[论文解读] Proposal for the creation of a research facility for the development of the SP machine

J. Gerard Wolff, Vasile Palade|arXiv (Cornell University)|Aug 19, 2015

Computability, Logic, AI Algorithms参考文献 22被引用 5

一句话总结

本文提出基于SP智能理论构建一个开源、高并行的虚拟机（SPM），使全球研究人员能够探索并扩展模式匹配、压缩与认知的统一框架。该系统通过模式统一实现无损数据压缩，将人工智能、认知科学与计算融为一体，提供透明且可解释的推理，在大数据、机器人、医学诊断和生物信息学等领域具有应用潜力。

ABSTRACT

This is a proposal to create a research facility for the development of a high-parallel version of the "SP machine", based on the "SP theory of intelligence". We envisage that the new version of the SP machine will be an open-source software virtual machine, derived from the existing "SP computer model", and hosted on an existing high-performance computer. It will be a means for researchers everywhere to explore what can be done with the system and to create new versions of it. The SP system is a unique attempt to simplify and integrate observations and concepts across artificial intelligence, mainstream computing, mathematics, and human perception and cognition, with information compression as a unifying theme. Potential benefits and applications include helping to solve problems associated with big data; facilitating the development of autonomous robots; unsupervised learning, natural language processing, several kinds of reasoning, fuzzy pattern recognition at multiple levels of abstraction, computer vision, best-match and semantic forms of information retrieval, software engineering, medical diagnosis, simplification of computing systems, and the seamless integration of diverse kinds of knowledge and diverse aspects of intelligence. Additional motivations include the potential of the SP system to help solve problems in defence, security, and the detection and prevention of crime; potential in terms of economic, social, environmental, and academic criteria, and in terms of publicity; and the potential for international influence in research. The main elements of the proposed facility are described, including support for the development of "SP-neural", a neural version of the SP machine. The facility should be permanent in the sense that it should be available for the foreseeable future, and it should be designed to facilitate its use by researchers anywhere in the world.

研究动机与目标

• 建立一个永久性的、全球可访问的研究设施（SPF），基于SP智能理论开发高并行SP机器（SPM）。
• 使全球研究人员能够探索、扩展并协作开发SP系统，应用于人工智能、认知科学和数据处理的多样化场景。
• 推动大规模协作，以推进知识表示、模式识别与智能计算的统一框架。
• 支持SP-neural的研发，即SP机器的神经实现，以增强生物合理性与计算效率。
• 通过单一集成计算模型应对大数据、自主系统、医学诊断与生物信息学中的挑战。

提出的方法

• SP机器作为基于现有SP71计算机模型的开源软件虚拟机实现。
• 系统以多重模式对齐为核心机制，用于信息的匹配、统一与压缩。
• 通过最小化冗余，同时保留描述性与解释性能力，实现信息压缩。
• 该架构支持流数据的增量处理，实现实时分析与自适应。
• 系统采用通用框架（UFK）表示知识，支持多种数据类型与处理模式的集成。
• 该设施部署于高性能计算机上，支持可扩展的高并行执行，适用于研究与原型开发。

实验结果

研究问题

• RQ1 基于模式匹配与压缩的统一计算模型，如何实现人工智能、认知科学与计算的融合？
• RQ2 在大数据应用中，使用SP系统进行无损数据压缩的实际优势是什么？
• RQ3 SP系统能否支持无监督学习，并在生物序列中发现复杂且非连续的模式？
• RQ4 SP系统如何通过紧凑、高效且自适应的知识表示，增强自主机器人智能？
• RQ5 SP系统在管理不确定性与支持概率假设评估方面，能在多大程度上提升医学诊断能力？

主要发现

• SP系统通过模式统一实现无损数据压缩，减少冗余，同时保留信息与解释能力。
• 系统支持流数据的实时增量处理，适用于对速度要求高的应用场景，如实时分析。
• SP系统能够识别并纠正数据中的错误或不确定性，为诊断与推理提供概率评估。
• 系统透明且可解释的知识结构，可通过静态与动态显示可视化推理过程。
• SP系统在DNA与蛋白质序列中发现复杂、析取性及非连续模式方面展现出潜力，其灵活性优于传统比对方法。
• SP系统提供一个通用框架，用于整合多种知识类型与处理模式，实现人工智能与认知领域间的无缝互操作。