本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
概念抽象和類比是人類學習、推理和將知識強有力地適應新領域的能力的關鍵能力。儘管建構具有這些能力的人工智慧系統的研究歷史悠久，但目前的人工智慧系統還沒有接近形成類人抽像或類比的能力。本文回顧了實現這一目標的幾種方法的優點和局限性，包括符號方法、深度學習和機率程序歸納。本文最後提出了設計挑戰任務和評估措施的若干建議，以便在該領域取得可量化和可推廣的進展。
本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
概念抽象和類比是人類學習、推理和將知識強有力地適應新領域的能力的關鍵能力。儘管建構具有這些能力的人工智慧系統的研究歷史悠久，但目前的人工智慧系統還沒有接近形成類人抽像或類比的能力。本文回顧了實現這一目標的幾種方法的優點和局限性，包括符號方法、深度學習和機率程序歸納。本文最後提出了設計挑戰任務和評估措施的若干建議，以便在該領域取得可量化和可推廣的進展。