Ciclo

Cyc (pronunciado SYKE) es un proyecto de inteligencia artificial a largo plazo que tiene como objetivo reunir una ontología integral y una base de conocimiento que abarque los conceptos básicos y las reglas sobre cómo funciona el mundo. Con la esperanza de capturar el conocimiento del sentido común, Cyc se enfoca en el conocimiento implícito que otras plataformas de IA pueden dar por sentado. Esto se contrasta con los hechos que uno puede encontrar en algún lugar de Internet o recuperar a través de un motor de búsqueda o Wikipedia. Cyc permite a los razonadores semánticos realizar un razonamiento similar al humano y ser menos "frágil" cuando se enfrentan a situaciones novedosas.

Douglas Lenat comenzó el proyecto en julio de 1984 en MCC, donde fue científico principal de 1984 a 1994, y luego, desde enero de 1995, ha estado bajo desarrollo activo por parte de la compañía Cycorp, donde es el CEO.

Resumen

La necesidad de un proyecto masivo de inteligencia artificial simbólica de este tipo nació a principios de la década de 1980. Los primeros investigadores de IA tenían una amplia experiencia durante los 25 años anteriores con programas de IA que generaban resultados iniciales alentadores pero que luego fallaban en 'ampliarse': ir más allá del 'conjunto de entrenamiento'. para abordar una gama más amplia de casos. Douglas Lenat y Alan Kay hicieron pública esta necesidad y organizaron una reunión en Stanford en 1983 para abordar el problema. Los cálculos preliminares de Lenat, Kay y sus colegas (incluidos Marvin Minsky, Allen Newell, Edward Feigenbaum y John McCarthy) indicaron que ese esfuerzo requeriría entre 1000 y 3000 años-persona de esfuerzo, mucho más que el modelo estándar de proyecto académico. Sin embargo, los eventos dentro de un año de esa reunión permitieron que un esfuerzo de esa escala se pusiera en marcha.

El proyecto comenzó en julio de 1984 como el proyecto insignia de Microelectronics and Computer Technology Corporation (MCC) de 400 personas, un consorcio de investigación iniciado por dos docenas de grandes corporaciones con sede en los Estados Unidos para contrarrestar un entonces ominoso esfuerzo japonés. en IA, la llamada "quinta generación" proyecto." El gobierno de EE. UU. reaccionó a la amenaza de la Quinta Generación al aprobar la Ley Nacional de Investigación Cooperativa de 1984, que por primera vez permitió a las empresas estadounidenses "coludir" en investigación de alto riesgo y alto rendimiento a largo plazo, y MCC y Sematech surgieron para aprovechar esa oportunidad de diez años. El primer presidente y director ejecutivo de MCC fue Bobby Ray Inman, ex director de la NSA y subdirector de la Agencia Central de Inteligencia.

El objetivo del proyecto Cyc era codificar, en forma utilizable por máquina, los millones de piezas de conocimiento que componen el sentido común humano. Esto implicó, a lo largo del camino, (1) desarrollar un lenguaje de representación adecuadamente expresivo, CycL, (2) desarrollar una ontología que abarque todos los conceptos humanos hasta cierto nivel apropiado de detalle, (3) desarrollar una base de conocimientos sobre ese marco ontológico, que comprenda todo el conocimiento humano sobre esos conceptos hasta cierto nivel apropiado de detalle, y (4) desarrollar un motor de inferencia exponencialmente más rápido que los que se usaban en los sistemas expertos convencionales de entonces, para poder inferir los mismos tipos y profundidad de conclusiones que los humanos son capaces dado su conocimiento del mundo.

