九色国产,午夜在线视频,新黄色网址,九九色综合,天天做夜夜做久久做狠狠,天天躁夜夜躁狠狠躁2021a,久久不卡一区二区三区

剛剛開始接觸深度學習的時候，心里一直藏著一個疑惑，即現(xiàn)在的神經(jīng)網(wǎng)絡和反向傳播算法為什么會被稱為“人工智能”，怎么看，也不過是一種模仿神經(jīng)學的更為復雜數(shù)學模型而已?，F(xiàn)實中一些對人類來說十分簡單的問題，深度學習模型常常需要利用海量的數(shù)據(jù)進行學習才能有好的表現(xiàn)。這與人類的學習模式差異非常之大，人類常常自己總結、歸納、推理和舉一反三，從少量的樣本和訓練中，真正習得一些技能。例如，沒有人要先開個幾萬公里的車才能拿到駕照。

直到接觸到了知識圖譜以及今天要介紹的知識推理，才感覺到一些所謂真正“人工智能”的味道。閑話敘畢，現(xiàn)在看看所謂的知識推理，究竟是怎么一回事，有哪些實現(xiàn)方法，進展到了什么樣的程度。

通俗的理解，所謂推理，就是從現(xiàn)有的知識出發(fā)，運用邏輯思維能力，得出一些隱性的結論。具體到知識圖譜中，所謂的知識推理，就是利用圖譜中現(xiàn)有的知識（三元組），得到一些新的實體間的關系或者實體的屬性（三元組）。如下圖所示：假如原來的知識圖譜中有這樣兩個三元組，<周杰倫，老婆，昆凌>和<周杰倫，媽媽，葉惠美>，通過知識推理，可以得到<昆凌，婆婆，葉惠美>。

設想一下，假如機器推理做的完備，一方面，它能夠幫我們填充知識圖譜中大量的空缺，使得知識更為完備；另一方面，對于知識問答、推薦系統(tǒng)等任務也有非常大的加成，能夠在一定程度上讓我們的機器變成一個“小機靈鬼”。

推理是一個復雜的問題，他是邏輯學、哲學、心理學等學科的重要概念，這里不深入推理的這個概念，僅關注在知識圖譜中的知識推理在工程上的研究和實現(xiàn)。

那么，如何從現(xiàn)有的知識中，推理出來新的知識和結論呢？反應快的同學很快就能想到，可以預先定義好準確的推理規(guī)則，然后基于這些規(guī)則，基于推普中的知識推導出新的結論和知識。例如，預先定義好這樣的規(guī)則：

進一步細想，有同學可能會覺得這樣的方式效率太低。因此，基于邏輯推理致力于如何自動推理獲取上述的規(guī)則，比較有名的包括基于可滿足性的GSAT和WALKSAT，用于求解邏輯推理的規(guī)則，感興趣的同學可以自行了解。

通常來說，在工程領域會將知識推理系統(tǒng)從知識體系中單獨分離出來，這樣就可以讓知識專家專注于知識建設，推理規(guī)則由推理系統(tǒng)的設計者專門建立。目前比較有名的推理系統(tǒng)有ELK，DLV，Pellet等，感興趣的同學可以自行了解。

基于規(guī)則的邏輯推理的優(yōu)點在于準確性高，推理速度快；缺點在于能夠處理知識有限，特別是在大規(guī)模的網(wǎng)絡知識圖譜，有一定概率的不準確的知識和事實，這些知識基于確定的邏輯推理無法處理，需要加入統(tǒng)計或者概率的方式將規(guī)則軟化。

前面提到，一方面，現(xiàn)有的NLP技術還很難準確的將自然語言表達成確定性的推理需求；另一方面，現(xiàn)實世界本身的不確定性，決定了很多問題無法使用確定性的推理技術進行回答。

基于概率模型的推理并不是嚴格的按照規(guī)則進行推理，而是根據(jù)以往的經(jīng)驗和分析，結合專家先驗知識構建概率模型，并利用統(tǒng)計計數(shù)、最大化后驗概率等統(tǒng)計學的手段對推理假設進行驗證或者推測。

總的來說，基于概率的模型推理，就是專家基于現(xiàn)有的先驗知識，建立相關的規(guī)則概率模型對確定的規(guī)則進行所謂軟化。對于解決推理問題的邏輯與前面介紹的基于確定邏輯推理的方法并沒有本質(zhì)的區(qū)別。

所謂基于數(shù)值計算的知識推理，就是將離散的元素（實體，屬性和關系）用低維的向量來表示，通過各種有監(jiān)督或者無監(jiān)督的方式，建模和學習不同元素的表示，從而可以捕捉到元素之間的隱性關聯(lián)。這個過程可以和詞向量的學習過程類比。

基于數(shù)值計算的推理是一個比較新的課題，是目前學術界研究的熱點，每年都會有大量新的模型和方法被提出，感興趣的讀者可以搜索“Knowledge Embedding”等詞進一步了解。