Ett matematiskt ramverk som överbryggar klyftan mellan hög nivå av mänsklig läsbar kunskap och statistisk data har utvecklats av ett KAUST-team och förväntas förbättra maskininlärning.

Människor litar på mönster, etiketter och ordning för att förstå världen. Vi kategoriserar, klassificera och skapa kopplingar mellan relaterade saker och idéer, skapa symboler som vi kan använda för att dela information. Artificiell intelligens, å andra sidan, tränas mest effektivt med hjälp av råa numeriska data. Hur, sedan, kan artificiell intelligens algoritmer använda vårt stora lager av symbolisk kunskap? Detta är ett irriterande problem och ett som, om den är sprucken, skulle kunna öppna ett enormt nytt flerdimensionellt bibliotek för maskininlärning och artificiell intelligens.

Robert Höhndorf, Maxat Kulmanov och deras medarbetare vid KAUSTs Computational Bioscience Research Center och Halifax University, Kanada, har utvecklat en matematisk brygga mellan dessa till synes inkompatibla former av information.

"Det finns en stor klyfta i forskning om artificiell intelligens mellan tillvägagångssätt baserade på symboliska representationer på hög nivå som är förståeliga av människor och de subsymboliska metoder som används för att träna artificiella neurala nätverk, " förklarar Kulmanov. "Symboliska tillvägagångssätt bygger på logiska relationer, medan subsymboliska tillvägagångssätt förlitar sig på statistik och kontinuerliga realnumrerade vektorrum."

Forskarna satte sig för att utveckla en "inbäddningsfunktion" som kartlägger en matematisk struktur till en annan på ett sätt som bevarar några av funktionerna i den första strukturen.

"Inbäddningar används eftersom den andra strukturen kan vara mer lämplig för vissa operationer, " säger Hoehndorf. "I detta arbete, vi kartlade ett formellt språk, kallas en beskrivningslogik, in i ett vektorutrymme med reella tal, som lättare kan användas för maskininlärning, såsom datorlikhet och att utföra prediktiva operationer."

Beskrivningslogik används i stor utsträckning inom biologi och biomedicin för att beskriva formaliserade teorier, såsom geners funktioner och den terminologi som används vid medicinsk diagnos.

"Logik, såsom beskrivningslogik, har varit grunden för artificiell intelligens sedan 1960-talet och har studerats i matematik i mer än 100 år, " säger Hoehndorf. "Byggande på denna forskningshistoria, vi skapade en inbäddningsfunktion som inte bara projicerar symboler i ett vektorrum, men genererar också algebraiska modeller för att fånga symbolernas semantik inom beskrivningslogik."

Nyckeln till lagets prestation är att koppla inbäddningen till modellteori, som gjorde det möjligt att dra på etablerad kunskap och skapa den första inbäddningen som bevarar semantiken.

"Vår metod är direkt tillämpbar på hundratals formaliserade teorier inom biologisk och biomedicinsk forskning och hundratals biologiska databaser, " säger Kulmanov. "I framtiden, vi kommer att tillämpa vår metod på fler problem inom biologi, som vi hoppas kommer att förbättra biomedicinska tillämpningar av artificiell intelligens."