神经符号人工智能是人工智能研究中的一个热门话题，它通过将机器学习与基于逻辑、规则和事实的精确方法相结合，来应对幻觉和其他不精确的问题。神经符号人工智能的一个应用领域是空中交通管理。在美国发生了一系列可怕的飞机事故后，特朗普总统宣布了他要全面改革美国空中交通管制的目标。那么，神经符号人工智能是否会在这一新系统中发挥作用呢？
Alexander Gebhard Beiser
2025年4月16日
English version | French version
随着人工智能最近的突破不断成为头条新闻，包括因人工神经网络在机器学习方面的基础性发现而获得 2024 年诺贝尔物理学奖，以及在诺贝尔化学奖中发挥核心作用，其热度达到了前所未有的高度。这种热度大多数归因于机器学习、神经网络、深度学习、大数据和大规模语言模型（LLMs）背后的技术。虽然这些方法在图像或语音识别等任务中表现优异，但它们的主要缺点是不精确。对于像ChatGPT这样的LLM，这与LLM幻觉问题相关，即它们将虚假的信息作为事实呈现。这些问题导致人们对人工智能系统的不信任，并使其在安全关键系统和行业（如空中交通管理）中的应用更加复杂。
符号人工智能和亚符号人工智能是人工智能研究的两大学术分支。理解它们的一个最佳方式是将它们与卡尼曼的书《思考，快与慢》（D. Kahneman，2011）联系起来。
快速思考，或称第一类思考，描述的是人类如何在日常任务中做出决策。想象一下，一个通勤者在上班途中走下地铁站的楼梯。一列火车正在驶来，通勤者必须决定是跑步去赶这班车，还是等下一班。这个决定必须在瞬间做出，因为火车不会等人。这种思维方式是快速和直觉的，但有时也会出错，因为做出的不是最佳决策。
另一方面，慢速思考或第二类思考是深思熟虑的。这种思维方式通过权衡各种选项来做出决策。根据季节和期望的体验，他会考虑各种选择，比如蒂罗尔的迷人风光、阿尔卑斯山的滑雪活动，或是维也纳的文化亮点。通过列出可能的目的地清单并权衡利弊，一项计划最终被制定出来。
或第二类思考是慢速、深思熟虑和精确的。
这与人工智能有何关联？第一类思考和亚符号人工智能，以及第二类思思考和符号人工智能之间的相似之处非常明显：亚符号人工智能根据学习到的行为做出近似的决策，而符号人工智能则使用逻辑推理和可证明正确的方法。
亚符号人工智能利用数据来训练神经网络或其他统计学习技术。请看下面的例子： MNIST 数据集包含 7 万张 0 到 9 之间手写数字的图像。给定这样一个数字，亚符号人工智能方法（如神经网络）的任务就是正确预测该数字的值。神经网络通过反复试验和出错来学习如何正确地对这种图像进行分类。
另一方面，符号方法依赖于推理和可证明正确的算法。这种推理基于精确定义的规则和约束条件。考虑一下空中交通管制员的任务，他们需要在确保飞机安全分隔的同时，制定高效的飞行计划。符号人工智能中的方法可以帮助设计这样的飞行计划。以答案集编程（ASP）为例，这是一种基于逻辑编程的符号人工智能方法。ASP 能够根据一组规则自动生成飞行计划，这些规则定义了飞机数量、空域结构和必须考虑的限制因素。
然而，仅靠亚符号和符号人工智能本身都无法满足人工智能的所有预期目标。 以手写数字识别为例，虽然亚符号人工智能能以令人满意的标准识别单个数字，但却无法可靠地利用它们进行数学运算。另一方面，符号方法很难将不确定因素考虑在内，例如天气或人员资质如何影响航空安全。
神经符号人工智能旨在实现亚符号和符号人工智能之间的共生。目标是让神经符号人工智能使亚符号系统能够进行推理，同时使符号系统能够处理不确定性。换句话说，让它们更接近人类的决策过程。
神经符号人工智能具有巨大的潜力。福布斯最近发布了一份神经符号人工智能的20个实际应用列表，涵盖了从自动化法律文档分析到提高航空安全等多个领域的各种实例。提高航空安全也符合欧盟航空安全局（EASA）人工智能路线图2.0的目标，其中神经符号人工智能是其将人工智能融入航空领域计划的组成部分。
在奥地利学术界，人工智能和机器学习中心 (CAIML, https://caiml.org/, 2025 年 3 月 29 日访问) 和Bilateral AI (BilAI, https://www.bilateral-ai.net/home, 2025 年 3 月 29 日访问) 英才集群处于神经符号人工智能研究的前沿。
