本文介绍了两种原则性的推理形式:溯因推理和论证推理,并阐述了它们在机器学习中可以发挥的基本作用。本文回顾了过去几十年来关于这两种推理形式与机器学习工作的联系的最新成果,并由此阐述了溯因推理和论证推理的解释生成作用如何使它们成为可解释机器学习和人工智能系统开发的自然机制。溯因推理通过数据的转换、准备和均质化来促进学习,从而为实现这一目标做出了贡献。论证作为传统演绎推理的保守扩展,为学习提供了一种灵活的预测和覆盖机制——一种与所学知识相关的目标语言——它明确承认在学习的背景下,需要处理与任何经典逻辑理论不相容的不确定、不完整和不一致的数据。
一般权利 对论文的访问受 Creative Commons 署名 - 非商业性使用 - 禁止演绎 4.0 国际公共许可证的约束。此许可证的副本可在 https://creativecommons.org/licenses/by-nc-nd/4.0/legalcode 找到。此许可证规定了您的权利以及对您访问论文的限制,因此在继续之前阅读此许可证非常重要。删除政策 在将论文存入 Explore Bristol Research 之前,由于版权限制,部分页面可能已被删除。但是,如果您发现论文中存在您认为违法的材料,例如侵犯版权(无论是您自己的还是第三方的)或任何其他法律,包括但不限于与专利、商标、保密、数据保护、淫秽、诽谤、诽谤有关的法律,请联系 collections-metadata@bristol.ac.uk 并在您的消息中包含以下信息:
一般权利 访问本论文须遵守知识共享署名-非商业-禁止演绎 4.0 国际公共许可证。可在 https://creativecommons.org/licenses/by-nc-nd/4.0/legalcode 找到此许可证的副本。 此许可证列出了您的权利以及访问本论文的限制,因此在继续操作之前,请务必阅读此许可证。删除政策 本论文的某些页面可能在存入 Explore Bristol Research 之前因版权限制而被删除。但是,如果您在论文中发现了您认为是非法的内容,例如侵犯版权(无论是您的还是第三方的)或任何其他法律,包括但不限于与专利、商标、保密、数据保护、淫秽、诽谤、诽谤有关的法律,请联系 collections-metadata@bristol.ac.uk 并在您的消息中包含以下信息:
愿景 Viksit Bharat@2047 旨在基于社会经济、文化、政治和技术领域的进步,到 2047 年将印度定位为发达国家。该计划强调了跨学科研究的重要性,通过战略政策干预来识别和应对挑战。社会科学研究采用归纳和演绎等混合方法,被视为引导政策制定者实现可持续发展的关键。印度社会科学研究理事会 (ICSSR) 支持这一愿景,邀请各个领域的合作研究项目,重点关注循证政策建议、新战略和创新解决方案。鼓励研究人员跨机构和学科进行合作,促进可持续发展目标 (SDG)、资源优化和社会经济增长等领域的创新和实验。这些项目旨在打破传统方法,提供可行的框架,推动印度到 2047 年成为发达国家。
版权所有 © 2019 美洲国家组织美洲对话、美洲开发银行。本作品根据 Creative Commons IGO 3.0 署名-非商业-禁止演绎 (CC-IGO BY-NC-ND 3.0 IGO) 许可证 (http://creativecommons.org/licenses/by-nc-nd/3.0/igo/legalcode) 授权,可出于任何非商业目的复制,并注明署名美洲对话、IDB 和 OAS。不允许复制任何作品。任何与 IDB 作品使用有关的争议,如果无法友好解决,应根据 UNCITRAL 规则提交仲裁。除署名之外,将 IDB 名称用于任何其他目的以及使用 IDB 徽标均受 IDB 与用户之间单独书面许可协议的约束,并且不属于本 CC-IGO 许可证的一部分。请注意,上面提供的链接包含许可的附加条款和条件。
虽然有很多种解释,但我们认为数字化转型本质上是将数据移至云端。人们认为,云端将是整合数据并使其适应人工智能 (AI) 的更好场所。尚不清楚的是,向云端迁移是否是所有人都必须面对的必然趋势,甚至是实施 AI 的先决条件。我们认为数字化转型部分是对现有解决方案和平台的重新演绎,部分是 IT 和咨询界争夺地盘的企图。埃森哲的立场文件尤其具有启发性,因为它得出结论,在未来,“[数据科学] 专业知识 [将] 战胜行业经验。”在另一个层面上,强硬的营销延伸到了 IT 部门本身,正如《福布斯》最近的一篇文章所说,“首席信息官必须调整他们的个人和专业技能以满足当今的需求。那些不这样做的人可能会变得无关紧要。”你已经被警告了!
