Belnap의 타입 내포 1차논리(IFOL_B) 기반 뉴로심볼릭 AGI 로봇에 확률 계산 능력을 더한 이론 연구다. 순수 신경망의 해석 불가능성과 논리 구조 부재를 형식 논리 장치로 보완하는 IFOL_B 프레임워크에, Nilsson 확률 구조를 적용해 아직 참·거짓을 모르는 문장의 확률을 계산하도록 인지 능력을 확장한다. 현재 지식 데이터베이스와 논리 연역을 보존하는 전역 대칭 변환과, 극히 제한된 술어 부분집합만 관여하는 구체적 하위 문제의 실시간 결정에 쓰이는 국소 변환을 도입했다. 두 경우 모두 Shannon 최대 정보 엔트로피에 기반한 확률밀도함수 KI의 계산을 신경망이 담당한다. 신경 학습과 기호 추론의 결합에 불확실성 처리를 통합하려는 뉴로심볼릭 AGI 이론 연구의 한 갈래다.
- •Belnap 타입 내포 논리 IFOL_B 기반 뉴로심볼릭 AGI에 미지 문장의 확률 계산 능력을 확장
- •Nilsson 확률 구조를 IFOL_B에 적용해 확률적 추론 지원
- •지식 DB와 연역을 보존하는 전역 대칭 변환 + 실시간 국소 결정용 국소 변환 도입
- •Shannon 최대 엔트로피 기반 확률밀도함수 KI 계산을 신경망이 수행
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Probabilistic Extension of Neuro-Symbolic AGI Robots based on Belnap's Typed Intensional FOL
- 1.Belnap 유형 내포 1차논리(IFOL_B) 기반 뉴로심볼릭 AGI에 확률 계산 확장 제안
- 2.미지 문장의 확률을 Nilsson 확률 구조로 계산, 지식 보존 전역·국소 대칭 변환 도입
- 3.Shannon 최대 엔트로피 기반 확률밀도함수 KI를 신경망으로 계산
왜 중요한가?
해석 가능성과 논리 구조가 부족한 순수 신경망의 한계를 형식 논리로 보완하는 뉴로심볼릭 접근에 '아직 모르는 명제'에 대한 확률 추론을 더해, 불확실성 하의 실시간 의사결정까지 다루도록 한 이론적 확장이다.
신경-기호 AI는 순수 신경망의 해석 불가능성 한계를 극복하며 신뢰성 높은 AGI 개발을 목표로 합니다. 한국이 AI 윤리 및 설명 가능한 AI(XAI)를 국가적 중점 과제로 삼고 있는 만큼, 이러한 근본적인 연구는 향후 한국의 AI 개발 방향과 정책 수립에 중요한 영향을 미칠 수 있습니다.
본문 미리보기
arXiv:2607.13073v1 Announce Type: new Abstract: Neuro-symbolic AI based on $IFOL_B$ is a way to combine neural learning and symbolic reasoning to overcome limitations of purely neural systems (like lack of interpretability and logical structure) with formal logical machinery for self-reference. In this paper we expand the cognitive power of $IFOL_B$ by using the probability computation for the currently unknown sentences, based on Nilsson's probability structure for the $IFOL_B$. We introduce t
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:08AI 초안
