XiaoMi-AI文件搜索系统
World File Search System模态逻辑
认真对待原则：人工智能中价值协调的混合方法
人工智能 (AI) 中价值一致性 (VA) 系统开发的一个重要步骤是了解 VA 如何反映有效的道德原则。我们建议 VA 系统的设计者采用一种混合方法来融入道德，其中道德推理和经验观察都发挥作用。我们认为，这避免了犯“自然主义谬误”，即试图从“是”中推导出“应该”，并且在没有犯谬误时提供了一种更充分的道德推理形式。使用量化模态逻辑，我们精确地制定了源自义务论伦理的原则，并展示了它们如何为 AI 规则库中任何给定的行动计划暗示特定的“测试命题”。只有当测试命题在经验上是真实的，即基于经验 VA 做出的判断时，行动计划才是合乎道德的。这使得经验性 VA 能够与独立证明的道德原则无缝集成。
定量模态逻辑的表现力
摘要 - 一种足够强的模态逻辑，以完全表征系统的行为称为表达性。最近，随着（概率，网络物理等）的推理，系统的多样性越来越多。），重点转移到定量设置，从而为定量逻辑和行为指标带来了许多表达性结果。这些定量的表达性结果中的每一个都使用量身定制的论点；提炼这些论点的本质是非平凡的，但对于支持新的定量设置的表达模态逻辑的设计很重要。在本文中，我们介绍了基于近似家庭的新概念来得出定量表达结果的第一个分类框架。一个关键的成分是鳕鱼的提升，这是一种均匀的观察以各种双性异性的构造 - 类似于双性模拟指标的概念。我们表明，最近有几个定量表达性结果（例如Kénig等人。和Fijalkow等人）被容纳在我们的框架中；对于我们所谓的一分化均匀性，也得出了新的表达结果。
朱塞佩·普里米耶罗
- 联合组织者，米兰理工大学 (IT) 人工智能科学计算机模拟研讨会，2018 年 11 月 22-23 日。 - PC 成员，HaPoP4 第四届编程历史与哲学研讨会，2018 年 3 月 23 日，英国牛津。 - 联合组织者，计算机仿真方法暑期学校，HLRS 斯图加特（德国），2017 年 9 月 25-29 日。 - PC 成员，第 7 届直觉模态逻辑及应用研讨会（IMLA），与 ESSLLI 2017 共同举办，图卢兹（法国），2017 年 7 月 17-28 日。 - PC 成员 S4CIP17：第 2 届关键基础设施保护安全与安保研讨会，与 IEEE EuroS&P 共同举办：第 2 届欧洲安全与隐私研讨会（2017 年 4 月 26-28 日），巴黎。 -PC 成员，HaPoC4 会议，2017 年 10 月 4-7 日，布尔诺，捷克。
逻辑与人工智能特刊
高度发展。然而，众所周知，经典布尔逻辑在处理不确定性、等级真值或相似性等问题时是不够的，因此出现了其他更具表现力的逻辑，这些逻辑与人工智能更加相关。非经典逻辑作为解决许多人工智能挑战的方法而出现。事实上，正是在 20 世纪，逻辑中解决了模糊性、多义性和不确定性的形式化问题。这样，改变或删除经典逻辑的七个传统标准属性中的一些属性的想法导致了非经典逻辑的诞生。这些逻辑包括一大类不同的逻辑系统，例如模态逻辑、模糊逻辑、直觉逻辑或多值逻辑 [7、8、10 – 13、20、24、25、27、31]。在人工智能领域，我们通常区分出四种一般方法 [33]：基于逻辑的人工智能、非逻辑主义人工智能、智能代理连续体方法和异构人工智能方法。基于逻辑的人工智能是一种符号方法，由麦卡锡 [28] 于 1959 年具体发起，它基于使用逻辑将知识形式化并通过逻辑推理解决问题的一般思想。该方法涵盖的一些主要领域包括知识表示、信念理论、系统实现、非单调推理、溯因和归纳推理、常识推理和规划以及问题解决（有关基于逻辑的人工智能的一般讨论，请参阅 [29]）。请注意，基于逻辑的人工智能是本特刊中处理的方法。多值逻辑应用的最突出领域是基于逻辑的人工智能。一些重要的应用领域包括数据和知识挖掘的自动化、模糊概念的形式化和常识推理。在文献中，在人工智能中使用多值逻辑的研究工作包括：Aksoy 和 Ercanoglu [ 1 ] 在滑坡识别和分类中使用多值逻辑；Moraga 等人[30] 回顾并讨论了用于模糊控制的多值逻辑；Falomir 等人[22] 使用描述逻辑来解释数字图像，通过每个对象的颜色和定性形状以及其主要空间特征（位置、相对方向和拓扑）来描述每个对象，这允许通过推理推断出新的对象类别（例如门）；Corsi 和 Fermüller[14] 探讨了加权论证框架与基于 t 范数的逻辑之间的联系； Almubarak 等人 [ 2 ] 提出了一种基于模糊逻辑的颜色直方图分析方法，用于在皮肤镜图像中区分良性皮肤病变和恶性黑色素瘤；Badia 等人 [ 4 ] 和 Costa 和 Dellunde [ 15 ] 研究了模糊逻辑编程和计算机科学中相关概念的逻辑属性，16]；Eklund 和Löfstrand[19]应用多值逻辑，旨在丰富制造业中关于产品和生产过程的信息结构及其表示的语言；Falomir 和Pich[32]提出了一种组成定性形状的逻辑方法，并将其应用于解决空间推理测试；Flaminio等人[23]分析了多值逻辑与不确定性决策理论之间的关系；Falomir等人[21]定义了将模糊颜色模型与概率参考和接地机制（PRAGR）相结合的逻辑，以便根据上下文获得对象最具辨别力的颜色描述符。最近，Dubois等人[18]发表了关于用于推理的多值逻辑的专刊。