XiaoMi-AI文件搜索系统
World File Search SystemSymbol
量子程序的自动符号验证
量子计算在提高优化[15,25]、数据库搜索[19]、密码学[36]、量子动力学模拟[10]、可满足性问题[8]和机器学习[23]等许多领域的问题求解的可扩展性方面具有巨大潜力。最近，量子计算在交通流[18]、飞机载荷[38]、物流[2]和医疗诊断[21]等安全关键领域的应用势头强劲。此外，量子模拟[1,11,37]和云端量子计算机[22]现已可用。与经典程序一样，检测量子程序中的错误是一个关键问题。对于经典程序，存在强大的形式化验证技术来自动验证程序是否符合形式化规范[12]。最先进的验证器（例如，对于 C 程序 [ 6 ， 7 ， 27 ]）以符号方式执行验证：开发人员将特定的程序输入标记为符号，以便验证器知道使用这些输入作为“搜索空间”。然后，验证器证明程序的所有可能输入都符合规范。
超维计算（又称向量符号架构）调查，第二部分：应用、认知模型和挑战
值得注意的是，本调查中引用的一些文献可能很难找到；但是，大多数文献可以通过 https://www.hd-computing.com/publications 上的在线出版物列表进行查找。Denis Kleyko 和 Dmitri Rachkovskij 对这项工作做出了同等贡献。DK 的工作得到了欧盟“地平线 2020”计划下玛丽居里个人奖学金 (839179) 的支持。DK 的工作还得到了 AFOSR FA9550-19-1-0241 和英特尔 THWAI 计划的部分支持。 DAR 的工作部分得到了乌克兰国家科学院（拨款编号 0120U000122、0121U000016、0122U002151 和 0117U002286）、乌克兰教育和科学部（拨款编号 0121U000228 和 0122U000818）以及瑞典战略研究基金会 (SSF，拨款编号 UKR22-0024) 的支持。作者地址：D. Kleyko，加州大学伯克利分校，美国加利福尼亚州伯克利市，邮编 94720，瑞典研究机构，瑞典希斯塔，邮编 16440；电子邮箱：denkle@berkeley.edu； D. Rachkovskij，国际信息技术研究与培训中心，乌克兰基辅，03680，吕勒奥理工大学，瑞典吕勒奥，97187；电子邮件：dar@infrm.kiev.ua；E. Osipov，吕勒奥理工大学，瑞典吕勒奥，97187；电子邮件：evgeny.osipov@ltu.se；A. Rahimi，IBM Research–Zurich，瑞士苏黎世，8803；电子邮件：abr@zurich.ibm.com。允许免费复制或复印本作品的全部或部分以供个人或课堂使用，但不得出于营利或商业目的而复制或分发，且复制件首页必须注明此声明和完整引文。必须尊重 ACM 以外的其他人拥有的本作品组成部分的版权。允许以署名形式发表摘要。以其他方式复制、重新发布、发布到服务器或重新分发到列表，需要事先获得特定许可和/或付费。请向 permissions@acm.org 申请许可。© 2023 计算机协会。
神经符号人工智能：开启机器学习的新时代
在过去的十年中，人工智能，尤其是深度学习引起了媒体的关注，成为越来越多大型研究项目的焦点，并改变了商业模式。这导致了关于人工智能对学术界和工业界影响的有影响力的辩论[1][2] 图灵在 1950 年的论文《计算机器和智能》中证明了机器可以是智能的。然而，即使在那时，“人工智能”这个词也没有直接出现，也没有具体的内容。然而，六年后，达特茅斯大学的约翰·麦卡锡在达特茅斯会议上提到了“人工智能”一词（McCarthy et al., 2006），并建议进行具体的讨论和研究，人工智能的研究开始了。从那里开始了人工智能的两个领域——联结主义和符号主义。
将神经符号人工智能引入人文社会科学：为什么这是可能的以及可以做什么？
摘要：在人工智能（AI）的支持下，各行各业的智能应用给人类社会带来了巨大的变化。人工智能不仅受到人文社会科学学者的关注、分析和批判，而且在实证研究方法中发挥着重要作用，从而推动了人文社会科学领域研究范式的转变。目前，神经符号人工智能作为人工智能领域两大派系——联结主义和符号主义融合的新产品，因其感知环境的学习能力和操纵符号的推理能力，在研究和解决涉及海量数据的人文社会问题方面具有很高的应用价值。神经符号人工智能的引入对于数字人文、计算社会科学等新兴交叉学科领域的发展也具有重要意义。本文旨在理清神经符号人工智能与人文社会科学的联系，总结其最新的发展趋势和代表性应用，探索一条适应大数据时代的人文社会科学多元化方法论拓展的可行路径。
参数时间自动机的重写逻辑语义和符号分析
