الذكاء الاصطناعي العصبي الرمزي

📅 آخر تحديث: ١ أغسطس ٢٠٢٦
✍️ نُشر في: ١ أغسطس ٢٠٢٦
📷 يحتوي على 1 صور
الموسوعة الحرة

الذكاء الاصطناعي العصبي الرمزي هو فرع من فروع الذكاء الاصطناعي يجمع بين الشبكات العصبية وأساليب الذكاء الاصطناعي الرمزي ، مثل تمثيل المعرفة والاستدلال الآلي ، لإنشاء ذكاء اصطناعي أكثر قوة وموثوقية وجدارة بالثقة. [ 1 ] يتيح هذا الجمع دمج الأنماط الإحصائية مع القواعد والمعرفة المحددة بوضوح، مما يمنح أنظمة الذكاء الاصطناعي القدرة على التمثيل والاستدلال والتعميم بشكل أفضل. وبالتالي، يوفر الذكاء الاصطناعي العصبي الرمزي بنية استدلالية لأحدث تقنيات التعلم الآلي لحل نطاق أوسع من المشكلات بكفاءة أكبر.

يُقرّ الذكاء الاصطناعي العصبي الرمزي بقيمة التعلّم العميق باعتباره "الركيزة" الأساسية للذكاء الاصطناعي، إذ يُوفّر نماذج حسابية فعّالة للتعلّم من البيانات. وفي الوقت نفسه، يسعى إلى معالجة القيود الرئيسية للتعلّم العميق: انعدام الموثوقية، وكفاءة البيانات والطاقة، والإنصاف، والثقة. [ 1 ] وبالتالي، يُقال إن الذكاء الاصطناعي العصبي الرمزي يستفيد من نقاط قوة النهجين السائدين في الذكاء الاصطناعي، مع التخفيف من نقاط ضعفهما. [ 2 ] ويؤيد هذا الرأي العديد من علماء الحاسوب البارزين. فعلى سبيل المثال، يعتقد ليزلي فاليانت أن الذكاء الاصطناعي العصبي الرمزي سيكون قادرًا على "التوفيق بين الطبيعة الإحصائية للتعلّم والطبيعة المنطقية للاستدلال"، [ 3 ] بينما يدّعي سيب هوكريتر أن "النهج الأكثر وعدًا للذكاء الاصطناعي الشامل هو الذكاء الاصطناعي العصبي الرمزي، أي الذكاء الاصطناعي الثنائي الذي يجمع بين أساليب الذكاء الاصطناعي الرمزي ودون الرمزي". [ 4 ]

في السنوات الأخيرة، وُصفت تقنيات الذكاء الاصطناعي العصبي الرمزي بأنها الموجة الثالثة من الذكاء الاصطناعي، [ 5 ] حيث مثّلت الموجة الأولى (من ثمانينيات القرن العشرين إلى العقد الأول من الألفية الثانية) عصر الذكاء الاصطناعي الرمزي القائم على المنطق، بينما اعتمدت الموجة الثانية (من عام 2015 وحتى الآن) على الذكاء الاصطناعي الترابطي، أي الشبكات العصبية والتعلم العميق. وقد حظي الذكاء الاصطناعي العصبي الرمزي بانتشار صناعي واسع واهتمام عام في عام 2025 لمعالجة مشكلة الهلوسة في نماذج اللغة الكبيرة ؛ فعلى سبيل المثال، طبّقته أمازون في روبوتات مستودعاتها "فولكان" ومساعد التسوق الذكي "روفوس" لتعزيز الدقة وتحسين عملية اتخاذ القرار. [ 6 ]

حتى الآن، لا يوجد نهج سائد واحد لتحقيق الذكاء الاصطناعي العصبي الرمزي. [ 2 ] يركز البحث في هذا المجال على أفضل طريقة لدمج نموذجي الذكاء الاصطناعي الرئيسيين في بنية واحدة، والمنهجية العصبية الرمزية لتحقيق ذلك، والمقاييس المناسبة مثل "الدقة مقسومة على القدرة الحسابية" لمراعاة متطلبات كفاءة البيانات وإعادة استخدام المعرفة، وقدرة تمثيل النماذج العصبية للحوسبة، والدمج المبدئي للتعلم والاستدلال باستخدام التفاعل بين العمليات المستمرة والمتقطعة، وتطبيقات الذكاء الاصطناعي العصبي الرمزي في مجالات محددة. ومع ذلك، يمكن تقسيم أنظمة الذكاء الاصطناعي العصبي الرمزي إلى فئتين رئيسيتين: [ 7 ]

