18/10/21 16:59:44.28 dMO/EGIM.net
URLﾘﾝｸ(www.zdnet.com)
「さまざまな圧力の下で開発された人間の知性の多くの特徴を定義することは、現在のアプローチの範囲を超えており、
特に「経験を超えて一般化する」ものです。
したがって、「人間と機械の知性の間には、特に効率的で一般化可能な学習に関して、大きなギャップが残っています。
これに対応して、彼らは「強力な深い学習アプローチを構造化された表現と融合させる」と主張し、
その解決策は「グラフネットワーク」と呼ばれるものです。
これらは、オブジェクトの集合のモデルであり、
その関係はオブジェクトを接続する「エッジ」として明示的にマッピングされます。
「人間の認知は、世界が物と関係で構成されていることを強く前提にしており、
GNs [グラフネットワーク]も同様の仮定を立てているため、それらの行動は解釈可能になる傾向がある」
しかし、以前の研究とは異なり、著者らは、ニューラルネットワーク自体を使用する必要がないという驚くべき主張をしています。
むしろ、オブジェクトの関係をモデリングすることは、CNN、リカレントニューラルネットワーク（RNN）、
ロング短期記憶（LSTM）システムなどのさまざまな機械学習モデルに及ぶだけでなく、集合理論のような神経網ではない。