ترکیب سیستمهای منطقی نمادین با شبکههای عصبی، یکی از داغترین ترندها در حوزه هوش مصنوعی است. این رویکرد که به عنوان «هوش مصنوعی ترکیبی» یا Neurosymbolic AI شناخته میشود، تلاش میکند تا نقاط قوت هر دو روش را ترکیب کند و به هوش عمومی (AGI) دست یابد – یعنی هوشی که بتواند مانند انسانها استدلال کرده و دانش خود را در موقعیتهای مختلف بهکار گیرد. این تغییر رویکرد، پس از سالها تسلط شبکههای عصبی بر حوزه هوش مصنوعی، نشاندهنده بازگشت به سیستمهای مبتنی بر قواعد منطقی (symbolic AI) است که پیشتر در دهههای اولیه تحقیق هوش مصنوعی مورد توجه قرار میگرفتند.
در یک نظرسنجی اخیر از اعضای انجمن پیشبرد هوش مصنوعی (AAAI)، اکثر متخصصان معتقدند که تنها با ترکیب این دو رویکرد میتوان به AGI دست یافت. شبکههای عصبی، بهویژه مدلهای زبانی بزرگ (LLMs) مانند ChatGPT، در یادگیری الگوها از حجم عظیمی از دادهها بسیار کارآمد هستند، اما فاقد قابلیت استدلال و تعمیمپذیری هستند. در مقابل، سیستمهای نمادین بر اساس قواعد و روابط منطقی بین مفاهیم بنا شدهاند، اما در برخورد با دادههای «کثیف» (messy) و پیچیده عملکرد خوبی ندارند.
هوش مصنوعی ترکیبی به دنبال رفع این محدودیتها است. نمونههایی از موفقیت این رویکرد عبارتند از AlphaGeometry، سیستم گوگل DeepMind که بهطور قابل اعتمادی مسائل المپیاد ریاضی را حل میکند. با این حال، ادغام مؤثر شبکههای عصبی و سیستمهای نمادین یک چالش بزرگ است.
برخی از محققان معتقدند افزودن منطق به شبکههای عصبی، بهترین یا حتی تنها راه برای تزریق استدلال به هوش مصنوعی است. شرکتهایی مانند IBM نیز بر این تکنیکها بهعنوان مسیری به سوی AGI سرمایهگذاری میکنند. با وجود این، برخی دیگر – از جمله یان لِکُن، یکی از پیشگامان شبکههای عصبی و مدیر ارشد علم داده در متا – معتقدند رویکردهای Neurosymbolic «ناسازگار» با یادگیری شبکهای هستند.
در حالی که شبکههای عصبی در سالهای اخیر پیشرفت چشمگیری داشتهاند، اما همچنان مستعد اشتباهات بنیادین هستند. به عنوان مثال، مدلهای تولید تصویر ممکن است دستهایی با شش انگشت ترسیم کنند و مدلهای ویدئویی مشکل در نشان دادن قوانین فیزیکی مانند جاذبه را دارند. این خطاها ناشی از عدم توانایی شبکههای عصبی در تعمیم دانش و استدلال منطقی هستند.
در نهایت، ترکیب بهترین ویژگیهای هر دو رویکرد – قدرت یادگیری شبکههای عصبی و قابلیت استدلال سیستمهای نمادین – میتواند راه را برای ایجاد هوش مصنوعی به سوی یک سطح جدید از تواناییها هموار کند.
این مطلب از منابع بینالمللی ترجمه و بازنویسی شده است.