本網訊（通訊員 景海龍） 10月18日晚上，浙江大學beat365体育官网廖備水教授應邀做了題為“論新一代人工智能與邏輯學的交叉研究”的講座，本次講座是“BEAT365唯一官网科學技術哲學論壇”系列線上講座第七講。講座由beat365体育官网陳波教授主持，清華大學哲學系劉奮榮教授評議。

陳波教授主持

廖備水首先回顧了命題和推理兩個邏輯學概念，從中引出演繹、歸納和溯因三種與人工智能研究關系緊密的基本推理模式。演繹推理是從一般到特殊，當給定前提和推理規則，從一組前提出發證明某個命題的成立。它是計算機和人工智能的基礎，由此發展出了圖靈機、專家系統和知識圖譜。歸納推理是從一系列具體的證據出發概括出一般原理，前提為結論提供一定程度的支持，因此結論是或然的，由此發展出了深度神經網絡。溯因推理是從結果出發，推測出事件發生的原因和過程，其結論也是或然的。它能夠從已有知識和觀察信息出發構建最佳解釋。

廖備水教授做線上講座“論新一代人工智能與邏輯學的交叉研究”

廖備水随後介紹了當前人工智能的主要研究路徑及所面臨的問題。當前人工智能研究主要分為符号化和模型化兩種研究範式，其中符号化是通過對知識的表示與推理來實現人工智能。模型化則是通過統計方法對一些模型進行學習來實現人工智能，這種統計方法一般是深度神經網絡。符号化方法首先需要建立一個知識庫，知識庫内是運用形式化的邏輯方法來表示的一些知識，然後将知識庫内的知識作為前提，通過控制模型實現一個邏輯推理機來進行處理，并得到一個結果。這種方法被稱為顯式的知識表達，能夠具有人類水平，且可解釋性好、通用性強。但是面臨着知識的表示、獲取和處理代價高，知識不完備性、不确定性和不一緻性的問題。模型化方法通過人工神經網絡對非結構化的數據進行處理，抽取出其中的一些模式，然後得到統計模型，再根據這個統計模型做出預測，獲得結果。這種方法被稱為隐式的知識表達，為當前所廣泛應用。但是由大數據驅動，端到端，因此面臨着可解釋性問題、倫理對齊問題和認知推理問題。

廖備水接着指出，符号化和模型化的方法有很強的互補性，這在現有的一些研究中已經得到證明。例如，結合模型化（知識獲取）+符号化（決策），可以采用歸納邏輯編程的方法從案例中學習一般規則。對于新案例，通過基于規則的推理做出決策，從而構建人類可理解的解釋。又如，結合模型化（知識獲取）+符号化（知識引導），可以實現機器學習數據标注的自動化，避免傳統機器學習中需要花費大量工作對數據進行标注的問題。

廖備水還在法律推理研究的啟示下，提出了一種基于形式論辯，結合符号化和模型化的研究路徑。法律中有很多法律規範和法律偏好可以從法律文本中獲得，然後将這種法律上對知識的挖掘方法進行形式化表達。也就是說，在法律文本中應用一些機器學習的方法挖掘一些機器可讀的表征，再用推理機對可獲得的知識進行推理，并用人類可理解的方式進行表達。應用到人工智能上的具體方法：通過提出論證、比較論證、評估論證的方式來構建人類的推理模型。其中局部論證是可錯的，然後評估其中哪些對于全局論證是可接受的。這種推理是非單調的，從而可以在獲得新知識時，收回已有論證及其結論。最後将它形式化，通過局部論辯之間的相互攻擊、給定評價标準、檢查獲得新信息後整體論辯的一緻性、增加局部論證的概率表達，實現對知識不完備性、不一緻性和不确定性問題的處理。

廖備水最後做了總結：（1）演繹推理、歸納推理和溯因推理這三種人類基本推理模式發揮不同作用，且經常相輔相成，共同存在于各種任務中。（2）基于知識的符号化方法是實現通用智能和提供機器學習算法可解釋性的重要途徑。（3）處理知識的不完備性、不一緻性和不确定性問題是符号化方法的核心問題。（4）模型化方法和符号化方法的有機結合是大數據驅動人工智能研究的發展趨勢。（5）形式論辯可以提供不一緻情境下知識表示與推理的通用機制，與偏好、權重、概率等決策因素的靈活結合機制，局部化和模塊化的語義高效計算機制，以及基于論證和對話的可解釋機制。

劉奮榮教授做評議

在評議環節，劉奮榮對廖備水的報告表示感謝，并對報告内容進行了總結，然後提出了四個問題：（1）在解決機器學習算法的可解釋性問題時，相關性應該如何去理解；（2）解決知識的自動獲取問題中，從案例學習到的一般性倫理規則是如何學習到的；（3）目前國内外學術界在論證、偏好與統計系統相結合的研究上做了哪些工作；（4）在人機交互中高階推理應該怎麼進行，如何讓機器知道我知道什麼，以及我如何知道機器知道什麼。

廖備水回應道：（1）相關性中每個節點都是互聯網上收集到的數據，是一個人說的一句話或者一段話，現有人工智能可以對這些話的文本之間的相似關系進行定性判斷，并用“正”“負”來表示，然後用近似的方法來定量它們之間的相似度。這在一定程度上反映了句子之間的支持程度。但是對于一些隻是簡單重複卻沒有支持關系但高相似度的句子與相似度低但卻是強有力證據的句子應該怎麼處理，目前基于統計學的研究還沒有很好的方法來應對。（2）這些學習到的規則以一種命題的蘊含式被表達出來，這種蘊含關系取決于不同行為帶來的實際倫理後果差别，并被以向量的方式進行形式化表達。對于這些實際倫理後果的判斷标準，是由一些倫理學家們給出或者以衆包的方式來統計，然後根據收集的結果對數據進行标注。（3）推薦系統事實上就是一種決策，目前學術界已經在這方面做了一些工作，其中主要有法國學者萊拉，不久前她在邏輯論辯會議上對這方面的工作做了特邀報告。（4）目前主要的相關研究是根據一個主體構建一個模型，然後基于對此的相關論證構建論證圖，形成論證框架，建模成論證間的一種關系。并且，可以通過衆包的方式統計大部分人對這些論證所持有的态度，形成概率表達，并選擇概率更大的論證來更正論證圖。但這種方法目前在更新以後的概率變化方面存在一些問題，因此它反映的隻是一種一般性判斷，而不是某個人所具有的特異性判斷。

最後，陳波就相關邏輯學問題提出了一些觀點。一般認為，演繹是從一般到特殊的推理，歸納是從特殊到一般的推理。但是這種說明方式是有問題的。例如，命題邏輯、謂詞邏輯和模态邏輯中的那些演繹推理很難說成是從一般到個别的推理。同時，關于演繹和歸納的其它一些定義也存在問題。所以，究竟應該如何定義演繹和歸納，這是一個值得研究的問題。他還談到，他不贊成“自主的中國邏輯學知識體系”的提法，因為邏輯知識是普适的，但可以做有中國特色的邏輯學研究，即聚焦一些特殊領域，使用一些特殊方法，得出一些特定的理論構造，從而擴大中國邏輯學研究在國際上的影響力。

在熱烈的互動交流中，講座圓滿結束。來自國内外的800餘名聽衆參與本次線上講座。

（編輯：鄧莉萍 審稿：嚴璨）