  • الأنظمة الهجينة ذات المكون العصبي والمكون الرمزي (مثل نماذج التعلم الخطي وأنظمة إثبات النظريات كما في نظام AlphaProof Nexus [ 8 ] من Google DeepMind ، والذي تمكن من إثبات العديد من مسائل إردوش المفتوحة )، و
  • الأنظمة العصبية الرمزية التي تدمج التعلم والاستدلال داخل الشبكة العصبية، بحيث تستند هذه الأنظمة، المستمدة من نظرية التعلم والاستدلال الرسمي في ظل عدم اليقين، عادةً إلى المنطق الضبابي وغير الكلاسيكي أو الأساليب الاحتمالية القابلة للتفاضل للاستخدام داخل الشبكات العصبية.

العلاقة بالمجالات الأخرى

العلوم المعرفية

يستلهم الذكاء الاصطناعي العصبي الرمزي بشكل كبير من القدرات المعرفية البشرية وفكرة نماذج العالم، وهذا يرتبط بعلم الإدراك . يصف كتاب دانيال كانيمان " التفكير، سريعًا وبطيئًا" الإدراك بأنه يشمل عنصرين: النظام 1 سريع، انعكاسي، وبديهي، بينما النظام 2 أبطأ، تأملي، وصريح. [ 9 ] النظام 1 "يعرف اللغة" ويُستخدم للتعرف على الأنماط . أما النظام 2 فيتولى التخطيط واتخاذ القرارات طويلة الأجل. وباستعارة منظور النظام 1 - النظام 2 للإدراك في مجال الذكاء الاصطناعي، يُعد التعلم العميق الأنسب للتعامل مع النوع الأول من الأنظمة المعرفية، بينما يتعامل الذكاء الاصطناعي الرمزي مع النوع الثاني. كلا النوعين ضروريان لذكاء اصطناعي قوي وموثوق به ليتعلم بكفاءة، وليُفكر بشكل موثوق، ويتفاعل بأمان مع البشر، ويتقبل النصائح، ويجيب على الأسئلة بشكل صحيح حتى في حال توفر عدد قليل جدًا من الملاحظات. وقد عمل باحثون عديدون على نماذج العمليات المزدوجة هذه، مع الإشارة الصريحة إلى النظامين المتناقضين، منذ تسعينيات القرن الماضي، في كل من مجال الذكاء الاصطناعي وعلم الإدراك. [ 10 ]

كمثال آخر على استعانة الذكاء الاصطناعي بعلم الإدراك، جادل غاري ماركوس قائلاً: "لا يمكننا بناء نماذج إدراكية غنية بطريقة آلية وكافية دون توافر العناصر الثلاثة الأساسية: بنية هجينة، ومعرفة مسبقة واسعة، وتقنيات استدلال متطورة." [ 11 ] وأضاف: "لبناء منهج قوي قائم على المعرفة في مجال الذكاء الاصطناعي، يجب أن نمتلك أدوات معالجة الرموز. فالكثير من المعرفة المفيدة مجردة، ولا يمكننا الاستغناء عن أدوات تمثل التجريد وتتعامل معه، وحتى الآن، فإن الأداة الوحيدة المعروفة القادرة على معالجة هذه المعرفة المجردة بشكل موثوق هي أدوات معالجة الرموز." [ 12 ] وهذا يتردد صداه مع دعوات سابقة للنماذج الهجينة منذ تسعينيات القرن الماضي. [ 13 ] [ 14 ]

الذكاء الاصطناعي العام

يُزعم أن الذكاء الاصطناعي العصبي الرمزي يُقدم مسارًا بديلًا للذكاء الاصطناعي العام (AGI). [ 15 ] من خلال تبني منهجية تُعرف باسم الدورة العصبية الرمزية، حيث يتم تدريب الشبكة العصبية باستمرار مع التحقق من قدراتها على الاستدلال، يعد الذكاء الاصطناعي العصبي الرمزي بتحقيق ضغط الشبكة عبر إعادة استخدام المعرفة. وهذا عكس التوسع المعتاد للتعلم العميق، والذي يُعد، على سبيل المثال، السبب وراء متطلبات استهلاك الطاقة الهائلة لأنظمة التعلم الآلي. [ 15 ]

