Información CCS Acatlán
El razonamiento neuro-simbólico es un apartado de la Inteligencia Artificial que busca integrar la IA neuronal, basada en las redes neuronales y el aprendizaje profundo, con la IA simbólica, sustentada en el razonamiento lógico y el procesamiento de símbolos.
Lo anterior fue tratado en la ponencia Sobre el razonamiento neuro-simbólico, impartida por el doctor Ismael Everardo Bárcenas Patiño, del Departamento de Computación de la Facultad de Ingeniería de la UNAM, en el Primer Congreso Internacional de Inteligencia Artificial-UNAM.
Entre los temas abordados estuvieron la Inteligencias Artificiales simbólica y probabilista, la neuronal (o conexionista) y la neurosimbólica. El profesor explicó que este concepto nació en la década de 1950, con el surgimiento de The Logic Theorist (Newl, Simon, Shaw, 1956), un sistema que logró demostrar automáticamente de 38 teoremas del libro Principia Mathematica.
Con el cálculo de situaciones (McCarthy 1963), situaciones (secuencia de acciones) como expresiones lógicas de primer orden, programación lógica: Kowalski 1979; Regresión (lógica): Waldinger 1981; Quinta generación del cómputo (1982). El razonamiento neuronal: Perceptrón: McCulloch y Pitts (1943), red neuronal: Rosenblatt (1958), Red neuronal con aprendizaje (cableada) Minsky (1951).
Bárcenas Patiño añadió que dicho campo tiene un carácter interdisciplinario emergente, con el objetivo de integrar las fortalezas de las redes neuronales y el razonamiento simbólico para construir sistemas de IA más robustos, interpretables y flexibles.
De lo que se desprenden, explicó Bárcenas Patiño, los razonamientos probabilísticos, como la mayoría de películas dirigidas por Guillermo del Toro, exitosas en taquilla. Del Toro recién estrena la película Frankenstein.
El doctor Bárcenas Patiño llegó a varias conclusiones como el resultado reciente en aprendizaje automatizado, los software, hardware, datos, limitaciones teóricas y prácticas. Y para el futuro: enfoques híbridos (razonamiento neuro-simbólico) y la construcción de modelos de lenguajes modales con ML.
Hecho en México, todos los derechos reservados 2025. Esta página puede ser reproducida con fines no lucrativos, siempre y cuando no se mutile, se cite la fuente completa y su dirección electrónica. De otra forma, requiere permiso previo por escrito de la institución.
El contenido aquí expuesto no necesariamente refleja la opinión de la institución, y es responsabilidad exclusiva del administrador del blog.