ഇക്കാലത്ത് ആളുകൾ AI-യെക്കുറിച്ച് സംസാരിക്കുമ്പോൾ, സംഭാഷണം മിക്കവാറും എല്ലായ്പ്പോഴും വിചിത്രമായി തോന്നുന്ന മനുഷ്യരൂപത്തിലുള്ള ചാറ്റ്ബോട്ടുകളിലേക്കോ, ഡാറ്റ തകർക്കുന്ന വലിയ ന്യൂറൽ നെറ്റ്വർക്കുകളിലേക്കോ, അല്ലെങ്കിൽ ക്ഷീണിതരായ ചില മനുഷ്യർക്ക് കഴിയുന്നതിനേക്കാൾ നന്നായി പൂച്ചകളെ കണ്ടെത്തുന്ന ഇമേജ്-റെക്കഗ്നിഷൻ സിസ്റ്റങ്ങളിലേക്കോ ചാറ്റ്ബോട്ടുകളിലേക്കോ ആണ്. എന്നാൽ ആ തിരക്കിന് വളരെ മുമ്പുതന്നെ, സിംബോളിക് AI . വിചിത്രമായി മതി - അത് ഇപ്പോഴും ഇവിടെയുണ്ട്, ഇപ്പോഴും ഉപയോഗപ്രദമാണ്. അടിസ്ഥാനപരമായി ഇത് ആളുകൾ ചെയ്യുന്നതുപോലെ കമ്പ്യൂട്ടറുകളെ യുക്തിസഹമായി ചിന്തിക്കാൻ പഠിപ്പിക്കുന്നതിനെക്കുറിച്ചാണ്: ചിഹ്നങ്ങൾ, യുക്തി, നിയമങ്ങൾ എന്നിവ . പഴയകാലത്തേതാണോ? ഒരുപക്ഷേ. എന്നാൽ "ബ്ലാക്ക് ബോക്സ്" AI-യിൽ മുഴുകിയിരിക്കുന്ന ഒരു ലോകത്ത്, സിംബോളിക് AI-യുടെ വ്യക്തത അൽപ്പം ഉന്മേഷദായകമായി തോന്നുന്നു [1].
ഇതിനു ശേഷം നിങ്ങൾക്ക് വായിക്കാൻ ഇഷ്ടപ്പെട്ടേക്കാവുന്ന ലേഖനങ്ങൾ:
🔗 ഒരു AI പരിശീലകൻ എന്താണ്?
ആധുനിക AI പരിശീലകരുടെ പങ്കും ഉത്തരവാദിത്തങ്ങളും വിശദീകരിക്കുന്നു.
🔗 ഡാറ്റാ സയൻസിന് പകരം AI വരുമോ?
AI-യുടെ പുരോഗതി ഡാറ്റാ സയൻസ് കരിയറുകൾക്ക് ഭീഷണിയാകുമോ എന്ന് പരിശോധിക്കുന്നു.
🔗 AI-ക്ക് എവിടെ നിന്നാണ് വിവരങ്ങൾ ലഭിക്കുന്നത്?
പഠിക്കാനും പൊരുത്തപ്പെടുത്താനും AI മോഡലുകൾ ഉപയോഗിക്കുന്ന ഉറവിടങ്ങളെ വിശകലനം ചെയ്യുന്നു.
സിംബോളിക് AI അടിസ്ഥാനങ്ങൾ✨
വ്യക്തതയിൽ അധിഷ്ഠിതമാണ് . നിങ്ങൾക്ക് യുക്തി കണ്ടെത്താനും, നിയമങ്ങൾ പരിശോധിക്കാനും, എന്തുകൊണ്ടാണ് അത് പറഞ്ഞതെന്ന് അക്ഷരാർത്ഥത്തിൽ കാണാനും കഴിയും. ഒരു ഉത്തരം മാത്രം തുപ്പുന്ന ഒരു ന്യൂറൽ നെറ്റുമായി അതിനെ താരതമ്യം ചെയ്യുക - ഇത് ഒരു കൗമാരക്കാരനോട് "എന്തുകൊണ്ട്?" എന്ന് ചോദിച്ച് തോൾചുരുട്ടുന്നത് പോലെയാണ്. വിപരീതമായി, സിംബോളിക് സിസ്റ്റങ്ങൾ പറയും: "കാരണം എയും ബിയും സിയെ സൂചിപ്പിക്കുന്നു, അതിനാൽ സി." സ്വയം വിശദീകരിക്കാനുള്ള ആ കഴിവ് ഉയർന്ന അപകടസാധ്യതയുള്ള കാര്യങ്ങൾക്ക് (മരുന്ന്, ധനകാര്യം, കോടതിമുറി പോലും) ഒരു മാറ്റമാണ്, അവിടെ ആരെങ്കിലും എപ്പോഴും തെളിവ് ചോദിക്കുന്നു [5].
