論文研究團(tuán)隊(duì)及發(fā)表信息

這項(xiàng)研究由英國(guó)愛丁堡大學(xué)信息學(xué)院的Emile van Krieken、Pasquale Minervini、Edoardo Ponti和Antonio Vergari共同完成，論文題為《Neurosymbolic Diffusion Models》（神經(jīng)符號(hào)擴(kuò)散模型），于2025年5月19日發(fā)表在arXiv預(yù)印本服務(wù)平臺(tái)（arXiv:2505.13138v1），目前正在接受審閱。

解決的關(guān)鍵問題：思維"孤島"之間的橋梁

想象你是一個(gè)盲人，正試圖理解一個(gè)雕塑。你可以通過觸摸感知它的形狀（神經(jīng)感知），但要真正理解這個(gè)雕塑代表什么，你還需要將這些觸感轉(zhuǎn)化為具體概念和邏輯關(guān)系（符號(hào)推理）。現(xiàn)代人工智能面臨著類似的挑戰(zhàn)：如何將原始感知數(shù)據(jù)與高層次的邏輯思維無縫連接？

神經(jīng)符號(hào)（NeSy）人工智能正是為解決這一問題而生。它結(jié)合了神經(jīng)網(wǎng)絡(luò)的感知能力和符號(hào)系統(tǒng)的推理能力，創(chuàng)造出既能"看"又能"思考"的AI系統(tǒng)。然而，目前的神經(jīng)符號(hào)模型存在一個(gè)關(guān)鍵局限：它們假設(shè)從輸入提取的概念之間是相互獨(dú)立的。

這就像假設(shè)我們看到"狗"和"尾巴"這兩個(gè)概念時(shí)，兩者之間沒有任何關(guān)聯(lián)。這種假設(shè)雖然使計(jì)算變得簡(jiǎn)單，但也導(dǎo)致模型無法捕捉概念間的重要關(guān)系，就像它無法理解"搖尾巴的狗"和"狗搖尾巴"之間的細(xì)微區(qū)別一樣。

推理捷徑：AI的"考試作弊"

更糟糕的是，這種獨(dú)立性假設(shè)導(dǎo)致神經(jīng)符號(hào)模型容易形成所謂的"推理捷徑"（reasoning shortcuts）。這有點(diǎn)像學(xué)生在考試中找到了一種取巧的方法：他們能得到正確答案，但實(shí)際上并不理解潛在的概念。

例如，一個(gè)模型可能正確識(shí)別出"3+4=7"，但它可能是通過記住"當(dāng)看到3和4時(shí)輸出7"而不是真正理解加法的概念。在現(xiàn)實(shí)世界中，這會(huì)導(dǎo)致AI系統(tǒng)在遇到新情況時(shí)突然失效，而且讓人無法理解為什么會(huì)失效。

神經(jīng)符號(hào)擴(kuò)散模型：突破性的解決方案

愛丁堡大學(xué)的研究團(tuán)隊(duì)提出了一個(gè)突破性的解決方案——神經(jīng)符號(hào)擴(kuò)散模型（NESYDMS）。這是第一個(gè)將擴(kuò)散模型（一種生成AI的前沿技術(shù)）與神經(jīng)符號(hào)推理相結(jié)合的框架。

想象一下擴(kuò)散模型就像是一個(gè)能夠逐漸從模糊到清晰恢復(fù)圖像的過程。研究團(tuán)隊(duì)將這一過程應(yīng)用于符號(hào)概念，使AI系統(tǒng)能夠逐步構(gòu)建出概念之間的復(fù)雜關(guān)系，而非簡(jiǎn)單地假設(shè)它們相互獨(dú)立。

關(guān)鍵的創(chuàng)新在于，NESYDMS在每個(gè)局部步驟中仍然利用了獨(dú)立性假設(shè)的計(jì)算優(yōu)勢(shì)，但通過多個(gè)這樣的步驟逐漸構(gòu)建出全局依賴關(guān)系。這就像建造一座復(fù)雜的樂高城堡：每次只需專注于放置一塊積木（簡(jiǎn)單計(jì)算），但最終完成的是一個(gè)復(fù)雜的整體結(jié)構(gòu)（概念間的依賴關(guān)系）。

