在人工智能发展的三个阶段中，手工知识和数据驱动成为前两个阶段的关键，但现在的第三个阶段中，知识得到了全面的应用，使得 AI 系统更加具有人类智能化的思维，包括结合数据和符号 AI 系统的能力，以获得更高层次的人工智能。

Mar, 2021

知识表示与推理是人工智能领域一个核心、长期存在且活跃的领域。近年来，它在机器学习和不确定性推理等研究方面受到了挑战和补充。我们基于 Dagstuhl 工作坊的演示、专题讨论、工作小组和讨论制定了这份宣言，以阐述该领域的现状、与其他领域的关系、优势和不足，并提出了未来进展的建议。这是关于知识表示的观点宣言，包括其起源、目标、里程碑和当前重点，以及与人工智能等其他学科的关系，以及面临的挑战和未来十年的重点任务。

Aug, 2023

本研究介绍一个三级知识集成机器学习方法，在工程领域平衡整体主义和还原主义的视角，以在数据驱动的过程中转移和利用领域知识。

Jul, 2023

本文综述了人类活动系统中的知识获取方法，并提出了三类方法的分类：人力代理、人类启发代理和自主机器代理方法。作者们指出，这一分类的动机源于人类活动系统的结构、含义和目的随时间的不断变化，这也推动了研究人员和实践者对知识获取的努力。最后作者们讨论了基于红队和共同进化的知识获取方法的出现。

Feb, 2018

这篇论文探讨了人工智能等技术在决策敏感的应用中，遵循数据隐私、可解释性、鲁棒性、推理等原则，同时着重探讨在结构化数据的应用方面如何设计可靠的方法来确定和使用相关变量进行决策。

Oct, 2022

利用人工智能和机器学习作为自适应网络防御的基础能力，研究探索了当前网络安全领域中的关键问题，尤其聚焦于自主性威胁缓解的方法。

Aug, 2023

使用计算机辅助工具的知识获取，构建 Open Research Knowledge Graph 并整理自科研论文中提取的关键见解。

Aug, 2023

本研究报告探讨了使用基于数据驱动和原则性知识相结合的 AI 方法，即 “知识整合的明智人工智能”，在国家安全领域应用的优势和表现的有关问题，并提出了相关建议。

Feb, 2022

这篇文章概述了创建和管理大型知识库的基本概念和实践方法，重点介绍了发现和规范实体及其语义类型、自动提取基于实体的属性以及构建开放架构和知识管理的方法。

Sep, 2020

第三届国际法律领域挖掘与学习研讨会 (MLLD-23) 的会议记录，与第 32 届 ACM 信息与知识管理国际会议 (CIKM-2023) 同时在英国伯明翰大学举行，于 2023 年 10 月 22 日星期日举行。

Oct, 2023