混合学习不遗忘：基于脑类神经符号方法的持续学习
机器学习
2025-03-18 v1 人工智能
摘要
持续学习对于创建能够自主学习和自我改进的 AI 智能体至关重要。持续学习的主要挑战在于如何在学习新任务时不遗忘先前学习的知识。当前的持续学习方法主要 focus on 为神经网络提供机制以缓解遗忘效应。灵感来自人脑中两个 distinct 系统——系统 1 和系统 2，我们提出一种神经符号脑类持续学习（Neuro-Symbolic Brain-Inspired Continual Learning, NeSyBiCL）框架，包含两个子系统来解决持续学习问题：一个神经网络模型负责快速适应最新任务，一个符号推理器负责保留来自以前任务的已获取知识。此外，我们设计了这些组件之间的集成机制，以促进从符号推理器到神经网络的知识传递。我们还引入两个组成性持续学习基准，表明 NeSyBiCL 在与仅依赖神经架构应对遗忘的持续学习方法相比，具有有效性并实现卓越性能。
引用
@article{arxiv.2503.12635,
title = {Hybrid Learners Do Not Forget: A Brain-Inspired Neuro-Symbolic Approach to Continual Learning},
author = {Amin Banayeeanzade and Mohammad Rostami},
journal= {arXiv preprint arXiv:2503.12635},
year = {2025}
}