ചെറിയ കഥ: ഒരു വലിയ ബാങ്കിലെ ഒരു കംപ്ലയൻസ് ടീം ഉപരോധ നയങ്ങളെ ഒരു നിയമ എഞ്ചിനിലേക്ക് എൻകോഡ് ചെയ്തു. “origin_country ∈ {X} ഉം missing_beneficiary_info → escalt ആണെങ്കിൽ” പോലുള്ള കാര്യങ്ങൾ. ഫലം? ഫ്ലാഗ് ചെയ്ത ഓരോ കേസും കണ്ടെത്താനാകുന്നതും മനുഷ്യർക്ക് വായിക്കാൻ കഴിയുന്നതുമായ യുക്തിയുടെ ഒരു ശൃംഖലയുമായി വന്നു. ഓഡിറ്റർമാർക്ക് വളരെ ഇഷ്ടപ്പെട്ടു . അതാണ് സിംബോളിക് AI-യുടെ സൂപ്പർ പവർ - സുതാര്യവും പരിശോധിക്കാവുന്നതുമായ ചിന്ത .
ദ്രുത താരതമ്യ പട്ടിക 📊
| ഉപകരണം / സമീപനം | ആരാണ് ഇത് ഉപയോഗിക്കുന്നത് | ചെലവ് പരിധി | എന്തുകൊണ്ട് ഇത് പ്രവർത്തിക്കുന്നു (അല്ലെങ്കിൽ പ്രവർത്തിക്കുന്നില്ല) |
|---|---|---|---|
| വിദഗ്ദ്ധ സംവിധാനങ്ങൾ 🧠 | ഡോക്ടർമാർ, എഞ്ചിനീയർമാർ | ചെലവേറിയ സജ്ജീകരണം | വളരെ വ്യക്തമായ നിയമാധിഷ്ഠിത ന്യായവാദം, പക്ഷേ ദുർബലം [1] |
| നോളജ് ഗ്രാഫുകൾ 🌐 | സെർച്ച് എഞ്ചിനുകൾ, ഡാറ്റ | സമ്മിശ്ര ചെലവ് | എന്റിറ്റികളെയും ബന്ധങ്ങളെയും സ്കെയിലിൽ ബന്ധിപ്പിക്കുന്നു [3] |
| നിയമം അടിസ്ഥാനമാക്കിയുള്ള ചാറ്റ്ബോട്ടുകൾ 💬 | കസ്റ്റമർ സർവീസ് | താഴ്ന്ന–ഇടത്തരം | പെട്ടെന്ന് നിർമ്മിക്കാൻ കഴിയും; പക്ഷേ സൂക്ഷ്മതയുണ്ടോ? അത്രയധികമില്ല |
| ന്യൂറോ-സിംബോളിക് AI ⚡ | ഗവേഷകർ, സ്റ്റാർട്ടപ്പുകൾ | ഉയർന്ന മുൻനിര | ലോജിക് + എംഎൽ = വിശദീകരിക്കാവുന്ന പാറ്റേണിംഗ് [4] |
പ്രതീകാത്മക AI എങ്ങനെ പ്രവർത്തിക്കുന്നു (പ്രായോഗികമായി) 🛠️
സിംബോളിക് AI അതിന്റെ കാതലായ രണ്ട് കാര്യങ്ങൾ മാത്രമാണ്: ചിഹ്നങ്ങൾ (സങ്കൽപ്പങ്ങൾ) നിയമങ്ങളും (ആ ആശയങ്ങൾ എങ്ങനെ ബന്ധിപ്പിക്കുന്നു). ഉദാഹരണം:
-
ചിഹ്നങ്ങൾ:
നായ,മൃഗം,ഹാസ്ടെയിൽ -
നിയമം: X ഒരു നായയാണെങ്കിൽ → X ഒരു മൃഗമാണ്.
