АссистентНовый вопросИсторияОбласти знаний
Партнёрские проектыСпецпроектыСтать автором
Сменить язык
О РУВИКИ
ТехнологииДанные, аналитика и ИИМашинное обучение и прикладной ИИCyc

Cyc

Экспертиза РАН

Logo-ran-black.png
Проведена экспертиза
Российской академией наук
Подробнее
Aprove.svg

Экспертиза РАН

Arrow-Right.png
Logo-ran.png
Проведена экспертиза
Российской академией наук
Подробнее

Cyc — долгосрочный проект в области искусственного интеллекта, направленный на создание комплексной онтологии и базы знаний, охватывающих фундаментальные концепции и правила устройства мира. Проект нацелен на формализацию знаний здравого смысла, делая акцент на имплицитных знаниях. Он был начат в июле 1984 года на базе MCC под руководством Дугласа Лената, а впоследствии развитие было перенесено в компанию Cycorp.

Название «Cyc» (от «энциклопедия») является зарегистрированной торговой маркой Cycorp. Язык CycL имеет публично доступную спецификацию, а десятки HL-модулей (эвристических уровней) описаны в учебнике Лената и Гуха[1], однако исходный код инференционного механизма Cyc и полный список HL-модулей принадлежат Cycorp[2].

Cyc считается самым амбициозным системой искусственного интеллекта на основе фреймов, в которой гибридно сочетаются миллионы правил с тысячами представлений повседневных понятий и объектов, организуемых в онтологию базовых концепций, таких как «индивид» или «объект»[3].

В отличие от больших языковых моделей (LLM), не обладающих явными семантическими знаниями и логическими правилами для рассуждений[4], Cyc, противостоя современной тенденции развития ИИ-моделей, представляет собой символьную систему искусственного интеллекта, в которой используется обширная онтология для представления логических рассуждений[5].

Общие сведения
Cyc
Тип Язык представления знаний, инференционный механизм
Автор Дуглас Ленат
Разработчики Cycorp, Inc.
Написана на Lisp, CycL, SubL
Первый выпуск 1984
Последняя версия 6.1 (27 ноября 2017)
Сайт cyc.com

История

Проект был начат в июле 1984 года Дугласом Ленатом как инициатива Microelectronics and Computer Technology Corporation (MCC) — исследовательского консорциума, созданного двумя американскими корпорациями для «противостояния тогдашним инновационным исследованиям по искусственному интеллекту в Японии — так называемому проекту „пятого поколения“»[6]. В США был принят Национальный закон о кооперативных исследованиях 1984 года, впервые позволивший компаниям «объединять усилия» в долгосрочных исследованиях. С января 1995 года проект развивается в Cycorp под руководством Дугласа Лената, который был её CEO.

Язык представления знаний CycL возник как расширение языка RLL[7][8] («Representation Language Language»), разработанного в 1979—1980 годах Ленатом и его аспирантом Расселом Грайнером в Стенфордском университете. В 1989 году[9] CycL был расширен до поддержки логики высшего порядка (HOL).

К 1994 году онтология Cyc выросла до примерно 100 000 терминов, а к 2017 — достигла 1 500 000 терминов. База знаний Cyc в отношении онтологических понятий формировалась в основном вручную — через описание аксиом; их число составляло около 1 миллиона в 1994 году и приблизилось к 24,5 миллиона к 2017 году.

В 2008 году ресурсы Cyc были связаны с множеством статей Википедии[10]. На данный момент Cyc также интегрирован с Wikidata.

База знаний

База знаний Cyc состоит из «микротерий». В отличие от всей базы знаний, каждая микротеория не должна содержать мономных противоречий. Каждая микротеория является объектом первого класса в онтологии Cyc и имеет имя — постоянную. Имена понятий (константы) в Cyc записываются в виде терминов CycL, различают регистр и могут начинаться с символа #$[9].

