详细内容或原文请订阅后点击阅览
AIhub 月度摘要：2026 年 2 月 – 集体决策、多模式学习和治理交互式人工智能的兴起
欢迎来到我们的每月摘要，在这里您可以了解您可能错过的任何 AIhub 故事、仔细阅读最新新闻、回顾最近的事件等等。本月，我们将探索多智能体系统和集体决策，深入研究神经符号马尔可夫模型，并了解机器人如何通过与物理世界的交互来获得技能。 [...]
来源:ΑΙhub欢迎来到我们的每月摘要，在这里您可以了解您可能错过的任何 AIhub 故事、仔细阅读最新新闻、回顾最近的事件等等。本月，我们将探索多智能体系统和集体决策，深入研究神经符号马尔可夫模型，并了解机器人如何通过与物理世界的交互来获得技能。
与 Kate Larson 谈论多智能体系统和集体决策
如果人工智能的设计不仅是为了优化个人的选择，而且是为了帮助群体共同做出决策，结果会怎样？ AIhub 大使 Liliane-Caroline Demers 采访了 Kate Larson，她的研究探讨了人工智能如何支持集体决策。她反思了是什么吸引她进入这个领域，为什么她认为人工智能在共识和民主进程中发挥着作用，以及为什么她认为多智能体系统值得更多关注。
机器人如何通过与物理世界的交互来获得技能？
构建家庭或工业环境机器人的关键挑战之一是需要掌握对移动机械手等高自由度系统的控制。强化学习一直是获取机器人控制策略的一个有前途的途径，然而，扩展到复杂系统已被证明很棘手。在他们的著作《SLAC：用于全身真实世界强化学习的模拟预训练潜在动作空间》中，Jiaheng Hu、Peter Stone 和 Roberto Martín-Martín 介绍了一种使现实世界强化学习对于复杂实施例可行的方法。我们采访了 Jiaheng，以了解更多信息。
关系神经符号马尔可夫模型
在这篇博文中，Lennert De Smet 和 Gabriele Venturato 撰写了他们的工作（与 Luc De Raedt 和 Giuseppe Marra 合作），展示了他们的神经符号马尔可夫模型如何在分布外泛化、一致生成和约束满足方面击败最先进的神经和概率模型。