ഇവിടെ നിന്ന്, നിങ്ങൾക്ക് യുക്തിയുടെ ശൃംഖലകൾ നിർമ്മിക്കാൻ തുടങ്ങാം - ഡിജിറ്റൽ ലെഗോ പീസുകൾ പോലെ. ക്ലാസിക് വിദഗ്ദ്ധ സംവിധാനങ്ങൾ വസ്തുതകളെ ട്രിപ്പിളുകളിൽ (ആട്രിബ്യൂട്ട്–ഒബ്ജക്റ്റ്–മൂല്യം) സംഭരിച്ചു, കൂടാതെ ചോദ്യങ്ങൾ ഘട്ടം ഘട്ടമായി തെളിയിക്കാൻ ലക്ഷ്യ-നിയന്ത്രിത നിയമ വ്യാഖ്യാതാവ്
പ്രതീകാത്മക AI യുടെ യഥാർത്ഥ ജീവിത ഉദാഹരണങ്ങൾ 🌍
-
MYCIN - പകർച്ചവ്യാധികൾക്കുള്ള മെഡിക്കൽ വിദഗ്ധ സംവിധാനം. നിയമങ്ങൾ അടിസ്ഥാനമാക്കിയുള്ളതും വിശദീകരണ സൗഹൃദപരവുമാണ് [1].
-
ഡെൻഡ്രൽ - സ്പെക്ട്രോമെട്രി ഡാറ്റയിൽ നിന്ന് തന്മാത്രാ ഘടനകളെ ഊഹിച്ച ആദ്യകാല രസതന്ത്ര AI [2].
-
ഗൂഗിൾ നോളജ് ഗ്രാഫ് - "ചരടുകളല്ല, കാര്യങ്ങൾ" എന്ന ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകുന്നതിനായി എന്റിറ്റികൾ (ആളുകൾ, സ്ഥലങ്ങൾ, വസ്തുക്കൾ) + അവയുടെ ബന്ധങ്ങൾ മാപ്പിംഗ് ചെയ്യുന്നു [3].
-
റൂൾ അധിഷ്ഠിത ബോട്ടുകൾ - ഉപഭോക്തൃ പിന്തുണയ്ക്കായി സ്ക്രിപ്റ്റ് ചെയ്ത ഫ്ലോകൾ; സ്ഥിരതയ്ക്ക് ഉറച്ചത്, തുറന്ന ചിറ്റ്-ചാറ്റിന് ദുർബലം.
സിംബോളിക് AI എന്തുകൊണ്ട് ഇടറിപ്പോയി (പക്ഷേ മരിച്ചില്ല) 📉➡️📈
സിംബോളിക് AI മുകളിലേക്ക് കയറുന്നത് ഇവിടെയാണ്: കുഴപ്പമില്ലാത്തതും അപൂർണ്ണവും പരസ്പരവിരുദ്ധവുമായ യഥാർത്ഥ ലോകം. ഒരു വലിയ നിയമ അടിത്തറ നിലനിർത്തുന്നത് ക്ഷീണിപ്പിക്കുന്നതാണ്, കൂടാതെ പൊട്ടുന്ന നിയമങ്ങൾ അവ തകരുന്നതുവരെ ബലൂൺ ചെയ്തേക്കാം.
