标题：

关系式归纳偏好、深度学习和图网络

摘要：

最近，人工智能（AI）经历了一次复兴，在视觉，语言，控制和决策等关键领域都取得了重大进展。 一部分原因是现在廉价的数据和计算资源与深度学习本身的优势很合适。然而，对于面对各种不同压力时的人类智能的许多特征，现在很多方法仍然不能学到。特别是，超越自身经验进行归纳（因为人类智能从婴儿时期就已经开始），仍然是现代人工智能的一个巨大挑战。

接下来是部分立场文件（position paper），部分回顾和部分统一。我们认为，组合式归纳是使AI具备人类能力的首要任务，结构化表示和计算是实现这一目标的关键。就像生物学使用自然和人工哺育相结合一样，我们拒绝在“手工作业”和“端到端”的方法中进行选择，这种错误的方式，而是主张采用将它们优势互补之后的方法。我们会探讨在深度学习架构中使用关系式归纳偏好将会如何促进学习实体，关系和组成它们的规则。我们还为人工智能工具包提供了一个新的构建模块，也就是图网络，它具有强大的关系式归纳偏好。图网络推广并扩展了各种对图进行操作的神经网络方法，并为操纵结构化知识和生成结构化行为提供了一个直接的端口。我们将会讨论图网络如何支持关系推理和组合泛化，并且为更复杂的，可解释的和灵活的推理模式打下基础。

论文下载地址：

https://export.arxiv.org/pdf/1806.01261

始发于微信公众号： 集智俱乐部