Neuro-symbolic AI – połączenie sieci neuronowych z logiką symboliczną.

Jest to podejście łączące metody oparte na sieciach neuronowych z technikami logiki symbolicznej w celu wykorzystania zalet obu paradygmatów w systemach sztucznej inteligencji. Sieci neuronowe umożliwiają przetwarzanie danych sensorycznych, wykrywanie wzorców i uczenie się na podstawie przykładów, natomiast logika symboliczna pozwala na reprezentację wiedzy w sposób zrozumiały dla człowieka oraz wykonywanie wnioskowań na podstawie reguł i faktów. Integracja tych dwóch metod pozwala na stworzenie bardziej wszechstronnych i interpretowalnych modeli AI.

Takie systemy mają na celu pokonanie ograniczeń typowych dla samych sieci neuronowych, takich jak brak transparentności czy słaba zdolność do rozumowania abstrakcyjnego, poprzez dodanie warstwy reprezentacji symbolicznej, która może operować na regułach i strukturach logicznych. Dzięki temu możliwe jest lepsze wyjaśnianie decyzji podejmowanych przez systemy sztucznej inteligencji oraz ich efektywna integracja z wiedzą ekspercką, co ma szczególne znaczenie w zastosowaniach wymagających wysokiego poziomu zaufania i precyzji.