الأساليب

تتنوع مناهج دمج أساليب الذكاء الاصطناعي العصبية والرمزية. [ 16 ] فإلى جانب التمييز العام بين الأنظمة العصبية الرمزية الهجينة والمتكاملة، توجد تصنيفات أخرى أكثر دقة. على سبيل المثال، فيما يلي تصنيف هنري كاوتز البارز للهياكل العصبية الرمزية [ 17 ] ، مع بعض الأمثلة التوضيحية:

  • يُعدّ النموذج العصبي الرمزي النهج الحالي للعديد من النماذج العصبية في معالجة اللغة الطبيعية ، حيث تُمثّل الكلمات أو أجزاء الكلمات المدخلات والمخرجات النهائية لنماذج اللغة الكبيرة . ومن الأمثلة على ذلك BERT [ 18 ] و GPT-3 [ 19 ] .
  • تُعدّ Symbolic[Neuro] بنيةً هجينةً تستخدم فيها التقنيات الرمزية لاستدعاء التقنيات العصبية. ومن الأمثلة عليها برنامج AlphaGo [ 20 ] ، حيث يعتمد النهج الرمزي على بحث شجرة مونت كارلو، بينما تتعلم التقنيات العصبية كيفية تقييم أوضاع اللعبة.
  • يستخدم Neural | Symbolic بنية عصبية لتفسير البيانات الإدراكية كرموز وعلاقات يتم التفكير فيها بشكل رمزي؛ Neural-Concept Learner [ 21 ] هو مثال واحد على هذا النظام و AlphaProof Nexus من Google DeepMind [ 8 ] هو مثال آخر.
  • علم الأعصاب: الرمزي ← يعتمد علم الأعصاب على الاستدلال الرمزي لتوليد أو تصنيف بيانات التدريب التي يتعلمها نموذج التعلم العميق لاحقًا. على سبيل المثال، يمكن تدريب نموذج عصبي للحساب الرمزي باستخدام نظام رياضيات رمزي مشابه لنظام Macsyma [ 22 ] لإنشاء أو تصنيف الأمثلة.
  • تُدمج البرمجة الرمزية العصبية الشبكة العصبية من خلال توليدها من قواعد رمزية. ومن الأمثلة على ذلك برنامج إثبات النظريات العصبية [ 23 ] ، الذي يبني شبكة عصبية من شجرة إثبات AND-OR مُولّدة من قواعد ومصطلحات قاعدة المعرفة، وشبكات موتر المنطق (LTNs) [ 24 ] .
  • يدمج نموذج Neural[Symbolic] الاستدلال الرمزي داخل الشبكة العصبية، بهدف تمكين الاستدلال العصبي والتوافقي معًا. ويتماشى العمل الذي قام به غارسيز ولامب وغاباي [ 25 ] حول المنطق الزمني والنمطي الترابطي مع هذا النهج.

هذه التصنيفات ليست شاملة؛ فهي، على سبيل المثال، لا تأخذ في الحسبان أنظمة الوكلاء المتعددين. في عام ٢٠٠٥، قدّم بادر وهيتزلر تصنيفًا أكثر دقة، يأخذ في الاعتبار، على سبيل المثال، ما إذا كان استخدام الرموز يتضمن منطقًا غير بديهي، وإذا كان كذلك، ما إذا كان هذا المنطق منطقيًا افتراضيًا أم من الدرجة الأولى. [ ٢٦ ] تمت مقارنة هذا التصنيف بتصنيف كاوتز في عام ٢٠٢١ بواسطة ساركر. [ ١٧ ]

في الآونة الأخيرة، جادل سيب هوكريتر بأن الشبكات العصبية البيانية (GNNs) "... هي النماذج السائدة للحوسبة العصبية الرمزية" [ 27 ] لأنها "تصف خصائص الجزيئات، وتحاكي الشبكات الاجتماعية، أو تتنبأ بالحالات المستقبلية في التطبيقات الفيزيائية والهندسية مع تفاعلات الجسيمات." [ 28 ]

