超越统计学习：精确学习是实现通用智能的关键

摘要：健全的演绎推理——即从现有事实和规则中推导出新知识的能力——无疑是通用智能中一个理想的特质。尽管自Transformer架构引入以来，AI系统在数学和科学等领域取得了重大进展，但已有充分证据表明，即使是最先进的尖端系统也经常在易于解决的演绎推理任务上持续失败。因此，这些系统无法实现具备健全演绎推理能力的人工通用智能的梦想。我们认为，它们的不健全行为是推动其发展的统计学习方法的结果。为了克服这一点，我们主张，要在基于学习的AI系统中实现可靠的演绎推理，研究人员必须从根本上从优化针对推理问题和算法任务分布的统计性能，转向拥抱更雄心勃勃的精确学习范式，该范式要求在所有输入上都正确。我们认为精确学习既是必要的也是可能的，并且这一雄心勃勃的目标应指导算法设计。

主题：人工智能（cs.AI）；机器学习（cs.LG）

引用为：arXiv:2506.23908 [cs.AI]
DOI：https://doi.org/10.48550/arXiv.2506.23908

提交历史：2025年6月30日提交