Con un poco más de detalle:

• El lenguaje de representación CycL comenzó como una extensión de RLL (la llamada Lenguaje de Representación, desarrollada en 1979–1980 por Lenat y su estudiante graduado Russell Greiner mientras en la Universidad de Stanford), pero dentro de unos pocos años del lanzamiento del proyecto Cyc se hizo evidente que incluso representando una historia de noticias típicas o la novela o publicidad requeriría más que el poder expresivo de la lógica de primer orden, a saber, En 1989, CycL se había expandido en el poder expresivo a la lógica de orden superior (HOL).
  • Las representaciones de Triplestore (que son similares a las lenguas de representación de Frame -y-slot de la década de 1970, de las cuales RLL brotó) se difunden hoy en AI. Puede ser útil citar algunos ejemplos que enfatizan o rompen ese tipo de representación, típicos de los ejemplos que obligaron al proyecto Cyc a pasar de una representación de triples a uno mucho más expresivo durante el período 1984–1989: Las frases en inglés incluyendo las negaciones ("Fred no posee un perro"), los cuantificadores anidados ("Todos los americanos tienen una madre" significa para todos los x allí-existas y... pero "Todos los americanos tienen un presidente" significa allí-existe y tal que para todo x...), modales anidados como "Estados Unidos cree que Alemania quiere que la OTAN evite perseguir..." y es incluso incómodo representar, en una Triplestore relaciones
• La ontología de Cyc creció a alrededor de 100.000 términos durante la primera década del proyecto, a 1994, y a partir de 2017 contenía alrededor de 1,500,000 términos. Esta ontología incluyó:
  • 416.000 colecciones (tipos, tipos, tipos naturales, que incluyen ambos tipos de cosas como el pescado y tipos de acciones como la pesca)
  • un poco más de un millón de personas
    • 42,500 predicados (relaciones, atributos, campos, propiedades, funciones),
    • alrededor de un millón de entidades generalmente conocidas como TheUnitedStatesOfAmerica, Barack Obama, TheSigningOfTheUSDeclarationOfIndependence, etc.
    • Un número arbitrario de términos adicionales también son implícitamente presente en la ontología Cyc, en el sentido de que hay funciones de denominación como CalendarYearFn (cuando se le dio el argumento 2016, denota el año calendario 2016), GovernmentFn (cuando se le dio el argumento Francia denota el gobierno de Francia), Meter (cuando se le dio el argumento 2016, denota una distancia de 2.016 kilómetros), y anidaciones y composiciones de tales términos de denominación de funciones.
• La base de conocimientos Cyc de reglas y afirmaciones generales de sentido común que implican esos términos ontológicos se creó en gran medida mediante la escritura axioma manual; creció a alrededor de 1 millón en 1994, y a partir de 2017 es de unos 24,5 millones y ha tomado mucho más de 1.000 años de esfuerzo para construir.
  • Es importante entender que los ingenieros ontológicos Cyc se esfuerzan por mantener esos números como pequeño como sea posible, no inflarlos, siempre y cuando el cierre deductivo de la base de conocimiento no se reduce. Supongamos que Cyc se cuenta sobre mil millones de personas individuales, animales, etc. Entonces se podría decir 10¹⁸ hechos de la forma "Mickey Mouse no es el mismo individuo que BuBullwinkle el Moose/Abraham Lincoln/Jennifer López título". Pero en lugar de eso, uno podría decirle a Cyc 10,000 reglas de taxonomía Linnaean seguido por sólo 10⁸ reglas de la forma "Ningún ratón es un moose". Y aún más compactamente, Cyc podría en su lugar sólo recibir esas 10.000 reglas de taxonomía Linana seguidas por una sola regla de la forma "Para cualquier dos taxones Linneos, si no se sabe explícitamente que son un supertaxón del otro, entonces están descompuestos". Esas afirmaciones de 10,001 tienen el mismo cierre deductivo que las 10¹⁸ hechos.
• El diseño del motor de inferencia Cyc separa el problema epistemológico (qué contenido debería estar en el Cyc KB) del problema heurístico (cómo Cyc podría inferir eficientemente argumentos cientos de pasos profundos, en un mar de decenas de millones de axiomas). Para hacer el primero, el lenguaje CycL y la inferencia lógica bien comprendida podría bastar. Para este último, Cyc utilizó una arquitectura de la comunidad de edad, donde módulos de razonamiento especializados, cada uno con su propia estructura de datos y algoritmo, "raizó su mano" si pudieran avanzar eficientemente en cualquiera de los subproblemas actualmente abiertos. Para 1994 había 20 módulos de nivel heurístico (HL); a partir de 2017 hay más de 1.050 módulos HL.
  • Algunos de estos módulos de HL son muy generales, como un módulo que bloquea la Kleene Star (cierre transitorio) de todas las relaciones transitivas de uso común en la ontología de Cyc.
  • Algunos son de dominio específico, como un equilibrador de ecuación química. Estos pueden ser y a menudo son un "escape" a (puntero a) algún programa disponible externamente o webservice o base de datos en línea, como un módulo para "computar" rápidamente a la población actual de una ciudad sabiendo dónde/cómo buscarlo.