تاريخ

الأنظمة المبكرة

وصف دافيلا غارسيز ولامب الأبحاث في مجال الذكاء الاصطناعي العصبي الرمزي بأنها مستمرة منذ تسعينيات القرن الماضي على الأقل، عندما نُظمت مجموعة أولية من ورش العمل حول هذا الموضوع. [ 13 ] [ 5 ] [ 29 ] ومع ذلك، يمكن القول إن مجال الذكاء الاصطناعي العصبي الرمزي بدأ مع الترابطية نفسها في عام 1943، عندما عنون ماكولوتش وبيتس ورقتهم البحثية، التي يُعترف على نطاق واسع بأنها بدأت مجال الشبكات العصبية، بعنوان " حساب منطقي للأفكار الكامنة في النشاط العصبي" . [ 30 ] ثم، بحثت ورقة جون فون نيومان البحثية لعام 1952 بعنوان "محاضرات في المنطق الاحتمالي وتوليف الكائنات الموثوقة من المكونات غير الموثوقة" التفاعل بين العمليات المنفصلة والمستمرة في علوم الحاسوب. [ 31 ] حتى كتاب آلان تورينج الشهير "الآلات الذكية" الصادر عام 1948 [ 32 ] قدّم نوعًا من الشبكات العصبية يُسمى آلة من النوع B. حدث كل هذا قبل أن يصوغ جون مكارثي مصطلح "الذكاء الاصطناعي " عام 1956، وقبل أن يُقسّم المجال لاحقًا إلى قسمين: الذكاء الاصطناعي الرمزي والذكاء الاصطناعي شبه الرمزي (أي العصبي)، مع مؤتمرات ومجلات وجمعيات منفصلة لكل منهما. ويرى أنصار الذكاء الاصطناعي العصبي الرمزي أنه ما كان ينبغي تقسيم المجال إلى قسمين أبدًا.

في ثمانينيات القرن العشرين، وانطلاقًا من إمكانات الحوسبة المتوازية، سعى فريق من الباحثين إلى استخدام الشبكات العصبية ليس للتعلم من البيانات، بل لإثبات النظريات المتوازية، مما أدى إلى ظهور نظام CHCL الذي طوره إس. هولدوبلر [ 33 ] والأساليب ذات الصلة. واهتم باحثون آخرون في مجال تعلم الآلة بدمج المعرفة الرمزية في الشبكات العصبية. وكان نظام KBANN الذي طوره تاويل وشافليك عام 1994 [ 34 ] أول نظام يُجرّب إدخال واستخراج قواعد بنود هورن من الشبكات العصبية. أما أول نظام عصبي رمزي يجمع بين الانتشار العكسي والبرمجة المنطقية فكان نظام CILP الذي طوره غارسيز وزافيروتشا عام 1999 [ 35 ].

العصر الحديث

شهد الذكاء الاصطناعي العصبي الرمزي انتعاشًا ملحوظًا في منتصف العقد الثاني من الألفية. ومنذ عام ٢٠٠٥، عُقدت سلسلة من ورش العمل حول هذا المجال، كانت تُعرف سابقًا باسم " ورشة العمل الدولية حول التعلم والاستدلال العصبي الرمزي"، وتحولت مؤخرًا إلى سلسلة مؤتمرات بعنوان "المؤتمر الدولي للتعلم والاستدلال العصبي الرمزي" (NeSy) . وفي عام ٢٠٢٣، أُنشئت أول مجلة أكاديمية متخصصة حصريًا في هذا المجال، وهي مجلة الذكاء الاصطناعي العصبي الرمزي ، التي تصدرها دار نشر IOS Press، برئاسة تحرير باسكال هيتزلر، وأرتور دافيلا غارسيز، وطارق ر. بيسولد. [ ٣٦ ]

منذ عام 2015، أثبتت ثورة التعلم العميق جدوى الأساليب الترابطية. وباستخدام البرمجة التفاضلية ، بدأ الباحثون في دمج الأنظمة الرمزية التفاضلية والترابطية (الشبكات العصبية)، مستلهمين ذلك من مجال التعلم الإحصائي العلائقي ؛ ومن الأمثلة البارزة على هذه التركيبات شبكات LTN [ 24 ] وDeepProbLog [ 37 ] .

منذ عام 2020، ازداد الاهتمام بالذكاء الاصطناعي العصبي الرمزي بشكل ملحوظ مع ظهور نماذج أساسية مثل نماذج التعلم الخطي (LLMs)، التي أبرزت قصور الشبكات العصبية البحتة، كالهلوسة ، وعدم فهم آليات التباينات المفاجئة في الأداء، وضعف الاستدلال المنطقي أو التعميم المنهجي خارج نطاق توزيعات بيانات التدريب. واستجابةً لذلك، بدأت تظهر نماذج التعلم الخطي الهجينة المزودة بأدوات رمزية، والتي تجمع بين نماذج التعلم الخطي وأدوات إثبات النظريات، وأدوات التحقق المنطقي أو مساعدي البرهان، والبرمجة الوظيفية، وقواعد البيانات، والبرامج المنطقية. وتُعد هذه إحدى المرات الأولى التي يشهد فيها الذكاء الاصطناعي العصبي الرمزي تبنيًا واسع النطاق في شركات مثل أمازون (Vulcan وRufus AI [ 6 ] )، وجوجل ( AlphaGeometry [ 38 ] )، وأنثروبيك ( Claude Code ).

