深度学习神经符号 AI 与因果推断 —— 从“相关“到“因果“（七十七）
1. 定位导航
🎉追求更可靠、可解释、会推理的 AI！
深度学习强大，但有根本局限：
| 局限 | 说明 |
|---|---|
| 黑盒 | 难以解释 |
| 数据饥渴 | 需要海量数据 |
| 脆弱 | 对抗样本、分布偏移 |
| 不会真推理 | 学相关，非因果 |
| 缺常识 | 不懂物理/逻辑规律 |
两条互补的路线试图弥补：神经符号 AI（结合符号推理）和因果推断（理解因果）。
1.1 两种 AI 范式
| 范式 | 擅长 | 弱点 |
|---|
🎉追求更可靠、可解释、会推理的 AI！
深度学习强大，但有根本局限：
| 局限 | 说明 |
|---|---|
| 黑盒 | 难以解释 |
| 数据饥渴 | 需要海量数据 |
| 脆弱 | 对抗样本、分布偏移 |
| 不会真推理 | 学相关，非因果 |
| 缺常识 | 不懂物理/逻辑规律 |
两条互补的路线试图弥补：神经符号 AI（结合符号推理）和因果推断（理解因果）。
| 范式 | 擅长 | 弱点 |
|---|