La integración neuro-simbólica se refiere a un paradigma híbrido de IA que combina redes neuronales (NN) con métodos simbólicos de IA para permitir tanto el reconocimiento de patrones subsimbólicos como el razonamiento simbólico.
Formalmente, esto puede entenderse como la combinación de funciones \(f_{NN}\) y operadores simbólicos \(S\), donde \(f_{NN}\) trabaja con datos en bruto y genera representaciones latentes que luego son interpretadas y manipuladas mediante lógica simbólica \(S\):
\[ y = S(f_{NN}(x), K) \]
donde \(K\) representa conocimiento simbólico.
Esta integración aborda los compromisos entre generalización e interpretabilidad al acoplar modelos neuronales con conocimiento explícito.
Enfoques conocidos incluyen modelos como Neural Theorem Provers (Rocktäschel & Riedel, 2017) o Differentiable Inductive Logic Programming (Evans & Grefenstette, 2018).
Definición:
«La integración neuro-simbólica es un paradigma híbrido de IA que une redes neuronales y sistemas simbólicos de IA para permitir tanto el reconocimiento de patrones basado en datos como el razonamiento lógico en un solo modelo.»
Fuente:
Garcez, A. d. A., Lamb, L. C., & Gabbay, D. M. (2019). Neural-Symbolic Cognitive Reasoning. Springer.