تستخدم معظم الأنظمة العصبية الرمزية المعاصرة المعرفة المسبقة بأشكالها المختلفة، والتي تُضاف إما إلى بنية الشبكة العصبية أو دالة الخسارة الخاصة بها، وهو ما يختلف عن أسلوب التلقين القائم على تسلسل الأفكار الشائع حاليًا في استخدام نماذج التعلم الخطي. عادةً ما يتم تدريب الجزء العصبي من هذه الأنظمة العصبية الرمزية تحت إشراف خوارزمية الانتشار العكسي ؛ ومع ذلك، توجد استثناءات ملحوظة تستخدم التعلم غير الخاضع للإشراف أو التعلم التبايني ونماذج الطاقة . [ 39 ] بعد تدريب الشبكة، تستخلص مهمة استخراج المعرفة الأوصاف الرمزية من (أجزاء من) الشبكة المدربة. يرتبط استخراج المعرفة في الأنظمة العصبية الرمزية ارتباطًا وثيقًا بمجال الذكاء الاصطناعي القابل للتفسير والمحاججة . يُعد استخراج المعرفة العائق الرئيسي من الناحية الحسابية أمام تطبيق الذكاء الاصطناعي العصبي الرمزي عمليًا وعلى نطاق واسع. من منظور نظرية الرموز العصبية، فإن سؤال البحث الرئيسي هو التمثيل: ما هي أشكال المعرفة الرمزية التي يمكن تمثيلها بواسطة أي أنواع من الشبكات العصبية ( المحولات ، الشبكات العصبية البيانية ، نماذج الانتشار )؟

تطبيقات بارزة

تشمل أحدث تطبيقات الأساليب العصبية الرمزية ما يلي:

  • تقوم شبكات موتر المنطق (LTNs) [ 24 ] بترميز الصيغ المنطقية كشبكات عصبية وتتعلم في الوقت نفسه ترميز المصطلحات وأوزان المصطلحات وأوزان الصيغ.
  • يجمع DeepProbLog [ 37 ] بين الشبكات العصبية والاستدلال الاحتمالي لـ ProbLog
  • تم تصميم الشبكات العصبية البيانية (GNNs) [ 27 ] للمهام التي تكون مدخلاتها عبارة عن رسوم بيانية، وتستغل روابط الحواف في طبقاتها.
  • Scallop [ 40 ] هي لغة مبنية على Datalog تدعم الاستدلال المنطقي والعلائقي القابل للتفاضل، ويمكن دمجها في وحدة التعلم Python و PyTorch
  • SymbolicAI [ 41 ] هي مكتبة برمجة تفاضلية تركيبية

