ทันเอไอ

研究人员提出全新逻辑基础，开发具有人类认知与解题能力的 Neuro-Symbolic AGI 机器人

最新研究提出将神经网络学习与四值逻辑符号推理相结合的新途径，旨在构建具备人类水平的通用人工智能 (AGI)。

研究团队发表论文提出了一种开发通用人工智能 (AGI) 的新方向，旨在打造具备“认知、解题、学习及规划能力”，且表现近乎真人的机器人。

该研究的核心在于 Neuro-Symbolic AI 路径，即融合两种 AI 的优势：擅长从海量数据学习的神经网络 (Neural) 与擅长逻辑规则推理的符号 AI (Symbolic)。这种结合被认为能弥补当前 AI 在决策可解释性 (Interpretability) 和逻辑结构上的缺陷。

研究的核心建议是引入一种名为 Intensional many-sorted First-order Logic (IFOL) 的新型逻辑系统作为 AGI 机器人的符号核心。IFOL 的独特之处在于它基于 Belnap's bilattice 结构，提供四个真值而非传统的“真”与“假”，使系统能更好地处理不完整知识、矛盾及未知情况——这正是 AI 在现实世界中面临的主要挑战。

此外，该研究还致力于扩展系统能力，使其能够计算未知语句或数据的概率。这一方法将助力 AGI 机器人在信息缺失的情况下做出更合理的决策。这是一项重要的理论研究，为未来 AGI 机器人的大脑架构奠定了基础。