Нейро-символический ИИ обозначает гибридные модели ИИ, которые комбинируют нейронные сети с символическим представлением знаний и логическим выводом, чтобы обеспечить как обучение на основе распознавания шаблонов, так и объяснимое рассуждение.
Формально нейро-символические системы можно определить как пару \( (N, S) \), где \( N \) — нейронная сеть с параметрами \( \theta \) для обработки нечетких данных, а \( S \) — символическая система с базой знаний \( \mathcal{K} \) и логическими правилами \( \mathcal{R} \), которые обеспечивают дедуктивный вывод.
Интеграция осуществляется с помощью таких техник, как символические ограничения во время обучения, нейронные встраивания символических выражений или дифференцируемые логические модули, встроенные в нейронные архитектуры.
Это позволяет эффективно обучаться на данных при одновременном сохранении интерпретируемости и проверяемости с помощью символической логики.
Определение:
«Нейро-символический ИИ — это подход, который сочетает нейронные и символические методы, чтобы объединить сильные стороны обеих парадигм — обучение на основе распознавания шаблонов и логическое рассуждение — в одной системе.»
Источник:
Garcez, A. d’Avila, Lamb, L. C., & Gabbay, D. M. (2020). Neural-Symbolic Computing: An Effective Methodology for Principled Integration of Machine Learning and Reasoning. Frontiers in Artificial Intelligence and Applications.