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
|
3月前
|
存储 自然语言处理 API
通义万相AIGC技术Web服务体验评测
随着人工智能技术的不断进步,图像生成技术已成为创意产业的一大助力。通义万相AIGC技术,作为阿里云推出的一项先进技术,旨在通过文本到图像、涂鸦转换、人像风格重塑及人物写真创建等功能,加速艺术家和设计师的创作流程。本文将详细评测这一技术的实际应用体验。
146 4
|
1天前
|
机器学习/深度学习 人工智能 自然语言处理
探索AIGC的底层技术:人工智能通用计算架构
探索AIGC的底层技术:人工智能通用计算架构
10 3
|
21小时前
|
搜索推荐
师资培训|AIGC在高校教学中的应用场景与案例分析-某产教科技公司
北京新大陆时代科技有限公司举办新一代信息技术名家大讲坛系列培训,旨在提升教师专业素质,加强“双师型”教师队伍建设。TsingtaoAI作为培训伙伴,提供全面支持。培训涵盖AIGC在高校教学的应用场景、教案生成及个性化教学资源定制等内容,助力提升教学质量与人才培养。
6 0
|
1天前
|
机器学习/深度学习 自然语言处理 Go
Python与Go在AIGC领域的应用:比较与分析
Python与Go在AIGC领域的应用:比较与分析
6 0
|
2月前
|
机器学习/深度学习 数据采集 人工智能
作为AIGC技术的一种应用-bard
8月更文挑战第22天
42 15
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
|
2月前
|
人工智能
AIGC图生视频技术下的巴黎奥运高光时刻
图生视频,Powered By「 阿里云视频云 」
108 4
|
3月前
|
机器学习/深度学习 自然语言处理 算法
AIGC技术的核心算法与发展趋势
【7月更文第27天】随着人工智能技术的迅速发展,AIGC技术已经逐渐成为内容创造领域的一个重要组成部分。这些技术不仅能够帮助人们提高工作效率,还能创造出以往难以想象的新颖内容。本文将重点介绍几种核心算法,并通过一个简单的代码示例来展示如何使用这些算法。
77 7
|
3月前
|
存储 人工智能 搜索推荐
|
2月前
|
传感器 人工智能 供应链
制造业的未来:AIGC及其他先进技术
制造业的未来:AIGC及其他先进技术