Наши разработки
С 2023 года мной с коллегами ведется разработка ИИ, основанного на аналогии
По мнению таких исследователей ИИ, как Мелани Митчелл, аналогия является базовой функции интеллекта человека. Как показано в моей статье, на аналогии основаны ключевые способности интеллекта как рассуждение по аналогии, обобщение, метафора, сравнением, силлогизм, предсказание. В 2023 году нами создан новый способ получения аналогии на основе синтаксических предикатов методом, который легко извлекаются из текстов (статья). Это открытие позволяет создать искусственный интеллект на аналогии. Аналогия позволяет не только делать обобщения и рассуждения по аналогии, но и налету извлекать частотные схемы предикатов, которые служат основой мышления, а также пополняться новыми аналогиями и схемами прямо во время использования.
В отличие от существующих подходов, ИИ на основе аналогии имеет существенные преимущества:
- Обучение во время использования как решение проблемы «тотального забывания»
- Глубокое обобщение на основе нескольких примеров за счет динамической аналогии (индукция)
- Точное следование правилам и примерам благодаря глубокой аналогии (дедукция)
- Память на факты текущего диалога без ограничений окна промта за счет синхронизации предикатов в таймлайне
- Проверка и коррекция своих действий на основе сравнения с другими известными фактами по аналогии
- Возможность обучение на основе «одного учебника», а не сотен гигабайт текстов, так как правила учебника подхватываются за счет аналогии сразу.
- Умение задавать вопросы при наличии лакун в контексте запроса вместо галлюцинаций, что возможно благодаря функции сравнения по аналогам
- Креативность. Возможность открытий новых интерпретаций известных нам явлений за счет композиционности схем
Новая структура ИИ, построенная на аналогии, позволяет преодолеть главный недостаток современных нейросетей и трансформеров – невозможность обучения во время использования.
Аналогия на предикатах позволяет делать системы ИИ гораздо с меньшими затратами как по данным, так и по обучению. Для обучения аналогии потребовалось всего 200 художественных и научно-популярных книг, а не весь интернет как в случае с трансформерами.
Кроме того, ИИ по аналогии даже при начальном обучении проявляет здравый смысл за счет обобщения высокого порядка и генерации новых предикатов здравого смысла, отсутствующих в базе знаний системы.
Аналогия на предикатах позволяет делать системы ИИ гораздо с меньшими затратами как по данным, так и по обучению. Для обучения аналогии потребовалось всего 200 художественных и научно-популярных книг, а не весь интернет как в случае с трансформерами.
Кроме того, ИИ по аналогии даже при начальном обучении проявляет здравый смысл за счет обобщения высокого порядка и генерации новых предикатов здравого смысла, отсутствующих в базе знаний системы.
ИИ на аналогах обладает высокой степенью обобщения, которую не могут достигнуть другие системы ИИ. Например, общее понятие препятствие, что позволяет не врезаться в него даже если предмет на дороге не встречался ни разу в обучающей выборке. Новый подход отличается интерпретируемостью и управляемостью. Работа ИИ на аналогах не только понятна на каждом шагу, но и может быть управляема путем отбора предикатов для аналогии.
Мы намерены провести несколько отдельных экспериментов с целью проверки гипотез проекта:
Мы намерены провести несколько отдельных экспериментов с целью проверки гипотез проекта:
- Построение схем как устойчивых сочетаний в предикатах, возникающих на частотных аналогах и динамически, опираясь на текущий контекст.
- Обобщение высокого порядка как аналогия по частотным предикатам вплоть до таких обобщений как логические операции, выступающие как предикативные связки. Реализация перцептивного треугольника У. Найсера.
- Управление речью и долгосрочной памятью через иерархию схем. Построение схемы схем как способа конструирования сложной сцены.
