![arXiv:2109.08006v3 [cs.AI] 2021 年 11 月 5 日](/simg/4/4fcb830248cd3f99a25326b2b1663ac275ee39f0.png)
机构名称：
¥ 1.0
人工智能 (AI) 的一个重要方面是能够以逐步的“算法”方式进行推理，并可以检查和验证其正确性。这在问答 (QA) 领域尤为重要。我们认为，问答中的算法推理挑战可以通过人工智能的“系统”方法有效解决，该方法的特点是混合使用符号和亚符号方法，包括深度神经网络。此外，我们认为，虽然具有端到端训练管道的神经网络模型在图像分类和语言建模等狭窄应用中表现良好，但它们本身无法成功执行算法推理，尤其是当任务跨越多个领域时。我们讨论了一些值得注意的例外情况，并指出当问答问题扩大到包括其他需要智能的任务时，它们仍然受到限制。然而，深度学习和机器学习总体上确实在推理过程中发挥着重要作用。在本立场文件中，我们提出了一种用于 QA 的算法推理方法，即深度算法问答 (DAQA)，该方法基于这种 AI 系统应该具备的三个理想特性：可解释性、可泛化性和鲁棒性，并得出结论，通过混合 AI 和组合 AI 的组合可以最好地实现这些特性。
arXiv:2109.08006v3 [cs.AI] 2021 年 11 月 5 日
主要关键词
![arXiv:2109.08006v3 [cs.AI] 2021 年 11 月 5 日PDF文件第1页](/bimg/1/16b67b2d084faa5a1859d7676434279b87e718f5.webp)
![arXiv:2109.08006v3 [cs.AI] 2021 年 11 月 5 日PDF文件第2页](/bimg/d/d53e895d7c7c4b587caaeab5314eb276a6717e30.webp)
![arXiv:2109.08006v3 [cs.AI] 2021 年 11 月 5 日PDF文件第3页](/bimg/2/2ec320881dc34365f94ed8b2599d1472b9cb5be3.webp)
![arXiv:2109.08006v3 [cs.AI] 2021 年 11 月 5 日PDF文件第4页](/bimg/7/7c9d005065d01990aaa1dd29027a3702a53fd2b0.webp)
![arXiv:2109.08006v3 [cs.AI] 2021 年 11 月 5 日PDF文件第5页](/bimg/b/be4ffcbec72e6bdaeb5be33d484b83d6b19be9fd.webp)
相关文件推荐
![arXiv:2109.02202v1 [cs.AI] 2021 年 9 月 6 日](/simg/5/55baf6cb57275ce7df25ca5c5de85c262f57827f.png)
![arXiv:2109.01281v2 [cs.AI] 2021 年 10 月 4 日](/simg/3/325c45217088ea7ef5cdb60280f17c1c7fe54b34.png)
![arXiv:2103.06769v1 [cs.AI] 2021 年 3 月 11 日](/simg/2/2f4d12dbbeb215138cd3f636a30cb61579429c5b.png)
![arXiv:2107.12977v3 [cs.AI] 2021 年 11 月 17 日](/simg/a/ae032aba22522e8e9c4e5cb16f874631e51a5f13.png)
![arXiv:2112.15422v1 [cs.AI] 2021 年 11 月 25 日](/simg/9/944ac25ddea48b6e4402cdc063b0cba3869af3b5.png)
![arXiv:2108.04371v1 [cs.AI] 2021 年 8 月 9 日](/simg/6/69fe1655ea43f7b9cf8e76ca88cea4759963b40c.png)
![arXiv:2106.02498v1 [cs.AI] 2021 年 6 月 4 日](/simg/9/93f7f6b4cf13f430992a922d1f2df15a49e78633.png)
![arXiv:1907.09278v2 [cs.AI] 2021 年 3 月 1 日](/simg/b/b56249f47d3400dc780a2a5a6b1e7a2371ddf6ce.png)
![arXiv:2106.01503v1 [cs.AI] 2021 年 6 月 2 日](/simg/e/e1571bcb5bcb584c2a170e3c51159ee34ba9f241.png)
![arXiv:2001.11457v3 [cs.AI] 2021 年 3 月 5 日](/simg/7/77db03c1f11d1263a7a871acf160ef76873ebef0.png)
![arXiv:2001.02021v1 [cs.AI] 2020 年 1 月 7 日](/simg/6/6656a65d1324b757699cd670b349c20ef6da7f31.png)
![arXiv:2101.11844v1 [cs.AI] 2021 年 1 月 28 日](/simg/0/0d5ef59b56f0580056ece4d763c75afa4d2bd407.png)
![arXiv:2105.06564v2 [cs.AI] 2021 年 5 月 17 日](/simg/4/4a44e8f64e3bdf2208b0ec3c7f0db257903554ef.png)
![arXiv:2009.05487v3 [cs.AI] 2021 年 8 月 26 日](/simg/3/3c87b68027f137968ab7fa405274c3bf872022b1.png)
![arXiv:2007.01544v2 [cs.AI] 2021 年 9 月 20 日](/simg/5/54b080d69663555a0d382eb9d34ff207684afe01.png)
![arXiv:2105.11828v1 [cs.AI] 2021 年 5 月 25 日](/simg/5/58a37638f5f7ba15129a1d765c77a035aa693d7b.png)
![arXiv:2102.06518v1 [cs.AI] 2021 年 2 月 12 日](/simg/0/070d7c7773e4992bf716ef8f8bc5d0404ff23414.png)
![arXiv:2106.03797v1 [cs.CV] 2021 年 5 月 20 日](/simg/d/d3991bdbf22b7ca1f479c1474c721bd822b7bde3.webp)
![arXiv:2009.01606v3 [cs.AI] 2020 年 11 月 13 日](/simg/4/4ebe57468238c7ffd4182df62dfbbcd7f09aa203.png)
![arXiv:2110.04203v2 [cs.AI] 2021 年 10 月 18 日](/simg/5/58d5a0053bae26a7adfd1fb340a26d8711d48d91.png)
![arXiv:2112.05700v1 [cs.AI] 2021 年 12 月 10 日](/simg/3/3ec93cb24912e4a7fd3a076b6543510966aa675b.png)
![arXiv:2406.07305v1 [quant-ph] 2024 年 6 月 11 日](/simg/c/c1ffc5048c64fc8eddd28b8a08b4a494f004f771.png)
![arXiv:2211.08671v1 [cs.AI] 2022 年 11 月 16 日](/simg/d/d5430f7ae8525ad103bb47e8f0b166c79bb08184.png)