极道
·
实现符号逻辑推理的最佳方法是什么？
💡
原文中文，约1200字，阅读约需3分钟。
📝
内容提要
作者发现曲线拟合是错误的符号推理建模方法，尝试使用基于LSTM/GRU的模型进行一阶逻辑分类，但无法学习实际的一阶逻辑。作者认为问题在于学习过程，而不是函数空间的表示能力。推友讨论了Transformer的优势和符号方法的潜力。作者认为智能缺少讲故事的模型。
🎯
关键要点
- 曲线拟合被认为是符号推理建模的错误方法。
- 基于LSTM/GRU的模型无法学习实际的一阶逻辑，问题在于学习过程而非函数空间的表示能力。
- Transformer在符号程序学习方面表现不佳，尽管在深度学习中表现优越。
- 推友讨论了Transformer的优势，包括基于内容的查找、绝对位置查找和相对位置查找。
- 符号方法可能提供另一种选择，结合LSTM/GRU和符号方法可能推动AI模型的发展。
- 智能包括自动完成和讲故事，当前缺乏讲故事的模型。
🏷️
标签
➡️
