“麻省理工学院的研究人员发布了Clevrer 以推进视觉推理和神经符号AI”

哈佛大学和mit-ibm watson ai lab的研究者发表了clevrer。 这是一组用于判断ai模型识别因果关系和推理能力的数据集。 本周，在全数字国际显示学习会议( iclr )上发表了论文，分享了关于视频显示和collision事) clevrer )数据集推理的初步发现。

基于clevrer的clevr由斯坦福大学和facebook ai research的团队于年发表。 这包括由imagenet创造者菲莉医生分解神经互联网视觉推理能力的数据集。 clevrer的创造者，如MIT-IBM Watson实验室的chuang gan和deepmind的推送Meet Kohli，介绍了Neuro-Symbolicconceptlearner ( NS-DR )，这是一年前Iclicler

我们介绍了视频中时间和因果推理的系统研究。 这篇论文指出，这个根深蒂固、根深蒂固、富有挑战性的问题已经开始用现代人工智能工具进行研究。 新的clevrer数据集和ns-dr模型是朝着这个方向迈出的第一步。

此数据集包含使用bullet物理模拟器创建的桌面上20，000个碰撞对象的合成视频，以及视频中对象的自然语言交互集。 超过300，000个问题和回答分为说明性、说明性、预测性和反事实性。

麻省理工学院-ibm沃森研究所主任戴维·考克斯( david cox )在与venturebeat的采访中表示，数据集相信在建立神经互联网和符号ai组合的混合ai方面取得了进展。 cox表示，ibm research将这种方法应用于it基础设施管理和工厂、建筑工地等产业环境。

cox说:“我认为这实际上对几乎所有的应用都很重要。 我们看到的非常简单的世界是这些球在动。 这实际上是我们可以注意世界，了解这个世界，制定如何让这个世界发生事件的计划的第一步。 因为，我认为这可能涉及很多行业，视觉和机器人技术确实是个好的起点。

mit-ibm watson ai研究所成立于3年前，目的是寻找与广泛的ai常规主题相关的ai的划时代的进步。 其中一点，例如objectnet强调了深度学习成功案例(如imagenet )的脆弱特征，而实验室的要点是神经互联网与符号或经典ai的结合。

就像神经网络一样，符号ai已经存在了几十年。 考克斯认为，正如神经互联网在等待正确的条件(足够的数据，足够的计算)一样，标志性的ai也在等待神经互联网体验复兴。

考克斯表示，两种形式的ai能够很好地互补，同时以更少的数据和更高的能效构建更强大、更可靠的模型。 在今年年初与venturebeat的对话中，ibm研究总监dario gil表示，神经符号ai是年中预计的最大进步之一。

无论结果如何，都可以表示知识和程序，而不是像神经互联网那样映射输入输出。 考克斯( cox )表示，这有可能使ai更好地处理现实问题。

谷歌有大量的数据，亚马逊有大量的数据，这很棒。 但是，大部分问题就像困惑一样。 我们认为，要前进，超越ai真正构建系统所需的炒作，才能实现这一点，有逻辑因素，可以灵活地重新定位自己，可以操作环境和实验，可以解释这些新闻，定义自己的内部世界心理模型。 考克斯说。

麻省理工学院和ibm watson联合ai实验室成立于年，投资额为2亿4千万美元。

本文：《“麻省理工学院的研究人员发布了Clevrer 以推进视觉推理和神经符号AI”》