人工智能正在同时适应企业应用的需求和消费者的兴趣。随着 AI 服务的数量和类型持续增长，数据工程专家正在敦促我们考虑更多深奥的自动化智能形式。其中一个分支是神经符号 AI，这种方法旨在将神经模型的类人脑能力与符号模型所代表的人类可读智能相结合。
什么是神经符号 AI？
用最简单的术语来解释这些技术，神经 AI (通常被称为神经网络技术) 基于大脑本身的复杂推理能力，对大型数据集进行模式识别。因此，神经 AI 非常擅长根据大量传感器信息制定智慧城市交通物流方案，但在预测下一个流行音乐现象何时出现、为什么有人患上罕见且记录不足的疾病，或其他相对独特或深度主观的事件何时发生方面就不那么擅长了。
纯数据驱动的神经网络可能会捕捉历史音乐偏好，但如果没有对代际转变、社会文化趋势和其他符号或基于规则的关系的明确理解，它可能难以对未来进行推断。
相比之下，神经符号方法可以结合：数据驱动的模式（不同国家音乐流派随时间的兴衰）；关于人口变化和品味的逻辑/符号推理（人口老龄化、出生率变化、迁移）；以及新兴文化事件和经济因素等背景知识。
让我们以足球为例
让我们用美式足球作为更广泛的说明性例子来探讨神经 AI 和神经符号 AI 能够实现什么。虽然神经 AI 能够对数百种不同的球衣、球队标志和球员制服进行分类和区分，但它不一定知道哪些球队之间的竞争最激烈，或者哪些球员被认为是有史以来最伟大的。它也不会识别（在更符号化的层面上）某件球衣是否传统上在季后赛中穿着，或是在历史性的球队庆祝活动中展示。
符号 AI 基于自然语言的规则推理，为我们提供了更多透明度，让我们看到决策是如何做出的。相比之下，神经 AI 更像是一个黑盒子，因为它的模式识别引擎在高度细化的细节层面上运转。
神经符号 AI 的应用
所有这些都让我们得出这样的结论：神经符号 AI 通过将神经网络的模式识别优势与符号系统的上下文智能相结合，解决了以前的局限性。它不仅仅是注意到一件球衣是蓝金色的，而是理解球衣的深层含义，以及它是否与关键的季后赛时刻相连，是否与传奇球员有关，或者象征着历史性的球队竞争。这种更丰富的理解展示了神经符号 AI 如何超越表面分类，提供关于体育的上下文驱动的见解。
欧洲数据保护监督员网页上的 Massimo Attoresi 写道："'符号'一词与基于知识、逻辑和规则的显式表示方法有关，通常使用形式语言和通过算法处理这些语言项目（符号）。"虽然神经网络已经证明了它们从非结构化数据集中学习的能力，以及在动态环境中处理大量数据的效率和可扩展性，但这些'非符号'方法也显示出其弱点，特别是在从复杂数据集中识别新模式方面。"
大语言模型背后的真相
到目前为止，这些事实让我们意识到，尽管大语言模型表现出色，但它们并不是有意识的批判性思维实体。尽管它们能够产生细微差别和智能，但大语言模型本质上是语言模式机器——当提供清晰的指令（提示）时，它们只是对下一步最可能说的话进行近似。
PebblesAI 是一家在 AI 领域致力于打造自己品牌的公司，以其面向营销和销售的 AI 原生平台而闻名。Pebbles AI 的首席执行官兼首席研究员 Emin Can Turan 表示："神经符号 AI 需要严格的研究和领域中心的关注，这与大语言模型不同，后者可以生成几乎任何主题的文本，但依赖于庞大的、经常相互矛盾的数据集。虽然这种广度可能足以完成简单的任务，但在 B2B 营销和销售、公司法律或医疗保健等专业领域，它反而成为一种负担。"
他说，这就像把一个高中运动员直接扔进 NFL，而他对职业战术手册、场地策略或官方规则一无所知。相比之下，神经符号 AI 是由在相关领域拥有深厚专业知识的研究人员和技术专家精心开发的，确保了准确的结果和伦理护栏。
Turan 说："另一个关键优势是神经符号 AI 可以在上下文推理的同时执行确定性计算，这是通用大语言模型难以处理的复杂性。""虽然大语言模型乍看之下似乐于适用于所有目的，但神经符号 AI 提供的精确性和准确性使其更适合于那些不能接受错误、次优输出或危险建议的任务。"
专业特定解决方案
Turan 举例说明，神经符号 AI 可以用于大型法律公司中古老的工作流程，或解决 B2B 公司跨部门的市场相关工作流程问题。神经符号 AI 被认为是在构建能够像人类一样思考和学习的 AI 系统的探索中向前迈出的一步，特别是当我们将它们与 AI 代理结合时。
据领导 Pebbles AI 工程团队的 AI 总监 Oleksandr Knyga 和 AI 负责人 Dmytro Antoniuk 表示，现代推理系统通过结构化任务分解实现了连接神经和符号处理的代理架构。
Knyga 和 Antoniuk 指出："代理层作为计算编排机制，管理神经模式提取和符号规则应用之间的相互作用，从而在系统层面为神经符号集成创建了一个强大的框架。"
构建这样的神经符号 AI 是一项异常复杂的工作，它本质上通过将领域特定技能、专业知识和智慧结合在一起，反映了人类思维的多面性。这种发展可能构成我们下一步从头到尾构建 AI 服务方式的关键部分。