本文介绍了参数时间自动机 (PTA) 的重写逻辑语义，并表明使用 Maude-with-SMT 的符号可达性分析对于 PTA 可达性问题是合理且完整的。然后，我们改进了标准的 Maude-with-SMT 可达性分析，以便当 PTA 的符号状态空间有限时，分析终止。我们展示了如何使用我们的方法合成参数，并将其性能与最先进的 PTA 工具 Imitator 进行比较。实际贡献有两个方面：为 PTA 提供新的分析方法（例如，允许查询中具有更一般的状态属性并支持与用户定义的执行策略相结合的可达性分析，而 Imitator 不支持这些方法），并为实时重写理论开发符号分析方法。
符号主义、联结主义、行动主义
阐明人工智能与建筑之间联系的关键在于逻辑学派。计算主义的发展与建筑结构主义思想的融合，导致了基于形式概念的类型学设计方法。自然语言作为符号系统的认知是在符号学中建立的，符号学是指对符号过程（符号学）的研究。任何形式的活动、行为或任何涉及符号的过程，包括意义的产生。查尔斯·桑德斯·皮尔斯的模型强调了表征与对象以及使用符号作为传输系统的解释者之间的关系。结构主义根植于三个主要领域：语言学、人类学和文学分析，旨在通过通用符号系统传递建筑思想。语言和语义的转变在 20 世纪 60 年代和 70 年代的建筑中得以实现，标志着从结构主义、理性主义到计算主义的道路。规则和形式（例如模型和方法）以不同的规模出现在建筑中。结构主义处理的是建筑规模，而 La Tendenza 则对更大的规模感兴趣，研究城市。如今，通过计算主义，它可以转变为更大的行星规模。
癌症进化：达尔文和超越
预期团队成员行动的能力可以实现共同目标的共同行动。任务知识和心理模拟允许预测其他代理的行动，并推断出其潜在的心理表征。在人类 - AI团队中，为AI代理提供了预期的机制，可以促进合作和成功执行联合行动。本文提出了一个计算认知模型，证明了对操作员的心理模型的心理模拟和对其行为的预期。这项工作提出了两个连续的步骤：（1）应用层次群集算法来识别飞行员之间的行为模式。这些行为群集用于从经验数据（n = 13个飞行员）中得出共同点。（2）ACT -R（对思想的自适应控制 - 理性）认知模型被实施，以在精神上模拟飞行员的行动决策和时机的不同可能结果。ACT-R的模型跟踪允许跟踪操作员的个人操作。使用ACT-R的符号表示来实现两个模型：一个模拟规范行为，另一个模拟通过模拟个体差异和使用下符号学习来实现。通过对两个模型的比较来分析模型性能。结果表明，与规范性
博世的神经符号人工智能：数据基础、洞察和部署
动机。神经符号人工智能 [ 1 ] 是指联结人工智能（神经网络）与符号人工智能方法（如本体和逻辑）的集成。工业 4.0 [ 2 ] 的技术进步带来了异构制造（大）数据的数量和复杂性的快速增长 [ 3 ]，使工业中的神经符号人工智能成为可能。尽管这个话题很受欢迎，但如何在工业中实现神经符号人工智能仍有待研究。在本文中，我们以博世的活动（图 1 ）为例来介绍神经符号人工智能，其中语义技术发挥着至关重要的作用，包括 1）数据基础，它依赖于语义数据集成将异构数据统一为统一格式，2）洞察，它利用数据驱动的方法，尤其是机器学习（ML）从数据中提取知识，以及 3）部署，它给出了从数据中创造价值的工业案例。
符号和心理程序：关于人类奇点的假设
自然语言通常被视为解释人类认知奇点的唯一因素。相反，我们认为人类拥有多种内部思维语言，类似于计算机语言，它们对各个领域（数学、音乐、形状……）的结构进行编码和压缩。这些语言依赖于不同于传统语言区域的皮质回路。每种语言都有以下特点：（i）使用一小组符号对某个领域进行离散化，（ii）将它们递归组合成对具有变化的嵌套重复进行编码的心理程序。在各种基本形状或序列感知任务中，所提出的语言中的最小描述长度可以捕捉人类行为和大脑活动，而非人类灵长类动物数据则由更简单的非符号模型捕捉。我们的研究支持人类思维的离散符号模型。
符号作为弥合人机鸿沟的通用语言，用于可解释和可建议的人工智能系统
尽管许多现代人工智能系统通常能够学习自己的表征，拥有令人惊讶的强大功能，但人们对它们的不可捉摸性以及与人类互动能力随之而来的问题感到非常不满。虽然已经提出了神经符号方法等替代方案，但对于这些方法的具体内容缺乏共识。通常有两个独立的动机：(i) 符号作为人机交互的通用语言；(ii) 符号作为人工智能系统在其内部推理中使用的系统生成的抽象。关于人工智能系统是否需要在其内部推理中使用符号来实现一般智能能力，目前尚无定论。无论答案是什么，人机交互中对（人类可理解的）符号的需求似乎非常引人注目。符号，就像情绪一样，可能不是智能本身的必要条件，但它们对于人工智能系统与人类互动至关重要——因为我们既不能关闭我们的情绪，也不能没有我们的符号。特别是在许多人为设计的领域，人类会对提供明确的（符号）知识和建议感兴趣——并期望机器以同样的方式进行解释。仅此一点就要求人工智能系统维护一个符号界面以便与人类互动。在这篇蓝天论文中，我们论证了这一观点，并讨论了需要追求的研究方向，以实现这种类型的人机互动。