-
แนะนำ Scallop
- Scallop เป็นภาษาประกาศที่ออกแบบมาเพื่อรองรับการให้เหตุผลเชิงสัญลักษณ์ที่หลากหลายในแอปพลิเคชัน AI
- มีพื้นฐานบน Datalog และเป็นภาษาคิวรีแบบอิงกฎตรรกะสำหรับฐานข้อมูลเชิงสัมพันธ์
-
Solver
- Scallop เป็น Datalog solver ที่ขยายขนาดได้ รองรับโหมดการให้เหตุผลแบบไม่ต่อเนื่อง แบบความน่าจะเป็น และแบบดิฟเฟอเรนเชียล
- สามารถกำหนดค่าโหมดให้ตรงกับความต้องการของแอปพลิเคชัน AI ที่หลากหลายได้
-
Framework
- Scallop มี bindings ที่รองรับโมดูลการให้เหตุผลเชิงตรรกะภายในโปรแกรม Python
- สามารถผสานรวมอย่างลึกซึ้งกับไปป์ไลน์แมชชีนเลิร์นนิงของ PyTorch ได้
-
การประยุกต์ใช้งานที่หลากหลาย
- Scallop สามารถใช้พัฒนาแอปพลิเคชันหลากหลายประเภทที่มีการให้เหตุผลเชิงสัญลักษณ์ในงานวิชันและการประมวลผลภาษาธรรมชาติ (NLP)
- สามารถระบุองค์ประกอบการให้เหตุผลผ่านกฎตรรกะ และผสานรวมอย่างลึกซึ้งกับโมเดลแมชชีนเลิร์นนิง เช่น convolutional neural networks และ transformers
-
CLEVR, ภาษาเชิงประกอบ และการให้เหตุผลเชิงภาพขั้นพื้นฐาน
- งานนี้เกี่ยวข้องกับการตอบคำถามอย่าง "มีวัตถุกี่ชิ้นที่ถูกระบายเป็นสีน้ำเงิน?" ผ่านการให้เหตุผลเกี่ยวกับวัตถุ 3 มิติอย่างง่ายในภาพที่กำหนด
- ใช้ Scallop ร่วมกับองค์ประกอบเชิงประสาทที่สร้างตัวแทนเชิงสัญลักษณ์ของภาพ และโปรแกรมคิวรีที่แสดงคำถาม
- องค์ประกอบการให้เหตุผลใช้สำหรับกำหนดงานหลากหลายแบบ เช่น การเลือก การเปรียบเทียบ และการนับวัตถุที่มีคุณสมบัติตามที่ระบุ
-
Pathfinder, การให้เหตุผลเรื่องการเชื่อมต่อระยะไกล
- ในงานนี้จะได้รับภาพขาวดำที่มีจุดสองจุดและเส้นประ
- เป้าหมายคือการตัดสินว่าจุดทั้งสองเชื่อมต่อกันด้วยเส้นประหรือไม่
- ด้วย Scallop งานนี้สามารถเขียนโปรแกรมได้ด้วยโค้ดเพียงไม่กี่บรรทัดผ่านสถาปัตยกรรมประสาทอย่างง่ายและกฎตรรกะ พร้อมให้ประสิทธิภาพเหนือกว่า transformers รุ่นล้ำสมัย
-
การประเมินนิพจน์คณิตศาสตร์ที่เขียนด้วยมือ
- ในงานนี้จะได้รับลำดับของสัญลักษณ์ที่เขียนด้วยมือ ซึ่งประกอบด้วยตัวเลข 0 ถึง 9 และการดำเนินการเลขคณิตอย่างง่าย
- เป้าหมายคือการรู้จำสูตรและประเมินค่านิพจน์
- ใช้ Scallop เพื่อเขียนตัวแยกวิเคราะห์ไวยากรณ์แบบ context-free grammar ที่สมบูรณ์ ซึ่งสามารถแยกวิเคราะห์อินพุตเชิงความน่าจะเป็นได้
- สามารถฝึกร่วมกับโมเดลเชิงประสาท เพื่อค้นหาสูตรที่มีความเป็นไปได้สูงที่สุดโดยอัตโนมัติ และส่งคืนผลลัพธ์ที่ประเมินแล้ว
ยังไม่มีความคิดเห็น