CycL tiene una especificación publicada públicamente y se describieron docenas de módulos HL en el libro de texto de Lenat y Guha, pero el código del motor de inferencia Cyc real y la lista completa de más de 1000 módulos HL son propiedad de Cycorp.

El nombre "Cyc" (de "enciclopedia", pronunciado [saɪk], como "syke") es una marca registrada propiedad de Cycorp. El acceso a Cyc es a través de licencias pagas, pero los grupos de investigación de IA de buena fe reciben licencias sin costo solo para investigación (cf. ResearchCyc); a partir de 2017, más de 600 de estos grupos en todo el mundo tienen estas licencias.

Las piezas típicas de conocimiento representadas en la base de conocimiento de Cyc son "Cada árbol es una planta" y "Las plantas mueren eventualmente". Cuando se le pregunta si los árboles mueren, el motor de inferencia puede sacar la conclusión obvia y responder la pregunta correctamente.

La mayor parte del conocimiento de Cyc, fuera de las matemáticas, solo es verdadero de forma predeterminada. Por ejemplo, Cyc sabe que por defecto los padres aman a sus hijos, cuando te hacen feliz sonríes, dar tu primer paso es un gran logro, cuando alguien a quien amas tiene un gran logro que te hace feliz, y solo los adultos tienen hijos. Cuando se le preguntó si una imagen con el título "Alguien viendo a su hija dar su primer paso" contiene una persona adulta sonriente, Cyc puede inferir lógicamente que la respuesta es Sí, y "mostrar su trabajo" presentando el argumento lógico paso a paso usando esos cinco conocimientos de su base de conocimiento. Estos están formulados en el lenguaje CycL, que se basa en el cálculo de predicados y tiene una sintaxis similar a la del lenguaje de programación Lisp.

En 2008, los recursos de Cyc se asignaron a muchos artículos de Wikipedia. Cyc actualmente está conectado a Wikidata. Los planes futuros pueden conectar Cyc tanto a DBpedia como a Freebase.

Gran parte del trabajo actual de Cyc sigue siendo la ingeniería del conocimiento, la representación manual de hechos sobre el mundo y la implementación de mecanismos de inferencia eficientes sobre ese conocimiento. Sin embargo, cada vez más, el trabajo en Cycorp implica dar al sistema Cyc la capacidad de comunicarse con los usuarios finales en lenguaje natural y ayudar con el proceso continuo de formación de conocimientos a través del aprendizaje automático y la comprensión del lenguaje natural. Otro gran esfuerzo en Cycorp es construir un conjunto de herramientas de ingeniería ontológica impulsadas por Cyc para bajar el listón de entrada para que las personas contribuyan, editen, exploren y consulten Cyc.

Al igual que muchas empresas, Cycorp tiene la ambición de utilizar el procesamiento de lenguaje natural de Cyc para analizar todo Internet y extraer datos estructurados; a diferencia de todos los demás, es capaz de recurrir al propio sistema Cyc para que actúe como un sesgo inductivo y como adjudicador de la ambigüedad, la metáfora y la elipsis. Hay pocos, si es que hay alguno, estudios comparativos sistemáticos del rendimiento de Cyc.

