Bahasa pemrograman neuro-simbolik Scallop

• Pengenalan Scallop

  • Scallop adalah bahasa deklaratif yang dirancang untuk mendukung penalaran simbolik yang kaya dalam aplikasi AI.
  • Berbasis Datalog, ini adalah bahasa kueri berbasis aturan logika untuk basis data relasional.

• Solver

  • Scallop adalah solver Datalog yang dapat diskalakan, mendukung mode penalaran diskret, probabilistik, dan dapat didiferensiasikan.
  • Modenya dapat dikonfigurasi agar sesuai dengan kebutuhan berbagai aplikasi AI.

• Framework

  • Scallop menyediakan binding yang mendukung modul penalaran logika di dalam program Python.
  • Dapat terintegrasi secara mendalam dengan pipeline machine learning PyTorch.

• Berbagai bidang aplikasi

  • Scallop dapat digunakan untuk mengembangkan berbagai aplikasi yang mencakup penalaran simbolik dalam visi komputer dan pemrosesan bahasa alami (NLP).
  • Melalui aturan logika, komponen penalaran dapat ditentukan dan diintegrasikan secara mendalam dengan model machine learning seperti convolutional neural network dan transformer.

• CLEVR, bahasa komposisional, dan penalaran visual dasar

  • Tugas ini berkaitan dengan menjawab pertanyaan seperti "berapa banyak objek yang berwarna biru?" melalui penalaran atas objek 3D sederhana dalam gambar yang diberikan.
  • Dengan Scallop, digunakan komponen neural yang menghasilkan representasi simbolik dari gambar serta kueri pemrograman yang merepresentasikan pertanyaan.
  • Komponen penalaran menentukan berbagai operasi untuk memilih, membandingkan, dan menghitung objek dengan atribut yang ditentukan.

• Pathfinder, penalaran konektivitas jarak jauh

  • Dalam tugas ini, diberikan gambar hitam-putih yang berisi dua titik dan garis putus-putus.
  • Tujuannya adalah menentukan apakah kedua titik tersebut terhubung oleh garis putus-putus.
  • Dengan Scallop, tugas ini dapat diprogram hanya dalam beberapa baris kode melalui arsitektur neural sederhana dan aturan logika, serta menunjukkan performa yang lebih baik daripada transformer mutakhir.

• Evaluasi persamaan tulisan tangan

  • Dalam tugas ini, diberikan urutan simbol tulisan tangan yang mencakup angka 0 hingga 9 dan operasi aritmetika sederhana.
  • Tujuannya adalah mengenali persamaan dan mengevaluasi ekspresinya.
  • Dengan Scallop, dapat ditulis parser tata bahasa bebas konteks lengkap yang mampu mengurai input probabilistik.
  • Dengan pelatihan bersama model neural, sistem dapat secara otomatis menemukan persamaan yang paling mungkin dan mengembalikan hasil evaluasinya.