多视角与多评估结合恰当的归纳偏置提升机器抽象推理能力
机器学习
2023-03-30 v2 人工智能
摘要
为研究人工智能的抽象推理能力，人们已付出巨大努力，随之提出了不同版本的 RAVEN 渐进矩阵（RPM）作为基准测试。先前的工作暗示，在没有精细设计或包含语义信息的额外元数据的情况下，神经网络在经过持续训练后，可能仍无法果断地解决 RPM 问题。通过详尽的实验和消融研究，我们表明，具有恰当归纳偏置（无论是刻意设计还是偶然匹配）的端到端神经网络，在不增加任何额外元数据或偏好任何特定骨干网络的情况下，能够优雅地解决 RPM 问题。我们的工作还表明，多视角与多评估是成功推理的关键学习策略。最后，我们提供了关于联结主义模型在泛化上失败的潜在解释。我们希望这些结果能作为对人工智能超越感知、迈向抽象推理能力的检验。源代码可在 https://github.com/QinglaiWeiCASIA/RavenSolver 找到。
引用
@article{arxiv.2210.14914,
title = {Multi-Viewpoint and Multi-Evaluation with Felicitous Inductive Bias Boost Machine Abstract Reasoning Ability},
author = {Qinglai Wei and Diancheng Chen and Beiming Yuan},
journal= {arXiv preprint arXiv:2210.14914},
year = {2023}
}