类核
基于知识图谱的神经符号AI
推理引擎
声明式(逻辑)运行环境:可扩展的数据与逻辑表示
类核是一个基于声明式、逻辑驱动的上下文运行环境,用于神经符号AI。类核运行时跟踪每个受IPL启发的声明式语法中的语句,并在知识图谱中动态创建逻辑和数据语句之间的关系,以用于决策和问题解决过程。
- 自适应推理: 将符号逻辑与上下文信息结合,分析关系,得出结论,同时纳入新信息并相应调整其结论。
- 逻辑图谱: 专门的知识图谱,基于形式逻辑捕捉逻辑和数据语句之间的关系,促进复杂推理并适应新信息。
- 可解释性: 逻辑图谱提供了推理过程的透明表示,使理解决策过程和识别潜在偏见变得更加容易。
呼应"快思慢想"的理念,AI系统应该同时提供快速、“直觉性”的想法以及更深思熟虑、理性的决策。D(L)RE既支持基于上下文信息的直觉性决策,也支持基于逻辑推理的深思熟虑的决策。
逻辑上下文聊天
https://nucleoid.ai/chat
在类核的范式中,逻辑与数据之间没有区分;相反,该范式处理逻辑和数据语句之间的相互关系。随着运行时接收到新的语句,它会更新知识图谱并重新评估逻辑和数据语句以反映新信息。这种自适应过程使系统能够响应新情况,并通过可塑性做出确定性选择。
多语言支持 | ||
---|---|---|
|
|
|
运行环境中的声明式结构通过JIT编译器支持多语言。 |
欢迎!我一直在等你—“天网已消失。现在一条路变成了许多条。” 🌐
未来正在构建!神经符号AI现已成为AI社区中一个新兴领域,并标志着通用人工智能(AGI)之路上的一个重要里程碑。不幸的是,现有的符号AI和知识图谱在今天的AI领域中缺乏进展。类核正在通过声明式、逻辑驱动的上下文运行时革命性地改造知识图谱,可以与人工神经网络(ANNs)集成,为下一次飞跃奠定坚实的基础。我们使用基于Node.js的运行环境,因为JavaScript是互联网的语言,每段代码本质上都是动态的,使其成为理想的候选者。可惜的是,Python的解释器结构使其动态评估功能非常慢,但从好的方面来看,未来是光明的,因为它将利用这两种语言的优势,就像神经与符号AI的融合利用了各自的优势一样!
Can Mingir
|
什么是神经符号AI?
神经符号AI是一种结合神经网络和符号AI两者优势的方法,以创建既能从数据中学习又能进行逻辑推理的系统。通过结合这两个组件,神经符号AI旨在利用神经网络的直觉、模式识别能力与符号AI的逻辑、基于规则的推理能力。这种集成提供了一个更全面的AI系统,既具有适应性,又能够解释其决策,使其适用于需要同时从数据中学习和逻辑推理的复杂决策任务。具体来说,它是这样分解的:
神经网络:学习组件
神经符号AI中的神经网络擅长从大型数据集中学习模式、关系和特征。这些网络在涉及分类、预测和模式识别的任务中表现出色,使其在处理非结构化数据(如图像、文本和音频)时非常有价值。神经网络通过其学习能力,可以从示例中概括出对复杂数据结构和数据细微差别的理解。
符号AI:推理组件
神经符号AI的符号部分侧重于逻辑、规则和知识的符号表示。与从数据中学习的神经网络不同,符号AI使用预定义的规则和知识库来进行推理、做出推论,并理解实体之间的关系。这方面的AI是透明的、可解释的,并且能够以人类可以理解的方式解释其决策和推理过程。
符号推理中的声明式逻辑
声明式逻辑是声明式编程的一个子集,这是一种构建程序的风格,它表达了计算的逻辑而不描述其控制流。在声明式逻辑中,您只需陈述定义问题域的事实和规则。运行环境或系统本身会弄清楚如何满足这些条件或如何应用这些规则来得出结论。这与命令式编程形成对比,后者要求开发人员编写描述达到目标的确切步骤的代码。
符号推理指的是使用符号来表示问题,并应用逻辑规则来操作这些符号,从而得出结论或解决方案。在AI和计算机科学中,它涉及使用符号表示实体和动作,使系统能够根据编码在符号中的规则和知识执行逻辑推理、决策制定和问题解决。
通过将类核集成到神经符号AI中,系统可以在可解释性和可靠性方面获得
简而言之,该项目的主要目标是在同一运行时下管理数据和逻辑。Nucleoid使用的声明式编程范式允许开发人员专注于应用程序的业务逻辑,而运行时则管理技术细节。这使得开发速度更快,减少了需要编写的代码量。此外,分片功能可以帮助将负载分布到多个实例,从而进一步提高系统性能。
基准测试
这是我们在Nucleoid IDE中使用Express.js和Sequelize库对比MySQL和Postgres的样本订单应用程序的比较。
https://nucleoid.com/ide/sample
性能基准测试在AWS EC2 t2.micro实例上进行,两个数据库都有专用服务器,并且没有索引和默认配置。
https://github.com/NucleoidAI/benchmark
这并不一定意味着Nucleoid运行时比MySQL或Postgres更快,相反,数据库需要DBA团队不断维护,如索引、缓存、清理等。然而,Nucleoid试图通过内部管理逻辑和数据来解决这个问题。正如图表所示,对于复杂性中等的应用程序,由于链上数据存储、内存计算模型以及限制IO过程,Nucleoid的性能接近线性。
项目状态 :avocado:
在Trello上追踪
了解更多:nucleoid.com
⭐️ 在GitHub上为我们加星支持
神经符号AI是一个新兴领域,感谢声明式逻辑编程,我们对神经符号AI有了全新的方法。加入我们,共同塑造AI的未来!
贡献者
NucBot | canmingir | 322332 | dependabot[bot] | francisco-giancarelli-crombie | Gulshanaggarwal | CanPacis |
durulkoca | halilcengel | EnesKeremAYDIN | russle-smith | russellgray |
由NucBot生成