[論文レビュー] The SP theory of intelligence: its distinctive features and advantages

J. Gerard Wolff|arXiv (Cornell University)|Aug 17, 2015

Computability, Logic, AI Algorithms参考文献 44被引用数 19

ひとこと要約

SP知能理論は、パターンマッチング、ユニフィケーション、情報圧縮に基づく統合的枠組みを提示し、透明性がありスケーラブルな知識表現と処理を可能にする。深層学習、ベイジアンネットワーク、自然言語処理システムなど、代替手法と比較して、一貫した計算モデルで多様な認知機能を統合する強力な理論的・実用的潜在能力を有する。

ABSTRACT

This paper aims to highlight distinctive features of the theory of and its apparent advantages compared with some AI-related alternatives. The theory is outlined in an appendix. The distinctive features and advantages are summarised: simplification and integration of observations and concepts, and of structures and processes in computing systems; the SP theory is itself a theory of computing; a central role for information compression via the matching and unification of patterns, and for multiple alignment; transparency in the representation and processing of knowledge; the discovery of 'natural' structures via information compression (DONSVIC); interpretation of aspects of mathematics; interpretation of phenomena in human perception and cognition; realisation of abstract concepts in terms of neurons and their inter-connections (SP-neural). Distinctive features and advantages of the SP system compared with alternatives in: minimum length encoding and related concepts; deep learning in neural networks; universal search; Bayesian networks and other models for AI; analysis and production of natural language; learning natural language; exact and inexact reasoning; representation and processing of diverse forms of knowledge; IBM's Watson; problems associated with big data, and in the development of intelligence in autonomous robots. In conclusion, a major strength of SP system is that it can provide a firm foundation for the long-term development of AI and, at the same time, it may deliver some benefits and applications on relatively short timescales. It is envisaged that a high-parallel, open-source version of the SP machine will be created, hosted on an existing high-performance computer and derived from the existing SP computer model. This will be a means for researchers everywhere to explore what can be done with the system, and to create new versions of it.

研究の動機と目的

• 情報圧縮とパターン処理に基づく統合的知能理論を提示すること。
• 深層学習、ベイジアンネットワーク、記号的AIなどの既存のAI手法における制限を解決すること。
• SP理論がAI分野における理論的基盤と実用的応用の両方を支援することを示すこと。
• 透明性があり解釈可能でスケーラブルな知識表現と推論を可能にすること。
• 研究開発用に高パフォーマンスでオープンソースなSPマシンの基盤を構築すること。

提案手法

• SP理論は、情報の圧縮と統合のためのコアメカニズムとしてパターンマッチングとユニフィケーションを用いる。
• 最小長符号化を適用して、データと知識の最適でコンactな表現を特定する。
• 複数のパターンのアライメントをサポートし、多様なデータタイプ間での構造的推論を可能にする。
• 知覚、言語、推論といった認知機能を、統一された計算アーキテクチャを通じてモデル化する。
• 形式的なSPコンピュータモデルを用いて理論を実装し、高並列でオープンソースなSPマシンにスケーリング可能である。
• 神経的実装（SP-neural）は、抽象的概念を認知的に妥当な生物学的神経構造にマッピングする。

実験結果

リサーチクエスチョン

• RQ1 一貫した計算枠組みが、知覚、言語、推論といった多様な知能の側面をどのように統合できるか。
• RQ2 パターンマッチングとユニフィケーションによる情報圧縮が、深層学習やベイジアンモデルと比較してどのような利点を提供するか。
• RQ3 SP理論が、複雑なAIシステムにおいて透明な知識表現と効率的な処理を両立できるか。
• RQ4 SPシステムが認知プロセスを模倣する神経的アーキテクチャにどのように実装できるか。
• RQ5 SPシステムが、ビッグデータ、自律ロボティクス、自然言語理解の課題に対して、どの程度効果的に対処できるか。

主な発見

• SP理論は、一貫した計算モデルに多様な認知機能を簡素化して統合する統合的枠組みを提供する。
• パターンマッチングとユニフィケーションによる情報圧縮により、データに内在する「自然な」構造の発見が可能となり、効率的な知識表現を支援する。
• システムは正確な推論と不正確な推論の両方をサポートし、現実世界の不確実な環境に適している。
• SPモデルは、人間の知覚と認知における数学的概念や現象を解釈でき、その説明力が向上する。
• 理論は、広範な研究と応用を想定した高並列でオープンソースなSPマシンの開発を支援する。
• SPシステムは短期的に実用的利点を提供するとともに、長期的なAI開発の堅実な基盤を提供する。