工作原理：從模糊到清晰的概念重建

NESYDMS的工作原理可以通過一個(gè)直觀的例子來理解：假設(shè)你正在玩一個(gè)迷宮游戲，需要找出從起點(diǎn)到終點(diǎn)的最短路徑。

在傳統(tǒng)的神經(jīng)符號(hào)方法中，AI會(huì)首先識(shí)別迷宮中每個(gè)格子的類型（如草地、沙地或巖石），然后根據(jù)這些類型計(jì)算最短路徑。但問題是，如果AI錯(cuò)誤地將沙地識(shí)別為草地，它可能會(huì)計(jì)算出錯(cuò)誤的路徑，而且無法意識(shí)到自己的錯(cuò)誤。

NESYDMS采用了一種全新的方法：

1. 首先，它會(huì)對(duì)迷宮中的每個(gè)格子類型進(jìn)行初步猜測(cè)。 2. 然后，它會(huì)故意"模糊"一些格子的類型，就像給部分迷宮打上馬賽克。 3. 接下來，它嘗試恢復(fù)這些被模糊的格子類型，但不只是單獨(dú)考慮每個(gè)格子，而是考慮其他格子和最終路徑的約束。 4. 通過多次重復(fù)這個(gè)過程，模型能夠發(fā)現(xiàn)格子類型之間的依賴關(guān)系，以及它們與最終路徑的關(guān)系。

這種方法使NESYDMS能夠表達(dá)對(duì)不同可能概念的不確定性，并了解哪些概念組合是一致的。當(dāng)模型遇到模棱兩可的情況時(shí)，它不會(huì)武斷地選擇一個(gè)答案，而是能夠表達(dá)出多種可能性及其概率。

技術(shù)實(shí)現(xiàn)：數(shù)學(xué)原理與創(chuàng)新點(diǎn)

從技術(shù)角度看，NESYDMS基于兩個(gè)關(guān)鍵創(chuàng)新：

第一，研究團(tuán)隊(duì)開發(fā)了一種新的連續(xù)時(shí)間損失函數(shù)，能夠?qū)⒎?hào)程序無縫集成到擴(kuò)散過程中。這就像是創(chuàng)造了一種新的數(shù)學(xué)語言，使神經(jīng)網(wǎng)絡(luò)和符號(hào)程序能夠有效溝通。

第二，他們?cè)O(shè)計(jì)了一種高效的梯度估計(jì)算法，使得模型能夠處理大規(guī)模推理問題。這就像開發(fā)了一種快速導(dǎo)航系統(tǒng)，即使在復(fù)雜的概念地圖上也能迅速找到最優(yōu)路徑。

一個(gè)關(guān)鍵的數(shù)學(xué)突破是證明了掩碼擴(kuò)散模型（一種離散擴(kuò)散技術(shù)）的連續(xù)時(shí)間損失可以擴(kuò)展到非分解分布。用通俗的語言說，這意味著他們發(fā)現(xiàn)了一種方法，可以在保持計(jì)算效率的同時(shí)處理概念之間的復(fù)雜依賴關(guān)系。

實(shí)驗(yàn)驗(yàn)證：從數(shù)字加法到自動(dòng)駕駛

研究團(tuán)隊(duì)在多個(gè)具有挑戰(zhàn)性的基準(zhǔn)測(cè)試上評(píng)估了NESYDMS的性能：

在MNIST多位數(shù)加法任務(wù)中，他們讓模型學(xué)習(xí)識(shí)別圖像中的數(shù)字并計(jì)算它們的和。這類似于教一個(gè)AI系統(tǒng)先識(shí)別手寫數(shù)字，然后執(zhí)行算術(shù)運(yùn)算。NESYDMS在包含15位數(shù)字的加法任務(wù)上達(dá)到了77.29%的準(zhǔn)確率，與當(dāng)前最先進(jìn)方法相當(dāng)。

