Структурированные знания для AGI? Извлекатель знаний как MVP для AGI? — Семинар AGI

Нужны ли структурированные знания AGI и/или его пользователям и если — да, то — как их извлекать? AGI MVP — Универсальный извлекатель знаний (построитель грамматик и онтологий) — Антон Колонин, Николай Рабчевский, Александр Болдачев, 15 июля Вопросы 1. Нужны ли структурированные знания (онтологиии, правила, грамматики, семантические сети и графы знаний) AGI и HLAI? 2. Если нужны, то — зачем? 3. Есть ли прогресс в данной области? 4. Возможно ли это вообще и каковы ограничения? 5. Как это правильно делать для NLP? 6. Применительно ли это к задачам, не включающим NLP? 7. Можно ли считать проект, успешно демонстрирующий достаточно автономное получение структурированных знаний (на основе unsupervised, reinforcement, experiential, self-supervised, semi-supervised, curriculum learning) успешным прототипом AGI с потенциалом коммерциализации? 8. Каков необходимый критерий успеха? Материалы к семинару: