了解空间和时间对于解决物理世界中的问题是必要的。然而,时空知识不仅需要与物理世界相互作用,还常常通过类比和隐喻转移到概念的抽象世界。由于时空推理无处不在,人们试图将其集成到人工智能系统中。在知识表示领域,空间和时间推理在很大程度上局限于建模对象和关系,并开发推理方法来验证关于对象和关系的陈述。另一方面,神经网络研究人员试图教授模型从推理能力有限的数据中学习空间关系。以互利的方式弥合这两种方法之间的差距,可以让我们解决许多复杂的现实问题。在本章中,我们从神经符号人工智能的角度来看待这个集成问题。具体来说,我们提出了基于时空知识的逻辑推理和机器学习之间的协同作用。一个(符号化的)时空知识库和一个可能有根据的示例库可以为机器学习模型的推广提供可靠的因果种子。描述与此方向相关的一些成功应用程序、剩余挑战和评估数据集是本文的主要主题。
我们使用cookie为您提供最佳体验。它们还允许我们分析用户行为,以便为您不断改进网站。关于隐私政策IOS出版社。