Feb, 2011
从机器学习到机器推理
From Machine Learning to Machine Reasoning
Leon Bottou
TL;DR通过代数操作简单的学习系统来建立推理能力,而非试图在机器学习系统和复杂的推理机制之间建立联系。
Abstract
A plausible definition of "reasoning" could be "algebraically manipulating
previously acquired knowledge in order to answer a new question". This
definition covers first-order logical inference or probabilistic <
发现论文,激发创造
推理和学习统一描绘的抽象推论
基于神经科学中贝叶斯方法对脑功能的启示,我们提出了一个简单的概率推断理论,用于统一描述推理和学习。我们通过符号逻辑中知识的可满足性模拟数据如何引发符号知识的过程,即抽象过程和选择性无知。我们讨论了推理的逻辑后果关系以及基于实验证据的 MNIST 数据集的经验正确性。
Feb, 2024
学习引导的自动推理:简要调查
自动定理证明器和形式证明助手是理论上能够证明任意难题的一般推理系统,但在实践中面临组合爆炸所以包括很多启发式算法和选择点来影响系统性能。机器学习预测器可以引导这些推理系统的工作。本文概述了几个自动推理和定理证明领域及目前对它们进行的学习和人工智能方法,包括前提选择、证明引导、协同推理和学习的 AI 系统以及符号分类问题。
Mar, 2024
关系神经机器
本文介绍了一种新颖的框架 Relational Neural Machines,它可以对学习器的参数和基于一阶逻辑的推理器进行联合训练,下面将介绍其在大规模关系任务中的可行性和良好效果。
Feb, 2020
大语言模型的推理能力:一项调查
本文综述了大型语言模型在推理方面的最新研究,包括提高它们的推理能力的方法、评估它们的推理能力的基准和方法,以及这一领域之前研究的发现和意义,旨在激发有意义的讨论和未来的研究。
Dec, 2022
通过 Abductive 学习进行神经感知和逻辑推理的隧道
本研究提出基于 “缺省推理” 思想的联合感知和推理框架来实现人工智能的人类水平认知能力,并建立了神经逻辑机来实现该框架。实验证明,该框架在从少量手写公式数据中学习后,能够很好地推广到复杂的新数据中,并在人工智能领域中标志着开创了一种新的研究方向。
Feb, 2018