神经符号人工智能研究：医疗保健视角

过去数十年，人工智能（AI）科学家一直在进行调查研究，以实现机器在完成认知任务方面达到人类水平。 在机器学习领域，最终的目标是通过机器实现人工通用智能（AGI）。 这种追求导致了两种不同 AI 范式的探索。 符号 AI（也称为经典或 GOFAI（Good Old-Fashioned AI））和连接主义（次符号） AI，以神经系统为代表，是两种互斥的范式。 符号 AI 在推理、可解释性和知识表示方面表现出色，但在处理带有噪声的复杂现实数据时面临挑战。 相比，深度学习（黑箱系统）在神经网络方面的研究突破引人注目，但缺乏推理和可解释性。 神经符号 AI（NeSy），是 AI 研究的一个新兴领域，试图通过整合逻辑推理到神经网络中，以此桥接鸿沟，使其能够使用符号表示学习和推理。 尽管前路漫长，这一策略已经在实现系统常识推理方面取得了重要进展。 本文对来自 DBLP、ACL、IEEExplore、Scopus、PubMed、ICML、ICLR 等主要科学数据库中超过 977 项研究进行了广泛综述，深入审查了神经符号 AI 多方位能力，特别关注其在医疗保健领域的应用，尤其是药物发现和蛋白工程研究。 本论文涵盖推理、可解释性、集成策略、41 个医疗保健相关用例、基准测试、数据集、从医疗保健和更广泛视角看到的当前方法局限性，以及为未来实验提出的新颖方法。