В Cyc представлены следующие основные типы констант:

  • Отдельные объекты («индивиды»), например #$BillClinton или #$France.
  • «Коллекции», такие как #$Tree-ThePlant (все деревья) или #$EquivalenceRelation (все эквивалентные отношения). Элемент коллекции называется «экземпляром» этой коллекции[1].
  • Функции, формирующие новые термины из заданных: например, #$FruitFn при аргументе описания вида растений возвращает коллекцию их плодов. По соглашению, имена функциональных констант начинаются с заглавной буквы и заканчиваются «Fn».
  • Логические предикаты (функции истинности), которые могут применяться к одному или нескольким аргументам и возвращать истинность выражения. Например, #$siblings определяет отношение родственников — истина, если оба аргумента являются братьями или сёстрами. Такие константы начинаются со строчной буквы.

Для любой инстанции #$ChordataPhylum (то есть отдельного хордового) существует животное женского пола (#$FemaleAnimal), являющееся его матерью (отношение задано предикатом #$biologicalMother)[1].

Инференционный механизм

Инференционный механизм — это программа, предназначенная для вывода новых знаний из базы знаний. Система Cyc поддерживает общий логический вывод[11]. Кроме дедуктивных выводов, осуществляется и индуктивное рассуждение, статистическое машинное обучение и символьное машинное обучение, а также абдуктивное рассуждение.

В инференционном механизме Cyc чётко разделены эпистемологическая и эвристическая задачи. Для последней применялась архитектура сообщества агентов, где отдельные модули, обладающие собственными алгоритмами, могут быть приоритетно задействованы для продвижения по подзадачам.

Выпуски

OpenCyc

Первая версия OpenCyc вышла весной 2002 года и содержала только 6 000 концепций и 60 000 фактов. База знаний распространялась по Apache License. Cycorp заявляла о намерении выпускать OpenCyc параллельно по свободным лицензиям для удовлетворения потребностей пользователей. Интерпретаторы CycL и SubL (для просмотра, редактирования и вывода) распространялись бесплатно, но только как бинарные файлы, без исходного кода. Доступ был обеспечен для Linux и Microsoft Windows. Открытый проект Texai[12] предлагал RDF-совместимое извлечение данных из OpenCyc[13]. Версия OpenCyc 4.0 вышла в июне 2012 года, включала 239 000 концепций и 2 093 000 фактов, в основном таксономических утверждений.

ResearchCyc

В июле 2006 года Cycorp представила исполняемый файл ResearchCyc 1.0 — версию Cyc для научных исследований, распространяемую бесплатно. (Бета-версия вышла в феврале 2005.) Помимо таксономических данных, в ResearchCyc добавлен семантический пласт знаний, крупный лексикон, инструменты анализа и синтеза английского языка, интерфейсы на Java для редактирования и поиска знаний; реализована система онтологической интеграции данных.

Применение

За более чем десятилетие компания Glaxo использовала Cyc для полуавтоматической интеграции крупномасштабных тезаурусов фармацевтической отрасли[14]. Ранее эти процессы выполнялись вручную. Cleveland Clinic использовала Cyc для создания интерфейса естественного языка к биомедицинской информации по кардиоторакальной хирургии[15]. Запросы преобразовывались в набор фрагментов CycL с открытыми переменными[16]. База знаний о терроризме (TKB) представляла собой приложение Cyc, где сохранялись сведения о террористах и их описания. Знания сохранялись в виде утверждений в формальной логике[17].

Ещё одно приложение Cyc нацелено на помощь школьникам при изучении математики на уровне 6 класса[18]. В этом проекте, называемом MathCraft[19], система выступает в роли одноклассника, чуть менее компетентного по теме, но улучшающего свои знания и ошибающегося всё реже по мере успешных подсказок пользователя.

Критика

Проект Cyc был описан как «один из самых противоречивых за всю историю искусственного интеллекта»[20]. Кэтрин Хаваси, CEO Luminoso, называет Cyc предшественником Watson от IBM[21]. Специалист по машинному обучению Педро Домингос относит проект к категории «катастрофических неудач» из-за необходимости обработки практически бесконечных объёмов данных и невозможности автономной эволюции Cyc[22].

Гэри Маркус, когнитивный учёный и сооснователь Geometric Intelligence, отмечает: «Это очень иной подход по сравнению с методами глубинного обучения, которые сейчас на слуху»[23]. Это соответствует точке зрения самого Дугласа Лената — «Иногда одного „глянца“ интеллекта недостаточно»[24].

