可解釋性

神經符號 AI

神經符號式強人工智慧機器人：閉合知識假設與 Belnap 雙格推理框架

本研究在強人工智慧機器人領域引入閉合知識假設，利用 Belnap 四值雙格處理未知與矛盾資訊，並結合神經網路與符號推理以實現因果導向的邏輯推斷。結果顯示，機器人可在學習過程中持續擴充知識庫，同時保有受控安全性與對悖論的容錯能力，對通用人工智慧的安全與可解釋性具有重要影響。