arXiv:1806.01261v3 , 17 oct 2018
인공지능은 최근 비전, 언어, 조작, 그리고 의사결정 과정에서 흥행하고있다
데이터와 컴퓨팅자원이 저렴해졌고 딥러닝의 자연스러운 강점 을 가지고있다
그러나 사람의 지능의 특성은 현재 접근법으로는 접근하지 못하는 경우가 많다
특히 누군가의 경험을 일반화 하는것 -유아기의 인간지능의 특징- 은 현대 인공지능에서 어려운 도전과제로 남아있다
다음은 위치, 리뷰, 통합 순이다
우리는 AI가 인간과 비슷한 능력이 되러면 결합과 일반화가 필요하고 구조화된 표현과 계산이 이 목표를 실현할 열쇠이다
생물학과 마찬가지로 자연과 양육의 협력을 사용하고, 핸드엔지니어링과 엔드투엔드의 사이에서 잘못된 선택을 하는것을 거부한다 그리고 대신 그것들의 보완적인 강점으로부터의 이득에 접근하는것을 옹호한다
우리는 딥러닝 아키텍쳐의 엔티티와 관계와 그것의 구성에 대한 학습을 용이하게 할수있는 관계 유도성 편향을 사용하는 방법을 연구한다
우리는 정했다 새로운 구성 블록을 AI 툴킷을 위한 강한 관계형 편향을 가진 -그래프 네트워크- 일반화하고 다양한 접근법으로 확장하는 다양한 접근법 그래프를 조작하는
우리는 어떻게 그래프네트워크가 관계의 설명과 조합의 일반화를 하는지 토론했다
복잡하고 해석가능하고 추론가능한 추리의 패턴의 토대를 마련했다
이 논문과 함께 우리는 그래프 네트워크를 구축하기 위한 오픈소스 라이브러리를 발표했고 사용하는 방법을 시연했다
인간의 지능의 주요 키는 ‘유한한 방법의 무한한 사용이다 ‘
