NEURO SYMBOLIC AI

Quando la logica incontra l'apprendimento

Neuro Symbolic AI: di cosa si tratta

L’intelligenza artificiale neuro simbolica (Ne-Sy AI) è un approccio emergente dell’intelligenza artificiale che combina l’uso delle reti neurali con la symbolic AI: in altre parole sfrutta le potenti abilità di approssimazione e apprendimento delle reti neurali unite al ragionamento simbolico , per manipolare concetti astratti, estrapolare informazioni da quantità di dati limitati e generare risultati spiegabili.

L’uso dell’approccio neuro-simbolico è vantaggioso per diversi motivi: innanzitutto i sistemi di Ne-Sy AI sono più efficienti, affidabili e robusti, anche perché richiedono una quantità inferiore di dati di training rispetto agli altri modelli. Inoltre, il processo di decision making è migliorato e la necessità di modelli di ML complessi è ridotta, grazie all’integrazione di logica e meccanismi di ragionamento multipli.

Alcuni business cases

Nonostante si tratti di un campo in crescita, molti sono i possibili usi del neuro Symbolic AI: dalla guida autonoma ai recommender systems, dai modelli di planning alle diagnosi in ambito medico. Tra i casi più interessanti, le analisi finanziarie costituiscono un esempio importante, perché i modelli neuro simbolici riescono a combinare la conoscenza simbolica delle diverse normative con modelli di apprendimento automatico per migliorare la previsione dei mercati, individuare frodi e gestire il rischio finanziario. Il vantaggio è l’aumento dell’accuratezza delle previsioni e la riduzione dei rischi associati alle decisioni finanziarie.

Anche da un punto di vista industriale, si sta assistendo alla nascita di vari framework di neuro symbolic AI: uno di questi è Relational AI che ha il vantaggio di essere integrato all’interno di Snowflake.