Questions tagged «knowledge-representation»

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？

13 natural-language-processing  knowledge-representation  symbolic-computing  expert-system 

Roger Schank在1970年代利用概念依赖（CD）在语言处理方面做了一些有趣的工作。然后，他有些移出了领域，如今正在接受教育。在自然语言生成（BABEL），故事生成（TAILSPIN）和其他领域中有一些有用的应用程序，通常涉及计划和情节而不是单个句子。 是否还有其他人继续使用CD或其变体？除了Hovy的PAULINE（使用CD表示要生成的故事）以外，我没有其他项目可以使用。

11 natural-language-processing  knowledge-representation 

让我们考虑这个例子： 今天是约翰的生日，让我们给他买风筝。 如果问到为什么要买风筝，我们人类很可能会说风筝是生日礼物。我们将这种推理称为常识。 为什么在人工智能代理中需要它？我认为这可能会引起很多问题，因为我们很多人为错误都是由这些模糊的假设引起的。 想象一下一个AI忽略做某些事情，因为它假定它已经由其他人（或另一个AI）使用常识完成了。 那不会将人为错误带入AI系统吗？

10 philosophy  agi  knowledge-representation  common-sense-knowledge 

一段时间以来，我一直在努力应对基于知识的AI系统与贝叶斯推理之间的联系。在我继续浏览文学作品的同时，如果有人可以直接回答这些问题，我会很高兴- 是否在推理或Q / A系统中使用基于贝叶斯推理的方法来得出有关答案未直接存在于知识库中的问题的结论？ 换句话说，如果一个Q / A系统在知识库中找不到答案，它可以使用贝叶斯推理来使用可用事实来建议可能性不同的答案吗？ 如果是，您能指出我一些实现方法吗？

9 knowledge-representation  reasoning 

因此，从某种意义上讲，机器学习可以使系统实现自动化，该系统可以根据到目前为止所学的知识来预测未来的状态。我的问题是：机器学习技术是使系统发展其领域知识的唯一方法吗？

9 machine-learning  knowledge-representation