Base de conocimientos

Los nombres de los conceptos en Cyc son términos o constantes de CycLE. Las constantes comienzan con un "#$" opcional. y distinguen entre mayúsculas y minúsculas. Hay constantes para:

• Artículos individuales conocidos como particulares, como #$BillClinton o #$France.
• Colecciones, como #$Tree-ThePlant (contiene todos los árboles) o #$EquivalenciaRelación (contiene todas las relaciones de equivalencia). Un miembro de una colección se llama ejemplo de esa colección.
• Funciones, que producen nuevos términos de los dados. Por ejemplo, #$FruitFn, cuando se proporciona con un argumento que describe un tipo (o colección) de plantas, devolverá la colección de sus frutos. Por convención, las constantes de las funciones comienzan con una letra mayúscula y terminan con la cadena "Fn".
• Funciones de la verdad, que puede aplicarse a uno o más conceptos y devolver ya sea verdadero o falso. Por ejemplo, #$siblings es la relación de hermanos, verdadera si los dos argumentos son hermanos. Por convención, las constantes de la función de la verdad comienzan con una carta de menor tamaño. Las funciones de la verdad pueden dividirse en conectores lógicos (como #$and, #$or, #$not, #$implies), cuantificadores (#$forAll, #$thereExists, etc.) y predicados.

Dos predicados binarios importantes son #$isa y #$genls. El primero describe que un elemento es una instancia de alguna colección, el segundo que una colección es una subcolección de otra. Los hechos sobre los conceptos se afirman usando ciertas oraciones de CycL. Los predicados se escriben antes de sus argumentos, entre paréntesis:

(#$isa #$BillClinton #$United StatesPresident)

"Bill Clinton pertenece a la colección de presidentes de Estados Unidos."

(#$genls #$Tree-ThePlant #$Plant)

"Todos los árboles son plantas."

(#$capital Ciudad #$France #$Paris)

"París es la capital de Francia."

Las oraciones también pueden contener variables, cadenas que comienzan con "?". Estas oraciones se llaman "reglas". Una regla importante afirmada sobre el predicado #$isa dice:

(#$implies
(#$and
(#$isa?OBJ ?SUBSET)
(#$genls?SUBSET ?SUPERSET)
(#$isa?OBJ ?SUPERSET)

"Si OBJ es una instancia de la colección SUBSET y SUBSET es una subcolección de SUPERSET, entonces OBJ es una instancia de la colección SUPERSET". Otro ejemplo típico es

(#$relationAllExists #$biological Madre #$Chordata Phylum #$FemaleAnimal)

lo que significa que para cada instancia de la colección #$ChordataPhylum (es decir, para cada cordado), existe un animal hembra (instancia de #$FemaleAnimal), que es su madre (descrita por el predicado #$biologicalMother).

La base de conocimiento se divide en microteorías (Mt), colecciones de conceptos y hechos típicamente pertenecientes a un ámbito particular de conocimiento. A diferencia de la base de conocimiento como un todo, cada microteoría debe estar libre de contradicciones monótonas. Cada microteoría es un objeto de primera clase en la Cyc ontología; tiene un nombre que es una constante regular; constantes de microteoría contienen la cadena "Mt" por convención. Un ejemplo es #$MathMt, la microteoría que contiene conocimiento matemático. Las microteorías pueden heredar unas de otras y están organizadas en una jerarquía: una especialización de #$MathMt es #$GeometryGMt, la microteoría sobre la geometría.

Motor de inferencia

Un motor de inferencia es un programa informático que intenta obtener respuestas a partir de una base de conocimientos. El motor de inferencia Cyc realiza una deducción lógica general (incluyendo modus ponens, modus tollens, cuantificación universal y cuantificación existencial). También realiza razonamiento inductivo, aprendizaje automático estadístico y aprendizaje automático simbólico, y razonamiento abductivo (pero, por supuesto, con moderación y utilizando la base de conocimiento existente como filtro y guía).

