Scallop, uma linguagem de programação neurossimbólica

• Introdução ao Scallop

  • Scallop é uma linguagem declarativa projetada para oferecer suporte a raciocínio simbólico rico em aplicações de IA.
  • Baseada em Datalog, é uma linguagem de consulta baseada em regras lógicas para bancos de dados relacionais.

• Solver

  • Scallop é um solver Datalog escalável que oferece suporte a modos de raciocínio discretos, probabilísticos e diferenciáveis.
  • Os modos podem ser configurados de acordo com as necessidades de várias aplicações de IA.

• Framework

  • Scallop fornece bindings para dar suporte a módulos de raciocínio lógico dentro de programas Python.
  • Pode ser profundamente integrado a pipelines de machine learning com PyTorch.

• Diversas áreas de aplicação

  • Scallop pode ser usado para desenvolver várias aplicações que incluem raciocínio simbólico em visão computacional e processamento de linguagem natural (NLP).
  • É possível especificar componentes de raciocínio por meio de regras lógicas e integrá-los profundamente a modelos de machine learning, como redes neurais convolucionais e transformers.

• CLEVR, linguagem composicional e raciocínio visual básico

  • Esta tarefa envolve responder a perguntas como "quantos objetos estão pintados de azul?" por meio de raciocínio sobre objetos 3D simples em uma imagem fornecida.
  • Com Scallop, usam-se componentes neurais que geram representações simbólicas da imagem e consultas programáticas que representam a pergunta.
  • Os componentes de raciocínio especificam várias operações para selecionar, comparar e contar objetos com atributos definidos.

• Pathfinder, raciocínio de conectividade de longo alcance

  • Nesta tarefa, é fornecida uma imagem em preto e branco contendo dois pontos e uma linha tracejada.
  • O objetivo é determinar se os dois pontos estão conectados pela linha tracejada.
  • Com Scallop, essa tarefa pode ser programada em poucas linhas de código usando uma arquitetura neural simples e regras lógicas, apresentando desempenho superior ao dos transformers mais recentes.

• Avaliação de expressões matemáticas escritas à mão

  • Nesta tarefa, é fornecida uma sequência de símbolos manuscritos contendo dígitos de 0 a 9 e operações aritméticas simples.
  • O objetivo é reconhecer a expressão e avaliar seu resultado.
  • Com Scallop, é possível escrever um analisador sintático completo de gramática livre de contexto capaz de fazer parsing de entradas probabilísticas.
  • Ele é treinado em conjunto com um modelo neural para encontrar automaticamente a expressão mais provável e retornar o resultado avaliado.