按年被提到
20202021 · 2 次2026
数学、逻辑与理论›AI 数学与定理证明·arXiv:2008.07912 · cs.AI

Inductive logic programming at 30: a new introduction

三十岁的归纳逻辑编程:新导论
Andrew Cropper, Sebastijan Dumančić · 2020

归纳逻辑编程(ILP)三十年来的概念、系统与应用概览

开始阅读 ↗PDFalphaXiv 讨论
被推荐 · 4 人首次 2021-05-31 · 最近 2026-08-25
4不同的人
5活跃月份
5讨论串
92被引(OpenAlex)

归纳逻辑编程(ILP)是机器学习的一种形式,目标是归纳出一组逻辑规则来泛化训练样例。论文在 ILP 三十岁之际给出新导论:介绍逻辑符号与主要学习设置,描述 ILP 系统的构件,在多个维度上比较系统,详细介绍 Aleph、TILDE、ASPAL 和 Metagol 四个系统,并总结应用领域、局限与未来方向。

HN 为什么提它

评论者把它作为想了解 ILP 的人的概览(并与 Popper 一起推荐),其核心思想是从样例与背景知识中合成逻辑程序。

综述难度 3 / 5约 90 分钟经得起时间
读之前最好知道
1一阶逻辑与逻辑编程(Prolog)
2机器学习基础
3归纳与泛化
4答案集编程(ASP)

学习路径

读这篇之前,按顺序读书架上的 7 篇 · 参考文献来自 OpenAlex,顺序和要点由 Claude Code 排出

这条路径先给出为什么需要符号与神经结合、程序归纳,再看可微分的 ILP 与神经符号方法,最后读 ILP 三十年的系统性导论。

  1. 1
    Building Machines That Learn and Think Like People构建像人一样学习和思考的机器 · 2016

    说明类人学习需要组合性与因果模型,是符号式学习的动机之一

    读组合性与从少量样本学习的论点,不必看所有案例

  2. 2
    Deep Learning: A Critical Appraisal深度学习:一次批判性评估 · 2018

    批评纯深度学习的局限,说明为何仍要关注规则学习与符号方法

    读数据效率、可解释性与迁移等局限

  3. 3
    DeepCoder: Learning to Write ProgramsDeepCoder:学习编写程序 · 2016

    用神经网络引导程序搜索,是程序合成方向的代表

    读输入输出示例到程序的搜索设定,以及神经网络如何引导搜索

  4. 4
    Programming with a Differentiable Forth Interpreter用可微分的 Forth 解释器编程 · 2016

    可微分解释器是神经网络与程序归纳结合的另一条路线

    读程序草图加可训练空位的思路

  5. 5

    把逻辑推理做成可微分的证明过程,是神经符号方法的代表

    读可微分证明的基本机制与它对规则学习的意义

  6. 6
    Learning Explanatory Rules from Noisy Data从噪声数据中学习可解释的规则 · 2017

    可微分 ILP 的核心论文,与目标论文的 ILP 设定直接衔接

    读用反向传播学习逻辑规则,及其抗噪声能力

  7. 7

    把 ILP 用于从感知输入中理解场景,展示 ILP 的新应用

    读怎样把感知输入转成可被符号推理使用的表示

  8. 8
    Inductive logic programming at 30: a new introduction三十岁的归纳逻辑编程:新导论 · 2020 · 就是这篇

    目标论文:ILP 三十年来的概念、系统与应用概览

    读逻辑记号与学习设定、ILP 系统的构成与比较,再看四个系统(Aleph、TILDE、ASPAL、Metagol)

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
推荐bhntr3 · 2023-05

“Anyone interested could also take a look at Popper ([LINK]) or this overview of the first 30 years of ILP”

推荐它作为归纳逻辑编程前 30 年的概览,并附上 Popper
Prolog for Data Science原评论 ↗
引用YeGoblynQueenne · 2022-03

“Or this longer version, here:”

给出更长的版本,介绍从示例中学习逻辑程序的 ILP
Neurosymbolic Programming (2021) [pdf]原评论 ↗
引用ux266478 · 2026-08

“More or less, one can think of it like synthesizing a logic program to describe and generalize background knowledge and examples.”

借它解释 ILP:可看作合成逻辑程序来描述并泛化背景知识和示例
Vintage Artificial Intelligence: Before It Got Awkward原评论 ↗
被提交为 story · 2 次