逸仙逻辑讲坛第三十四期预告｜戴望州：基于反绎学习的符号自动抽象与概念发现

第三十四期

逸仙逻辑讲坛

题目：基于反绎学习的符号自动抽象与概念发现

主讲人：戴望州  副教授  南京大学

主持人：沈榆平  副教授  太阳集团tcy8722

时   间：5月17日（周六）下午15:00

地   点：锡昌堂 322室

主办方：太阳集团tcy8722逻辑与认知研究所

主讲人简介 

       戴望州，南京大学智能科学与技术学院副教授、副院长，获国家级人才计划（青年）项目资助，于2019年在南京大学获得博士学位，随后在英国帝国理工学院进行博士后研究。研究方向为人工智能与机器学习，目前研究兴趣是数据与知识双驱动的机器学习，代表性工作为融合逻辑推理与机器学习的反绎学习框架及算法。在人工智能与机器学习领域共发表学术论文20余篇，包括国际顶级国际会议NeurIPS、IJCAI、AAAI、ILP和期刊《Machine Learning》等。担任第4届国际学习与推理联合会（IJCLR）程序主席，曾获AAAI 2025杰出论文奖、IBM博士生英才计划奖，长期担任TKDE、JMLR、TKDD、IJCAI、AAAI、ICML、NeurIPS、ICLR等顶级国际期刊和会议审稿人与资深程序委员。目前主持国家自然科学基金青年项目1项，江苏省前沿引领技术基础研究重大项目子课题1项。

内容简介 

       符号概念的自动抽象是实现机器学习与逻辑推理深度融合所面临的核心挑战之一。传统的符号主义人工智能以及现有的神经-符号学习方法普遍依赖预定义的符号与规则，然而真实世界环境通常仅存在高维、非结构化的亚符号输入，如图像、声音或自然语言文本。相较之下，人类能够在此类环境中自发地抽象出离散符号，并据此发明概念、归纳知识并指导任务规划。本报告将介绍如何在反绎学习（Abductive Learning）这一融合机器学习与逻辑推理的统一框架下，从非结构化数据中自主发现离散的符号概念。在强化学习环境中的实验表明，只需借助一种通用的形式化推理结构——如有限状态自动机（Finite State Automaton），反绎学习就能够在不预先定义任何符号的条件下有效提取环境中的结构化信息，并建立离散的推理规则与任务规划机制，最终提升模型的泛化能力。