Ngôn ngữ lập trình thần kinh-ký hiệu Scallop

• Giới thiệu về Scallop

  • Scallop là một ngôn ngữ khai báo được thiết kế để hỗ trợ suy luận ký hiệu phong phú trong các ứng dụng AI.
  • Dựa trên Datalog, đây là ngôn ngữ truy vấn dựa trên luật logic dành cho cơ sở dữ liệu quan hệ.

• Solver

  • Scallop là một bộ giải Datalog có khả năng mở rộng, hỗ trợ các chế độ suy luận rời rạc, xác suất và khả vi.
  • Có thể cấu hình các chế độ để phù hợp với yêu cầu của nhiều ứng dụng AI khác nhau.

• Framework

  • Scallop cung cấp binding để hỗ trợ các mô-đun suy luận logic trong chương trình Python.
  • Có thể tích hợp sâu với pipeline machine learning của PyTorch.

• Nhiều lĩnh vực ứng dụng

  • Scallop có thể được dùng để phát triển nhiều ứng dụng khác nhau có chứa suy luận ký hiệu trong thị giác máy tính và xử lý ngôn ngữ tự nhiên (NLP).
  • Có thể chỉ định các thành phần suy luận thông qua các luật logic và tích hợp sâu chúng với các mô hình machine learning như mạng nơ-ron tích chập và transformer.

• CLEVR, ngôn ngữ tổ hợp và suy luận thị giác cơ bản

  • Công việc này liên quan đến việc trả lời các câu hỏi như "Có bao nhiêu vật thể được tô màu xanh dương?" bằng cách suy luận về các vật thể 3D đơn giản trong một hình ảnh cho trước.
  • Sử dụng Scallop với các thành phần thần kinh tạo ra biểu diễn ký hiệu của hình ảnh và các truy vấn lập trình biểu diễn câu hỏi.
  • Các thành phần suy luận chỉ định nhiều thao tác khác nhau như chọn, so sánh và đếm các vật thể có thuộc tính được chỉ định.

• Pathfinder, suy luận tính kết nối tầm xa

  • Trong tác vụ này, đầu vào là ảnh đen trắng chứa hai điểm và một đường nét đứt.
  • Mục tiêu là xác định xem hai điểm có được nối với nhau bằng đường nét đứt hay không.
  • Với Scallop, có thể lập trình tác vụ này chỉ bằng vài dòng mã thông qua kiến trúc thần kinh đơn giản và các luật logic, đồng thời cho hiệu năng vượt trội hơn các transformer tiên tiến nhất.

• Đánh giá biểu thức toán viết tay

  • Trong tác vụ này, đầu vào là chuỗi ký hiệu viết tay bao gồm các chữ số từ 0 đến 9 và các phép toán số học đơn giản.
  • Mục tiêu là nhận diện công thức và đánh giá biểu thức.
  • Với Scallop, có thể viết một bộ phân tích cú pháp ngữ pháp phi ngữ cảnh hoàn chỉnh có khả năng phân tích đầu vào xác suất.
  • Khi được huấn luyện cùng mô hình thần kinh, nó sẽ tự động tìm công thức có khả năng cao nhất và trả về kết quả đã được tính toán.