L'IA neuro-symbolique intègre les réseaux neuronaux avec des représentations symboliques des connaissances afin de tirer parti des avantages des deux mondes.
Les réseaux neuronaux sont très doués pour reconnaître des motifs dans de grandes quantités de données, mais ont des difficultés avec la logique symbolique et le raisonnement abstrait.
L'IA symbolique, en revanche, travaille avec des règles explicites et des expressions logiques, mais est moins flexible dans le traitement de données floues ou incomplètes.
En combinant les deux, un système peut apprendre à reconnaître des motifs complexes tout en prenant des décisions explicables basées sur des règles.
Les approches typiques comprennent l'intégration de structures symboliques dans des modèles neuronaux ou l'utilisation de modules neuronaux pour soutenir les procédures d'inférence symbolique.