11月22日下午，清华大学软件论坛第二十七期邀请中国科学院外籍院士、清华大学杰出访问教授樊文飞作题为“AI=机器学习+逻辑推理”的学术报告。中国工程院院士、软件学院教授孙家广，软件学院院长王建民，校内部分师生线下参会，来自校内外的相关研究者共200余人线上参会。报告会由王建民主持。

樊文飞作报告

樊文飞在报告中首先介绍了逻辑推理的应用场景和主要工具，机器学习的主要特征和特点；深度学习的发展表现为传统的AI构建流程演变为预训练+指令微调的两阶段训练过程，出现了若干种不同的生成式模型GPT，Diffusion，VAE和GAN及其组合。樊文飞指出，随着Transformer的提出，生成式AI模型进入爆发式增长阶段，模型规模、指标和经济效益持续上升，人工智能模型的应用拓展到智能对话和多模态生成等更丰富的任务场景，但也面临模型输出结果的可解释性和溯源问题，准确性、公平性和鲁棒性目标难以同时满足的问题，逻辑表达能力问题，资源消耗巨大的问题，训练数据样本量与质量不足的问题，幻觉问题。

樊文飞分别分析了逻辑推理和机器学习的优劣势，针对如何将逻辑推理与机器学习融合在一个统一框架下、有效地结合二者的优势，通过逻辑推理提高机器学习模型的精度和可解释性，并在解决行业痛点问题时探索比大模型成本更低、精度更高、更易解释的解决方案，樊文飞研究团队提出一个基于图数据关联规则的逻辑框架。这些规则可将机器学习模型做为谓词嵌入，降低模型预测的假阳性和假阴性，提供GNN模型的可解释性，并在缺少样本数据的情况下，提供精准分析。

樊文飞团队在新能源电池、生物制药、网络安全、电子商务、金融等领域的实践证明，二者相融合或可在应用中产生奇效。他们提出将机器学习模型作为谓词嵌入逻辑规则的统一框架，实现了基于图的关联关系智能分析系统——“钓鱼城”系统。将逻辑规则、图模式作为机器学习模型推理结果的“测试预言”，有效地提高了给定任务模型输出结论的准确性，降低了机器学习的假阴性和假阳性，为机器学习预测提供逻辑可解释性，降低了对大规模数据样本的依赖，为产线提供了可靠的决策支持。

会议现场

樊文飞的报告引发了线上线下的参会者就逻辑规则的获取、大规模图数据的高效存储与利用、应用场景的迁移等问题的深入讨论和研究兴趣。

嘉宾简介：

樊文飞，英国爱丁堡大学信息学院讲座教授，深圳计算科学研究院首席科学家，中国科学院外籍院士，英国皇家学会院士、 英国皇家工程院院士、欧洲科学院院士、英国爱丁堡皇家学会院士、世界计算机协会会士（ACM Fellow)。清华大学杰出访问教授、北京航空航天大学客座教授、北京大学讲座教授、北京大学深圳研究生院南燕荣誉教授。毕业于北京大学（本科，硕士）和美国宾夕法尼亚大学（博士），任职爱丁堡大学前为美国贝尔实验室科学家。曾获得英国皇家学会Wolfson研究成果奖(2018)、欧洲研究委员会 ERC Advanced Grant (2015）、英国 Roger Needham Award（2008）、中国长江学者 (2007)、海外杰出青年学者（2003）、美国 CAREER Award（2001），Elsevier网络科学刊物年度最佳论文和最杰出作者奖（2002）以及数据管理四大国际顶级理论与系统会议的时间检验奖和最佳论文奖: Alberto O. Mendelzon 时间检验奖/ACM PODS十年最佳论文奖 (2010、2015)，ACM SIGMOD (2017)、VLDB（2010）和ICDE（2007）最佳论文奖。目前主要研究领域为数据库理论与系统，包括大数据、数据质量、数据共享、分布式计算、跨模计算、增量算法、以及逻辑推理与机器学习的结合。