[論文レビュー] Current and Future Challenges in Knowledge Representation and Reasoning

James P. Delgrande, Birte Glimm+3 more|arXiv (Cornell University)|Aug 8, 2023

Explainable Artificial Intelligence (XAI)被引用数 6

ひとこと要約

2022年ダストゥル・ピアソンシップ・ワークショップから生まれたこの Manifesto は、知識表現と推論（KR）における現在および将来の課題を特定し、機械学習およびAIとKRを再生可能で協働的な形で統合することを提唱している。この文書は、現代のAIの限界、特に説明可能性と一般常識的推論の分野における限界を克服するために、記号的で宣言的（デクララティブ）な推論が不可欠であると主張するとともに、ハイブリッドシステム、知識獲得、および学際的協働を柱とする研究アジェンダを提言し、汎用知能の発展を促進するものである。

ABSTRACT

Knowledge Representation and Reasoning is a central, longstanding, and active area of Artificial Intelligence. Over the years it has evolved significantly; more recently it has been challenged and complemented by research in areas such as machine learning and reasoning under uncertainty. In July 2022 a Dagstuhl Perspectives workshop was held on Knowledge Representation and Reasoning. The goal of the workshop was to describe the state of the art in the field, including its relation with other areas, its shortcomings and strengths, together with recommendations for future progress. We developed this manifesto based on the presentations, panels, working groups, and discussions that took place at the Dagstuhl Workshop. It is a declaration of our views on Knowledge Representation: its origins, goals, milestones, and current foci; its relation to other disciplines, especially to Artificial Intelligence; and on its challenges, along with key priorities for the next decade.

研究の動機と目的

• 最近の機械学習およびAI分野の進展を踏まえて、知識表現と推論（KR）の現状を再評価すること。
• 一般常識的推論、知識獲得、ハイブリッドシステム設計といったKRの根幹的な課題を特定すること。
• 機械学習、ロボット工学、情報システムと協働することで、KRがAIにおいてより強く、より顕著な役割を果たすよう促進すること。
• 宣言的推論、説明可能性、統計的手法との統合を重視する、今後の10年間の研究アジェンダを確立すること。

提案手法

• KRに関するダストゥル・ピアソンシップ・ワークショップ22282の発表、パネルディスカッション、作業グループの知見を統合すること。
• 非単調論理、アンサー・セット・プログラミング、記述論理、および議論的推論といったKRの主要分野と関連分野を分類・分析すること。
• 不確実性の取り扱いにおいて、形式的論理、ベイジアン・ネットワーク、確率的推論がKRにおいて果たす役割を評価すること。
• 特に記号的・ニューラル手法を組み合わせたハイブリッドアーキテクチャを通じて、KRと機械学習の統合経路を提言すること。
• 説明可能なAIおよび認知モデリングの文脈において、宣言的表現と推論メカニズムの重要性を強調すること。
• KRの基盤的および応用的役割を強化するため、AI、論理学、哲学、コンピュータサイエンスの分野を横断する共同研究フレームワークを提言すること。

実験結果

リサーチクエスチョン

• RQ1 現代の統計的AIおよび機械学習の限界を克服するために、知識表現と推論（KR）をどのように再生可能なものとすることができるか？
• RQ2 記号的KRフレームワーク内での一般常識的推論を可能にするために、どのような主な課題が存在するか？
• RQ3 スケーラブルで現実世界のKR応用を支えるために、知識獲得および維持をどのように改善できるか？
• RQ4 KRと機械学習をどのように意味的に統合することで、より優れた推論力と説明可能性を備えたハイブリッドAIシステムを構築できるか？
• RQ5 汎用人工知能の開発において、宣言的で記号的な推論が果たすべき役割は何か？

主な発見

• 現代のAIにおいて機械学習が優位を占めている一方で、説明可能で、強固で、汎用的な知能を達成するには記号的KRが依然として不可欠である。
• 現在のAIの限界、たとえば説明可能性の欠如や一般常識的推論の欠如といった問題は、KRと記号的推論の進歩によってのみ克服できる。
• 神経ネットワークと記号的推論の長所を組み合わせたハイブリッドシステムの必要性が、急速に高まっており、信頼性があり解釈可能なAIを実現する上で不可欠である。
• 知識獲得および維持は依然として大きなボトルネックであり、実用的なKRのスケーラビリティを実現するための新しい手法の開発が求められる。
• 議論的推論、信念の再検討、行動および計画に関する推論といった分野は成熟しているが、表現力および統合性の面で未解決の課題を抱え続けている。
• KRと機械学習の統合は、もはや選択肢ではなく、透明性と不確実性下での推論を要する分野において、AIの今後の発展にとって不可欠である。