Известные сотрудники

Некоторые заметные сотрудники, работавшие над Cyc в MCC (первоначальный этап) или в Cycorp:

Примечания

  1. ↑ 1 2 3 Lenat, Douglas B. Building Large Knowledge-Based Systems; Representation and Inference in the Cyc Project / Douglas B. Lenat, R. V. Guha. — 1-е. — Boston, MA, USA : Addison-Wesley Longman Publishing Co., Inc., 1989. — ISBN 978-0201517521.
  2. ↑ Lenat, Douglas Hal's Legacy: 2001's Computer as Dream and Reality. From 2001 to 2001: Common Sense and the Mind of HAL (англ.). Cycorp, Inc.. Дата обращения: 26 сентября 2006. Архивировано 9 декабря 2019 года.
  3. ↑ Thagard, Paul. Mind, second edition: Introduction to Cognitive Science : [англ.]. — MIT Press, 4 февраля 2005.
  4. ↑ Krause, Stefanie. Commonsense Reasoning and Explainable Artificial Intelligence Using Large Language Models // Artificial Intelligence. ECAI 2023 International Workshops: XAI^3, TACTIFUL, XI-ML, SEDAMI, RAAIT, AI4S, HYDRA, AI4AI, Kraków, Poland, September 30 – October 4, 2023, Proceedings, Part I : [англ.] / Stefanie Krause, Frieder Stolzenburg. — Springer Nature, 20 января 2024.
  5. ↑ Lenat, Doug; Marcus, Gary (31 июля 2023). “Getting from Generative AI to Trustworthy AI: What LLMs might learn from Cyc”. arXiv [англ.].
  6. ↑ Wood, Lamont (2002). “The World in a Box”. Scientific American. 286 (1): 18—19. DOI:10.1038/scientificamerican0102-18.
  7. ↑ A Representation Language Language. www.aaai.org. Дата обращения: 27 ноября 2017. Архивировано 6 ноября 2011 года.
  8. ↑ Russell, Greiner (октябрь 1980), RLL-1: A Representation Language Language, <https://web.archive.org/web/20150208123546/http://www.dtic.mil/docs/citations/ADA096510>. 
  9. ↑ 1 2 Lenat, Douglas B.; Guha, R. V. (июнь 1991). “The Evolution of CycL, the Cyc Representation Language”. ACM SIGART Bulletin. 2 (3): 84—87. DOI:10.1145/122296.122308. ISSN 0163-5719. Проверьте дату в |date= (справка на английском)
  10. ↑ Integrating Cyc and Wikipedia: Folksonomy meets rigorously defined common-sense. Дата обращения: 10 мая 2013. Архивировано 23 июля 2025 года.
  11. ↑ Cyc Inference engine. Дата обращения: 4 июня 2015. Архивировано 9 декабря 2019 года.
  12. ↑ The open source Texai project. Архивировано 16 февраля 2009 года.
  13. ↑ Texai SourceForge project files. Архивировано 29 февраля 2008 года.
  14. ↑ Hiltzik, Michael A.. Birth of a Thinking Machine (англ.), Los Angeles Times (21 июня 2001). Архивировано 13 декабря 2019 года. Дата обращения: 29 ноября 2017.
  15. ↑ Case Study: A Semantic Web Content Repository for Clinical Research (амер. англ.). www.w3.org. Дата обращения: 28 февраля 2018. Архивировано 7 февраля 2025 года.
  16. ↑ Lenat, Douglas; Witbrock, Michael; Baxter, David; Blackstone, Eugene; Deaton, Chris; Schneider, Dave; Scott, Jerry; Shepard, Blake (28 июля 2010). “Harnessing Cyc to Answer Clinical Researchers' Ad Hoc Queries”. AI Magazine [англ.]. 31 (3): 13. DOI:10.1609/aimag.v31i3.2299. ISSN 0738-4602.
  17. ↑ Deaton, Chris; Shepard, Blake; Klein, Charles; Mayans, Corrinne; Summers, Brett; Brusseau, Antoine; Witbrock, Michael; Lenat, Doug (2005). The Comprehensive Terrorism Knowledge Base in Cyc. Proceedings of the 2005 International Conference on Intelligence Analysis.
  18. ↑ Lenat, Douglas B.; Durlach, Paula J. (1 сентября 2014). “Reinforcing Math Knowledge by Immersing Students in a Simulated Learning-By-Teaching Experience”. International Journal of Artificial Intelligence in Education [англ.]. 24 (3): 216—250. DOI:10.1007/s40593-014-0016-x. ISSN 1560-4292.
  19. ↑ Mathcraft by Cycorp. www.mathcraft.ai. Дата обращения: 29 ноября 2017.
  20. ↑ Bertino, Elisa. Intelligent Database Systems / Elisa Bertino, Gian Piero, B.C. Zarria. — Addison-Wesley Professional, 2001. — P. 275.
  21. ↑ Havasi, Catherine. Who's Doing Common-Sense Reasoning And Why It Matters (англ.), TechCrunch (9 августа 2014). Архивировано 8 сентября 2025 года. Дата обращения: 29 ноября 2017.
  22. ↑ Domingos, Pedro. The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World. — Basic Books, 2015. — ISBN 978-0465065707.
  23. ↑ Knight, Will. An AI that spent 30 years learning some common sense is ready for work (англ.), MIT Technology Review (14 марта 2016). Архивировано 15 марта 2016 года. Дата обращения: 29 ноября 2017.
  24. ↑ Lenat, Doug Sometimes the Veneer of Intelligence is Not Enough (англ.). CogWorld (15 мая 2017). Дата обращения: 29 ноября 2017. Архивировано 17 августа 2025 года.

