人工智能中的类比推理研究综述

摘要: 类比推理(analogical reasoning, AR)是人的思维中的一种基本推理形式，是人工智能(artificial intelligence, AI)理论和技术研究中的一个重要领域。AI中的类比推理研究，旨在结合相关学科的研究进行计算建模，在计算机上模拟实现类比推理处理过程，以产生能推断出新知的智能推理和学习系统。自20世纪60年代开始的AI中的类比推理理论和技术研究，至今取得了丰富的研究成果，特别是近年来将类比推理与深度学习结合的研究更加显示了其在AI研究中的重要性。本文旨在对从过去到现在AI中的类比推理主要研究及其特点进行系统总结和述评。在对检索出的AI领域中的700余篇类比推理研究文献进行全面考察的基础上，对其中具有代表性的142篇研究文献进行了系统分析，认为AI中主要的类比推理研究在上世纪和本世纪2个时期呈现了不同的研究特点，将2个时期中的类比推理研究归纳为“类比问题求解”、“计算模型”和“AR学习”等8个研究主题，并对各研究主题及其代表性研究工作的基本研究思想、内容和特点以及存在的问题进行总结分析。最后，展望了AI中类比推理未来的研究方向以及发展趋势。

• 关键词: 
• 人工智能  /  
• 类比推理  /  
• 对象  /  
• 目标  /  
• 映射  /  
• 计算模型  /  
• 基于案例的推理  /  
• 深度学习  

推理是人类智能活动的重要组成部分，一直以来是人工智能研究的一个核心内容。 在人的思维中，类比推理(analogical reasoning, AR)是人们利用已有知识进行推理的最常见的一种思维形式，是人类智力的一个关键现象，从古希腊时代到20世纪一直属于哲学、逻辑学、心理学和认知科学研究的范畴。这些学科的类比推理研究旨在提供概念上的框架，阐明推