无中生有式学习
人工智能
2019-04-23 v2
摘要
本文从哲学层面并在一定程度上从形式化层面，引入了“无中生有式学习”（learning ex nihilo）这一新颖概念，其意图（显然）是类比于“无中生有式创造”（creation ex nihilo）这一概念。无中生有式学习是智能体通过恰当运用演绎与归纳推理的图式而“从虚无中”学习。该推理必须在机器可验证的意义上符合认知演算（cognitive calculus，即大致为一种内涵高阶多算子量化逻辑）中的形式证明/论证理论，并且该推理被应用于智能体所接收到的感知信息，处于某些先验知识以及某些先验与当前兴趣的语境之中。无中生有式学习对当代机器学习（ML）形式构成了挑战，且确为一种严峻挑战，但提出这一挑战的初衷在于激励非逻辑主义 ML 研究者与工程师尝试与掌握无中生有式学习框架者开展协作，并最终在实现层面尝试与此类框架直接集成。此种集成将尤其需要最先进的自动推理器与高表达力规划器同统计/联结主义 ML 技术的共生互操作。
引用
@article{arxiv.1903.03515,
title = {Learning $\textit{Ex Nihilo}$},
author = {Selmer Bringsjord and Naveen Sundar Govindarajulu},
journal= {arXiv preprint arXiv:1903.03515},
year = {2019}
}