Banca de QUALIFICAÇÃO: SILVAN FERREIRA DA SILVA JÚNIOR

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : SILVAN FERREIRA DA SILVA JÚNIOR
DATA : 29/07/2022
HORA: 14:00
LOCAL: Google Meet
TÍTULO:

Uma abordagem Neuro-Symbolica para raciocínio lógico com alinhamento Cross-Modal e transformers aumentador por memória

PALAVRAS-CHAVES:

Neuro-Simbólico, Inteligência Artificial, Raciocínio Lógico,
Transformers.

PÁGINAS: 70
RESUMO:

A aprendizagem de máquina moderna é fortemente baseada em modelos conexionistas capazes de alcançar resultados inovadores em diversas tarefas que envolvem percepção e extração de recursos. No entanto, essa abordagem tende a funcionar como "caixas cinzas", pois carece de explicabilidade, o que também pode trazer questionamentos sobre a confiabilidade do sistema. Nesta tese, propomos um sistema Neuro-Simbólico capaz de extrair informações estruturadas sobre os objetos no ambiente, como por exemplo pessoas ou objetos em uma imagem ou frases em um texto, bem como converter uma pergunta em linguagem natural em uma pergunta intermediária e executá-la. As entidades na consulta, ou seja, partes do texto relacionadas às características dos objetos, são extraídas e passadas para um codificador de texto pré-treinado para produzir vetores de incorporação. O mesmo processo é feito para os objetos, usando um modelo pré-treinado conveniente, dependendo do domínio dos objetos. Os embeddings de entidades e objetos são passados para um modelo de alinhamento para medir a correspondência entre eles e, assim, construir uma matriz de alinhamento que contém informações sobre o par objeto-entidade, para ser utilizado no módulo de raciocínio lógico e computar as consultas de entrada. Para esta proposta de tese, o raciocinador lógico é implementado e testado de duas maneiras: como um interpretador, que executa uma árvore sintática abstrata construída a partir da linguagem de consulta intermediária, e como um Transformer de memória aumentada, pré-treinado de forma auto-supervisionada com dados sintéticos para, em uma abordagem auto-regressiva, computar a saída lendo e escrevendo na memória sequencialmente. Experimentos mostram que bons resultados e um alto nível de explicabilidade e robustez podem ser alcançados. Além disso, o framework proposto nesta tese permite estender essa abordagem a diferentes domínios, como texto e vídeo.

MEMBROS DA BANCA:
Presidente - 2579664 - ALLAN DE MEDEIROS MARTINS
Interno - 2885532 - IVANOVITCH MEDEIROS DANTAS DA SILVA
Externo à Instituição - FRANCISCO DE ASSIS BRITO FILHO - UFERSA