وجهة نظر حسابية حول الدمج العصبي الرمزي

يهدف الدمج العصبي الرمزي (NSI) إلى دمج مبادئ تقنيات الذكاء الاصطناعي الرمزية، مثل الاستدلال المنطقي، مع القدرات التعليمية للشبكات العصبية. في السنوات الأخيرة، تم اقتراح العديد من الأنظمة لمعالجة هذا الدمج بطريقة تبدو فعالة. ومع ذلك، من المنظور الحسابي، من المستحيل من حيث المبدأ القيام بذلك. على وجه الخصوص، بعض المشاكل الرمزية الأساسية صعبة بشكل مثبت، وبالتالي فإن نظام NSI العام يحتاج بالضرورة إلى اعتماد هذه التعقيدات الحسابية أيضًا. تحاول العديد من طرق NSI التملص من هذه العيب عن طريق إسقاط أجزاء من القدرات الرمزية بشكل غير ملحوظ بينما تقوم برسم المشكلات إلى تمثيلات موتر ثابتة في مقابل تسريع التعلم العميق الفعال. في هذه الورقة، نجادل بأن الهدف من نظام NSI العام، الذي يغطي بشكل صحيح كل من النماذج العصبية والرمزية، له تداعيات حسابية مهمة على تمثيلات التعلم، وبنية الرسوم البيانية الناتجة، والبنية التحتية للأجهزة والبرامج. على وجه الخصوص، نشرح كيف أن التعلم العميق القائم على الموتر والذي يتميز برسوم بيانية حسابية ثابتة غير كافٍ من الناحية المفاهيمية كأساس لمثل هذا NSI العام، والذي نناقشه في سياق أوسع من طرق التعلم العميق المعروفة (الإحصائية) والعلاقات الهيكلية. أخيرًا، نتعمق في جوانب تسريع الأجهزة الأساسية ونحدد بعض الاتجاهات الحسابية الواعدة نحو NSI معبر وفعال بشكل كامل.