എന്നിട്ടും - അത് ഒരിക്കലും പൂർണ്ണമായും പോയില്ല. ന്യൂറോ-സിംബോളിക് AI : ന്യൂറൽ നെറ്റ്സ് (പെർസെപ്ഷനിൽ നല്ലത്) സിംബോളിക് ലോജിക്കുമായി (യുക്തിസഹമായി നല്ലത്) മിക്സ് ചെയ്യുക. ഒരു റിലേ ടീം പോലെ ചിന്തിക്കുക: ന്യൂറൽ ഭാഗം ഒരു സ്റ്റോപ്പ് ചിഹ്നം കണ്ടെത്തുന്നു, തുടർന്ന് സിംബോളിക് ഭാഗം ട്രാഫിക് നിയമപ്രകാരം അതിന്റെ അർത്ഥമെന്താണെന്ന് കണ്ടെത്തുന്നു. ആ കോംബോ മികച്ചതും വിശദീകരിക്കാവുന്നതുമായ സിസ്റ്റങ്ങൾ വാഗ്ദാനം 5 ].
പ്രതീകാത്മക AI യുടെ ശക്തികൾ 💡
-
സുതാര്യമായ യുക്തി : നിങ്ങൾക്ക് ഓരോ ഘട്ടവും പിന്തുടരാം [1][5].
-
നിയമ-സൗഹൃദം : നയങ്ങളിലേക്കും നിയമ നിയമങ്ങളിലേക്കും വൃത്തിയായി മാപ്പ് ചെയ്യുന്നു [5].
-
മോഡുലാർ അറ്റകുറ്റപ്പണി : ഒരു മുഴുവൻ മോൺസ്റ്റർ മോഡലിനെയും വീണ്ടും പരിശീലിപ്പിക്കാതെ തന്നെ നിങ്ങൾക്ക് ഒരു നിയമം മാറ്റാൻ കഴിയും [1].
സിംബോളിക് AI യുടെ ബലഹീനതകൾ ⚠️
-
ധാരണയിൽ ഭയങ്കരം : ചിത്രങ്ങൾ, ഓഡിയോ, കുഴപ്പമുള്ള വാചകം - ന്യൂറൽ നെറ്റ്സാണ് ഇവിടെ പ്രബലമായിരിക്കുന്നത്.
-
സ്കെയിലിംഗ് പെയിൻസ് : വിദഗ്ദ്ധ നിയമങ്ങൾ വേർതിരിച്ചെടുക്കുന്നതും അപ്ഡേറ്റ് ചെയ്യുന്നതും ശ്രമകരമാണ് [2].
-
കാഠിന്യം : നിയമങ്ങൾ അവരുടെ മേഖലയ്ക്ക് പുറത്ത് ലംഘിക്കപ്പെടുന്നു; അനിശ്ചിതത്വം പിടിച്ചെടുക്കാൻ പ്രയാസമാണ് (ചില സിസ്റ്റങ്ങൾ ഭാഗിക പരിഹാരങ്ങൾ ഹാക്ക് ചെയ്തിട്ടുണ്ടെങ്കിലും) [1].
പ്രതീകാത്മക AI-യുടെ മുന്നോട്ടുള്ള പാത 🚀
ഭാവി ഒരുപക്ഷേ ശുദ്ധമായ പ്രതീകാത്മകമോ ശുദ്ധമായ ന്യൂറൽ അല്ല. ഇത് ഒരു സങ്കരയിനമാണ്. സങ്കൽപ്പിക്കുക:
-
ന്യൂറൽ → റോ പിക്സലുകൾ/ടെക്സ്റ്റ്/ഓഡിയോ എന്നിവയിൽ നിന്ന് പാറ്റേണുകൾ വേർതിരിച്ചെടുക്കുന്നു.
-
ന്യൂറോ-സിംബോളിക് → പാറ്റേണുകളെ ഘടനാപരമായ ആശയങ്ങളിലേക്ക് ഉയർത്തുന്നു.
-
പ്രതീകാത്മകം → നിയമങ്ങൾ, നിയന്ത്രണങ്ങൾ പ്രയോഗിക്കുന്നു, തുടർന്ന് - പ്രധാനമായും - വിശദീകരിക്കുന്നു .
അതാണ് യന്ത്രങ്ങൾ മനുഷ്യന്റെ യുക്തിയെ സാദൃശ്യപ്പെടുത്താൻ തുടങ്ങുന്ന ലൂപ്പ്: കാണുക, ഘടന, ന്യായീകരണം [4][5].
