AIGC背后的技术分析 | 通过EBG学习概念cup

简介: 基于解释的学习(explanation-basedlearning)可简称为解释学习,是20世纪80年代中期开始兴起的一种机器学习方法。解释学习根据任务所在领域知识和正在学习的概念知识,对当前实例进行分析和求解,得出一个表征求解过程的因果解释树,以获取新的知识。在获取新知识的过程中,通过对属性、表征现象和内在关系等进行解释而学习到新的知识。

640.jpg


# 01、解释学习过程和算法
解释学习一般包括下列3个步骤。

(1) 利用基于解释的方法对训练实例进行分析与解释,以说明它是目标概念的一个实例。

(2) 对实例的结构进行概括性解释,建立该训练实例的一个解释结构,以满足所学概 念的定义;解释结构的各个叶子结点应符合可操作性准则,且使这种解释比最初的例子适用于更大的一类例子。

(3) 从解释结构中识别出训练实例的特性,并从中得到更大一类例子的概括性描述,获取一般控制知识。

解释学习是把现有的不能用或不实用的知识转化为可用的形式,因此必须了解目标概念的初始描述。

1986年,Mitchell等人为基于解释的学习提出了基于解释的概括 (Explanation-BasedGeneralization,EBG)算法,该算法建立了基于解释的概括过程,并运用知识的逻辑表示和演绎推理进行问题求解。

EBG 过程如图1所示,其求解问题的形式可描述如下。

640.png


图1 EBG过程

给定:

(1) 目标概念(要学习的概念)(GoalConcept,TC)描述。

(2) 训练实例(目标概念的一个实)(TrainingExample,TE)。

(3) 领域知识(由一组规则和事实组成的用于解释训练实例的知识库)(Domain Theory,DT)。

(4) 可操作性准则 (说明概念描述应具有的形式化谓词公式)(Operationality Criterion,OC)
求解:

训练实例的一般化概括,使之满足:

(1) 目标概念的充分概括描述 TC。

(2) 可操作性准则 OC。

其中,领域知识(DT)是相关领域的事实和规则,在学习系统中作为背景知识,用于证明训练实例(TE)为什么可以作为目标概念的一个实例,从而形成相应的解释。

TE 是为学习系统提供的一个例子,在学习过程中起着重要的作用,它应能充分地说明 TC。

操作准则 (OC)用于指导学习系统对目标概念进行取舍,使得通过学习产生的关于 TC的一般性描述成为可用的一般性知识。

从上述描述中可以看出,在解释学习中,为了对某一目标概念进行学习,从而得到相 应的知识,必须为学习系统提供完善的领域知识以及能够说明目标概念的一个训练实例。

在系统进行学习时,首先运用 DT 找出 TE为什么是 TC之实例的证明(即解释),然后根据 OC对证明进行推广。从而得到关于 TC的一般性描述。即可供以后使用的形式化表示的一般性知识。

可把 EBG 算法分为解释和概括两步。

(1) 解释,即根据领域知识建立一个解释,以证明训练实例如何满足目标概念定义。目标概念的初始描述通常是不可操作的。

(2) 概括,即对第(1)步的证明树进行处理,对目标概念进行回归,包括用变量代替常量以及必要的新项合成等工作,从而得到所期望的概念描述。

由上可知,解释工作是将实例的相关属性与无关属性分离开;概括工作则是分析解释结果。

02、案例:通过EBG学习概念cup

下面以学习概念cup(杯子)为例说明 EBG(基于解释的概括方法)的学习过程。

(1) 目标概念:cup。

(2) 高级描述:cup(x)。

(3) 领域知识:
stable(x)∧liftable(x)∧drinkfrom(x)→cup(x)
has(x,y)∧concavity(y)∧upward-pointing(y)→drinkfrom(x)
bottom(x,y)∧flat(y)→stable(x) light-weight(x)∧graspable(x)→liftable(x)
small(x)∧madefrom(x,plastic)→light-weight(x) has(x,y)∧handle(y)→graspable(x)
(部分中文解释:stable稳定的;liftable 便于拿起;drinkfrom 可用来喝饮料;concavity凹空;upward-pointing 向上指示;bottom 底;flat平坦的;light-weight轻质;graspable可握住;plastic塑胶。)
(4) 训练例子:
small(obj),madefrom(obj,plastic),has(obj,part1),handle(part1),has(obj,part2),concavity(part2),upward-pointing(part2),bottom(obj,b),flat(b)。

(5) 可操作性准则:目标概念必须以系统可识别的物理特征描述。

利用以上规则和事实,以cup(obj)为目标逆向推理,可以构造如图7-11(a)所示的解释结构,其叶子结点满足可操作性准则。

对解释进行概括,变常量为变量,便得到概括后的解释结构。

将此结构中的所有叶子结点作合取,就得到目标概念应满足的一般性的充分条件,以产生式规则形式表示为

IF small(V3)∧made-from(V3,plastic)∧
has(V3,V10)∧handle(V10)∧has(V3,V25) ∧
concavity(V25)∧upward-pointing(V25)∧
bottom(V3,V37)∧flat(V37)
THEN cup(V3)……(图7-11(b))
学到这条规则就是 EBG 的目的。