Литература

  • Alan Belasco et al. Representing Knowledge Gaps Effectively // Practical Aspects of Knowledge Management, Proceedings of PAKM. — Vienna, Austria; Berlin Heidelberg: Springer-Verlag, 2004. — Декабрь.
  • Bertino, Elisa. Intelligent Database Systems / Elisa Bertino, Gian Piero, B.C. Zarria. — Addison-Wesley Professional, 2001.
  • John Cabral & др. Converting Semantic Meta-Knowledge into Inductive Bias // Proceedings of the 15th International Conference on Inductive Logic Programming. — Bonn, Germany, 2005. — Август.
  • Jon Curtis et al. (2005). «On the Effective Use of Cyc in a Question Answering System». In: Papers from the IJCAI Workshop on Knowledge and Reasoning for Answering Questions. Edinburgh, Scotland: 2005.
  • Chris Deaton et al. (2005). «The Comprehensive Terrorism Knowledge Base in Cyc». In: Proceedings of the 2005 International Conference on Intelligence Analysis, McLean, Virginia, May 2005.
  • Kenneth Forbus et al. (2005). «Combining analogy, intelligent information retrieval, and knowledge integration for analysis: A preliminary report». In: Proceedings of the 2005 International Conference on Intelligence Analysis, McLean, Virginia, May 2005
  • douglas foxvog (2010), «Cyc». In: Theory and Applications of Ontology: Computer Applications. Springer.
  • Fritz Lehmann and d. foxvog (1998), «Putting Flesh on the Bones: Issues that Arise in Creating Anatomical Knowledge Bases with Rich Relational Structures». In: Knowledge Sharing across Biological and Medical Knowledge Based Systems, AAAI.
  • Douglas Lenat and R. V. Guha (1990). Building Large Knowledge-Based Systems: Representation and Inference in the Cyc Project. Addison-Wesley. ISBN 0-201-51752-3.
  • James Masters (2002). «Structured Knowledge Source Integration and its applications to information fusion». In: Proceedings of the Fifth International Conference on Information Fusion. Annapolis, MD, July 2002.
  • James Masters and Z. Güngördü (2003). «Structured Knowledge Source Integration: A Progress Report» In: Integration of Knowledge Intensive Multiagent Systems. Cambridge, Massachusetts, USA, 2003.
  • Cynthia Matuszek et al. (2006). «An Introduction to the Syntax and Content of Cyc.» In: Proc. of the 2006 AAAI Spring Symposium on Formalizing and Compiling Background Knowledge and Its Applications to Knowledge Representation and Question Answering. Stanford, 2006
  • Cynthia Matuszek et al. (2005). «Searching for Common Sense: Populating Cyc from the Web». In: Proceedings of the Twentieth National Conference on Artificial Intelligence. Pittsburgh, Pennsylvania, July 2005.
  • Tom O’Hara et al. (2003). «Inducing criteria for mass noun lexical mappings using the Cyc Knowledge Base and its Extension to WordNet». In: Proceedings of the Fifth International Workshop on Computational Semantics. Tilburg, 2003.
  • Fabrizio Morbini and Lenhart Schubert (2009). «Evaluation of EPILOG: a Reasoner for Episodic Logic». University of Rochester, Commonsense '09 Conference (описание библиотеки Cyc из ~1600 'Commonsense Tests')
  • Kathy Panton et al. (2002). «Knowledge Formation and Dialogue Using the KRAKEN Toolset». In: Eighteenth National Conference on Artificial Intelligence. Edmonton, Canada, 2002.
