让神经网络给符号AI“打工”，MIT和IBM联合解决深度学习痛点，未来将用于自动驾驶

　　来源：量子位

　　晓查发自凹非寺 

　　量子位报道公众号 QbitAI

　　现在的 AI 是神经网络的天下，但科学家们正在尝试将神经网络与“老式 AI”结合。

　　这里说的“老式 AI”是上世纪 70 年代流行的“符号主义”。在几十年前遭遇失败后，“连接主义”取代其成为主流。

　　但是，越来越多的科学家注意到，将二者结合才会让 AI 发挥出更强大的威力。

　　让连接主义给符号主义“打工”

　　几年前，科学家从小鸭子身上学到了一样不寻常的东西。如果小鸭子出生后先看到的是两个相似的物体，那么之后会对相似物体产生更多的偏好。

　　小鸭毫不费力地做的事情对于人工智能来说是很难的，尤其是深度神经网络这一 AI 分支。

　　如果交给符号 AI，它会怎么做？符号 AI 会处理物体的名称作为知识库，并给“相似”做出定义作为命题。

　　凭借其知识库和命题，符号 AI 采用推理引擎的逻辑规则来回答问题。

　　但符号 AI 缺点在于，要实现更复杂的推理需要庞大的知识库（人工构建），如果 AI 遇到知识库中没有的形状将无法处理。

　　连接主义利用知识进行训练，让神经网络具有学习能力，但容易受到对抗攻击。

　　于是将符号主义和连接主义结合起来的混合式神经-符号 AI（neurosymbolic AI）应运而生。

　　科学家用深度神经网络来构建符号 AI 所需的知识库和命题，省去了人工预设的难题，然后使用符号 AI 对任务进行推理。

　　解决李飞飞 2016 年难题

　　2016 年，李飞飞等人提出了组合语言和基本视觉推理（CLEVR）数据集，要求 AI 回答由计算机生成的简单 3D 形状图像相关问题。

　　使用复杂的深度神经网络可以解决此问题。但是，IBM、MIT 和 DeepMind 的研究人员提出了一种截然不同的解决方案，显示出符号 AI 的强大能力。该方法相关论文已经被 ICLR 2019 收录。

　　在这篇论文中，他们将问题分解为符号 AI 熟悉的较小部分。

　　这套系统首先查看图像并表征 3D 形状及其属性，由此生成知识库。然后，它将问题变成一个可以在知识库上运行并产生答案的符号程序。

　　过去，在符号 AI 中，需要让人类程序员去手动输入知识库，现在研究人员希望由神经网络代替人类这项工作。

　　他们先通过使用卷积神经网络（CNN）解决了第一个问题，识别目标的颜色、形状、材质等属性。

　　然后使用递归神经网络（RNN）发现顺序输入中的模式。这个模块负责接收自然语言问题并将其转换为符号程序形式的问题。

　　整个过程类似于按需生成知识库，并让推理引擎在知识库上回答问题。

　　最终，这种混合 AI 在从未见过的问题和图像上进行测试，准确率达 98.9％，击败了人类。人类只能回答正确 92.6％ 的问题。

　　更好的是，混合 AI 只需要纯粹深度神经网络训练数据的 10％。混合 AI 还具有可解释性，如果发生错误，则更容易发现问题所在。

　　挑战更高难度

　　搞定 CLEVR 数据集后，现在神经-符号 AI 正在解决更为棘手的问题。

　　2019 年，在李飞飞 CLEVR 数据集的基础上，DeepMind、MIT、哈佛大学和 IBM 设计了一个更加复杂的挑战 CLEVRER：让 AI 基于视频而不是图像来回答问题。

