神经符号人工智能——为何、何为与如何为

人类与环境的交互依赖于感知——将来自环境的感觉输入转化为符号，以及认知——将符号映射为关于环境的知识以支撑抽象、类比推理与长期规划。在人工智能语境下，受人类感知启发机器感知指利用以自监督学习目标（如下一词预测或物体识别）训练的神经网络从原始数据中进行大规模模式识别。另一方面，机器认知涵盖更复杂的计算，例如利用环境知识引导推理、类比与长期规划。人类还能够控制并解释其认知功能。这似乎需要保留从感知输出到环境知识的符号映射。例如，在医疗、刑事司法与自动驾驶等安全攸关应用中，人类能够遵循并解释驱动其决策的指导原则与安全约束。本文介绍快速兴起的神经符号人工智能范式，其结合神经网络与知识引导的符号方法以构建更具能力与灵活性的AI系统。这些系统在算法层面（如抽象、类比、推理）与应用层面（如可解释且受安全约束的决策）均具有推进AI系统能力的巨大潜力。