[论文解读] Symbol Grounding via Chaining of Morphisms

Ruiting Lian, Ben Goertzel+3 more|arXiv (Cornell University)|Mar 13, 2017

Semantic Web and Ontologies参考文献 29被引用 4

一句话总结

本文提出了一种范畴论框架用于符号接地，将语言句法、逻辑语义、感知和行动建模为非对称的单余范畴和笛卡尔范畴。通过在这些范畴之间组合态射，系统地将自然语言映射到感知和运动结构，使人工智能系统（如OpenCog控制的机器人）能够实现一致的符号接地，通过态射组合展示了语言、逻辑、感知和动作表征之间的一致性。

ABSTRACT

A new model of symbol grounding is presented, in which the structures of natural language, logical semantics, perception and action are represented categorically, and symbol grounding is modeled via the composition of morphisms between the relevant categories. This model gives conceptual insight into the fundamentally systematic nature of symbol grounding, and also connects naturally to practical real-world AI systems in current research and commercial use. Specifically, it is argued that the structure of linguistic syntax can be modeled as a certain asymmetric monoidal category, as e.g. implicit in the link grammar formalism; the structure of spatiotemporal relationships and action plans can be modeled similarly using "image grammars" and "action grammars"; and common-sense logical semantic structure can be modeled using dependently-typed lambda calculus with uncertain truth values. Given these formalisms, the grounding of linguistic descriptions in spatiotemporal perceptions and coordinated actions consists of following morphisms from language to logic through to spacetime and body (for comprehension), and vice versa (for generation). The mapping is indicated between the spatial relationships in the Region Connection Calculus and Allen Interval Algebra and corresponding entries in the link grammar syntax parsing dictionary. Further, the abstractions introduced here are shown to naturally model the structures and systems currently being deployed in the context of using the OpenCog cognitive architecture to control Hanson Robotics humanoid robots.

研究动机与目标

• 解决符号接地的系统性问题，超越简单的词到感知的映射。
• 为人工智能系统中语言句法、逻辑语义、感知和运动动作的整合提供一个正式且抽象的框架。
• 实现在真实世界感官和运动经验中的系统性、组合式符号接地。
• 将理论范畴论与实际人工智能架构（如OpenCog）连接，用于人形机器人。
• 通过域之间的概率态射，对语言感知中的模糊性和不确定性进行建模。

提出的方法

• 将语言句法建模为非对称单余范畴，受链语法和预群语法形式化启发。
• 使用依赖类型lambda演算表示逻辑语义，采用二值真值，形成局部闭合的笛卡尔范畴。
• 通过深度神经网络状态导出的'图像语法'形式化感知结构，将对象类型映射为词类。
• 以类似方式建模动作结构，'动画'作为动作语法中的词类。
• 构建从语言到逻辑、从逻辑到感知/动作的态射，保持域之间的关系结构。
• 使用态射组合系统地将语言表达接地到时空感知和协调动作中。

实验结果

研究问题

• RQ1 如何使用范畴论正式建模符号接地中的系统性关系？
• RQ2 何种范畴结构最能表征认知系统中的句法、语义、感知和动作？
• RQ3 在符号接地过程中，语言、逻辑、感知和动作之间的态射如何保持关系结构？
• RQ4 自然语言中的模糊性如何影响态射映射？又如何处理？
• RQ5 该框架如何支持人工智能系统（如OpenCog）中的跨域推理与泛化？

主要发现

• 本文成功使用范畴论结构对语言句法、逻辑语义、感知和动作进行了建模，实现了系统性接地。
• 从语言到逻辑再到感知/动作的态射保持了关系分解，如在'对Bob微笑'示例中在四个域之间的表现。
• 该框架自然地容纳了自然语言中的模糊性，即一个语言构造可映射到多个逻辑或感知解释，并附带相应概率。
• 该方法通过OpenCog中共享的态射映射，利用概率逻辑网络（PLN）实现了不确定泛化在域间的传播。
• 该形式化与真实世界人工智能系统一致，如在OpenCog控制的人形机器人中得到验证，展示了实际可行性。
• 该模型将抽象形式化与具体实现连接，为实现接地语言理解提供了可扩展、有原则的架构。