本文简述了人工智能的近一个世纪发展历程，总结了发展趋势并发现了普遍规律，分析了过去失败和现在成功的原因，强调了哲学思维在理解和解决人工智能问题中的重要性以及重点发展方向应该是人机协作和以计算能力为核心的技术路径。

Mar, 2023

本文概述了社会动态、技术进步和控制论与人工智能领域的开创性人物之间的复杂关系。它探讨了关键科学家之间的合作和人际关系，如 McCulloch、Wiener、Pitts 和 Rosenblatt，对控制论和神经网络的发展的影响。它还讨论了属性重要创新如反向传播算法以及未解决的争论对新兴科学领域可能造成的潜在后果。本文强调解释灵活性、公众感知以及著名人物的影响如何塑造新领域的发展方向。它还强调了资金、媒体关注和联盟在确定各种研究方法的成功和认可方面的作用。此外，本文指出了符号人工智能和神经网络研究人员之间的合作和整合机会的错失，建议在今天的时代中可能存在更统一的方法，不再受到过去争议的历史包袱。

Oct, 2023

本研究探讨了创意和人工智能之间的关系，研究了人工智能在艺术创作中的应用，并考虑了人工智能对意识研究、兴趣和决策能力的潜在影响和伦理问题，以刺激人们对人工智能在创意领域中使用和伦理问题的思考。

Jun, 2023

本文探讨了神经符号计算技术中深度学习和知识表示应该如何有机结合，通过 20 年来的相关研究结果，为下一个 AI 系统的关键性成分做出探索，以神经符号系统的视角提出 AI 技术应该在信任、安全、可解释性和问责制方面有所提升和解决的方向和挑战。

Dec, 2020

该论文介绍了神经符号 AI 的发展及其对人类感知认知、机器感知认知的巨大潜力。

May, 2023

Kuhn’s framework provides a useful understanding of the paradigm shifts in Artificial Intelligence, including the current shift signaled by the emergence of large pre-trained systems like GPT-3, and this paper summarizes the forces, issues, and risks associated with the current AI paradigm shift.

Aug, 2023

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

本文介绍了神经符号计算（NeSy）领域的重要和最新研究发展，包括研究历史，背景知识，关键驱动因素以及主要特征。文章讨论了该领域的一些重要应用并针对目前存在的问题提出了新的研究方向，以期进一步推动以数据和知识为驱动的 AI 的研究进展。

Oct, 2022

人工智能的显著进步主要是由深度神经网络所推动，然而不可持续的计算轨迹、有限的鲁棒性和缺乏解释性的问题要求开发下一代人工智能系统。神经符号人工智能 (NSAI) 作为一种有潜力的范式，将神经、符号和概率方法融合在一起，提高可解释性、鲁棒性和可信度，并能够从较少的数据中进行学习。最近的 NSAI 系统在具有推理和认知能力的协作人工智能场景中展示了巨大的潜力。在本文中，我们对 NSAI 的最新进展进行了系统综述，并分析了 NSAI 模型的性能特征和计算操作符。此外，我们还从系统和架构的角度讨论了 NSAI 面临的挑战和潜在的未来方向。

Jan, 2024

人类和人工智能是否能共享概念并进行交流？《使人工智能变得可理解》展示了意义形而上学的哲学研究如何回答这些问题，Cappelen 和 Dever 利用哲学中的外在主义传统构建了人工智能和人类相互理解的模型，从而改进了哲学传统，给出了有关理论和实践的重要答案，为实现可解释的人工智能迈出了重要的第一步。

Jun, 2024