പൊതിയുന്നു 📝
അപ്പോൾ, സിംബോളിക് AI: ഇത് യുക്തിയെ അടിസ്ഥാനമാക്കിയുള്ളതും, നിയമങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ളതും, വിശദീകരണത്തിന് തയ്യാറുമാണ്. മിന്നുന്നതല്ല, പക്ഷേ ആഴത്തിലുള്ള ചിലത് കൃത്യമായി മനസ്സിലാക്കാൻ കഴിയും: വ്യക്തവും, ഓഡിറ്റ് ചെയ്യാവുന്നതുമായ ന്യായവാദം . സ്മാർട്ട് ബെറ്റ്? രണ്ട് ക്യാമ്പുകളിൽ നിന്നും കടമെടുക്കുന്ന സിസ്റ്റങ്ങൾ - ധാരണയ്ക്കും സ്കെയിലിനുമുള്ള ന്യൂറൽ നെറ്റ്കൾ, യുക്തിക്കും വിശ്വാസത്തിനും പ്രതീകാത്മകം [4][5].
മെറ്റാ വിവരണം: സിംബോളിക് AI വിശദീകരിച്ചു - നിയമാധിഷ്ഠിത സംവിധാനങ്ങൾ, ശക്തികൾ/ബലഹീനതകൾ, എന്തുകൊണ്ട് ന്യൂറോ-സിംബോളിക് (ലോജിക് + എംഎൽ) മുന്നോട്ടുള്ള പാതയാണ്.
ഹാഷ്ടാഗുകൾ:
#കൃത്രിമബുദ്ധി 🤖 #പ്രതീകാത്മകഎഐ 🧩 #മെഷീൻ ലേണിംഗ് #ന്യൂറോസിംബോളിക്എഐ ⚡ #ടെക് എക്സ്പ്ലെയിൻഡ് #നോളജ് റെപ്രസന്റേഷൻ #എഐഇൻസൈറ്റ്സ് #ഫ്യൂച്ചർഓഫ്എഐ
അവലംബം
[1] ബുക്കാനൻ, ബിജി, & ഷോർട്ട്ലിഫ്, ഇഎച്ച് റൂൾ-ബേസ്ഡ് എക്സ്പെർട്ട് സിസ്റ്റംസ്: സ്റ്റാൻഫോർഡ് ഹ്യൂറിസ്റ്റിക് പ്രോഗ്രാമിംഗ് പ്രോജക്റ്റിന്റെ മൈസിൻ പരീക്ഷണങ്ങൾ , അദ്ധ്യായം 15. PDF
[2] ലിൻഡ്സെ, ആർകെ, ബുക്കാനൻ, ബിജി, ഫെയ്ഗൻബോം, ഇഎ, & ലെഡർബർഗ്, ജെ. “ഡെൻഡ്രൽ: ശാസ്ത്രീയ സിദ്ധാന്ത രൂപീകരണത്തിനായുള്ള ആദ്യത്തെ വിദഗ്ദ്ധ സംവിധാനത്തിന്റെ ഒരു കേസ് പഠനം.” ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് 61 (1993): 209–261. PDF
[3] ഗൂഗിൾ. “നോളജ് ഗ്രാഫ് അവതരിപ്പിക്കുന്നു: സ്ട്രിങ്ങുകളല്ല, കാര്യങ്ങൾ.” ഔദ്യോഗിക ഗൂഗിൾ ബ്ലോഗ് (മെയ് 16, 2012). ലിങ്ക്
[4] മൺറോ, ഡി. “ന്യൂറോസിംബോളിക് AI.” കമ്മ്യൂണിക്കേഷൻസ് ഓഫ് ദി എസിഎം (ഒക്ടോബർ 2022). ഡിഒഐ
[5] സഹോ, ബി., തുടങ്ങിയവർ. “ഉയർന്ന തീരുമാനങ്ങൾ എടുക്കുന്നതിൽ വിശദീകരിക്കാവുന്ന കൃത്രിമബുദ്ധിയുടെ പങ്ക്: ഒരു അവലോകനം.” പാറ്റേണുകൾ (2023). പബ്മെഡ് സെൻട്രൽ. ലിങ്ക്