「神經+符號」：從知識圖譜角度看認知推理的發展

在過去十年的人工智能浪潮中，以深度學習爲表明的人工智能技術已基本實現了視覺、聽覺等感知智能，但依然沒法很好地作到思考、推理等認知智能。所以，具備推理、可解釋性等能力的認知智能研究毫無疑問將愈來愈受到重視，成爲將來人工智能領域重要的發展方向之一。
研究人員的嗅覺無疑是最敏銳的。例如，ACM圖靈獎得到者約書亞·本吉奧(Yoshua Bengio)在NeuIPS 2019的特邀報告中明確提到，深度學習須要從系統1(System 1)到系統2(System 2)轉化。注：這裏所說的System 1和System 2是指認知科學中的雙通道理論，其中System 1表示直覺的、快速的、無心識的、非語言的、習慣的認知系統，這也是目前深度學習技術擅長的事情；System 2則表示慢的、有邏輯的、有序的、有意識的、可用語言表達以及可推理的系統，這是將來深度學習須要着重考慮的研究方向。
1
神經系統和符號系統的特色
從更宏觀的角度來看人工智能，System 1對應的是神經(Neural)學派， System 2則對應符號(Symbolic)學派，Bengio所提的System 2關於深度學習的想法與「神經+符號」的人工智能目標基本一致。沿着這一點追溯，咱們能夠發現另外一位ACM圖靈獎得主馬文·明斯基(Marvin Minsky)早於1986年在《心智社會》(The Society of Mind)一書中就清楚地闡述了人工智能和認知心理學（即System 1和System 2）之間的關係，並深刻分析了人工智能中的神經系統和符號系統各自的特色和結合的可能，如圖1所示。從宏觀再到具體，以數據的對象、存儲以及應用來講，不管是神經系統仍是符號系統，數據建模的目的都是求解給定輸入問題的答案，如圖2所示。但不一樣之處在於，神經系統擅長處理非結構化的數據（如文本等）。目前的主流模型以端到端爲主，常見的應用場景有機器翻譯、語音識別、簡單問題智能問答（如，姚明的身高是多少？）等；而符號系統主要以結構化的數據庫爲主，且一般支持結構化的查詢、推理引擎等，可以實現複雜問題的求解（如，美國是農業出口大國，爲何還要進口咖啡？）。值得一提的是，ACM圖靈獎得到者萊斯利·瓦利安特(Leslie Valiant)曾精闢地指出：神經系統側重對數據特徵的學習過程，而符號系統包含的必定是一個搜索過程，後續大量面向符號系統的研究本質上致力於各類高效的搜索算法。神經系統和符號系統各自的特色還能夠經過兩個計算機視覺領域應用中的例子來體會：圖3(a)的例子表示經典的手寫體識別，對於給定可觀察的手寫數字和比較符樣本集合，在通過訓練後，大量神經系統的模型能夠很好地識別各種手寫體（即視覺層次的泛化認知能力），但卻很難實現符號知識的認知泛化（即對於未出如今訓練樣本中的比較符樣例，難以進行求解判斷）。一樣，在圖3(b)的視覺問答例子中，神經系統能夠輕鬆應對簡單的視覺問答場景（如，圖中有幾隻長頸鹿？），可是若是須要回答更復雜的問題（如，圖中動物和斑馬有哪些共同屬性？），則必須藉助外部的符號知識（如知識圖譜）進行認知推理，才能完成求解過程。綜上所述，「神經+符號」系統無疑是人工智能的理想模型。咱們能夠總結出一個完美的「神經+符號」系統的特色和優點：1.能夠輕鬆處理目前主流機器學習擅長的問題；2. 對於數據噪音有較強的魯棒性；3. 系統的求解過程和結果容易被人理解、解釋和評價；4. 能夠很好地對各種符號進行操做；5. 能夠無縫地利用各類背景知識。然而，實現「神經+符號」的有機結合並不容易。多年來，各個領域的人工智能研究者對此進行了大量研究。知識圖譜做爲近年來熱門的人工智能研究方向，從早期的知識庫、專家系統，到谷歌公司在2012年正式提出知識圖譜，其發展歷程也能夠看做神經系統和符號系統各自的發展縮影，其中包括「神經+符號」結合的屢次嘗試，如圖4所示。
2
「神經+符號」的結合
筆者從知識圖譜領域的研究視角對目前的工做梳理總結後發現，「神經+符號」的結合工做主要能夠分爲兩類：神經助力符號(neural for symbolic)這類方法的特色在於將神經網絡的方法應用在傳統符號系統的問題求解，一般主要用來解決淺層次的推理問題。例如採用知識圖譜表示學習(knowledge graph embedding)[1]、圖神經網絡(Graph Neural Networks，GNN)[2]等技術進行知識圖譜的補全，其特色是用統計推理代替邏輯演繹；還有采用循環神經網絡(Recurrent Neural Network,RNN)、圖卷積神經網絡(Graph Convolutional Network，GCN)等技術進行多跳智能問答[3]，也是相似的工做，如圖5所示。此外，Swift Logic[3]、神經理論證實機[4]、邏輯張量網絡[5]等工做也屬於「神經」助力「符號」的嘗試，其主要思想是改進神經網絡的方法，將其應用到知識圖譜領域的深層推理場景，進而提高效果。符號神經(symbolic for neural)這類方法的特色在於將符號的方法應用在神經網絡的訓練過程當中。例如，使用邏輯規則在深度神經網絡中進行數據的編審(data curation)[6]；將知識圖譜應用在遠程監督、少樣本、零樣本

