推理领域资源

随着人工智能技术特别是深度学习的普及，医疗行业也迎来一波**的热潮，本文将讨论如何利用AI技术将领域知识融入到医疗推理任务当中，为AI+医疗提供一种行之有效的解决方案。主要内容包括：智慧医疗现状、核心问题、领域知识、融合知识的推理。

第一代人工智能也称符号**，主要是基于知识库和推理机，即将某个领域的知识或经验通过人工整理成计算机可以识别的符号及规则，通过符号演算和推理进行规划、决策、识别等类似于人类的智能工作，也就是在计算机中建立知识库和推理机制来模拟人类的推理和思考行为。

1.机器的演绎推理，目前主要通过专家系统来实现。专家系统一般由经验库和推理机两部分构成。在经验库的**上，通过收集既定领域的数据，对数据源中的事件和相应变量进行知识挖掘，再由领域专家和知识工程师一起撰写知识等式，完成对特定领域进行知识和数据建模，确定概念、算子、知识、常量、变量等关键因素，从而形成专家经验库。进一步针对当前问题的条件或已知信息，匹配知识库中的规则，获得新的结论，以得到问题求解结果，从而构建可解释的推理机。近些年，大规模知识预训练和思维链（CoT）等技术的出现，也让机器的演绎推理研究有了新的技术路线。

它的应用已遍及人工智能的各个分支，如专家系统、自动推理、自然语言理解、模式识别、计算机视觉、智能机器人等领域。其中尤其典型的是专家系统中的知识获取瓶颈问题，人们一直在努力试图采用机器学习的方法加以克服。

认知体系结构的研究以信息加工为基础构建人类认知模型，不仅对于揭示认知机制与本质至关重要，更是人工智能发展的基石。认知体系结构的研究始于20世纪50年代，目的在于创建可以进行跨领域推理同时又能适应新环境的计算系统[2]。