640.png


(a)解释结构


640.png


(b)形成规则

图2 EBG的学习过程

目录
相关文章
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
AIGC技术深度解析:生成式AI的革命性突破与产业应用实战
蒋星熠Jaxonic,AI技术探索者,深耕生成式AI领域。本文系统解析AIGC核心技术,涵盖Transformer架构、主流模型对比与实战应用,分享文本生成、图像创作等场景的实践经验,展望技术趋势与产业前景,助力开发者构建完整认知体系,共赴AI原生时代。
|
8月前
|
机器学习/深度学习 人工智能 自然语言处理
AIGC技术发展与应用实践(一文读懂AIGC)
AIGC(人工智能生成内容)是利用AI技术生成文本、图像、音频、视频等内容的重要领域。其发展历程包括初期探索、应用拓展和深度融合三大阶段,核心技术涵盖数据收集、模型训练、内容生成、质量评估及应用部署。AIGC在内容创作、教育、医疗、游戏、商业等领域广泛应用,未来将向更大规模、多模态融合和个性化方向发展。但同时也面临伦理法律和技术瓶颈等挑战,需在推动技术进步的同时加强规范与监管,以实现健康可持续发展。
|
10月前
|
机器学习/深度学习 人工智能 自然语言处理
师资培训|AIGC工具搜集和分析教学反馈-某教育科技集团
近日,TsingtaoAI为某教育科技集团交付AIGC赋能教师教学创新课程《AIGC工具搜集和分析教学反馈》,本师资培训旨在为高校教师提供系统化、实战化的AIGC应用指南,助力教师在教学过程中实现智能化、个性化的转变。本课程通过深入浅出的案例分析、项目实践和实操演练,全面覆盖AIGC工具的收集、应用与反馈分析方法。
451 32
|
7月前
|
机器学习/深度学习 人工智能 自然语言处理
技术创新领域,AI(AIGC)是否会让TRIZ“下岗”?
法思诺创新直播间探讨了AI(AIGC)是否将取代TRIZ的问题。专家赵敏认为,AI与TRIZ在技术创新领域具有互补性,结合两者更务实。TRIZ提供结构化分析框架,AI加速数据处理和方案生成。DeepSeek、Gemini等AI也指出,二者各有优劣,应在复杂创新中协同使用。企业应建立双轨知识库,重构人机混合创新流程,实现全面升级。结论显示,AI与TRIZ互补远超竞争,结合二者是未来技术创新的关键。
264 0
|
10月前
|
人工智能 自然语言处理 搜索推荐
【潜意识Java】了解并详细分析Java与AIGC的结合应用和使用方式
本文介绍了如何将Java与AIGC(人工智能生成内容)技术结合,实现智能文本生成。
793 5
|
10月前
|
人工智能 搜索推荐 数据库
实时云渲染技术赋能AIGC,开启3D内容生态黄金时代
在AIGC技术革命的推动下,3D内容生态将迎来巨大变革。实时云渲染与Cloud XR技术将在三维数字资产的上云、交互及传播中扮演关键角色,大幅提升生产效率并降低门槛。作为云基础设施厂商,抓住这一机遇将加速元宇宙的构建与繁荣。AIGC不仅改变3D内容的生成方式,从手工转向自动生成,还将催生更多3D创作工具和基础设施,进一步丰富虚拟世界的构建。未来,通过文本输入即可生成引人注目的3D环境,多模态模型的应用将极大拓展创作的可能性。
|
人工智能 自然语言处理 数据可视化
什么是AIGC?如何使用AIGC技术辅助办公?
2分钟了解AIGC技术及其如何提高日常办公效率!
3729 4
什么是AIGC?如何使用AIGC技术辅助办公?
|
10月前
|
编解码 人工智能 算法
国家扶持超高清产业背景下:视频云AIGC的超高清技术实践
本次分享由阿里云视频云高级产品解决方案架构师陈震主讲,聚焦国家扶持超高清产业背景下,视频云AIGC的超高清技术实践。内容涵盖超高清产业发展趋势与挑战、阿里视频云的应对方案及应用案例。通过全链路超高清解决方案,结合AI、云计算等技术,提供从内容生产、传输到播放的完整支持,助力行业应对超高清视频带来的技术与市场挑战。
388 0
|
10月前
|
人工智能 编解码 安全
全球AI新浪潮:智能媒体服务的技术创新与AIGC加速出海
本文介绍了智能媒体服务的国际化产品技术创新及AIGC驱动的内容出海技术实践。首先,探讨了媒体服务在视频应用中的升级引擎作用,分析了国际市场的差异与挑战,并提出模块化产品方案以满足不同需求。其次,重点介绍了AIGC技术如何推动媒体服务2.0智能化进化,涵盖多模态内容理解、智能生产制作、音视频处理等方面。最后,发布了阿里云智能媒体服务的国际产品矩阵,包括媒体打包、转码、实时处理和传输服务,支持多种广告规格和效果追踪分析,助力全球企业进行视频化创新。
360 0
|
人工智能 自然语言处理 数据挖掘
Claude 3.5:一场AI技术的惊艳飞跃 | AIGC
在这个科技日新月异的时代,人工智能(AI)的进步令人惊叹。博主体验了Claude 3.5 Sonnet的最新功能,对其卓越的性能、强大的内容创作与理解能力、创新的Artifacts功能、视觉理解与文本转录能力、革命性的“computeruse”功能、广泛的应用场景与兼容性以及成本效益和易用性深感震撼。这篇介绍将带你一窥其技术前沿的魅力。【10月更文挑战第12天】
509 1

热门文章

最新文章