-
Scallop 소개
- Scallop은 AI 응용 프로그램에서 풍부한 상징적 추론을 지원하기 위해 설계된 선언적 언어임.
- Datalog에 기반하여 관계형 데이터베이스를 위한 논리 규칙 기반 쿼리 언어임.
-
Solver
- Scallop은 확장 가능한 Datalog 솔버로, 이산적, 확률적, 미분 가능한 추론 모드를 지원함.
- 다양한 AI 응용 프로그램의 요구에 맞게 모드를 구성할 수 있음.
-
Framework
- Scallop은 Python 프로그램 내에서 논리 추론 모듈을 지원하는 바인딩을 제공함.
- PyTorch 머신러닝 파이프라인과 깊이 통합할 수 있음.
-
다양한 응용 분야
- Scallop은 비전 및 자연어 처리(NLP)에서 상징적 추론을 포함하는 다양한 응용 프로그램을 개발하는 데 사용될 수 있음.
- 논리 규칙을 통해 추론 구성 요소를 지정하고, 이를 컨볼루션 신경망 및 트랜스포머와 같은 머신러닝 모델과 깊이 통합할 수 있음.
-
CLEVR, 조합적 언어 및 기본 시각적 추론
- 이 작업은 주어진 이미지에서 간단한 3D 객체에 대한 추론을 통해 "몇 개의 객체가 파란색으로 색칠되어 있는가?"와 같은 질문에 답하는 것과 관련됨.
- Scallop을 사용하여 이미지의 상징적 표현을 생성하는 신경 구성 요소와 질문을 표현하는 프로그래밍 쿼리를 사용함.
- 추론 구성 요소는 지정된 속성을 가진 객체를 선택, 비교, 계산하는 다양한 작업을 지정함.
-
Pathfinder, 장거리 연결성 추론
- 이 작업에서는 두 점과 대시 선이 포함된 흑백 이미지를 제공받음.
- 목표는 두 점이 대시 선으로 연결되어 있는지를 결정하는 것임.
- Scallop을 사용하여 간단한 신경 아키텍처와 논리 규칙을 통해 이 작업을 몇 줄의 코드로 프로그래밍할 수 있으며, 최신 트랜스포머보다 뛰어난 성능을 보임.
-
손으로 쓴 수식 평가
- 이 작업에서는 0부터 9까지의 숫자와 간단한 산술 연산을 포함하는 손으로 쓴 기호의 시퀀스를 제공받음.
- 목표는 수식을 인식하고 표현식을 평가하는 것임.
- Scallop을 사용하여 확률적 입력을 구문 분석할 수 있는 전체 문맥 자유 문법 파서를 작성할 수 있음.
- 신경 모델과 함께 훈련하여 가장 가능성이 높은 수식을 자동으로 찾아 평가된 결과를 반환함.