Was sind allgemeine Ideen hinter OpenCog?

OpenCog ist ein Open-Source-AGI-Projekt, das vom Quecksilber-KI-Forscher Ben Goertzel mitbegründet wurde . Ben Goertzel schreibt eine Menge Sachen, von denen einige wirklich verrückt sind . Trotzdem ist er eindeutig sehr intelligent und hat viele Jahrzehnte lang intensiv über KI nachgedacht.

Was sind die allgemeinen Ideen hinter OpenCog ? Würden Sie es als eine aufschlussreiche Sicht auf AGI unterstützen?

Mich interessiert insbesondere, ob der allgemeine Rahmen angesichts der jüngsten Fortschritte noch Sinn macht.

Was ist OpenCog?

OpenCog ist ein Projekt mit der Vision, eine Denkmaschine mit Intelligenz auf menschlicher Ebene und darüber hinaus zu schaffen.

In der Einführung von OpenCog stellt Goertzel kategorisch fest, dass es beim OpenCog-Projekt nicht darum geht, genauere Klassifizierungsalgorithmen, Computer-Vision-Systeme oder bessere Sprachverarbeitungssysteme zu erstellen. Das OpenCog-Projekt konzentriert sich ausschließlich auf allgemeine Informationen, die auf immer allgemeinere Aufgaben ausgedehnt werden können.

Wissensrepräsentation

Die Wissensrepräsentationsmechanismen von OpenCog basieren alle im Wesentlichen auf Netzwerken. OpenCog verfügt über die folgenden Komponenten zur Wissensrepräsentation:

AtomSpace : Es ist eine Wissensrepräsentationsdatenbank und eine Abfrage-Engine. Daten auf AtomSpace werden in Form von Grafiken und Hypergraphen dargestellt.

Probabilistic Logic Networks (PLNs): Dies ist ein neuartiger konzeptioneller, mathematischer und rechnerischer Ansatz, um mit Unsicherheiten umzugehen und unter realen Umständen effektiv zu argumentieren.

MOSES (Meta-Optimizing Semantic Evolutionary Search): Implementiert das Programmlernen mithilfe eines Meta-Optimierungsalgorithmus. Das heißt, es werden zwei Optimierungsalgorithmen verwendet, die ineinander gewickelt sind, um Lösungen zu finden.

Economic Attention Allocation (EAA): Jedem Atom ist ein Aufmerksamkeitswert zugeordnet. Die Aufmerksamkeitswerte werden mithilfe nichtlinearer dynamischer Gleichungen aktualisiert, um die kurzfristige Bedeutung (STI) und die langfristige Bedeutung (LTI) zu berechnen.

Kompetenzziele

OpenCog listet 14 Kompetenzen auf, von denen sie glauben, dass KI-Systeme angezeigt werden sollten, um als AGI-System betrachtet zu werden.

Wahrnehmung : Sehen, Hören, Berühren und modalübergreifende Propriozeption

Aktivierung : körperliche Fähigkeiten, Werkzeuggebrauch und körperliche Navigationsfähigkeiten

Gedächtnis : deklarativ, verhaltensbezogen und episodisch

Lernen : Nachahmung, Verstärkung, interaktiver mündlicher Unterricht, schriftliche Medien und Lernen durch Experimentieren

Reasoning : Abzug, Induktion, Entführung, kausales Denken, körperliche Argumentation und assoziatives Denken

Planung : taktisch, strategisch, physisch und sozial

Aufmerksamkeit : visuelle Aufmerksamkeit, Verhaltensaufmerksamkeit, soziale Aufmerksamkeit

Motivation : Unterzielerstellung, affektbasierte Motivation, Kontrolle von Emotionen

Emotion : Emotionen ausdrücken, Emotionen verstehen

Selbst und Anderes modellieren : Selbstbewusstsein, Theorie des Geistes, Selbstkontrolle

Soziale Interaktion : angemessenes soziales Verhalten, soziale Kommunikation, soziale Folgerung und Gruppenspiel

Kommunikation : gestische Kommunikation, verbale Kommunikation, bildliche Kommunikation, Spracherwerb und modalübergreifende Kommunikation

Quantitative Fähigkeiten : Zählen, Rechnen, Vergleichen und Messen.

Fähigkeit zu bauen / schaffen : physisch, konzeptuell, verbal und sozial.

Unterstütze ich OpenCog?

Meiner Meinung nach führt OpenCog wichtige Algorithmen / Ansätze des maschinellen Lernens ein und deckt sie ab, dh Hypergraphen und probabilistische Logiknetzwerke. Meine Kritik ist jedoch, dass sie sich nicht auf eine einzige Architektur festlegen und zahlreiche Architekturen auf unregelmäßige und unsystematische Weise integrieren.

Darüber hinaus erkannte Goertzel den grundlegenden Wandel, der mit der Einführung von Deep-Learning-Architekturen einherging, nicht an, um seine Arbeit entsprechend zu überarbeiten. Dies bringt seine Forschung aus dem Kontakt mit den jüngsten Entwicklungen im maschinellen Lernen

Obwohl meine Kenntnisse über OpenCog sehr begrenzt sind, kann man sagen, dass dies immer noch Sinn macht und aufschlussreich ist. Ich bin mir nicht sicher, ob alle Komponenten von OpenCog relevant sind, aber ich weiß, dass mindestens eine Komponente relevant ist (ich denke, sie ist Teil der MOSIS-Komponente).

Diese Komponente ist dem hierarchischen zeitlichen Gedächtnis von Numenta sehr ähnlich, das mehr auf Computational Neuroscience als auf einfacher Mathematik basiert. Ich würde Nupic jedoch als ein relevanteres Projekt in Bezug auf die Nerowissenschaften betrachten, obwohl beide versuchen, Komponenten des Gehirns zu emulieren. Meiner Meinung nach sind solche Projekte weitaus beeindruckender als das, was mit typischen Faltungs-Neuronalen Netzen, RNNs usw. geschieht, die zu eng mit dem verbunden sind, was im Gehirn vor sich geht, um als rechnergestützte Neurowissenschaften bezeichnet zu werden.

Das heißt nicht, dass Dinge wie ANNs, GAs usw. usw. für AGI nutzlos sind. Wir wissen es nicht wirklich, da wir kein Beispiel dafür haben.