人工智能（AI）最近經(jīng)歷了一次復(fù)興，在視覺(jué)、語(yǔ)言、控制和決策等關(guān)鍵領(lǐng)域取得了重大進(jìn)展。這在一定程度上是由于廉價(jià)的數(shù)據(jù)和廉價(jià)的計(jì)算資源，它們符合深度學(xué)習(xí)的自然優(yōu)勢(shì)。然而，人類(lèi)智力的許多定義性特征，是在許多不同的壓力下發(fā)展起來(lái)的，對(duì)于目前的方法來(lái)說(shuō)仍然是遙不可及的。尤其是，超越個(gè)人經(jīng)驗(yàn)的泛化（人類(lèi)從嬰兒時(shí)期起就具有智能的標(biāo)志）對(duì)于現(xiàn)代人工智能來(lái)說(shuō)仍然是一個(gè)巨大的挑戰(zhàn)。以下是零件位置報(bào)告、零件回顧和零件統(tǒng)一。我們認(rèn)為，組合泛化必須是人工智能實(shí)現(xiàn)類(lèi)人能力的首要任務(wù)，結(jié)構(gòu)化表示和計(jì)算是實(shí)現(xiàn)這一目標(biāo)的關(guān)鍵。正如生物學(xué)合作使用自然和培養(yǎng)一樣，我們反對(duì)在“手工工程”和“端到端”學(xué)習(xí)之間的錯(cuò)誤選擇，而是提倡一種從兩者互補(bǔ)優(yōu)勢(shì)中獲益的方法。我們將探討如何在深度學(xué)習(xí)架構(gòu)中使用關(guān)系歸納偏差來(lái)促進(jìn)對(duì)實(shí)體、關(guān)系和組合規(guī)則的學(xué)習(xí)。我們提出了一個(gè)新的具有強(qiáng)關(guān)系歸納偏差的人工智能工具箱的構(gòu)建塊——圖網(wǎng)絡(luò)，它概括和擴(kuò)展了對(duì)圖進(jìn)行操作的神經(jīng)網(wǎng)絡(luò)的各種方法，并為操作結(jié)構(gòu)化知識(shí)和生成結(jié)構(gòu)化行為提供了一個(gè)直接的接口。我們討論了圖形網(wǎng)絡(luò)如何支持關(guān)系推理和組合泛化，為更復(fù)雜、可解釋和靈活的推理模式奠定基礎(chǔ)。作為本文的配套，我們還發(fā)布了一個(gè)用于構(gòu)建圖形網(wǎng)絡(luò)的開(kāi)源軟件庫(kù)，并演示了如何在實(shí)踐中使用它們。