شبکه‌های رابطه‌ای: هوش مصنوعی برای درک روابط بین اشیا

شبکه‌های رابطه‌ای (RN) چیست؟

شبکه‌های رابطه‌ای نوعی از شبکه‌های عصبی مصنوعی هستند که برای درک و استنتاج روابط بین اشیا طراحی شده‌اند. به عنوان مثال، این شبکه‌ها می‌توانند روابط مکانی مانند بالا، پایین، چپ، راست، جلوی و پشت را تشخیص دهند.

از ویژگی‌های مهم RNها می‌توان به توانایی استنتاج روابط، کارایی بالا در استفاده از داده‌ها و قابلیت پردازش مجموعه‌ای از اشیا بدون توجه به ترتیب آنها اشاره کرد.

تاریخچه

در ژوئن ۲۰۱۷، شرکت دیپ‌مایند اولین شبکه رابطه‌ای را معرفی کرد. این فناوری توانست عملکردی فراتر از انسان در حل چندین مجموعه مسئله پرسش و پاسخ نشان دهد.

طراحی

شبکه‌های رابطه‌ای با محدود کردن شکل تابعی شبکه عصبی، ویژگی‌های مشترک استدلال رابطه‌ای را مدل می‌کنند. این ویژگی‌ها به صورت صریح به سیستم اضافه می‌شوند، نه اینکه تنها از طریق یادگیری کسب شوند. داده‌های ورودی می‌توانند به صورت لیست ساده یا گراف جهت‌دار با گره‌هایی به عنوان اشیا و یال‌هایی به عنوان روابط بین آنها ارائه شوند.

RN یک تابع مرکب است که در آن ورودی مجموعه‌ای از اشیا است و تابع‌های fφ و gθ با پارامترهای φ و θ، به ترتیب، برای پردازش آنها استفاده می‌شوند.

پردازش تصاویر (۱۲۸x۱۲۸ پیکسل) با استفاده از شبکه عصبی کانولوشنال چهار لایه انجام می‌شود. خروجی‌های این شبکه به عنوان اشیا برای تحلیل روابط در نظر گرفته می‌شوند.