[논문 리뷰] The Next Decade in AI: Four Steps Towards Robust Artificial Intelligence

Gary Marcus|arXiv (Cornell University)|2020. 02. 14.

Bayesian Modeling and Causal Inference참고 문헌 94인용 수 294

한 줄 요약

본 논문은 거대한 데이터와 컴퓨팅을 넘어 더 강력한 AI를 향한 경로로서 인지 모델을 중심으로 한 하이브리드, 지식 주도적 추론 기반 접근법을 제시합니다. AI 시스템의 강건성을 향상시키기 위한 네 가지 단계를 개요합니다.

ABSTRACT

Recent research in artificial intelligence and machine learning has largely emphasized general-purpose learning and ever-larger training sets and more and more compute. In contrast, I propose a hybrid, knowledge-driven, reasoning-based approach, centered around cognitive models, that could provide the substrate for a richer, more robust AI than is currently possible.

연구 동기 및 목표

• 순전히 데이터 주도형 AI에서 지식, 추론, 인지 모델을 결합한 하이브리드 접근으로의 전환을 촉진한다.
• 더 강건한 인공지능을 구축하기 위한 네 가지 구체적 단계를 제안한다.
• 현재 대규모 일반 목적 학습 시스템의 한계를 강조한다.
• 구조화된 지식과 인지 원리를 AI 아키텍처에 통합하자고 주장한다.

제안 방법

• 강건한 AI의 기초로 하이브리드형 지식 주도 프레임워크를 옹호한다.
• 순수한 통계적 학습보다 추론 기반 구성 요소를 강조한다.
• AI 개발에서 인지 모델의 중심 역할을 주장한다.

실험 결과

연구 질문

• RQ1 지식과 추론을 통해 AI를 강건성으로 이끌기 위해 필요한 핵심 단계는 무엇인가?
• RQ2 인지 모델이 더 강건한 인공지능 시스템에 어떻게 기여할 수 있는가?
• RQ3 대규모 학습 데이터와 계산 능력만으로 이루어지는 현재의 범용 학습의 한계는 무엇인가?
• RQ4 다음 10년간의 AI에서 네 단계 프로그램은 어떤 모습일까?

주요 결과

• 하이브리드형의 지식 주도적 추론 기반 접근 방식은 더 풍부하고 강건한 AI의 기초를 제공할 수 있다.
• 현대 AI 연구는 인지 모델과 구조화된 지식의 통합보다는 대규모 학습 세트와 계산 능력에 중점을 둔다.
• AI의 강건성을 높이기 위한 네 가지 단계가 제안되었으나 주어진 초록에 열거되지 않았다.
• 주장은 순전히 데이터 주도적 방법을 넘어서 인지적, 기호적, 지식 기반 구성 요소를 포함하는 방향으로 옮기는 것에 초점을 둔다.