通过引入抽象的代数框架,进一步发展类比比例的数学理论,以应用于人工智能中的逻辑程序合成。
May, 2024
通过测试几种学习基本类比推理的方法,研究人员发现模型在少量数据情况下也能学习类比推理,并与人类基准数据集进行比较发现,经过训练后,模型接近人类表现。
Oct, 2023
通过建立类比保持函数的形式模型和相应的类比模型之间的关系,我们建立了一个类比分类器的 Galois 理论并确定了每对布尔类比的类比分类器的闭合集。
May, 2022
本文从抽象代数和定性相似性的角度探讨类比推理理论的数学基础,并证明了这一方法具有明显的数学性质和可行性意义。
Feb, 2023
该研究通过关注数据的选择和呈现方式,研究神经网络在感知和推理原始视觉数据时如何诱导类比推理能力,并发现最健壮的类比推理能力是通过在输入域中对抽象关系结构进行对比学习而诱导的。
Jan, 2019
在本文中,我们利用类比推理介绍了一种推断缺失知识的机制,用于完善本体论,从而解决现有本体论不完整的问题,并且提出了一种基于双射映射的新型语义,分析了该语义下类比的特性,展示了两种合理的推断模式:规则翻译和规则外推。
May, 2021
本论文比较了人类视觉类比问题解决能力和三种不同的计算模型的性能,包括成分模型、连体网络和关系网络,结果显示成分模型的定性表现与人类推理者相似,而深度学习模型的表现则不如人类。
本篇论文提出采用类比推理的方式解决少样本视觉推理问题,即通过提取训练和测试数据的结构关系,重复应用于类似问题的查询中,从而有效地学习训练集和测试集之间的关系相似性,实现对 RAVEN 数据集的超越性表现,并在不同属性下进行元学习,表现出了良好的泛化能力。
Jul, 2020
本研究从认知科学研究成果出发,对类比推理的六个维度进行了规范,在寓言语料上进行了注释,并定义了四个任务来评估新型 AI 技术的可扩展性,实验结果显示现有的方法能够在有限的范围内推理类比,但需要进一步的研究来提高 AI 的综合性和可扩展性。
Jun, 2022
通过将人类语言与类比制造联系起来,我们使用大规模预训练的语言模型(PLMs)来支持人工智能系统的类比能力,将感知特征转换成语言形式,PLMs 展现出惊人的零 - shot 关系推理能力,并在 RPM 测试中接近监督的以视觉为基础的方法。
May, 2023