　　视频中会出现 CLEVR 数据集中的目标类型，但是这些目标会移动甚至发生碰撞，而且问题更加棘手。

　　有些问题是描述性的，比如：视频结束时有多少金属物体在移动？

　　有些问题则需要预测，比如：接下来将发生哪个事件？[a]绿色圆柱体和球体碰撞，[b]绿色圆柱体与正方体碰撞。

　　甚至还有些问题是视频中没有发生的（反事实），比如：没有青色圆柱体，将不会发生什么？[a]球体和立方体碰撞， [b]球体和青色圆柱体碰撞， [c]立方体和青色圆柱体碰撞。

　　对于当今的深度神经网络来说，这种随时间变化的因果关系是非常困难的，这主要表现在发现数据的静态模式方面。

　　为了解决这个问题，团队扩充了之前解决 CLEVR 的方案。

　　首先，神经网络学习将视频片段分解为目标的逐帧表示，然后被馈送到另一个神经网络，学习分析这些目标的运动以及它们如何相互影响，并可以预测目标的运动和碰撞。

　　这两个模块共同构成了知识库。其他两个模块处理问题并将其应用于生成的知识库。

　　该团队的解决方案在回答描述性问题方面的准确性约为 88％，对于预测性问题的准确性约为 83％，对于反事实问题的准确性约为 74％。

　　让 AI 学会提问

　　提出好问题是机器在人类的另一项技能。这是一种不断学习世界的方式，而不必等待大量的样本。没有任何一种机器可以接近人类提问的能力。

　　而神经-符号 AI 展现出了这方面的能力。

　　纽约大学 Brenden Lake 助理教授和他的学生 Wang Ziyun 构建了一种混合 AI，来玩一种需要主动提问的游戏——海战棋（Battleship）。

　　海战棋是一种猜谜式的攻防游戏，一方在棋盘上隐藏自己的“战舰”（长度不等），另一方负责攻击。

　　攻击方可以翻看某个方块下是否有“战舰”的一部分，或者直接向对方提问：“船有多长”、“所有三艘船的尺寸都一样吗”，诸如此类的问题 。以此来猜测船只的位置。

　　Lake 和 Wang 分别用两种不同方式来训练游戏 AI。

　　一种是监督学习，向神经网络展示棋盘和人类提出的好问题。最终神经网络学会了提问，但是很少有创造力。

　　另一种是强化学习。在这种训练中，每当神经网络提出一个有助于找到战舰的问题时，就会得到奖励。

　　神经网络最终学会了提出正确的问题，既有用又富有创造力。

　　Lake 以前曾使用纯粹的符号方法解决了该问题，对于给定的棋盘状态，符号 AI 必须在巨大空间中搜索一个好问题，这让它变得极其缓慢。

　　但是，神经-符号 AI 的速度非常快。经过训练后，深度神经网络在产生问题方面远远胜过纯粹的符号 AI。

　　下一步：自动驾驶

　　MIT-IBM Watson AI 实验室的 David Cox 团队希望将这种混合 AI 用于自动驾驶技术。

　　自动驾驶 AI 需要神经网络经过训练来识别其环境中的物体，并采取适当的措施。如果神经网络在训练中做错了什么，例如撞到行人，就会受到惩罚。

　　另一位小组成员 Nathan Fulton 解释这种机制：“为了学会不做坏事，它必须做坏事，体验过那些坏事，然后在做坏事之前找出 30 个步骤，防止自己陷入困境。”

　　因此，AI 学习安全驾驶需要大量的训练数据，而这些“坏事”让 AI 很难在现实世界中训练出来。

　　Fulton 和他的同事正在研究一种神经-符号 AI 方法，克服这种局限性。AI 的符号部分对现实世界的某些危险行为做出限制，来约束深度网络的行为。

　　从一开始就排除某些选择，这种简单的符号干预大大减少了训练 AI 所需的数据量。

　　“如果智能体不需要遇到一堆坏状态，那么它就只需要更少的数据，”Fulton 说。

　　尽管该项目仍未准备好在实验室外使用，但 Cox 设想了一个未来，具有神经-符号 AI 的汽车将可以在现实世界中学习，而符号组件将成为防止不良驾驶的保障。