更改

然而，对逻辑的、基于知识的方法的日益重视，导致人工智能和机器学习之间产生了裂痕，概率系统受到数据采集和数据表示的理论和实践问题的困扰<ref name="aima" />。到1980年，[https://en.wikipedia.org/wiki/Expert_system 专家系统]已经主导了人工智能，而统计方法不再受欢迎<ref name="changing">{{Cite journal | last1 = Langley | first1 = Pat| title = The changing science of machine learning |journal = Machine Learning| volume = 82 | issue = 3 | pages = 275–279 | year = 2011 }}</ref>。

然而，对逻辑的、基于知识的方法的日益重视，导致人工智能和机器学习之间产生了裂痕，概率系统受到数据采集和数据表示的理论和实践问题的困扰<ref name="aima" />。到1980年，[https://en.wikipedia.org/wiki/Expert_system 专家系统]已经主导了人工智能，而统计方法不再受欢迎<ref name="changing"/>。

基于符号与知识的学习的工作仍然属于AI领域，这促成了归纳逻辑编程，但更多的在模式识别和信息检索

基于符号与知识的学习的工作仍然属于AI领域，这促成了归纳逻辑编程，但更多的在模式识别和信息检索

<ref name="aima">Russell, Stuart; Norvig, Peter (2003) [1995]. [https://en.wikipedia.org/wiki/Artificial_Intelligence:_A_Modern_Approach ''Artificial Intelligence: A Modern Approach''] (2nd ed.). Prentice Hall. ISBN 978-0137903955.</ref>方面的统计方法的研究已经超出了人工智能本身的范围。神经网络的研究几乎同时被人工智能和计算机科学所抛弃。而在AI/CS领域之外，这条路线也被其他学科的研究人员奉为“连接主义”而继续存在，包括Hopfield、Rumelhart和Hinton。他们的主要成功是在上世纪80年代中期重新发明了[[反向传播算法]]

<ref name="aima">Russell, Stuart; Norvig, Peter (2003) [1995]. [https://en.wikipedia.org/wiki/Artificial_Intelligence:_A_Modern_Approach ''Artificial Intelligence: A Modern Approach''] (2nd ed.). Prentice Hall. ISBN 978-0137903955.</ref>方面的统计方法的研究已经超出了人工智能本身的范围。神经网络的研究几乎同时被人工智能和计算机科学所抛弃。而在AI/CS领域之外，这条路线也被其他学科的研究人员奉为“连接主义”而继续存在，包括Hopfield、Rumelhart和Hinton。他们的主要成功是在上世纪80年代中期重新发明了[[反向传播算法]]

然而，日益强调的'''基于知识的逻辑方法 Knowledge-based Approach'''导致了人工智能和机器学习之间的裂痕。概率系统一直被数据获取和表示的理论和实际问题所困扰。<ref name="changing">{{Cite journal | last1 = Langley | first1 = Pat| title = The changing science of machine learning | doi = 10.1007/s10994-011-5242-y | journal = Machine Learning (journal)| volume = 82 | issue = 3 | pages = 275–279 | year = 2011 | pmid =  | pmc = | doi-access = free }}</ref>在人工智能内部，符号/知识学习的工作确实在继续，导致了归纳逻辑编程，但更多的统计研究现在已经超出了人工智能本身的领域，即模式识别和信息检索。<ref name="aima" />神经网络的研究几乎在同一时间被人工智能和计算机科学领域所抛弃，但这种思路却在人工智能/计算机之外的领域被延续了下来，被其他学科的研究人员称为“连接主义”。（编者注：连接主义又称为仿生学派或生理学派，其主要原理为神经网络及神经网络间的连接机制与学习算法。）包括Hopfield、Rumelhart和Hinton。他们的主要成就集中在20世纪80年代中期，在这一阶段神经网络的方法随着反向传播算法的出现而重新被世人所重视。<ref name="aima" />

