演繹、歸納和溯因推理
　　當你走出家門，發現街道濕漉漉的。直覺會告訴我們，一定是下雨了。然而，天氣晴朗，人行道干燥，你立即排除了下雨的可能性。隨后，你將視線移到旁邊，發現一輛灑水車停在街上。因此，你得出結論，道路之所以濕，是因為經歷了灑水車的沖刷。
　　這是一個“推理”的例子，即從觀察到結論的行為，是智能生物的基本功能。我們不斷地依據所知道的和所感知的來推斷事物。大多數情況是在潛意識中發生的，在我們的思想背景中，并沒有重點聚焦和直接關注。
　　拉森表示：“任何進行推理的系統都必須具有一些基本的智能，因為使用已知和觀察到的信息來更新信念的行為，不可避免地會與我們所說的智能相關聯。”
　　AI研究人員將其系統建立在兩種推理機的基礎上：演繹（deductive）和歸納（inductive）。具體來說，演繹推理運用先驗知識對世界進行推理。這是符號AI的基礎，也是AI 最初幾十年研究人員的主要關注點。工程師通過賦予符號系統一套預定義的規則和事實來創建符號系統，AI便使用這些知識對接收到的數據展開推理。
　　而歸納推理是通過經驗獲取知識，在過去十年中，深受AI研究人員和科技公司的青睞。機器學習（ML，Machine Learning）算法可視為歸納推理的引擎。在相關示例上訓練的ML模型必然會找到將輸入映射到輸出的模式。近年來，AI研究人員利用ML技術、大數據和高級處理器對模型進行訓練，以完成符號系統無法勝任的任務。
　　第三種推理，溯因推理，由美國科學家查爾斯·桑德斯·皮爾斯（Charles Sanders Peirce）在19世紀首次提出。溯因推理是一種認知能力，能夠產生直覺和假設，做出比隨機刺探真相更好的猜測。
　　例如，街道變濕的原因可能有很多（包括一些我們之前沒有直接經歷過的），但溯因推理使得我們能夠選擇最有希望的假設，迅速排除錯誤選項，尋找新的假設并得出可靠的結論。正如拉森在《人工智能的神話》一書中說的那樣，“我們猜測，在一個充滿無限可能性的背景下，哪些假設似乎是可能或可信的。”
　　溯因推理就是許多人所說的“常識”。它是我們觀察事實或數據的概念性框架，也是將其他類型的推理結合在一起的粘合劑。它使得我們能夠隨時專注于頭腦中存在的大量信息和通過感官所接收的大量數據中的相關內容。

總結

以上是生活随笔為你收集整理的任何进行推理的系统都必须具有一些基本的智能的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。