Jan, 2019

通过对抽象关系结构进行对比学习制作类比

PDF
TL;DR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。
analogical reasoningneural networksvisual datarelational structurestraining method
发现论文，激发创造
  • 视觉类比：深度学习与组合模型

    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。

    May, 2021

  • 元模拟对比学习的少样本视觉推理

    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

  • 通过类比维度理解叙事

    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

  • 基于知识的神经符号潜变空间类比推理

    本论文提出了一种结合神经网络的模式识别能力、符号推理和背景知识来解决类比推理问题的框架，并应用于 RAVEN 的递进矩阵上，取得了与人类表现有竞争力甚至更优秀的结果。

    Sep, 2022

  • 神经类比匹配

    该研究介绍了一种基于结构映射理论的神经网络结构 —— 模拟匹配网络（Analogical Matching Network），通过融合类比与深度学习，产生了一种人工智能模型，能够有效地学习和推理，解决新问题。

    Apr, 2020

  • 使用预训练语言模型进行上下文类比推理

    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

  • 人工智能中的抽象与类比推理

    本文综述了人类学习、推理和适应新领域的关键能力 —— 概念抽象和类比制定，以及通过符号方法、深度学习和概率编程归纳等多种途径构建具有这些能力的 AI 系统的优势和局限性，最后提出了设计挑战任务和评估指标的几点建议，以在此领域取得量化和可推广的进展。

    Feb, 2021

  • 语言模型可以学习类比推理吗？研究训练目标和与人类表现的比较

    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

  • 通过类比挖掘加速创新

    通过学习较简单的 “问题模式” 结构表示，并结合众包和递归神经网络从产品描述中提取目的和机制向量表示，使我们在寻找类比时可以比传统信息检索方法获得更高的精确度和召回率，在创意发想实验中，模型检索的类比与传统方法相比， 显著提高了人们产生创造性想法的可能性，这一结果表明，在许多大规模的现实生活情境下，学习和利用较弱的结构表示是实现计算类比的一种很有前途的方法。

    Jun, 2017

  • 使用神经算法推理解决视觉类比问题

    研究一类视觉类比推理问题，并使用神经类比推理方法寻找一系列基本的神经网络转换来处理符号空间中的图像，评估该算法对具有不同形状和位置的图像的推理泛化能力。

    Nov, 2021