机器推理的进展与展望

机器学习算法的发展仍受到泛化能力较弱、鲁棒性较差、缺乏可解释性等问题的限制. 文中介绍机器推 理,说明推理对于机器学习人的知识和逻辑、理解和解释世界的重要作用. 首先分析人类大脑推理机制,从认知地图、神经元和奖赏回路,扩展到受脑启发的直觉推理、神经网络和强化学习. 进而总结机器推理的方式及其相互关联的现状、进展及挑战,具体包括直觉推理、常识推理、因果推理和关系推理等. 最后展望机器推理的应用前景与未来的研究方向。