Lanzamientos

Ciclo Abierto

La primera versión de OpenCyc se lanzó en la primavera de 2002 y contenía solo 6000 conceptos y 60 000 hechos. La base de conocimientos se publicó bajo la Licencia Apache. Cycorp declaró su intención de lanzar OpenCyc bajo licencias paralelas y sin restricciones para satisfacer las necesidades de sus usuarios. El intérprete CycL y SubL (el programa que permite a los usuarios navegar y editar la base de datos, así como hacer inferencias) se lanzó de forma gratuita, pero solo como binario, sin código fuente. Estuvo disponible para Linux y Microsoft Windows. El proyecto de código abierto Texai lanzó el contenido compatible con RDF extraído de OpenCyc. En junio de 2012 se lanzó una versión de OpenCyc, 4.0. OpenCyc 4.0 incluía gran parte de la ontología Cyc en ese momento, que contenía cientos de miles de términos, junto con millones de afirmaciones que relacionaban los términos entre sí; sin embargo, estas son principalmente afirmaciones taxonómicas, no las reglas complejas disponibles en Cyc. La base de conocimientos de OpenCyc 4.0 contenía 239 000 conceptos y 2 093 000 hechos.

El objetivo principal de lanzar OpenCyc fue ayudar a los investigadores de IA a comprender lo que faltaba en lo que ahora llaman ontologías y gráficos de conocimiento. Es útil e importante tener conceptos correctamente taxonomizados como persona, noche, sueño, acostado, despierto, feliz, etc., pero lo que falta en el contenido de OpenCyc sobre esos términos, pero presentes en el contenido de Cyc KB, son las diversas reglas generales que la mayoría de nosotros compartimos sobre esos términos: que (por defecto, en ModernWesternHumanCultureMt) cada persona duerme por la noche, duerme acostada, se puede despertar, no está contento con que lo despierten, y así sucesivamente. Ese punto no requiere versiones actualizadas continuamente de OpenCyc, por lo que, a partir de 2017, OpenCyc ya no está disponible.

Ciclo de investigación

En julio de 2006, Cycorp lanzó el ejecutable de ResearchCyc 1.0, una versión de Cyc dirigida a la comunidad de investigación, sin cargo. (ResearchCyc estuvo en etapa beta de desarrollo durante todo 2004; se lanzó una versión beta en febrero de 2005). Además de la información taxonómica contenida en OpenCyc, ResearchCyc incluye un conocimiento semántico significativamente mayor (es decir, hechos adicionales y reglas generales) que involucran los conceptos en su base de conocimiento; también incluye un gran léxico, herramientas de generación y análisis en inglés e interfaces basadas en Java para la edición y consulta de conocimientos. Además contiene un sistema de integración de datos basado en ontologías. A partir de 2017, continuaron apareciendo versiones periódicas de ResearchCyc, con 600 grupos de investigación utilizando licencias en todo el mundo sin costo para fines de investigación no comerciales. A partir de diciembre de 2019, ya no se admite ResearchCyc. Cycorp espera mejorar y revisar las herramientas para desarrolladores externos en los próximos años.

Aplicaciones

Ha habido más de cien aplicaciones exitosas de Cyc; Aquí se enumeran algunos casos diferentes entre sí:

Administrador/integrador de tesauros de términos farmacéuticos

Durante más de una década, Glaxo ha utilizado Cyc para integrar de forma semiautomática todos los grandes tesauros (cientos de miles de términos) de términos de la industria farmacéutica que reflejan diferentes usos entre empresas, países, años y subsectores. Esta tarea de integración de ontología requiere conocimiento del dominio, conocimiento semántico superficial, pero también conocimiento y razonamiento de sentido común arbitrariamente profundo. El vocabulario farmacéutico varía entre países, (sub) industrias, empresas, departamentos y décadas de tiempo. Por ejemplo, ¿qué es un paquete de gel? ¿Cuál es el "nombre de la calle" del clorhidrato de ranitidina? Cada uno de estos n vocabularios controlados es una ontología con aproximadamente 300k términos. Los investigadores de Glaxo deben emitir una consulta en su vocabulario actual, hacer que se traduzca a un "significado verdadero" neutral y luego transformarlo en la dirección opuesta para encontrar posibles coincidencias con los documentos, cada uno de los cuales fue escrito. cumplir con un vocabulario particular conocido. Habían estado usando una gran cantidad de personal para hacerlo manualmente. Cyc se utiliza como interlingua universal capaz de representar la unión de los "verdaderos significados" de todos los términos, y capaz de representar las 300k transformaciones entre cada uno de esos vocabularios controlados y Cyc, convirtiendo así un problema n² en uno lineal sin introducir el tipo habitual de atenuación del significado del "juego telefónico". Además, la creación de cada una de esas asignaciones de 300k para cada tesauro se realiza de forma en gran parte automatizada, por parte de Cyc.