道翰天瓊認知智能將來機器人接口API簡介介紹
認知智能是計算機科學的一個分支科學，是智能科學發展的高級階段，它以人類認知體系爲基礎，以模仿人類核心能力爲目標，以信息的理解、存儲、應用爲研究方向，以感知信息的深度理解和天然語言信息的深度理解爲突破口，以跨學科理論體系爲指導，從而造成的新一代理論、技術及應用系統的技術科學。 認知智能的核心研究範疇包括：1.宇宙、信息、大腦三者關係；2.人類大腦結構、功能、機制；3.哲學體系、文科體系、理科體系；4.認知融通、智慧融通、雙腦(人腦和電腦)融通等核心體系。 認知智能四步走：1.認知宇宙世界。支撐理論體系有三體（宇宙、信息、大腦）論、易道論、存在論、本體論、認知論、融智學、HNC 等理論體系；2.清楚人腦結構、功能、機制。支撐學科有腦科學、心理學、邏輯學、情感學、生物學、化學等學科。3.清楚信息內涵規律規則。支撐學科有符號學、語言學、認知語言學、形式語言學等學科。4.系統落地能力。支撐學科有計算機科學、數學等學科。
認知智能CI機器人是杭州道翰天瓊智能科技有限公司旗下產品。認知智能機器人是依託道翰天瓊10年研發的認知智能CI體系爲核心而打造的認知智能機器人大腦，是全球第一個認知智能機器人大腦。具備突破性，創新性，領航性。是新一代智能認知智能的最好的產品支撐。 認知智能機器人技術體系更加先進，更加智能，是新一代智能，認知智能領域世界範圍內惟一的認知智能機器人。 認知智能機器人是新時代的產物，是新一代智能認知智能的產物。表明了新一代智能認知智能最核心的優點。和人工智能機器人大腦相比，優點很是明顯。智能度高，客戶粘性大，客戶滿意度高，易於推廣和傳播等核心特色。 依託認知智能機器人平臺提供的機器人大腦服務，能夠賦能各個行業，各個領域的智能設備，各種須要人機互動的領域等。認知智能機器人平臺網址：www.weilaitec.com，www.citec.top。歡迎註冊使用，走進更智能機器人世界。
認知智能和人工智能的優劣勢對比主要能夠分爲四大方面： 第一：時代發展不一樣。人工智能是智能時代發展的第二個階段，認知智能是智能時代發展的第三個階段。時代發展上決定了認知智能更顯具備時代領先性。 第二：基礎理論體系不一樣。人工智能的基礎理論體系以數學爲基礎，以統計機率體系爲基礎。認知智能基礎理論體系以交叉許可理論體系爲基礎。包含古今中外哲學體系，心理學體系，邏輯學體系，語言學體系，符號學體系，數學體系等學科。其基礎理論體系更加具備創新性，突破性和領先性。且交叉學科理論體系的研究也是將來智能發展的大方向。其具體理論體系，還包含三體論（宇宙，信息，大腦三者關係），融智學，和HNC等。 第三：技術體系不一樣。人工智能的核心技術體系主要是算法，機器學習，深度學習，知識圖譜等。其主要功用在感知智能。感知智能其核心主要是在模仿人類的感知能力。認知智能的核心技術體系是以交叉學科理論體系而衍生出來的。具體包含三大核心技術體系，認知維度，類腦模型和萬維圖譜。認知智能的技術體系核心以類腦的認知體系爲基礎。以全方位模仿類腦能力爲目標。人工智能以感知智能爲基礎的體系，只能做爲認知智能中的類腦模型技術體系中的感知層技術體系。類腦模型大體包含，感知層，記憶層，學習層，理解層，認知層，邏輯層，情感層，溝通層，意識層等9大核心技術層。所以人工智能的核心只是做爲認知智能類腦模型中的感知層。所以在技術體系上，人工智能和認知智能基本上沒有太多的可比性。 第四：智能度成本等方面的不一樣：人工智能產品的綜合智能程度，廣泛在2-3歲左右的智力水平。認知智能產品其智能程度大體在5-8歲左右。認知智能體系構建的機器人更加智能。且更省時間，更省人力和資金。優點很是多。具體請看下列的逐項對比。
道翰天瓊CiGril機器人API
道翰天瓊CiGril認知智能機器人API用戶須要按步驟獲取基本信息：
1.在平臺註冊帳號
2.登陸平臺，進入後臺管理頁面，建立應用，而後查看應用，查看應用相關信息。
3.在應用信息頁面，找到appid,appkey祕鑰等信息，而後寫接口代碼接入機器人應用。
開始接入
請求地址：http://www.weilaitec.com/cigirlrobot.cgr
請求方式：post
請求參數：
參數 類型 默認值 描述
userid   String   無 平臺註冊帳號
appid   String   無 平臺建立的應用id
key   String   無 平臺應用生成的祕鑰
msg   String   "" 用戶端消息內容
ip   String   "" 客戶端ip要求惟一性,無ip等能夠用QQ帳號，微信帳號，手機MAC地址等代替。

