L'intégration neurosymbolique

Mots clés : intégration neurosymbolique, modèle hybride, combinaison de classifieurs, extraction de connaissances .

L'intégration neurosymbolique consiste à élaborer des modèles de traitement de l'information alliant les avantages des approches neuronales (apprentissage, généralisation, résistance au bruit, traitement perceptif efficace) et symboliques (explication, structuration des connaissances, manipulation symbolique efficace). Cette intégration peut se réaliser selon deux voies.

L'hybridation neurosymbolique propose des méthodologies de couplage entre modèles classiques des deux approches et se pose donc des problèmes de combinaison et de coordination de modèles de nature différente, ainsi que de stratégies de sélection du meilleur modèle. Une telle démarche a fait ses preuves dans des problèmes complexes du monde réel où l'on dispose à la fois de données numériques et de connaissances symboliques dont l'exploitation commune se révèle plus fructueuse que le choix d'une seule source d'information.

L'unification neurosymbolique pour sa part postule que le formalisme connexionniste seul peut être un support pour le rapprochement des deux approches symboliques et neuronales. Il peut s'agir d'implanter des algorithmes classiques de l'intelligence artificielle sous un formalisme neuronal ou encore de montrer comment de la connaissance peut être extraite ou introduite dans un réseau de neurones artificiels classique ( cf. § 6.3).