  • Deepak Ramachandran P. Reagan & K. Goolsbey (2005). «First-Orderized ResearchCyc: Expressivity and Efficiency in a Common-Sense Ontology». In: Papers from the AAAI Workshop on Contexts and Ontologies: Theory, Practice and Applications. Pittsburgh, Pennsylvania, July 2005.
  • Stephen Reed and D. Lenat (2002). «Mapping Ontologies into Cyc». In: AAAI 2002 Conference Workshop on Ontologies For The Semantic Web. Edmonton, Canada, July 2002.
  • Benjamin Rode et al. (2005). «Towards a Model of Pattern Recovery in Relational Data». In: Proceedings of the 2005 International Conference on Intelligence Analysis. McLean, Virginia, May 2005.
  • Dave Schneider et al. (2005). «Gathering and Managing Facts for Intelligence Analysis». In: Proceedings of the 2005 International Conference on Intelligence Analysis. McLean, Virginia, May 2005.
  • Schneider, D., & Witbrock, M. J. (2015, May). «Semantic construction grammar: bridging the NL/Logic divide» In Proceedings of the 24th International Conference on World Wide Web (с. 673—678).
  • Blake Shepard et al. (2005). «A Knowledge-Based Approach to Network Security: Applying Cyc in the Domain of Network Risk Assessment». In: Proceedings of the Seventeenth Innovative Applications of Artificial Intelligence Conference. Pittsburgh, Pennsylvania, July 2005.
  • Nick Siegel et al. (2004). «Agent Architectures: Combining the Strengths of Software Engineering and Cognitive Systems». In: Papers from the AAAI Workshop on Intelligent Agent Architectures: Combining the Strengths of Software Engineering and Cognitive Systems. Technical Report WS-04-07, c. 74-79. Menlo Park, California: AAAI Press, 2004.
  • Nick Siegel et al. (2005). «Hypothesis Generation and Evidence Assembly for Intelligence Analysis: Cycorp’s Nooscape Application». In Proceedings of the 2005 International Conference on Intelligence Analysis, McLean, Virginia, May 2005.
  • Michael Witbrock et al. (2002). «An Interactive Dialogue System for Knowledge Acquisition in Cyc». In: Proceedings of the Eighteenth International Joint Conference on Artificial Intelligence. Acapulco, Mexico, 2003.
  • Michael Witbrock et al. (2004). «Automated OWL Annotation Assisted by a Large Knowledge Base». In: Workshop Notes of the 2004 Workshop on Knowledge Markup and Semantic Annotation at the 3rd International Semantic Web Conference ISWC2004. Hiroshima, Japan, November 2004, с. 71-80.
  • Michael Witbrock et al. (2005). «Knowledge Begets Knowledge: Steps towards Assisted Knowledge Acquisition in Cyc». In: Papers from the 2005 AAAI Spring Symposium on Knowledge Collection from Volunteer Contributors (KCVC). с. 99-105. Stanford, California, March 2005.
  • William Jarrold (2001). «Validation of Intelligence in Large Rule-Based Systems with Common Sense». «Model-Based Validation of Intelligence: Papers from the 2001 AAAI Symposium» (AAAI Technical Report SS-01-04).
  • William Jarrold. (2003). Using an Ontology to Evaluate a Large Rule Based Ontology: Theory and Practice. In: Performance Metrics for Intelligent Systems PerMIS '03 (NIST Special Publication 1014).

Категории