XiaoMi-AI文件搜索系统
World File Search System演绎推理
第 5 章 推理和人类的推理能力
5.1 推理的特征 5.1.a 推理的普遍性 5.1.b 什么是推理？ 5.1.c 推理的功能是什么？ 5.1.d 推理的目标是什么 5.2 天生的推理能力：起源和要素 5.2.a 人类的起源 5.2.b 推理能力的两个要素：大脑和推理策略 5.2.b.1 大脑：有意识的推理与无意识的推理 5.2.b.2 大多数推理都是无意识的 5.2.b.3 有意识的推理需要工作记忆 5.2.b.3.a 工作记忆相对较小 5.2.b.3.b 工作记忆中信息的数量和复杂性的限制 5.3 推理策略及其典型部署 5.3.a 什么是一般启发式方法？ 5.3.b 系统 1 5.3.c 系统 2 5.3.d 系统 1 和系统 2 之间的关系 5.4 天生的推理能力、缺陷和偏见：两种推理类型 5.4.a 演绎推理 5.4.b 归纳推理 5.5 天生的归纳能力、缺陷和偏见：归纳推理 5.5.a 示例：代表性启发式 5.6 天生的演绎能力、缺陷和偏见：演绎推理 5.6.a 演绎推理的资源难度 5.6.b 演绎推理中的内容和上下文效应 5.7 上下文相关推理策略 4.7.a 示例：条件推理 4.7.b 示例：概率 作业 5.8 章节摘要 5.9 一些关键术语 5.10 参考书目
结合机器学习和本体论：系统文献评论
动机探索了结合归纳和演绎推理的过程，我们对研究机器学习和本体论的整合的文章进行了系统的文献综述。目的是确定纳入归纳推理（通过机器学习执行）和演绎推理（由本体学执行）的多种技术。我们的评论包括对128项研究的分析，使我们能够确定机器学习和本体学之间的三个主要杂交类别：学习增强的本体论，语义数据挖掘以及学习和推理系统。我们对所有这些类别进行了全面的检查，强调了研究中使用的各种机器学习算法。此外，我们将我们的分类与混合AI和神经符号方法领域的最新作品进行了比较。
自然演绎中的一种新联结及其在量子计算中的应用
量子物理学中一个令人费解的问题是，在两个状态 | φ ⟩ 和 | ψ ⟩ 的量子叠加态 α | φ ⟩ + β | ψ ⟩ 中，是否存在状态 | φ ⟩ 和状态 | ψ ⟩ 或者状态 | φ ⟩ 或者状态 | ψ ⟩ 。事实上，当我们建立这样的叠加态时，也就是当我们准备它时，我们需要有 | φ ⟩ 和 | ψ ⟩ ，但是当我们使用这个状态时，也就是当我们测量它时，我们得到 | φ ⟩ 或 | ψ ⟩ 。因此，当我们建立这种叠加态时，它类似于合取，但当我们使用它时，它类似于析取。这种叠加的构建和使用方式之间的差异让人想起 Prior 的 tonk 等非和谐连接词的自然演绎规则。在本文中，我们捍卫了以下论点：这些非和谐连接词模拟了量子测量中出现的信息擦除、不可逆性和不确定性，而和谐连接词模拟了信息保存、可逆性和确定性。更具体地说，在讨论了和谐和非和谐演绎规则的概念之后（第 2 节），我们引入了一种具有逻辑联结词 ⊙（读作：“sup”，代表“叠加”）的直觉命题逻辑，该逻辑具有非和谐演绎规则，我们为这种逻辑引入了一种证明术语语言，即 ⊙ 演算（读作：“sup-演算”），并且我们证明了它的主要性质：主题归约、证明归约的终止、引入性质和部分合流（第 3 节）。这些证明大多使用标准技术，但有一些特殊性，以适应这种演算。然后，我们扩展这种演算，引入标量来量化一个证明归约成另一个证明的倾向（第 4 节），并表明这种证明语言包含量子编程语言的核心（第 5 节）。请注意，带有 ⊙ 的直觉命题逻辑不是推理量子程序的逻辑。它是一种以量子程序类型为命题的逻辑。