机构名称：
¥ 1.0
现代机器学习彻底改变了各种领域的问题解决，包括软件工程，科学发现和医学。随着语言，图像和多模式数据的基础模型的进步，最终用户可以完成复杂的任务，否则将需要大量的专业知识和资源。然而，尽管有这些显着的进步，但深度学习仍面临许多局限性。重要的是，它在需要结构，逻辑和计划的问题上挣扎 - 传统符号推理表现出色的地方。在他的2011年经典思维中快速慢，卡尼曼将人类的认知描述为与神经网络类似于神经网络的直观，关联的“系统1”与逻辑上的“系统2”之间的相互作用。将这两个范式的互补优势结合到统一系统中是人工智能的基本挑战。Neurosymbolic编程是一个有希望的新兴范式，旨在应对这一挑战。我的研究重点是神经符号编程的基础，即跨越正式的语义，语言设计和学习算法，以及其在涉及自然语言推理，计算机视觉和多模式整合的现实世界中的应用。为此，我追求了两个互补的研究方向：扇贝，通用神经成像节目的框架，发表在（Neurips 2021），（PLDI 2023），（PLDI 2023），（AAAI 2024）中，以及在基础中的基础和趋势（FNT 2024）的基础和趋势（FNT 2024）中的邀请专着和趋势;以及一系列逐渐高级的应用，以增强推理的复杂性并整合了越来越多样化的模式，这些方式发表在（ICML 2020），（ACL 2023）和（TR 2024）中。
- 智信（Jiani Huang）：研究声明
主要关键词
相关文件推荐