Base de conocimientos sobre terrorismo

La Base de conocimiento integral sobre terrorismo era una aplicación de Cyc en desarrollo que intentaba contener en última instancia todo el conocimiento relevante sobre "terrorista" grupos, sus miembros, líderes, ideología, fundadores, patrocinadores, afiliaciones, instalaciones, ubicaciones, finanzas, capacidades, intenciones, comportamientos, tácticas y descripciones completas de eventos terroristas específicos. El conocimiento se almacena como declaraciones en lógica matemática, adecuadas para la comprensión y el razonamiento de la computadora.

Fundación Clínica de Cleveland

La Clínica Cleveland ha utilizado Cyc para desarrollar una interfaz de consulta de información biomédica en lenguaje natural, que abarca décadas de información sobre cirugías cardiotorácicas. Una consulta se analiza en un conjunto de fragmentos CycL (lógica de orden superior) con variables abiertas (p. ej., "esta pregunta se refiere a una persona que desarrolló una infección de endocarditis", "esta pregunta se refiere a sobre un subconjunto de pacientes de la Clínica Cleveland que se sometieron a cirugía allí en 2009, etc.); luego se aplican varias restricciones (conocimiento del dominio médico, sentido común, pragmática del discurso, sintaxis) para ver cómo esos fragmentos podrían encajar en una consulta formal semánticamente significativa; significativamente, en la mayoría de los casos, existe exactamente una y sólo una forma de incorporar e integrar esos fragmentos. Integrar los fragmentos implica (i) decidir qué variables abiertas en qué fragmentos representan realmente la misma variable, y (ii) para todas las variables finales, decidir qué orden y alcance de cuantificación debe tener esa variable, y qué tipo (universal o existencial). Esa consulta lógica (CycL) luego se convierte en una consulta SPARQL que se pasa a CCF SemanticDB que es su lago de datos.

Matemáticas

La aplicación One Cyc tiene como objetivo ayudar a los estudiantes a hacer matemáticas en un nivel de sexto grado, ayudándolos a comprender mucho más profundamente ese tema. Se basa en la experiencia de que a menudo pensamos que entendimos algo, pero solo realmente lo entendimos después de que tuvimos que explicárselo o enseñárselo a otra persona. A diferencia de casi todos los demás programas educativos, donde la computadora desempeña el papel de profesor, esta aplicación de Cyc, llamada MathCraft, hace que Cyc desempeñe el papel de un compañero de estudios que siempre está un poco más confundido que usted, el usuario, sobre el tema.. El rol del usuario es observar el avatar de Cyc y darle consejos, corregir sus errores, asesorarlo, hacerle ver qué está haciendo mal, etc. Como el usuario da buenos consejos, Cyc permite que el avatar para cometer menos errores de ese tipo, por lo tanto, desde el punto de vista del usuario, parece como si el usuario le hubiera enseñado algo con éxito. Esta es una variante de aprender enseñando.

Críticas

El proyecto Cyc ha sido descrito como "uno de los esfuerzos más controvertidos de la historia de la inteligencia artificial". Catherine Havasi, directora ejecutiva de Luminoso, dice que Cyc es el proyecto predecesor de Watson de IBM. El científico de aprendizaje automático Pedro Domingos se refiere al proyecto como un "fallo catastrófico" por varias razones, incluida la cantidad interminable de datos necesarios para producir resultados viables y la incapacidad de Cyc para evolucionar por sí solo.

