斯蒂芬·H·马格尔顿（，）是计算机科学家，主要研究机器学习、人工智能、和计算生物学。他现为南京大学人工智能学院教授、伦敦帝国学院计算学系荣休教授。马格尔顿以开创归纳逻辑程序设计研究著称，在谓词发明、逆分辨率、逆蕴涵、概率归纳逻辑程序设计和元解释学习等领域作出贡献。
生平
马格尔顿生于1959年12月。1982年，他获爱丁堡大学计算机科学学士学位，随后在唐纳德·米基指导下研究专家知识的归纳获取，1986年获博士学位。其博士论文题为《》，介绍了利用归纳推理获取知识并按需解释推理过程的Mugol专家系统环境，以及用于控制系统知识获取的序列归纳方法。
1986年至1990年，马格尔顿任图灵研究所研究员；1990年获英国科学与工程研究委员会博士后研究资助。1993年，他获为期五年的工程与自然科学研究委员会高级研究员资助，在创建并领导机器学习研究组，同年应邀担任东京大学富士通讲席访问副教授。任职牛津期间，他当选牛津大学沃弗森学院研究员，并于1997年晋升高级讲师。
马格尔顿还研制了多种归纳逻辑程序设计系统。1995年，他提出模式定向逆蕴涵，并将其实现为Progol系统。该系统以逆蕴涵构造受模式声明限制的具体子句，再搜索能够概括训练实例的假说。此后，他又参与发展元解释学习。2015年，马格尔顿、林殿焕（音，）和阿里雷扎·塔马多尼-内扎德（）将这种方法推广到高阶二元Datalog程序，用于学习递归定义和发明新的谓词。
计算生物学与科学自动化
马格尔顿长期将机器学习用于生物学预测，与生物学家合作研究蛋白质结构、药物与毒素活性以及基因功能。
可解释人工智能与桥牌
马格尔顿还研究以逻辑和概率表示知识的可解释机器学习。法国初创企业NukkAI开发的桥牌人工智能NOoK以概率归纳逻辑程序设计为基础。帝国理工学院称，该方法由马格尔顿及其研究组经过二十余年发展。与主要依靠大量对局训练、内部决策过程难以说明的“黑箱”系统相比，这类“白箱”系统以规则、概率和可读的逻辑表示学习结果，因而能够向人解释决策。
2022年3月，NOoK在巴黎举行的两日比赛中与八名世界桥牌冠军比较打牌成绩。比赛使用800副牌，分成80组，每组10副，不包括叫牌阶段；NOoK赢得其中67组，约占83%。由于桥牌属于信息不完全游戏，玩家必须在无法看见全部牌面的情况下推测其他人的持牌情况，马格尔顿认为比赛结果是人工智能处理不确定性和不完全信息的一项重要进展。
学术服务与荣誉
马格尔顿自1992年起任“机器智能”（）研讨会及丛书执行编辑，2000年起任主编。他曾主持第20届和第21届机器智能研讨会以及2022年国际学习与推理联合会议，并与尼古拉斯·查特（）共同主编2021年出版的《》。2016年，他以证人身份向英国国会人工智能与机器人问题专责委员会提供意见。
马格尔顿于2002年当选美国人工智能协会会士，2008年当选英国计算机学会和英国工程技术学会会士，2010年当选英国皇家工程院院士，2011年当选会士并进入国际机器学习学会理事会，2014年当选欧洲人工智能协调委员会会士。
主要著作
*
*
*
*
*
*
*
*
参考资料
外部链接
- [https://ai.nju.edu.cn/smuggleton/ 南京大学个人主页]
- [https://profiles.imperial.ac.uk/s.muggleton 伦敦帝国学院个人档案]
- [https://www.doc.ic.ac.uk/~shm/ 个人学术主页]
评论 (0)