6、模式分析与场景理解：从理论到实践

模式分析与场景理解：从理论到实践

1. 引言

在人工智能领域，模式分析、识别和场景理解是核心内容，涵盖了视觉搜索、文档与手写分析、医学图像分析等多个方面。在这个阶段，一个普遍判断等同于一个假设判断或规则，例如“所有乌鸦都是黑色的”等同于“对于每一个 x，如果 x 是乌鸦，那么 x 是黑色的”，这些都可作为三段论的大前提。

然而，关于普遍判断的验证存在争议。逻辑经验主义认为普遍判断最终可由感官数据验证，而波普尔则认为普遍判断只能被证伪。对于非严格的普遍或假设判断，如“几乎所有乌鸦都是黑色的”“乌鸦是黑色的”或“如果一个人的冠状病毒检测呈阳性，那么他很可能被感染”，一个反例并不能轻易将其证伪。经过长期争论，波普尔和大多数逻辑经验主义者达成共识：可以用证据来证实非严格或不确定的普遍判断或大前提。

1945 年，亨佩尔提出了证实悖论，即乌鸦悖论。根据经典逻辑中的等价条件，“如果 x 是乌鸦，那么 x 是黑色的”（规则 I）等价于“如果 x 不是黑色的，那么 x 不是乌鸦”（规则 II）。一块白色粉笔支持规则 II，因此也支持规则 I。但根据尼科德标准，一只黑色乌鸦支持规则 I，一只非黑色乌鸦破坏规则 I，而一个非乌鸦的东西，如一只黑猫或一块白色粉笔，与规则 I 无关。这就导致了等价条件和尼科德标准之间的悖论。

为了量化证实，卡尔纳普和波普尔都提出了他们的证实度量方法，但只有卡尔纳普的方法较为著名。到目前为止，研究人员已经提出了许多证实度量方法。为了筛选合理的证实度量方法，埃利斯和菲特尔森提出了对称性和非对称性作为理想属性，克鲁皮等人和格雷科等人建议将归一化（度量值在 -1 和 1 之间）作为理想属性，格雷科等人还提出了单调性作为理想属性。在流行的证实度量方法中，只有