推理
推理是由一个或几个已知的判断推出新判断的思维过程,也是人工智能让机器模拟人类"讲道理"能力的核心课题。逻辑学是关于思维规律的学说,形式逻辑狭义指演绎逻辑、广义还包括归纳逻辑,其理论由古希腊哲学家亚里士多德首先创立。[1]在人工智能语境中,推理既指基于符号规则的自动推理,也指大模型生成中间步骤、给出可核查结论的过程。
演绎、归纳与三段论
亚里士多德创立的"三段论"是演绎推理的第一个逻辑体系,它第一次使思维过程得以形式化,也使形式逻辑成为独立学科。三段论由前提和结论构成,而前提与结论又由三个词项(中项、大项、小项)构成;其经典形式是"如果所有B是A,并且所有C是B,那么所有C是A"。在一个正确的三段论中,当前提真实时结论必然真实。[2]
除演绎推理的三段论外,亚里士多德也提出归纳推理的重要性——这是从个别到一般的推理过程,其形式为"如果所有C是A,并且所有C是B,那么所有B是A";他对归谬法、例证法等不同逻辑方式也有论述,并把逻辑学视为一切科学的工具。[3]从人类发展看,推理能力随年龄趋于成熟:研究发现青年人归纳推理正确率约80%、演绎推理正确率超过60%,到高中后期各种推理能力已基本达到成熟状态;由于"历史都是由特殊到一般、再由一般到特殊",演绎推理建立在归纳推理基础上。[4]
机器如何"讲道理"
关于人的思考机制,科普文章概括为记忆、检索、逻辑推理与学习四种能力:人脑储存经历与知识,检索有用信息,在判断时从记忆库找出相关经验加以整合,借助语言等"思考工具"得出合乎常理的更高一级结果;AI的工作原理同样是对存储数据的检索与筛选,再进行逻辑推理得出合理结果,只是这一过程是程序化的。[5]
在状态空间法中,问题求解被转化为在状态集合中搜索:把问题分解为模型能理解的子问题,运用宽度优先、深度优先、启发式等搜索策略在树型结构中确定合理路径,搜索策略被视为体现算法优劣的关键。[6]在"围棋人机大战"中,科幻作家刘慈欣曾评价,阿尔法围棋主要展示的是计算机基本逻辑推理能力,而基于有限信息产生的想象力与判断力,才是计算机尚需向人类学习的能力。[7]
自动推理的中国贡献
在符号推理的高峰——定理机器证明领域,中国数学家吴文俊做出了开创性贡献。1977年,58岁的吴文俊转向几何定理机器证明研究,1978年发表第一篇论文,提出把几何问题代数化、再用高度机械化的代数关系整理程序在计算机上运行的新方法;其中关键算法——多元非线性代数方程组的消元程序,国际上称为"吴方法"。[8]
吴方法不仅能有效证明初等几何的大部分定理,还能自动发现新定理,微分几何中主要定理的证明也可通过这一方法实现机械化。[9]这一研究形成了机器证明的"吴学派",美国人工智能协会前主席布列德索曾称赞"吴关于平面几何定理自动证明的工作是一流的,他独自使中国在该领域进入国际领先地位";1997年吴文俊获得国际"自动推理杰出成就奖"。[10]数学机械化方法被视为一种强有力的计算推理工具,其应用还拓展到力学、理论物理、机械机构学、机器人、计算机辅助设计等诸多领域。[11]
大模型的推理与可解释性
生成式AI带来了推理的新问题。以大语言模型为代表的AI能写诗、编程、通过职业资格考试,但其核心是基于海量数据训练的"超级统计引擎":输入问题后,数以千亿计的参数计算下一个最可能出现的词,这并不是像人类一样严密逻辑推导,而是规模宏大的模式匹配。[12]这被称为"黑盒问题"——就像看过无数习题集的天才学生能凭直觉写出正确答案,却未必能把解题步骤一步步写在草稿纸上。[13]
在医疗诊断、司法量刑、金融投资等高风险领域,"正确率"不再是唯一指标,可解释性与可验证性变得生死攸关。因此AI研究面临一道鸿沟:从单纯追求结果准确,转向追求"可验证推理"——要求模型在生成答案过程中就明确生成一系列清晰、符合逻辑、且能被人类专家逐一核查的中间步骤,而不是先给结论再编造解释。[14]
推理驱动的科研与决策
推理能力正在成为AI for Science(人工智能驱动科学研究)的核心。中国科学院院士翁红明指出,AI4S推动科研从"人力密集型"的经验试错,转向"数据与智能密集型"的理性设计与预测,这一范式转变不仅能大幅提升研发效率、缩短从基础研究到产业应用的周期,更有望通过解析高维复杂关联催生新的科学发现与理论体系。[15]
在凝聚态物质科学中,研究者已通过数据智能实现月壤中新矿物的发现、十万量级新拓扑绝缘体的高效筛选与高温超导材料磁通钉扎的智能设计,这些都体现了从数据到推理再到发现的新路径。[16]
在工程决策中,"大模型+小模型"的协同提供了一种推理分工:小模型聚焦关键变量的趋势预测并对操作变量优化、形成定量结果;大模型则基于历史经验进行定性分析与决策、提供全局性决策支持。两者协同使平台兼备动态稳定性与高效响应,能在复杂工况下保持高效、低碳、经济的运行状态,推动装置由"经验驱动"迈向"智能驱动"。[17]
推理效率的工程探索
提升推理能力之外,推理效率也是研究重点。中国科学院自动化所团队研发的类脑脉冲大模型"瞬悉"1.0,在推理阶段结合脉冲神经元事件驱动特性,具有常数或部分层常数级别的复杂度与存储开销,在超长序列处理能力上展现出数量级的效率提升,并仅用约主流模型2%的预训练数据量就在多项语言理解与推理任务上媲美主流模型。[18]从三段论到吴方法,再到大模型的可验证推理,让机器"讲道理"始终是人工智能努力的方向。
参考资料
- ↑ 亚里士多德与形式逻辑,科普中国。
- ↑ 亚里士多德与形式逻辑,科普中国。
- ↑ 亚里士多德与形式逻辑,科普中国。
- ↑ 推理能力,科普中国。
- ↑ 人工智能会取代人类?机器只有chip(芯),而人有heart(心),科普中国。
- ↑ 不用上班?人工智能如何改变未来,科普中国。
- ↑ 作者刘慈欣讲述"阿尔法围棋"和"人工智能",科普中国。
- ↑ "人民科学家"吴文俊的数学境界,科普中国。
- ↑ "人民科学家"吴文俊的数学境界,科普中国。
- ↑ 吴文俊:世界,让我为你证明!,科普中国。
- ↑ 吴文俊:世界,让我为你证明!,科普中国。
- ↑ 别只给我答案,给我看看你的草稿纸:为什么未来的AI必须学会"讲道理"?,科普中国。
- ↑ 别只给我答案,给我看看你的草稿纸:为什么未来的AI必须学会"讲道理"?,科普中国。
- ↑ 别只给我答案,给我看看你的草稿纸:为什么未来的AI必须学会"讲道理"?,科普中国。
- ↑ 翁红明:以AI4S赋能凝聚态物质科学发展,中国科学院。
- ↑ 翁红明:以AI4S赋能凝聚态物质科学发展,中国科学院。
- ↑ 甲醇制烯烃:三代技术铺路,智能迭代加速,中国科学报/中国科学院。
- ↑ 中国团队发布类脑脉冲大模型"瞬悉" 实现两个首次和多项核心突破,中国新闻网/中国科学院。