انظر أيضاً

مراجع

  1. 1 2 جعفري أ، خانداباتو ح (17 يونيو 2024). دورة الضجيج الإعلامي للذكاء الاصطناعي، 2024 (تقرير). غارتنر . G00809438. يعالج الذكاء الاصطناعي العصبي الرمزي القيود الشائعة في أنظمة الذكاء الاصطناعي فيما يتعلق بدقة المخرجات والتعميم وقابلية التفسير.
  2. 1 2 مونرو، دون (21 سبتمبر 2022). "الذكاء الاصطناعي العصبي الرمزي" . اتصالات ACM . 65 (10): 11-13 . doi : 10.1145/3554918 .
  3. ↑ فاليانت، ليزلي ج. (يناير 2003). "ثلاث مشكلات في علوم الحاسوب" . مجلة ACM . 50 (1): 96-99 . doi : 10.1145/602382.602410 .
  4. ↑ هوكريتر، سيب (أبريل 2022). "نحو ذكاء اصطناعي واسع النطاق" . اتصالات رابطة آلات الحوسبة . 65 (4): 56-57 . doi : 10.1145/3512715 .
  5. 1 2 دافيلا جارسيز، أرتور؛ لامب ، لويس سي. (نوفمبر 2023). "الذكاء الاصطناعي الرمزي العصبي: الموجة الثالثة" . مراجعة الذكاء الاصطناعي . 56 (11): 1239-1269 . دوى : 10.1007 / s10462-023-10448-ث .
  6. 1 2 روزنبوش، ستيفن (12 أغسطس 2025). "تعرّف على الذكاء الاصطناعي الرمزي العصبي، منهج أمازون لتحسين الشبكات العصبية" . صحيفة وول ستريت جورنال . الرقم الدولي الموحد للدوريات 0099-9660 . تاريخ الاسترجاع: 16 أغسطس 2025 . 
  7. ↑ مارا، جوزيبي؛ دومانسيك، سيباستيان؛ مانهايف، روبن؛ دي رايدت، لوك (يناير 2024). "من الذكاء الاصطناعي الإحصائي العلائقي إلى الذكاء الاصطناعي العصبي الرمزي: دراسة استقصائية". الذكاء الاصطناعي . 328 (104062) 104062. doi : 10.1016/j.artint.2023.104062 .
  8. 1 2 تسوكالاس، جورج؛ كوفشاروف، أنطون؛ شيروبوكوف، سيرجي (2026). "الارتقاء ببحوث الرياضيات باستخدام البحث الرسمي عن البراهين المدعوم بالذكاء الاصطناعي". arXiv : 2605.22763 [ cs.AI ].
  9. ↑ كانيمان، دانيال (25 أكتوبر 2011). التفكير، سريعًا وبطيئًا . فارار، ستراوس وجيرو. ISBN 978-0-374-27563-1.
  10. ↑ صن، رون (1995). "الاستدلال القوي: دمج الاستدلال القائم على القواعد والاستدلال القائم على التشابه". الذكاء الاصطناعي . 75 (2): 241-296 . doi : 10.1016/0004-3702(94)00028-Y .
  11. ↑ ماركوس، غاري (2020). "العقد القادم في الذكاء الاصطناعي: أربع خطوات نحو ذكاء اصطناعي قوي". arXiv : 2002.06177 [ cs.AI ].
  12. ↑ ماركوس، غاري؛ ديفيس، إرنست (2019). إعادة تشغيل الذكاء الاصطناعي: بناء ذكاء اصطناعي يمكننا الوثوق به . دار فينتج للنشر.
  13. 1 2 صن، رون؛ بوكمان، لورانس (1994). البنى الحاسوبية التي تدمج العمليات العصبية والرمزية . كلوير.
  14. ↑ هونافار، فاسانت (1995). الذكاء الاصطناعي الرمزي والشبكات العصبية الاصطناعية العددية: نحو حل للثنائية . سلسلة سبرينغر الدولية في الهندسة وعلوم الحاسوب. سبرينغر الولايات المتحدة. ص 351-388 . doi : 10.1007/978-0-585-29599-2_11 . 
  15. 1 2 دافيلا غارسيز، أرتور (2025). الذكاء الاصطناعي العصبي الرمزي: نحو استدلال سليم وتعلم سببي والطريق إلى الذكاء الاصطناعي العام (تقرير). سيتي، جامعة لندن.
  16. ↑ سيباستيان، أبو؛ رحيمي، عباس؛ كاروناراتني، جيثان (30 مارس 2023). "فك تشابك السمات المرئية باستخدام بنى عصبية متجهة رمزية، وحوسبة داخل الذاكرة، وضوضاء الجهاز" . بحث IBM . تم الاسترجاع في 10 يونيو 2026 .
