Ý tưởng chung đằng sau OpenCog là gì?

OpenCog là một dự án AGI mã nguồn mở được đồng sáng lập bởi nhà nghiên cứu AI đồng bóng Ben Goertzel . Ben Goertzel viết rất nhiều thứ, một số của nó thực sự whacky . Tuy nhiên, rõ ràng anh ta rất thông minh và đã suy nghĩ sâu sắc về AI trong nhiều thập kỷ.

Những ý tưởng chung đằng sau OpenCog là gì? Bạn có xác nhận nó như là một cái nhìn sâu sắc về AGI?

Tôi đặc biệt quan tâm đến việc liệu khuôn khổ chung có còn ý nghĩa trong những tiến bộ gần đây hay không.

OpenCog là gì?

OpenCog là một dự án với tầm nhìn tạo ra một cỗ máy tư duy với trí thông minh ở cấp độ con người và hơn thế nữa.

Trong phần giới thiệu của OpenCog, Goertzel nói rõ rằng dự án OpenCog không liên quan đến việc xây dựng các thuật toán phân loại chính xác hơn, hệ thống thị giác máy tính hoặc hệ thống xử lý ngôn ngữ tốt hơn. Dự án OpenCog chỉ tập trung vào trí thông minh chung có khả năng mở rộng cho các nhiệm vụ ngày càng chung chung.

Đại diện kiến ​​thức

Các cơ chế biểu diễn tri thức của OpenCog đều dựa trên các mạng cơ bản. OpenCog có các thành phần biểu diễn tri thức sau:

AtomSpace : nó là một cơ sở dữ liệu đại diện kiến ​​thức và công cụ truy vấn. Dữ liệu trên AtomSpace được thể hiện dưới dạng biểu đồ và siêu dữ liệu.

Mạng logic xác suất (PLN): đó là một cách tiếp cận khái niệm, toán học và tính toán mới để xử lý sự không chắc chắn và thực hiện lý luận hiệu quả trong hoàn cảnh thực tế.

MOSES (Tìm kiếm tiến hóa ngữ nghĩa tối ưu hóa meta): nó thực hiện việc học chương trình bằng cách sử dụng thuật toán tối ưu hóa meta. Đó là, nó sử dụng hai thuật toán tối ưu hóa, một thuật toán được bọc bên trong để tìm giải pháp.

Phân bổ chú ý kinh tế (EAA): mỗi nguyên tử có một giá trị chú ý gắn liền với nó. Các giá trị chú ý được cập nhật bằng cách sử dụng các phương trình động phi tuyến để tính toán Tầm quan trọng ngắn hạn (STI) và Tầm quan trọng dài hạn (LTI).

Mục tiêu năng lực

OpenCog liệt kê 14 năng lực mà họ tin rằng các hệ thống AI sẽ hiển thị để được coi là một hệ thống AGI.

Nhận thức : tầm nhìn, thính giác, xúc giác và quyền sở hữu đa phương thức

Diễn xuất : kỹ năng thể chất, sử dụng công cụ và kỹ năng điều hướng

Bộ nhớ : khai báo, hành vi và tình tiết

Học tập : bắt chước, củng cố, hướng dẫn bằng lời nói tương tác, phương tiện bằng văn bản và học tập thông qua thử nghiệm

Lý luận : suy luận , cảm ứng, bắt cóc, lý luận nguyên nhân, lý luận vật lý và lý luận liên quan

Kế hoạch : chiến thuật, chiến lược, thể chất và xã hội

Chú ý : chú ý thị giác, chú ý hành vi, chú ý xã hội

Động lực : sáng tạo dưới cơ thể, động lực dựa trên ảnh hưởng, kiểm soát cảm xúc

Cảm xúc : thể hiện cảm xúc, thấu hiểu cảm xúc

Mô hình hóa bản thân và người khác : tự nhận thức, lý thuyết về tâm trí, tự kiểm soát

Tương tác xã hội : hành vi xã hội phù hợp, giao tiếp xã hội, suy luận xã hội và chơi theo nhóm

Giao tiếp : giao tiếp bằng cử chỉ, giao tiếp bằng lời nói, giao tiếp bằng hình ảnh, tiếp thu ngôn ngữ và giao tiếp xuyên phương thức

Kỹ năng định lượng : đếm, số học, so sánh và đo lường.

Khả năng xây dựng / sáng tạo : thể chất, khái niệm, bằng lời nói và xã hội.

Tôi có xác nhận OpenCog không?

Theo tôi, OpenCog giới thiệu và bao quát các thuật toán / phương pháp quan trọng trong học máy, tức là siêu đồ thị và mạng logic xác suất. Tuy nhiên, lời chỉ trích của tôi là họ không cam kết với một kiến ​​trúc duy nhất và tích hợp nhiều kiến ​​trúc một cách bất thường và thiếu hệ thống.

Hơn nữa, Goertzel đã không nhận ra sự thay đổi cơ bản đi kèm với việc giới thiệu các kiến ​​trúc học sâu để điều chỉnh lại công việc của mình cho phù hợp. Điều này khiến nghiên cứu của ông mất liên lạc với những phát triển gần đây trong học máy

Mặc dù kiến ​​thức về OpenCog của tôi rất hạn chế, bạn có thể nói rằng có, nó vẫn có ý nghĩa và nó sâu sắc. Tôi không chắc chắn về tất cả các thành phần của OpenCog nhưng tôi biết rằng ít nhất một thành phần có liên quan (tôi nghĩ đó là một phần của thành phần MOSIS).

Thành phần này rất giống với bộ nhớ tạm thời phân cấp của Numenta dựa trên khoa học thần kinh tính toán hơn là toán học đơn giản; tuy nhiên, tôi sẽ coi Nupic là một dự án phù hợp hơn về mặt không cần thiết mặc dù cả hai đều cố gắng mô phỏng các thành phần của não. Theo tôi, những dự án như vậy ấn tượng hơn nhiều so với những gì đang diễn ra với mạng lưới thần kinh tích chập điển hình, RNNs, v.v ... liên quan quá lỏng lẻo đến những gì diễn ra trong não được cho là khoa học thần kinh tính toán.

Điều đó không có nghĩa là những thứ như ANN, GA, v.v. đều vô dụng đối với AGI. Chúng tôi không thực sự biết vì chúng tôi không có ví dụ về một.