张量逻辑：人工智能的语言

人工智能的进展受到缺乏具备所有必需功能的编程语言的阻碍。PyTorch 和 TensorFlow 等库提供了自动微分和高效的 GPU 实现，但它们是 Python 的附加功能，而 Python 最初并非为人工智能设计。它们缺乏对自动化推理和知识获取的支持，导致了一系列漫长且代价高昂的“hacky”尝试来添加这些功能。另一方面，LISP 和 Prolog 等人工智能语言缺乏可扩展性和学习支持。本文提出了张量逻辑（tensor logic），一种通过在根本层面统一神经和符号人工智能来解决这些问题的语言。张量逻辑的唯一构造是张量方程，基于逻辑规则和爱因斯坦求和本质上是相同操作的观察，而所有其他都可以归结为它们。我将展示如何在张量逻辑中优雅地实现神经、符号和统计人工智能的关键形式，包括 Transformer、形式推理、核方法和图形模型。最重要的是，张量逻辑使得新的方向成为可能，例如嵌入空间中的可靠推理。这结合了神经网络的可扩展性和可学习性与符号推理的可靠性和透明度，并可能成为人工智能更广泛采用的基础。