如今計算機科學正努力推動技術更新、大膽迭代融合?！吧窠浄朅I”已成為最熱門專業(yè)流行語。計算機科學家在最新發(fā)表的論文中記錄了這一新概念的發(fā)展，揭示了神經符號AI的激增。業(yè)界人士認為這是擺脫AI研究中神經網絡的壟斷途徑，期望這種轉變帶來更智能的人類思維模型的超級AI。

事實上，大語言模型LLM無法模擬人類思維，最多是語言詞句重組或排序。就好像在精神病房，醫(yī)生并不在意患者語言贅述，更關注其語言邏輯。語言邏輯是反映人類思維和智慧真實所在。

(群規(guī): 實名+機構)

閱讀文摘

近年來，AI領域掀起了一股“神經符號AI”( Neurosymbolic AI )熱潮——將傳統基于規(guī)則的符號AI(Symbolic AI)與現代大型語言模型(LLM)背后的神經網絡算法有機結合。

專家認為，單靠神經網絡(neuronetwork)尚不足以讓AI達到人類智慧水平，真正的突破需要復合兩者的優(yōu)勢。

符號AI憑借清晰邏輯推理、透明性和可解釋性，幫助系統實現概念泛化和高效推理；但局限于對人類語言復雜性和例外規(guī)則的處理。

而神經網絡則以深度學習和數據驅動為核心，展現出卓越模式識別和創(chuàng)造力，卻易于出現“黑箱”、“幻覺”和泛化失誤。目前最佳實踐，如AlphaGeometry、Stockfish國際象棋等AI智能系統已開始初步融合這兩類技術，取得良好效果。

AI行業(yè)趨勢顯示，神經符號AI有望推動AGI實現，使機器人能像人一樣學習和參考知識，還可以完成醫(yī)療流程、軍事行動等關鍵領域高風險決策。谷歌、IBM等科技巨頭已將這類AI列為未來研發(fā)重點，但學術界仍在爭論如何實現最佳融合、并解決符號系統編碼人類知識的“常識困境”。

這一混搭理念不僅帶動了理論創(chuàng)新，實際應用也帶來巨大飛躍：如對AI機器人的視覺、推理與少樣本訓練精度的大幅提升。AI專家普遍認為，合理配置“邏輯與學習”組合，將會讓AI更加智能且可靠，并最終擁有自我創(chuàng)造新規(guī)則和知識結構的超級智能，甚至超越人類認知思維“界限”。

關注我們，獲取生物醫(yī)學前沿最新資訊