行知论坛237:反绎学习 连接机器学习与逻辑推理

发布人:肖亮审核人:张世刚 时间:2020-11-23浏览:589设置

报告题目:反绎学习  连接机器学习与逻辑推理

报告专家:戴望州(帝国理工学院)

报告时间:2020112413:00-14:00

报告地点:4042

邀请人:魏秀参

 

报告摘要:机器学习与逻辑推理是人工智能的两大核心任务。前者的目标是从训练样本中学习一个模型,以使该模型能够被泛化至未见数据;后者则一般使用一阶逻辑对求解的问题进行形式化,通过逻辑程序等工具实现机器自动推理。常规的机器学习方法——如统计学习与深度学习——擅长从图片、文本和向量表示的数据中进行概念学习;传统的机器推理方法则能够基于逻辑符号表示的领域知识对目标进行求解。将此二者相结合是人工智能领域长久以来的重要挑战之一。然而目前的机器学习方法难以引入逻辑表示的知识,基于逻辑表示的符号主义人工智能则无法被直接应用于图像等非符号表示的数据。反绎推理被看作一种连接学习与推理的可能方式,它能够基于领域知识对观测现象进行解释。基于反绎推理,我们提出了一种结合逻辑推理与机器学习的框架——反绎学习。它是一种将机器学习与逻辑推理进行互促结合的框架,既能将领域知识转化为训练机器学习模型所需的样本标记,又能利用机器学习将数据转化为增广和精化领域知识所需的逻辑符号。本报告将对反绎学习的最新进展及应用进行简要介绍。

 

报告专家简介:戴望州博士是英国帝国理工学院计算机系副研究员,2019年毕业于南京大学计算机系 ,是IBM博士生英才计划奖、Google优秀奖学金获得者。他在AAAINeurIPSILPACMLICDMMachine Learning等人工智能和机器学习领域顶级国际会议与期刊中发表过多篇学术论文。研究方向包括人工智能、机器学习与数据挖掘、归纳逻辑程序设计等,主要研究兴趣是结合机器学习与符号推理的人工智能。目前担任IJCAIAAAINeurIPSICMLECML等人工智能和机器学习领域国际会议程序委员会委员,MLJTKDEJMLRTKDDTNNLS等多个机器学习领域国际学术期刊审稿人。


返回原图
/