信息编码过程采用了分析-综合和演绎-归纳法等理论方法。此外,还采用了实证方法,包括内容分析技术、科学观察和通过经该领域专家验证的结构化问卷进行调查。研究发现,教育领域在人工智能整合方面面临诸多挑战,例如调查技能发展有限、缺乏批判性和分析性推理能力,以及对人工智能工具所提供信息质量的担忧。尽管人工智能具有快速完成任务等显著优势,但也有可能过度依赖人工智能。该研究建议制定或实施培训计划和研讨会,以有效使用人工智能工具,强调平台导航并了解其优缺点。在便利性和批判性思维之间取得平衡仍然至关重要,强调在学习过程中避免完全依赖人工智能的必要性。
SP 被归类为一种“预见性”方法,旨在识别和了解潜在未来变化的早期信号 1 。SP 并不预测单一的未来,而是侧重于创建多种情景来代表不同的可能未来,然后为每种情景制定若干计划。SP 是一种了解外部风险或冲击如何与组织的弱点和优势相互作用的方法,使组织能够更好地应对这些风险或冲击 2 。该方法提高了对未来事件的适应性和响应能力。尤其对于企业而言,可以预期 SP 将提高其相对于同行业其他公司的竞争优势(图 1 )。SP 的历史表明,其方法论存在多种思想流派和实践 3 。例如,如图 2 所示,牛津情景规划方法 (OSPA) 在制定情景时同时采用了演绎方法和归纳方法。
虽然有很多可能的解释,但我们认为数字化转型本质上是将数据移至云端。人们认为,云端将是集成数据并使其适应人工智能 (AI) 的更好场所。目前尚不清楚的是,向云端迁移是否是所有人都必须面对的必然结果,甚至是实施 AI 的先决条件。我们认为数字化转型部分是对现有解决方案和平台的重新演绎,部分是 IT 和咨询界争夺地盘的企图。埃森哲的立场文件尤其具有启发性,因为它得出结论,在未来,“[数据科学] 专业知识 [将] 战胜行业经验。” 在另一个层面上,强硬的营销延伸到了 IT 部门本身,正如《福布斯》最近的一篇文章所说,“首席信息官必须调整他们的个人和专业技能以满足当今的需求。”那些不冒着变得无关紧要的风险的人。’你已经被警告了!
一般权利 对论文的访问受 Creative Commons 署名 - 非商业性使用 - 禁止演绎 4.0 国际公共许可证的约束。此许可证的副本可在 https://creativecommons.org/licenses/by-nc-nd/4.0/legalcode 找到。此许可证规定了您的权利以及对您访问论文的限制,因此在继续之前阅读此许可证非常重要。删除政策 在将论文存入 Explore Bristol Research 之前,由于版权限制,部分页面可能已被删除。但是,如果您发现论文中存在您认为违法的材料,例如侵犯版权(无论是您自己的还是第三方的)或任何其他法律,包括但不限于与专利、商标、保密、数据保护、淫秽、诽谤、诽谤有关的法律,请联系 collections-metadata@bristol.ac.uk 并在您的消息中包含以下信息: