通过对比抽象关系结构学习制造类比
人工智能
2019-02-04 v1
摘要
类比推理一直是多波 AI 研究的主要焦点。类比对机器尤其具有挑战性，因为它要求关系结构被表征为可跨不同经验领域灵活应用的形式。在此，我们研究如何在学习感知并推理原始视觉数据的神经网络中诱发类比推理能力。我们发现，诱发这种能力的关键因素并非精巧的架构，而是对数据选择及其呈现方式的仔细考量。当网络通过对比输入领域中的抽象关系结构来学习类比时——这一训练方法仅利用输入数据迫使模型学习重要的抽象特征——所诱发的类比推理能力最为稳健。利用该技术，我们即使在最简单的神经网络架构中也展示了进行复杂、视觉与符号类比构建及泛化的能力。
引用
@article{arxiv.1902.00120,
title = {Learning to Make Analogies by Contrasting Abstract Relational Structure},
author = {Felix Hill and Adam Santoro and David G. T. Barrett and Ari S. Morcos and Timothy Lillicrap},
journal= {arXiv preprint arXiv:1902.00120},
year = {2019}
}