OpenCog是一项以打造开源人工智能框架为目标的开发专案,OpenCog Framework是一种应用于广泛AGI研究的通用框架,其中OpenCog Prime是一种用于机器人和虚拟体化认知的架构,该架构定义了一组互动元件,用来产生与人类对等,从整体系统涌现而来的通用人工智能(AGI),[3]本‧格策尔(Ben Goertzel)是其主要设计者。使用OpenCog进行的研究已发表在期刊上,也在包含年度人工智能大会在内的各种会议和研讨会上被介绍。 OpenCog是根据GNU Affero通用公共许可证的条款发行的。

OpenCog
原作者OpenCog Developers
开发者OpenCog Foundation
首次发布2008年1月21日,​16年前​(2008-01-21[1]
当前版本
  • 5.0.3(2016年6月28日)[2]
编辑维基数据链接
源代码库 编辑维基数据链接
编程语言C++PythonScheme
平台Linux
类型强人工智能
许可协议 编辑维基数据链接
网站opencog.org

包括华为思科在内的50多家公司正在使用OpenCog。 [4]

起源

Novamente LLC在2008年发布专利“ Novamente认知引擎”(NCE),最初的OpenCog则是以其源代码为基础来开发的。PLN手册有对NCE源代码进行讨论(请参阅下方的参考文献)。人工智能研究院(AGIRI)、Google夏日程式码计划、汉森机器人公司SingularityNET等单位也持续支援对OpenCog的开发。

元件

OpenCog包含:

  • 一组预定义的原子,它们编码可满足性模理论求解器,作为通用图形查询引擎的内建部分,用于执行图形和超图形模式匹配( 同构子图探索 )。 这将结构化查询语言( SQL )的概念推广到通用图形查询的领域,是图形查询语言的延伸型式。
  • “ECAN”是一种基于经济学理论的注意力分配子系统。[5] 在控制推理和连结过程中所遇到的搜索可能性会产生组合爆炸,该子系统即用于控制组合爆炸。
  • “几率推理引擎”是根据几率逻辑网络 (PLN)的实作。 目前实作方式是使用规则引擎将特定的逻辑推理规则(如假言推理 )与一些具体的数学公式合起来,为每个演绎推论分配几率和置信度。这个子系统可以被认为是使用改良过的贝叶斯推理形式的证明助手
  • “元语义最佳化演化搜索”(Meta-Optimizing Semantic Evolutionary Search, or MOSES)是一种几率遗传程式演化器[6] 用于探索完成任务的简短Atomese程式。;这些可以被认为是执行一种决策树学习 ,进而产生决策森林 ,或更精确地说是其归纳。
  • 自然语言生成系统[7]

应用领域

与其他认知架构类似,主要目的是建立虚拟人类,这是三维的虚拟化身。 目的是模仿诸如情绪、手势和学习之类的行为。举例来说,由于人类有情感,因此仅会对软件中的情感模块程式进行撰写。如果能够模拟人类的智慧,那就可以实现人工智能。[10]

OpenCog计划的自我描述提供了其他可能的应用程序,这些应用程序正朝着自然语言处理以及对狗的模拟方向发展。[11]

参见

外部链接

参考资料

  1. ^ OpenCog Release. 21 January 2008 [21 January 2008]. (原始内容存档于2016-01-28). 
  2. ^ Release 5.0.3. 2016年6月28日 [2018年7月22日]. 
  3. ^ OpenCog: Open-Source Artificial General Intelligence for Virtual Worlds | CyberTech News. 2009-03-06 [2016-10-01]. (原始内容存档于2009-03-06). 
  4. ^ Rogers, Stewart. SingularityNET talks collaborative AI as its token sale hits 400% oversubscription. venturebeat.com. VentureBeat. 2017-12-07 [2018-03-13]. (原始内容存档于2017-12-07). 
  5. ^ Economic Attention Allocation. [2021-08-18]. (原始内容存档于2011-10-13). 
  6. ^ MOSES. [2021-08-18]. (原始内容存档于2010-08-26). 
  7. ^ Natural Language Generation.. [2021-08-18]. (原始内容存档于2017-05-17). 
  8. ^ OpenPsi. [2021-08-18]. (原始内容存档于2014-05-16). 
  9. ^ Archived copy. [2015-04-24]. (原始内容存档于2018-03-19). 
  10. ^ David Burden; Maggi Savin-Baden. Virtual Humans: Today and Tomorrow. CRC Press. 24 January 2019 [25 August 2020]. ISBN 978-1-351-36526-0. (原始内容存档于2021-04-30). 
  11. ^ Ben Goertzel; Cassio Pennachin; Nil Geisweiller. Engineering General Intelligence, Part 1: A Path to Advanced AGI via Embodied Learning and Cognitive Synergy. Springer. 8 July 2014: 23– [2021-08-18]. ISBN 978-94-6239-027-0. (原始内容存档于2021-04-30).