Nhóm nghiên cứu tại MIT Computer Science and Artificial Intelligence Laboratory (CSAIL) đã công bố một bài báo quan trọng về NeuroSymbolic Reasoning (NSR) trên tạp chí Science. Phương pháp này kết hợp các mạng nơ-ron sâu với các hệ thống logic biểu tượng, cho phép AI thực hiện suy luận logic phức tạp đồng thời giữ được khả năng học từ dữ liệu lớn.
NSR được thử nghiệm trên các bài toán truyền thống như suy luận toán học, giải quyết câu đố logic và lập kế hoạch robot. Kết quả cho thấy mô hình đạt độ chính xác 94 % trên bộ dữ liệu bách khoa toàn thư logic, gấp đôi so với các mô hình dựa trên mạng nơ-ron thuần.
Một điểm đáng chú ý là khả năng giải thích quyết định của mô hình. Khi đưa ra một đáp án, NSR có thể cung cấp một chuỗi các bước suy luận biểu tượng, giúp người dùng hiểu rõ lý do và tăng độ tin cậy trong các ứng dụng quan trọng như y tế và pháp lý.
MIT CSAIL dự kiến sẽ mở mã nguồn một phiên bản thu gọn của NSR trên GitHub vào cuối tháng này, khuyến khích cộng đồng nghiên cứu tiếp tục phát triển và áp dụng trong các lĩnh vực thực tiễn.