Le traitement symbolique neuronal est une approche hybride qui combine les réseaux neuronaux avec des méthodes d'IA symbolique.
Les réseaux neuronaux sont bien adaptés pour apprendre à partir de grandes quantités de données, mais montrent souvent des difficultés à expliquer et à gérer des concepts abstraits.
Les systèmes symboliques, en revanche, utilisent des représentations explicites des connaissances et des règles logiques, mais sont souvent moins flexibles et nécessitent des entrées manuelles.
Le traitement symbolique neuronal combine des modèles neuronaux avec des modules symboliques pour tirer parti des avantages des deux mondes.
Cela peut se faire par des méthodes telles que la programmation neuronale, la logique différentiable ou des composants de raisonnement symbolique.
L'objectif est de créer des systèmes capables d'apprendre, d'expliquer et de résoudre mieux des tâches complexes.