研究倡议

版本1.0

SingularityNET让任何人都可以大规模创建、共享和货币化人工智能服务。它是一个由去中心化协议驱动的全栈人工智能解决方案。下文概述的倡议包括核心研究领域,这些领域可以通过支持和改进平台/服务规划蓝图中所述的模块来强化我们长远的人工智能能力。

SingularityNET和OpenCog驱动的Sophia

Sophia很快就可以实现由SingularityNET和OpenCog技术共同支持的云服务来控制了。

在SingularityNET Foundation和Hanson Robotics的合作中,为了进一步提升智能,OpenCog AGI工具包和SingularityNET框架被用于创作世界著名的索菲亚机器人以及玩具大小的汉森机器人。这些工具将作为一套社交机器人解决方案打包,也可以作为进一步研究的基础。

具体来说,我们将在两个研究项目中使用OpenCog AI控制Sophia。第一个项目目的是表明当OpenCog被用来控制索菲亚时,在响应复杂信息的时候比响应简单信息她有更高水平的Tononi Phi(一种流行的人类大脑“意识”量化指标)。

第二种使用Sophia的情况是,结合一种独特的开发方式,去与人们互动,以改善他们的情绪和精神状态(在某些情况下,诱导出转变性的幸福状态)。这些是“关爱型人工智能”实验。这些试验正在加州进行。

我们还会训练具有运动捕捉数据功能的神经网络,为Sophia提供更人性化的表情和头部动作。

语义感知

我们目标是探索神经符号学习,将深度神经网络与概率逻辑推理结合起来。

开发深度神经网络模型,学习关键语义变量的概率模型和他们建模的数据中的关系,是创建可以进行转移学习和终身学习的深层网络的关键,也是结合神经和符号系统形成混合智能的关键。在这方向上的研发,对图像和视频处理,语音处理和机器人运动等应用具有直接的实用价值。 它还通过创建基于神经网络的感知系统与符号认知系统的接口来逐步建立通用智能。 概率编程是用于桥接这种综合系统神经和符号方面的强大工具。

OfferNets

OfferNets (Offer Networks)是一个研究项目,旨在创建一种基于货币交易的替代品。

Offer Networks提供了基于货币交易的替代方案,使用约束满足算法来优化复杂的易货网络。 在许多情况下,例如那些显示性偏好作为普遍存在的时候,它们可以比基于货币的交易带来更高的总体满意度。 SingularityNET的未来版本可能包括与基于货币的交易一起使用的Offer Networks,保证每个交易都有最适合的方式。 目前的研究重点是在SingularityNET API之上对Offer Networks的版本进行原型设计,以探索Offer Network在AI Agent以及社区环境中发挥的动态效果。

SingularityNET模拟

模拟了大型复杂的SingularityNET的动态。

大型复杂的SingularityNET动态初始模型已完成,并且已经用于研究这种网络中信息流的动态效果。 这个初始模型将被完善并用于作为探索和理解SingularityNET动态以及评估有关网络监管和治理潜在决策的有力手段。

信誉系统

我们正在研究一种独特的人工智能服务提供者信誉办法,还可以扩展到新的共识框架:信誉证明(Proof of Reputation)。

对于大多数社交网络和在线平台而言,衡量各方面的信誉和质量是一个复杂的问题。 如果实施得当,AI可以提供帮助。 SingularityNET在这里发挥着双重作用:它需要一个复杂的信誉系统来实现其最终目标,它还提供了为复杂的信誉系统提供动力所需的AI。 我们具体的信誉系统正在开发中,原型未来会在SingularityNET中实施。 这种信誉系统也适用于其他环境,我们将会和一些外部区块链项目合作,让之成熟。

语言学习

从大型无标签语料库中学习自然语言的语法是人工智能领域尚未解决的问题之一,但SingularityNET的AI团队(与OpenCog Foundation和Hanson Robotics合作)正取得重大进展。

这既是一种深刻的理论追求,也是一种具有潜在重要实际应用的东西,从识别社交媒体帖子中的相关含义和关系到自动创建发展世界语言的语言学工具,而无需用到计算语言学数据库。 这里开发的算法以独特的方式将基于OpenCog的信息理论符号推理与基于神经网络的学习相结合。

这项工作的一个分支结合了语言学习算法和执行图像理解的深度神经网络,从未标记的标题图像语料库中推断出基础语义和语法。

推理控制的元学习

概率元学习是一个关键的AGI组件,最终可以使一个系统自我优化其行为。

OpenCog AGI工具包包含多个AI算法,其中包含与概率学习相关的常见元素。示例包括:PLN概率逻辑引擎,MOSES进化程序学习框架,超图模式挖掘器,以及自然语言理解和生成的发布。所有这些算法以及其他算法都可以在历史概率引导的前向,后向和前向 - 后向推理的共同框架内以数学方式进行投射。

我们当前的开发计划侧重于通过使用OpenCog统一规则引擎以常见方式在OpenCog中实现这些算法,将这一数学变为现实。这是迈向更加'面向AGI'学习方法的第一步,其中使用概率元学习来研究过去有助于学习成功的模式,然后可以用它来指导未来的学习,使其更高效。

福利项目:长寿数据分析

我们会将生物医学数据分析工具应用于活到110岁或以上老人的遗传数据上。

我们希望发现超级老年人(110岁或以上)与普通人区分开来的遗传变异的组合,并利用我们的生物医学数据分析工具更好地了解这些变异的后果及其在生物过程和不同细胞成分中的作用。 这项研究的见解将与生命科学界公开分享,并可以推动衰老机制的进一步研究。

福利项目:诊断和了解作物病害

我们将与总部位于亚的斯亚贝巴的AI公司iCog实验室和中国四川乐山农业研究所合作,利用深层神经网络和其他人工智能工具,根据植物图像诊断作物病害。

我们将调整深度神经网络架构和其他AI工具来处理植物图像的数据集,这样我们不仅可以从图像中诊断疾病,还可以了解病株植物语料库中隐含的关键潜在变量。