论文部分内容阅读
学习是人类具有智能的一种体现，也是获得知识或技能的基本途径，而机器学习是计算机系统具有智能的重要表现。怎样才能让计算机更好地模拟人类的思维，更好地进行学习，这是计算机领域科学家和逻辑学家十分关心的问题。目前的人工智能研究中，大量的知识工程实践已经表明，知识获取问题是智能系统性能和应用水平得以提高的主要障碍，因此以机器学习的方法和理论来解决知识获取问题是十分必要的，并且将在新一代智能系统中占据重要的地位。然而，目前的机器学习方法存在许多局限性，比如利用背景知识的局限性、知识表示机制的局限性、以及归纳结论的局限性。针对以上问题，归纳逻辑程序设计(Inductive Logic Programming，ILP)的研究领域于二十世纪九十年代初应运而生。ILP是机器学习与逻辑程序设计的交叉领域，它借助于逻辑程序设计已有的理论与方法，在一阶逻辑的框架下，试图克服传统机器学习存在的问题，建立新的机器学习体系，使机器更好地模拟人的思维。
归纳逻辑程序设计所使用的逻辑工具是演绎逻辑中的子句逻辑，子句逻辑是一阶逻辑的一个变体，它包括霍恩子句推理系统和合一消解推理系统。ILP想要完成的任务是，让计算机考察具体的事例，然后概括出能够刻画这些事例特有属性的一般性规则。这种让计算机进行学习的过程，也可以看做是一个搜索正确理论的过程，其中使用的基本操作是泛化和特化。通常情况下，总是要反复地通过泛化和特化的步骤调整一个理论使其适应于实例。根据搜索理论的方向不同，可以分为自顶向下和自底向上的归纳逻辑程序设计系统。
本文首先介绍归纳逻辑程序设计这一研究领域的历史背景和逻辑基础，重点介绍其所运用的一阶逻辑方法--子句逻辑，通过这些逻辑工具的介绍，说明机器是如何通过程序进行归纳学习的。
其次，介绍国际上对这一问题的新研究情况。前辈学者的研究已经涉及约束归纳逻辑程序设计和遗传归纳逻辑程序设计；近年来，归纳逻辑程序设计与贝叶斯网络、随机搜索、并行处理系统等技术相结合，为机器学习的发展注入了新鲜血液。另外，ILP有专门的国际会议，已经连续召开数届，也为ILP的发展和完善做出了卓越的贡献。
最后，将归纳逻辑程序设计与科学哲学结合在一起，尝试用ILP中的方法来解决亨普尔的“确证悖论”问题，在某种程度上也可以将其看作是ILP对科学哲学做出的贡献。
归纳逻辑程序设计所使用的逻辑工具是演绎逻辑中的子句逻辑，子句逻辑是一阶逻辑的一个变体，它包括霍恩子句推理系统和合一消解推理系统。ILP想要完成的任务是，让计算机考察具体的事例，然后概括出能够刻画这些事例特有属性的一般性规则。这种让计算机进行学习的过程，也可以看做是一个搜索正确理论的过程，其中使用的基本操作是泛化和特化。通常情况下，总是要反复地通过泛化和特化的步骤调整一个理论使其适应于实例。根据搜索理论的方向不同，可以分为自顶向下和自底向上的归纳逻辑程序设计系统。
本文首先介绍归纳逻辑程序设计这一研究领域的历史背景和逻辑基础，重点介绍其所运用的一阶逻辑方法--子句逻辑，通过这些逻辑工具的介绍，说明机器是如何通过程序进行归纳学习的。
其次，介绍国际上对这一问题的新研究情况。前辈学者的研究已经涉及约束归纳逻辑程序设计和遗传归纳逻辑程序设计；近年来，归纳逻辑程序设计与贝叶斯网络、随机搜索、并行处理系统等技术相结合，为机器学习的发展注入了新鲜血液。另外，ILP有专门的国际会议，已经连续召开数届，也为ILP的发展和完善做出了卓越的贡献。
最后，将归纳逻辑程序设计与科学哲学结合在一起，尝试用ILP中的方法来解决亨普尔的“确证悖论”问题，在某种程度上也可以将其看作是ILP对科学哲学做出的贡献。