Ученые предложили вероятностное расширение для нейросимволического ИИ на основе формальной логики
На стыке нейросетевого обучения и символьных рассуждений возникло новое направление — нейросимволический ИИ. Исследователи представили вероятностное расширение формальной логики IFOL_B, которое призвано усилить когнитивные возможности роботов.
Чисто нейросетевые системы страдают от недостатка интерпретируемости и логической структуры. Нейросимволический подход пытается объединить гибкость обучения с формальной строгостью, что особенно важно для создания автономных агентов.
В работе предлагается вероятностное вычисление для неизвестных предложений на основе структуры вероятностей Нильссона. Кроме того, введены глобальные и локальные симметрии, сохраняющие базу знаний и логический вывод.
Для вычисления функции плотности вероятности на основе максимальной информационной энтропии Шеннона применяются нейронные сети. Это позволяет системе принимать решения в реальном времени для конкретных подзадач, используя лишь строго определённое подмножество предикатов IFOL_B.
Разработка открывает путь к более интеллектуальным роботам, способным к самореференции и логическим рассуждениям в условиях неопределённости. По мнению авторов, предложенный подход сочетает преимущества нейросетей и формальной логики, что повышает интерпретируемость решений.
Пока работа носит теоретический характер, но может найти применение в областях, где требуется объяснимость ИИ, например, в медицине, автономных системах или робототехнике. Исследование опубликовано на arXiv и доступно для ознакомления.
