Probabilistiska Action Cores
Version | 1.1.2 |
---|---|
Ramverk | Pytonorm |
Typ | Instruktionstolk för naturligt språk |
Licens | BSD |
Ledande utvecklare | Daniel Nyga |
Inleda | Institutet för artificiell intelligens, universitetet i Bremen |
Hemsida | http://www.actioncores.org |
PRAC (Probabilistic Action Cores) är en tolk för naturliga språkinstruktioner för robotapplikationer utvecklad vid Institutet för artificiell intelligens vid universitetet i Bremen, Tyskland , och stöds i delar av Europeiska kommissionen och den tyska forskningsstiftelsen (DFG) .
Mål
Det slutliga målet med PRAC-systemet är att göra kunskap om vardagliga aktiviteter från webbplatser som wikiHow tillgänglig för tjänsterobotar, så att de självständigt kan förvärva nya högnivåfärdigheter genom att surfa på webben . PRAC tar itu med problemet att naturligt språk till sin natur är vagt och ospecifikt. För detta ändamål upprätthåller PRAC probabilistiska första ordningens kunskapsbaser över semantiska nätverk representerade i Markovs logiska nätverk . Till skillnad från andra semantiska inlärningsinitiativ som NELL eller IBMs Watson syftar PRAC inte till att svara på frågor på naturligt språk , utan att disambiguera och härleda informationsbitar som saknas i naturliga språkinstruktioner, så att de kan utföras av en robot. "Denna problemformulering skiljer sig väsentligt från problemet med textförståelse för svar på frågor eller maskinöversättning. I dessa resonemangsuppgifter kan vagheten och tvetydigheten i naturliga språkuttryck ofta behållas och översättas till andra språk. Däremot har robotagenter att sluta sig till saknade informationsbitar och disambiguera innebörden av instruktionen för att utföra instruktionen framgångsrikt." Förutom probabilistiska relationsmodeller använder PRAC principerna för analogt resonemang och instansbaserat lärande för att slutföra roller i semantiska nätverk.
PRAC har framgångsrikt använts för att lära robotar att utföra kemiska experiment och att göra pannkakor och pizza från wikiHow- artiklar.