计算机学做三段论推理 通过“模仿学习算法”实现
程序演示过程从7分6秒 处开始，前面都是理论铺垫。 上期视频：AI系统的摸索学习过程与自动编程演示程序（https://www.bilibili.com/video/av27028458/）======================================
（本期视频预览）
视频的开头一分钟承上启下，总结了穷举法的缺点（组合爆炸、危险性），玻璃破碎的场面象征着“通过穷举法产生智能”的构想被彻底粉碎。
在此背景下，ruiaijun提出了模仿学习过程。
后面四分钟视频介绍的是我提出的模仿学习算法，而不是ruiaijun提出的模仿学习过程。
然后花了两分钟介绍日本第五代计算机计划，
Ruiaijun在分析第五代计算机计划失败的原因时提到：人工智能系统不能过度依赖逻辑算法，它应该包含各种各样的非逻辑过程。另外，人的推理能力，大部分是后天习得的（rule-based AI System的逻辑推理能力是程序员预先编好的，这与人类思维发展过程不符）。
受Ruiaijun的思路的启发，我设计了一个“计算机学习三段论推理法则”的实验。 程序特色：
推理系统能实现如下功能：用户输入一个错误的三段论推理，计算机告诉用户他犯了什么错误。
另外，这套报错机制也可以用于计算机的推理过程中。计算机根据三段论某一格的格式，得出的结论也有可能是错误的。计算机可以通过这种方式进行“自检”，检查自己推理出的结论是不是犯了某种错误，如果是，则报错、抛出异常。
举例：
已知：@章氏不错不研究机器学习，章氏不错 是实验室成员
得出错误结论：实验室的成员【都】不研究机器学习。
系统通过查询事实库，发现这个结论是错误的，因为@Bz_______也是实验室成员，但他研究机器学习。
系统之前学习过一些错误推理样本，它得出结论：这个用户犯了以偏概全的错误。
同理，经过训练的推理查错系统，不仅能接受前提、结论是否定句的推理过程，也能接受前提、结论是肯定句的推理过程。如用户输入以下错误推理：
大前提：张泽生 研究自动编程
小前提：张泽生 是 实验室成员
错误结论：实验室成员【都】研究自动编程
这个结论不符合事实，因为@牧月酒姬也是实验室成员，但他不研究机器学习。
计算机同样给出用户推理出错的原因：以偏概全。
注意，在训练阶段，输入的样本不能过于单一，否则计算机就无法给出正确的分析结果。
比如如果你输入一系列“以偏概全”的推理错误，如果你输入的样本的结论全是肯定句，那么系统会以为“以偏概全”得出的结论一定是肯定句，那么刚才那个“实验室成员【都不】研究机器学习”的推理将不会被认为是“以偏概全”的推理。 支持论坛发展 @jia2764894
↑你也可以用你的helix算法理论 实现一个“计算机自己学会推理”的演示程序。
@湖海散人8805 把推论都当成一种计算方向，不能当真，直到验证实例后，才可以正式升级为理论。每个现象都可以产生出普遍的预设的普遍推论，但是还不能应用。积累了实际的例子后，以后可靠性就根据积累的例子做依据。正反例子都得存储。人还会分析，会描述出自己的推论是否可靠，为什么不可靠，怎么样才能可靠，人分析得更丰富 关注 我的楼层贴被系统删了，你的回复看不到了。不过我突然想到：不需要特意让系统去学习集合的概念，因为集合本身就是一个基本数据类型。属于“元概念”
比学习低一级的是模仿，这是人类进化出来的遗传能力，不是后天形成的。这是人工智能要实现的能力之一 在逻辑学中，有这样一个称之为“三段式”推理的例子：“人总是要死的， 苏格拉底是人， 所以苏格拉底也要死的。”如果我们对这个例子进行别样的模式识别，或者说进行某种怀疑性的再思考，那么，这个例子的真实情况应该如下所述：大脑已知母规律：人到一年年龄（因）=总是要死的（果）。推理时，已知的因果事物是“苏格拉底是人”，未知的因果事物是“苏格拉底会不会死？”问题求解的具体过程如下，大脑将“苏格拉底”与母规律中的“人”对号入座，搜索出“苏格拉底也要死的”这一未知困果事物——也就是推理，证明了如下子规律的成立：苏格拉底到一定年龄（因）=也是要死的（果）。看，这就是被误解为“三段论”的推理真相：我们搜索一条母规律，就能推理、计算、证明无限的子规律。从一跨越无限，到达老子的“元生一，一生二，二生三，三生无限”的奥妙无穷的思维境界。推理，使大脑成为了名副其实的第六感官，其认知的范围远远地超出了其他五官所能感受和认知的时空范围。人类的推理与动物的条件反射具有共同的本质
页:
[1]
2