Нейро-символическая интеграция обозначает гибридную парадигму ИИ, которая сочетает нейронные сети (НС) с символическими методами ИИ, чтобы обеспечить как подсмысловое распознавание образов, так и символическое рассуждение.
Формально это можно понимать как комбинацию функций \(f_{NN}\) и символических операторов \(S\), где \(f_{NN}\) работает с необработанными данными и создаёт латентные представления, которые затем интерпретируются и обрабатываются с помощью символической логики \(S\):
\[ y = S(f_{NN}(x), K) \]
где \(K\) представляет символические знания.
Эта интеграция решает компромиссы между обобщением и интерпретируемостью, связывая нейронные модели с явными знаниями.
Известные подходы включают модели, такие как Neural Theorem Provers (Роктэшель и Ридель, 2017) или Differentiable Inductive Logic Programming (Эванс и Грефенштетте, 2018).
Определение:
«Нейро-символическая интеграция — это гибридная парадигма ИИ, объединяющая нейронные сети и символические системы ИИ, чтобы обеспечить как основанное на данных распознавание образов, так и логическое рассуждение в одной модели.»
Источник:
Garcez, A. d. A., Lamb, L. C., & Gabbay, D. M. (2019). Neural-Symbolic Cognitive Reasoning. Springer.