Robin Hanson, profesor de economía en la Universidad George Mason, ofrece un análisis más equilibrado:

Por supuesto, el proyecto CYC está abierto a la crítica sobre sus muchas opciones particulares. La gente se ha quejado de sus representaciones lógicas y lingüísticas, acerca de su selección de casos prototípicos para construir de (por ejemplo, artículos de enciclopedia), sobre su enfoque en la respuesta sobre la actuación, sobre cuán a menudo se reconstruye vs. manteniendo sistemas heredados, y sobre ser privado vs. publicar todo. Pero cualquier proyecto grande como este produciría tales disputas, y no es obvio que ninguna de sus opciones ha sido seriamente equivocada. Tenían que empezar en algún lugar, y en mi opinión ahora han recogido una base de conocimientos con un tamaño, alcance e integración realmente espectacular. Otras arquitecturas pueden funcionar mejor, pero si conocer lotes es tan importante como Lenat piensa, esperaría serios intentos de IA para importar el conocimiento de CYC, traduciéndolo en una nueva representación. Ninguna otra fuente tiene cerca del tamaño, alcance e integración de CYC.

Marvin Minsky expresó un sentimiento similar: "Desafortunadamente, las estrategias más populares entre los investigadores de IA en la década de 1980 han llegado a un callejón sin salida" dijo Minsky. Los llamados "sistemas expertos", que emulaban la experiencia humana dentro de áreas temáticas estrictamente definidas como derecho y medicina, podían relacionar las consultas de los usuarios con diagnósticos, artículos y resúmenes relevantes, pero no podían aprender conceptos que la mayoría de los niños conocen en el momento en que están. 3 años de edad. “Para cada tipo diferente de problema”, dijo Minsky, “la construcción de sistemas expertos tuvo que comenzar de nuevo, porque no acumularon conocimiento de sentido común”. Solo un investigador se ha comprometido con la colosal tarea de construir un sistema integral de razonamiento de sentido común, según Minsky. Douglas Lenat, a través de su proyecto Cyc, ha dirigido la entrada línea por línea de más de 1 millón de reglas en una base de conocimiento de sentido común."

Gary Marcus, profesor de psicología y ciencias neuronales en la Universidad de Nueva York y cofundador de una empresa de inteligencia artificial llamada Inteligencia geométrica, dice que "representa un enfoque que es muy diferente de todas las cosas de aprendizaje profundo que han existido". estado en las noticias. Esto es consistente con la posición de Doug Lenat de que "A veces, la capa de inteligencia no es suficiente".

Stephen Wolfram escribe:

En los primeros días del campo de la inteligencia artificial, hubo muchas discusiones de “representación del conocimiento”, con enfoques basados en la gramática del lenguaje natural, la estructura de la lógica predicada o el formalismo de bases de datos. Se intentaron muy pocos proyectos a gran escala (el Cyc de Doug Lenat es un contraejemplo notable).

Marcus escribe:

The field might well benefit if CYC were systematically described and evaluate. Si CYC ha resuelto alguna fracción significativa de razonamientos de sentido común, entonces es fundamental saber que, tanto como una herramienta útil, como un punto de partida para nuevas investigaciones. Si CYC ha tropezado con dificultades, sería útil aprender de los errores que se cometieron. Si CYC es totalmente inútil, entonces los investigadores pueden al menos dejar de preocuparse por si están reinventando la rueda.

Cada pocos años desde que comenzó a publicarse (1993), hay un nuevo artículo de Wired Magazine sobre Cyc, algunos positivos y otros negativos (incluido un número que contenía uno de cada uno).

Empleados destacados

Esta es una lista de algunas de las personas notables que trabajan o han trabajado en Cyc mientras era un proyecto en MCC (donde Cyc se inició por primera vez) o Cycorp.