Qué es la inteligencia artificial neurosimbólica

La inteligencia artificial neurosimbólica, una versión más elegante de la IA que hemos conocido hasta ahora, utiliza arquitecturas de redes neuronales de aprendizaje profundo y las combina con técnicas de razonamiento simbólico. Por ejemplo, hemos estado usando redes neuronales para identificar qué tipo de forma o color tiene un objeto en particular. Aplicarle el razonamiento simbólico puede dar un paso más para contar propiedades más interesantes sobre el objeto, como el área del objeto, el volumen, etc.

La idea es fusionar el aprendizaje y la lógica, haciendo que los sistemas sean más inteligentes. Los investigadores creen que los algoritmos simbólicos de IA ayudarán a incorporar el razonamiento de sentido común y el conocimiento del dominio en el aprendizaje profundo. Por ejemplo, al detectar una forma, un sistema neuro-simbólico usaría las capacidades de reconocimiento de patrones de una red neuronal para identificar objetos y la lógica de la IA simbólica para comprenderla mejor.

Un sistema neurosimbólico, por lo tanto, utiliza tanto la lógica como el procesamiento del lenguaje para responder a la pregunta, que es similar a cómo respondería un ser humano. No solo es más eficiente, sino que requiere muy pocos datos de entrenamiento, a diferencia de las redes neuronales.

CLEVRER

Un equipo colaborador de investigadores del MIT-IBM Watson AI Lab, el Laboratorio de Informática e Inteligencia Artificial del MIT, Alphabet’s DeepMind y la Universidad de Harvard han encontrado una solución para esto. Presentaron CoLlision Events for Video REpresentation and Reasoning (CLEVRER), que es un nuevo conjunto de datos de video razonamiento a gran escala, que se desarrolla utilizando principios de inteligencia artificial neurosimbólica, comúnmente denominada como modelado neurosimbólico.

Utilizaron CLEVRER para comparar el rendimiento de las redes neuronales y el razonamiento neurosimbólico utilizando solo una fracción de los datos necesarios para los sistemas tradicionales de aprendizaje profundo. Ayudó a la IA no solo a comprender las relaciones casuales, sino a aplicar el sentido común para resolver problemas.