面向专家的神经符号人工智能解释

神经符号人工智能指的是将神经网络与符号知识表示及逻辑推理相结合的混合型人工智能模型，既能实现基于学习的模式识别，又能实现可解释的推理。

形式上，神经符号系统可定义为一对 \( (N, S) \)，其中 \( N \) 是带参数 \( \theta \) 用于处理模糊数据的神经网络，\( S \) 是具有知识库 \( \mathcal{K} \) 和逻辑规则 \( \mathcal{R} \) 的符号系统，这些规则支持演绎推理。

集成通过诸如训练期间的符号约束、符号表达的神经嵌入或嵌入神经架构的可微逻辑模块等技术实现。

这允许在保持符号逻辑的可解释性和可验证性的同时，高效地从数据中学习。

定义：
“神经符号人工智能是一种结合神经方法和符号方法的途径，旨在将两种范式的优势——基于学习的模式识别和逻辑推理——统一于一个系统中。”

来源：
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.