2026年2月3日，应中心主任郭美云教授邀请，新西兰奥克兰理工大学高级讲师阮吉博士做客“天辅逻辑论坛”，作题为“逻辑与神经元：AI中大脑与规则的相遇”的学术报告。报告由郭美云教授主持，吸引了中心师生及国内外高校学者（线上线下）共70余人参加。
阮吉博士首先简要回顾了个人学术历程，并结合其海内外研究经验，分享了关于逻辑学研究方法与方向的思考。他进而引出本次报告的核心主题：人工智能与逻辑学的交叉融合，重点探讨了符号逻辑与神经网络相结合在构建可解释AI（Explainable AI，XAI）系统方面的理论与应用前景。
一、理论基础：AI的发展脉络与核心定义
为奠定讨论基础，阮吉博士系统梳理了AI发展的数理根基与演进脉络。他指出，AI的诞生深受布尔代数、数理逻辑影响，图灵机理论则为机器智能划定了可计算性边界。随后，AI领域逐渐分化为以逻辑为核心的符号学派和以联结主义为基础的神经网络学派。2012年深度学习的突破，使AI在多项感知任务上达到人类水平。在此基础上，他进一步明确了AI定义的四个维度：
1. 类人思考（Thinking like humans）：模拟人脑信息处理过程。
2. 理性思考（Thinking rationally）：基于逻辑推理（如三段论）构建知识系统，体现于PROLOG等语言。
3. 类人行动（Acting like humans）：以通过图灵测试为标志。
4. 理性行动（Acting rationally）：借助智能体与博弈论进行复杂决策。
这一理论框架为理解后续两种技术路径的融合提供了前提。
二、核心议题：符号逻辑与神经网络的融合机理
阮吉博士深入剖析了符号逻辑与神经网络这两大技术路径的融合可能。符号逻辑擅长构建结构化知识库与精确推理，例如通用游戏描述语言（Game Description Language, GDL）仅用六要素即可为多种游戏建模。神经网络仿效大脑突触连接，通过深度学习多层架构实现强大的特征提取与模式识别。阮吉博士强调，二者融合能优势互补，尤其能针对神经网络“黑箱”问题，显著提升AI系统的可解释性与可靠性。
三、实践案例：技术融合的具体实现
阮吉博士以其团队研发的GGPZero架构（General Game Playing Zero）为例，展示了融合实践。该架构结合GDL进行逻辑建模，并引入图神经网络（Graph Neural Network, GNN）作为推理引擎，在经典游戏推理中准确率超过90%。同时，它融合强化学习与蒙特卡洛树搜索（Monte Carlo Tree Search, MCTS），实现了不依赖专家数据的自主优化。此外，报告也引用了AlphaGo、特斯拉全自动驾驶等案例，印证了符号与神经融合技术的有效性与广泛应用前景。
四、未来展望：超级智能发展与AI赋能社会
讲座最后将视野延伸至AI的前沿发展与重大社会应用。阮吉博士首先界定了超级智能（Super-Intelligence）的巨大潜力与潜在风险，并为此提出“东方安全超级智能”（Oriental Safe Super-Intelligence）构想，主张将伦理价值嵌入系统设计，以确保其发展符合人类利益。
随后，他进一步展望了AI技术解决现实世界复杂挑战的广阔前景，特别是在健康医疗领域。阮吉博士介绍了其团队关注的iCare智能健康照护方向。面对全球人口老龄化的趋势，集成了3D环境理解（3D World Model）、精准任务规划（Action Model）、安全保障机制（Safety）、决策可解释性（Explainability）与行为伦理规范（Ethics）的智能系统，将成为应对老年人健康照护等社会需求的关键。这体现了融合逻辑与神经网络的可解释、可信赖AI（Trustworthy AI）技术，在赋能健康等民生领域、解决实际社会问题方面的巨大潜力。
报告结束后，在场与在线师生与阮吉博士就AI与逻辑学交叉领域的研究进展进行了热烈而深入的探讨，并进一步讨论了未来可能的合作。
附报告人简介与海报：
阮吉，北京大学哲学学士、阿姆斯特丹大学逻辑学硕士、利物浦大学计算机科学博士，奥克兰理工大学人工智能高级讲师、博士生导师。其早期工作主要侧重于知识表示与推理、多智能体系统及博弈论等基础方向。曾在加拿大圣弗朗西斯泽维尔大学和澳大利亚新南威尔士大学从事人工智能相关研究，拥有逾二十年的研究与教学经验。近年来的研究重心为应用型人工智能，特别是在养老护理机器人领域进行创新探索。2025年共同发起了东方安全超级智能联盟（Oriental Safe Super-Intelligence Alliance，OSSIA），旨在主动构筑一个基于东方智慧、确保其与全人类安全共生的全球性替代路径。更多见：https://academics.aut.ac.nz/ji.ruan
（邵欣悦、熊作军/文，王一廷、孙洋/图，郭美云/审核，熊作军/发布）
