下一场AI革命：神经符号人工智能

大家好，欢迎来到pypyai游乐园 ！

想知道为什么最近技术社区涌向神经符号AI，请阅读此文👇

神经符号AI是神经网络和符号AI的组合。人工智能是当今时代最具破坏性的技术之一，但它仍然需要改进。麻省理工学院-IBM联合主办的华生AI实验室主任David Cox说，“现在是时候重新发明人工智能了”。

借助神经符号AI，人工智能将变得越来越智能。它结合了两种先前存在的AI方法，因此从技术上讲它不是一个新概念，现在让我们一探究竟。

01

基于规则的符号-AI

基于规则的符号AI可以说是首创，因为这种方法是创建AI的首次正式尝试。符号AI在1950年代到1980年代，是个大事情。符号AI的灵感来自人类通过创建符号互连和表示来理解世界的能力。这些表示形式有助于形成描述概念和理解日常知识的规则。用技术术语来说，这意味着要向象征性AI系统进行解释，象征性AI工程师和研究人员将首先专门提供AI可以用来做出正确决策的每条信息和规则。

02

基于人工智能数据的神经网络

神经网络AI与符号AI不同，因为它是数据驱动的，而不是基于规则的，并且采用了深度学习。 神经符号中的“神经”是指深度学习神经网络， 这种方法的灵感来自于人脑的运作及其理解能力。 这是自动驾驶汽车和Alexa和Siri等我们喜欢的语音助手等许多现代创新中使用的最新AI技术。 这些创新依靠大量数据，因此是基于数据的。

为了训练神经网络AI，必须向系统显示特定主题的几幅图像。一旦进行了自我训练，它就只能识别出正在接受训练的主题，而且还可以辨别出现实中甚至不存在的类似物体，例如两个不存在的AI“伪造”的人脸。

神经符号AI的优点

1.精度更高

采用符号神经AI，神经网络可以在80％的时间内获得正确的答案。你可能会问，节省20％重要吗？举个例子，符号神经AI助力于自动驾驶汽车。虽然驾驶员可以理解红灯和事故发生时的紧急情况，但自动驾驶汽车将如何理解这种紧急情况？也许它的准确性达不到80％。神经符号AI通过以更少的数据进行训练来提高准确性，从而应对紧急情况。

2.节约数据成本

现代AI系统需要训练大量数据。虽然人脑可以通过一些示例来学习，但AI工程师需要将千兆级的数据输入AI算法。相反，仅使用传统方法所需数据的1％即可训练神经符号AI系统。

3.使用强大的功能

思科和SingularityNET使用带有深度神经网络的OpenCog AGI引擎来分析街道场景。系统中的每个摄像机都由一个神经网络建模，该神经网络将符号层集成在一起以理解整个交通场景。例如，在突发公共卫生事件中，它可以以不会引起交通阻塞的方式重新安排救护车的路线。

神经符号网络是一种混合系统，它结合了神经网络的功能，并且以更快，更轻松的方式（甚至有时以前所未有的方式）超越以往。

假以时日，人工智能将会像一场无可阻挡的风暴，席卷你我的生活。而最佳的选择，不是去抗拒，而是，与风暴共舞！

原文链接：https://www.analyticsinsight.net/neurosymbolic-ai-know-about-the-next-ai-revolution/