Nature重磅发文：深度学习x符号学习，是AGI唯一路径！（

1.nature发布

这几年，大模型多次让人惊艳：聊天像真人、写作像专家、画画像大师，仿佛「万能AI」真的要来了但AI领域的权威们已经开始泼下一盆冷水：只靠「神经网络」，远远不够通往人类级智能美国人工智能促进协会（AAAI）向会员发出提问：。

2.nature最新文章

未来，计算机能否达到、甚至超越人类智力？如果可以，单靠当下火爆的神经网络行不行？绝大多数研究者给出的答案是——不行。

3.nature发文 知乎

真正的突破，恐怕要靠老牌选手「符号派AI」与神经网络联手登场符号AI：起死回生在历史上，符号派AI曾是主角——它相信，世界可以被规则、逻辑和清晰的概念关系穷尽刻画：像数学那样精确，像流程图那样可追溯，像生物分类法那样层次分明。

4.nature发文什么水平

后来，神经网络崛起，用「从数据中学习」的范式席卷整个领域大模型与ChatGPT成为这个时代的技术图腾，而符号系统被边缘化，几乎只剩下教科书上的一段历史然而，自2021年前后开始，「神经–符号融合」急速升温，被视为打破单一神经网络话语权的一次反扑：。

5.nature1

它试图把统计学习与显式推理拼接在一起，不仅为了追逐通用智能这一远目标，更为了在军事、医疗等高风险场景中，提供一种人类仍能「看得懂、追得回去」的智能形态目前，已经有一些颇有代表性的神经符号AI系统问世比如，DeepMind去年发布的AlphaGeometry，可以稳定解出面向优秀中学生的数学奥林匹克竞赛题。

6.naturenews

但要把神经网络和符号主义AI真正融合成通用的「全能AI」，仍然极其棘手这种系统如此复杂，马里兰大学计算机科学家William Regli感叹道：其实，你是在设计一个「双头怪物」架构苦涩的教训，没有尽头的争论。

7.naturefinest

2019 年，计算机科学家Richard Sutton公开了短文《苦涩的教训》（The Bitter Lesson）他指出，自20世纪 50 年代以来，人们反复假设：在物理学到社会行为等各个领域，人类总结出世界规则，然后灌输给计算机。

8.在nature发文章意味着