接口鏈接示例：http://www.weilaitec.com/cigirlrobot.cgr?key=UTNJK34THXK010T566ZI39VES50BLRBE8R66H5R3FOAO84J3BV&msg=你好&ip=119.25.36.48&userid=jackli&appid=52454214552

注意事項：參數名稱都要小寫，五個參數不能遺漏，參數名稱都要寫對，且各個參數的值不能爲空字符串。不然沒法請求成功。userid,appid,key三個參數要到平臺註冊登陸建立應用以後，而後查看應用詳情就能夠看到。userid就是平臺註冊帳號。
示例代碼JAVA：

import java.io.ByteArrayOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.net.HttpURLConnection;
import java.net.URL;

public class apitest {

    /*
     Get請求，得到返回數據
     @param urlStr
     @return
     /
    private static String opUrl(String urlStr)
    {        
        URL url = null;
        HttpURLConnection conn = null;
        InputStream is = null;
        ByteArrayOutputStream baos = null;
        try
        {
            url = new URL(urlStr);
            conn = (HttpURLConnection) url.openConnection();
            conn.setReadTimeout(5 10000);
            conn.setConnectTimeout(5 * 10000);
            conn.setRequestMethod("POST");
            if (conn.getResponseCode() == 200)
            {
                is = conn.getInputStream();
                baos = new ByteArrayOutputStream();
                int len = -1;
                byte[] buf = new byte[128];

                while ((len = is.read(buf)) != -1)
                {
                    baos.write(buf, 0, len);
                }
                baos.flush();
                String result = baos.toString();
                return result;
            } else
            {
                throw new Exception("服務器鏈接錯誤！");
            }

        } catch (Exception e)
        {
            e.printStackTrace();
        } finally
        {
            try
            {
                if (is != null)
                    is.close();
            } catch (IOException e)
            {
                e.printStackTrace();
            }

            try
            {
                if (baos != null)
                    baos.close();
            } catch (IOException e)
            {
                e.printStackTrace();
            }
            conn.disconnect();
        }
        return "";
    }
    
    
    public static void main(String args []){        
            //msg參數就是傳輸過去的對話內容。            
            System.out.println(opUrl("http://www.weilaitec.com/cigirlrobot.cgr?key=UTNJK34THXK010T566ZI39VES50BLRBE8R66H5R3FOAO84J3BV&msg=你好&ip=119.25.36.48&userid=jackli&appid=52454214552"));
            
    }
}