  17. 1 2 ساركر، محمد قمر الزمان؛ تشو، لو؛ ابرهارت، هارون. هيتزلر، باسكال (2021). "الذكاء الاصطناعي الرمزي العصبي: الاتجاهات الحالية" . اتصالات الذكاء الاصطناعي . 34 (3): 197-209 . دوى : 10.3233 / AIC-210084 . S2CID 239199144 . 
  18. ↑ ديفلين، جاكوب؛ تشانغ، مينغ-وي؛ لي، كينتون؛ توتانوفا، كريستينا (11 أكتوبر 2018). "BERT: التدريب المسبق للمحولات ثنائية الاتجاه العميقة لفهم اللغة". arXiv : 1810.04805v2 [ cs.CL ].
  19. ↑ براون، توم ب.؛ مان، بنجامين؛ رايدر، نيك؛ سوبيا، ميلاني؛ كابلان، جاريد؛ داريوال، برافولا؛ نيلاكانتان، أرفيند؛ شيام، براناف؛ ساستري، جيريش؛ أسكيل، أماندا؛ أغاروال، سانديني؛ هربرت-فوس، أرييل؛ كروجر، جريتشن؛ هينيغان، توم؛ تشايلد، ريون؛ راميش، أديتيا؛ زيغلر، دانيال م.؛ وو، جيفري؛ وينتر، كليمنس؛ هيس، كريستوفر؛ تشين، مارك؛ سيغلر، إريك؛ ليتوين، ماتيوس؛ غراي، سكوت؛ تشيس، بنجامين؛ كلارك، جاك؛ بيرنر، كريستوفر؛ ماكاندليش، سام؛ رادفورد، أليك؛ سوتسكيفر، إيليا؛ أمودي، داريو (28 مايو 2020). "نماذج اللغة هي متعلمون ذوو عدد قليل من الأمثلة". arXiv : 2005.14165 [ cs.CL ].
  20. ^ فضة، ديفيد ؛ الأماكن القريبة : ماديسون، كريس J.؛ جويز، آرثر؛ سيفري، لوران؛ دريش، جورج فان دن؛ شريتويزر، جوليان؛ أنتونوغلو، يوانيس؛ بانيرشلفام، فيدا؛ لانكتوت، مارك؛ ديليمان، ساندر؛ غريوي، دومينيك. نهام، جون. كالشبرينر، نال؛ الأماكن القريبة : ليليكراب، تيموثي؛ ليتش، مادلين. كافوكوجلو، كوراي؛ جريبيل، ثور؛ هاسابيس ، ديميس (28 يناير 2016). “إتقان لعبة Go باستخدام الشبكات العصبية العميقة والبحث عن الأشجار”. طبيعة . 529 (7587): 484– 489. بيب كود : 2016Natur.529..484S . doi : 10.1038 / nature16961 . ISSN 0028-0836 . PMID 26819042. S2CID 515925 .   رمز الوصول المغلق
  21. ↑ ماو، جيايوان؛ غان، تشوانغ؛ كوهلي، بوشميت؛ تيننباوم، جوشوا ب.؛ وو، جياجون (2019). "متعلم المفاهيم العصبية الرمزية: تفسير المشاهد والكلمات والجمل من خلال الإشراف الطبيعي". arXiv : 1904.12584 [ cs.CV ].
  22. ↑ موسى، جويل (مايو 2008). "ماكسيما: تاريخ شخصي" (ملف PDF) . معالم بارزة في الجبر الحاسوبي.انظر أيضًا جويل موسى (2012)، "ماكسيما: تاريخ شخصي"، مجلة الحوسبة الرمزية ، 47 (2): 123-130 ، doi : 10.1016/j.jsc.2010.08.018
  23. ↑ روكتاشل، تيم؛ ريدل، سيباستيان (2016). "تعلم استدلال قاعدة المعرفة باستخدام أدوات إثبات النظريات العصبية" . وقائع ورشة العمل الخامسة حول بناء قواعد المعرفة الآلي . سان دييغو، كاليفورنيا: رابطة اللغويات الحاسوبية. ص 45-50 . doi : 10.18653/v1/W16-1309 . تاريخ الاسترجاع : 6 أغسطس 2022 . 
  24. 1 2 3 بدر الدين، سامي؛ دافيلا جارسيز، أرتور إس؛ سيرافيني، لوتشيانو؛ سبرينغر، مايكل (2022). “شبكات الموتر المنطقية”. الذكاء الاصطناعي . 303 103649. أرخايف : 2012.13635 . دوى : 10.1016/j.artint.2021.103649 .
  25. ^ دافيلا جارسيز، أرتور إس. لامب لويس سي. غاباي، دوف م. (2009). المنطق المعرفي الرمزي العصبي . التقنيات المعرفية. سبرينغر. رقم ISBN 978-3-540-73245-7.
  26. ↑ بادر، سيباستيان؛ هيتزلر، باسكال (10-11-2005). "أبعاد التكامل العصبي الرمزي - دراسة استقصائية منظمة". arXiv : cs/0511042 .
