能力的提高，特别是GPU和FPGA的引入，以惊人的方式增强了算法智能，并已使数十年前创建的模型具有强大而通用的功能。我还要补充说，过去几年中积累的大数据（主要是标签数据）也很重要。 这种发展将计算机视觉（和语音识别）带入了一个新时代，但是在自然语言处理和专家系统中，情况似乎并没有太大变化。 实现神经网络的常识似乎是一项艰巨的任务，但是大多数句子，对话和短文本都包含从背景知识中得出的推论。因此，知识图谱对人工智能非常重要。神经网络可用于构建知识库，但似乎神经网络模型难以利用这些构建的知识库。 我的问题是： 知识库（例如，由Google创造的“知识图”）在AI中是很有前途的分支吗？如果是这样，知识库可以通过哪些方式增强机器学习能力？我们如何将离散的潜在变量合并到NLU和NLG中？ 对于在DL主导的时代中的生存，知识库的方向（或总称符号方法）在哪里？像Wolfram一样的z动态知识库是否是新的方向？还是任何新的方向？ 我是否缺少一些基本知识或解决这些问题的想法？