介绍

我们很高兴地宣布，与IJCAI 2023联合举办了第一届基于知识的合成概括国际研讨会。该研讨会旨在汇集学术界和工业界的研究人员，讨论人工智能中基于知识的成分泛化领域的最新进展和挑战。成分泛化是人工智能中的一个基本问题，即理解和生成以前学习过的概念的新组合的能力。它在自然语言理解、强化学习和知识表示等领域尤为重要。然而，在人工智能中，实现组合泛化仍然是一个具有挑战性的问题。

制造概括基于不同的行为或概念，称为系统合成，对人类学习和理解至关重要。它使我们能够理解和学习新事物，即使我们的经验有限。在人类日常生活中，我们经常会遇到一些问题，这些问题要求我们能够根据不同动作或概念的组合进行概括。这种能力对于我们如何学习和理解新事物至关重要，即使我们的经验有限。然而，尽管机器的语言能力取得了重大进步，但它们仍难以泛化，需要大量的训练数据。这些机器学习技术，如神经网络，过去曾因缺乏系统的合成性而受到批评。有关合成概括的最新调查，请参阅：https://arxiv.org/abs/2302.01067一些感兴趣的话题包括但不限于：

表征学习、元学习、迁移学习、强化学习、用于合成概括的自我监督学习
组合泛化的推理、常识和知识表示
组合泛化的应用，如基础模型、自然语言处理、计算机视觉和控制系统
学习组合表示法的方法
结合多种来源和方式的知识
关系和因果机器学习
利用外部知识进行有效的机器学习
符号基础和抽象
神经诱导人工智能
神经符号AI
强化学习中的组合性
合成概括的基准
用于研究成分的数据可视化

我们相信，结合知识可以潜在地解决当今深度学习中解决作曲泛化的许多最紧迫的挑战。本次研讨会的主要目标是促进社区建设：我们希望将研究人员聚集在一起，巩固这一研究领域，并促进来自人工智能、认知科学和神经科学的社区合作，以讨论表征学习、元学习迁移学习、强化学习、，自我监督学习、基础模型、知识图、数据可视化和神经符号人工智能。

本次研讨会将是与IJCAI 2023年，发生于2023年8月21日在澳门，以及实际上。会议将包括受邀演讲、贡献演讲、海报和小组讨论。