机器之心报道
机器之心编辑部

首届国际学习与推理联合大会（IJCLR）已于 10 月 25-27 日在线上举行 ， 该会议代表了国际推理与学习相融合方面的重大趋势 ， 多位国内外领域学者发表演讲 ， 其中 ， 周志华教授作了大会的开场主旨报告 ， 分享了题为《利用无标签数据：从「纯学习」到「学习 + 推理」》的主旨演讲 。

学习和推理一直是人工智能中的核心研究内容 ， 诸多学者都认为 ， 两者的结合将具有解决当代人工智能方法缺点的潜力 ， 包括深度学习的黑箱性质等 ， 然而这方面的工作极为困难 ， 需要将人工智能中逻辑推理、知识表示、机器学习等多个领域打通 。
人工智能领域的大会可以说是不胜枚举 ， 但还没有专门关注学习与推理结合的重量级会议 。 现在终于有这样一个会议 ， 可以满足研究者这方面的需求——国际学习与推理联合大会（International Joint Conference on Learning & Reasoning ， IJCLR） 。
首届国际学习与推理联合大会已于 10 月 25-27 日在线上举行 。 该会议代表了国际推理与学习相融合方面的重大趋势 ， 可以说是 2021 年国际人工智能界的一件大事 。
该会议由四个有十年、甚至三十年历史的会议联合形成：第 30 届国际归纳逻辑程序设计大会 (ILP20-21)、第 15 届国际神经符号学习与推理研讨会（NeSy20-21）、第 10 届国际统计关系人工智能研讨会（StarAI 20-21)、第 10 届国际归纳程序方法及应用研讨会（AAIP 20-21） 。 这意味着国际人工智能领域关于「学习 + 推理」 的几个研究社区终于整合到了一起 ， 携手探索「学习 + 推理」 的未来 。

文章图片

IJCLR 大会主页：http://lr2020.iit.demokritos.gr/index.html
IJCLR 旨在将从事学习和推理各个方面的研究人员和从业者聚集在一起 ， 探讨未来发展和挑战 ， 促进不同方法之间的协作和交叉融合：ILP 大会一直是基于逻辑学习方法研究的首要论坛 ， 最初该会议专注于逻辑程序归纳 ， 多年来已将其研究范围扩展到其他形式的关系学习和概率方法；NeSy 是展示和讨论与神经符号计算相关的系列研讨会 ， 例如神经和基于逻辑的学习和推理方法的组合；StarAI 研讨会系列主要是研究逻辑与概率论组合 ， 重点是统计推理和学习关系以及一阶逻辑表示；AAIP 研讨会系列侧重于从不完整的规范中学习任意编程语言的可执行程序 。
本次大会邀请了多位领域大咖发表演讲 。 其中 ， 我国南京大学计算机系主任兼人工智能学院院长周志华教授作了大会的开场主旨报告 ， 分享了题为《利用无标签数据：从 「纯学习」 到「学习 + 推理」》的主旨演讲 。

文章图片

在会议最后的 Panel 环节 ， 周志华教授还与流形学习与贝叶斯程序学习创始人、MIT 脑与认知科学系教授 Josh Tenenbaum ，Robust.AI 创始人、认知科学专家 Gary Marcus ， 缺省推理创始人、瑞典林雪平大学知识表示与推理教授 Hector Geffner ， 英国皇家工程院交互可解释人工智能研究主席、帝国理工教授 Francesca Toni ， 曾担任国际人工智能联合会主席和《人工智能研究杂志》主编的 IBM Fellow Francesca Rossi 等五位大咖共同讨论了《学习和推理的未来挑战》 。 这意味着我国学者在机器学习与逻辑推理融合方面已经达到了国际同行公认的引领性和前瞻性 ， 能与国际顶尖专家平等对话讨论整个领域的未来 。
在本次大会的开场主旨报告演讲中 ， 周志华教授先简要介绍了机器学习中利用无标签数据的重要性 ， 以及过去利用无标签数据主要依赖的「纯学习」解决方案 ， 然后重点介绍了他最近提出的「反绎学习」 。 这是一种全新的「学习 + 推理」方案 ， 与以往的「学习 + 推理」方案重点依赖学习、获得的结果牺牲了推理能力 ， 或重点依赖推理、获得的结果牺牲了学习能力不同 ， 反绎学习提供了一种以平衡和互利方式利用机器学习和逻辑推理的「学习 + 推理」解决方案 。 通过逻辑推理对领域知识进行利用 ， 从而可以显著缓解对有标签数据的需求；而通过机器学习可以利用数据对领域知识进行精化和改善 ， 甚至可能发现新知识 。