神经组合计算：从认知的中心悖论到新一代AI系统
人工智能
2022-05-04 v1 神经与进化计算
符号计算
摘要
是什么解释了从20世纪到21世纪AI的显著进步，又如何克服当前AI的剩余局限？被广泛接受的叙事将此进步归因于支持深度人工神经网络中统计学习的计算与数据资源量的巨幅增长。我们表明另一关键因素是新型计算的发展。神经组合计算(neurocompositional computing)采纳两条必须同时被尊重以实现人类水平认知的原理：组合性原理与连续性原理。在近期数学发现组合性不仅可通过符号计算的离散方法、也可通过新颖连续神经计算形式实现之前，这两者似乎不可调和。AI近年的革命性进展源于有限形式神经组合计算的使用。更新、更深形式的神经组合计算创造出更鲁棒、准确且可理解的AI系统。
引用
@article{arxiv.2205.01128,
title = {Neurocompositional computing: From the Central Paradox of Cognition to a new generation of AI systems},
author = {Paul Smolensky and R. Thomas McCoy and Roland Fernandez and Matthew Goldrick and Jianfeng Gao},
journal= {arXiv preprint arXiv:2205.01128},
year = {2022}
}
备注
21 pages, 6 figures. For a general AI audience: to appear in AI Magazine. A more extensive presentation of this work is "Neurocompositional computing in human and machine intelligence: A tutorial", Microsoft Technical Report MSR-TR-2022-5; see https://www.microsoft.com/en-us/research/publication/neurocompositional-computing-in-human-and-machine-intelligence-a-tutorial/