迈向数据与知识驱动的人工智能：神经符号计算综述

神经符号计算（NeSy）致力于认知的符号与统计范式融合，多年来一直是人工智能（AI）的活跃研究领域。由于 NeSy 展现出调和符号表示的推理与可解释性优势以及神经网络中鲁棒学习能力的前景，它或可成为下一代 AI 的催化剂。本文中，我们系统概述 NeSy 研究的近期进展与重要贡献。首先，我们介绍该领域的研究历史，涵盖早期工作与基础。我们进一步讨论背景概念并识别 NeSy 发展背后的关键驱动因素。随后，我们依据支撑该研究范式的若干主要特征对近期标志性方法分类，包括神经-符号集成、知识表示、知识嵌入与功能性。接下来，我们简要讨论现代 NeSy 方法在若干领域的成功应用。然后，我们在三个代表性应用任务上基准测试若干 NeSy 方法。最后，我们指出开放问题及潜在未来研究方向。本综述期望能帮助新研究者进入这一快速发展的领域，并加速迈向数据与知识驱动 AI 的进程。