然而，日益强调的'''基于知识的逻辑方法 Knowledge-based Approach'''导致了人工智能和机器学习之间的裂痕。概率系统一直被数据获取和表示的理论和实际问题所困扰。<ref name="changing"/>在人工智能内部，符号/知识学习的工作确实在继续，导致了归纳逻辑编程，但更多的统计研究现在已经超出了人工智能本身的领域，即模式识别和信息检索。<ref name="aima" />神经网络的研究几乎在同一时间被人工智能和计算机科学领域所抛弃，但这种思路却在人工智能/计算机之外的领域被延续了下来，被其他学科的研究人员称为“连接主义”。（编者注：连接主义又称为仿生学派或生理学派，其主要原理为神经网络及神经网络间的连接机制与学习算法。）包括Hopfield、Rumelhart和Hinton。他们的主要成就集中在20世纪80年代中期，在这一阶段神经网络的方法随着反向传播算法的出现而重新被世人所重视。<ref name="aima" />

它在生物信息学和'''自然语言处理 Natural Language Processing'''中特别有用。戈登·普洛特金 Gordon Plotkin和埃胡德·夏皮罗 Ehud Shapiro为归纳机器学习在逻辑上奠定了最初的理论基础。<ref>Plotkin G.D. [https://www.era.lib.ed.ac.uk/bitstream/handle/1842/6656/Plotkin1972.pdf;sequence=1 Automatic Methods of Inductive Inference], PhD thesis, University of Edinburgh, 1970.</ref><ref>Shapiro, Ehud Y. [http://ftp.cs.yale.edu/publications/techreports/tr192.pdf Inductive inference of theories from facts], Research Report 192, Yale University, Department of Computer Science, 1981. Reprinted in J.-L. Lassez, G. Plotkin (Eds.), Computational Logic, The MIT Press, Cambridge, MA, 1991, pp. 199–254.</ref><ref>Shapiro, Ehud Y. (1983). ''Algorithmic program debugging''. Cambridge, Mass: MIT Press. {{ISBN|0-262-19218-7}}</ref>Shapiro在1981年实现了他们的第一个模型推理系统: 一个从正反例中归纳推断逻辑程序的 Prolog 程序。<ref>Shapiro, Ehud Y. "[http://dl.acm.org/citation.cfm?id=1623364 The model inference system]." Proceedings of the 7th international joint conference on Artificial intelligence-Volume 2. Morgan Kaufmann Publishers Inc., 1981.</ref>这里的”归纳“指的是哲学上的归纳，通过提出一个理论来解释观察到的事实，而不是数学归纳法证明了一个有序集合的所有成员的性质。

它在生物信息学和'''自然语言处理 Natural Language Processing'''中特别有用。戈登·普洛特金 Gordon Plotkin和埃胡德·夏皮罗 Ehud Shapiro为归纳机器学习在逻辑上奠定了最初的理论基础。<ref>Plotkin G.D. [https://www.era.lib.ed.ac.uk/bitstream/handle/1842/6656/Plotkin1972.pdf;sequence=1 Automatic Methods of Inductive Inference], PhD thesis, University of Edinburgh, 1970.</ref><ref>Shapiro, Ehud Y. [http://ftp.cs.yale.edu/publications/techreports/tr192.pdf Inductive inference of theories from facts], Research Report 192, Yale University, Department of Computer Science, 1981. Reprinted in J.-L. Lassez, G. Plotkin (Eds.), Computational Logic, The MIT Press, Cambridge, MA, 1991, pp. 199–254.</ref><ref>Shapiro, Ehud Y. (1983). ''Algorithmic program debugging''. Cambridge, Mass: MIT Press.</ref>Shapiro在1981年实现了他们的第一个模型推理系统: 一个从正反例中归纳推断逻辑程序的 Prolog 程序。<ref>Shapiro, Ehud Y. "[http://dl.acm.org/citation.cfm?id=1623364 The model inference system]." Proceedings of the 7th international joint conference on Artificial intelligence-Volume 2. Morgan Kaufmann Publishers Inc., 1981.</ref>这里的”归纳“指的是哲学上的归纳，通过提出一个理论来解释观察到的事实，而不是数学归纳法证明了一个有序集合的所有成员的性质。

<br>

<br>