NeurIPS'20| AI编程：如何从复制粘贴走向推理合成( 四 ) 编者按：AI编程是人们对人工智

文章插图
图8：LANE 在 SCAN 的各个子任务上均达到100%的准确度
图9展示了 LANE 中的 Composer （TreeLSTM）学习得到的两个隐式树结构作为示例。 TreeLSTM 在具体实现时是二叉化的，将具体进行抽象动作的结点着黑色。可以看到，即使并未引入任意人工预定义的抽象/映射规则， LANE 也能够自动化地探索出符合人类思维的抽象化过程。
文章插图
图9：示例：LANE 学习得到的两个隐式树结构
新型的端到端神经网络架构 LANE 能够模拟人类的抽象化思维能力，以此学习到数据中潜在的解析表达式映射，从而在 AI 编程（语义解析）任务中获得组合泛化能力。微软亚洲研究院的研究员们希望以此作为一个出发点，探讨深度学习如何由 “鹦鹉范式”（记忆与模仿）走向“乌鸦范式”（探索与归纳），从而延伸其能力边界。不过目前这还是初步的理论研究，想要应用到更复杂的任务中还需要很多后续工作（例如，提高训练效率、提高容错学习能力、与无监督方法结合等）。
论文：
代码：
微软亚洲研究院数据、知识、智能组（Data, Knowledge, and Intelligence）正在招聘研究员/实习生，欢迎你加入我们，一起做有远见、有创新且可以解决实际问题的研究。
实习简历投递：
全职研究员简历投递：
di-recruit@microsoft.com
参考文献
[1] 《智能数据分析技术，解锁Excel“对话”新功能》<;
[2] 《对话即数据流：智能对话的新方法》<;
[3] 《朋友送了我一个会编程的机器人，说程序员可以下岗了!!!》<;
[4] Brenden Lake, Marco Baroni. Generalization without Systematicity: On the Compositional Skills of Sequence-to-Sequence Recurrent Networks. 2018. <;.
[5] Daniel Keysers, et al. Measuring Compositional Generalization: A Comprehensive Method on Realistic Data. 2019. <;
【NeurIPS'20| AI编程：如何从复制粘贴走向推理合成】11月24日，我们将邀请论文作者之一——微软亚洲研究院数据、知识、智能组（Data, Knowledge, and Intelligence）研究员林泽琦在B站直播间为大家深度解读论文，届时欢迎大家扫码观看。
文章插图