通过逻辑引导生成的抽象推理

在抽象推理中模仿人类是人工智能的目标之一。之前的研究已经使用 响应消除策略(基于与给定上下文图像的匹配排除候选答案)来训练神经网络，以解决类似于 IQ 测试的问题。然而，人类也可以从没有任何候选的上下文图像中想象答案并选择最相似的一个。

因此，arXiv.org 上最近的一篇论文建议将推理问题简化为命题逻辑中的优化问题。首先，上下文图像被嵌入到命题变量中。然后，可微推理层预测答案图像的变量，解码器网络生成答案图像。

结果表明，尽管在训练时无法访问错误的候选对象，但该框架的性能与依赖于响应消除的神经网络相当。

标签： 抽象推理