Dal Laboratorio di Ricerca della Entheos, la pubblicazione del Direttore Ing. Zoran Majkic sul’intelligenza artificiale neuro-simbolica che integra le architetture neurali e simboliche in modo da affrontare i punti di forza e di debolezza di ciascuna, in modo complementare, al fine di supportare un’intelligenza artificiale forte e robusta in grado di ragionare, apprendere e modellare cognitivamente. In questo articolo consideriamo la Logica intensionale del Primo Ordine (IFOL) [1] come un'architettura simbolica dei robot moderni, in grado di utilizzare linguaggi naturali per comunicare con gli esseri umani e ragionare sulla propria conoscenza con proprietà del linguaggio autoreferenziali e di astrazione. Intendiamo ottenere il radicamento del linguaggio del robot attraverso l'esperienza di come utilizza le sue architetture neuronali e quindi associando questa esperienza con l'estrazione (senso) di concetti linguistici non definiti (particolari/individui e universali) in PRP (Proprietà/ Relazioni/Proposizioni) teoria dell'IFOL. Consideriamo la struttura della conoscenza del robot a quattro livelli: il livello sintattico di un particolare linguaggio naturale (italiano, francese, ecc.), due livelli linguistici universali: la sua struttura logica semantica (basata su predicati virtuali di FOL e connettivi logici ) e il corrispondente livello di struttura concettuale PRP che rappresenta universalmente l'estrazione composita di formule FOL basate sul livello del sistema neurologico dell'ultimo robot.
L’ipotesi centrale delle scienze cognitive è che il pensiero può essere meglio compreso in termini di strutture rappresentazionali nella mente e di procedure computazionali che operano su tali strutture. La maggior parte del lavoro nelle scienze cognitive presuppone che la mente abbia rappresentazioni mentali analoghe alle strutture dati del computer e procedure computazionali simili agli algoritmi computazionali.
La ricerca principale sull’apprendimento automatico sulle reti neurali artificiali profonde può persino essere definita comportamentistica. Al contrario, varie fonti di evidenza provenienti dalle scienze cognitive suggeriscono che il cervello umano si impegna nello sviluppo attivo di modelli predittivi generativi compositivi a partire dalle loro esperienze sensomotorie autogenerate. Guidati da pregiudizi di apprendimento induttivo e di elaborazione delle informazioni di natura evoluzionistica, mostrano la tendenza a organizzare le esperienze raccolte in codifiche predittive degli eventi. Nel frattempo, deducono e ottimizzano il comportamento e l’attenzione per mezzo di pulsioni orientate sia all’epistemica che all’omeostasi.
La rappresentazione della conoscenza, fortemente connessa al problema dell’elaborazione della conoscenza, del ragionamento e del “trarre inferenze”, è uno degli argomenti principali dell’intelligenza artificiale. Rivedendo le tecniche di rappresentazione della conoscenza utilizzate dagli esseri umani saremo consapevoli dell'importanza del linguaggio. La parte predominante dell’industria IT e delle applicazioni utente si basa su alcuni sottolinguaggi dello standard (estensionale) FOL (First Order Logic) con la semantica di Tarski basata (solo) sulla verità; il mio sforzo è quello di passare ad un'evoluzione più potente del FOL in grado di supportare anche il significato della conoscenza, sostituendo il FOL standard e la sua teoria e pratica DB nel business IT. Tutto questo lavoro è riassunto ed esteso anche alle applicazioni AI di logiche multivalore nel mio recente libro [1].
Gli ultimi 15 anni del mio lavoro nell’intelligenza artificiale sono stati principalmente dedicati allo sviluppo di una nuova FOL intensionale, integrando gli approcci di Montague e algebrico di Bealer [2], con una semantica conservativa di Tarski della FOL standard. Il risultato fondamentale è stata la pubblicazione dell'estensione conservativa della semantica di Tarski alla FOL intensionale [3], e della semantica intensionale in due passaggi [4], che ha garantito un'estensione conservativa dell'attuale RDB, ma con una tecnologia vecchia di più di 50 anni, verso il nuovo IRDB (RDB intensionale). Infatti, nel mio prossimo Manifesto dell'IRDB [5], speravo anche di trovare gruppi di ricerca e fondi interessati per iniziare la realizzazione di IRDB come una nuova piattaforma (compatibile con tutte le applicazioni RDB sviluppate in precedenza), in grado anche di supportare NewSQL per Big Data. e pronto per altri miglioramenti dell'IA.
Questo documento è un'estensione (della Sezione 4) del documento [6]. È dedicato a mostrare come questo IFOL definito in [1] possa essere utilizzato per una nuova generazione di robot intelligenti, in grado di comunicare con gli esseri umani con questo FOL intensionale che supporta il significato delle parole e le loro composizioni linguistiche. Come in [7] possiamo considerare tre livelli del linguaggio naturale: la sintassi di una particolare lingua naturale (francese, inglese, ecc.) la sua struttura logica semantica (trasformazione di parti delle frasi linguistiche in predicati logici e definizione del corrispondente FOL formule) e la sua corrispondente struttura concettuale, che a differenza dello strato semantico che rappresenta solo la semantica della logica, rappresenta il significato composto delle formule FOL basate sulla messa a terra di concetti di PRP intensionali.
Ing. Zoran Majkic
