开发神经符号 OODA 循环的难题

本文分析了神经符号（NS）方法在标准的观察、定位、决策和行动（OODA）框架中的作用，并讨论了与之相关的机遇和挑战。为使讨论有依据，考虑将 OODA 循环应用于野外灭火案例，在该案例中，由智能体和人类组成的混合团队需要协同工作，以控制并最终扑灭大规模火灾。自然科学方法很有吸引力，因为它们能够整合来自久经考验的消防战术和培训手册中编码的程序等符号知识。然而，在 NS 管道中捕获和整合此类信息，尤其是在程序数量、环境动态和法规方面的可扩展性方面，存在着关键的挑战。在 NS OODA 循环中集成此类符号先验信息，将使自主系统能够对环境和其他智能体的状态、行动和意图生成极具表现力但又经过压缩的表征（或抽象）。然而，NS 集成也带来了新的挑战，例如设计可在复杂任务中组合和转移的抽象，决定如何将符号与感官数据联系起来，以及验证符号的有效性以确保它们能带来安全的决策。符号抽象还需要处理感官数据不确定的事实，例如火锋的行为（边界、蔓延速度等）。此外，先验知识可能是不完整和不一致的，因此需要能够明确模拟和管理模糊性的表征。解决这些挑战性问题不仅能推动自然科学人工智能的发展，还能具体展示这些方法在自动驾驶领域的优势。

图 1 - 荒地火灾示例。请注意，火灾可能处于不同的状态（如燃烧、蹿火），风和燃料来源会影响火灾的蔓延，浓烟会降低地面和空中的能见度。