用视觉语言与语用推理求解 Bongard 问题
机器学习
2018-04-13 v1 人工智能
机器学习
摘要
五十多年前，Bongard 提出了 100 个视觉概念学习问题，作为智能视觉系统的测试平台。这些问题现被称为 Bongard 问题。尽管它们在认知科学与人工智能领域广为人知，但在构建能够求解其中相当子集的系统方面仅取得有限进展。在本文提出的系统中，视觉特征通过图像处理提取，随后翻译为符号化视觉词汇。我们引入一种形式语言，可基于该词汇表达复杂视觉概念。利用此语言与贝叶斯推断，可从每个 Bongard 问题所提供的示例中归纳出复杂视觉概念。与其他概念学习问题不同，Bongard 问题中用于归纳概念的示例并非随机，而是经精心挑选以传达概念，因此需要语用推理。考虑语用推理后，我们发现具有高后验概率的概念与 Bongard 本人所给出的解之间具有良好一致性。尽管该方法远未解决所有 Bongard 问题，但它求解了迄今最大比例的问题。
引用
@article{arxiv.1804.04452,
title = {Solving Bongard Problems with a Visual Language and Pragmatic Reasoning},
author = {Stefan Depeweg and Constantin A. Rothkopf and Frank Jäkel},
journal= {arXiv preprint arXiv:1804.04452},
year = {2018}
}