  27. 1 2 لامب، لويس سي؛ دافيلا غارسيز، أرتور؛ غوري، ماركو؛ براتيس، مارسيلو أو آر؛ أفيلار، بيدرو إتش سي؛ فاردي، موشيه واي. (يوليو 2020). "شبكات الرسم البياني العصبية تلتقي بالحوسبة العصبية الرمزية: دراسة استقصائية ومنظور" . وقائع المؤتمر الدولي المشترك التاسع والعشرين حول الذكاء الاصطناعي . الصفحات 4877-4884 . arXiv : 2003.00330 . doi : 10.24963 /ijcai.2020/679 . 
  28. ↑ هوكريتر، سيب (أبريل 2022). "نحو ذكاء اصطناعي واسع النطاق" . اتصالات رابطة آلات الحوسبة . 65 (4): 56-57 . doi : 10.1145/3512715 . ISSN 0001-0782 . 
  29. ↑ دافيلا غارسيز، أرتور س.؛ برودا، كريزيا؛ غاباي، دوف م.؛ غاباي (2002). أنظمة التعلم العصبي الرمزي: الأسس والتطبيقات . سبرينغر ساينس آند بيزنس ميديا. ISBN 978-1-85233-512-0.
  30. ↑ ماكولوتش، وارن س.؛ بيتس، والتر (ديسمبر 1943). "حساب منطقي للأفكار الكامنة في النشاط العصبي" . نشرة الفيزياء الحيوية الرياضية . 5 (4): 115-133 . Bibcode : 1943BMaB....5..115M . doi : 10.1007/BF02478259 .
  31. ↑ فون نيومان، جون (1956). "المنطق الاحتمالي وتوليف الكائنات الموثوقة من مكونات غير موثوقة". في: شانون، كلود إي؛ مكارثي، جون (محرران). دراسات الأوتوماتا . حوليات دراسات الرياضيات. المجلد 34. مطبعة جامعة برينستون . الصفحات 43-98 . doi : 10.1515/9781400882618-003 .  
  32. ↑ تورينج، آلان م. (1948). الآلات الذكية (ملف PDF) (تقرير فني). المختبر الفيزيائي الوطني.
  33. ↑ هولدوبلر، ستيفن؛ كورفيس، فرانز (1992). "CHCL - نظام استدلال اتصالي". التوازي في أنظمة الاستدلال: ورشة عمل دولية، قلعة داغشتول، ألمانيا، 17-18 ديسمبر 1990، وقائع المؤتمر . سلسلة محاضرات في علوم الحاسوب. المجلد 590. سبرينغر. الصفحات 318-342 . doi : 10.1007/3-540-55425-4_18 .  
  34. ↑ تاويل، جيفري ج.؛ شافليك، جود و. (1994). "الشبكات العصبية الاصطناعية القائمة على المعرفة". الذكاء الاصطناعي . 70 ( 1-2 ): 119-165 . doi : 10.1016/0004-3702(94)90105-8 .
  35. ↑ دافيلا غارسيز، أرتور س.؛ زافيروتشا، غيرسون (1999). "نظام التعلم الاستقرائي الترابطي وبرمجة المنطق". الذكاء التطبيقي . 11 (1): 59-77 . doi : 10.1023/A:1008328630915 .
  36. ↑ "الذكاء الاصطناعي العصبي الرمزي" . people.cs.ksu.edu . تم الاطلاع عليه بتاريخ 11 سبتمبر 2023 .
  37. 1 2 مانهايف، روبن؛ دومانسيك، سيباستيان؛ كيميج، أنجليكا؛ ديميستر، توماس؛ دي رايدت، لوك (2018). "DeepProbLog: برمجة المنطق الاحتمالي العصبي". التقدم في أنظمة معالجة المعلومات العصبية 31 (NeurIPS 2018) . ص 3749-3759 . 
  38. ↑ ترينه، تريو هـ.؛ وو، يوهواي؛ لي، كوك ف.؛ هي، هي؛ لونغ، ثانغ (2024). "حل مسائل الهندسة الأولمبية دون عروض توضيحية بشرية" . مجلة نيتشر . 625 (7995): 476-482 . Bibcode : 2024Natur.625..476T . doi : 10.1038/s41586-023-06747-5 . PMC 10794143. PMID 38233616 .  
  39. ^ تران، س. موتا، إي. دافيلا جارسيز، أ. (2025). “الاستدلال في الذكاء الاصطناعي العصبي الرمزي”. أرخايف : 2505.20313 [ cs.AI ].
  40. ^ لي زيانغ. هوانغ، جياني. نايك، مايور (2023). “الإسكالوب: لغة البرمجة العصبية الرمزية”. أرخايف : 2304.04812 [ cs.PL ].
  41. ↑ دينو، ماريوس-كونستانتين؛ ليوفينو-كوندري، كلاوديو؛ هولزلايتنر، ماركوس؛ زيلينجر، فيرنر؛ هوكريتر، سيب (2024). "SymbolicAI: إطار عمل للمناهج القائمة على المنطق التي تجمع بين النماذج التوليدية والحلول". arXiv : 2402.00854 [ cs.AI ].

للمزيد من القراءة