OpenCog是一項以打造開源人工智慧框架為目標的開發專案,OpenCog Framework是一種應用於廣泛AGI研究的通用框架,其中OpenCog Prime是一種用於機器人和虛擬體化認知的架構,該架構定義了一組互動元件,用來產生與人類對等,從整體系统湧現而來的通用人工智慧(AGI),[3]本‧格策爾(Ben Goertzel)是其主要設計者。使用OpenCog進行的研究已發表在期刊上,也在包含年度人工智慧大會在內的各種會議和研討會上被介紹。 OpenCog是根據GNU Affero通用公共許可證的條款發行的。
包括華為和思科在内的50多家公司正在使用OpenCog。 [4]
起源
Novamente LLC在2008年发布專利「 Novamente認知引擎」(NCE),最初的OpenCog則是以其原始碼為基礎來開發的。PLN手冊有對NCE原始碼進行討論(請參閱下方的參考文獻)。人工智慧研究院(AGIRI)、Google夏日程式碼計畫、漢森機器人公司、SingularityNET等單位也持續支援對OpenCog的開發。
元件
OpenCog包含:
- 一組預定義的原子,它們編碼可滿足性模理論求解器,作為通用圖形査詢引擎的內建部分,用於執行圖形和超圖形模式匹配( 同構子圖探索 )。 這將結構化查詢語言( SQL )的概念推廣到通用圖形查詢的領域,是圖形查詢語言的延伸型式。
- 「ECAN」是一種基於經濟學理論的注意力分配子系統。[5] 在控制推理和連結過程中所遇到的搜索可能性會產生組合爆炸,該子系統即用於控制組合爆炸。
- 「機率推理引擎」是根據機率邏輯網路 (PLN)的實作。 目前實作方式是使用規則引擎將特定的邏輯推理規則(如假言推理 )與一些具體的數學公式合起來,為每個演繹推論分配機率和置信度。這個子系統可以被認為是使用改良過的貝葉斯推理形式的證明助手 。
- 「元語義最佳化演化搜索」(Meta-Optimizing Semantic Evolutionary Search, or MOSES)是一種機率遺傳程式演化器,[6] 用於探索完成任務的簡短Atomese程式。;這些可以被認為是執行一種決策樹學習 ,進而產生决策森林 ,或更精確地說是其歸納。
應用領域
與其他認知架構類似,主要目的是建立虛擬人類,這是三維的虛擬化身。 目的是模仿諸如情緒、手勢和學習之類的行為。舉例來說,由於人類有情感,因此僅會對軟體中的情感模塊程式進行撰寫。如果能夠模擬人類的智慧,那就可以實現人工智慧。[10]
OpenCog計畫的自我描述提供了其他可能的應用程式,這些應用程式正朝著自然語言處理以及對狗的模擬方向發展。[11]
參見
外部链接
参考资料
- ^ OpenCog Release. 21 January 2008 [21 January 2008]. (原始内容存档于2016-01-28).
- ^ Release 5.0.3. 2016年6月28日 [2018年7月22日].
- ^ OpenCog: Open-Source Artificial General Intelligence for Virtual Worlds | CyberTech News. 2009-03-06 [2016-10-01]. (原始内容存档于2009-03-06).
- ^ Rogers, Stewart. SingularityNET talks collaborative AI as its token sale hits 400% oversubscription. venturebeat.com. VentureBeat. 2017-12-07 [2018-03-13]. (原始内容存档于2017-12-07).
- ^ Economic Attention Allocation. [2021-08-18]. (原始内容存档于2011-10-13).
- ^ MOSES. [2021-08-18]. (原始内容存档于2010-08-26).
- ^ Natural Language Generation.. [2021-08-18]. (原始内容存档于2017-05-17).
- ^ OpenPsi. [2021-08-18]. (原始内容存档于2014-05-16).
- ^ Archived copy. [2015-04-24]. (原始内容存档于2018-03-19).
- ^ David Burden; Maggi Savin-Baden. Virtual Humans: Today and Tomorrow. CRC Press. 24 January 2019 [25 August 2020]. ISBN 978-1-351-36526-0. (原始内容存档于2021-04-30).
- ^ Ben Goertzel; Cassio Pennachin; Nil Geisweiller. Engineering General Intelligence, Part 1: A Path to Advanced AGI via Embodied Learning and Cognitive Synergy. Springer. 8 July 2014: 23– [2021-08-18]. ISBN 978-94-6239-027-0. (原始内容存档于2021-04-30).