＃AAAI2025研讨会综述3：神经推理和数学发现，以及加速科学和工程的AI

来自“神经推理和数学发现 - 跨学科的双向街道”研讨会的图像。

在这一系列文章中，我们正在发布一些在第39届年度AAAI人工智能会议（AAAI 2025）举行的讲习班中的一些关键收获。在这篇第三篇综述文章中，我们从研讨会的组织者那里听到：

第39届年度AAAI人工智能会议（AAAI 2025）

神经推理和数学发现 - 加速科学与工程的跨学科双向街道

神经推理和数学发现 - 跨学科的双向街道

AI加速科学和工程 tiansi dong 组织者：挑战者Mishra，Mateja Jamnik，PietroLiò，Tiansi Dong。 挑战者Mishra，Mateja Jamnik，PietroLiò，Tiansi Dong。 球神经网络的最新进展证明了神经网络实现符号级别推理的各种可能性。该研讨会旨在重新考虑各种问题，并讨论神经网络和数学的双向街道通讯中的步行解决方案。 研讨会的一些关键要点如下： 黑盒神经网络可以成功地用于自动提高数学猜想和身份，并生成新的几何形状。对训练数据的数量，黑盒神经网络无法达到符号级别的逻辑推理。从哲学和神经科学到数学建模和人工神经网络的跨学科方法可以成功地应用于科学研究中，例如“什么好奇心？” 黑盒神经网络可成功地用于自动提高数学猜想和身份并生成新的几何形状。 黑盒神经网络 与训练数据的数量无关，黑盒神经网络无法达到符号级别的逻辑推理。 黑盒神经网络 跨学科方法 科学研究 标签： AAAI ，

AI加速科学和工程

tiansi dong

组织者：挑战者Mishra，Mateja Jamnik，PietroLiò，Tiansi Dong。

挑战者Mishra，Mateja Jamnik，PietroLiò，Tiansi Dong。

球神经网络的最新进展证明了神经网络实现符号级别推理的各种可能性。该研讨会旨在重新考虑各种问题，并讨论神经网络和数学的双向街道通讯中的步行解决方案。

研讨会的一些关键要点如下：

黑盒神经网络可以成功地用于自动提高数学猜想和身份，并生成新的几何形状。对训练数据的数量，黑盒神经网络无法达到符号级别的逻辑推理。从哲学和神经科学到数学建模和人工神经网络的跨学科方法可以成功地应用于科学研究中，例如“什么好奇心？”

黑盒神经网络可成功地用于自动提高数学猜想和身份并生成新的几何形状。

黑盒神经网络

与训练数据的数量无关，黑盒神经网络无法达到符号级别的逻辑推理。 黑盒神经网络 跨学科方法

科学研究

标签：

AAAI ，AAAI，