趁着假期快速阅读了一些关于逻辑编程的文献,喜欢上了逻辑编程这种编程方式。然后,顺藤摸瓜,果然,神经网络+逻辑编程,学术界的研究也有了初步的成果,例如Logic Tensor Networks 、Neural Logic Machines 等等。本文整理了逻辑编程、prolog语言快速入门、LTN的核心思想,分享给大家。01
逻辑编程是什么?
只要给出事实和规则,它会自动分析其中的逻辑关系,然后给出答案。它描述了解决方案而不是计算步骤。基于该描述,计算机解决了该问题。从这点来说,描述问题的解决方案比设计解决问题的方法容易得多,在逻辑编程时,我们不需要关心寻找结果的过程,这就是逻辑编程具有吸引力的原因。在逻辑编程中,我们需要建立建立变量(未知数)和值(知识)之间的约束关系,例如:就是一条建立好的约束关系,我们只需编写到这一步即可,剩下的逻辑编程语言会自动计算出有效的结果。而非逻辑编程语言,需要我们一步一步告诉计算机确切地做什么,例如:for(var x=0;x<16;x++){
for(var y=0;y<16;y++){
if(x*2+y*2==16){
console.log(x,y)
}
}
}
我们需要把具体的解决方案也编写完。是不是感觉逻辑编程很简单?只需要把解题的约束建立好。学习逻辑编程,可以先从Prolog学起。
02
Prolog 语言
我们来试验下逻辑编程,开发环境是mac,打开终端,输入:注意,prolog的每条命令结尾需要添加一个 . 号终端会打印出Hello Mixlab的字样,恭喜,prolog运行成功。03
通过寻找凶手的例子,了解逻辑编程的核心思想
如何用prolog寻找凶手呢?案件是这样的Boddy先生死于谋杀,现有6名嫌疑犯,每个人在不同的房间,每间房间各有一件可能的凶器。我们不知道嫌疑犯、房间、凶器之间的对应关系。下面将根据每次探案获得的线索,一步步输入prolog,最终找出谁是凶手。这个过程是不是很像最近热播的《轮到你了》中用AI来寻找凶手的过程,也是一次次输入获得的线索,然后AI来推理。三女 Barbara、Christine、Yolandaman(george).
man(john).
man(robert).
woman(barbara).
woman(christine).
woman(yolanda).
person(X):- man(X).
person(X):- woman(X).
这样,最基本的变量(未知数)X和知识person、woman,已经建立关系。我们可以把上面这几行代码写成一个test.pl文件,然后终端输入:返回的是false,因为shadow没有录入man里,再试试输入:Logic Tensor Networks(LTN)
LTN逻辑张量网络,把知识和数据都被映射到向量空间,从而使得模型具备知识推理能力。下面通过一个例子来理解它的核心思想。通过上文的简单介绍,我们知道,需要把知识跟变量可能的值录入,程序就具备了逻辑推理能力。例如,知识“apple”,按照逻辑编程的写法“ apple(x)”,它将任何对象x作为参数,如果该对象是苹果则返回true,否则返回false。sweet(x):- apple(x),red(x)
如果apple(x)返回的不是true或者false,而是返回0到1之间的数字,这样,我们就可以通过0-1来表达x是apple的概率。一旦我们把apple(x)的取值范围变为0-1,我们就可以利用神经网络进行分类,然后再使用我们的逻辑公式对其进行推理。此外,我们可以使用逻辑公式来指导学习神经网络权重的过程。我们可以优化神经网络的权重,使其正确地将x分类为apple。我是喜欢上了逻辑编程的方式,还可以为AI加上推理能力,https://github.com/xmonader/prolog-rands/blob/master/crime.pl2 Logic Tensor Networks: Deep Learning and Logical Reasoning from Data and Knowledgehttps://arxiv.org/abs/1606.04422
本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请
点击举报。