更令人印象深刻的是視覺路徑規(guī)劃任務(wù)。這是一個(gè)極具挑戰(zhàn)性的問題，需要AI系統(tǒng)理解視覺場(chǎng)景并規(guī)劃最優(yōu)路徑。在30×30的網(wǎng)格上，問題的復(fù)雜度達(dá)到了驚人的5^900種可能狀態(tài)。NESYDMS在這個(gè)任務(wù)上達(dá)到了97.40%的準(zhǔn)確率，顯著超越了現(xiàn)有方法。

研究團(tuán)隊(duì)還在RSBench測(cè)試集上評(píng)估了NESYDMS對(duì)推理捷徑的感知能力。結(jié)果表明，NESYDMS在準(zhǔn)確性和校準(zhǔn)性之間取得了良好的平衡，能夠有效地表示概念的不確定性，而不會(huì)給出過度自信的錯(cuò)誤預(yù)測(cè)。

在真實(shí)世界的基于規(guī)則的自動(dòng)駕駛?cè)蝿?wù)上，NESYDMS表現(xiàn)出色，不僅預(yù)測(cè)準(zhǔn)確率高，還具有良好的校準(zhǔn)性和概念性能。這意味著它不僅能做出正確決策，還"知道它知道什么"——這對(duì)于安全關(guān)鍵應(yīng)用至關(guān)重要。

未來展望與局限性

盡管NESYDMS取得了顯著進(jìn)展，研究團(tuán)隊(duì)也坦誠(chéng)地指出了一些局限性和未來工作方向。

首先，NESYDMS的可擴(kuò)展性依賴于輸出空間的分解特性或符號(hào)程序的高效表示。研究人員指出，探索如何自動(dòng)將復(fù)雜問題轉(zhuǎn)化為這些可處理形式是一個(gè)有價(jià)值的未來研究方向。

其次，最大化變分熵和處理來自變分分布采樣的間接梯度仍有優(yōu)化空間。這些技術(shù)挑戰(zhàn)就像是需要進(jìn)一步完善的發(fā)動(dòng)機(jī)部件，以使整個(gè)系統(tǒng)運(yùn)行得更加高效。

最后，研究團(tuán)隊(duì)提出了將NESYDMS擴(kuò)展到混合擴(kuò)散模型的可能性，這種模型同時(shí)包含符號(hào)概念和連續(xù)隱變量。這可能為處理同時(shí)包含離散和連續(xù)特性的復(fù)雜問題（如生成滿足約束的表格數(shù)據(jù)）開辟新途徑。

結(jié)論：跨越符號(hào)與神經(jīng)網(wǎng)絡(luò)的鴻溝

NESYDMS代表了神經(jīng)符號(hào)AI領(lǐng)域的重要進(jìn)步。通過創(chuàng)新性地將離散擴(kuò)散模型整合到神經(jīng)符號(hào)框架中，研究團(tuán)隊(duì)成功地創(chuàng)造了一種既可擴(kuò)展又能感知推理捷徑的方法。

這項(xiàng)研究的意義遠(yuǎn)超技術(shù)創(chuàng)新。它展示了如何構(gòu)建既能看懂世界（感知），又能思考世界（推理）的AI系統(tǒng)。這種能力對(duì)于需要可解釋性和可靠性的安全關(guān)鍵應(yīng)用（如自動(dòng)駕駛、醫(yī)療診斷）至關(guān)重要。

歸根結(jié)底，NESYDMS向我們展示了彌合神經(jīng)感知與符號(hào)推理之間鴻溝的一種可行方法。這不僅是朝著更智能的AI系統(tǒng)邁出的一步，也是朝著更可靠、更可解釋AI系統(tǒng)邁出的一步——一種不僅能給出正確答案，還能讓我們理解為什么是正確答案的AI系統(tǒng)。

對(duì)于有興趣深入了解這項(xiàng)研究的讀者，可以通過arXiv:2505.13138v1訪問完整論文，或前往GitHub倉(cāng)庫(kù)https://github.com/HEmile/neurosymbolic-diffusion查看代碼實(shí)現(xiàn)。