May, 2024

NARS 中的功能等价性

PDF
TL;DR该研究通过 Non-Axiomatic Reasoning System (NARS) 框架中的 OpenNARS for Applications (ONA) 探讨功能等同的概念，通过改进 ONA 来推导功能等同。研究提供了 ONA 在不同功能情境中应用所学知识的实际示例，展示了其在复杂问题解决和决策中的实用性。研究扩展了对人工通用智能系统中功能等同的理解，并认为它对于人类级别的学习和适应所必需的灵活性是必要的。
发现论文，激发创造
  • 比较 NARS 和强化学习：关于 ONA 和 Q-Learning 算法的分析

    探讨了非公理推理系统（NARS）作为强化学习（RL）替代品的潜力，并进行了性能对比分析，结果表明 NARS 在不同难度环境中表现竞争力尤其是在非确定性环境中。

    Mar, 2023

  • 机器心理学：将操作条件反射与非公理推理系统结合，推进人工智能普适性研究

    这篇论文介绍了一种称为机器心理学的跨学科框架，将操作学习心理学原理与特定的人工智能模型非公理推理系统（NARS）相结合，以增强通用人工智能（AGI）研究。该框架的核心前提是适应对于生物和人工智能同样重要，可以通过操作条件性原理来理解。该研究通过三个操作学习任务使用 OpenNARS for Applications（ONA）来评估这种方法：简单判别、条件改变和条件判别任务。这些研究结果支持操作条件性作为创建自适应 AGI 系统的框架的应用。

    May, 2024

  • NUTS，NARS，和 Speech

    通过利用非公理化推理系统（NARS）对语音识别进行研究以探究 “智能是信息处理系统在知识和资源不充足的情况下适应环境的能力”，本文提出了一种为感知设计的 NUTS：随机降维非公理化推理有限输入学习器。NUTS 包括幼稚的降维、一些预处理，然后进行非公理化推理（NARS）。只需 2 个训练示例，NUTS 对于离散词语识别表现与 Whisper Tiny 模型相似。

    May, 2024

  • 图神经网络中的算法推理

    通过与神经网络和热带代数的连接，将算法推理集成到机器学习模型中的潜力展示出来。

    Feb, 2024

  • 使用功能化面向对象网络进行知识检索

    本文描述了一种用于机器人任务的知识表示模型 FOON，定义了其结构和主要组件，并介绍了创建通用 FOON 数据集的过程。同时，讨论了在 FOON 中使用的各种搜索算法和启发式函数以及它们的效果。

    Nov, 2022

  • ARN：故事类修辞推理的综合框架和数据集

    通过将认知心理学中的类比推理理论在叙述上进行计算适应，我们提出了类比叙事（ARN）数据集和一个大规模的评估框架，研究了不同抽象程度的类比、不类比之间的匹配。研究结果表明，当较高级别的映射缺乏较低级别的映射时（远类比），大语言模型难以识别；而当所有映射同时存在时（近类比），大语言模型的性能得到改善。我们观察到，在所有的设置中，大语言模型的类比推理能力容易受到与查询叙事形成较低级别映射的近干扰的影响。

    Oct, 2023

  • 使用功能面向对象网络进行知识检索

    本文讨论了功能对象导向网络（FOON）的知识表示和符号任务规划能力，利用 FOON 和图检索方法生成操作动作序列以完成任务目标，从而减少人类日常任务所需的人力。

    Nov, 2022

  • 一种神经符号化方法用于自然语言理解

    通过启用预训练语言模型的深度神经网络，在系统 1 和系统 2 的理论支持下，实现了基于神经和符号处理的类比推理和逻辑推理，并在数值推理的两种自然语言理解任务中显著优于现有的最先进方法。

    Mar, 2022

  • 解决形态学类比问题：从检索到生成

    本文提出了一个深度学习框架来解决类比检测和解决两个关键问题，并在 morphological analogical proportions 数据集上进行了测试表明优于符号方法。文章总结了之前的研究，并结合了 ANNe 和 AE 嵌入模型。最终得出该模型在绝大多数情况下都优于其他方法，并提供了使用 DL 来处理类比问题的一般指南。

    Mar, 2023

  • TAR: TBox 和 ABox 跨越神经逻辑推理

    本文研究了跨 TBox 和 ABox 的神经逻辑推理问题，提出了一种名为 TAR 的解决方案，该方案在模糊集合的概念表示和查询上进行运算和优化。在两个现实世界的数据集上进行了广泛的实验，证实了 TAR 在 TA-NLR 方面的有效性。

    May, 2022