数据驱动与知识引导结合下人工智能算法模型

摘要：

当前人工智能的学习模式主要以数据驱动为主要手段,以深度神经网络为主流的机器学习算法取得了显著进展.但是这种数据驱动的人工智能手段依然面临数据获取成本高、可解释性弱、鲁棒性不强等不足.该文认为在现有机器学习算法中引入先验假设、逻辑规则和方程公式等知识,建立数据和知识双轮驱动的人工智能方法,将推动更通用计算范式的变革创新.该文将可用于引导人工智能算法模型知识归纳为4种——逻辑知识、视觉知识、物理定律知识和因果知识,探讨将这些知识与现有数据驱动模型相互结合的典型方法.

关键词：人工智能、大数据、数据驱动、知识引导

所属期刊栏目：45

分类号：TN911;TP391

在线出版日期：2023-08-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：2580-2594