Busca avançada
Ano de início
Entree

Indução de programas lógico-probabilístico-neurais

Processo: 22/02937-9
Modalidade de apoio:Auxílio à Pesquisa - Projeto Inicial
Data de Início da vigência: 01 de fevereiro de 2023
Data de Término da vigência: 31 de janeiro de 2028
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Denis Deratani Mauá
Beneficiário:Denis Deratani Mauá
Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
Pesquisadores associados:Renato Lui Geh
Bolsa(s) vinculada(s):25/01335-3 - Diagramas de Decisão Sentenciais Neuro-Probabilísiticos, BP.MS
24/15216-3 - Sistema de resposta automática neurossimbólico, BP.IC
24/14144-9 - Aprendizado Paramétrico para Programação Probabilística Tratável, BP.IC
Assunto(s):Inteligência artificial  Programação lógica  Raciocínio probabilístico  Representação de conhecimento 
Palavra(s)-Chave do Pesquisador:indução de programas | Programação Lógica | raciocínio aproximado | Raciocínio Probabilístico | representação de conhecimento | sistemas neurossimbólicos | Inteligência Artificial

Resumo

As técnicas de aprendizagem profunda demonstraram excelente desempenho em tarefas cognitivas tanto de baixo nível, como reconhecimento de fala e imagem, como de alto nível, como resposta automática a questões e planejamento estocástico. Apesar disso, desenvolver soluções baseadas em aprendizagem profunda é uma tarefa notoriamente difícil, pois requer uma quantidade enorme de dados e recursos computacionais (muito além do disponível a usuários comuns). Ademais, tais técnicas são muito sensíveis a variações de domínio e produzem resultados indesejados que minam a confiança do usuário. As técnicas de IA clássica, por sua vez, requerem menos dados, generalizam melhor para novas situações e são capazes de verificação. Elas, no entanto, são limitadas a pequenos domínios e exibem desempenho insatisfatório na presença de ruído e incerteza nos conhecimento.As abordagens neurossimbólicas procuram tirar proveito do melhor de ambas as abordagens. Este documento descreve um plano de pesquisa de cinco anos para investigar o desenvolvimento de técnicas neurossimbólicas baseadas em programação lógica, programação probabilística e combinações das duas. O resultado esperado é a criação de agentes adaptativos que ultrapassem a visão dominante de aprendizado como uma tarefa de otimização contínua guiada por pares de exemplo entrada-saída. Para atingir isso, essa pesquisa pretende estender os arcabouços teóricos de programação lógica neurossimbólica com construções mais expressivas e técnicas de aprendizado mais eficientes; as abordagens desenvolvidas serão avaliadas em tarefas cognitivas de alto nível como resposta automática a perguntas em linguagem natural. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
MAUA, DENIS DERATANI; COZMAN, FABIO GAGLIARDI. Specifying Credal Sets With Probabilistic Answer Set Programming. NEURIPS WORKSHOPS, 2020, v. 215, p. 12-pg., . (19/07665-4, 22/02937-9)
NASCIMENTO ROCHA, VICTOR HUGO; SILVEIRA, IGOR CATANEO; PIROZELLI, PAULO; MAUA, DENIS DERATANI; COZMAN, FABIO GAGLIARDI. Assessing Good, Bad and Ugly Arguments Generated by ChatGPT: a New Dataset, its Methodology and Associated Tasks. PROGRESS IN ARTIFICIAL INTELLIGENCE, EPIA 2023, PT I, v. 14115, p. 13-pg., . (19/07665-4, 22/02937-9, 19/26762-0)
SILVEIRA, IGOR CATANEO; BARBOSA, ANDRE; DA COSTA, DANIEL SILVA LOPES; MAUA, DENIS DERATANI. Investigating Universal Adversarial Attacks Against Transformers-Based Automatic Essay Scoring Systems. INTELLIGENT SYSTEMS, BRACIS 2024, PT II, v. 15413, p. 15-pg., . (19/07665-4, 22/02937-9)