神経記号プログラミング言語 Scallop

• Scallop の紹介

  • Scallop は、AI アプリケーションにおける豊かな記号推論を支援するために設計された宣言的言語。
  • Datalog に基づく、関係データベース向けの論理規則ベースのクエリ言語。

• Solver

  • Scallop はスケーラブルな Datalog ソルバーであり、離散的・確率的・微分可能な推論モードをサポート。
  • さまざまな AI アプリケーションの要件に合わせてモードを構成できる。

• Framework

  • Scallop は、Python プログラム内で論理推論モジュールを利用するためのバインディングを提供。
  • PyTorch の機械学習パイプラインと深く統合できる。

• 多様な応用分野

  • Scallop は、ビジョンや自然言語処理（NLP）において記号推論を含む多様なアプリケーションの開発に利用できる。
  • 論理規則を通じて推論コンポーネントを指定し、それを畳み込みニューラルネットワークや Transformer などの機械学習モデルと深く統合できる。

• CLEVR、組合せ的言語と基本的な視覚推論

  • このタスクは、与えられた画像内の単純な 3D オブジェクトについて推論し、「いくつのオブジェクトが青く塗られているか？」のような質問に答えることに関するもの。
  • Scallop を使って、画像の記号表現を生成するニューラルコンポーネントと、質問を表現するプログラミングクエリを用いる。
  • 推論コンポーネントは、指定された属性を持つオブジェクトの選択、比較、計算といったさまざまな操作を定義する。

• Pathfinder、長距離接続性推論

  • このタスクでは、2 つの点と破線を含む白黒画像が与えられる。
  • 目標は、2 つの点が破線によって接続されているかどうかを判定すること。
  • Scallop を用いれば、シンプルなニューラルアーキテクチャと論理規則によって、このタスクを数行のコードでプログラムでき、最新の Transformer より優れた性能を示す。

• 手書き数式の評価

  • このタスクでは、0 から 9 までの数字と簡単な算術演算を含む手書き記号のシーケンスが与えられる。
  • 目標は、数式を認識して式を評価すること。
  • Scallop を使うことで、確率的入力を構文解析できる完全な文脈自由文法パーサーを記述できる。
  • ニューラルモデルとともに学習し、最も可能性の高い数式を自動的に見つけて評価結果を返す。